Mdulo: II

Unidad: II

Semana: 03

ESTADSTICA PARA NEGOCIOS II

Lic. Segundo A. Garca Flores

TTULO DEL TEMA

PRUEBA DE HIPTESIS

ORIENTACIONES
Lea las previamente las orientaciones generales
del curso.
Revise los temas afines a este en la Biblioteca
Virtual de la UAP
Participe de los foros

CONTENIDOS TEMTICOS

Hiptesis
Prueba de hiptesis
Nivel de significancia
Error

DESARROLLO DE CONTENIDOS - SUBTTULOS

DEL TEMA

OBJETIVO:
Determinar la validez de supuestos
poblacionales a partir del mtodo de
prueba de hiptesis para una, dos o
ms poblaciones.

8-3

Qu es una Hiptesis?
Hiptesis: Es una suposicin acerca del valor de
un parmetro de una poblacin con el propsito
de discutir su validez.
Ejemplo de hiptesis acerca de un parmetro de
una poblacin son:
1) El sueldo promedio de un profesional recien
egresado de la Universidad asciende a $2,625.
2) El 20% de las amas de casa de Lima utiliza aceite de
oliva.

8-4

Qu es una prueba de hiptesis?

Prueba de hiptesis: es un procedimiento,
basado en la evidencia de la muestra y en la
teora de las probabilidades, usado para
determinar si la hiptesis es una afirmacin
razonable y debera no ser rechazada o si no es
razonable debera ser rechazada

Prueba de hiptesis

Paso 1: Establecer la hiptesis nula y la alternativa

Paso 2: Seleccionar el nivel de significacin

Paso 3: Identificar el estadstico de prueba

Paso 4: Formular una regla de decisin

Paso 5: Tomar una muestra, llegar a una decisin

No rechzar la hiptesis nula

Rechazar la nula y aceptar la alternativa

8-6

Nivel de significacin
Hiptesis nula (H0): Una afirmacin acerca del valor
de un parmetro de la poblacin.
Hiptesis Alternativa (H1): Una afirmacin que es
aceptada si la muestra provee la evidencia de que
la hiptesis nula es falsa.
Nivel de significacin: La probabilidad de rechazar
la hiptesis nula cuando en realidad es verdadera.

8-7

Error
Error tipo I: Rechazar la hiptesis nula cuando en
realidad es verdadera
Error tipo II: Aceptar la hiptesis nula cuando en
realidad es falsa.
Estadstico de prueba: Es un valor, determinado a
partir de la informacin de la muestra, usado para
decidir si rechazar o no la hiptesis nula.
Valor crtico: El punto que divide la regin entre el
lugar en el que la hiptesis nula es rechazada y y la
regin donde la hiptesis nula es no rechazada.

Paso a paso
a) Hiptesis
Se debe formular el supuesto valor del parmetro de la
poblacin antes de empezar el muestreo. La suposicin
que se desea probar, se denomina hiptesis nula y se
representa por H0. Si se rechaza la hiptesis nula, la
conclusin que debemos aceptar se llama hiptesis
alternativa y se simboliza por H1.

Ejemplo:
Supongamos que se quiere probar la hiptesis de que el promedio de
calificacin de los alumnos de cierta Universidad es de 8.5, entonces:
H0 : = 8.5 (Establece que la media de la poblacin es igual a 8.5)
La hiptesis alternativa se puede interpretar de tres maneras:
H1 : 8.5 (Establece que la media de la poblacin no es igual a 8.5)
H1 : 8.5 (Establece que la media de la poblacin es mayor que 8.5)
H1 : 8.5 (Establece que la media de la poblacin es menor que 8.5)
La prueba de hiptesis tiene como finalidad emitir un juicio sobre la
diferencia que existe entre el valor calculado del estadstico muestral
y el parmetro supuesto de la poblacin. No consiste en poner en
duda el valor calculado del estadstico muestral.
Despus de formular las hiptesis nula y alternativa, se debe decidir el
criterio que se va a aplicar para aceptar o rechazar la primera.

b) Nivel de significancia
Supongamos que la media de calificaciones del ejemplo anterior de 8.5, se expresa
con un nivel de confianza del 95%, entonces el nivel de significancia ser de 0.05, es
decir:
= 1 0.95 = 0,05
Se puede comprender mejor observando la grfica siguiente:

14

El nivel de significancia est repartido en las zonas

de rechazo, 0.025 + 0.025 = 0.05, significa que existe
una diferencia significativa entre el estadstico de la
muestra y el supuesto parmetro de la poblacin, es
decir, que si esto se demuestra, se rechaza la hiptesis
nula H0 de que el promedio de la poblacin sea de 8.5 y
se acepta la hiptesis alternativa H1.
Entonces se concluira que el promedio de las
calificaciones de la poblacin, no es de 8.5, puede ser
diferente, mayor o menor de 8.5.
El nivel de significancia representa la zona de
rechazo de la hiptesis nula y el nivel de
confianza de la zona de aceptacin.

c) Seleccin de un nivel de significancia

No hay un nivel de significancia que sea oficial o universal
con el cual probar las hiptesis. Pero la eleccin del
criterio mnimo de una probabilidad aceptable, o nivel de
significancia, es asimismo el riesgo que se corre de
rechazar una hiptesis nula aunque sea verdadera. Cuando
ms alto sea el nivel de significancia que utilizamos al
probar una hiptesis, mayores probabilidades habr de
rechazar una hiptesis nula que sea verdadera.

d) Errores de tipo I y II
Si se rechaza una hiptesis nula que sea verdadera es un
error de tipo I, y su probabilidad se representa con .
Si se acepta una hiptesis nula que sea falsa se llama error
de tipo II, y su probabilidad se representa con .
La probabilidad de cometer uno de estos errores se
reduce si se aumenta la probabilidad de incurrir en otro
tipo de error.
A fin de conseguir una baja, habremos de conformarnos
con una alta. Para sortear esto en situaciones personales
y profesionales, los encargados de tomar decisiones eligen
el nivel apropiado de significancia examinando los costos
o castigos que conllevan a ambos tipos de error.

d) Errores de tipo I y II
Por ejemplo:
Supngase que el cometer un error de tipo I implica el
tiempo y el trabajo de reelaborar un lote de sustancias
qumicas que debera haber sido aceptado. En cambio, el
incurrir en un error de tipo II significa correr el riesgo de
que se envenene un grupo entero de usuarios de la
sustancia. La gerencia de esta compaa preferira el error
de tipo I al de tipo II y, en consecuencia, establecera
niveles muy elevados de significancia en sus pruebas para
conseguir bajas.

e) Pasos para seleccionar la distribucin correcta

1.- Se define el nivel de significancia a usar.

2.-

Determinar la distribucin adecuada de

probabilidad: puede ser la distribucin normal
o la distribucin t. Las reglas para elegir la
distribucin apropiada al efectuar pruebas de
las medias son:

a) Si la muestra tomada es mayor de 30 (muestras

grandes), debe elegirse la distribucin normal (Z).
b) Si la muestra tomada es igual o menor que 30
(muestras pequeas), debe elegirse la distribucin t.

PRUEBA DE HIPTESIS DE LAS MEDIAS DE

MUESTRAS GRANDES
Realizaremos algunos ejemplos, en diferentes
condiciones cuando se conocen las desviaciones
estndar de la poblacin.

a) Prueba de dos extremos para las medias

Es cuando el nivel de significancia (zona de rechazo)

abarca los dos extremos o colas de la campana de
Gauss.

Ejemplo 1
El fabricante de una llanta especial para camiones afirma
que la duracin media de la parte rodante de agarre es de
60,000 mi. La desviacin estndar de los millajes es de 5,000
mi. Una empresa de transportes compr 48 llantas y hall
que la duracin media para sus vehculos fue de 59,500 mi.
Es la experiencia distinta de la expresada por el fabricante
al nivel de significacin de 0.05?
Solucin:
= 60000 mi; = 5000 mi
Datos: n = 48 llantas
= 59500 mi; = 0,05

Solucin:
Las hiptesis se expresan de la siguiente manera:
H0 : = 60,000 mi
H1 : 60,000 mi

La duracin de las llantas es de 60,000 millas

La duracin de las llantas es distinta a 60,000 millas

Primero, vamos a calcular el error estndar de la media y para ello

emplearemos la expresin del error estndar:

n
Sustituyendo valores en ella, se tiene:

5,000 5,000
x

721,69 mi
6,9282
48

En el siguiente paso vamos a obtener el valor de Z y para ello vamos a

apoyarnos en la grfica siguiente:

Recurrimos a las tablas de la distribucin normal y en ellas

localizamos 0.475, que se ubica en un valor de Z = 1.96
En el tercer paso, vamos a determinar los lmites superior e inferior
de confianza para el intervalo de la media poblacional ya que se trata
de una prueba de dos extremos. Para ello aplicaremos la expresin
siguiente:

Lc H 0 Z x
Sustituyendo valores en ella, se tiene:
Lc = 60,000 1.96 (721.69)
Ls = 60,000 + 1,414.51 = 61,414.51 millas.
Li = 60,000 1,414.51 = 58,585.49 millas
Entonces la media de la poblacin flucta entre 58,585.49 y 61,414.51 millas en
un nivel de confianza del 95%.

Regresemos a la grfica anterior para ubicar los lmites

de confianza y la media muestral. Con ello analizaremos
si se acepta la hiptesis nula adems de verificar si es
verdadera o falsa.

La media muestral se ubica dentro de la zona de aceptacin, por lo que

podemos decir que la hiptesis nula es verdadera, pero vamos a verificar
est aseveracin por medio de la expresin siguiente:

59,500 60,000
Z
0.693
721,69

Entonces la media muestral se ubica en -0.693 y se confirma que

cae en la zona de aceptacin.
Concluimos que la duracin media de las llantas es muy
cercana a la que afirma el fabricante de 60,000 millas, con
un nivel de significancia de 0.05.

b) Prueba de un extremo para las medias

En este caso, el nivel de significancia (zona de rechazo)
slo abarca un extremo o cola de la campana de Gauss.

Ejemplo 2
Una cadena de restaurantes afirma que el tiempo medio
de espera de clientes por atender est distribuido
normalmente con una media de 3 minutos y una
desviacin estndar de 1 minuto. Su departamento de
aseguramiento de la calidad hall en una muestra de 50
clientes en un cierto establecimiento que el tiempo medio
de espera era de 2.75 minutos. Al nivel de significacin de
0.05, Es dicho tiempo menor de 3 minutos?

Solucin:
= 3 minutos.
= 1minuto.
x = 2.75 minutos.

= 0.05
n = 50 clientes.

Representemos estos datos

en la campana de Gauss:

Las hiptesis son:

Ho : = 3 El tiempo
promedio de espera es de 3
minutos.
H1 : 3 El tiempo
promedio de espera es
menor de 3 minutos.
30

Primero calculemos el error estndar

de la media:

Ahora determinemos el valor de Z,

(tenemos una muestra mayor de 30):
Como = 0.05 y es una prueba de
hiptesis para un extremo, en este caso,
el extremo izquierdo, entonces, el nivel
de significancia est contenido en este
extremo, por lo que el nivel de confianza
es 0.5 0.05 = 0.45 .
Buscando en las tablas de la distribucin
normal 0.45, encontramos que: Z= 1.64
El lmite izquierdo del intervalo de
confianza ser:
Li = 3 1.64 (0.1414) = 3 0.2319
Li = 2.768
Grficamente esto se representa as:

1
0.1414
50

31

La media muestral 2.75, se localiza en la zona de rechazo, por lo que

se puede establecer que se rechaza la hiptesis nula y se acepta la
alternativa.
Comprobemos con :
x
Z
x
2.75 3
0.25
Z

1.77
0.1414
0.1414

Como podemos observar 1.77 est localizado ms hacia la izquierda

del lmite de confianza 1.64.
Podemos concluir que el tiempo medio de espera de clientes por
atender en este establecimiento es menor de 3 minutos.

Ejemplo 3 (se desconoce la desviacin estndar)

Una cadena grande de tiendas de autoservicio, expide su propia tarjeta
de crdito. El gerente de crdito desea averiguar si el saldo insoluto
medio mensuales mayor que 400 dlares. El nivel de significacin se fija
en 0.05. Una revisin aleatoria de 172 saldos insolutos revel que la
media muestral 407 dlares y la desviacin estndar de la muestra es 38
dlares. Debera concluir ese funcionario de la media poblacional es
mayor que 400 dlares, o es razonable suponer que la diferencia de 7
dlares (obtenida de 407- 400 = 7) se debe al azar?
Solucin:

= 400 dlares.
= 0.05
n = 172 saldos insolutos.
x = 407 dlares.
s = 38 dlares (desviacin estndar estimada).

Las hiptesis son:

Ho : = 400 dlares.
H1 : 400 dlares.
Debido a que la hiptesis
alternativa nos indica un
sentido a la derecha de la
media, debemos aplicar una
prueba de una cola.
Veamos la grfica:

34

Si calculamos el error estndar estimados, tenemos que:

s
x

38
2.897
172

Si leemos en las tablas de la

distribucin
normal
0.45,
encontramos que: Z = 1.64
Determinando el lmite superior
del intervalo de confianza, se
tiene:
Ls = 400 + 1.64 (2.897)
Ls = 404.75 dlares.
Grficamente esto ocurre:
35

Comprobando con:

x
Z
x

407 - 400
7
Z=
=
= 2.416
2.897
2.897

Con esto comprobamos que el valor de la media muestral, cae

dentro de la zona de rechazo, por lo que se rechaza la hiptesis nula
y se acepta la alternativa.
Con esto el gerente de crdito debe concluir que el saldo
insoluto medio mensuales es mayor que 400 dlares.

PRUEBAS DE HIPOTESIS DE LAS

MEDIAS DE MUESTRAS PEQUEAS

a) Prueba de dos extremos para medias

Mediante el siguiente ejemplo explicaremos el
razonamiento a seguir para demostrar una prueba de
hiptesis de dos extremos con una muestra menor a 30,
en donde aplicaremos la distribucin t.

Ejemplo 1
Un especialista en personal que labora en una gran corporacin, est
reclutando un vasto nmero de empleados para un trabajo en el
extranjero. Durante la realizacin de pruebas, la gerencia pregunta
cmo marchan las cosas y el especialista contesta: Bien, creo que la
puntuacin promedio en el test de actitudes ser 90. Cuando la
gerencia revisa 20 de los resultados de la prueba, averigua que la
puntuacin media es 84 y la desviacin estndar de esta puntuacin es
11. Si la gerencia quiere probar la hiptesis del especialista en personal
en el nivel de significancia de 0.10, cul ser el procedimiento a que
recurra?

Solucin:
= 90
x = 84
s = 11

n = 20

= 0.10

Las hiptesis son:

Ho: = 90
H1 : 90
El error estndar estimado de la media ser:

11
x

2.46
n
20

En la tabla t de Student se localiza =

0.10 y gl = 20 1 = 19 y se encuentra
que: t = 1.729
Con estos datos ya podemos
determinar los limites superior e
inferior del intervalo de confianza,
mediante la expresin:

x
Lc t

Ls = 90+ 1.729 (2.46)= 94.25

Li = 90 1.729 (2.46) = 85.75

Grficamente esto sucede:

Como la media muestral cae en la zona de rechazo, entonces se rechaza
la hiptesis nula y se acepta la hiptesis alternativa.
Concluimos que la gerencia tiene suficientes evidencias para demostrar
que el especialista est equivocado, que la puntuacin media no es 90.
40

b) Prueba de un extremo para medias

Para este caso, ya sabemos que el nivel de significancia
(zona de rechazo) slo abarca un extremo o cola de la
campana de Gauss.

Ejemplo 2
Una persona tom una muestra aleatoria de 7 casas en
un suburbio muy elegante de una gran ciudad y
encontr que el valor promedio estimado del mercado
era de $560,000, con una desviacin estndar de
$49,000. Pruebe la hiptesis de que, para todas las casas
del rea, el valor medio estimado es de $600,000,
contra la alternativa de que sea menor que $600,000.
Use el nivel de significancia de 0.05.
Solucin:
n = 7 casas
x = $560,000
s=
= $49,000

= $600,000
= 0.05

Las hiptesis son:

Ho : = $600,000
H1 : $600,000
Calculando el error estimado de la muestra, se
tiene que:

49 ,000
x

$18 ,518.52
n
7

x
Li t
Li = 600,000 1.943 (18,518.52) = $564,018.52
En la campana de Gauss:

Sabemos que el nivel de significancia

es de 0.05, para una cola, por lo que
se supone, que si fuera una prueba
para dos colas, cada una tendra 0.05,
es decir, el nivel de significancia =
0.10. Por lo tanto 0.10 es el valor que
debemos localizar en la tabla
correspondiente de la distribucin t
de Student, con 6 grados de libertad
(7 1).
Encontramos entonces que t = 1.943
Con estos datos, ya podemos
determinar el lmite inferior del
intervalo de confianza en donde se
encuentra la verdadera media de la
poblacin.

44

Como la media muestral cae la zona de rechazo, entonces se

rechaza la hiptesis nula y se acepta la hiptesis alternativa.

Comprobando lo anterior, se tiene que:

Z=

560,000 - 600,000
-40,000
=
= -2.16
18,518.52
18,518.52

Podemos concluir que el valor medio estimado del valor de

todas las casas es menor de $600,000.

PRUEBA DE HIPOTESIS PARA PROPORCIONES

a) Prueba de dos extremos para proporciones.
La prueba de hiptesis para proporciones, tiene algunas
variantes en la demostracin de las hiptesis respecto a la
prueba de hiptesis de medias, variantes que se irn
explicando conforme se vayan aplicando.

Ejemplo 1
Una compaa que est evaluando la promovibilidad de sus empleados;
es decir, est determinando la proporcin de aquellos cuya habilidad,
preparacin y experiencia en la supervisin los clasifica para un ascenso a
niveles superiores de la jerarqua. El director de recursos humanos le
dice al presidente que el 80%,o sea el 0.8, de los empleados son
promovibles. El presidente crea un comit especial para valorar la
promovibilidad de todo el personal. El comit realiza entrevistas en
profundidad con 150 empleados y en su juicio se da cuenta que slo el
70% de la muestra llena los requisitos de la promocin. El presidente
quiere probar, en un nivel de significancia de 0.05, la hiptesis de que 0.8
de los empleados pueden ser promovidos.
Solucin:
p = 0.8
p = 0.7

q = 0.2
q = 0.3

n = 150
= 0.05

Las hiptesis son:

Ho : p = 0.8
80% de los empleados son promovibles.
H1 : p 0.8
La proporcin de empleados promovibles
no es 80%.
Primero calculamos el error estndar de la proporcin,
mediante la siguiente expresin:

pH 0 qH 0
n

Sustituyendo valores:
p

( 0.8 )( 0.2 )

150

0.0010666 0.0327

En este caso, la compaa quiere saber si la verdadera proporcin es mayor

o menor que la supuesta proporcin. Por consiguiente, es apropiada una
prueba de dos extremos para una proporcin. El nivel de significancia
corresponde a las dos regiones sombreadas, cada una de las cuales contiene
0.025 del rea. La regin de aceptacin de 0.95 se ilustra como dos reas de
0.475 cada una. Puesto que la muestra es mayor que 30, podemos recurrir la
distribucin normal. Basndonos en la tabla de sta distribucin, podemos
calcular que el valor correspondiente de Z para 0.475 del rea bajo la curva
es 1.96 . Por tanto, los limites de la regin de aceptacin son:
Lc = PH0 Z
Lc = 0.8 1.96(0.0327)
Ls = 0.8 + 0.06409 Ls = 0.8641
Li = 0.8 0.06409 Li = 0.7359

Vindolo en la campana de Gauss:

La probabilidad de la muestra p = 0.7, se localiza en la

zona de rechazo, por lo que se rechaza la hiptesis nula y
se acepta la alternativa. Vamos a demostrarlo:

0.7 0.8
0.1
Z

3.058 p
0.0327
0.0327
Podemos concluir que existe una diferencia significativa entre la
supuesta proporcin de empleados promovibles comunicada por el
director de recursos humanos y la observada en la muestra, la
proporcin de toda la compaa no es del 80%.

b) Prueba de un extremo para proporciones

Ejemplo 2.Un artculo reciente en el peridico Reforma report que un empleado
est disponible slo para que uno de tres egresados universitarios con
grado. Las principales razones aportadas fueron que existe una
sobreabundancia de graduados de universidad y una economa dbil.
Suponga que una encuesta con 200 graduados recientes de la institucin
de usted, revela que 80 estudiantes tenan empleo. Al nivel de significancia
de 0.02, se puede concluir que una proporcin mayor de estudiantes
egresados tienen trabajo?
p = 0.8;
p = 0.7
q = 0.3
= 0.05

q = 0.2; Datos:

n = 150

Las hiptesis son:

Ho : p = 0.3333
H1 : p 0.3333
Calcularemos primero el error estndar de la proporcin:

pHo qHo
n

Sustituyendo valores:

(0.3333) (0.6667)
200

0.2222
200

p .0011 p 0.0333

En este caso, se quiere saber si la verdadera proporcin es mayor que la

supuesta proporcin. Por consiguiente, es apropiada una prueba de un
extremo para una proporcin. El nivel de significancia corresponde a la
regin derecha de rechazo. La regin de aceptacin de 0.98 se ilustra
como un rea de 0.5 y otra de 0.48 como la muestra es mayor de 30,
podemos recurrir a la distribucin normal. Basndonos en la tabla de de
esta distribucin el valor correspondiente de Z, para 0.48 del rea bajo la
curva es 2.05, por tanto, el lmite de la regin de aceptacin es:
Ls = 0.3333 + 2.05 (0.0333)
Ls = 0.3333 + 0.068265
Ls = 0.4016
Como
p = 0.4, y es menor que 0.4016, se localiza en la zona de aceptacin,
entonces, se acepta la hiptesis nula.
Demostrando lo anterior se tiene:

p p
Z
p
Z

0.4 0.3333
0.0333

En la campana de Gauss:

0.0667
0.0333

Z 2.003p

Concluimos que no es mayor la proporcin de estudiantes

egresados que tienen trabajo.

C) Prueba de hiptesis para proporciones de

muestras pequeas.
Si usamos la distribucin t para una prueba hiptesis para
proporciones en muestras pequeas, de dos colas, seguimos el
mismo procedimiento que se utiliz en la prueba para medias de
muestras pequeas.
Lo mismo sucede si se trata de una prueba de un extremo,
recordando que, para obtener el valor apropiado de t en un nivel
de significancia de 0.05 con 10 grados de libertad, buscaremos
en la tabla de la distribucin t bajo la columna 0.10, frente al
rengln 10 grados de libertad. Esto es verdad porque la columna
0.10 del rea bajo la curva contenida en ambos extremos
combinados; por ello tambin representa 0.05 del rea bajo la
curva contenida en cada uno de los extremos. Por esta razn en
lugar de buscar en la columna 0.05, se busca 0.10.

GRACIAS