Portafolio de evidencias

Estadística
Unidad 3
Prueba de hipótesis
Armenta vazquez Jesús Eduardo
535
 Introducción
Se define hipótesis como una aseveración de una población elaborado con el
propósito de poner a prueba, para verificar si la afirmación es razonable se usan
datos.
En el análisis estadístico se hace una aseveración, es decir, se plantea una
hipótesis, después se hacen las pruebas para verificar la aseveración o para
determinar que no es verdadera, por tanto, la prueba de hipótesis es un
procedimiento basado en la evidencia muestral y la teoría de probabilidad; se
emplea para determinar si la hipótesis es una afirmación razonable.
El propósito de la prueba de hipótesis no es cuestionar el valor calculado del
estadístico (muestral), sino hacer un juicio con respecto a la diferencia entre
estadístico de muestra y un valor planteado del parámetro.
 3.2 Confiabilidad y significancia
La confiabilidad de un instrumento se refiere a la constitución interna de las
personas, a la mayor o menor acescencia de errores de medida.
Un instrumento confiable significa que si lo aplicamos por mas de una vez a un
mismo elemento entonces obtendríamos iguales resultados.
Hay diversos métodos para determinar la confiabilidad de un instrumento de
medición. Todos utilizan fórmulas que producen coeficientes de confiabilidad estos
coeficientes pueden oscilar entre 0 y 1, donde un coeficiente de 0 significa nula
confiabilidad y 1 representa un máximo de confiabilidad.
 3.3 Errores de tipo 1 y tipo 2
Error de tipo1: Es el rechazo de la hipótesis nula H0 cuando es verdadera,
consiste en aceptar la hipótesis alternativa H0, cuando la cierta es la nula H0
Se representa con el símbolo ALFA cx que es la probabilidad de cometer un error
tipo 1.
Error de tipo2: Es la aceptación de la hipótesis nula H1 cuando es falsa, consiste
en aceptar la hipótesis nula H1 cuando la cierta es la alternativa H1
Se representa con el símbolo ALFA β que es la probabilidad de cometer un error
tipo 2.
Tabla de situaciones al probar una hipótesis estadística.
 3.4 Potencia de la prueba
Es la probabilidad de rechazar la hipótesis nula h0 cuando la hipótesis alternativa
es verdadera.
Potencia= 1-B
La potencia de la prueba estadística es la probabilidad de rechazar correctamente
una hipótesis nula.
La potencia es una medida de la sensibilidad de una prueba estadística,
Ejemplo:
n=10
U=50
H0=u50
Potencia= 1-□ =1-0,2643=0,7357
Significado:
Si la media verdadera es 52, esta prueba rechazara correctamente la hipótesis
h0:u=50 y detectara esta diferencia el 73,57% de las veces, si el valor de la
sensibilidad se considera muy bajo, el análisis puede incrementar a o el tamaño de
la muestra n.
 3.5 Formulación de las hipótesis estadísticas.

Los errores tipo 1 y 2 están relacionados una disminución en la probabilidad de

uno por lo general tiene como resultado un aumento en la probabilidad del otro.
El tamaño de la región critica, y por tanto la probabilidad de cometer un error tipo
1, siempre se puede reducir al ajustar el o los valores críticos.
 3.6 Prueba de hipótesis para la media
El propósito de la prueba de hipótesis no es cuestionar el valor calculado del
estadístico (muestral), sino hacer
un juicio con respecto a la diferencia entre estadístico de muestra y un valor
planteado del parámetro
Si se conoce la desviación estándar de la población (), la distribución de
muestreo adecuada es la distribución normal. Si la población que se muestra es
normal, la distribución de muestreo será normal en el caso de todos los tamaños
x́−μ
Z prueba=
de la muestra, y el valor estadístico de prueba a utilizar es: σ
√n
Si la población no es normal, o si se desconoce su forma, se emplea la ecuación
anterior solamente para tamaño de muestra iguales o mayores 30, es decir, para n
>30
Si no se conoce la desviación estándar de la población (), el valor estadístico de
x́−μ
tprueba=
prueba es: S
√n
Se considera práctico utilizar la distribución t solamente cuando se requiera que el
tamaño de la muestra sea menor de 30, ya que para muestras más grandes los
valores t y z son aproximadamente iguales, y es posible emplear la distribución
normal en lugar de la distribución t.
Las anteriores ecuaciones se aplican para poblaciones finitas, pero cuando la
población es finita y el tamaño de la muestra n constituye más del 5% del tamaño
de la población N, es decir:
n
( 100 % )>5 %
N

En este caso se debe usar el factor finito de corrección para modificar

desviaciones estándar, por lo tanto, se aplican las siguientes ecuaciones para ()
conocida y desconocida respectivamente:
x́−μ x́−μ
zprueba= tprueba=
σ N−n S N −n
√
⋅
√ n N −1 √
⋅
√ n N −1
 3.7 Prueba de hipótesis para la diferencia de medias
Existen variedades de problemas estadísticos en los que se deben decidir si una
diferencia observada entre dos medias muestrales se puede atribuir a la
casualidad. Por ejemplo, se desea saber si hay en realidad una diferencia en el
consumo de gasolina promedio de dos tipos de automóviles, si datos de
muestras indican que un tipo de auto promedia un consumo de un litro por
cada 13 Km., mientas que, con las mismas condiciones otro tipo de automóvil
dio un promedio de un litro cada 15 Km. De la misma forma, a lo mejor nos
interesa saber con base a muestras si hay en realidad una diferencia en la
magnitud de cuentas atrasadas en dos sucursales de una tienda por
departamentos, si los hombres pueden realizar una tarea más rápida que las
mujeres, si una marca de televisor es más duradera que otra, etc.

El método que se utiliza para demostrar si una diferencia observada entre dos
medias muestrales se puede atribuir a la casualidad se basa en la siguiente
teoría: x́ 1 … y … x́ 2 son las medias de dos muestras aleatorias independientes de
tamaño n1 … y … n2, la distribución de los muestreo de los estadísticos x́ 1 … y … x́ 2
se pueden calcular con bastante aproximación con una curva normal que tenga

σ 21 σ 22
μ1−μ 2 y desviación estándar igual a
√ ❑ ❑
+ donde μ1 μ 1 σ 1 σ 2 son las medias y
n1 n2
las desviaciones típicas de las dos poblaciones de donde provinieron las dos

x́ 1−x́ 2
zC=
muestras, entonces el estadístico para la prueba de hipótesis ser σ 21 σ 22 á
√ +
n1 n 2
en la mayoría de los casos prácticos 1 y 2 son incógnitas, pero si se utilizan
muestras grandes que sean mayores a 30 se pueden utilizar la desviación
estándar S1 y S2 de las muestras como estimaciones de 1 y 2 y basar la
 x́ 1−x́ 2
zC=
prueba de hipótesis nula μ1−μ 2 =0 en el estadístico S21 S22 que se
√ +
n1 n2
aproxima bastante a la distribución.
 3.8 Prueba de hipótesis para la proporción
Las pruebas de proporciones son adecuadas cuando los datos que se están
analizando constan de cuentas o frecuencias de elementos de dos o más clases.
El objetivo de estas pruebas es evaluar las afirmaciones con respecto a una
proporción (o Porcentaje) de población. Las pruebas se basan en la premisa de
que una proporción muestral (es decir, x ocurrencias en n observaciones, o x/n)
será igual a la proporción verdadera de la población si se toman márgenes o
tolerancias para la variabilidad muestral. Las pruebas suelen enfocarse en la
diferencia entre un número esperado de ocurrencias, suponiendo que una
afirmación es verdadera, y el número observado realmente. La diferencia se
compara con la variabilidad prescrita mediante una distribución de muestreo que
tiene como base el supuesto de que   es realmente verdadera.
En muchos aspectos, las pruebas de proporciones se parecen a las pruebas de
medias, excepto que, en el caso de las primeras, los datos muestrales se
consideran como cuentas en lugar de como mediciones. Por ejemplo, las pruebas
para medias y proporciones se pueden utilizar para evaluar afirmaciones con
respecto a:
1) Un parámetro de población único (prueba de una muestra)
2) La igualdad de parámetros de dos poblaciones (prueba de dos muestras), y
3) La igualdad de parámetros de más de dos poblaciones (prueba de k muestras).
Además, para tamaños grandes de muestras, la distribución de muestreo
adecuada para pruebas de proporciones de una y dos muestras es
aproximadamente normal, justo como sucede en el caso de pruebas de medias de
una y dos muestras.
 3.9 Prueba de hipótesis para la diferencia de proporciones
Para estudiar si hay diferencia entre las alturas promedio de niños de 7 años
de dos regiones del país, se realizó una muestra aleatoria en cada una de
estas regiones.
En la primera región el tamaño de la muestra fue de n1=150, y la media y
desviación estándar observadas fueron x¯=122.3cms y s1= 6.1 cm; mientras
que para la segunda región los parámetros de la muestra fueron n2 = 180, x¯2
= 123.9 cm y s2=6.3cm ¿Con un nivel de significancia del 0.05 debemos
rechazar la hipótesis nula μ1=μ2 y aceptar la hipótesis alternativa μ1≠μ2?

Debemos rechazar la hipótesis nula si z < -1.96 o si z >1.96, donde

z=x¯1−x¯2σ12n1+σ22n2√=122.3−123.96.12150+6.32180√=−1.60.469√=−2.33
Como -2.33 < - 1.96, debemos rechazar la hipótesis nula; esto es, los datos de
las muestras revelan que hay una diferencia en la altura media de los niños de
las dos regiones.
 3.10 Prueba de hipótesis para la varianza
Cuando se analizan variables cuantitativas, a menudo es importante sacar
conclusiones en cuanto a la variabilidad, así como al promedio de una
característica de interés. Por ejemplo, en el estudio de las llantas, el gerente de la
fábrica, probablemente se interesaría en determinar si la variabilidad en la
duración de las llantas está o no dentro de los límites aceptables antes de concluir
que el proceso funciona en forma correcta. En este caso, lo que interesaría sería
llegar a conclusiones acerca de la desviación estándar o a la varianza de la
población. Si se intenta llegar a conclusiones en cuanto a la variabilidad de la
población, primero se debe determinar qué prueba estadística se puede usar para
representar la distribución de la variabilidad en los datos de la muestra. Si la
variable (duración del piso de las llantas) se supone que tiene distribución normal,
entonces el estadístico (n-1)S2 2 seguiría la distribución ji cuadrada (X2 ) con (n-1)
grados de libertad. Por tanto, el estadístico de la prueba para probar si la varianza
de la población es o no igual a un valor especificado,

es en donde:

n = tamaño de la muestra.

S2 = varianza de la muestra.

2 = varianza hipotética de la población.

 3.11 Prueba de hipótesis para la relación de varianzas

Si de dos poblaciones con distribución normal se seleccionan dos muestras

aleatorias independientes de tamaños n 1 y n2, se puede comparar la
homogeneidad o variabilidad de dichas poblaciones a través de una prueba de
hipótesis para el cociente de varianzas.
Cuando se planteen las hipótesis debe quedar en el numerador la población cuya
muestra tenga mayor varianza. Es decir que la población 1 será la que tenga
mayor varianza muestral.

Hipótesis
Se puede plantear uno de los siguientes tres tipos de hipótesis:
- Prueba de hipótesis a dos colas
H0:  =  ó H 0:    /  =1
H1:   ó H1:  /   1

- Prueba de hipótesis a una cola superior

H0:   =       ó     H0:   /   1
H1 :  >       ó     H1 :   /   > 1

- Prueba de hipótesis a una cola inferior

H0:   =      ó     H0 :   /   1
H1 :   <       ó     H1 :   /   < 1

La estadística de trabajo es la expresión

Regla de decisión

Si se ha planteado la hipótesis alternativa como:

H1 :       ó H1 :  /     1 se tiene una prueba de hipótesis a dos colas, por lo

tanto, el nivel de significancia (   ) se divide en dos partes iguales, quedando estos
valores en los extremos de la distribución.

 y   pertenecen a una distribución F con (n 1 -1) grado de libertad en el

numerador y (n2-1) grado de libertad en el denominador. Si el valor de la
estadística de trabajo (T) está entre   y   no se rechaza la hipótesis nula, en
caso contrario se rechaza H 0 lo cual implica aceptar H1 . Es decir, si  < T <   
no se rechaza H0 .

- Si se ha planteado la hipótesis alternativa como:

H1 :   >   ó H1 :   /   > 1 , se tiene una prueba de hipótesis a una cola
superior, quedando el nivel de significancia (   ) en la parte superior de la
distribución.

Z 1- a pertenece a una distribución F con (n 1 -1) grado de libertad en el

numerador y (n 2 -1) grado de libertad en el denominador. Si el valor de la
estadística de trabajo (T) es menor que Z 1- a no se rechaza la hipótesis nula, en
caso contrario se rechaza H o lo cual implica aceptar H 1. Es decir, si T < Z 1- a no
se rechaza Ho.

- Si se ha planteado la hipótesis alternativa como:

H1 :   <   ó H1 :   /   < 1 , se tiene una prueba de hipótesis a una cola inferior,
quedando el nivel de significancia (   ) en la parte inferior de la distribución, como
se aprecia en la figura 3.10

Z a pertenece a una distribución F con (n 1 -1) grado de libertad en el numerador y

(n2 -1) grado de libertad en el denominador. Si el valor de la estadística de trabajo
(T) es mayor que Z a no se rechaza la hipótesis nula, en caso contrario se rechaza
H o lo cual implica aceptar H 1 . Es decir, si T > Z a no se rechaza H 0 .