Instituto Tecnológico de Aguascalientes

INGENIERÍA INDUSTRIAL

Estadística Inferencial

Actividad 1 T3 “Cuestionario: Conceptos

fundamentales de las pruebas de hipótesis.”

Profesor: Moisés Muñoz Diaz

Alumno: Josue Abraham Escobedo Garcia
Numero de control: 20151177
Fecha: 12-octubre-2021
Contenido
Defina Hipótesis Estadística. ............................................................................................................. 3
¿Cuál es la diferencia entre la hipótesis nula y la alternativa? ..................................................... 3
¿Qué representan los estadísticos de prueba? .............................................................................. 4
Las pruebas pueden ser bilaterales o unilaterales, ¿Cuándo ocurre cada caso? ...................... 4
Los errores de la estadística ¿cuáles son y cómo los definen?.................................................... 6
¿Qué significa el nivel de significancia?........................................................................................... 6
Describe el procedimiento para las pruebas de hipótesis. ............................................................ 8
Conclusión .......................................................................................................................................... 11
Defina Hipótesis Estadística.

Se conoce a una hipótesis estadística como a aquella afirmación que se hace sobre
una o más características de cierta población. Una prueba o contraste de hipótesis es
algún procedimiento para aceptar o rebatir dicha hipótesis o afirmación. Las hipótesis
estadísticas son la transformación de las hipótesis de investigación, nulas y
alternativas en símbolos estadísticos.

Se pueden formular solamente cuando los datos del estudio que se van a recolectar y
analizar para aprobar o desaprobar las hipótesis son cuantitativos (números,
porcentajes, promedios). Es decir, el investigador traduce su hipótesis de investigación
y su hipótesis nula (y cuando se formulan hipótesis alternativas, también éstas) en
términos estadísticos.

Un principio general de la investigación científica es escoger siempre la hipótesis más

simple capaz de explicar la realidad observada. La razón es que una hipótesis simple
es más fácil de contrastar empíricamente y descubrir sus deficiencias, lo que permite
aprender de los datos con mayor rapidez y seguridad. Este principio justifica que
muchas investigaciones estadísticas tengan por objeto contrastar una hipótesis
simplificadora del tipo: una población es idéntica a otra de referencia.

¿Cuál es la diferencia entre la hipótesis nula y la alternativa?

Mientras que la hipótesis nula nos hace una indicación de que un parámetro de
población (tal como la media, la desviación estándar, etc.) es igual a un valor
hipotético. Esta suele ser una afirmación inicial que se basa en análisis previos o en
conocimiento especializado, por otro lado, la hipótesis alternativa nos indica que un
parámetro de población es más pequeño, más grande o diferente del valor hipotético
de la hipótesis nula. La hipótesis alternativa es lo que se podría pensar que es cierto
o espera probar que es cierto.

¿Qué representan los estadísticos de prueba?

Un estadístico de prueba es una variable aleatoria que se calcula a partir de datos de

muestra y se utiliza en una prueba de hipótesis. Puede utilizar los estadísticos de
prueba para determinar si puede rechazar la hipótesis nula. El estadístico de prueba
compara sus datos con lo que se espera bajo la hipótesis nula. El estadístico de prueba
se utiliza para calcular el valor p. Un estadístico de prueba mide el grado de
concordancia entre una muestra de datos y la hipótesis nula. Su valor observado
cambia aleatoriamente de una muestra aleatoria a una muestra diferente. Un
estadístico de prueba contiene información acerca de los datos que es relevante para
decidir si se puede rechazar la hipótesis nula. La distribución del muestreo del
estadístico de prueba bajo la hipótesis nula se denomina distribución nula. Cuando los
datos muestran evidencia clara en contra de los supuestos de la hipótesis nula, la
magnitud del estadístico de prueba se vuelve demasiado grande o pequeña
dependiendo de la hipótesis alternativa. Esto hace que el valor p de la prueba se
vuelva lo suficientemente pequeño como para rechazar la hipótesis nula.

Las pruebas pueden ser bilaterales o unilaterales, ¿Cuándo ocurre cada caso?

En los ensayos unilaterales la región de rechazo es única a un lado de la de la

distribución con un área determinada por el valor de 𝛼, En las bilaterales la
región de rechazo el área se determina dividiendo el nivel de significancia en
dos partes iguales.
Cuando la región crítica está situada a los dos lados de la zona de aceptación
de la hipótesis nula, el contraste se denomina bilateral o de dos colas; si está
sólo a un lado de la región crítica, se llama unilateral o de una cola.

Una bilateral se asocia a una hipótesis alternativa para la cual se desconoce el

signo de la potencial diferencia. Por ejemplo, supongamos que deseamos
comparar las medias de dos muestras 𝐴 y 𝐵. Antes de diseñar el experimento
y ejecutar la prueba, esperamos que, si se resalta una diferencia entre las dos
medias, realmente no sabemos si 𝐴 debería ser superior a 𝐵 o a la inversa.
Esto nos lleva a elegir una prueba bilateral, asociada a la siguiente hipótesis
alternativa:

Ha: 𝑚𝑒𝑑𝑖𝑎(𝐴) ≠ 𝑚𝑒𝑑𝑖𝑎(𝐵).

Una prueba unilateral normalmente está asociada a una hipótesis alternativa

para la cual se conoce el signo de la potencial diferencia antes de ejecutar el
experimento y la prueba. La hipótesis alternativa referida a una prueba
unilateral podría redactarse así:

𝑚𝑒𝑑𝑖𝑎(𝐴) < 𝑚𝑒𝑑𝑖𝑎(𝐵) 𝑜 𝑚𝑒𝑑𝑖𝑎(𝐴) > 𝑚𝑒𝑑𝑖𝑎(𝐵)

dependiendo de la dirección esperada de la diferencia.

Los errores de la estadística ¿cuáles son y cómo los definen?

El error tipo I se comete cuando la hipótesis nula es verdadera y, como consecuencia

del contraste, se rechaza. Si usted rechaza la hipótesis nula cuando es verdadera,
comete un error de tipo I. La probabilidad de cometer un error de tipo I es α, que es el
nivel de significancia que usted establece para su prueba de hipótesis. Un α de 0.05
indica que usted está dispuesto a aceptar una probabilidad de 5% de estar equivocado
al rechazar la hipótesis nula. Para reducir este riesgo, debe utilizar un valor menor
para α. Sin embargo, usar un valor menor para alfa significa que usted tendrá menos
probabilidad de detectar una diferencia si está realmente existe. El error tipo II se
comete cuando la hipótesis nula es falsa y, como consecuencia del contraste se
acepta. Cuando la hipótesis nula es falsa y usted no la rechaza, comete un error de
tipo II. La probabilidad de cometer un error de tipo II es 𝛽, que depende de la potencia
de la prueba. Puede reducir el riesgo de cometer un error de tipo II al asegurarse de
que la prueba tenga suficiente potencia. Para ello, asegúrese de que el tamaño de la
muestra sea lo suficientemente grande como para detectar una diferencia práctica
cuando está realmente exista. La probabilidad de cometer Error de tipo I es el nivel de
significación 𝛼. La probabilidad de cometer el error de tipo II depende del verdadero
valor del parámetro. Se hace tanto menor cuanto mayor sea 𝑛. (Diaz, 2021)

¿Qué significa el nivel de significancia?

El nivel de significancia, también denotado como alfa o α, es la probabilidad de

rechazar la hipótesis nula cuando es verdadera. Estos tipos de definiciones pueden
ser difíciles de entender debido a su carácter técnico.
En la gráfica anterior, las dos áreas sombreadas son equidistantes del valor de la
hipótesis nula y cada área tiene una probabilidad de 0.025, para un total de 0.05. En
estadística, nos referimos a estas áreas sombreadas como la región crítica para una
prueba de dos colas. Si la media de la población es de 260, esperaríamos obtener
una media de la muestra que estuviera en la región crítica el 5% de las veces. La
región crítica define qué tan lejos debe estar nuestro estadístico de muestra del valor
de la hipótesis nula para que podamos decir que es lo suficientemente inusual como
para rechazar la hipótesis nula. La media de la muestra (330.6) se encuentra dentro
de la región crítica, lo que indica que es estadísticamente significativa al nivel 0.05.

¿Qué significa en Nivel de Confianza?

El nivel de confianza, es la probabilidad a priori de que el intervalo de confianza a

calcular contenga al verdadero valor del parámetro. Se indica por 1 − 𝛼 y
habitualmente se da en porcentaje (1 − 𝛼) 100%. Hablamos de nivel de confianza y
no de probabilidad ya que, una vez extraída la muestra, el intervalo de confianza
contendrá al verdadero valor del parámetro o no, lo que sabemos es que si
repitiésemos el proceso con muchas muestras podríamos afirmar que el (1 − 𝛼) % de
los intervalos así construidos contendrían el verdadero valor del parámetro. La
construcción de un intervalo de confianza se realiza a partir de un estadístico calculado
con los datos de una muestra. Calculada la desviación típica del estadístico y obtenido
un valor crítico asociado a su distribución correspondiente a la mitad del complemento
del valor del coeficiente de confianza elegido (𝛼/2), el producto del valor crítico por el
error estándar se constituye en el radio del intervalo que está centrado en el valor del
estadístico en la muestra obtenida. Este procedimiento general adopta formas
particulares de acuerdo al parámetro que se desee estimar (media, proporción,
varianza, etc.) y según el conocimiento que se tenga de la población de la cual se
quiere estimar el parámetro.

Describe el procedimiento para las pruebas de hipótesis.

PRUEBAS DE HIPOTESIS
Pruebas Relacionadas con Medias
H0 Estadístico de Prueba H1 Rechazar H 0 si
1 x − 0   0 z 0  − z
z0 = z0  z
 = 0 / n   0
 conocida   0 z0  z / 2
x − 0   0 z 0  − z
z0 = z0  z
2   0
 = 0 S/ n
 desconocida, n >= 30   0 z0  z / 2
3 x − 0   0 t 0  − t
 = 0 t0 = t 0  t
S/ n   0
 desconocida, n < 30   0 t 0  t / 2
4
 ( x1 − x 2 ) − d 0 1 −  2  d 0 z 0  − z
z0 =
 12  22 z0  z
1 − 2 = d0 + 1 −  2  d 0
n1 n2
 1 y  2 conocidas 1 −  2  d 0 z0  z / 2

( x − x2 ) − d0 1 −  2  d 0 z 0  − z
5 z0 = 1
S 12 S 22 z0  z
1 − 2 = d0 + 1 −  2  d 0
n1 n2
 1 y  2 desconocidas n1 y n2 >30 1 −  2  d 0 z0  z / 2
6 ( x − x2 ) − d0
t0 = 1
1 1 1 −  2  d 0 t 0  − t
Sp +
n1 n 2
1 −  2 = d 0  1 =  2 pero desconocidas 1 −  2  d 0 t 0  t
v = n1 + n2 − 2
( n1 − 1 )S 12 + ( n2 − 1 )S 22 1 −  2  d 0 t 0  t / 2
Sp =
n1 + n2 − 2
( x1 − x 2 ) − d 0
t'0 = 1 −  2  d 0 t'0  − t
( S 12 / n1 ) + ( S 22 / n2 )
7
 1   2 y desconocidas t'0  t
1 −  2  d 0
( S 12 / n1 + S 22 / n2 ) 2
1 −  2 = d 0 v=
( S 12 / n1 )2 ( S 22 / n2 )2 1 −  2  d 0 t'0  t / 2
+
n1 − 1 n2 − 1
d − d0 d  d 0 t0  − t
t0 = t0  t
8 d  d 0
d = d 0 Sd / n
observaciones pareadas d  d 0 t0  t / 2

PRUEBAS DE HIPOTESIS
Pruebas Relacionadas con Proporciones (Muestras Grandes)
H0 Estadístico de Prueba H1 Rechazar H 0 si
9 P = P0 x / n − P0 P  P0 z0  − z
z0 =
P0 ( 1 − P0 ) P  P0 z0  z
n P  P0 z0  z / 2
10
 p̂1 − p̂2 − d 0
z0 = P1 − P2  d0 z0  − z
p̂ q̂ [( 1 / n1 ) + ( 1 / n2 )]
P1 − P2 = d0 P1 − P2  d0 z0  z
donde: p̂ = ( x1 + x 2 ) /( n1 + n2 ) P1 − P2  d0 z0  z / 2
qˆ = 1 − pˆ
Pruebas Relacionadas con Varianzas
 2   02  02  2
11 ( n − 1 )S 2
 02 =  2   02  02   12−
 02
 2 =  02 con v = n − 1 grados de libertad  02  2 / 2 ó
 2   02  02   12− / 2

 12   22 f 0  f vv 1,
2

12 S 12  12   22 f 0  f vv 1,1 −
f0 = 2
S 22
 12 =  22 con v1 y v2 grados de libertad  12   22 f 0  f vv 1, / 2 ó
2

f 0  f vv 1,1 −  / 2
2

Pruebas de Bondad de Ajuste

13 Pruebas de Chi-cuadrada
k
( oi − ei )2
 02 =  Dist. Ob.  Dist. Esp  02   12−
Dist. Ob. = Dist. Esp. i =1
ei
con v = k – 1 grados de libertad
Pruebas de Kolmogorov-Smirnov
14
Dist. Ob. = Dist. Esp D0 = máx Fobs − Fesp  Dist. Ob.  Dist. Esp D0  D ,n

Pruebas de Independencia. Tablas de contingencia

15La clasificación en r c (o i j − e i j ) 2
columnas es
independiente de la
 =
2
0 
i =1 j =1 ei j
Si hay Relación o
 02   12−
Son Dependientes
clasificación en filas con v = (r – 1)( c – 1) grados de libertad
Conclusión

Para dar por concluido al trabajo presentado, me gustaría destacar que la prueba de
hipótesis nos es de gran utilidad, puesta esta nos ayuda a evitar los altos costos en
los esfuerzos experimentales mediante el uso de los datos que ya son existentes.
Por otro lado, la probabilidad de ocurrencia es basada en una confianza estadística
previamente predeterminada. Las decisiones se basan en:
– Creencias (experiencia)
– Preferencias (necesidades actuales)
– La evidencia (datos estadísticos)
– Riesgo (nivel aceptable de error) Prueba de hipótesis puede ayudar a
establecer una diferencia estadística entre los factores de diferentes
distribuciones
Trabajos citados
Diaz, M. C. (8 de Octubre de 2021). Cloudita.com. Obtenido de
http://cloud.aguascalientes.tecnm.mx/moodle/mod/assign/view.php?id=325608