Simulación

Gerencial

Modelos Estadísticos en Simulación I

Pruebas de Hipótesis
 Agenda
• Definiciones Básicas

• Pruebas sobre la media

• Pruebas sobre proporciones

• Pruebas para comparación de medias

• Pruebas para comparación de proporciones

 Definiciones Básicas
• Hipótesis Estadística: Una hipótesis estadística (HE) es una afirmación
acerca del valor de los parámetros de la distribución de una población si
dicha distribución se conoce, ó sobre el tipo de distribución si ésta es
desconocida. Si la hipótesis especifica completamente la distribución, se le
llama hipótesis simple, de lo contrario decimos que es una hipótesis
compuesta.

• Prueba estadística (de H0 contra H1): Una prueba para confrontar una
hipótesis estadística H0 contra una hipótesis estadística H1 (dichas hipótesis
deben ser excluyentes) es una regla que permite tomar la decisión de
aceptar ó rechazar la hipótesis H0 (y consecuentemente rechazar o aceptar
H1), según los valores obtenidos en la muestra aleatoria y de acuerdo con
cierto porcentaje admisible de error.
 Definiciones Básicas
• Hipótesis nula e hipótesis alterna: En pruebas de hipótesis estadísticas,
se acostumbra a llamar hipótesis nula (H0) a aquella que se asume hasta
el momento como verdadera, e hipótesis alterna (H1) a aquella que se
presenta como “nueva alternativa” a la hipótesis H0 que hasta el
momento aparecía como verdadera.

• Región crítica C: La región crítica C asociada a la prueba de una hipótesis

estadística es el conjunto de todos los posibles resultados de la muestra
aleatoria para los cuales la hipótesis nula es rechazada, de acuerdo con la
prueba aplicada.
 Resumen Errores Tipo I y II

HIPÓTESIS VERDADERA

H0 H1

Decisión Acertada *
H0 p=1-a Error de Tipo II
HIPÓTESIS
p=b
* Decisión Acertada
ACEPTADA H1 Error de Tipo I Potencia de la prueba
p=a p=1-b

5
 Ejemplo
De acuerdo con las normas establecidas por el gobierno, el contenido, X,
de las cervezas de determinada presentación (350 cc) debe seguir una
distribución N(350, 100).
Supongamos que hay dudas sobre si la compañía LA CAMPEONA está
violando la norma de contenido, embotellando en promedio únicamente
345 cc.

En ese caso, podríamos formular, por ejemplo, las siguientes hipótesis

estadísticas:
H0: µ = 350,
H1: µ = 345
 Ejemplo
Se toma una MA de 100 cervezas de la marca mencionada, de
acuerdo con un plan de muestreo apropiadamente diseñado.
Se formulan las siguientes pruebas estadísticas:

T1: Rechazar H0 Û X £ 349

T2: Rechazar H0 Û X £ 348

T3: Rechazar H0 Û X £ 346

¿Cuál será la prueba más apropiada si el máximo Error de Tipo I
permitido es a = 0.05?

7
 Ejemplo
H0: μ = 350,
H1: μ = 345
T1: Rechazar Ho si X £ 349.
α = P (Rechazar Ho / Ho verdadera)
= P( X £ 349 / X es N (350, 100)); => X es N (350, 100/100)
= P( Z £ (349 – 350) )
= P( Z £ -1 )
= 1 – 0.8413 = 0.1587 (Como se puede observar es mayor que 0.05)

β = P (No rechazar Ho / Ho falsa)

= P( X > 349 / X es N (345, 100)); => X es N(345, 100/100)
= P( Z > (349 – 345) )
= P( Z > 4 )
=1–1= 0

Realizar el mismo análisis para las pruebas T2 y T3 y concluir.

8
 Procedimiento General
1. Establezca las hipótesis Nula y Alterna.
2. Defina el nivel de significancia de la prueba.
3. Seleccione un estadístico de prueba adecuado.
4. Establezca la región crítica con base en 𝛼.
5. A partir del estadístico de prueba calculado, rechace Ho
si el estadístico de prueba está en la región crítica. De lo
contrario, no rechace Ho.
6. Produzca sus conclusiones.

9
 Síntesis
• Caso 1: H0: θ = θ0 T: Intervalos de Confianza de dos colas basado en un estimador
H1: θ ≠ θo apropiado de θ.

• Caso 2A: H0: θ = θ0

H1: θ > θ0 T: Intervalos de Confianza de una Cola ó Pruebas Uniformemente
más Potentes
• Caso 2B: H0: θ = θ0.
H1: θ < θ0

10
 Pruebas sobre la media
1. Varianza conocida
Si tenemos una MA 𝑋# , 𝑋% , … , 𝑋' en donde 𝑋( ~𝑁 𝜇, 𝜎 % ∀𝑖, con
el parámetro 𝜎 conocido, entonces tenemos que:

• H1 : 𝜇 = 𝜇 1
56789
• 𝑍1 = → 𝑁(0,1)
:/√'

11
 Ejemplo
Suponga que el proveedor de servicios de transporte del PG se
ha comprometido a realizar el recorrido, desde el nuevo
paradero de la calle 51 hasta el campus, durante una hora pico
en máximo 15 minutos. Para verificar si se cumple con lo
pactado, se toma una muestra aleatoria de 20 trayectos y se
obtiene un promedio muestral de 16.5 minutos. Si se puede
asumir que la desviación estándar de dicho tiempo es conocida e
igual a 3 minutos, con un nivel de significancia del 5%,
compruebe si el contratista está cumpliendo.

12
 Ejemplo
1 H1 : 𝜇 = 15
H1 : 𝜇 > 15
2 𝛼 = 5%
56789
3 𝑍1 =
:/√'
4

13
 Ejemplo
56789 #E.G7#G
5 𝑍1 = = = 2.236
:/√' H/√%1

6 Como el valor calculado cae en la región crítica (región de

rechazo), entonces existe suficiente evidencia estadística para
afirmar que, con un nivel de significancia del 5%, el contratista
no está cumpliendo con el tiempo pactado.

14
 Pruebas sobre la media
2. Varianza desconocida
Si tenemos una MA 𝑋# , 𝑋% , … , 𝑋' en donde 𝑋( ~𝑁 𝜇, 𝜎 % ∀𝑖, con
el parámetro 𝜎 desconocido, entonces tenemos que:

• H1 : 𝜇 = 𝜇 1
56789
• 𝑡1 = → 𝑡('7#)
M/√'

15
 Ejemplo
Suponga que el proveedor de servicios de transporte del PG se
ha comprometido a realizar el recorrido, desde el nuevo
paradero de la calle 51 hasta el campus, durante una hora pico
en máximo 15 minutos. Para verificar si se cumple con lo
pactado, se toma una muestra aleatoria de 20 trayectos y se
obtienen los siguientes resultados:
15.3 16 15.5 15.9 15 15.3 15.5 15.5 15.3 15.1
15.3 16 15.1 15.1 15 15.9 15.9 15.6 15.9 15.6

Con un nivel de significancia del 5%, compruebe si el contratista

está cumpliendo.

16
 Ejemplo
1 H1 : 𝜇 = 15
H1 : 𝜇 > 15
2 𝛼 = 5%
56789
3 𝑡1 =
M/√'
4

17
 Ejemplo
56789 #G.NO7#G
5 𝑡1 = = = 6.30
M/√' 1.HG/√%1

6 Como el valor calculado cae en la región crítica (región de

rechazo), entonces existe suficiente evidencia estadística para
afirmar que, con un nivel de significancia del 5%, el contratista
no está cumpliendo con el tiempo pactado.

18
 Pruebas sobre proporciones
Si tenemos una MA 𝑋# , 𝑋% , … , 𝑋' en donde 𝑋( ∈ {0,1}, donde 1
representa la presencia de la variable de interés, entonces
tenemos que:

• H1 : 𝑝 = 𝑝1
UV7U9
• 𝑧1 = → 𝑁(0,1)
W9 (XYW9 )
Z

19
 Ejemplo
Suponga que el proveedor de servicios de transporte del PG se
ha comprometido a realizar el recorrido, desde el nuevo
paradero de la calle 51 hasta el campus, durante una hora pico
en máximo 15 minutos. En el contrato hay una clausula que
especifica que al menos el 60% de los recorridos deben estar con
máximo un minuto adicional a ese tiempo. Para verificar el
cumplimiento, se toma una muestra aleatoria de 20 recorridos:
15.8 16.5 16.1 16.4 15.5 15.8 16 16 15.8 15.6
15.8 16.5 15.6 15.6 15.5 16.4 16.4 16.1 16.4 16.1

Con un nivel de significancia del 5%, compruebe si el contratista

está cumpliendo.

20
 Ejemplo
1 H1 : 𝑝 = 0.6
H1 : 𝑝 < 0.6
2 𝛼 = 5%
UV7U9
3 𝑧1 =
W9 (XYW9 )
Z

21
 Ejemplo
UV7U9 1.GG71.E
5 𝑧1 =
W9 (XYW9 )
=
9.] (XY9.])
= −0.45
Z ^9

6 Como el valor calculado cae fuera de la región crítica (región de

rechazo), entonces existe suficiente evidencia estadística para
afirmar que, con un nivel de significancia del 5%, el contratista si
está cumpliendo con la clausula pactada.
22
 Pruebas para comparación de
medias
1. Varianza conocida en las dos muestras
Si tenemos una MA 𝑋# , 𝑋% , … , 𝑋'X en donde 𝑋( ~𝑁 𝜇# , 𝜎#% ∀𝑖 y
otra MA 𝑌# , 𝑌% , … , 𝑌'^ en donde 𝑌( ~𝑁 𝜇% , 𝜎%% ∀𝑖. Con los dos
parámetros 𝜎# y 𝜎% conocidos, entonces tenemos que:

• H1 : 𝜇# − 𝜇% = 𝛿1
(567d6) 7e9
• 𝑍1 = → 𝑁(0,1)
f^ ^
X g f^
ZX Z^

23
 Ejemplo
Suponga que el proveedor de servicios de transporte del PG se
ha comprometido a realizar el recorrido, desde el nuevo
paradero de la calle 51 hasta el campus, durante una hora pico
en máximo 5 minutos por encima del tiempo promedio en hora
valle. Para verificar si se cumple con lo pactado, se toma una
muestra aleatoria de 20 trayectos en hora valle y 15 trayectos en
hora pico. Se obtienen promedios muestrales de 12 minutos y
17.5 minutos respectivamente. Si se puede asumir que la
desviación estándar de dicho tiempo es conocida e igual a 2
minutos , para cualquier hora. Con un nivel de significancia del
1%, compruebe si el contratista está cumpliendo.

24
 Ejemplo
1 H1 : 𝜇# − 𝜇% = 5
H1 : 𝜇# − 𝜇% > 5
2 𝛼 = 1%
h 7d
(5 h ) 7e9
3 𝑍1 =
f^ ^
X g f^
ZX Z^

25
 Ejemplo
(567d6) 7e9 (#i.G7#%) 7G
5 𝑍1 = = j j
= 0.732
f^ ^ g
X g f^ Xk ^9
ZX Z^

6 Como el valor calculado cae fuera de la región crítica (región de

rechazo), entonces existe suficiente evidencia estadística para
afirmar que, con un nivel de significancia del 10%, el contratista
si está cumpliendo con su compromiso.

26
 Pruebas para comparación de
medias
2. Varianza desconocida en las dos muestras
Si tenemos una MA 𝑋# , 𝑋% , … , 𝑋'X en donde 𝑋( ~𝑁 𝜇# , 𝜎#% ∀𝑖 y
otra MA 𝑌# , 𝑌% , … , 𝑌'^ en donde 𝑌( ~𝑁 𝜇% , 𝜎%% ∀𝑖. Con los dos
parámetros 𝜎# y 𝜎% desconocidos, pero asumiremos que son
iguales, entonces tenemos que:

• H1 : 𝜇# − 𝜇% = 𝛿1
(567d6) 7e9 'X 7# MX^ g '^ 7# M^^
• 𝑡1 = → 𝑡'X g'^ 7% con 𝑆U% =
'X g'^ 7%
m^
W m^
W
g
ZX Z^

27
 Ejemplo
Suponga que el proveedor de servicios de transporte del PG se
ha comprometido a realizar el recorrido, desde el nuevo
paradero de la calle 51 hasta el campus, durante una hora pico
en máximo 5 minutos por encima del tiempo promedio en hora
valle. Para verificar si se cumple con lo pactado, se toma una
muestra aleatoria de 10 trayectos en hora valle y 10 trayectos en
hora pico:
Valle 12.8 13.5 13.1 13.4 12.5 12.8 13 13 12.8 12.6
Pico 16.8 17.5 16.6 16.6 16.5 17.4 17.4 17.1 17.4 17.1

Con un nivel de significancia del 5%, compruebe si el contratista

está cumpliendo.

28
 Ejemplo
1 H1 : 𝜇# − 𝜇% = 5
H1 : 𝜇# − 𝜇% > 5
2 𝛼 = 5%
(567d6 ) 7e9
3 𝑡1 =
m^
W m^
W
g
ZX Z^

29
 Ejemplo
(567d6) 7e9 (#i.1N7#%.OG) 7G
5 𝑡1 = = 9.X^] 9.X^]
= −5.73
m^
W m^
W X9
g
X9
g
ZX Z^

6 Como el valor calculado cae fuera de la región crítica (región de

rechazo), entonces existe suficiente evidencia estadística para
afirmar que, con un nivel de significancia del 5%, el contratista si
está cumpliendo con su compromiso.

30
 Pruebas para comparación de
medias
3. Varianza desconocida en las dos muestras
Si tenemos una MA 𝑋# , 𝑋% , … , 𝑋'X en donde 𝑋( ~𝑁 𝜇# , 𝜎#% ∀𝑖 y
otra MA 𝑌# , 𝑌% , … , 𝑌'^ en donde 𝑌( ~𝑁 𝜇% , 𝜎%% ∀𝑖. Con los dos
parámetros 𝜎# y 𝜎% desconocidos, pero asumiremos que son
diferentes, entonces tenemos que:
• H1 : 𝜇# − 𝜇% = 𝛿1
m^ m ^ ^
Xg ^
(567d6) 7e9 ZX Z^
• 𝑡1 = → 𝑡o con g.l. v = ^ ^ ^
^ m^ m
m^
X g m^
X
ZX Z^
^

ZX Z^ ZX YX
g Z YX
^
redondeado al entero menor
31
 Pruebas para comparación de
medias
4. Muestras Pareadas
Si tenemos una MA 𝑋# , 𝑋% , … , 𝑋' en donde 𝑋( ~𝑁 𝜇# , 𝜎#% ∀𝑖 y
otra MA 𝑌# , 𝑌% , … , 𝑌' en donde 𝑌( ~𝑁 𝜇% , 𝜎%% ∀𝑖. Pero en donde
existe una relación entre las muestras, es decir el valor 𝑋( está
relacionado con el valor 𝑌( . :
• H1 : 𝜇 q = 𝜇 1
56r 789
• 𝑡1 = → 𝑡('7#)
Mr /√'

h q es el promedio de
Se debe construir la variable 𝐷( = 𝑋( - 𝑌( . 𝑋
esa variable y 𝑠q la desviación estándar de la misma variable

32
 Pruebas para comparación de
Proporciones
Si tenemos una MA 𝑋# , 𝑋% , … , 𝑋'X en donde X v ∈ {0,1}∀𝑖 y otra
MA 𝑌# , 𝑌% , … , 𝑌'^ en donde 𝑌( ∈ {0,1}. Donde 1 representa la
presencia de la variable de interés. Entonces tenemos que:

• H1 : 𝑝# − 𝑝% = 𝛿1

(UVX 7UV^ )7e9 'X UVX g'^ UV^

• 𝑍1 = X X
→ 𝑁(0,1) con 𝑝̂ = 'X g'^
UV(#7UV) g
ZX Z^

33