PRUEBA DE HIPOTESIS CON

UNA SOLA MUESTRA

1
 CAPACIDADES

• Establece hipótesis estadísticas y utiliza las características de

una muestra para probar una suposición acerca de la
población de donde se extrajo la muestra.
• Identifica los diferentes elementos que conforman una prueba
de hipótesis estadística.
• Identifica y evalúa los diferentes tipos de errores en los que
se puede incurrir al realizar una prueba de hipótesis.
• Utiliza con propiedad las distribuciones normal, t y X2 para
probar hipótesis sobre la media, proporción y varianza de una
población.
• Sabe calcular e interpretar el resultado del p-valor a la hora
de tomar decisiones en los contrastes de hipótesis
• Aplica el proceso para probar una hipótesis estadística

2
 CONTENIDO

CONCEPTOS BÁSICOS
PRUEBA DE HIPÓTESIS ACERCA DE LA MEDIA
POBLACIONAL
PRUEBA DE HIPÓTESIS ACERCA DE LA
PROPORCION POBLACIONAL
PRUEBA DE HIPÓTESIS ACERCA DE LA VARIANZA
POBLACIONAL

3
 INTRODUCCIÓN

El objetivo del contraste de hipótesis es decidir

si una determinada hipótesis o conjetura sobre
la distribución poblacional estudiada es
confirmada o invalidada estadísticamente a
partir de las observaciones de una muestra, es
decir, avalar o rechazar tales informaciones
sobre la característica de la población, pero no
estimarla.

4
 INTRODUCCIÓN
Ejemplos:
• El administrador de “Mi banco” afirma que el 25% de los
clientes hacen operaciones diarias por más de S/. 5000
nuevos soles
π = 0,25

• La altura media de los pobladores de Junín no difiere de la del

resto del Perú
µ = 1, 63

• Para hacer la estimación puntual de la talla promedio µ1 de los

hombres peruanos, se prueba antes la hipótesis de trabajo de
que la v.a. X = talla de los hombres peruanos sigue una
distribución
X ~ Normal

5
 ¿Qué es una hipótesis?
• Una hipótesis estadística es una afirmación que se hace con
respecto a una o más características desconocidas de una
población de interés. En forma general, las afirmaciones no
son todas del mismo tipo, pueden involucrar ya sea el valor
numérico de algún parámetro, suponiendo la distribución
conocida (generalmente la Normal), o la forma funcional no
conocida de la distribución de interés a partir de la cual se
obtiene la muestra .
• 1. H0 : π = 0, 5
• 2. H0 : µ = 1, 68
• 3. H0 : F ~ Normal
• Las hipótesis del primer tipo (1 y 2) se conocen como hipótesis
paramétricas (contrastes paramétricos) y a las del segundo
tipo (3), donde la distribución completa se pone en tela de
juicio son las llamadas hipótesis no paramétricas (contrastes
no paramétricos) 6
 Hipótesis nula y alternativa

• Se denomina hipótesis nula y se representa por H0 a la

hipótesis que es aceptada provisionalmente como
verdadera y cuya validez será sometida a comprobación
experimental. Los resultados experimentales nos
permitirán seguir aceptándola como verdadera o si, por
el contrario, debemos rechazarla como tal.
• Ejemplo:
• El sueldo promedio de los funcionarios públicos es S/ 4500,00
nuevos soles.
Ho : m = S/. 4 500,00

7
 Hipótesis nula y alternativa

• Se denomina hipótesis alternativa y se representa por

H1 o Ha a la suposición contraria a la hipótesis nula. La
hipótesis alternativa se acepta en caso de que la
hipótesis nula sea rechazada.

Formas:
Si Ho : m = 4 500 Ha : m  4 500

• “la igualdad” siempre se considera en la hipótesis nula.

8
 Prueba o contraste de hipótesis
• La prueba estadística de una hipótesis, es una regla que
cuando los valores experimentales son observados nos
conducen a una decisión; no rechazar (aceptar) o
rechazar la hipótesis bajo consideración.
• Existen tres tipos principales de pruebas, cada una de
las cuales es identificada por la forma en que se
formulan H0 y Ha
P. BILATERAL
Si Ho : m = 4 500 Ha : m  4 500
Si Ho : m  4 500 Ha : m > 4 500 PRUEBAS
UNILATERALES
Si Ho : m  4 500 Ha : m < 4 500

9
 Tipos de errores: Como estamos trabajando en base a una muestra, la
decisión puede NO ser la correcta y estamos cometiendo algún error.

Realidad de H0
Decisión
Verdadera Falsa

Rechazar Incorrecta
Correcta
H0 Error tipo I
Aceptar Incorrecta
Correcta
H0 Error tipo II

Luego hay que cuantificar estos errores en términos de la probabilidad de ellos.

 = P (Rechazar H0 / H0 es verdadera) = Nivel de significación

Error tipo I

 = P (Aceptar H0 / H0 es falsa)

Error tipo II 10
 (1-) = P (ACEPTAR H0 / H0 ES VERDADERA) = POTENCIA

 pequeño
Ideal 1- grande

 = P (desnutrido sea clasificado como sano)

 = P (Sano sea clasificado como desnutrido)
 y  son dos probabilidades de error, se trata de que ambas sean lo más pequeñas posibles.

Al disminuir  entonces crece  lo que significa que los errores no son independientes.

Lo clásico es decidir a priori el tamaño de  11

HIPÓTESIS ESTADÍSTICA

12
Los valores que frecuentemente se emplean para el
nivel de significación ( ) son 0,01 ó 0,05

La magnitud del Error β depende de la magnitud del Error y

de la discrepancia entre θo y θ1
Se observa la existencia de una relación inversa entre la
magnitud de los errores y β : conforme aumenta, β
disminuye.

Esto obliga a establecer con cuidado el valor de a para las

pruebas estadísticas. Lo ideal sería establecer y β . En la
práctica se establece el nivel y para disminuir el Error β se
incrementa el número de observaciones en la muestra, pues así
se acortan los limites de confianza respecto a la hipótesis
planteada.

13
• La meta de las pruebas estadísticas es rechazar la
hipótesis planteada.

• En otras palabras, es deseable aumentar cuando ésta

es verdadera, o sea, incrementar lo que se llama poder
de la prueba (1-)

• La aceptación de la hipótesis planteada debe

interpretarse como que la información disponible no
permite detectar la falsedad de esta hipótesis.

14
Tipos de prueba
a) Prueba bilateral o de dos extremos

Ho : m = 200

Ha : m  200 /2 /2

(1 - )

b) Pruebas unilateral o de un extremo

Ho : m  200 Ho : m 200
Ha : m < 200 Ha : m > 200


(1 - ) 
(1 - )

15
 CONTRASTES PARA LA MEDIA DE UNA
POBLACIÓN

1. MUESTRA GRANDE, σ2 CONOCIDA

• Cuando se hace una prueba para la media
poblacional de una muestra grande y se conoce
la desviación estándar, el estadístico de prueba
está dado por:

X −m
z=
/ n
16
9-5

PRUEBA DE HIPÓTESIS

Paso 1: plantear las hipótesis nula y alterna

Paso 2: seleccionar un nivel de significancia

Paso 3: identificar el valor estadístico de prueba

Paso 4: formular una regla de decisión

Paso 5: tomar una muestra, llegar a una decisión

No rechazar la Rechazar la hipótesis nula

hipótesis nula y aceptar la alterna
Ejemplo 1

• Los fabricantes de mayonesa “la tía” indican en su

etiqueta que el contenido de la botella es de 16
onzas. Cada hora se toma una muestra de 36
botellas y se pesa el contenido. La muestra de la
última hora tiene un peso medio de 16,12 onzas con
una desviación estándar de 0,5 onzas. ¿Está el
proceso fuera de control para un nivel de
significancia de = 0,05?

18
Ejemplo 1 CONTINUACIÓN

• Paso 1: establezca la hipótesis nula y alterna

H 0 : m = 16
H1 : m  16

• Paso 2: establezca el nivel de significación: = 0,05

• Paso 3: defina el valor del estadístico de prueba:

X −m
zk = 
n

• Los supuestos son:

• la población esta normalmente distribuida.
• la muestra ha sido seleccionada al azar.

19
Ejemplo 1 CONTINUACIÓN

Paso 4: Determine criterios de decisión (valores y regiones

críticas
/2
/2
(1 - )

-Z0 Z0
-1.96 1.96
RR1 RA RR2
Si {−1.96  Zc  1.96} se acepta la Ho, en caso contrario se
rechaza.
Paso 5: Cálculos:
[16,12 − 16]
Zk = = 1, 44
[0,5 / 36]
Paso 6: no se rechaza H0 porque 1.44 es menor que el valor crítico
1.96. El contenido de los frascos es el adecuado.
20
Valor p en la prueba de hipótesis (“p” value)

• Valor p: es la probabilidad de observar un valor

muestral tan extremo o más que el valor observado,
dado que la hipótesis nula es verdadera.

• Si el valor p es menor que el nivel de significancia ( ),

H0 se rechaza.

• Si el valor p es mayor que el nivel de significancia ( ),

H0 no se rechaza.

21
Valor p en la prueba de hipótesis (“p” value)

Prueba de una cola: valor p = P [ Z ≥ Zk] el valor

absoluto del estadístico de prueba calculado
Prueba de dos colas: valor p = 2 P { Z ≥ Zk] el
valor absoluto del estadístico de prueba calculado.

Para el EJEMPLO 1, Zk = 1,44, y para una prueba

de dos colas, el valor

p = 2P [z ≥ 1,44] = 2(0,0749) = 0,1498.

Como 0,1498 > 0,05, no se rechaza H0.

22
Ejemplo 2
• El control de calidad una fábrica de pilas y baterías sospecha
que hubo defectos en la producción de un modelo de batería
para teléfonos móviles, bajando su tiempo de duración. Hasta
ahora el tiempo de duración en conversación seguía una
distribución normal con media 300 minutos y desviación típica
30 minutos. Sin embargo, en la inspección del último lote
producido, antes de enviarlo al mercado, se obtuvo que de
una muestra de 60 baterías el tiempo medio de duración en
conversación fue de 290 minutos. Suponiendo que ese
tiempo sigue siendo Normal con la misma desviación típica:
a. ¿Se puede concluir que las sospechas del control de
calidad son ciertas a un nivel de significación de = 2%?
b. Halle el valor de p de la prueba
c. Estime la probabilidad de cometer el error de tipo II
considerando H1: µ = 288 minutos

23
SOLUCION:

1) Formulamos las hipótesis respectivas:

H0: µ ≥ 300
H1 : µ < 300
2) Definimos nivel de significación: = 0,02
3) Seleccionamos estadístico de prueba: el estadístico de
prueba es la media muestral, además definimos: X −m
zk = 
n

4) Valor crítico
α=0,02

-2,05

5) Calculamos Zk: 290−300

Z = = − 2,58
k 30
60

6) Decisión: rechazamos la hipótesis del productor, aceptamos la

hipótesis del control de calidad
24
b. Hallamos el valor de p de la prueba:

P[Zk ≥ 2,58] =

P[Zk ≤ -2,58] = 0,00494

Decisión: rechazar H0

25
c. Estimando β : P( cometer el error de tipo II )

c.1. Formulamos hipótesis respectivas

H0: µ = 300 minutos
H1: µ = 288 minutos
30
c.2. Hallamos 𝑥ҧ crítico X c = 300 − 2, 05* = 292, 06
60

c.3. Estimamos β: P [ X > 292,06/ µ = 288)]

 
 292, 06 − 288 
P Z   = P [ Z  1, 05] = 0,14686
 30 
 60 

26
 CONTRASTES PARA LA MEDIA DE UNA
POBLACIÓN

2. MUESTRA PEQUEÑA, σ2 DESCONOCIDA

Ejemplo: El fabricante de un cierto modelo de automóvil sostiene
que este modelo rinde un promedio de 13 o más Km. por litro de
gasolina corriente. Se selecciona una muestra aleatoria de 9 de
estos vehículos y cada uno es conducido con un litro de gasolina
corriente. La muestra da una media de 12.04 Kms con una
desviación estándar de 1.26 Kms. utilizando el nivel de
significación de 0.05, ¿qué se concluye respecto de la afirmación
del fabricante?
X −m
tC =
S/ n
27
1) Hipótesis:

Ho : m  13
Ha : m < 13

2) Nivel de significación:  = 0.05

x -m
3) Prueba estadística:
tk =
S
n

Los supuestos son:

• la población se distribuye normalmente.
• la muestra elegida al azar.

28
4) Criterios de decisión


(1 - )

-t0
-1.860

to con GL = 8 y  = 0,05

Si {−1,860  tc} se acepta la Hp, en caso contrario se rechaza.

5) Cálculos: 12, 04 − 13
tk = = −2, 285
1, 26
9

29
PRUEBA DE HIPÓTESIS ACERCA DE LA PROPORCIÓN
POBLACIONAL (π)

Ejemplo: un candidato afirma que tiene el apoyo de por

lo menos 55% de los electores de su distrito. ¿Qué
conclusión puede obtenerse si de una muestra aleatoria
de 500 electores 245 expresaron su preferencia por él?.
Utilice un nivel de significación de 0.01.

Proporción
245
muestral : p= = 0,49
500

30
1) Planteo de Hipótesis:
H0 : p  0,55
Ha : p < 0,55

2) Nivel de significación:  = 0.01

3) Prueba estadística:
p -p
c =
P

Los supuestos son:

• la población se distribuye normalmente.
• la muestra ha sido seleccionada al azar.

31
4) Criterios de decisión


(1 - )

Z p
-2,33

Si { Zc ≥ -2,33 } se acepta la Hipótesis nula, en caso

contrario se rechaza.

32
5) Cálculos

p (1 − p )
p =
n
( 0.55)(0.45)
p = = 0.022
500

Reemplazando valores en Zk:

0.49 − 0.55 −0.06

Zk = = = −2.73
0.022 0.022

33
6) Conclusiones

1) Se rechaza la hipótesis planteada, se acepta la

hipótesis alternante.
2) La evidencia empírica disponible no permite
aceptar la afirmación del candidato.
3) El candidato exagera el nivel de aceptación
que tiene.

34
 PRUEBA DE HIPÓTESIS ACERCA DE LA VARIANZA
POBLACIONAL (σ2)

Ejemplo: Una empresa del giro alimenticio desea determinar si el lote de

una materia prima tiene o no una varianza poblacional mayor a 15 en su
grado de endulzamiento. Se realiza un muestreo de 20 elementos y se
obtiene una varianza muestral de 20,98. Realizar la prueba de hipótesis
con alfa = 0,05

1) Planteo de Hipótesis: H0 : σ2 ≤ 15
Ha : σ2 > 15
2) Nivel de significación:  = 0,05
3) Prueba estadística:
(n-1)S2
χ2 =
2
35
  (0,95;
2
19) = 30,10

4) Criterios de decisión:

5) Cálculos:
19 * 20,98
 =
2
= 26,575
15

6) Conclusión:
Aceptamos la hipótesis nula, la varianza es
igual a 15

36