SESIÓN N° 12 Y 13

“PRUEBAS DE HIPOTESIS ESTADISTICAS”

1. INTRODUCCIÓN.
A partir de los resultados de una muestra aleatoria escogida de esa población se pueden tomar
decisiones sobre una población a través de algunos métodos. Para llegar a tomar decisiones
estadísticas se debe partir de afirmaciones o conjeturas con respecto a la población en el que
estamos interesados. Tales suposiciones, pueden ser verdaderas o no. Una conjetura hecha sobre una
población o sobre sus parámetros deberá ser sometida a comprobación experimental con el
propósito de saber si los resultados de una muestra aleatoria extraída de esa población,
contradicen o no tal conjetura.

2. HIPÓTESIS ESTADÍSTICAS.
Definición. Se denomina hipótesis estadística a cualquier afirmación, supuesto o conjetura que se
hace acerca de la distribución de una población. Por lo tanto las hipótesis estadísticas consisten en
suponer que los parámetros, que definen a la población, toman determinados valores numéricos.

Por ejemplo, son hipótesis estadísticas:

1. El peso medio de un tipo de articulo es 10 gr. ( μ = 10 )

2. La proporción de objetos producidos con algún defecto por cierta maquina nunca es superior al
8%. (P ≤ 0.08 )
3. La longitud media de dos tipos de objeto son iguales (μ1 = μ2)
4. La proporción de artículos defectuosos producidos por cierto proceso A es superior a los del
proceso B. (P1 > P2)

3. HIPÓTESIS NULA Y ALTERNATIVA

 Definición. Se denomina hipótesis nula y se representa por H 0 , a la hipótesis que se presume

como verdadera y su validez será comprobada experimentalmente. Los resultados experimentales
nos permitirán seguir aceptándola como verdadera o si, por el contrario, debemos rechazarla como
tal. Toda hipótesis nula va acompañada de otra hipótesis alternativa

 Definición. Se denomina hipótesis alternativa y se representa por H 1 , es pues una suposición

contraria a la hipótesis nula.
Por ejemplo, si se asume que  0 es un valor del parámetro desconocido  de una cuya
distribución se supone conocida, entonces son hipótesis nulas y alternativas respectivamente las
siguientes afirmaciones

1) H 0 :  = 0 , y H1 :   0

2) H 0 :   0 , y H1 :    0

3) H 0 :   0 , y H1 :    0

4. Prueba de una hipótesis estadística

La prueba de una hipótesis estadística es un proceso que nos conduce a tomar la decisión de aceptar
o rechazar la hipótesis nula H 0 , en contraposición de la hipótesis alternativa H 1 y en base a los
resultados de una muestra aleatoria seleccionada de la población en estudio
5. Tipos de pruebas de hipótesis.
El tipo de prueba depende básicamente de la hipótesis alternativa H1.

Se denomina prueba de una cola a toda prueba de hipótesis donde la alternativa H1 es unilateral. Si la
alternativa es bilateral, la prueba se denomina prueba de dos colas

 La prueba de hipótesis H 1 :    0 se denomina prueba bilateral o de dos colas.

 La prueba de hipótesis H 1 :    0 se denomina prueba unilateral de cola a la derecha.
 La prueba de hipótesis H1 :    0 se denomina prueba unilateral de cola a la izquierda.

6. ERRORES TIPO: NIVEL DE SIGNIFICACIÓN

Al tomar la decisión de aceptar o rechazar la hipótesis nula H 0 :    0 en base a los resultados
obtenidos de una muestra aleatoria seleccionada de la población en estudio; existen cuatro posibles
situaciones que determinan si la decisión tomada es correcta o incorrecta, como se muestra en la
siguiente tabla.

Decisión H 0 verdadera H 0 falsa

Rechazar H 0 Error tipo I Decisión correcta

Probabilidad:  Probabilidad: 1

Aceptar H 0 Decisión correcta Error tipo II

Probabilidad: 1 Probabilidad: 

La probabilidad de cometer un error tipo I se denota por . Entonces,

  P [error tipo I]  P [rechazar H 0 cuando H 0 es verdadera].

7. REGION DE RECHAZO DE LA HIPOTESIS NULA

1. Prueba Bilateral: H 1 :    0

Los valores de a y b; tomam los valores de las tabla normal estandar t – student
 2. Prueba Unilateral de cola a la izquierda: H1 :    0

EL valores de a1 ; tomam los valores de las tabla normal estandar o t – student

3. Prueba Unilateral de cola a la derecha : H 1 :    0

Los valores de b1; tomam los valores de las tabla normal estandar o t - student

8. PROCEDIMIENTO DE LA PRUEBA DE HIPÓTESIS

El procedimiento general de la prueba de una hipótesis de parámetro  se resume en los siguientes
pasos:

1) Plantear la hipótesis nula H 0 :    0 y la hipótesis alternativa adecuada H 1 :    0 o H 1 :    0 ó

H1 :    0

2) Especificar  del nivel de significación.

3) Seleccionar la estadística apropiada a usar en la prueba.

4) Establecer la región de rechazo de la hipótesis Nula (R.R.Ho) y determinar la región crítica de la
prueba.
5) Calcular el valor del estadístico de la prueba a partir de los datos de la muestra.

6) Tomar la decisión de rechazar la hipótesis H 0 si el valor del estadístico de la prueba está en la

región crítica. En caso contrario, no rechazar H 0 .

.
 ESTADÍSTICA APROPIADA A USAR EN LA PRUEBA.

PRUEBAS DE HIPÓTESIS ACERCA DE LA MEDIA  (H0: μ = μ0)

x  0
La estadística para la prueba acerca de  con varianza  2 conocida es Z 
 n

Si la población tiene distribución normal N (,  2 ) , donde  y  2 son parámetros desconocidas y el

tamaño de la muestra es grande ( n  30 ), la estadística de la prueba acerca de la media  es: se suele

x  0
utilizar la estadística: Z
 n

Si la población tiene distribución normal N (,  2 ) , donde  y  2 son parámetros desconocidas, el

tamaño de la muestra es grande ( n  30 ), la estadística de la prueba acerca de la media  es:

x  0
T
Sˆ n

Cuya distribución es t-Student con n  1 grados de libertad.

Ejemplo: Un laboratorio productor de cápsulas afirma que la demanda promedio de su producto en el mercado es de
2000 cápsulas diarias. Sin embargo, un estudio de la demanda de su producto en 30 días aleatorios da una media y
una desviación estándar de 860 y 380 cápsulas diarias respectivamente. ¿Son estos resultados suficiente evidencia
para contradecir la afirmación de este gerente del laboratorio?. Utilice el nivel de significación   1.5%

Ejemplo: Un determinado proceso de empaquetar un producto está controlado, si el peso medio del producto
empaquetado es 400 gramos. Si en una muestra aleatoria de 100 paquetes del producto se ha encontrado que el
peso medio es de 395 gramos, ¿Se podría concluir que el proceso está fuera de control al nivel de significación
5%?. Suponga que el peso de los productos empaquetados se distribuye normalmente con desviación estándar de 20
gramos

Ejemplo: Un fabricante produce un cable de alambre de cierto tipo, que tiene una resistencia a la ruptura no mayor
de 300 kg.. Se descubre un proceso nuevo y más barato que desea emplearse, siempre que el cable así producido
tenga una resistencia media a la ruptura mayor de 300 kg.. Si una muestra aleatoria de 36 cables producidos con el
nuevo proceso ha dado una media 304.5 kg. y una desviación estándar es 15 kg. ¿Debería el fabricante adoptar el
nuevo proceso, si está dispuesto a asumir un error tipo I del 5%?.
PRUEBAS DE HIPÓTESIS ACERCA DE DOS MEDIAS: Si suponemos verdadera la hipótesis nula H 0 : 1  2

o 1  2  0 , la estadística es:

CASO N° 01: VARIANZAS 12 Y  22 SUPUESTAS CONOCIDAS

Z
x 1  x 2   (  1   2 )
 12  22

n1 n2

CASO N° 02: VARIANZAS 12 Y  22 SUPUESTAS DESCONOCIDAS Y LOS TAMAÑOS DE LAS MUESTRAS

SEAN GRANDES; n1  30 Y n2  30

Z
x 1  x 2   ( 1   2 )
s12 s 22

n1 n2

CASO N° 03: VARIANZAS 12 Y  22 SUPUESTAS DESCONOCIDAS SUPUESTMENTE IGUALES 12   22

T
x 1  x 2   ( 1   2 )
Sˆ c2 Sˆ c2

n1 n2

Tiene distribución t-student con n1  n2  2 grados de libertad, en donde la varianza común:

(n  1) Sˆ12  (n 2  1) Sˆ 22
Sˆ c2  1
n1  n 2  2

CASO N° 03: VARIANZAS 12 Y  22 SUPUESTAS DESCONOCIDAS SUPUESTMENTE DIFERENTES 12 ≠  22

T
x 1  x 2   ( 1   2 )
Sˆ12 Sˆ 22

n1 n2

tiene distribución t-student con r grados de libertad, siendo

 2
 Sˆ12 Sˆ 22 
  
r  n1 n 2 
2 2
 Sˆ12   Sˆ 22 
   
 n1    n2 
n1  1 n2  1

Ejemplo en clases. Ejemplo: Un productor quiere comparar dos marcas de insumos, A y B; para producir
un tipo de bien. Observa dos muestras aleatorias de 70 artículos procesados por A y B respectivamente
y encuentra que las medias respectivas son 1,250 y 1,290 segundos. Suponga 1  120 y  2  90
segundos. Al nivel de significación del 5%, ¿se puede inferir que la máquina B es más rápida que la
máquina A?

Ejemplo en clases. Una medicina A es aplicada a 11 pacientes que padecen cierta enfermedad. Otra
medicina B es suministrada a otros 10 pacientes con la misma enfermedad. Los tiempos de recuperación
de los pacientes, en días, fueron los siguientes: Medicina A: 6, 5, 6, 7, 4, 7, 5, 6, 4, 3, 6. Medicina
B: 7, 6, 7, 9, 5, 6, 8, 7, 6, 8. Utilizando un nivel de significación del 5% y suponiendo poblaciones
normales,

a) ¿Se puede aceptar la hipótesis nula que son iguales las medias de los tiempos de tratamiento de las
dos medicinas? (suponga que las varianza son desconocidas pero iguales)
b) ¿Se puede aceptar la hipótesis nula que son iguales las medias de los tiempos de tratamiento de las
dos medicinas? (suponga que las varianza son desconocidas pero diferente)
PRUEBAS DE HIPÓTESIS ACERCA DE LA PROPORCION P (H0: P = P0)

La estadística para la prueba acerca de P es

p  P0
Z
P0 (1  P0 )
n

Ejemplo en clases Se controla la calidad de una muestra aleatoria de 50 artículos producidos por un fabricante. Si se
hallaron 5 de ellos defectuosos ¿se debería inferir que el porcentaje de todas los artículos defectuosos es más del 5%
al nivel de significación del 5%?

PRUEBAS DE HIPÓTESIS ACERCA DE DOS PROPORCIONES: Si suponemos verdadera la hipótesis nula

H 0 : P1  P2 o P1  P2  0 , la estadística es:

( p1  p 2 )  ( P1  P2 )
Z
pc (1  pc ) p c (1  p c )

n1 n2

x1  x2 n1 p1  n2 p2
Donde, pc  
n1  n2 n1  n2

Ejemplo en clases. Un director de un programa de televisión afirma que el programa resulta más
atractivo para los televidentes hombres que para las mujeres, pero, el personal que labora con él, piensa
que es igual el porcentaje de televidentes hombres y mujeres que ven el programa. Si una muestra
aleatoria de 400 hombres y otra de 450 mujeres reveló que 120 hombres y 120 mujeres estaban viendo
el programa de televisión. ¿Puede considerarse significativa la diferencia al nivel   5%?