Objetivos

 Describir el significado de una hipótesis

nula y una alternativa.
 Transformar una declaración verbal en una
hipótesis nula o alternativa, e incluso
determinar si es adecuada una prueba de
dos colas o de una cola.
 Describir qué significan los errores de tipo I
y de tipo II, y explicar cómo pueden
reducirse en una prueba de hipótesis.
 Efectuar una prueba de hipótesis para la
media o la proporción poblacional,
interpretar los resultados de la prueba y
determinar la decisión de negocios correcta
que debe aplicarse.
 Determinar y aplicar el valor de p para una
prueba de hipótesis.
 Explicar cómo se relacionan los intervalos
de confianza con las pruebas de hipótesis.
• Determinar y explicar la curva de
potencia para una prueba de hipótesis
y dar una regla de decisión específica.
• Determinar y explicar la curva
característica de operación para una
prueba de hipótesis y una regla de
decisión específica.
La hipótesis nula
 El primer paso para examinar afirmaciones
como las anteriores es plantear una
hipótesis nula, expresada como H0 (“H
subcero”). La hipótesis nula es una
afirmación acerca del valor de un parámetro
poblacional y se postula para ser probada
según la evidencia numérica. Una hipótesis
nula se rechaza o no se rechaza.
• La hipótesis nula es la afirmación de que
“todo sigue igual, no ocurre nada
extraño” que prácticamente lo invita a
desafiar su veracidad. En la filosofía de
una prueba de hipótesis, se supone que
la hipótesis nula es verdadera a menos
que tengamos una evidencia estadística
abrumadora de lo contrario. En otras
palabras, tiene el beneficio de la duda.
La hipótesis alternativa
 La hipótesis alternativa, H1 (“H subuno),
es la afirmación que se sustenta si la
hipótesis es falsa. Para una prueba
específica, las hipótesis nula y alternativa
incluyen todos los valores posibles de un
parámetro de la población, de modo que una
de las dos tiene que ser falsa.
 Existen tres opciones posibles para
plantear las hipótesis nula y alternativa
 Prueba direccional y prueba no
direccional
 Una declaración o afirmación direccional
sostiene que un parámetro poblacional es
mayor que (>), al menos (≥), no mayor
que (≤) o menor que (<) alguna cantidad.
Por ejemplo, el proveedor de Jackson afirma
que no más de 20% de las latas de
remolacha están abolladas.
• Una declaración o afirmación no
direccional sostiene que un parámetro
es igual a alguna cantidad.
Tabla 1: Categorías de las afirmaciones típicas para las hipótesis nula y alternativa

A: La afirmación es una igualdad, “ = ”

Ejemplo:”El promedio de duración de un neumático es de 35 000 millas”

H0 : = 35 000 millas

H1 : µ 35 000 millas

B: Las afirmaciones “ ” o “ ” (NO > o <)

Ejemplo: “El promedio de duración de un neumático es al menos de 35 000 millas”

H0 : 35 000 millas

H1: µ < 35 000 millas

Ejemplo: “El promedio de duración de un neumático es no más de 35 000 millas”

H0 : 35 000 millas

H1: µ > 35 000 millas

 Errores en las pruebas de
hipótesis
El rechazo de una hipótesis nula que es verdadera se
conoce como error tipo I , y nuestra probabilidad de
cometer tal error se representa mediante la letra griega
alfa ( α ). Esta probabilidad, que se denomina nivel de
significancia de la prueba, es muy importante en una
prueba de hipótesis.
Por otra parte, podemos cometer el error de no
rechazar una hipótesis nula que es falsa; éste es un
error tipo II. La probabilidad de cometerlo se
representa mediante la letra griega beta (β ).

La probabilidad de rechazar una hipótesis nula que es

falsa se llama potencia de la prueba.
 Pruebas de hipótesis:
procedimientos básicos
1.- Formular las hipótesis nula y alternativa.
2.- Seleccionar el nivel de significancia.
3.- Seleccionar el estadístico de prueba y calcular su
valor.
4.- Identificar los valores críticos para el estadístico
de prueba y establecer la regla de decisión.
5.- Comparar los valores calculados y críticos y
llegar a una conclusión acerca de la hipótesis
nula.
6.- Tomar la decisión de negocios correspondiente.
Estadístico de la prueba, prueba z
para la media muestral:
 Interpretación del valor p en la
impresión de una computadora:
 El efecto de un tamaño de muestra más grande en los errores de tipo I y de tipo II

Para un tamaño de muestra específico, podemos cambiar la regla de decisión de modo

que disminuya , la probabilidad de cometer un error de tipo II. Sin embargo, esto
aumentará , la probabilidad de cometer un error de tipo I. Asimismo, para un tamaño
de muestra específico, modificar la regla de decisión con el fin de disminuir
aumentará . En cualquiera de los casos, tenemos una correspondencia entre y . Por
otra parte, podemos disminuir tanto como al usar un tamaño de muestra más
grande. Con el tamaño de muestra más grande: 1) será más estrecha la distribución
muestral de la media o de la proporción, y 2) es más probable que la regla de decisión
resultante nos conduzca a la conclusión correcta con respecto a la hipótesis nula.

Si se efectúa una prueba con un nivel de significancia específico (por ejemplo, =

0.05), utilizar una tamaño de muestra más grande cambiará la regla de decisión, pero no
modificará . Esto se debe a que se ha definido con anticipación. Sin embargo, en
esta situación un tamaño de muestra más grande reducirá el valor de , la probabilidad
de cometer un error de tipo II.
 Ejemplo
Suponga que la prueba de Extendabulb corresponde a una muestra
formada por n = 60 focos en lugar de sólo 40. Con el tamaño de
muestra más grande, la prueba ahora se vería así:

 La prueba no se modifica con respecto a los siguiente:

Hipótesis nula:

Hipótesis alternativa:

Desviación estándar de la población:

Nivel de significancia especificado:

 Se modifica lo siguiente como resultado de n = 60 en lugar de n = 40:

 El error estándar de la media muestral, , ahora es:

El valor crítico de z de +1.645 ahora corresponde a una media muestral de:

1030.00 + 1.645(11.62) horas = 1049.11 horas

La regla de decisión se convierte en, “Rechazar si > 1049.11 horas”

Con el tamaño de muestra más grande y esta nueva regla de decisión, encontraríamos
los valores siguientes para la potencia de la prueba. En la tabla respectiva, se comparan
los valores de la potencia de la prueba con n = 60 y n = 40.
Cada prueba utiliza su propia regla de decisión para el nivel de significancia de
0.05.

Potencia de la prueba
Con n = 60 Con n = 40
Verdadero valor de µ Prob.( >1049.11) Prob.( >1053.41)
1040 0.2177 0.1736
1060 0.8264 0.6772
1080 0.9961* 0.9693
Por ejemplo, para n = 60 y la regla de decisión mostrada;

con el área de la curva a la derecha de z = -2.66 igual a 0.9961*

Como indican estas cifras, la misma prueba con n = 60 (y la regla de decisión

correspondiente) tendría una probabilidad más grande de rechazar correctamente la
hipótesis nula falsa para cada posible media poblacional del caso anterior (curva de
potencia para una prueba de hipótesis). Si el ejemplo de Extendabulb hubiera
permanecido igual, pero sólo se hubiera cambiado el tamaño de la muestra, el
tamaño de la muestra n = 60 hubiera producido valores de ( mucho más alto
que los calculados antes para n = 40.
Diferencia Potencia (n = 40) Potencia1 (n = 60)

0 0.050000 0.050000

10 0.173064 0.216464

20 0.405399 0.530478

30 0.678437 0.825656

40 0.878205 0.963896

50 0.969174 0.996075

60 0.994937 0.999784
Se puede graficar la curva de potencia para los dos casos (n = 40 y n = 60):