Pruebas de Hipótesis de Una y Dos Muestras
Hipótesis estadísticas conceptos generales
• En algunos casos el científico o el ingeniero necesitan la formación de un procedimiento de decisión que se base enlos datos, el
cual ofrezca una conclusión acerca de algún sistema científico.
• Se deben incluir el uso de datos experimentales y la toma de decisiones basadas en ellos.
• De manera formal la conjetura se puede poner en forma de hipótesis estadística.
• Una hipótesis estadística es una aseveración o conjetura con respecto a una o más poblaciones.
• La verdad o falsedad de una hipótesis estadística nunca se sabe con absoluta certidumbre, a menos que examinemos toda la
población; lo cual es poco práctico en la mayoría de las situaciones.
• Por lo cual, se toma una muestra aleatoria de la población de interés, y se utilizan los datos contenidos en esta muestra para
proporcionar evidencia que apoye o no la hipótesis.
- La evidencia de la muestra que sea inconsistente con la hipótesis que se establece conduce al rechazo de la misma.
• Un procedimiento de decisión debe hacerse con la noción de la probabilidad de una conclusión errónea.
- El rechazo de una hipótesis simplemente implica que la evidencia de la muestra la refuta.
- El rechazo significa que hay una pequeña probabilidad de obtener la información muestral observada cuando,
de hecho, la hipótesis es verdadera.
• Como resultado, el analista de los datos establece una conclusión firme cuando se rechaza una hipótesis.
• Cuando el análisis de datos formaliza la evidencia experimental con base en la prueba de hipótesis, es muy importante la
declaración o el establecimiento formal de la hipótesis.
• La estructura de la prueba de hipótesis se formula usando el término hipótesis nula, el cual se refiere a cualquier hipótesis que
se desea probar y se denota con H0.
• El rechazo H de conduce a la aceptación de la hipótesis alternativa, que se denota con H .
0 1
• La hipótesis alternativa H1 representa la pregunta que se debe responder o la teoría que se debe probar y, por ello, su
especificación es muy importante.
• La hipótesis nula H0 anula o se opone a H1, y a menudo es el complemento lógico para H1
• El analista llega a una de las dos conclusiones siguientes:
- Rechace H0: A favor de H1 debido a evidencia suficiente en losdatos.
- No rechace H0: Debido a evidencia insuficiente en los datos.
• Las conclusiones no implican una “aceptación” formal o literal de H , a menudo representa el “status quo” contrario a una
0
nueva idea, conjetura, etc., enunciada en H .
1
• En tanto que no rechazar H representa la conclusión adecuada.
1
• Por lo general, la hipótesis nula se plantea de tal modo que especifique un valor exacto del parámetro.
• El mejor ejemplo para entender la prueba de hipótesis es el veredicto de un jurado.
• La hipótesis nula y alternativa son:
- H0: el acusado es inocente.
- H1: el acusado es culpable.
• La acusación proviene de una sospecha de culpabilidad.
- La hipótesis H0 (status quo) se establece en oposición a H1 y se mantiene a menos que se apoye H1 con evidencia
“más allá de una duda razonable”.
- El no rechazo de H0 no implica inocencia, sino que la evidencia fue insuficiente para lograr una condena. De
esta manera el jurado no necesariamente acepta H0, sino que no la rechaza.
Prueba de hipótesis estadística
• Una prueba o contraste de una hipótesis estadística es una regla o procedimiento que conduce a una decisión de aceptar o
rechazar cierta hipótesis con base en los resultados de una muestra.
• Los procedimientos de prueba de hipótesis dependen del empleo de la información contenida en una muestra aleatoria de la
población de interés.
- Si esta información es consistente con la hipótesis se concluye que es verdadera.
- En caso contrario, la información es inconsistente con la hipótesis, se concluye que es falsa.
• Estadístico de prueba. Valor obtenido a partir de la información muestral, se utiliza para determinar si se rechaza o no la
hipótesis.
- Toda prueba de hipótesis lleva implícita un estadístico para probarla.
- Este estadístico depende del problema planteado y de la codificación de las variables.
• Región crítica. Región de rechazo de la hipótesis nula H0.
- Se denomina C (subconjunto del espacio muestral) a la región crítica de una prueba dada si nos lleva a rechazar la
hipótesis nula H0 cuando la muestra cae en la región C.
• Valor crítico. El punto que divide la región de aceptación y la región de rechazo de la hipótesis nula 𝐻0 .
• Nivel de significancia. Probabilidad de rechazar lahipótesis nula cuando es verdadera. Se denota con α.
• Error Tipo I. Rechazar la hipótesis nula cuando en realidad es verdadera. La probabilidad de cometer un error tipo I se le llama
nivel de significancia.
• Error Tipo II. Aceptar la hipótesis nula cuando en realidad es falsa.
• La probabilidad de cometer el error tipo II es imposible de calcular a menos que tengamos una hipótesis alternativa
específica. Se denota con β.
• Al probar cualquier hipótesis estadística, hay cuatro situaciones posibles que determinan si nuestra decisión es correcta
o errónea (ver la siguiente tabla).
Situaciones Posibles
H0 verdadera H0 falsa
Decisión correcta Error tipo II
Decisiones Posibles No rechazar H0
Error tipo I Decisión correcta
Rechazar H0
• Los valores para la significancia de una prueba de uso más común son
0.01, 0.05 y 0.10; o sea, el investigador está dispuesto a permitir 1%,
5% o 10% de cometer un error tipo I.
• Idealmente se desearía que la probabilidad de error tipo Ifuera igual a
cero. Sin embargo, si se desea α = 0, nunca se podría tomar la decisión
de rechazar la hipótesis nula.
• La decisión de rechazar la hipótesis nula es importante, ya que la
decisión se basa en una muestra y no en la población; por lo cual
existe la posibilidad de cometer un error tipo I.
• Propiedades importantes de una prueba de hipótesis:
- Los errores tipo I y tipo II están relacionados. Por
lo general, una disminución en la probabilidad de
uno tiene como resultado un incremento en la
probabilidad del otro.
- El tamaño de la región crítica y, por lo tanto, la
probabilidad de cometer un error tipo I, siempre se
puede reducir al ajustar el(los) valor(es) crítico(s).
- Un aumento en el tamaño de la muestra n reducirá a
α y β de forma simultánea.
- Si la hipótesis nula es falsa, β es un máximo cuando el valor
real de un parámetro se aproxima al valor hipotético.
Cuando más grande sea la distancia entre el valor real y el
valor hipotético, β será menor.
• La cantidad 1 – β se conoce como el poder de la prueba o
potencia, es la probabilidad de rechazar H cuando es falsa (en
0
realidad debe ser rechazada). Idealmente se quiere tener pruebas
cuyo poder sea alto.
• A menudo diferentes tipos de pruebas se
comparan al contrastar propiedades de potencia.
Prueba de una o dos colas
• Una prueba de cualquier hipótesis estadística, donde
la alternativa es unilateral como
𝐻0 : 𝜃 = 𝜃0 𝐻0 : 𝜃 = 𝜃0
𝐻1 : 𝜃 > 𝜃0 𝐻1 : 𝜃 < 𝜃0
se denomina prueba de una sola cola.
• Por lo general, la región crítica para la hipótesis alternativa 𝜃 > 𝜃0
yace en la cola derecha de la distribución del estadístico de prueba; en
tanto que la región crítica para la hipótesis alternativa 𝜃 > 𝜃0 yace en
la colaizquierda.
• Una prueba de cualquier hipótesis estadística, donde
la alternativa es bilateral como
𝐻0 : 𝜃 = 𝜃0
𝐻1 : 𝜃 ≠ 𝜃0
se denomina prueba de dos colas.
• La región crítica se divide en dos partes, que a menudo tienen
probabilidades iguales que se colocan en cada cola de la distribución
del estadístico de prueba.
• La hipótesis alternativa 𝜃 ≠ 𝜃0 establece que ya sea 𝜃 < 𝜃0 o
que 𝜃 > 𝜃0 .
Uso de valores P para la toma de decisiones en la prueba de hipótesis
• El valor P es el nivel (de significancia) más bajo dondees
significativo el valor observado del estadístico de prueba.
- El valor P es el nivel de significancia α más
bajo que fuerza el rechazo de la hipótesis nula
H0.
- El valor P también es el nivel de significancia α más alto
que fuerza la aceptación de la hipótesis nula H0.
• El 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.
• Prueba de una cola: valor P = P (z el valor absoluto del
estadístico de prueba calculado)
• Prueba de dos colas: valor P = 2P (z el valor absoluto del
estadístico de prueba calculado).
• Usando el enfoque del valor P, se trata de no confiar en el
nivel de significancia. De hecho, se intenta probar una
hipótesis utilizando todos los niveles de significancia.
• Teniendo en cuenta todos los niveles de significancia (entre 0 y 1,
porque α es una probabilidad de error de Tipo I), se observa:
- Caso 1. Si el nivel de significancia es muy bajo, aceptamos
la hipótesis nula. Un valor bajo de alfa hace que sea muy
poco probable que se rechace la hipótesis porque produce
una región de rechazo muy pequeña.
- Caso 2. Si el nivel de significancia es muy alto hace
probable que se rechace la hipótesis nula y corresponde a
una gran región de rechazo. Un alfa suficientemente
grande producirá una región de rechazo tan grande que
cubrirá el estadístico de prueba, lo que obligará a rechazar
H0.
- Conclusión. Existe un valor límite entre α para aceptar
(caso1) y α para rechazar (caso 2). Este número es un valor
P.
• Hipótesis clásica
- α es fija.
- El punto más importante en la conclusión de
“rechazar H0” o “no rechazar H0” es α.
• Hipótesis con valor P
- α no es fija.
- Las conclusiones se obtienen con base en el tamaño del
valor P según la apreciación subjetiva del científico o
ingeniero.
- Los valores P son producidos
por el moderno software
computacional.
• Pasos de la prueba de hipótesis clásica, con probabilidad fija del
error tipo I (α)
- Establezca las hipótesis nula y alternativa.
- Elija un nivel de significancia α fijo.
- Seleccione un estadístico de prueba adecuado y
establezca la región crítica con base en α.
- A partir de estadístico de prueba calculado,
rechazar H0 si el estadístico de prueba está en la
región crítica, de otra manera, no rechazar H0.
- Obtenga conclusiones científicas y de ingeniería.
• La prueba de hipótesis clásica se llama prueba de nivel α (enfoque
general). Un algoritmo estándar para una prueba de hipótesis de
nivel α consta de 3 pasos:
- Estadístico de prueba. Es una cantidad calculada a partir
de los datos que se conocen, los cuales siguen una
distribución dada.
- Región de aceptación y región de rechazo. Hay
una parte de la distribución del estadístico cuya
área es α y se llama región de rechazo (región
crítica). El complemento de esta región se llama
región de aceptación y su área es (1 – α).
- Resultado y su interpretación. Acepte la hipótesis H0 si el
estadístico de prueba cae en la región de aceptación.
Rechace H0 a favor de la hipótesis H1 si el estadístico de
prueba cae en la región derechazo.
• Pasos de la prueba de significancia, aproximación al valor P
- Establezca las hipótesis nula y alternativa.
- Elija un estadístico de prueba adecuado.
- Calcule el valor P con base en los valores calculados del
estadístico de prueba.
- Utilice el juicio con base en el valor P y
reconozca el sistema científico.
Ejercicios:
1- Suponga que un alergólogo desea probar la hipótesis de que al menos 30% del público es
alérgico a algunos productos de queso. Explique cómo el alergólogo podría cometer
a) un error tipo I;
b) un error tipo II.
Explicación:
𝑯𝟎 = 𝑷 ≤ 𝟑𝟎
𝑯𝟏 = 𝑷 < 𝟑𝟎
• El error es tipo I es cuando se afirma que una hipótesis es nula, cuando en
realidad es verdadera.
• El error es tipo II es cuando no se afirma que una hipótesis es nula, cuando en
realidad es falsa.
a) error tipo I. Concluya que menos de 30% del público es alérgico a ciertos productos
de queso cuando, de hecho, 30% o más es alérgico.
b) un error tipo II. Concluya que al menos 30% del público es alérgico a ciertos
productos de queso cuando, de hecho, menos de 30% es alérgico
2- Un fabricante de telas considera que la proporción de pedidos de materia prima que llegan
con retraso es p = 0.6. Si una muestra aleatoria de 10 pedidos indica que 3 o menos llegaron
con retraso, la hipótesis de que p = 0.6 se debería rechazar a favor de la alternativa p < 0.6.
Utilice la distribución binomial.
a) Calcule la probabilidad de cometer un error tipo I si la proporción verdadera es p = 0.6.
b) Calcule la probabilidad de cometer un error tipo II para las alternativas p = 0.3, p = 0.4
y p = 0.5.
2) Prueba de media relacionadas con una muestra
En esta sección consideramos de manera formal pruebas de hipótesis para una sola media de
la población.
Pruebas para una sola media (varianza conocida)
Primero deberíamos describir las suposiciones en las que se basa el experimento. El modelo
para la situación subyacente se centra alrededor de un experimento con 𝒙𝟏 , 𝒙𝟐 ,…, 𝒙𝒏 , que
representan una muestra aleatoria de una distribución con media μ y varianza 𝝈𝟐 > 𝟎.
Considere primero la hipótesis
𝑯𝟎 : 𝝁 = 𝝁 𝟎
𝑯𝟏 : 𝝁 ≠ 𝝁 𝟎
El estadístico de prueba adecuado se debe basar en la variable aleatoria 𝑿 ̅ . El teorema del
límite central, el cual establece en esencia que, sin importar la distribución de X, la variable
̅ tiene una distribución casi normal con media μ y varianza 𝝈𝟐 ∕ 𝒏 para muestras de
aleatoria 𝑿
tamaño razonablemente grande. Por consiguiente, 𝝁𝒙̅ = μ y 𝝈𝟐𝒙̅ = 𝝈𝟐 ∕ 𝒏. Podemos
determinar, entonces, una región crítica basada en el promedio muestral calculado 𝒙 ̅.
Estandarización de 𝑥̅
̅ e incluir de manera formal la variable aleatoria normal estándar
Es conveniente estandarizar 𝒙
Z, donde
̅−𝝁
𝒙
𝒁=
𝝈∅√𝒏
̅ − 𝝁𝟎 ) ∕ 𝝈 tiene una distribución
Sabemos que, bajo 𝑯𝟎 , es decir, si μ = 𝝁𝟎 , entonces √𝒏(𝒙
n (x; 0, 1) y, por lo tanto, la expresión
̅−𝝁𝟎
𝒙
𝑷(− 𝒁𝒂⁄𝟐 < < 𝒛𝜶∕𝟐 ) = 𝟏 − 𝜶
𝝈∕√𝒏
Se puede utilizar para escribir una región de no rechazo adecuada.
