ESTADÍSTICA Y PROBABILIDAD PARA

EL ANÁLISIS DE DATOS

Unidad 3
Inferencia estadística
 ESCUELA DE NEGOCIOS

Directora: Lorena Baus Piva

ELABORACIÓN

Experto disciplinar: José Luis Fuentes Morales

Diseñadora instruccional: Marjorie Balbontín Azúa

Editora instruccional: Lorena Fernández Alfaro

VALIDACIÓN

Experta disciplinar: Marisol López Núñez

Jefa de Diseño Instruccional: Alejandra San Juan Reyes

EQUIPO DE DESARROLLO

Didactic

AÑO

2022
Tabla de contenidos
Aprendizaje esperado ................................................................................................. 5

1. Pruebas de hipótesis ............................................................................................... 7

1.1. Definición ....................................................................................................... 7

1.2. Conceptos básicos para realizar una prueba de hipótesis. ................................... 7

1.2.1. Planteamiento de una hipótesis ...................................................................... 7

1.2.2. Pruebas de 1 cola y 2 colas ........................................................................... 9

1.2.3. Valor crítico ................................................................................................ 10

1.2.4. Estadístico de prueba .................................................................................. 11

1.2.5. Etapas de una prueba de hipótesis ............................................................... 12

2. Tipos de error al desarrollar una prueba de hipótesis .............................................. 12

3. Clasificación de las pruebas de hipótesis. Paramétricas y no paramétricas................. 14

3.1. Pruebas de hipótesis paraméticas .................................................................... 15

3.2. Pruebas de hipótesis no paramétricas .............................................................. 15

4. Contrastes de hipótesis. Aplicación de los contenidos .............................................. 16

4.1. Ejemplos de pruebas paramétricas .................................................................. 16

 4.2. Ejemplo de prueba no paramétrica.................................................................. 25

Referencias bibliográficas.......................................................................................... 33

Bibliografía de consulta ............................................................................................ 33

Aprendizaje esperado
Realizan pruebas de hipótesis paramétricas y no paramétricas, según
contexto de problema.

Fuente: Freepik (s.f.)

Introducción
¿Qué son las pruebas de hipótesis?
La semana anterior se revisaron contenidos de la inferencia estadística consistentes en
estimar distintos parámetros (media y proporción), a partir de información obtenida de una
muestra. Estas estimaciones pueden ser de dos tipos: puntuales o por intervalos de
confianza.
Otro campo de la inferencia estadística corresponde a la realización de pruebas de
hipótesis que, en términos simples, es la comprobación o no de la veracidad de un
enunciado basado en un supuesto. Por ejemplo: “el promedio de ingresos de una
determinada población es de $x o es distinto de $x”.
A diferencia del estimador del parámetro, en el cual se encuentra un valor, una prueba de
hipótesis busca conocer la veracidad de un enunciado que incluye el parámetro, tal como
en los siguientes ejemplos: “el promedio de ingresos de determinada población es $x” o
“el promedio de ingresos de determinada población es distinto de $x” o “el promedio de
ingresos de determinada población es menor o superior de $x”.
Cualquiera sea el caso, esa preposición es una hipótesis y necesita ser comprobada
mediante determinados procedimientos y cuyo resultado tendrá dos opciones: se aceptará
o se rechazará (solo la hipótesis se somete a prueba).
A continuación, se desarrollarán los contenidos que permiten realizar correctamente una
prueba de hipótesis.

6
1. Pruebas de hipótesis
Para el desarrollo de los contenidos, será necesario comprender algunos conceptos e
información de estadística básica, como: muestreo, probabilidad y distintas funciones de
distribución, pues la veracidad de las conclusiones derivadas de la realización de una
prueba de hipótesis dependerá del correcto dominio y aplicación de estos conceptos.

1.1. Definición

Una prueba de hipótesis es una afirmación sobre el valor de un determinado parámetro

(indicador de la población), respecto de una o más características (variable), que necesita
ser comprobada, aplicando herramientas de la estadística inferencial que permitirán
aceptar o rechazar dicha afirmación. Las hipótesis expresan el objetivo del investigador.
Independiente del tipo de prueba a aplicar, existen conceptos básicos, adicionales a los
revisados en la semana 6 (distribución de probabilidad, nivel de confianza, error, uso de
las funciones de Excel para estimar el valor de z o t), que son necesarios de conocer.

1.2. Conceptos básicos para realizar una prueba de

hipótesis.

1.2.1. Planteamiento de una hipótesis

Cada hipótesis contrasta dos opciones, una es la afirmación para comprobar y la otra
representa la situación opuesta, es decir, que no se cumpla dicha afirmación. Estas
opciones reciben el nombre de: hipótesis nula e hipótesis alternativa.
En el planteamiento, siempre se deben incluir las dos hipótesis (nula y alternativa).

7
Hipótesis nula (H0). Es aquella hipótesis que asume un valor asociado a un parámetro
(indicador de la población), con el fin de ser probado.
Hipótesis alternativa (Ha). (Hipótesis de investigación). Es aquella hipótesis cuyo enunciado
se plantea opuesta a la hipótesis nula. Ejemplo: si la hipótesis nula plantea verificar que
un parámetro toma un valor determinado, es decir, es igual “=”, la hipótesis alternativa
deberá plantear que el parámetro no toma ese valor, es decir, es distinto “≠”.

El trabajo del investigador concluye tomando una decisión respecto de la afirmación

planteada.
✓ Aceptará H0, si existe evidencia suficiente que le permita concluir que la afirmación
planteada es correcta.
✓ Rechazar H0, si la información con que se cuenta no ofrece evidencia concluyente
que cumpla con la condición asignada en su planteamiento.

Ejemplo 1:
Se piensa que el ingreso promedio de las familias es de $x. Para comprobar el supuesto
se tomará una muestra.
Formalmente:
H0: El ingreso promedio de las familias ES $x
v/s
Ha: El ingreso promedio de las familias NO es $x.
Simbólicamente:
H0: µ=$x v/s Ha: µ≠$x

Ejemplo 2:
Se piensa que el ingreso promedio de las familias es mayor de $x. Para comprobar el
supuesto se tomará una muestra.
Formalmente:
H0: El ingreso promedio de las familias es mayor de $x.

8
v/s
Ha: El ingreso promedio de las familias es menor de $x.
Simbólicamente:
H0: µ≥$x v/s Ha: µ<$x
(Nótese que la hipótesis nula se plantea con ≥ y no con >, esto es básicamente porque la
igualdad nunca puede ser utilizada en la hipótesis alternativa).

1.2.2. Pruebas de 1 cola y 2 colas

El planteamiento de la hipótesis nula (Ha) entregará los límites de las zonas de aceptación
o rechazo, dependiendo si el símbolo del enunciado es “=”, “<” o “>”, ya que estos
criterios determinarán si la prueba será de una o dos colas.
Estas consideraciones son importantes, pues además definen el valor del estadístico
asociado a la probabilidad, según el nivel de significancia.

Prueba de 1 cola. Válido para una hipótesis alternativa (Ha) que plantea que el parámetro
es “>” o “<” que un valor dado.

Figura 1. Representación visual de una prueba de 1 cola (izquierda o derecha). Indica la

zona de rechazo ubicada a la derecha o a la izquierda de la zona de aceptación.

Prueba de 2 colas. Válido para una hipótesis alternativa (Ha) que plantea que el
parámetro es “≠” que un valor dado.

9
 Figura 2. Representación visual de una prueba de 2 colas. Indica la zona de rechazo
ubicada a la derecha o a la izquierda de la zona de aceptación.

1.2.3. Valor crítico

Es aquel valor que define el límite entre la zona de aceptación y la zona de rechazo. Para
su cálculo se deberá tener en cuenta: la distribución asociada, el nivel de significancia y si
la prueba es de 1 o 2 colas.
Ejemplo:
Si la distribución asociada a la investigación es la distribución normal, el valor crítico
estará dado por z, y si además suponemos un nivel de significancia del 5%, los valores
críticos para una prueba de 1 o 2 colas serán: (Utilizando Excel)
a) Valor crítico cola izquierda:

Valor de z= -1,644853627.
b) Valor crítico cola derecha:

Valor de z= 1,644853627.
c) Valor crítico dos colas:

10
Valor de z= 1,959963985.

Visualmente quedará:

Figura 3. Representación visual del valor crítico limitando la zona de aceptación y

rechazo, según una prueba de 1 o 2 colas, con un nivel de significancia del 5%, donde la
distribución asociada es la distribución normal. (Los valores fueron aproximados a 3
decimales).

1.2.4. Estadístico de prueba

El estadístico de prueba es aquel valor que se obtiene de la muestra y que está asociado a
la distribución utilizada. Es el valor que se compara con el valor crítico para aceptar o
rechazar la hipótesis planteada.
Ejemplo:
✓ Si la prueba de hipótesis está planteada sobre la base de una distribución normal,
su estadístico de prueba será el estadístico z.
✓ Si la prueba de hipótesis está planteada sobre la base de una distribución t, su
estadístico de prueba será el estadístico t.
✓ Si la prueba de hipótesis es un análisis de varianzas (ANOVA), su estadístico de
prueba será el estadístico F.

11
 ✓ Si la prueba de hipótesis está planteada sobre la base de una distribución chi-
cuadrada, su estadístico de prueba será el estadístico chi-cuadrado.

1.2.5. Etapas de una prueba de hipótesis

Si bien no existe un consenso entre el número de etapas que deberá tener una prueba de
hipótesis, a continuación se enumeran los más importantes a considerar:
1. Elegir el tipo de prueba (si es para medias, proporciones, etc.).
2. Plantear hipótesis (implica plantear H0 y Ha y si será de una o dos colas).
3. Definir el nivel de significancia y calcular el valor crítico (el valor crítico
dependerá de: la distribución a utilizar, si la prueba es de una o dos colas y del
valor de α (nivel de significancia)).
4. Definir el estadístico de prueba (este estadístico dependerá de la distribución
utilizada. Incluye el cálculo).
5. Definir la zona de aceptación y rechazo (estará directamente relacionado con la
definición de una prueba de una o dos colas, el nivel de significancia y el tipo
de distribución utilizada. Ver figura 3).
6. Decisión (se aceptará o se rechazará la hipótesis nula planteada).
7. Conclusión (se entregará una respuesta a partir de los resultados obtenidos).

2. Tipos de error al desarrollar una prueba

de hipótesis
Al desarrollar una prueba de hipótesis, uno espera dos resultados óptimos:
✓ Rechazar un supuesto que es falso.
✓ Aceptar un supuesto que es verdadero.

12
Sin embargo, sabemos que un problema que implique predecir tiene como consecuencia
la probabilidad de cometer un error en la estimación. Es así que, al concluir una prueba
de hipótesis, se pueden cometer dos tipos de errores.

Error tipo I: (error tipo alfa α):

Consiste en rechazar una hipótesis nula cuando esta era verdadera.

Ejemplo:

Una empresa quiere comparar la efectividad que han tenido dos campañas publicitarias
en las ventas. Para ello, plantea la siguiente situación:

H0: No existe diferencia entre las campañas en el aumento de las ventas.

v/s
Ha: Existe diferencia entre las campañas en el aumento de las ventas.
El error tipo I, estaría en rechazar la hipótesis nula (no existe diferencia entre las
campañas) concluyendo que, sí existe diferencia, cuando en realidad no la hay.
¿Cómo disminuir el error tipo I?
Para disminuir este tipo de error se podría:
✓ Eliminar valores extremos que distorsionen el comportamiento de los datos.
✓ Utilizar nivel de significancia más pequeños (1% o 0,1%).
✓ Repetir el estudio hasta comenzar a tener resultados similares.

Error tipo II: (error tipo beta β)

Consiste en aceptar una hipótesis nula cuando esta era falsa.
Ejemplo:
Una empresa quiere comparar la efectividad de que han tenido dos campañas
publicitarias en las ventas. Para ello, plantea la siguiente situación:
H0: No existe diferencia entre las campañas en el aumento de las ventas.
v/s

13
Ha: Existe diferencia entre las campañas en el aumento de las ventas
El error tipo II, estaría en aceptar la hipótesis nula (no existe diferencia entre las
campañas), concluyendo que no existe diferencia, cuando en realidad sí la hay.
¿Cómo disminuir el error tipo II?
Para disminuir este tipo de error se podría:
✓ Aumentar el tamaño de la muestra.
✓ Verificar si el estadístico de prueba es el adecuado.
✓ Aumentar el nivel de significancia.
✓ Privilegiar un test paramétrico por uno no paramétrico.

3. Clasificación de las pruebas de hipótesis.

Paramétricas y no paramétricas.
Existen dos tipos de pruebas de hipótesis que dependen de criterios como: el tipo de
variable (asociada a la escala de medición), el tamaño de la muestra, la distribución
asociada y la aleatoriedad (o no) con que fue elegida la muestra.
A partir de lo anterior, se tiene:

Figura 4. Cuadro que resume los tipos de pruebas de hipótesis.

14
3.1. Pruebas de hipótesis paramétricas

Se utilizan bajo los siguientes criterios:

✓ Las variables son cuantitativas, es decir, son medidas a través de escalas de
intervalos o de razón (proporción).
✓ Siguen una distribución normal.
✓ La muestra es de gran tamaño (n>30).
✓ Provienen de muestras aleatorias.
Observación: dentro de las pruebas paramétricas, existe la excepción de la prueba t, que
permite medir muestras pequeñas (n<30) con varianza poblacional desconocida.
Nosotros desarrollaremos dos tipos:
✓ Prueba t
✓ ANOVA

3.2. Pruebas de hipótesis no paramétricas

Se utilizan bajo los siguientes criterios:

✓ Las variables son cualitativas, es decir, son medidas a través de escalas nominales
u ordinales.
✓ No importa la distribución.
✓ La muestra es pequeña (n<30).
✓ No provienen de muestras obtenidas de forma aleatoria.
Nosotros desarrollaremos la siguiente:
✓ Prueba chi-cuadrada (ji-cuadrada)

15
4. Contrastes de hipótesis. Aplicación de los
contenidos
A continuación, se desarrollarán distintas pruebas de hipótesis paramétricas y no
paramétricas, aplicando los contenidos de la semana 6 y 7.

4.1. Ejemplos de pruebas paramétricas

Problema 1. Prueba de hipótesis para la media. Una muestra.

A Luis le han ofrecido un supermercado que está en venta y el actual dueño le asegura
que el gasto promedio de facturaciones diarias es de $12.500.000, con una varianza de
$3.100.000. No conforme con la información del dueño, Luis decide hacer un estudio y
para ello toma una muestra de las facturaciones de 42 días, las cuales dieron una
facturación diaria promedio de $9.900.000. Con un nivel de significancia del 5%, ¿existe
evidencia para contradecir al dueño del local?
Solución:
Organizaremos la información en una planilla de Excel, con el fin de facilitar el cálculo:
INFORMACIÓN
Población Muestra
Media aritmética: $12.500.000 $9.900.000
Varianza: $3.100.000
Desviación estándar: $1.760,68
Tamaño de la muestra: 42

• Varianza poblacional conocida.

• Tamaño de la muestra grande.
• Prueba asociada --> Distribución normal.
• Nivel de confianza 5%.

16
Desarrollo:
Utilizaremos las 7 etapas definidas en el apartado 1.2.5:
1. Prueba de hipótesis para la media.
2. H0: µ=$12.500.000 v/s Ha: µ≠$12.500.000 (Ha implica una prueba de hipótesis de
dos colas)
3. Valor crítico → z= 1,959963985
4. Estadístico de prueba:

5. Zona de aceptación y rechazo:

6. Decisión. Se rechaza H0.

7. Conclusión. Existe evidencia suficiente para concluir que la información entregada por
el dueño del supermercado respecto del promedio de facturaciones diarias no es real.
No debería comprar.

Problema 2. Prueba de hipótesis para la media. Una muestra.

En una tienda, existe evidencia de que los ingresos mensuales por comisión de las
mujeres, supera al de los hombres en $225.000 promedio. El jefe de ventas desea
comprobar dicha afirmación y para ello, toma una muestra de 20 comisiones pagadas a
las mujeres, obteniendo un promedio de $198.500, con una desviación estándar de
$30.500.

17
Con un nivel de significancia del 5%, ¿existe evidencia para contradecir la afirmación
inicial?
Solución:
Organizaremos la información en una planilla de Excel con el fin de facilitar el cálculo.
INFORMACIÓN
Población Muestra
Media aritmética: $225.000 $198.500
Varianza: $930.250.000
Desviación estándar: $30.500
Tamaño de la muestra: 20

• Varianza poblacional desconocida.

• Tamaño de la muestra pequeña.
• Prueba asociada --> Distribución t.
• Nivel de confianza 5%.

Desarrollo:
1. Prueba de hipótesis para la media.
2. H0: µ≥$225.000 v/s Ha: µ<$225.000 (Ha implica una prueba de hipótesis de cola
izquierda).
3. Valor crítico → t= -1,729132812

4. Estadístico de prueba

5. Zona de aceptación y rechazo

18
6. Decisión. Se rechaza H0.
7. Conclusión. Existe evidencia suficiente para concluir que las comisiones de las mujeres
no superan a la de los hombres en $225.000.

Problema 3. Prueba de hipótesis para la proporción. Una muestra.

Una empresa importadora de artículos proyecta la apertura de una nueva sucursal en una
nueva comuna. Solo la abrirá si la necesidad de las personas, por adquirir los artículos
que ofrece, supera un 20%. Para ello, decide tomar una muestra de 1500 personas a las
cuales les informa de los artículos que ofrecerá obteniendo una respuesta positiva del
interés de 315 personas. A partir del enunciado, ¿debe abrir o no la nueva sucursal?

Solución:
Organizaremos la información en una planilla de Excel con el fin de facilitar el cálculo.
INFORMACIÓN
Población Muestra
Proporción: 20% 21% (315/1500)
79% (q = 1-p)
Tamaño de la muestra: 1500

• Prueba de proporciones.
• Tamaño de la muestra 1500.
• Prueba asociada --> Distribución normal.
• Nivel de confianza 5%.

19
Desarrollo:
1. Prueba de hipótesis para la proporción.
2. H0: π≥20% v/s Ha: π<20% (Ha implica una prueba de hipótesis de cola izquierda)
3. Valor crítico → z= -1,644853627
4. Estadístico de prueba:

5. Zona de aceptación y rechazo:

6. Decisión. Se acepta H0.

7. Conclusión. Existe evidencia suficiente para concluir que la proporción de futuros
clientes está por sobre el 20%. Por lo tanto, se debe abrir la sucursal.

Problema 4. Prueba de hipótesis para igualdad de medias. Tres muestras independientes.

ANOVA:
La siguiente información muestra las facturaciones en millones de pesos, según los tres
turnos en que una sucursal de retail permanece abierta.

20
 TURNOS
Mañana Tarde Noche
2,5 3,8 6,2
2,1 2,6 3,1
2,8 4,3 2,4
4,6 4,1 2,8
4,7 3,2 2,7
3,8 1,9 3,9
2,7 2,2
5,1
3,3
A partir de la información, se pide verificar si existe información significativa que permita
asegurar que existe diferencias entre las facturaciones promedio según la jornada. Utilizar
5% de significancia.

Solución:
Esta prueba, en la que se quiere verificar la igualdad de medias o no, se resuelve por
análisis de varianza (ANOVA).
Criterio que justifica ANOVA: cuando se quiere verificar si existe diferencia en los
promedios de al menos tres grupos independientes.
Por la complejidad y cantidad de cálculos, utilizaremos Excel, por lo que se deberá
habilitar un nuevo menú.
Dentro de las pruebas que puede realizar Excel, está el análisis de varianzas (ANOVA), sin
embargo, no siempre está habilitada.
Para habilitarla, deberán seguir los siguientes pasos:
1. Al ingresar a Excel, seleccionar la pestaña “Archivo” → inicio →más→opciones.
2. Hacer clic en “complementos” (menú a la izquierda)→complementos de Excel ir
(opciones a la derecha, al final de listado).
3. Seleccionar “habilitar herramientas para análisis” y aceptar.
Si tienen dudas, pueden ver el procedimiento en la videoclase tutorial de la semana 7.

21
Si se observa el menú de inicio, en la pestaña de datos, aparecerá una nueva opción de
menú, como se muestra a continuación:

Figura 6. Cuadro que muestra la nueva opción habilitada “análisis de datos”.

Esta opción que hemos habilitado nos permitirá realizar varias tareas que antes no se
podían. Si se selecciona “análisis de datos”, la primera opción que aparece es la que se
utilizará para desarrollar el ejercicio.

Desarrollo:
1. Prueba de hipótesis para análisis de varianza (ANOVA).
2. H0: Los promedios de los grupos son iguales v/s Ha: promedios de los grupos no son
iguales.
Para los pasos 3 y 4, utilizaremos la opción que acabamos de habilitar “análisis de datos”
y seleccionaremos la primera opción “análisis de varianza de un factor”.

22
 Figura 7. Paso 1: para encontrar el valor crítico y el estadístico de prueba F.

Figura 8. Paso 2: llenar los campos según se indica.

Una vez completados los campos, hacer clic en aceptar.

23
 Figura 9. Paso 3: final para que Excel nos entregue los resultados solicitados.

Excel nos entregará el siguiente cuadro resumen.

Figura 10. Resultados. Cuadro 1 “RESUMEN”, muestra el número de elementos de cada

grupo, su promedio y la varianza. El cuadro 2 “ANÁLISIS DE VARIANZA”, entrega los
valores que necesitamos:
✓ El valor crítico F
✓ Valor crítico para F

3. Valor crítico → F= 3,5218

4. Estadístico de prueba =0,07102

24
5. Zona de aceptación y rechazo
Se rechazará H0 si valor crítico < que estadístico de prueba.
6. Decisión. Se acepta H0.
7. Conclusión. Existe evidencia suficiente para concluir que no existe diferencia entre los
promedios de ventas según la jornada.

4.2. Ejemplo de prueba no paramétrica

Problema 5. Prueba cualitativa para independencia de variables.

La siguiente tabla bidimensional (2x2), muestra los valores observados de las licencias
presentadas por los trabajadores en una empresa, según el turno trabajado y el tipo de
licencia presentada.
Frecuencias observadas (O)

Tipo de licencia
Enfermedad Trabajo Trayecto Totales
Diurno 8 15 28 51
Turno
Tarde 13 16 14 43
Totales 21 31 42 94

A partir de la información, se debe determinar con un nivel de significancia del 5%, si

existe relación entre el tipo de licencia y el turno de trabajo realizado.

Solución:
Este problema se resuelve mediante una prueba de hipótesis no paramétrica,
específicamente, la prueba Chi-cuadrado (ji-cuadrado) cuyos supuestos son:
✓ Aplica cuando las variables son cualitativas.
✓ Se quiere verificar independencia de las variables.

25
Desarrollo:
1. Prueba de hipótesis para verificar independencia de las variables.
2. H0: Existe independencia de las variables v/s Ha: Las variables se relacionan.
3. Valor crítico → χ2= ?
Utilizando la función =PRUEBA.CHI.INV de Excel se tiene:

A diferencia de la prueba t, los grados de libertad de la prueba dependerán del

número de filas y columnas. En el ejemplo, tiene dos filas y tres columnas por lo que
los grados de libertad estarán dados por (filas-1)*(columnas-1). Así se obtiene:

χ2= 5,991464547
4. Estadístico de prueba

Donde:
Χ2: Símbolo que identifica a la chi-cuadrado (ji-cuadrado).
oi: es la frecuencia observada.
ei: es la frecuencia esperada.

Para hallar el valor del estadístico de prueba Χ2, primero se deben calcular las
frecuencias esperadas, siguiendo el proceso que se muestra a continuación:

26
Figura 11. Cuadro que muestra cómo calcular las frecuencias esperadas a partir de la
frecuencia observada.

Figura 12. Frecuencias esperadas calculadas para el ejercicio planteado.

27
5. Zona de aceptación y rechazo

Figura 13. Zona de aceptación y rechazo (Los valores chi-cuadrados siempre son
positivos, por lo tanto, siempre será de cola derecha).

6. Decisión. Se acepta H0. (La regla dice que, para aceptar la hipótesis nula, el 80% de
las frecuencias esperadas debe ser superior a 5, lo que se cumple).
7. Conclusión. Existe evidencia suficiente para concluir que las variables son
independientes.

28
Cierre.

Para repasar los contenidos de la semana, los invitamos a revisar el siguiente esquema:

Figura 14. Esquema que resume los contenidos de estimación de parámetros vistos en la
semana.

29
Anexo de fórmulas para pruebas de hipótesis.

1. Pruebas de hipótesis para la media. Una muestra.

a) Varianza poblacional conocida y muestra grande (n>30). Estadístico de

prueba.

b) Varianza poblacional desconocida y muestra grande (n>30). Estadístico de

prueba.

c) Varianza poblacional conocida y muestra pequeña ( ). Estadístico de

prueba.

d) Varianza poblacional desconocida y muestra pequeña ( ). Estadístico

de prueba.

, con grados de libertad

30
2. Prueba de hipótesis para la diferencia de medias. Dos muestras.

a) Muestras independientes con varianza poblacional conocida para

muestras grandes. Estadístico de prueba.

b) Muestras independientes con varianza poblacional desconocida para

muestras grandes. Estadístico de prueba.

c) Muestras independientes con varianza poblacional desconocida e

iguales muestras pequeñas. ( ). Estadístico de prueba.

con

donde

31
 d) Muestras dependientes (pareadas) con varianzas poblacionales
desconocidas para muestras grandes. ( ). Estadístico de prueba.

e) Muestras dependientes (pareadas) con varianzas poblacionales

desconocidas para muestras pequeñas. ( ). Estadístico de prueba.

3. Prueba de hipótesis para la proporción. Una muestra.

, donde p es el número de éxito y q = (1 - p)

4. Prueba de hipótesis para diferencia de proporciones. Dos muestras.

32
Referencias bibliográficas

Freepik. (s.f.). Concepto de reunión de trabajo en equipo de negocios de inicio [Imagen

de portada]. Recuperada el 18 de marzo de 2022 de
https://www.freepik.com/free-photo/startup-business-teamwork-meeting-
concept_1235178.htm

Freepik. (s.f.). Reunión de trabajo en equipo de gente de negocios en el mercado

[Imagen]. Recuperada el 18 de marzo de 2022 de
https://www.freepik.com/free-photo/business-people-teamwork-meeting-
market_1236215.htm#&position=15&from_view=detail

Bibliografía de consulta

Mendenhall, W., Beaver, R. y Beaver, B. (2015). Introducción a la probabilidad y

estadística. Cengage Learning.

33