MATERIAL DE LECTURA DE LA SEMANA 7 DE ME

En esta semana veremos las pruebas de hiptesis para un parmetro poblacional. Una
prueba de hiptesis es una metodologa estadstica utilizada en el apoyo a la toma de
decisiones bajo incertidumbre. En general, podemos decir que una hiptesis es una
afirmacin o conjetura sujeta a comprobacin. Una Hiptesis estadstica. es una afirmacin
hecha acerca de un parmetro de una poblacin.

Una prueba de hiptesis es un procedimiento estadstico donde se pone en competencia

dos hiptesis para decidir cul es la potencialmente verdadera, de acuerdo a la evidencia
estadstica contenida en una muestra aleatoria de la poblacin. Una hiptesis es opuesta a la
otra. A estas dos hiptesis estadsticas se les llama hiptesis nula e hiptesis alternativa. La
manera fcil de saber cul es cual es:

Hiptesis nula (H0). Siempre incluye a la igualdad (=, , ).

Hiptesis alternativa (H1). Nunca incluye a la igualdad (, >, <).

En una prueba de hiptesis se debe decidir cual de las dos hiptesis es la potencialmente
verdadera de acuerdo a la evidencia que haya en una muestra aleatoria. La conclusin de
una prueba de hiptesis usualmente se expresa como se rechaza H0, lo cual significa que
hay evidencia estadstica de que H0 no es verdadera, sino que la verdadera es H1, o se
acepta H0, lo cual significa que no hay evidencia suficiente para decir que H0 es falsa y se
considera como verdadera. Entonces, se pueden cometer dos tipos de errores: Error tipo I y
error tipo II (ver tabla 1).

Estado de la Se acepta H0 Se rechaza H0

naturaleza
H0 es verdadera No hay error Error tipo I
H0 es falsa Error tipo II No hay error
Tabla 1. Ilustracin de los errores que se pueden cometer en una prueba de hiptesis.

Luego, el error tipo I consiste en rechazar H0 como verdadera siendo en realidad verdadera,
mientras que el error tipo II consiste en aceptar H0 como verdadera, siendo en realidad
falsa. El Nivel de significancia de una prueba de hiptesis es la probabilidad de cometer un
error tipo I, y se denota por . A la probabilidad de cometer un error tipo II se le denota por
. Claro, que es deseable que y sean valores pequeos cercanos a cero, pero
manteniendo fijo el tamao de la muestra, no se puede simultneamente reducir ambas
probabilidades, es decir si se reduce entonces se incrementa y viceversa, si se reduce
se incrementa .. Entonces en la prctica lo que se hace es controlar y descuidar por tal
razn se acostumbra colocar como H0 aquello que se desea mantener como verdadero a
menos de que haya una evidencia contundente en su contra.

La realizacin de una prueba de hiptesis se puede dividir en 4 pasos que se indican a

continuacin.
1) Establecer la hiptesis nula.
2) Establecer la hiptesis alternativa y el valor de .
3) Calcular un estadstico de prueba.
4) Aplicar una regla de decisin.

Hay dos tipos de pruebas de hiptesis: prueba bilateral y prueba unilateral, ello depende de
lo que se afirma en H 1 . La tabla 2 ilustra estos dos tipos de pruebas de hiptesis.

Hiptesis nula; H0: = 0 vs

H1 : 0 Prueba bilateral
H :
Hiptesis alternativa; 1 0
H1 : 0
Prueba unilateral

Tabla 2. Tipos de pruebas de hiptesis.

Es decir, en una prueba de hiptesis bilateral se tiene: H0: = 0 vs H1: 0 y en

una prueba de hiptesis unilateral se tiene:

H0: 0 vs H1: > 0 o H0: 0 vs H1: < 0 .

Donde 0 es un valor numrico que propone el investigador.

La Prueba z.
Prueba de hiptesis para la media de una poblacin
(varianza poblacional conocida o muestra grande).
Suponer una muestra aleatoria de tamao n que proviene de una poblacin normal con
varianza conocida 2 , y sea X la media muestral.
Prueba bilateral. Sea H0: = 0 vs H1: 0. El estadstico de prueba es;
X 0
z .
/ n
Regla de decisin; se rechaza H0 con un nivel de significancia si z z / 2 , donde z / 2
es el valor de la variable con distribucin normal estndar z tal que P( z z / 2 ) / 2 .

Para justificar esta regla de decisin, observe que si realmente H0 es verdadera, entonces
esperamos que el valor de X sea cercano a 0 y entonces el estadstico de prueba z tendr
un valor cercano a cero. Luego, mientras el valor de z est ms cercano a cero, ms
evidencia habr de que H0 es verdadera. Por otra parte, si H0 es falsa y H1 es verdadera,
entonces esperamos que el valor de X sea muy diferente de 0 y el valor de z ser
diferente de cero, luego, mientras el valor de z est ms alejado de cero, ms evidencia
habr de que H1 es la verdadera.
 0.4

0.3

f(z)
0.2

0.1

0.0
-z(alfa/2) z(alfa/2)
0
z

Figura 1. Valor critico z / 2 .

El alejamiento suficiente de cero para apostarle a H1 depende del nivel de significancia

z / 2 como se ve en la figura 1. Al valor z / 2 se le llama valor crtico de la prueba de
hiptesis, a los intervalos , z / 2 y z / 2 , se les llama regin de rechazo de H 0 .
Observe que la regin de rechazo son las dos colas de la distribucin normal estndar, por
tal razn a esta prueba se le llama prueba bilateral o prueba de dos colas (ver figura 1).

Prueba unilateral. A) Sea H0: 0 vs H1: > 0. El estadstico de prueba es el

mismo que ya se mencion en la prueba bilateral, y se rechaza H0 con un nivel de
significancia si z z , donde z es el valor de la variable con distribucin normal
estndar z tal que P( z z ) .

Para justificar la regla de decisin, observe que si H1 es cierta, entonces esperamos que el
valor de X sea mucho mayor de 0 , de donde se espera que z tome un valor positivo
alejado del cero, de donde se tiene que mientras mas alejado este z del cero (con valor
positivo), ms evidencia habr a favor de H1. Lo suficientemente alejado del cero lo
determina mediante z (ver figura 2). Luego, el valor crtico es z y la regin de
rechazo de H 0 es el intervalo z , .
 0.4

0.3

f(z)
0.2

0.1

0.0
z(alfa)
0
z

Figura 2. Ilustracin de z .

B) Sea H0: 0 vs H1: < 0. El estadstico de prueba es el mismo de la prueba

bilateral, se rechaza H0 con un nivel de significancia si z z , donde z es el valor de
la variable con distribucin normal estndar z tal que P( z z ) .

Para justificar esta regla de decisin, observe que si H1 es cierta, entonces esperamos que el
valor de X sea mucho menor de 0 , de donde se espera que z sea negativo alejado del
cero, luego mientras ms alejado este z del cero (con valor negativo), ms evidencia habr a
favor de H1. Lo suficientemente alejado del cero lo determina a travs de z como se
ve en la figura 3, donde el valor crtico es z y la regin de rechazo es , z .

NOTA: Si es una muestra grande (n 30), se puede sustituir por S sin importar la
distribucin de probabilidad que tenga X.

0.4

0.3
f(z)

0.2

0.1

0.0
-z(alfa)
0
z

Figura 3. Ilustracin de z .
Ejemplo 1. El dueo de un negocio de comidas rpidas afirma que en promedio, el nmero
de rdenes por hora que se piden por telfono es 35 rdenes por hora. Aplicar una prueba
de hiptesis para verificar si la media de rdenes por hora es igual a 35. Usar un nivel de
significancia del 5%. A continuacin aparece el nmero de rdenes que se pidieron en una
hora durante 35 das.

27, 27, 32, 30, 29, 28, 22, 26, 25, 27, 31, 26, 29, 35, 30, 31, 31, 32, 33, 30, 31, 40, 29, 29,
19, 32, 37, 31, 41, 22, 30, 26, 33, 27, 23.

Se tiene que n = 35, X = 29.46 y S = 4.648. H0: = 35 vs H1: 35. Se puede usar la
prueba de hiptesis anterior ya que la muestra es grande ( n 30). El estadstico de prueba
29.46 35
es z = -7.051 (se sustituye por S), como = 0.05, luego /2 = 0.025 y
4.648 / 35
z 0.025 = NORM.S.INV(1-0.025) = 1.96 . Aplicando la regla de decisin se tiene que |z| =
7.051 y es mayor a z / 2 , por lo tanto se rechaza H0, esto se puede interpretar diciendo que
hay evidencia estadstica de que la media del nmero de ordenes por hora es diferente a 35
y el dueo del negocio est equivocado.

El p-valor.
La regla de decisin tambin puede ser a travs el p-valor. El p-valor es la probabilidad de
que el valor del estadstico de prueba sea ms extremo al obtenido en la muestra aleatoria.
Si el valor del estadstico de prueba cae en la zona de aceptacin de H 0 entonces el p-valor
es mayor que . Si el estadstico de prueba cae en la zona de rechazo de H 0 entonces el p-
valor es menor que . De aqu que para cualquier tipo de prueba de hiptesis, si el p-valor
es menor que , entonces se rechaza H 0 como verdadera.

En trminos prcticos, el p-valor se calcula resolviendo la probabilidad de la regin de

rechazo con respecto al valor del estadstico de prueba. Para la prueba z bilateral el p-valor
es, p valor P( x | z |) P( x | z |) 2 * NORM.S.DIST ( ABS ( z ),1) ,
donde z es el valor del estadstico de prueba. La idea se ilustra en la siguiente figura.

p valor P1 P2

P2 P1

-5 -4 -3 -2 -1 0 1 2 3 4 5

| z| |z|
Ilustracin del p-valor para la prueba bilateral z.
Continuando con el ejemplo 1, se tiene que z = -7.051, de donde,
p-valor = 2*NORM.S.DIST(7.051,1) = 1.8 10 12 = 0.000
de donde se rechaza H 0 .

Ejemplo 2. Continuando con el ejemplo 1, ahora supongamos que se desea determinar si la

media de rdenes por hora es mayor a 35. Luego las hiptesis son H0: 35 vs
H1: > 35, se tiene que el estadstico de prueba es z = -7.051, y considerando = 0.05 se
tiene que z0.05 = NORM.S.INV(1-0.05) = 1.645. Aplicando la regla de decisin se tiene que
z no es mayor a z0.05, entonces no se puede rechazar H0, se puede interpretar diciendo que
no hay evidencia de que la media de rdenes por hora sea mayor a 35, por lo tanto es menor
o igual a 35. En este caso el p-valor se calcula como,

p valor P( x z ) 1 NORM.S.DIST ( z,1) , la idea se ilustra es la siguiente figura.

p valor P1

P1

-5 -4 -3 -2 -1 0 1 2 3 4 5

z
Ilustracin del p-valor para la prueba mayor que de z.

Continuando con el ejemplo 2 se tiene que, p-valor = 1-NORM.S.DIST(-7.45,1) = 1.0 de

donde se tiene que no se rechaza H 0 como verdadera.

Ejemplo 3. Continuando con el ejemplo 1, supongamos que se desea determinar si la media

de rdenes por hora es menor a 35. Entonces las hiptesis son; H0: 35 vs H1: < 35,
luego, el estadstico de prueba es z = -7.051, y considerando = 0.05 se tiene que el valor
crtico es z 0.05 = -1.645. Vemos que z < z , entonces se rechaza H0, esto se puede
interpretar diciendo que hay evidencia estadstica que indica que la media de rdenes por
hora es menor a 35. En este caso el p-valor se calcula como,

p valor P( x z ) NORM.S.DIST ( z,1) , la idea se ilustra es la siguiente figura.

 p valor P2

P2 P1

-5 -4 -3 -2 -1 0 1 2 3 4 5

z
Ilustracin del p-valor para la prueba menor que de z.

Continuando con el ejemplo 3 se tiene que,

p-valor = NORM.S.DIST(-7.45,1) = 4.7 10 14 = 0.000
de donde se tiene que se rechaza H 0 como verdadera.

Es importante mencionar que las hiptesis H0, H1 y el valor de deben determinarse antes
de ver los valores de la muestra aleatoria. Para fines didcticos vemos en los ejemplos la
aplicacin de los tres casos de pruebas de hiptesis, pero en estudios reales solo debe
aplicarse una de estas tres pruebas de hiptesis.

La Prueba t de Student.
Prueba de hiptesis para la media de una poblacin
(varianza desconocida o muestra pequea).

Si se desconoce, se puede usar la prueba anterior (prueba z) si la muestra es grande (n

30). Pero si se desconoce y la muestra es pequea (n < 30) entonces debe usarse otra
metodologa. En realidad es prcticamente la misma anterior cambiando la distribucin de
la normal estndar a la distribucin t de student.

Suponer una muestra aleatoria de tamao n que proviene de una poblacin con distribucin
normal, donde la media muestral es X y S 2 es la varianza muestral.
Prueba bilateral. Sea H0: = 0 vs H1: 0. El estadstico de prueba;
X 0
t .
S/ n
Regla de decisin; se rechaza H0 con un nivel de significancia si t t / 2, n1 , donde
t / 2, n1 es el valor de la variable t con distribucin t de Student con n-1 grados de libertad,
tal que P(t t / 2, n1 ) / 2 . Adems, p-valor = T.DIST.2T(ABS(t),gl) donde t es el
valor del estadstico de prueba y gl son los grados de libertad.
La justificacin para esta regla de decisin es la siguiente. Recordemos que

z X 0 / / n tiene una distribucin normal estndar. Pero si se sustituye por S,

entonces la nueva variable t X 0 / S / n tiene una distribucin t de Student con n
1 grados de libertad, la cual es una distribucin muy parecida a la distribucin normal
estndar.

Ahora, igual que en la prueba z, si H1 es verdadera, entonces esperamos que el estadstico

de prueba t tenga un valor diferente de cero. Mientras t est ms alejado del cero, ms
evidencia hay a favor de H1. Lo suficientemente alejado de cero lo determina , a travs de
t / 2,n1 . Aqu, el valor critico es t / 2,n1 y la regin de rechazo son los intervalos
,t / 2,n1 y t / 2,n1, como se ilustra en la figura 4.

0.4

0.3
f(t)

0.2

0.1

0.0
-t(alfa/2) t(alfa/2)
-5 0 5
t

Figura 4. Ilustracin del valor crtico t / 2,n1 .

Prueba unilateral. A) Sea H0: 0 vs H1: > 0. El estadstico de prueba es el

mismo de la prueba bilateral. Se rechaza H0 con un nivel de significancia si t t , n1 ,
donde t , n1 es el valor de la variable t con distribucin t de Student tal que
P(t t , n1 ) . Adems, p-valor = T.DIST.RT(t,gl) donde t es el valor del estadstico
de prueba y gl son los grados de libertad.

La justificacin para esta regla de decisin, es que si H1 es cierta, entonces esperamos que t
se aleje de cero con valor positivo. Lo suficientemente lejos de cero lo determina a travs
de t ,n1 , luego, el valor crtico es t ,n1 y la regin de rechazo es el intervalo t ,n1 ,
como se ilustra en la figura 5.
 0.4

0.3

f(t)
0.2

0.1

0.0

-5 0 t(alfa) 5
t

Figura 5. Ilustracin de t ,n1 .

B) Sea H0: 0 vs H1: < 0. El estadstico de prueba es el mismo de la prueba

bilateral. Se rechaza H0 con un nivel de significancia si t t , n1 , donde t , n1 es el
valor de la variable t con distribucin t de Student tal que P(t t , n1 ) . Adems,
p-valor = T.DIST(t,gl,1) donde t es el valor del estadstico de prueba y gl son los grados de
libertad.

Para justificar esta regla de decisin, vemos que si H1 es cierta, entonces esperamos que t se
aleje de cero con valor negativo. Lo suficientemente lejos de cero lo determina a travs
de t ,n1 , luego, el valor crtico es t ,n1 y la regin de rechazo es el intervalo
,t ,n1 como se ilustra en la figura 6.

0.4

0.3
f(t)

0.2

0.1

0.0

-5 -t(alfa) 0 5
t

Figura 6. Ilustracin de t ,n1 .

Ejemplo 4. El vendedor de una franquicia afirma que su negocio tiene un promedio de
ventas diarias de $ 150,000.00. Se registraron las ventas diarias durante 15 das, aplicar una
prueba de hiptesis para verificar lo dicho por el vendedor de la franquicia. Usar un 10% de
nivel de significancia.

229315, 320742, 73590, 306161, 10768, 71334, 26286, 115407, 338578, 37356, 29562,
199865, 360205, 344462, 51308.

Se aplicar una prueba bilateral con; H0: = 150000 vs H1: 150000. Se tiene que X =
167662.60 y S = 136289.75 . El estadstico de prueba es;

t 167662 .6 150000 / 136289 .75 / 15 = 0.502, adems = 0.10 con /2 = 0.05, n =
15, de donde t 0.05,14 = T.INV.2T(2*0.05,14) = 1.761 . Vemos que |t| < t 0.05,14 , entonces no
se puede rechazar H0. Es decir, no hay evidencia estadstica en contra de H0, entonces el
vendedor tiene razn y la media de ventas diarias es de $150,000.00. Adems,
p-valor = T.DIST.2T(0.502,14) = 0.623 y no se rechaza H 0 .

Ejemplo 5. Continuando con el ejemplo 4, ahora supongamos que se desea determinar si la

media es mayor a 150000. Luego, H0: 150000 vs H1: > 150000, con t = 0.502,
= 0.10 y t 0.10,14 = T.INV.2T(2*0.10,14) = 1.345 . Vemos que t < t 0.10,14 , entonces no se
puede rechazar H0, es decir no hay evidencia de que la media es mayor a 150000, luego
debemos aceptar que la media de ventas diarias es igual o menor a $150000.00 . Adems,
p-valor = T.DIST.RT(0.502,14) = 0.312 y no se rechaza H 0 .

Ejemplo 6. Continuando con el ejemplo 4, ahora supongamos que se desea determinar si la

media es menor a 150000. Luego, H0: 150000 vs H1: < 150000. Con t = 0.502,
= 0.10 y t 0.10,14 = 1.345 . Vemos que t > t 0.10,14 , entonces no se puede rechazar H0,
es decir no hay evidencia de que la media es menor a 150000, luego debemos aceptar que la
media de ventas diarias es igual o mayor a $150000.00 . Adems,
p-valor = T.DIST(0.502,14,1) = 0.688 y no se rechaza H 0 .