ESTADÍSTICA APLICADA A LA EMPRESA

TEMA 4
CONTRASTE DE HIPÓTESIS

Dra. María Concepción Pérez Cárceles

CONTENIDO DEL TEMA

Introducción
Tipos de hipótesis
Región crítica y región de aceptación
Errores tipo I y II y potencia del contraste
Contraste de hipótesis para la media de una población normal con
varianza conocida
Contraste de hipótesis para la media de una población normal con
varianza desconocida
Contraste de hipótesis para la varianza de una población normal
Contraste de hipótesis para la proporción de una población normal

1
 1. INTRODUCCIÓN

La teoría del contraste de hipótesis estadísticas fue introducida inicialmente

por Fisher y desarrollada por Neyman y Pearson.

Se entiende por hipótesis estadística cualquier afirmación, verdadera o falsa,

sobre alguna característica desconocida de la población.

El instrumento para averiguar la certeza de la hipótesis estadística es el

contraste paramétrico. Se trata de un contraste cuya hipótesis se refiere al
valor de un parámetro desconocido 𝜃 de la población.

El procedimiento de un contraste paramétrico consiste en formular una

hipótesis, por ejemplo 𝜃 = 𝜃0 y, a partir de una muestra aleatoria
𝑋1 , 𝑋2 , … , 𝑋𝑛 procedente de la población, se obtiene el estimador puntual
𝜃 𝑋1 , 𝑋2 , … , 𝑋𝑛 para inferir o resolver si se acepta la hipótesis formulada.

2. TIPOS DE HIPÓTESIS

Hipótesis Simple. Se refiere a un único valor del parámetro, es decir, a un

solo punto del espacio paramétrico.

Hipótesis Compuesta. Se refiere a una región del espacio paramétrico.

En la contrastación de hipótesis estadísticas siempre se acepta,
provisionalmente, una hipótesis como verdadera, que es la hipótesis nula
𝐻0, y se somete a comprobación frente a otra hipótesis complementaria
llamada hipótesis alternativa 𝐻1. Como consecuencia de esta comprobación,
la hipótesis nula podrá seguir siendo aceptada como verdadera o, por el
contrario, se rechazará.

La hipótesis nula 𝑯𝟎 consiste en suponer que 𝜃 ∈ 𝛺0 , siendo 𝛺0 un

subconjunto del espacio paramétrico 𝛺:

𝐻0 : 𝜃 ∈ 𝛺0 ⊂ 𝛺

Y en la hipótesis alternativa 𝑯𝟏 , se supone que 𝜃 ∈ 𝛺1 , siendo 𝛺1 un

subconjunto del espacio paramétrico 𝛺, tal que 𝛺0 ∪ 𝛺1 = 𝛺 y 𝛺0 ∩ 𝛺1 =
∅:

𝐻1 : 𝜃 ∈ 𝛺1 = 𝛺 − 𝛺0

2
 2. TIPOS DE HIPÓTESIS

De manera que:

-la hipótesis nula 𝐻0 es cierta cuando 𝜃 ∈ 𝛺0

-la hipótesis nula 𝐻0 es falsa cuando 𝜃 ∈ 𝛺1

Las hipótesis deben de ser formuladas de tal manera que sean mutuamente
excluyentes y complementarias.

Algunas formas básicas de establecer las hipótesis sobre el parámetro 𝜃 son:

Contraste bilateral o de dos colas

𝐻0 : 𝜃 = 𝜃0
𝐻1 : 𝜃 ≠ 𝜃0

Contraste unilateral o de una sola cola

𝐻0 : 𝜃 ≥ 𝜃0 = 𝜃0
𝐻1 : 𝜃 < 𝜃0

𝐻0 : 𝜃 ≤ 𝜃0 = 𝜃0
𝐻1 : 𝜃 > 𝜃0

3. REGIÓN CRÍTICA Y REGIÓN DE ACEPTACIÓN

En cualquier problema de contrastación de hipótesis estadísticas se

comienza aceptando provisionalmente como verdadera la hipótesis nula 𝐻0
y, con la información proporcionada por una muestra aleatoria, se contrasta
con la hipótesis alternativa 𝐻1.

Finalmente, el problema se reduce a decidir entre dos alternativas o

decisiones:
𝑎𝑐𝑒𝑝𝑡𝑎𝑟 𝐻0 𝑦 𝑟𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝐻1
𝑎𝑐𝑒𝑝𝑡𝑎𝑟 𝐻1 𝑦 𝑟𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝐻0

Las hipótesis que realizamos son relativas a valores de un parámetro

desconocido (media, proporción,…) y, a partir de una muestra aleatoria de la
población, se obtiene un estadístico y, en función del valor que éste tome, se
elige una de las dos decisiones. El conjunto de muestras para las que se
rechaza la hipótesis nula 𝐻0 constituyen la región de rechazo o región crítica
del contraste.

3
 3. REGIÓN CRÍTICA Y REGIÓN DE ACEPTACIÓN

REGIÓN CRÍTICA (C)

Está constituida por el conjunto de muestras para las que se rechaza la
hipótesis nula 𝐻0.

REGIÓN DE ACEPTACIÓN (𝑪)

Está constituida por el conjunto de muestras para las que se acepta la
hipótesis nula 𝐻0.

Valor crítico: valor que separa la región crítica de la región de aceptación.

El espacio muestral ℝ𝑛 se divide en dos regiones 𝐶 y 𝑪 de manera que ℝ𝑛 = 𝐶 ∪ 𝑪:

Si 𝑥1 , 𝑥2 , … , 𝑥𝑛 ∈ 𝐶, entonces se toma la decisión de rechazar 𝐻0 y aceptar 𝐻1.

Si 𝑥1 , 𝑥2 , … , 𝑥𝑛 ∈ 𝑪, entonces se toma la decisión de aceptar 𝐻0 y rechazar 𝐻1.

4. ERRORES DE TIPO I Y II Y POTENCIA DEL CONTRASTE

En el contraste de hipótesis se tiene que decidir si se acepta o se rechaza la

hipótesis nula 𝐻0 en función de la información proporcionada por la
muestra. Por lo tanto, existe un riesgo de error que lleva a errores de tipo I
(se rechaza la hipótesis nula siendo verdadera) y de tipo II (se acepta la
hipótesis nula siendo falsa).

Estados de la naturaleza
Decisión 𝑯𝟎 verdadera 𝑯𝟎 falsa
Se acepta 𝑯𝟎 ok Error tipo II
Se rechaza 𝑯𝟎 Error tipo I ok

Error de tipo I: se comete rechazando la hipótesis nula cuando es verdadera.

Error de tipo II: se comete aceptando la hipótesis nula cuando es falsa.

4
 4. ERRORES DE TIPO I Y II Y POTENCIA DEL CONTRASTE

𝛼 𝜃 : posibilidad o riesgo de cometer el error de tipo I

𝛼 𝜃 = 𝑃 𝑟𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝐻0 𝐻0 𝑒𝑠 𝑐𝑖𝑒𝑟𝑡𝑎

𝛽 𝜃 : posibilidad o riesgo de cometer el error de tipo II

𝛽 𝜃 = 𝑃 𝑎𝑐𝑒𝑝𝑡𝑎𝑟 𝐻0 𝐻0 𝑒𝑠 𝑓𝑎𝑙𝑠𝑎

Contraste ideal: los errores de tipo I y de tipo II son nulos, es decir, 𝛼 = 𝛽 = 0

𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 = 1 − 𝛼 = 1 − 𝑃 𝑒𝑟𝑟𝑜𝑟 𝑑𝑒 𝑡𝑖𝑝𝑜 𝐼

= 𝑃 𝑎𝑐𝑒𝑝𝑡𝑎𝑟 𝐻0 𝐻0 𝑒𝑠 𝑐𝑖𝑒𝑟𝑡𝑎

4. ERRORES DE TIPO I Y II Y POTENCIA DEL CONTRASTE

𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 = 𝑃 𝑟𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝐻0 𝐻0 𝑒𝑠 𝑓𝑎𝑙𝑠𝑎 = 1 − 𝛽 𝜃

Estados de la naturaleza
Decisión 𝑯𝟎 verdadera 𝑯𝟎 falsa
Se acepta 𝑯𝟎 1−𝛼 𝛽
Se rechaza 𝑯𝟎 𝛼 1−𝛽
Probabilidad total 1 1

El aumento o disminución de 𝛼 tiene una incidencia directa sobre la región

crítica o región de rechazo. De este modo, un menor valor de 𝛼 implica una
menor región crítica, ya que cuando 𝛼 es menor, el decisor necesita una región
crítica relativamente menor, pues 𝛼 nos da la probabilidad de rechazar la
hipótesis nula 𝐻0 cuando es cierta, es decir, la probabilidad de que el
estadístico de prueba caiga dentro de la región crítica, cuando 𝐻0 es cierta.

5
Ejemplo 1. El número de pedidos de material de oficina de una empresa al mes se
distribuye normalmente con desviación típica de 6 pedidos. Tomando una muestra
de 5 meses, se desea saber si el número medio de pedidos es de 55 frente a la
hipótesis alternativa de 𝜇 = 47. La regla de decisión establecida indica que si
𝑋 ≤ 50, se rechazará 𝐻0. Determinar los riesgos asociados al test y su potencia.

𝑋 ≡ "𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑒𝑑𝑖𝑑𝑜𝑠 𝑑𝑒 𝑚𝑎𝑡𝑒𝑟𝑖𝑎𝑙 𝑑𝑒 𝑜𝑓𝑖𝑐𝑖𝑛𝑎 𝑎𝑙 𝑚𝑒𝑠"

𝑋~𝑁 𝜇, 36

𝐻0 : 𝜇 = 55 36
𝑋~𝑁 𝜇, = 𝑁 𝜇, 7.2
𝐻1 : 𝜇 = 47 5

𝑅𝐸𝐺𝐿𝐴 𝐷𝐸 𝐷𝐸𝐶𝐼𝑆𝐼Ó𝑁: 𝑆𝑖 𝑋 ≤ 50, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻0

𝛼 = 𝑅𝑖𝑒𝑠𝑔𝑜 𝑑𝑒 𝑡𝑖𝑝𝑜 𝐼 = 𝑃 𝑟𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝐻0 𝐻0 𝑒𝑠 𝑐𝑖𝑒𝑟𝑡𝑎 =

𝑋 − 55 50 − 55
= 𝑃 𝑋 ≤ 50 𝜇 = 55 = 𝑃 ≤ = 𝑃 𝑍 ≤ 1.87 = 0.9693
2.68 2.68

𝛽 = 𝑅𝑖𝑒𝑠𝑔𝑜 𝑑𝑒 𝑡𝑖𝑝𝑜 𝐼𝐼 = 𝑃 𝑎𝑐𝑒𝑝𝑡𝑎𝑟 𝐻0 𝐻0 𝑒𝑠 𝑓𝑎𝑙𝑠𝑎 =

𝑋 − 47 50 − 47
= 𝑃 𝑋 > 50 𝜇 = 47 = 𝑃 > =
2.68 2.68

= 𝑃 𝑍 > 1.12 = 1 − 𝑃 𝑍 ≤ 1.12 = 1 − 0.8686 = 0.1314

𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 = 𝑃 𝑟𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝐻0 𝐻0 𝑒𝑠 𝑓𝑎𝑙𝑠𝑎 =

𝑋 − 47 50 − 47
= 𝑃 𝑋 ≤ 50 𝜇 = 47 = 𝑃 ≤ =
2.68 2.68

= 𝑃 𝑍 ≤ 1.12 = 0.8686

6
 5. CONTRASTE DE HIPÓTESIS PARA LA MEDIA DE UNA POBLACIÓN NORMAL
CON VARIANZA CONOCIDA

Dada una población 𝑁 𝜇, 𝜎 2 , en donde el parámetro 𝜇 es desconocido, se

pretende contrastar una hipótesis sobre el parámetro poblacional 𝜇. Para ello, se
necesita un estadístico experimental calculado a partir del estadístico
𝜎2
media muestral, 𝑋~𝑁 𝜇,
𝑛

Estadístico Contraste

𝑋 − 𝜇0 𝐻0 : 𝜇 = 𝜇0
𝑧𝑒𝑥𝑝 = ~𝑁 0,1
𝜎 𝑛 𝐻1 : 𝜇 ≠ 𝜇0

Regla de Decisión: si 𝑧𝑒𝑥𝑝 𝜖 𝑅𝑒𝑔𝑖ó𝑛 𝐶𝑟í𝑡𝑖𝑐𝑎 → 𝑅𝐻0

5. CONTRASTE DE HIPÓTESIS PARA LA MEDIA DE UNA POBLACIÓN NORMAL

CON VARIANZA CONOCIDA

Contraste bilateral
𝐻0 : 𝜇 = 𝜇0
𝐻1 : 𝜇 ≠ 𝜇0

1−𝛼
𝛼 2 𝛼 2
−𝑧𝛼 2 𝑧𝛼 2

C= −∞, −𝒛𝜶 𝟐 ∪ 𝒛𝜶 𝟐 , +∞

𝑪 = −𝒛𝜶 𝟐 , 𝒛𝜶 𝟐

7
 5. CONTRASTE DE HIPÓTESIS PARA LA MEDIA DE UNA POBLACIÓN NORMAL
CON VARIANZA CONOCIDA

Contraste unilateral
a la derecha
𝐻0 : 𝜇 ≤ 𝜇0 = 𝜇0 1−𝛼
𝛼
𝐻1 : 𝜇 > 𝜇0
𝑧𝛼
C= 𝑧𝛼 , +∞
𝑪 = (−∞, 𝑧𝛼 ]

Contraste unilateral
a la izquierda
1−𝛼
𝐻0 : 𝜇 ≥ 𝜇0 = 𝜇0
𝛼
𝐻1 : 𝜇 < 𝜇0
−𝑧𝛼
C= −∞, −𝑧𝛼
𝑪 = [−𝑧𝛼 ,+∞)

Ejemplo 2. El número de clientes nuevos de una entidad financiera al mes se

distribuye según una normal de media 500 y varianza 900. Una m.a.s. seleccionada
durante los 24 meses de una promoción de captación de nuevos clientes, indica que
el número medio de clientes nuevos es de 525. ¿Ha habido algún cambio
significativo en la media poblacional al nivel de significatividad del 5%?

𝑋 ≡ "𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑛𝑢𝑒𝑣𝑜𝑠 𝑑𝑒 𝑢𝑛𝑎 𝑒𝑛𝑡𝑖𝑑𝑎𝑑 𝑓𝑖𝑛𝑎𝑛𝑐𝑖𝑒𝑟𝑎 𝑎𝑙 𝑚𝑒𝑠"

𝑋~𝑁 500,900 𝑛 = 24
900
𝑋 = 525 𝑑𝑜𝑛𝑑𝑒 𝑋~𝑁 500, = 𝑁 500,37.5
24
Contraste Estadístico
𝐻0 : 𝜇 = 500 𝑋 − 𝜇0 525 − 500
𝐻1 : 𝜇 ≠ 500 𝑧𝑒𝑥𝑝 = = = 4.08
𝜎 𝑛 6.12

0.95
Regla de Decisión: si 𝑧𝑒𝑥𝑝 𝜖 𝑅𝑒𝑔𝑖ó𝑛 𝐶𝑟í𝑡𝑖𝑐𝑎 → 𝑅𝐻0

-1.96 1.96

8
 C= −∞, −𝟏. 𝟗𝟔 ∪ 𝟏. 𝟗𝟔, +∞
0.95
𝑪 = −𝟏. 𝟗𝟔, 𝟏. 𝟗𝟔

-1.96 1.96
𝑧𝑒𝑥𝑝 = 4.08

Regla de Decisión: 𝑧𝑒𝑥𝑝 𝜖 𝐶 → 𝑅𝐻0

La promoción llevada a cabo por la entidad financiera ha conseguido una

variación significativa de la media de clientes nuevos

6. CONTRASTE DE HIPÓTESIS PARA LA MEDIA DE UNA POBLACIÓN NORMAL

CON VARIANZA DESCONOCIDA

Dada una población 𝑁 𝜇, 𝜎 2 , en donde los parámetros 𝜇 y 𝜎 2 son desconocidos,

se pretende contrastar una hipótesis sobre el parámetro poblacional 𝜇. Para ello, se
necesita un estadístico experimental.

Estadístico Contraste

𝑋 − 𝜇0 𝐻0 : 𝜇 = 𝜇0
𝑡𝑒𝑥𝑝 = ~𝑡𝑛−1
𝑆 𝑛 𝐻1 : 𝜇 ≠ 𝜇0

Regla de Decisión: si 𝑡𝑒𝑥𝑝 𝜖 𝑅𝑒𝑔𝑖ó𝑛 𝐶𝑟í𝑡𝑖𝑐𝑎 → 𝑅𝐻0

1−𝛼 C= −∞, −𝒕𝜶 𝟐 ∪ 𝒕𝜶 𝟐 , +∞

𝛼 2 𝛼 2
−𝑡𝛼 𝑡𝛼 𝑪 = −𝒕𝜶 𝟐 , 𝒕𝜶 𝟐
2 2

9
 6. CONTRASTE DE HIPÓTESIS PARA LA MEDIA DE UNA POBLACIÓN NORMAL
CON VARIANZA DESCONOCIDA

Contraste unilateral
a la derecha
𝐻0 : 𝜇 ≤ 𝜇0 = 𝜇0 1−𝛼
𝐻1 : 𝜇 > 𝜇0
𝑡𝛼
C= 𝑡𝛼 , +∞
𝑪 = (−∞, 𝑡𝛼 ]

Contraste unilateral
a la izquierda
𝐻0 : 𝜇 ≥ 𝜇0 = 𝜇0 1−𝛼
𝐻1 : 𝜇 < 𝜇0
−𝑡𝛼
C= −∞, −𝑡𝛼
𝑪 = [−𝑡𝛼 ,+∞)

7. CONTRASTE DE HIPÓTESIS PARA LA VARIANZA DE UNA POBLACIÓN NORMAL

Dada una población 𝑁 𝜇, 𝜎 2 , en donde el parámetro 𝜎 2 es desconocido, se

pretende contrastar una hipótesis sobre el parámetro poblacional𝜎 2 . Para ello, se
necesita un estadístico experimental.

Estadístico Contraste

(𝑛 − 1)𝑆 2 2 𝐻0 : 𝜎 2 = 𝜎 2 0
𝜒 2 𝑒𝑥𝑝 = ~𝜒𝑛−1
𝜎2 𝐻1 : 𝜎 2 ≠ 𝜎 2 0

Regla de Decisión: si 𝜒 2 𝑒𝑥𝑝 𝜖 𝑅𝑒𝑔𝑖ó𝑛 𝐶𝑟í𝑡𝑖𝑐𝑎 → 𝑅𝐻0

1−𝛼
𝛼 2 𝛼 2 C=[0, 𝜒 2 𝑛−1,𝛼 2 ) ∪ 𝜒 2 𝑛−1,1−𝛼 2 , +∞
𝜒2 𝑛−1,𝛼 2 𝜒 2 𝑛−1,1−𝛼 2
𝑪 = 𝜒 2 𝑛−1,𝛼 2 , 𝜒 2 𝑛−1,1−𝛼 2

10
 6. CONTRASTE DE HIPÓTESIS PARA LA MEDIA DE UNA POBLACIÓN NORMAL
CON VARIANZA DESCONOCIDA

Contraste unilateral
a la derecha C= 𝜒 2 𝑛−1,1−𝛼 2 , +∞
𝐻0 : 𝜎 2 ≤ 𝜎 2 0 = 𝜎 2 0 𝑪 = 0, 𝜒 2 𝑛−1,1−𝛼
1−𝛼
𝐻1 : 𝜎 2 > 𝜎 2 0

𝜒 2 𝑛−1,1−𝛼

Contraste unilateral
C=[0, 𝜒 2 𝑛−1,𝛼 )
a la izquierda
𝑪 = (𝜒 2 𝑛−1,𝛼 , +∞)
𝐻0 : 𝜎 2 ≥ 𝜎 2 0 = 𝜎 2 0
1−𝛼
𝐻1 : 𝜎 2 < 𝜎 2 0

𝜒 2 𝑛−1,𝛼

Ejemplo 3. Un teatro de la ciudad desea comprobar la fidelidad de los asistentes al

programa del pasado año. Para ello, contrata un estudio que pretende concluir si la
desviación típica fue de 10 espectadores a partir de una m.a.s. de 20 espectadores y
con un nivel de significación del 5%. Se sabe que la desviación típica muestral fue de
11.5

𝑋 ≡ "𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑎𝑠𝑖𝑠𝑡𝑒𝑛𝑡𝑒𝑠 𝑎𝑙 𝑡𝑒𝑎𝑡𝑟𝑜"

Contraste
𝐻0 : 𝜎 2 = 100
𝐻1 : 𝜎 2 ≠ 100

Estadístico 0.95
0.025 0.025
(𝑛 − 1)𝑆 2
𝜒 2 𝑒𝑥𝑝 = 2
~𝜒𝑛−1 𝜒 219,0.025 𝜒 219,0.975
𝜎2

19𝑆 2
𝜒 2 𝑒𝑥𝑝 = 2
~𝜒19 Regla de Decisión: si 𝜒 2 𝑒𝑥𝑝 𝜖 𝑅𝑒𝑔𝑖ó𝑛 𝐶𝑟í𝑡𝑖𝑐𝑎 → 𝑅𝐻0
𝜎2

11
 19 ∙ 11.52
𝜒 2 𝑒𝑥𝑝 = = 25.128
100

C=[0, 𝜒 2 𝑛−1,𝛼 2 ) ∪ 𝜒 2 𝑛−1,1−𝛼 2 , +∞

𝑪 = 𝜒 2 𝑛−1,𝛼 2 , 𝜒 2 𝑛−1,1−𝛼 2
0.95
0.025 0.025 C=[0,8.907) ∪ 32.85, +∞
𝜒 219,0.025 𝜒 219,0.975
𝑪 = 8.907,32.85

Regla de Decisión: 𝜒 2 𝑒𝑥𝑝 = 25.13 𝜖 𝐶 → 𝑅𝐻0 → 𝜎 2 = 100

No se rechaza la hipótesis de que la desviación típica de asistentes al

teatro el pasado programa fue de diez, con un nivel de confianza del 95%

8. CONTRASTE DE HIPÓTESIS PARA LA PROPORCIÓN DE UNA POBLACIÓN NORMAL

Dada una población B(n, p) y una muestra aleatoria de tamaño n suficientemente

grande, se pretende realizar un contraste de hipótesis para la proporción
poblaciónal, p. Para ello, se necesita un estadístico experimental.

Estadístico Contraste

𝑝−𝑝 𝐻0 : 𝑝 = 𝑝0
𝑧𝑒𝑥𝑝 = ~𝑁(0,1)
𝑝(1 − 𝑝) 𝑛 𝐻1 : 𝑝 ≠ 𝑝0

Regla de Decisión: si 𝑧𝑒𝑥𝑝 𝜖 𝑅𝑒𝑔𝑖ó𝑛 𝐶𝑟í𝑡𝑖𝑐𝑎 → 𝑅𝐻0

1−𝛼 C= −∞, −𝒛𝜶 𝟐 ∪ 𝒛𝜶 𝟐 , +∞

𝛼 2 𝛼 2
−𝑧𝛼 𝑧𝛼 𝑪 = −𝒛𝜶 𝟐 , 𝒛𝜶 𝟐
2 2

12
 8. CONTRASTE DE HIPÓTESIS PARA LA PROPORCIÓN DE UNA POBLACIÓN NORMAL

Contraste unilateral
a la derecha
𝐻0 : 𝑝 ≤ 𝑝0 = 𝑝0 1−𝛼
𝐻1 : 𝑝 > 𝑝0
𝑧𝛼
C= 𝑧𝛼 , +∞
𝑪 = (−∞, 𝑧𝛼 ]

Contraste unilateral
a la izquierda
𝐻0 : 𝑝 ≥ 𝑝0 = 𝑝0 1−𝛼
𝐻1 : 𝑝 < 𝑝0
−𝑧𝛼
C= −∞, −𝑧𝛼
𝑪 = [−𝑧𝛼 ,+∞)

Ejemplo 4. Se pretende determinar la proporción de comercios de una región que

utilizan usualmente (más de 5 veces por semana) un terminal punto de venta (TPV).
Para ello, se toma una m.a.s. de tamaño 170 de comercios que tienen TPV y se
observa que 53 lo utilizan usualmente. Contraste si el 50% de los comercios con TPV
en la región lo utilizan usualmente con un nivel de significación del 5%.

p ≡ "𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑑𝑒 𝑐𝑜𝑚𝑒𝑟𝑐𝑖𝑜𝑠 𝑞𝑢𝑒 𝑢𝑡𝑖𝑙𝑖𝑧𝑎𝑛 𝑢𝑠𝑢𝑎𝑙𝑚𝑒𝑛𝑡𝑒 𝑇𝑃𝑉 𝑒𝑛 𝑙𝑎 𝑟𝑒𝑔𝑖ó𝑛"

Contraste
𝐻0 : 𝑝 = 0.5
𝐻1 : 𝑝 ≠ 0.5

0.95
Estadístico 0.025 0.025
𝑝−𝑝 -1.96 1.96
𝑧𝑒𝑥𝑝 = ~𝑁(0,1)
𝑝(1 − 𝑝) 𝑛 Regla de Decisión: si 𝑧𝑒𝑥𝑝 𝜖 𝑅𝑒𝑔𝑖ó𝑛 𝐶𝑟í𝑡𝑖𝑐𝑎 → 𝑅𝐻0

53 0.312 − 0.5
𝑝= = 0.312 𝑧𝑒𝑥𝑝 = = −4.95
170 0.5 ∙ 0.5 170

13
 0.312 − 0.5
𝑧𝑒𝑥𝑝 = = −4.95
0.5 ∙ 0.5 170

C= −∞, −𝟏. 𝟗𝟔 ∪ 𝟏. 𝟗𝟔, +∞

𝑪 = −𝟏. 𝟗𝟔, 𝟏. 𝟗𝟔

Regla de Decisión: 𝑧𝑒𝑥𝑝 𝜖 𝐶 → 𝑅𝐻0 → 𝑝 ≠ 0.5

Se rechaza la hipótesis de que el 50% de los comercios con TPV en la región lo

utilicen usualmente

14