Página 1 de 11

Carrera:
LICENCIATURA EN MATEMÁTICAS

Materia:
Estadística I.

U3-A1: Foro
Foro.
Grupo:
MT-MEST1-2001-B2-001

Alumno:Rolando Ortiz Herbas

Matrícula:
ES18210414044

Maestro:

Claudio Ramón Rodríguez Mondragón.

 Página 2 de 11

A. Investiga:

1. ¿Puedes investigar alguna historia de las Pruebas de Hipótesis, en algún tiempo en la antigüedad, y
de alguna cultura?

Rene Descartes afirmaba que el mundo se presenta a sí mismo como el dial de un reloj cuyos mecanismos
internos están ocultos. Para hablar de estos mecanismos debemos recurrir a Hipótesis o conjeturas. De
forma análoga, si queremos hablar de un fenómeno que observamos, como la reflexión o la refracción de la
luz, y si queremos explicarlo en términos de corpúsculos hemos de recurrir a Hipótesis. Los argumentos de
Descartes fueron desarrollados por muchos que se dedicaban a la “filosofía mecánica”, siendo
probablemente el más significado de ellos Robert Boyle.

Spinoza que fue un filisofo, escribió en su obra cumbre, “ (Ética demostrada geométricamente) (1677), como
un tratado lógico-matemático. Cualquiera con estos conocimientos elementales de lógica , sabía que aceptar
el método de la Hipótesis era aceptar como válida una falacia, la afirmación del consecuente. Incluso si
damos una explicación plausible de la refracción como causada por corpúsculos, el éxito de la explicación no
demuestra que los corpúsculos existan realmente.(Tome, 2018).

2. Investiga los científicos matemáticos que, iniciaron los estudios de Pruebas de Hipótesis,

Los procedimientos de Fisher y Neyman-Pearson desarrollaron a partir de posiciones filosóficas antagónicas, por
lo que la historia de las pruebas de hipótesis no ha estado exenta de controversias, desacuerdos científicos y
disputas personales que lamentablemente se reflejan en la actualidad y han conducido a dificultades en su
aplicación y aceptación. Al aplicar las pruebas de hipótesis muchos investigadores combinan de manera
ecléctica, elementos de los dos enfoques antagónicos: “…las pruebas de hipótesis estadísticas son presentadas
en los artículos de las revistas siguiendo normalmente a Neyman-Pearson, pero según la guía práctica de Fisher.
(Gomez_Restrepo, 2018).

3. Investiga tres casos científicos donde se realicen “Pruebas de Hipótesis”

i) El control de calidad, en la industria.

ii) Aceptación o rechazo de la efectividad de una medicina nueva. (ver realmente si la medicina hace o sirve
para lo que se espera haga)
iii) Definición de estándares para algunas características de interés.

4. ¿Cuáles son las pruebas paramétricas?

Las pruebas paramétricas son una herramienta estadística que se utiliza para el análisis de los factores de la
población. Esta muestra debe cumplir ciertos requisitos como el tamaño, ya que mientras más grande sea, más
exacto será el cálculo.

Este método requiere que se especifique la forma de distribución de la población materna estudiada. Puede
tratarse, por ejemplo, de una distribución normal, como ocurre en general cuando se trata de muestras de gran
tamaño. En general, estas pruebas sólo pueden aplicarse a variables numéricas.
Las pruebas paramétricas están basadas en la ley de distribución de la variable que se estudia. A pesar de que
existen muchos tipos de leyes de distribución, éstas se basan en las normales, que tiene dos parámetros: la
media y la desviación estándar. Lo suficiente para conocer la probabilidad. (questionpro.com, 2020)

5. ¿Qué diferencias puedes encontrar entre los métodos de Estimación y las Pruebas de Hipótesis?
 Página 3 de 11

Los métodos paramétricos de la inferencia estadística se pueden dividir, básicamente, en dos: métodos de
estimación de parámetros y métodos de contraste de hipótesis. Ambos métodos se basan en el conocimiento
teórico de la distribución de probabilidad del estadístico muestral que se utiliza como estimador de un parámetro.

La estimación de parámetros consiste en asignar un valor concreto al parámetro o parámetros que caracterizan la
distribución de probabilidad de la población. Cuando se estima un parámetro poblacional, aunque el estimador
que se utiliza posea todas las propiedades deseables, se comete un error de estimación que es la diferencia
entre la estimación y el verdadero valor del parámetro. El error de estimación es desconocido por lo cual es
imposible saber en cada caso cual ha sido la magnitud o el signo del error; para valorar el grado de precisión
asociado con una estimación puntual se parte de dicha estimación para construir un intervalo de confianza. En
síntesis, un intervalo de confianza está formado por un conjunto de valores numéricos tal que la probabilidad de
que éste contenga al verdadero valor del parámetro puede fijarse tan grande como se quiera. Esta probabilidad
se denomina grado de confianza del intervalo, y la amplitud de éste constituye una medida del grado de precisión
con el que se estima el parámetro.

Los métodos de contraste de hipótesis tienen como objetivo comprobar si determinado supuesto referido a un
parámetro poblacional, o a parámetros análogos de dos o más poblaciones, es compatible con la evidencia
empírica contenida en la muestra. Los supuestos que se establecen respecto a los parámetros se llaman
hipótesis paramétricas. Para cualquier hipótesis paramétrica, el contraste se basa en establecer un criterio de
decisión, que depende en cada caso de la naturaleza de la población, de la distribución de probabilidad del
estimador de dicho parámetro y del control que se desea fijar a priori sobre la probabilidad de rechazar la
hipótesis contrastada en el caso de ser ésta cierta. (ub.edu., 2020).

6. Cuál es el concepto de “Prueba de Hipótesis ?

Es una regla que especifica si se puede aceptar o rechazar una afirmación acerca de una población dependiendo
de la evidencia proporcionada por una muestra de datos.
Una prueba de hipótesis examina dos hipótesis opuestas sobre una población: la hipótesis nula y la hipótesis
alternativa. La hipótesis nula es el enunciado que se probará. Por lo general, la hipótesis nula es un enunciado de
que "no hay efecto" o "no hay diferencia". La hipótesis alternativa es el enunciado que se desea poder concluir
que es verdadero de acuerdo con la evidencia proporcionada por los datos de la muestra. (support.minitab.com,
2020).

7. Aplicaciones científicas y económicas principales de la “Prueba de Hipótesis”

8. Define Hipótesis.
Una hipótesis es una proposición que tiene que ser probada , usando herramientas lógico-matemáticas o
mediante herramientas estadísticas.

9. Define Hipótesis, desde un punto de vista estadístico. (Lind, 2012)

Los términos prueba de hipotesis probar una hipótesis se utilizan indistintamente. La prueba de hipótesis
comienza con una afirmación, o suposición, sobre un parámetro de la población, como la media poblacional.
Esta afirmación recibe el nombre de hipótesis.

10. El estudio objetivo de la Hipótesis, ¿es para la muestra o la población, o para ambas?

Las hipótesis que se plantean generalmente son para la población. Una prueba de hipótesis es un
procedimiento basado en evidencia de la muestra y la teoría de probabilidad para determinar si la hipótesis
es una afirmación razonable. (Lind, 2012)
 Página 4 de 11

11. Define Hipótesis nula.

Establecer la hipótesis nula (𝐻0 ) es el primer paso y es una forma de establecer la hipótesis que se debe probar.
Es pues un enunciado relativo al valor de un parámetro poblacional que se formula con el fin de probar evidencia
numérica.

12. Define Hipótesis alternativa.

La hipótesis alternativa describe lo que se concluirá si se rechaza la hipótesis nula. Se representa por (𝐻1 ) y se
acepta si la información de la muestra ofrece suficiente evidencia estadística para rechazar la hipótesis nula.

13. Define nivel de significancia para el estudio de Prueba de Hipótesis.

El nivel de significancia es la probabilidad de rechazar la hipótesis nula cuando es verdadera. Se expresa

mediante la letra griega 𝛼. Y en ocasiones también se conoce como nivel de riesgo. Es mas adecuado entender
que se trata del riesgo que se corre al rechazar la hipótesis nula cuando es verdadera.

14. Concepto de “Evidencia suficiente”

La evidencia será suficiente, cuando por los resultados de una sola prueba o por la concurrencia de resultados de
varias pruebas diferentes, se ha obtenido ésta en la cantidad indispensable, para que el auditor llegue a la
convicción de que los hechos que está tratando de probar dentro de un universo y los criterios cuya corrección
está juzgando, han quedado satisfactoriamente comprobados. (auditoriaopertivayadministrativadued1, 2020)

15. Menciona el poder que tiene el estudio del nivel de significancia en los estudios de Prueba de
Hipótesis, referente a la “evidencia suficiente”.
El nivel de significación se estableció siguiendo los comentarios del estadístico Fisher que señaló "...es
conveniente trazar una línea de demarcación a partir de la cual podamos decir: o bien hay algo en el
tratamiento. El mecanismo de los diferentes test se realiza, aunque con matices siempre de la siguiente forma:
En primer lugar, se mira la magnitud de la diferencia que hay entre los grupos a comparar (A y B). Si esta
magnitud o valor absoluto es mayor que un error estándar definido multiplicado por una seguridad definida,
concluimos que la diferencia es significativa entre A y B. Por tanto, aceptamos la hipótesis alternativa y
rechazamos la hipótesis nula.
(fisterra.com, 2020).

16. ¿Cuáles son los Errores tipo 1 en la Prueba de Hipótesis?

El error del tipo I , significa rechazar la hipótesis nula (𝐻0 ) cuando es verdadera.

17. ¿Cuáles son los Errores tipo 2 en la Prueba de Hipótesis?

El error de tipo II es aceptar la hipótesis nula cuando es falsa.

 Página 5 de 11

18. ¿Cuál es el propósito del Estadístico de Prueba?

El estadístico de la prueba es el valor determinado a partir de la información de la muestra, para determinar si se
rechaza la hipótesis nula.

19. ¿Cuál es el Valor crítico? (Lind, 2012)

El valor critico es el punto de división entre la región en que se rechaza la hipótesis nula y aquella en la que se
acepta.

20. ¿Cuál es la región crítica?

La región critica es la zona de rechazo de la hipótesis nula.

21. ¿Qué sucede entre el Estadístico de Prueba y el Valor crítico?

Cuando se calcula el estadístico de prueba, este debe caer en la región de aceptación o región de no
rechazo de 𝐻0
 Página 6 de 11

22. ¿De cuáles aspectos depende elegir el Estadístico de Prueba adecuado?

Algunos criterios son:

i) si el tamaño de la muestra es n>=30

ii) Varianza conocida o desconocida
iii) Si es una prueba de 2 colas o 1 solo cola.

23. Define la función potencia y sus características.

Se llama potencia de la prueba, a la probabilidad de rechazar la hipótesis nula cuando ésta es falsa (cuando las
hipótesis son simples), y se le llamará función potencia, cuando las hipótesis sean compuestas.
24. Define Potencia de la Prueba
Potencia de la prueba es la probabilidad de rechazar correctamente una hipótesis nula cuando es falsa.

25. Lista los estadísticos que se revisaran en la Unidad, con sus características propias y parámetros que
se usan y los que se procesan en sus metodologías de sus desarrollos.

• Z: El valor Z es un estadístico de prueba para las pruebas Z que mide la diferencia entre un estadístico
observado y su parámetro hipotético de población en unidades de la desviación
estándar. (support.minitab.com, 2020).

• t de Student: La distribución t de Student o distribución t es un modelo teórico utilizado para aproximar

el momento de primer orden de una poblacion normalmente distribuida cuando el tamaño de
la muestra es pequeño y se desconoce la desviación típica. (Rodo, 2020). Expresión para hallar la t de
Student 𝐿~𝑡𝑔 .

• Si el tamaño de la muestra es suficientemente grande, digamos n ≥ 30, la distribución de T no difi ere

mucho de la normal estándar. Sin embargo, para n < 30, es útil tratar con la distribución exacta de T.
Para desarrollar la distribución muestral de T supondremos que nuestra muestra aleatoria se seleccionó
de una población normal (Walpole, Myers, & Keying, 2007, pág. 284).
 Página 7 de 11

• F de Fisher: a cualquier prueba en la que el estadístico utilizado sigue una distribución F si la hipótesis
nula no puede ser rechazada.
• La distribución F encuentra enorme aplicación en la comparación de varianzas muestrales. Las
aplicaciones de la distribución F se encuentran en problemas que implican dos o más muestras (Walpole,
Myers, & Keying, 2007, pág. 288).

• 𝑿𝟐 : En realidad la distribución ji-cuadrada es la distribución muestral de 𝑠 2 . O sea que, si se extraen

todas las muestras posibles de una población normal y a cada muestra se le calcula su varianza, se
obtendrá la distribución muestral de varianzas.

B. Desarrolla:

Describe una relación de fórmulas para los estadísticos, ya sea “Z”, “t” de Student, “f” de Fisher,𝜒 2 (𝑐ℎ𝑖 𝑜 𝑗𝑖 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑎)
p-valor y sus características de uso, para muestra grande, muestra chica, si es para la media para la varianza, para
dos medias, y si son de una o dos colas, que se evalúan en esta unidad. Revisa el Pdf de la Unidad 3, del curso de
Estadística I, en la Plataforma de la Universidad. Sugerencia: Revisa en la Bibliografía compartida en el Drive Google.

C. Problemas y ejercicios.

Escoge de las bibliografías, o de cualquier fuente de información, un caso o problema, de Prueba de Hipótesis, por el
método del estadístico de tu preferencia, desarróllalo y explícalo lo más claramente posible. Auxíliate de tablas,
gráficas de cualquier software o Aplicación de Estadística, para comprar y mostrar resultados. (Lind, 2012)

El siguiente ejercicio fue tomado del libro de referencia, antes mencionado.

 Página 8 de 11

Bibliografía
auditoriaopertivayadministrativadued1. (17 de mayo de 2020). Obtenido de auditoriaopertivayadministrativadued1:
https://auditoriaopertivayadministrativadued1.blogspot.com/2013/07/evidencia-suficiente-y-
competente.html
 Página 9 de 11

caletec.com. (20 de abril de 2020). Obtenido de caletec.com: https://www.caletec.com/6sigma/origen-de-la-

distribucion-normal-su-historia/

Crespo, R. (2013). Formulas y apuntes de Estadística aplicada. Madrid España: Cisolog.

Cruz Ariza, F. J. (17 de mayo de 2020). attachments. Obtenido de attachments:

http://www.franciscojaviercruzariza.com/attachments/File/Distribuci__n_Ji.pdf

David, P. (2011). Medidas de Posición. Obtenido de Medidas de Posición:

http://estadisticapasoapaso.blogspot.com/2011/09/los-cuartiles.html

Epidat. (2014). Distribuciones de probabilidad. Obtenido de Distribuciones de probabilidad:

https://www.sergas.es/Saude-
publica/Documents/1899/Ayuda_Epidat_4_Distribuciones_de_probabilidad_Octubre2014.pdf

fisterra.com. (17 de mayo de 2020). Obtenido de fisterra.com:

https://www.fisterra.com/mbe/investiga/signi_estadi/signi_estadi.asp

Gardey, J. P. (2010). Definición de Varianza. Obtenido de https://definicion.de/varianza/

Gomez_Restrepo, C. (2018). Aplicacion de las pruebas de hipotesis en la salud. Redalyc.org, 193-206. Obtenido de
redalyc.org: https://www.redalyc.org/pdf/2310/231018668002.pdf

Historia de la distribución normal. (16 de May de 2020). Obtenido de Distribucion Normal:

https://rksbet.wordpress.com/2013/02/26/historia-de-la-distribucion-normal/

Isabel. (12 de febrero de 2012). blogspot.com. Obtenido de blogspot.com:

https://isabelepruebahipotesis.blogspot.com/2012/02/proposito-prueba-de-hipotesis.html

L., D. J. (2008). Probabilidad y Estadistica para Ingenieria y Ciencias. México D.F.: Cengage.

Larson, R. (s.f.). Calculo II en varias variables. Cdmx Mexico: CENGAGE.

Liliana, B. C. (2004). Probabilidad. Bogota: Universidad Nacional de Colombia.

Lind, M. (2012). Estadistica Aplicada a los negocios y la economía. Cdmx-Mexico: McGraw Hill.

Marco Sanjuan, F. J. (17 de mayo de 2020). economipedia.com. Obtenido de economipedia.com:

https://economipedia.com/definiciones/hipotesis-nula.html

Marco Sanjuan, F. J. (17 de mayo de 2020). economipedia.com. Obtenido de economipedia.com:

https://economipedia.com/definiciones/hipotesis-alternativa.html

Marco SanJuan, F. J. (17 de mayo de 2020). support.minitab.com. Obtenido de support.minitab.com:

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/statistics/basic-statistics/supporting-
topics/basics/what-is-a-hypothesis-test/

Martínez, C. (2012). Estadística y muestreo. Bogota Colombia: Ecoe Ediciones.

 Página 10 de 11

Meyer, P. (1992). Probabilidad y Aplicaciones Estadísticas. Delaware U.S.A.: Fondo Educativo Interamericano.

Milton Susan, A. J. (2004). Probabilidad y Estadística con aplicaciones para ingeniería y ciencias computacionales.
Mexico: Mc Graw Hill.

Oviedo, L. (abril de 2013). es.slideshare.net. Obtenido de es.slideshare.net:

https://es.slideshare.net/leandro1107/distribucin-binomial-18816676

Patricia Kuby, R. J. (2012). Estadística Elemental. Cdmx México: CENGAGE.

portaleducativo.net. (17 de mayo de 2020). Obtenido de portaleducativo.net:

https://www.portaleducativo.net/cuarto-medio/7/funcion-potencia

probafacil.com. (16 de mayo de 2020). Obtenido de probafacil.com: http://probafacil.com/prueba-de-hipotesis-

estadistica/#Que_es_una_hipotesis_estadistica

questionpro.com. (14 de mayo de 2020). Obtenido de questionpro.com:

https://www.questionpro.com/blog/es/pruebas-parametricas/

R, E. a. (2014). Sergio Santana, Mateos Farfan. Cdmx Mexico: UNESCO.

Raffino, M. E. (01 de marzo de 2020). concepto. de. Obtenido de concepto. de:

https://concepto.de/hipotesis/#ixzz6MegsDIBf

Rodo, P. (17 de mayo de 2020). economipedia.com. Obtenido de economipedia.com:

https://economipedia.com/definiciones/distribucion-t-de-student.html

Salazar , C. P., & Del Castillo, S. G. (2018). Fundamentos Basicos de Estadistica. Mexico.

Sanjuan, M. (17 de mayo de 2020). superprof.es. Obtenido de superprof.es:

https://www.superprof.es/apuntes/escolar/matematicas/estadistica/inferencia/errores.html

support.minitab.com. (14 de mayo de 2020). Obtenido de support.minitab.com: https://support.minitab.com/es-

mx/minitab/18/help-and-how-to/statistics/basic-statistics/supporting-topics/basics/what-is-a-hypothesis-
test/

support.minitab.com. (17 de mayo de 2020). Obtenido de support.minitab.com: https://support.minitab.com/es-

mx/minitab/18/help-and-how-to/statistics/basic-statistics/supporting-topics/basics/what-is-a-critical-value/

support.minitab.com. (17 de mayo de 2020). Obtenido de support.minitab.com: https://support.minitab.com/es-

mx/minitab/18/help-and-how-to/statistics/equivalence-tests/supporting-topics/power-for-equivalence-
tests/

support.minitab.com. (17 de mayo de 2020). Obtenido de support.minitab.com: https://support.minitab.com/es-

mx/minitab/18/help-and-how-to/statistics/basic-statistics/supporting-topics/tests-of-means/what-is-a-z-
value/
 Página 11 de 11

Tetitla Munive, J. M. (17 de mayo de 2020). mhmedical.com. Obtenido de mhmedical.com:

https://accessmedicina.mhmedical.com/content.aspx?bookId=2448&sectionId=193961180

Tome, C. (16 de marzo de 2018). culturacientifica.com. Obtenido de culturacientifica.com:

https://culturacientifica.com/2018/03/16/una-breve-historia-del-metodo-la-hipotesis/

Triola, M. (2004). Estadística. D.F. México: Pearson Educación.

ub.edu. (14 de mayo de 2020). Obtenido de ub.edu: http://www.ub.edu/aplica_infor/spss/cap4-1.htm

UNADM, M. (2020). Estadística I - Estadistica descriptiva. Cdmx: Unad.

Walpole, R., Myers, R., & Keying, Y. (2007). Probabilidad y estad´ıstica para ingenier´ıa y ciencias . Mexico: Pearson .

wordpress.com. (17 de mayo de 2020). Obtenido de wordpress.com:

https://coordinacionsincronizacionprocesos.wordpress.com/region-critica-protocolo-de-sincronizacion/