EIclase01 PDF

William J León V
ESTADISTICA
INDUSTRIAL
TEMA 01
Ing. William León Velásquez

William J León V
PRUEBA DE
HIPOTESIS
2
William J León V
CONTENIDO
 CONCEPTOS BÁSICOS DE PRUEBA DE

HIPÓTESIS
 PRUEBA DE HIPÓTESIS PARA MUESTRAS
GRANDES
 PRUEBA DE HIPÓTESIS PARA DOS MUESTRAS
GRANDES
3
William J León V
1
CONCEPTOS BÁSICOS
DE PRUEBA DE
HIPOTESIS
4
William J León V
HIPÓTESIS ESTADÍSTICA
▰Las Hipótesis estadísticas es una afirmación o suposición sobre

un valor de un parámetro.
Ejemplo de parámetros:
▻La media poblacional.
▻La proporción poblacional
▰Una Prueba de Hipótesis estadística es un

procedimiento basado en evidencia de la
muestra y la teoría de la probabilidad para
determinar si la hipótesis es una afirmación
razonable 5
5
William J León V
DETERMINACIÓN DE LA HIPÓTESIS
ESTADÍSTICA
El valor del parámetro de la población especificado en la hipótesis

se determina de tres maneras:
a. Como resultado de la experiencia o

conocimientos pasados de un proceso, o
incluso de experimentación previa.
▰El objetivo de la prueba de hipótesis

es determinar si la situación
experimental ha cambiado.
6
6
William J León V
ESTADÍSTICA
b. A partir de una teoría o modelo con

respecto al objeto que se estudia.
▰El objetivo de la prueba de hipótesis

es verificar la teoría o modelo.
7
7
William J León V
ESTADÍSTICA
c. Como resultado de consideraciones

experimentales, como las especificaciones
de diseño o ingeniería, o de obligaciones
contractuales.
▰ El objetivo de la prueba de hipótesis es la

prueba de conformidad.
8
8
William J León V
IDENTIFICACIÓN DE HIPÓTESIS
▰En una prueba de hipótesis se inicia, asumiendo un valor de un parámetro

que, a juicio del investigador, es el más adecuado de acuerdo con la
información disponible,
▰A este supuesto se le llama hipótesis nula y se representa con Ho.
• La otra hipótesis que se define a continuación se
llama hipótesis alternativa, que es la opuesta de lo
que se afirma en la hipótesis nula.
La hipótesis alternativa se representa como Ha o H1
9
9
William J. León Velásquez
William J León V
IDENTIFICACIÓN DE HIPÓTESIS
▰Hipótesis nula Ho ▰Hipótesis. Alternativa H1

▻ La que se contrasta ▻ Es la negación de la H0
▻ Los datos pueden rechazarla ▻ Los datos pueden mostrar evidencia a favor
▻ No debería ser rechazada sin una ▻ No debería ser aceptada sin una gran
buena razón. evidencia a favor.

H 0 : p  0.5
 p  0.5 , , 
 H1 :
10
10
William J León V
EJEMPLO
¿Debo tomar Aspirina o

Ibuprofeno para el dolor de cabeza?
Laboratorios Bayer me dice que tome Existe teoría (antigua) de
Aspirina  que lo mejor es Aspirina
Laboratorios Cinfa me dice que tome Existe teoría (nueva) de

Ibuprofeno  que lo mejor es Ibuprofeno
Se tiene dos teorías que compiten.

En estadística se va a llamar hipótesis.
11
William J León V
DEFINICIONES
▰ La hipótesis nula, denotada por Ho, es el “status quo”, lo

convencional, lo que sabemos de la población, lo aceptado
hasta el momento.
▰ La hipótesis alternativa, denotada por H1, es una

alternativa a la hipótesis nula – implica cambio, es lo que el
investigador espera que sea cierto.
Ho: El nuevo medicamento es tan efectivo
como el antiguo.
H1: El nuevo medicamento es más efectivo

que el antiguo. 12
William J León V
¿Cuál es H0?
Problema: El tiempo de vida promedio de una determinada pieza
usada en el ensamblaje de una marca de computadoras es de 20,000
horas.
Solución:
▻ Traducir a lenguaje estadístico: 𝜇 = 20,000
▻ Establecer su opuesto: 𝜇 ≠ 20,000
▻ Seleccionar la Hipótesis alternativa 𝐻1 : 𝜇 ≠ 20,000
▻ Seleccionar la hipótesis nula 𝐻𝑜 : 𝜇 = 20,000
13
William J León V
¿Cuál es H0?
Problema: ¿El colesterol medio para la dieta de los trabajadores de
las empresas textiles es 6 mmol/l?

Solución:
▻Traducir a lenguaje estadístico:   6
▻Establecer su opuesto:  6
▻Seleccionar la Hipótesis alternativa: 𝐻1 : 𝜇 ≠ 6
▻Seleccionar la hipótesis nula 𝐻 : 𝜇=6
0
14
William J León V
¿Cuál es H0?
Problema: ¿La altura media o promedio de los obreros de la

empresa de confecciones es de 1.60 m?
Solución:
▻ Traducir a lenguaje estadístico:

  1.60
▻ Establecer su opuesto:   1.60
▻ Seleccionar la Hipótesis alternativa:
𝐻1 : 𝜇 ≠ 1.60
▻ Seleccionar la hipótesis nula 𝐻0 : 𝜇 = 1.60 15
William J León V
¿Cuál es H0?
 Problema: El porcentaje de personas atacadas por cierta
enfermedad laboral en una fabrica grande, no es mayor del 10%.
 Solución:
 Traducir a lenguaje estadístico: p  0.10
 Establecer su opuesto: p  0.10
 Seleccionar la Hipótesis alternativa: 𝐻1 : 𝜇 > 0.10
 Seleccionar la hipótesis nula
𝐻0 : 𝜇 = 0.10
16
William J León V
¿Cuál es H0?
Problema: ¿El estrés laboral estará relacionada con el género?
Solución:
▻Traducir a lenguaje estadístico: p  0.5
▻Establecer su opuesto: p  0.5
▻Seleccionar la Hipótesis alternativa 𝐻1 : 𝑝 ≠ 0.5
▻Seleccionar la hipótesis nula 𝐻0 : 𝑝 = 0.5

17
William J León V
REGIÓN CRÍTICA Y NIVEL DE

SIGNIFICACIÓN
▰ La región crítica es el conjunto de valores de la
prueba estadística que puede causar el rechazo
de la hipótesis nula.
• El nivel de significancia (denotado por α) es

la probabilidad de que la prueba estadística
caerá en la región crítica cuando la Región de no
rechazo
hipótesis nula es actualmente cierta.
18
William J León V

SIGNIFICACIÓN
• Si la prueba estadística cae en la región

crítica, se rechaza la hipótesis nula,
entonces α es la probabilidad de cometer
el error de rechazar la hipótesis nula
cuando ésta es cierta.
Región de no
• Los valores mas usados de α son 0.05, rechazo
0.01, y 0.10.
19
William J León V

SIGNIFICACIÓN
Región crítica Nivel de significación: α
▰ Valores ‘improbables’ si... ▰ Número pequeño: 1% , 5%
▰ Es conocida antes de realizar el ▰ Fijado de antemano por el investigador
experimento: resultados ▰ Es la probabilidad de rechazar H0
experimentales que refutarían H0 cuando es cierta
a=0.05
Reg. Crit.
Reg. Crit.
No rechazo H0
H0: =40
20
William J León V
PRUEBA: UNILATERAL Y
BILATERAL
▰ Las pruebas pueden ser unilaterales o bilaterales (también

llamados de una o dos colas) según establezcamos las
hipótesis,
▰ Si se define en términos de igual y

diferente se esta ante una prueba
bilateral,
▰ Si se coloca una dirección (en términos de
mayor o menor) se esta ante uno prueba
unilateral
21
21
William J León V
PRUEBA: UNILATERAL Y BILATERAL
La posición de la región crítica depende de la hipótesis alternativa
Unilateral
Bilateral
H1:  < 40
Unilateral
H1:   40
H1:  >40
22 22
William J León V
SIGNIFICACIÓN: p
▰El grado de significación 'p' o 'sig' es la probabilidad de error

al rechazar la hipótesis nula.
• Cuanto más pequeño sea su valor

más probable será que la hipótesis
nula sea falsa.
23
23
William J León V
SIGNIFICACIÓN: p
▰ El grado de significación está relacionado con el nivel de
significación es decir con el riesgo de error que se está dispuesto
a asumir en caso de rechazar la hipótesis nula.
24
24
William J León V
SIGNIFICACIÓN: p
• El grado de significación se calcula 'a posteri', es decir
cuando se conoce el resultado de haber aplicado una
prueba de significación.
• El grado de significación indica la probabilidad de error
calculada al rechazar la hipótesis nula.
En la práctica la forma de ejecutar es la siguiente:

Si p >= α no se rechaza la hipótesis nula.
Si p < α se rechaza la hipótesis nula
25
25
William J León V
SIGNIFICACIÓN: p
H0:  =40 p es la probabilidad que tendría una región

crítica que comenzase exactamente en el
H1:  >40 valor del estadístico obtenido de la muestra.
P a Es la probabilidad de tener una muestra que
discrepe aún más que la nuestra de H0.
Es la probabilidad de que por puro azar se
P a
logre una muestra “más extraña” que la
obtenida.
p es conocido después de realizar el
experimento aleatorio.
X  43 La verificación es no significativa cuando p>a
No se rechaza H0:  =40 26

26
William J León V
SIGNIFICACIÓN: p
H0:  =40
H1:  >40
La verificación es
estadísticamente significativa
a P cuando p < α
Es decir, si el resultado
a P experimental discrepa más
de “lo tolerado” a priori.
X  50
Se rechaza H0:  =40
27
Se acepta H1:  >40 27
William J León V
RESUMEN: α, p y criterio de rechazo
▰Sobre α ▰Sobre p
▰ Es un número pequeño, ▻ Es conocido tras realizar el
preelegido al diseñar el experimento
experimento
▻ Conocido p sabemos todo

▻ Conocido a sabemos todo sobre el resultado del
sobre la región crítica experimento
 Sobre el criterio de rechazo

 La verificación es significativa si p menor que a
(cuando se rechaza Ho) 28
William J. león Velásquez
William J León V
RIESGOS AL TOMAR DECISIONES

Ejemplo 1:
Se juzga a un individuo por la presunta ejecución de un delito
Los datos pueden rechazarla
No se rechazará si las pruebas no indican
lo contrario
Rechazarla por error tiene graves
consecuencias
H0: Hipótesis nula
No debería ser no rechazada sin una gran
▻ No es culpable evidencia a favor.
Rechazarla por error tiene consecuencias
H1: Hipótesis alternativa consideradas menos graves que la
▻ Es culpable anterior
▻ No es inocente 29
29
William J León V
RIESGOS AL CONTRASTAR
HIPÓTESIS
Ejemplo 2:
Se cree que la implementación de un nuevo
proceso ofrece buenos resultados
Ejemplo 3:
Parece que hay una incidencia de productos
defectuosos más alta de lo normal
30
30
William J León V
RIESGOS AL CONTRASTAR
HIPÓTESIS
No especulativa
H0: Hipótesis nula
▻(Ej.1) No es culpable
▻(Ej.2) El nuevo proceso no tiene efecto en los resultados
▻(Ej.3) No hay nada que destacar en los productos
Especulativa
H1: Hipótesis alternativa
▻(Ej.1) Es culpable
▻(Ej.2) El nuevo proceso es útil
▻(Ej. 3) Hay una situación anormal en los productos
31
31
William J León V
TIPOS DE ERROR AL TOMAR UNA DECISIÓN
• La verificación de la hipótesis no establece la verdad

de la hipótesis, sino un criterio que nos permite decidir
SI UNA HIPÓTESIS NO SE RECHAZA O SE RECHAZA,
o
• El determinar si las muestras observadas difieren
significativamente de los resultados esperados.
▰ En este proceso podemos incurrir en dos

tipos de errores según sea la situación real
y la decisión que tomemos.
32
32
William J León V
TIPOS DE ERROR AL TOMAR UNA

DECISIÓN
▰ Si se rechaza una hipótesis nula, cuando

debe no ser rechazada, se comete un
error de tipo I.
▰ Si no se rechaza una hipótesis nula,
debiendo ser rechazada se comete un
error de tipo II.
33
33
William J León V
TIPOS DE ERROR AL TOMAR UNA

DECISIÓN
▰ Minimizar los errores no es un asunto sencillo, un caso suele

ser más grave que otro y los intentos de disminuir uno suelen
producir el aumento del otro.
La única forma de disminuir

ambos a la vez es aumentar el
tamaño de la muestra.
34
34
William J León V
TIPOS DE ERROR AL TOMAR UNA DECISIÓN

REALIDAD
Inocente Culpable
VEREDICTO Inocente
OK Error
Menos grave
Culpable Error OK
Muy grave
35
35
William J León V
TIPOS DE ERROR AL CONTRASTAR

HIPÓTESIS
REALIDAD
CONCLUSIÓN H0 cierta H0 Falsa
No Rechazo H0
Correcto Error de tipo II
El tratamiento no tiene El tratamiento si tiene efecto
efecto y así se decide. pero no lo percibimos.
Probabilidad β
Rechazo H0 Error de tipo I Correcto

El tratamiento no tiene
El tratamiento tiene efecto y el
Acepto H1 efecto pero se decide que sí.
experimento lo confirma.
Probabilidad α 36
36
William J León V
2
PRUEBA DE HIPOTESIS
PARA LA MEDIA.
MUESTRAS GRANDES
37
William J León V
PRUEBA DE HIPOTESIS PARA

MUESTRAS GRANDES
Cuando se plantean hipótesis para la media de una

▰ Si las desviaciones estándar poblacionales son conocidas y/o
▰ El tamaño de la muestra es grande
El estadístico de prueba está dado por:
z
38
William J León V
CINCO PASOS PARA PROBAR UNA

HIPOTESIS PARA LA MEDIA
1. Definir la Hipótesis estadística H0 y Ha
▰ En la prueba de hipótesis, se debe establecer el

valor supuesto o hipotetizado del parámetro de la
población antes de comenzar a tomar la
muestra.
▰ La suposición que se desea probar se conoce
como hipótesis nula: Ho.
39
39
William J León V
PASOS A SEGUIR EN UNA PRUEBA DE

HIPOTESIS
▰ En base a los datos muestrales la hipótesis nula se
rechaza o no rechaza.
▰ Nunca se puede aceptar la hipótesis nula como
verdadera, para demostrar sin lugar a dudas que
la hipótesis es verdadera, se tendría que
conocer el parámetro de la población.
▰ El no rechazo solamente significa que la
evidencia muestral no es lo suficientemente
fuerte como para llevar a su rechazo.
40
40
William J León V

HIPOTESIS

▰Es importante recordar que, sin importar como se
determina el problema, la hipótesis nula siempre lleva
el signo de igual ( = ).
Ejemplo:
Si se desea probar la hipótesis de que la media de la
población es igual a 16.
Se simbolizará
Ho: μ= 16
y leerá de la siguiente manera:
“La hipótesis nula es que la media de la población es
igual a 16”.
41
41
William J León V

HIPOTESIS

 La hipótesis alternativa describe la
conclusión a la que se llegará si se
rechaza a la hipótesis nula.
 También se conoce como hipótesis de
investigación.
 La hipótesis alternativa se acepta si los
datos de la muestra proporcionan suficiente
evidencia estadística de que la hipótesis
nula es falsa. 42
42
William J León V

HIPOTESIS

▰ Se considera tres hipótesis alternativas posibles:
Ha: ≠ 16
Ha: > 16
Ha: < 16
▰ El signo de igual ( = ) nunca aparecerá en la hipótesis
alternativa. Porque la hipótesis nula es la declaración
que se prueba, y es necesario incluir un valor
especifico en los cálculos.
▰ La hipótesis alternativa se considera, sólo si se
demuestra que no es verdadera la hipótesis nula. 43
43
William J León V

HIPOTESIS
2. Establecer el estadístico de prueba que sea

apropiado.
 El estadístico de prueba es un valor que se
calcula en base a la información de la muestra, y
que se utiliza para determinar si se rechaza o no
la hipótesis nula.
 Existen muchos estadísticos de prueba que

pertenecen a una distribución muestral con su
propia forma, media y desviación estándar.
Z, t, χ2 , F
44
44
William J León V

HIPOTESIS
2. Establecer el estadístico de prueba que sea
apropiado.
Ejemplo:
• En la prueba de hipótesis para la media, cuando la
desviación estándar de la población es conocida y/o
el tamaño de la muestra es grande el estadístico de
prueba que se va ha utilizar es la Z
• Y se calcula por: X
z

n 45
45
William J León V

HIPOTESIS
3. Definir el nivel de significancia y la zona de rechazo

 El nivel de significancia es la probabilidad de
rechazar la hipótesis nula cuando es verdadera
es a lo que se llama error Tipo I.
 El nivel de significancia se define con la letra griega
alfa (α ).
 Se le llama también nivel de riesgo.
46
46
William J León V

HIPOTESIS
 No hay un nivel de significancia que se aplique a
todas las pruebas.
 Se toma la decisión de utilizar los niveles 0.05 ( que

con frecuencia se conoce como un nivel del 5%),
 Pero se puede tomar 0.01, 0.10, o cualquiera entre

0 y 1 a elección de la persona que realiza la prueba.
47
47
William J León V

HIPOTESIS
La zona de rechazo tiene:

 Una magnitud dada por α y
 Una dirección dada por la hipótesis
alternativa.
48
48
William J León V

HIPOTESIS
Ejemplo Z=
49
49
William J León V
PASOS A SEGUIR EN UNA PRUEBA DE HIPOTESIS

Si μ = 16, existe sólo un 2.5% Si μ = 16, existe sólo un 2.5%
de oportunidad de que una de oportunidad de que una
media muestral produzca un media muestral produzca un
valor de Z < -1.96 valor de Z > 1.96
Existe un 95% de probabilidad de que los resultados

muestrales puedan caer entre ± 1.96 si la hipótesis nula es
verdadera
50
50
William J León V

HIPOTESIS
4. Calcular el estadístico de
prueba a partir de los datos
muestrales considerando H0
como verdadera
X
z

n
51
51
William J León V

HIPOTESIS
5. Decidir si H0 no se rechaza o se rechaza.
Y Concluir en términos del contexto del

problema.
52
52
William J León V
EJEMPLO 1
El fabricante de una llanta especial para camiones afirma que la duración media

de la parte rodante de agarre es de 60,000 Km. La desviación estándar del

kilometraje es de 5,000 Km.
 Una empresa de transportes compró 48 llantas y halló que la duración media
para sus vehículos fue de 59,500 Km.
▰ ¿Se podrá afirmar en base a los resultados que es distinta
de la expresado por el fabricante a un nivel de significación
de 0.05?
Datos:  = 60,000 Km
σ = 5,000 Km
n = 48 llantas
a = 0.05 53
𝑥=ҧ 59,500 Km
William J León V
Solución:
Paso 1
Las hipótesis se expresan de la siguiente manera:
H0 :  = 60,000 Km
La duración de las llantas es de 60,000 Km
H1 :  60,000 Km
La duración de las llantas es distinta a 60,000 Km
54
William J León V
Solución:
Paso 2
El estadístico de prueba mas apropiado.
Teniendo en cuenta que se tiene una muestra de 48 llantas y se conoce
la desviación estándar de la población
n = 48 llantas
σ = 5,000 Km
Se utilizará la distribución Z
55
William J León V
Solución:
Paso 3
El nivel de significancia es de 0.05
Y por la hipótesis alternativa:
H1 :  60,000 Km Se trata de una prueba bilateral
En el siguiente paso es obtener el valor de “Z” y para ello se debe
apoyar en la gráfica siguiente:
Como se trata de una prueba bilateral:
Para un α= 0.05
Se calcula α/2=0.025
*Se recurre a las tablas de la distribución normal
56
* Este procedimiento va depender del tipo de tabla que se tenga
William J León V
Solución:
Paso 3
Para el caso de una tabla acumulativa de -∞ hasta z
Con el valor de α/2=0.025

Se resta de 1
1- 0.025=0.975,
Luego se ubica
un valor de Z = 1.96
57
William J León V
Solución:
Paso 3
Para el caso de una tabla
acumulativa de z hasta ∞
Con el valor de
α/2=0.025
Se ubica directamente
58
William J León V
Solución:
Paso 3
En el siguiente paso es definir la zona de rechazo

Con z= 1.96 y una hipótesis alternativa con operador ≠ que representa
una prueba de dos colas
La regla de decisión será:
Se rechaza la Ho si el Zc es >1.96 o Zc<-1.96
59
-1.96 1.96
William J León V
Solución:
Paso 4
Se calculará el estadístico de prueba Zd a partir de los datos
muestrales considerando H0 como verdadera
𝑥ҧ − 𝜇 Donde:
𝑍𝑑 = 𝜎
𝜎𝑥ҧ 𝜎𝑥ҧ =
𝑛
59,500  60,000 5000 5000
Zc  𝜎𝑥ҧ = = =721.71
721.71 48 6.928
Zc  0.693
60
William J León V
Solución:
Paso 5
• Se va ha decidir si H0 se rechaza o no se rechaza . -0.693
Como el estadístico Zd es -0.693 es mayor que el

valor crítico -1.96 NO se rechaza la hipótesis nula
Es decir el z de los datos (Zd) se encuentra en la
zona de no rechazo
ZONA DE
NO
RECHAZO
-1.96 1.96
61 61
William J León V
Solución:
Paso 5
• Conclusión: .
• Se puede afirmar con un nivel de significancia del

5%, que la duración de las llantas NO es distinta a
60,000 Km
• Entonces se concluye que la duración media de las

llantas es muy cercana a la que afirma el
fabricante de 60,000 millas.
62
William J León V
DESARROLLANDO BAJO EL ENFOQUE

DEL INTERVALO DE CONFIANZA:
Solución:
▰ Primero, se va a calcular el error estándar de la media y
para ello se empleará la expresión del error estándar: 𝜎
𝜎𝑋ത =
𝑛
Sustituyendo valores en ella, se tiene:
5,000 5,000
𝜎𝑋ത = = 𝜎𝑋ത = = 𝜎𝑋ത =721.69 Km
48 6.9282
El Error Estándar de la media mide con cuánta precisión la media de la muestra

estima la media de la población y se utiliza para crear intervalos de confianza para
la media de la población. Los valores del Error Estándar de la Media más bajos
indican con mayor precisión las estimaciones de la media de la población
63
William J León V
Solución:
Se va a determinar los límites superior e inferior de confianza para el
intervalo de la media poblacional ya que se trata de una prueba de dos
extremos.
Se aplica la expresión siguiente: Lc   H0  Z x
Sustituyendo valores en ella, se tiene:

Lc = 60,000  1.96 (721.69)
Ls = 60,000 + 1,414.51 Ls = 61,414.51 Km.
Li = 60,000 – 1,414.51 Li = 58,585.49 Km
Entonces la media de la población fluctúa entre 58,585.49 y
61,414.51 millas en un nivel de confianza del 95%. 64
William J León V
Solución:
Al regresar a la gráfica anterior se observa los límites de confianza y
la media muestral.
Con ello se analiza si no se rechaza la hipótesis nula además de
verificar si es verdadera o falsa.
65
William J León V
Solución:
La media muestral se ubica dentro de la zona de no rechazo,

por lo que podemos decir que la hipótesis nula es verdadera,
Entonces la media muestral se ubica en -0.693 𝜎𝑥ҧ = -

0.693(721.69)
500.13  60,000-500 = 59,500
y se confirma que cae en la zona de no rechazo
Concluimos que la duración 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.
66
William J León V
EJEMPLO 2
• Una cadena de restaurantes afirma que el tiempo medio de espera de clientes por
atender está distribuido normalmente con una media de 3 minutos y una
desviación estándar de 1 minuto.
• Su departamento de aseguramiento de la calidad halló en una muestra de 50
clientes en un cierto establecimiento que el tiempo medio de espera era de 2.75
minutos.
• Al nivel de significación de 0.05,
• ¿Es dicho tiempo menor de 3 minutos?
Datos:  = 3 minutos.
σ= 1minuto.
n = 50 clientes.
a = 0.05
𝑥=
ҧ 2.75 minutos.
67
William J León V
EJEMPLO 2
Paso 1
Las hipótesis se expresan de la siguiente manera:
Ho :  = 3
El tiempo promedio de espera es de 3 minutos.
H1 :   3
El tiempo promedio de espera es menor de 3 minutos.
68
William J León V
SOLUCIÓN:
Paso 2
El estadístico de prueba mas apropiado.
Teniendo en cuenta que se tiene una muestra de 50 clientes y se
conoce la desviación de la población
n = 50 clientes n>=30
σ = 1 minuto Desviación estándar de la

población conocida
Entonces
Se utilizará la distribución Z 69
William J León V
SOLUCIÓN:
Paso 3
El nivel de significancia es de 0.05
Y por la hipótesis alternativa:
H1 :   3 Se trata de una prueba unilateral
En el siguiente paso vamos a obtener el valor de “Z” y
para ello vamos a apoyarnos en la gráfica siguiente:
Como se trata de una prueba unilateral:
Para un α= 0.05
Se calcula con todo su valor
*Se recurre a las tablas de la distribución normal
* Este procedimiento va depender del tipo de tabla que se tenga 70
William J León V
SOLUCIÓN:
Paso 3
Para el caso de una tabla acumulativa de -∞ hasta z
Con el valor de α=0.05

Se resta de 1
1- 0.05=0.95,
Luego se ubica
71
aprox.
William J León V
SOLUCIÓN:
Paso 3
Para el caso de una tabla
acumulativa de z hasta ∞
Con el valor de α=0.05

Se ubica directamente
un valor de Zc = 1.64
72
William J León V
Solución:
Paso 3
En el siguiente paso es definir la zona de rechazo

Con Zc= 1.64 y una hipótesis alternativa con operador
< que representa una prueba de una cola
Regla de decisión:
Se rechaza la Ho si el Zd<-1.64
-1.64
73
William J León V
Solución:
Paso 4
Se Calculará el estadístico de prueba Zc a partir de los datos
muestrales considerando H0 como verdadera
𝑥ҧ − 𝜇
𝑍𝑑 = 𝜎𝑥ҧ =
𝜎
𝜎𝑥ҧ Donde: 𝑛
2.75 − 3
𝑍𝑑 = 𝜎𝑥ҧ =
1
=
1
=0.1414
0.1414 50 7.071
Zd= -1.77
74
William J León V
Solución:
Paso 5
• Se va ha decidir si H0 se rechaza o no se rechaza .
• Como Zd es -1.77 y es mayor que -1.64 se rechaza la hipótesis nula.

• Es decir el z de los datos (Zd) se encuentra en la zona de rechazo
-1.77 ZONA DE
NO
RECHAZO
75 75
William J León V
Solución:
Paso 5
• Conclusión.
Entonces se puede afirmar con un nivel de significancia del 5%,

que el tiempo medio de espera del cliente para ser atendido
en este establecimiento es menor de 3 minutos.
76
William J León V
Ejemplo 2.-
Desarrollando bajo el enfoque del intervalo de confianza
Calcula el error estándar de la media:
Con un a = 0.05 y es una prueba de hipótesis para un extremo, en este caso, el
extremo izquierdo, entonces, el nivel de significancia está contenido en este extremo,
por lo que el nivel de confianza es 0.5 – 0.05 = 0.45 .
Se busca en las tablas de la distribución normal 0.45, y se encuentra que: Z= 1.64
El límite izquierdo del intervalo de confianza será:
Li = 3 – 1.64 (0.1414)

Li = 3 – 0.2319
Li = 2.768
 X

n
 x 
1
50
x 
7.
1
07
x  0.1414
77
William J León V
Ejemplo 2.-
Gráficamente se representa así:
78
William J León V
Ejemplo 2
▰ La media muestral 2.75, se localiza en la zona de rechazo, por lo que se

puede establecer que se rechaza la hipótesis nula y se acepta la
alternativa. x 
• Comprobemos con : Z 
x
2.75  3  0.25
Z  Z  Z  1.77
0.1414 0.1414
• Como se puede observar 1.77 está localizado más hacia la izquierda del límite de
confianza 1.64.
Entonces se puede afirmar con un nivel de significancia del 5%, que el tiempo
medio de espera del cliente para ser atendido en este establecimiento es
menor de 3 minutos.
79
William J León V
3
PRUEBA DE HIPÓTESIS DE 2
MEDIAS POBLACIONALES
80
William J León V
PRUEBA DE HIPÓTESIS DE 2 MEDIAS

POBLACIONALES
▰ Si se tienen dos poblaciones y se toman muestras aleatorias

independientes de tamaños n1 y n2, se puede comparar el
comportamiento de dichas poblaciones a través de los promedios.
▰ Las muestras deben obtenerse de poblaciones con distribución

normal
▰ El estadístico de trabajo que se va ha utilizar dependerá de las

características de las poblaciones y del tamaño de las muestras.
81
81
William J León V
Se puede plantear uno de los tres tipos de hipótesis siguientes:
- Prueba de hipótesis a dos colas
H0 : µ1=µ2 ó H0 : µ1-µ2 =0
H1 : µ1≠µ2 ó H1 : µ1-µ2 ≠ 0
- Prueba de hipótesis a una cola superior
H0 : µ1=µ2 ó H0 : µ1-µ2 = 0
H1 : µ1>µ2 ó H1 : µ1-µ2 > 0
- Prueba de hipótesis a una cola inferior
H0 : µ1=µ2 ó H0 : µ1-µ2 = 0
H1 : µ1<µ2 ó H1 : µ1-µ2 < 0
82
82
William J León V
PRUEBA DE HIPÓTESIS DE 2 MEDIAS POBLACIONALES
ESQUEMA µ1 y µ2
Si las muestras son Si las muestras son

mayores o iguales de menores a 30
30 n1 y n2<30
n1 y n2>=30
2 1
Si tienen varianzas Si tienen varianzas
poblacionales poblacionales
σ2
desconocidas desconocidos conocidas σ2 conocidos
Varianzas Varianzas
83
diferentes σ2 diferentes iguales σ2 iguales
William J León V
P. H. para la diferencia de medias, con

varianzas poblacionales conocidas
1
• Se asume que hay dos poblaciones de interés μ1

y μ2,
• Además se asume que μ1 tiene media
desconocida y varianza conocida y que μ2 tiene
media desconocida y varianza conocida .
• Se estará interesado en la prueba de la

hipótesis de que las medias µ1y µ2 sean
iguales.
84
84
William J León V

1
▰ Se considera primero las hipótesis alternativas de dos lados:
H0 : µ1=µ2 ó H0 : µ1-µ2 = 0
H1 : µ1≠µ2 ó H1 : µ1-µ2 ≠ 0
Donde
 H0 = Hipótesis nula
 H1 = Hipótesis alternativa.
 μ1= media de la población 1
 μ2= media de la población 2
85
William J León V

1
▰ El procedimiento para probar es calcular el estadístico de
prueba Zc mediante la siguiente fórmula:
(𝑋ത1 − 𝑋ത2 ) − (𝜇1 − 𝜇2 )

𝑍𝑐 =
𝜎 21 𝜎 2 2
+
𝑛1 𝑛2
Donde:
𝜇1 = media de la muestra 1 𝑛1 = tamaño de la muestra 1
𝜇1 = media de la muestra 2 𝑛2 = tamaño de la muestra 2
𝜎1 2 = varianza de la población 1
𝜎2 2 = varianza de la población 2 86
William J León V
P. H. PARA LA DIFERENCIA DE MEDIAS, CON

VARIANZAS POBLACIONALES CONOCIDAS
1
Las hipótesis alternativas de dos lados se analizan de la
siguiente manera.
Para probar
𝐻0 : 𝜇1 =𝜇2
𝐻1 : 𝜇1 ≠ 𝜇2
Se calcula el estadístico de prueba Zd y se rechaza 𝐻0 : 𝜇1 =𝜇2
si 𝑧𝑑 > 𝑧𝛼Τ2 o 𝑧𝑐 < 𝑧𝛼Τ2
Donde
Zd = Valor calculado del estadístico de prueba
𝑍𝛼Τ2 = Valor obtenido de las tablas. 87
William J León V

VARIANZAS POBLACIONALES CONOCIDAS
1
Las hipótesis alternativas de un lado se analizan de manera

similar. Para probar
𝐻0 : 𝜇1 =𝜇2
𝐻1 : 𝜇1 > 𝜇2
Se calcula el estadístico de prueba Z0 , y se rechaza 𝐻0 : 𝜇1 =𝜇2
si 𝑍0 >𝑍𝛼 .
Para probar las otras hipótesis alternativas del otro lado
𝐻0 : 𝜇1 =𝜇2
𝐻1 : 𝜇1 < 𝜇2
Se utiliza el estadístico de prueba Z0 y se rechaza 𝐻0 : 𝜇1 =𝜇2 88
si 𝑍 <−𝑍
William J León V

VARIANZAS POBLACIONALES DESCONOCIDAS
2
• En esta prueba se asume que hay dos poblaciones de interés μ1 y μ2,
• Además se asume que μ1 tiene media desconocida y varianza
desconocida y que μ2 tiene media desconocida y varianza desconocida .
• Se estará interesado en la prueba de la hipótesis

de que las medias µ1y µ2 sean iguales.
89
89
William J León V
P. H. PARA LA DIFERENCIA DE MEDIAS, CON VARIANZAS

POBLACIONALES DESCONOCIDAS Y DIFERENTES
2
▰ El procedimiento para probar es calcular la estadística de prueba Zc
mediante la siguiente fórmula:
(𝑋ത1 − 𝑋ത2 ) − (𝜇1 − 𝜇2 )

𝑍𝑐 =
𝑆 21 𝑆 2 2
+
Donde: 𝑛1 𝑛2
𝑥ҧ1 = media de la muestra 1
𝑥ҧ 2 = media de la muestra 2
𝑆1 2 = varianza de la muestra 1
𝑛1 = tamaño de la muestra 1 90
𝑛2 = tamaño de la muestra 2
William J León V
P. H. PARA LA DIFERENCIA DE MEDIAS, CON VARIANZAS

POBLACIONALES DESCONOCIDAS PERO IGUALES
2
▰ Si las muestras provienen de poblaciones normales con
varianzas poblacionales iguales pero desconocidas y tamaños de
muestra grandes , es decir, n1 > 30 y n2 > 30.
▰ Como se desconocen las varianzas poblacionales se debe
obtener una expresión que represente dichas varianzas.
𝑛1 −1 𝑆 2 1 + 𝑛2 −1 𝑆 2 2 1 1 Donde:
𝜎𝑑𝑖𝑓 = + 𝑥1ҧ = media de la muestra 1
𝑛1 +𝑛2 −2 𝑛1 𝑛2 𝑥ҧ2 = media de la muestra 2
(𝑋ത1 − 𝑋ത2 ) − (𝜇1 − 𝜇2 ) 𝑛1 = tamaño de la muestra 1
𝑍𝑐 = 𝑛2 = tamaño de la muestra 2
𝜎𝑑𝑖𝑓 91
William J León V
EJEMPLO 3
▰ El salario promedio mensual para una muestra de 30 empleados de una
empresa manufacturera es de $280.000, con desviación estándar de
$14.000.
▰ En otra empresa del mismo tipo, una muestra aleatoria de 40 empleados,
tiene un salario promedio de $270.000, con una desviación estándar de
$10.000.
• No se suponen iguales las desviaciones

estándar de las poblaciones. Se requiere
probar la hipótesis de que no existe
diferencia entre los salarios promedios
mensuales de las dos empresas, utilizando
un nivel de significancia del 5%. 92
92
William J León V
EJEMPLO 3
1.- Establecer las hipótesis
𝐻0 : 𝜇1 − 𝜇2 = 0, o que 𝐻0 : 𝜇1 = 𝜇2
▰ No existe diferencia entre los salarios promedios mensuales de las

dos empresas
𝐻0 : 𝜇1 − 𝜇2 ≠ 0, o que 𝐻0 : 𝜇1 ≠ 𝜇2
▰ Existe diferencia entre los salarios promedios mensuales de las

dos empresas
93
93
William J León V
EJEMPLO 3
2.- Elegir el modelo probabilístico:

▻ Como n1 y n2 son >= 30
𝑛1 =30
▻ Se utiliza la distribución Z 𝑋ത 1 = 280,000
Además: 𝜎1 =14,000
Se conoce σ
Se hará P. H. para la diferencia de medias, con 𝑛2 =40
varianzas poblacionales conocidas 𝑋ത 2 = 270,000
(𝑋ത1 − 𝑋ത2 ) − (𝜇1 − 𝜇2 ) 𝜎2 =10,000
𝑍𝑐 =
𝜎 21 𝜎 2 2
+
𝑛1 𝑛2 94 94
William J León V
EJEMPLO 3
3.- Establecer el criterio de contraste
Como el operador de la Hipótesis alternativa es ≠ se hará una
prueba de dos colas
Y el nivel de significancia del 5%
α/2=0.025 REGION DE NO α/2=0.025

RECHAZO
Z1=-1.96 0 Z2=1.96
α=0.5
Para α/2 = 0.025, entonces 𝑍1 = −1.96 y 𝑍2 = 1.96.

El Intervalo de los Valores críticos de Z es:
95
−1.96 < 𝑍 < 1.96 95
William J León V
EJEMPLO 3
4.- Calcular el valor del estadístico de prueba
▰ La desviación estándar de cada una de las muestras es:
𝜎1 14000
𝜎1𝑥ҧ = = = 2556.04
𝑛1 30
𝜎2 10000
𝜎2𝑥ҧ = = = 1581.14
𝑛2 40
𝜎= 𝜎1𝑥ҧ 2 + 𝜎2𝑥ҧ 2 = 2556.04 2 + 1581.14 2 = 3005.53
• Se calcula el valor del estadístico de prueba, en este caso Z*
𝑋ത1 − 𝑋ത2 280000 − 270000

𝑍= = = 3.33 96
𝜎 3005.55 96
William J León V
EJEMPLO 3
5.- Tomar una decisión e interpretar
 Como Z = 3.33 no se encuentra en el Intervalo critico de Z. −1.96 <

𝑍 < 1.96
 Es decir no se encuentra en la región de NO RECHAZO según la
grafica de la Campana de Gauss.
 Por ello se rechaza la Hipótesis nula y se acepta la hipótesis
alternativa:
 Entonces se puede afirmar con un nivel de significancia del 5% que el
salario promedio mensual de las dos empresas son diferentes.
97
97
William J León V
EJEMPLO 4
Un analista de salarios consideraba que el salario promedio de la primera

empresa era mayor que en la segunda empresa.
Con la finalidad de probar tal aseveración se realizará una segunda prueba.
Con los datos del ejemplo 1
𝑛1 =30 𝑛2 =40
𝑋ത 1 = 280,000 𝑋ത 2 = 270,000
𝜎1 =14,000 𝜎2 =10,000
Pruebe la hipótesis, con el nivel de

significancia del 1%.
Las desviaciones estándar de las dos
poblaciones conocidas. 98
98
William J León V
EJEMPLO 4

𝐻0 : 𝜇1 = 𝜇2 o 𝜇1 − 𝜇2 = 0
▰ El salario promedio de la primera empresa es igual que en la
segunda empresa.
𝐻1 : 𝜇1 > 𝜇2 o 𝜇1 − 𝜇2 > 0
▰ El salario promedio de la primera empresa es mayor que en la
segunda empresa.
99
99
William J León V
EJEMPLO 4

▰ Como n> 30
▰ Se utiliza la curva Z:
Además:
Se conoce σ
Se hará P. H. para la diferencia de medias, con
(𝑋ത1 − 𝑋ത2 ) − (𝜇1 − 𝜇2 )

𝑍𝑐 =
𝜎 21 𝜎 2 2
+
𝑛1 𝑛2 100
100
William J León V
EJEMPLO 4
REGION DE NO
RECHAZO α=0.01
0 Z2=2.33
Como es para una cola, entonces el nivel de significancia que se tiene

es 𝛼 = 0.01 , el z para esta área según la tabla es de Z= 2.33, porque
el área es A=0.99.
101
101
William J León V
EJEMPLO 4

▰ Hallamos el z para comparar.
𝑋ത1 − 𝑋ത2 280000 − 270000

𝑍𝑑 = = = 3.33
𝜎 3005.55
102
102
William J León V
EJEMPLO 4

▰ Como zd = 3.33 > z=2.33, entonces se rechaza la hipótesis nula y se
acepta la hipótesis alternativa:
▰ Por lo tanto se puede afirmar con un nivel de significancia del 1% que el
salario promedio de la primera empresa es mayor que el salario promedio
de la segunda empresa.
3.33
103
103
0 Z2=2.33
William J León V
EJEMPLO 5
▰ Una empresa está considerando dos lugares alternativos para construir un centro
comercial. Como los ingresos de los hogares de una ciudad son un criterio
importante en ésta selección, se quiere probar que el ingreso promedio de la
primera ciudad excede al promedio de la segunda ciudad en cuando menos $1,500
mensuales. Con la información de un censo realizado el año anterior se sabe que
la desviación estándar del ingreso mensual de la primera ciudad es de $1,800 y la
de la segunda es de $2,400
• De una muestra aleatoria de 30 hogares de la primera
ciudad, se encuentra que el ingreso mensual promedio es
de $35,500 y de una muestra de 40 hogares de la segunda
ciudad el ingreso promedio mensual es de $34,600. Probar
la hipótesis con un nivel de confianza del 95 por ciento.
104
104
William J León V
EJEMPLO 5
Se desea probar si la diferencia entre los ingresos de la ciudad 1
y la 2 es de $1,500 o más, por lo tanto:
▰ H0 : 𝜇1 − 𝜇2 = 1,500
La diferencia en el ingreso promedio de la primera ciudad con
respecto al promedio de la segunda ciudad es de $1.500
mensuales.
▰ H1 : 𝜇1 − 𝜇2 < 1,500
La diferencia en el ingreso promedio de la primera ciudad con
respecto al promedio de la segunda ciudad es menor de $1.500
105
mensuales. 105
William J León V
EJEMPLO 5

▰ El tamaño de las muestras es grande y las varianzas
poblacionales son conocidas,
▰ Por consiguiente el estadístico de trabajo a utilizar es:
σ1 =1800
σ2 =2400
(𝑋ത1 − 𝑋ത2 ) − (𝜇1 − 𝜇2 ) n1=30
𝑍𝑐 = 𝑋ത 1 = 35500
𝜎 21 𝜎 2 2 n2=40
+ 𝑋ത 2 = 34600
𝑛1 𝑛2
106
106
William J León V
EJEMPLO 5

Para un nivel de confianza del 95 por ciento, el alfa será 0.05
Y la hipótesis alternativa es:
H1 : 𝜇1 − 𝜇2 < 1,500 por lo tanto se trata de una prueba unilateral negativa
De la tabla de la distribución normal se

tiene un valor de Z de -1.64..
107
107
William J León V
EJEMPLO 5

▰ Se halla el z de la prueba, para comparar.
n1=30 n2=40
𝑥ҧ = 34,600 1-α=0.95
𝑥ҧ = 35,500
σ1=1,800 σ2=2,400
𝑥ҧ1 − 𝑥ҧ2 − (𝜇1 − 𝜇2 )

𝑍𝑥ҧ1−𝑥ҧ2 =
𝜎 21 𝜎 2 2
+
𝑛1 𝑛2
35,500−34,600 −1.500
𝑍𝑥ҧ1 −𝑥ҧ2 = =-1.195
1,8002 2,4002 108
30
+ 𝑛
2 108
William J León V
EJEMPLO 5

▰ De la figura se observa, que el estadístico de trabajo se ubica en la
zona de no rechazo de la hipótesis nula;
▰ Por lo tanto se puede afirmar con un nivel de significancia del 5%
que la diferencia en el ingreso promedio de la primera ciudad con
-1.195
respecto al promedio de la segunda ciudad NO es menor de $1.500
mensuales
▰ Es decir la empresa puede elegir la primera ciudad para construir el
nuevo centro comercial
109
109
William J León V
EJEMPLO 6
Se realizó un estudio con un nivel de significancia de 0.05 para

investigar si la prensa popular está más orientada hacia temas
sexuales que la prensa dirigida a la clase media. Se considera en
ambos casos una variabilidad igual.
Se recogieron dos muestras representativas de 40 artículos publicados
en ambos tipos de revistas.
Utilizando un índice que mide el contenido
sexual de los artículos, la muestra 1 (popular)
tuvo un puntaje medio de 3.5 con una
desviación estándar de 2, mientras que la
muestra 2 (clase media) tuvo una media de 3
con una desviación de 2.2. 110
110
William J León V
EJEMPLO 6

Ho: µ1 = µ 2
▰ Ho: « La orientación hacia contenidos sexuales en la prensa
popular y en la prensa de clase media son iguales»
Ha: µ 1> µ 2
▰ Ha: « La orientación hacia contenidos sexuales es mayor en la
prensa popular que en la prensa de clase media ».
111
111
William J León V
EJEMPLO 6

▰ Para determinar que tipo de distribución se utilizará:
▻ Si n1 + n2 > 30 entonces se busca en la tabla el valor de
z correspondiente a α/2.
▻ Entonces n > 30 y por lo tanto se utiliza la distribución
normal a través de la tabla z con α = .05
112
112
William J León V
EJEMPLO 6
0.05
3.- Establecer el criterio de contraste A

Como en este problema, α = .05 y la hipótesis alterna contiene el
signo (>) el problema es de una cola, es decir, la región crítica se A1 A2
ubica en el extremo derecho de la curva.
▰ Luego se aplica la fórmula de interpolación:
(𝐴1 − 𝐴)
𝑍 = 1.64 + (𝑍2 − 𝑍1 )
(𝐴1 − 𝐴2 )
(.0505 − .05)
𝑍 = 1.64 + (1.65 − 1.64)
(.0505 − .04947)
𝑍 =1.6448
113
113
William J León V
EJEMPLO 6
4.- Calcular el valor del estadístico de prueba con varianzas iguales

▰ Se el calcula error estándar de la diferencia de las media
𝑛1 −1 𝑆 2 1 + 𝑛2 −1 𝑆 2 2 1 1
𝜎𝑑𝑖𝑓 = +
𝑛1 +𝑛2 −2 𝑛1 𝑛2
39 (2)2 + 39 (2.2)2 1 1
𝜎𝑑𝑖𝑓 = + = 0.47
78 40 40
Se calcula el valor del estadístico de prueba, en este caso Zc

3.5 − 3.0
𝑋ത1 − 𝑋ത2 𝑍𝑐 = = 1.063
𝑍𝑐 = 0.47 114
𝜎𝑑𝑖𝑓 114
William J León V
EJEMPLO 6
▰ El estadístico de prueba queda localizado fuera de la zona

crítica, entonces no se rechaza la hipótesis nula ( Ho),
▰ Por lo tanto se concluye lo siguiente:
▰ No hay evidencia suficiente, con un nivel de significancia de .05,
de que la prensa popular tenga una mayor orientación al tema
sexual que la prensa de clase media
115
115
William J León V
FIN
¿Alguna pregunta?
Me puedes encontrar en
@wjleonv & wjleonv@yahoo.com 116

EIclase01 PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

EIclase01 PDF

Încărcat de

Drepturi de autor:

Formate disponibile

William J León V

Ing. William León Velásquez

 CONCEPTOS BÁSICOS DE PRUEBA DE

▰Las Hipótesis estadísticas es una afirmación o suposición sobre

▰Una Prueba de Hipótesis estadística es un

El valor del parámetro de la población especificado en la hipótesis

a. Como resultado de la experiencia o

▰El objetivo de la prueba de hipótesis

b. A partir de una teoría o modelo con

▰El objetivo de la prueba de hipótesis

c. Como resultado de consideraciones

▰ El objetivo de la prueba de hipótesis es la

▰En una prueba de hipótesis se inicia, asumiendo un valor de un parámetro

La hipótesis alternativa se representa como Ha o H1

▰Hipótesis nula Ho ▰Hipótesis. Alternativa H1

¿Debo tomar Aspirina o

Laboratorios Cinfa me dice que tome Existe teoría (nueva) de

Se tiene dos teorías que compiten.

▰ La hipótesis nula, denotada por Ho, es el “status quo”, lo

▰ La hipótesis alternativa, denotada por H1, es una

H1: El nuevo medicamento es más efectivo

Problema: ¿El colesterol medio para la dieta de los trabajadores de

las empresas textiles es 6 mmol/l?

Problema: ¿La altura media o promedio de los obreros de la

▻ Traducir a lenguaje estadístico:

Problema: ¿El estrés laboral estará relacionada con el género?

▻Seleccionar la hipótesis nula 𝐻0 : 𝑝 = 0.5

REGIÓN CRÍTICA Y NIVEL DE

• El nivel de significancia (denotado por α) es

REGIÓN CRÍTICA Y NIVEL DE

• Si la prueba estadística cae en la región

REGIÓN CRÍTICA Y NIVEL DE

▰ Las pruebas pueden ser unilaterales o bilaterales (también

▰ Si se define en términos de igual y

PRUEBA: UNILATERAL Y BILATERAL

La posición de la región crítica depende de la hipótesis alternativa

▰El grado de significación 'p' o 'sig' es la probabilidad de error

• Cuanto más pequeño sea su valor

En la práctica la forma de ejecutar es la siguiente:

H0:  =40 p es la probabilidad que tendría una región

No se rechaza H0:  =40 26

RESUMEN: α, p y criterio de rechazo

▻ Conocido p sabemos todo

 Sobre el criterio de rechazo

RIESGOS AL TOMAR DECISIONES

TIPOS DE ERROR AL TOMAR UNA DECISIÓN

• La verificación de la hipótesis no establece la verdad

▰ En este proceso podemos incurrir en dos

TIPOS DE ERROR AL TOMAR UNA

▰ Si se rechaza una hipótesis nula, cuando

TIPOS DE ERROR AL TOMAR UNA

▰ Minimizar los errores no es un asunto sencillo, un caso suele

La única forma de disminuir

TIPOS DE ERROR AL TOMAR UNA DECISIÓN

TIPOS DE ERROR AL CONTRASTAR

efecto y así se decide. pero no lo percibimos.

Rechazo H0 Error de tipo I Correcto

PRUEBA DE HIPOTESIS PARA

Cuando se plantean hipótesis para la media de una

CINCO PASOS PARA PROBAR UNA

▰ En la prueba de hipótesis, se debe establecer el

PASOS A SEGUIR EN UNA PRUEBA DE

PASOS A SEGUIR EN UNA PRUEBA DE