República Bolivariana de Venezuela
Ministerio de Poder Popular
Para la Educación
Universidad Nacional Experimental Rafael Maria Baralt
Sección: 301721
Tema #5
Estadística 2
Profesor: Alumna:
Betulio Vílchez Maria Loaiza
CI: 28146733
San francisco 11/09/2020
Desarrollo
Prueba de hipótesis
Una 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.
Con base en los datos de muestra, la prueba determina si se puede rechazar la hipótesis nula.
Usted utiliza el valor p para tomar esa decisión. Si el valor p es menor que el nivel de significancia
(denotado como α o alfa), entonces puede rechazar la hipótesis nula.
Un error común de percepción es que las pruebas estadísticas de hipótesis están diseñadas para
seleccionar la más probable de dos hipótesis. Sin embargo, al diseñar una prueba de hipótesis,
establecemos la hipótesis nula como lo que queremos desaprobar. Puesto que establecemos el
nivel de significancia para que sea pequeño antes del análisis (por lo general, un valor de 0.05
funciona adecuadamente), cuando rechazamos la hipótesis nula, tenemos prueba estadística de
que la alternativa es verdadera. En cambio, si no podemos rechazar la hipótesis nula, no tenemos
prueba estadística de que la hipótesis nula sea verdadera. Esto se debe a que no establecimos la
probabilidad de aceptar equivocadamente la hipótesis nula para que fuera pequeña.
Entre las preguntas que se pueden contestar con una prueba de hipótesis están las siguientes:
¿Tienen las estudiantes de pregrado una estatura media diferente de 66 pulgadas?
¿Es la desviación estándar de su estatura igual a o menor que 5 pulgadas?
¿Es diferente la estatura de las estudiantes y los estudiantes de pregrado en promedio?
¿Es la proporción de los estudiantes de pregrado significativamente más alta que la
proporción de las estudiantes de pregrado?
Ejemplo de cómo realizar una prueba de hipótesis básica
Usted puede seguir seis pasos básicos para configurar y realizar correctamente una prueba de
hipótesis. Por ejemplo, el gerente de una fábrica de tuberías desea determinar si el diámetro
promedio de los tubos es diferente de 5 cm. El gerente sigue los pasos básicos para realizar una
prueba de hipótesis.
NOTA
Debe determinar los criterios para la prueba y el tamaño de muestra necesario antes de recolectar
los datos.
1. Especificar las hipótesis.
En primer lugar, el gerente formula las hipótesis. La hipótesis nula es: la media de la población de
todos los tubos es igual a 5 cm. Formalmente, esto se escribe como: H0: μ = 5
Luego, el gerente elige entre las siguientes hipótesis alternativas:
Condición que se probará Hipótesis alternativa
La media de la población es menor que el objetivo. Unilateral: μ < 5
La media de la población es mayor que el objetivo. Unilateral: μ > 5
La media de la población es diferente del objetivo. Bilateral: μ ≠ 5
1. Como tiene que asegurarse de que los tubos no sean más grandes ni más pequeños de
5 cm, el gerente elige la hipótesis alternativa bilateral, que indica que la media de la
población de todos los tubos no es igual a 5 cm. Formalmente, esto se escribe como H1: μ
≠5
2. Elegir un nivel de significancia (también denominado alfa o α).
El gerente selecciona un nivel de significancia de 0.05, que es el nivel de significancia más utilizado.
3. Determinar la potencia y el tamaño de la muestra para la prueba.
El gerente utiliza un cálculo de potencia y tamaño de la muestra para determinar cuántos tubos
tiene que medir para tener una buena probabilidad de detectar una diferencia de 0.1 cm o más
con respecto al diámetro objetivo.
4. Recolectar los datos.
Recoge una muestra de tubos y mide los diámetros.
5. Comparar el valor p de la prueba con el nivel de significancia.
Después de realizar la prueba de hipótesis, el gerente obtiene un valor p de 0.004. El valor p es
menor que el nivel de significancia de 0.05.
6. Decidir si rechazar o no rechazar la hipótesis nula.
El gerente rechaza la hipótesis nula y concluye que el diámetro medio de todos los tubos no es
igual a 5 cm.
Acerca de las hipótesis nula y alternativa
Las hipótesis nula y alternativa son dos enunciados mutuamente excluyentes acerca de una
población. Una prueba de hipótesis utiliza los datos de la muestra para determinar si se puede
rechazar la hipótesis nula.
Hipótesis nula (H0)
La hipótesis nula indica que un parámetro de población (tal como la media, la desviación estándar,
etc.) es igual a un valor hipotético. La hipótesis nula suele ser una afirmación inicial que se basa en
análisis previos o en conocimiento especializado.
Hipótesis alternativa (H1)
La hipótesis alternativa indica que un parámetro de población es más pequeño, más grande o
diferente del valor hipotético de la hipótesis nula. La hipótesis alternativa es lo que usted podría
pensar que es cierto o espera probar que es cierto.
Hipótesis unilaterales y bilaterales
La hipótesis alternativa puede ser unilateral o bilateral.
Bilateral
Utilice una hipótesis alternativa bilateral (también conocida como hipótesis no direccional) para
determinar si el parámetro de población es mayor que o menor que el valor hipotético. Una
prueba bilateral puede detectar cuándo el parámetro de población difiere en cualquier dirección,
pero tiene menos potencia que una prueba unilateral.
Unilateral
Utilice una hipótesis alternativa unilateral (también conocida como hipótesis direccional) para
determinar si el parámetro de población difiere del valor hipotético en una dirección específica.
Usted puede especificar la dirección para que sea mayor que o menor que el valor hipotético. Una
prueba unilateral tiene mayor potencia que una prueba bilateral, pero no puede detectar si el
parámetro de población difiere en la dirección opuesta.
Ejemplos de hipótesis bilaterales y unilaterales
Bilateral
Un investigador tiene los resultados de una muestra de estudiantes que presentaron un examen
nacional en una escuela secundaria. El investigador desea saber si las calificaciones de esa escuela
difieren del promedio nacional de 850. Una hipótesis alternativa bilateral (también conocida como
hipótesis no direccional) es adecuada porque el investigador está interesado en determinar si las
calificaciones son menores que o mayores que el promedio nacional. (H 0: μ = 850 vs. H1: μ≠ 850)
Unilateral
Un investigador tiene los resultados de una muestra de estudiantes que tomaron un curso de
preparación para un examen nacional. El investigador desea saber si los estudiantes preparados
tuvieron puntuaciones por encima del promedio nacional de 850. Una hipótesis alternativa
unilateral (también conocida como hipótesis direccional) se puede utilizar porque el investigador
plantea la hipótesis de que las puntuaciones de los estudiantes preparados son mayores que el
promedio nacional. (H0: μ = 850 vs. H1: μ > 850)
Prueba de hipótesis para la media
Se utiliza una prueba de una muestra para probar una afirmación con respecto a una media de una
población única.
Nota: Se considera práctico utilizar la distribución t solamente cuando se requiera que el tamaño
de la muestra sea menor de 30, ya que para muestras más grandes los valores t y z son
aproximadamente iguales, y es posible emplear la distribución normal en lugar de la distribución t.
Ejemplos ilustrativos:
1) La duración media de una muestra de 300 focos producidos por una compañía resulta ser de
1620 horas.
Como se tiene como dato el tamaño de la población se tiene que verificar si cumple con la
condición para utilizar el factor finito de corrección.
Los cálculos en Excel se muestran en la siguiente imagen:
El gráfico elaborado con Winstats y Paint se muestra en la siguiente imagen:
2) La duración media de lámparas producidas por una compañía han sido en el pasado de 1120
horas. Una muestra de 8 lámparas de la producción actual dio una duración media de 1070 horas
con una desviación típica de 125 horas.
Los cálculos en Excel se muestran en la siguiente imagen:
El gráfico elaborado con Winstats y Paint se muestra en la siguiente imagen:
Prueba medias de dos muestras
Las pruebas de dos muestras se utilizan para decidir si las medias de dos poblaciones son iguales.
Se requieren dos muestras independientes, una de cada una de las dos poblaciones. Considérese,
por ejemplo, una compañía investigadora que experimentan con dos diferentes mezclas de
pintura, para ver si se puede modificar el tiempo de secado de una pintura para uso doméstico.
Cada mezcla es probada un determinado número de veces, y comparados posteriormente los
tiempos medios de secado de las dos muestras. Una parece ser superior, ya que su tiempo medio
de secado (muestra) es 30 minutos menor que el de la otra muestra.
Pero, ¿son realmente diferentes los tiempos medios de secado de las dos pinturas, o esta
diferencia muestral es nada más la variación aleatoria que se espera, aun cuando las dos fórmulas
presentan idénticos tiempos medios de secado? Una vez más, las diferencias casuales se deben
distinguir de las diferencias reales.
Con frecuencia se utilizan pruebas de dos muestras para comparar dos métodos de enseñanza,
dos marcas, dos ciudades, dos distritos escolares y otras cosas semejantes.
La hipótesis nula puede establecer que las dos poblaciones tienen medias iguales:
Para tamaños más pequeños de muestra, Z estará distribuida normalmente sólo si las dos
poblaciones que se muestrean también lo están.
Ejemplo ilustrativo
La media de las calificaciones de dos muestras de 15 estudiantes de primer semestre en la
asignatura de Estadística de la universidad UTN resulta ser de 7 y 8,5. Se sabe que la desviación
típica de las calificaciones en esta asignatura fue en el pasado de 1,5.
Los cálculos en Excel se muestran en la siguiente figura:
El gráfico elaborado con Winstats y Paint se muestra en la siguiente imagen:
Prueba de hipótesis de proporciones
Las pruebas de proporciones son adecuadas cuando los datos que se están analizando constan
de cuentas o frecuencias de elementos de dos o más clases. El objetivo de estas pruebas es
evaluar las afirmaciones con respecto a una proporción (o Porcentaje) de población. Las pruebas
se basan en la premisa de que una proporción muestral (es decir, x ocurrencias en n
observaciones, o x/n) será igual a la proporción verdadera de la población si se toman márgenes o
tolerancias para la variabilidad muestral. Las pruebas suelen enfocarse en la diferencia entre un
número esperado de ocurrencias, suponiendo que una afirmación es verdadera, y el número
observado realmente. La diferencia se compara con la variabilidad prescrita mediante
una distribución de muestreo que tiene como base el supuesto de que es realmente
verdadera.
En muchos aspectos, las pruebas de proporciones se parecen a las pruebas de medias, excepto
que, en el caso de las primeras, los datos muéstrales se consideran como cuentas en lugar de
como mediciones. Por ejemplo, las pruebas para medias y proporciones se pueden utilizar para
evaluar afirmaciones con respecto a:
1) Un parámetro de población único (prueba de una muestra)
2) La igualdad de parámetros de dos poblaciones (prueba de dos muestras), y
3) La igualdad de parámetros de más de dos poblaciones (prueba de k muestras). Además, para
tamaños grandes de muestras, la distribución de muestreo adecuada para pruebas de
proporciones de una y dos muestras es aproximadamente normal, justo como sucede en el caso
de pruebas de medias de una y dos muestras.
Prueba de proporciones de una muestra
Cuando el objetivo del muestreo es evaluar la validez de una afirmación con respecto a la
proporción de una población, es adecuado utilizar una prueba de una muestra. La metodología de
prueba depende de si el número de observaciones de la muestra es grande o pequeño.
Como se habrá observado anteriormente, las pruebas de grandes muestras de medias y
proporciones son bastante semejantes. De este modo, los valores estadísticos de prueba miden la
desviación de un valor estadístico de muestra a partir de un valor propuesto. Y ambas pruebas se
basan en la distribución normal estándar para valores críticos. Quizá la única diferencia real entre
las ambas radica en la forma corno se obtiene la desviación estándar de la distribución de
muestreo.
Esta prueba comprende el cálculo del valor estadístico de prueba Z
Posteriormente este valor es comparado con el valor de Z, obtenido a partir de una tabla normal a
un nivel de significación seleccionado.
Como ocurrió con la prueba de medias de una muestra, las pruebas de proporciones pueden ser
de una o dos colas.
La primera alternativa establece una prueba de cola derecha, la segunda, izquierda y la tercera,
una prueba de dos colas.
Ejemplo ilustrativo
En un estudio se afirma que 3 de 10 estudiantes universitarios trabajan. Pruebe esta aseveración,
a un nivel de significación de 0,025, respecto a la alternativa de que la proporción real de los
estudiantes universitarios trabajan es mayor de lo que se afirma, si una muestra aleatoria de 600
estudiantes universitarios revela que 200 de ellos trabajan. La muestra fue tomada de 10000
estudiantes.
Los datos son:
Como en los datos aparece el tamaño de la población, se debe verificar si el tamaño de la nuestra
es mayor que el 5%. Se remplaza valores en la siguiente fórmula:
Los cálculos en Excel se muestran en la siguiente figura:
El gráfico elaborado en Winstats y Paint se muestra a continuación:
Prueba de proporciones de dos muestras
El objetivo de una prueba de dos muestras es determinar si las dos muestras independientes
fueron tomadas de dos poblaciones, las cuales presentan la misma proporción de elementos con
determinada característica. La prueba se concentra en la diferencia relativa (diferencia dividida
entre la desviación estándar de la distribución de muestreo) entre las dos proporciones
muéstrales. Diferencias pequeñas denotan únicamente la variación casual producto del muestreo
(se acepta H0), en tanto que grandes diferencias significan lo contrario (se rechaza H0). El valor
estadístico de prueba (diferencia relativa) es comparado con un valor tabular de la distribución
normal, a fin de decidir si H0 es aceptada o rechazada. Una vez más, esta prueba se asemeja
considerablemente a la prueba de medias de dos muestras.
La hipótesis nula en una prueba de dos muestras es
Ejemplo ilustrativo
Se ponen a prueba la enseñanza de la Estadística empleando Excel y Winstats. Para determinar si
los estudiantes difieren en términos de estar a favor de la nueva enseñanza se toma una muestra
de 20 estudiantes de dos paralelos. De paralelo A 18 están a favor, en tanto que del paralelo B
están a favor 14. ¿Es posible concluir con un nivel de significación de 0,05 que los estudiantes que
están a favor de la nueva enseñanza de la Estadística es la misma en los dos paralelos?
Los datos son:
Las hipótesis son
Calculando la proporción muestral se obtiene:
Los cálculos en Excel se muestran en la siguiente figura:
El gráfico elaborado en Winstats y Paint se muestra a continuación:
Decisión
Prueba de proporciones de k muestras
La finalidad de una prueba de k muestras es evaluar la aseveración que establece que
todas las k muestras independientes provienen de poblaciones que presentan la misma
proporción de algún elemento. De acuerdo con esto, las hipótesis nula y alternativa son
En una muestra se puede dar un conjunto de sucesos, los cuales ocurren con frecuencias
observadas "o"(las que se observa directamente) y frecuencias esperadas o teóricas "e" (las que
se calculan de acuerdo a las leyes de probabilidad
Por lo tanto el valor estadístico de prueba para este caso es la prueba ji cuadrado o conocida
también como chi cuadrado
Como sucede con las distribuciones t y F, la distribución ji cuadrado tiene una forma que depende
del número de grados de libertad asociados a un determinado problema.
Para obtener un valor crítico (valor que deja un determinado porcentaje de área en la cola) a partir
de una tabla de ji cuadrado, se debe seleccionar un nivel de significación y determinar los grados
de libertad para el problema que se esté resolviendo.
Ejemplos ilustrativos:
Determine el número de grados de libertad y obtenga el valores crítico en el niveles 0,05 se
significación.
Solución:
Los grados de libertad se calculan aplicando la fórmula:
Los cálculos en Excel se muestran en la siguiente figura:
2) La siguiente tabla muestra las frecuencias observadas y las frecuencias esperadas al lanzar un
dado 60 veces. Contrastar la hipótesis de que el dado es bueno, con un nivel de significación de
0,01.
Cara del dado 1 2 3 4 5 6
Frecuencia
6 8 9 15 14 8
observada
Frecuencia esperada 10 10 10 10 10 10
Solución:
Los cálculos en Excel se muestran en la siguiente figura:
El gráfico elaborado en Winstats y Paint se muestra a continuación:
Decisión:
Prueba de hipótesis para la diferencia de medias
Contraste de hipótesis para la diferencia de medias.
Si queremos comparar la media entre dos poblaciones, tendremos dos variables con distribución
normal y para las que queremos contrastar la diferencia de sus medias.
Un buen estadístico para diferencia de medias poblacionales μx - μ y es la distribución muestral de
la diferencia de medias cuya distribución
Se aproxima a una normal
Fases en el contraste de hipótesis.
1. Se formula la hipótesis nula H0 y la hipótesis alternativa H1.
2. Identificamos la distribución de probabilidad y el tamaño de la muestra.
3. Construimos las regiones de aceptación y rechazo.
4. Calcular él está disto de contraste y verificar la hipótesis.
5. Interpretación de la decisión.
Ejemplo 1:
Para tomar una importante decisión a nivel profesional se desea determinar si existen diferencias
significativas fundamentadas entre dos empresas referentes al salario de sus empleados. Se realiza
una investigación revisando el salario de 60 trabajadores de la empresa A y 70 de la empresa
B. Se obtiene un salario medio de 30000 euros anuales con una desviación típica de 1000 euros
en el primer grupo y un salario medio de 25000 euros anuales con una desviación típica de 1500
en el segundo grupo. ¿Podríamos decidir a favor de alguna de las dos empresas con un nivel de
significación del 1 %?
1. Se formula la hipótesis nula H0 y la hipótesis alternativa H1.
Hipótesis nula: H0 : μx - μy = 0
Hipótesis alternativa: H1 : μx - μy ≠ 0
En este caso tenemos un contraste bilateral, ya que nuestra hipótesis nula se encuentra
formulada en forma de igualdad.
2. Identificamos la distribución de probabilidad y el tamaño de la muestra.
Tenemos una distribución de la diferencia de las medias, con μ1 - μ2 = 5000, un tamaño de
muestra en A de n = 60 y en B de n = 70. La distribución de las medias se distribuye:
3. Construimos las regiones de aceptación y rechazo.
4. Calcular el estadístico de contraste y verificar la hipótesis.
El estadístico de contraste que emplearemos será la diferencia de las medias de las muestras, μ 1 -
μ2 = 30000 - 25000 = 5000.
5000 ∉ (-569,99; 569,99) ⇒ Nuestro estadístico de contraste no pertenece a nuestra región de
aceptación.
5. Interpretación de la decisión.
Dado que nuestro estadístico de contraste no pertenece a la región de aceptación, rechazamos la
hipótesis nula.
Consideramos por tanto que existen diferencias significativas y hay diferencias entre las dos
empresas.
Ejemplo 2:
Se quieren probar dos tipos de alimentos para los 75 pingüinos de un zoológico cuyo peso se
distribuye normalmente. Se separan en dos grupos, uno formado por 40 pingüinos y otro por
35. Al cabo de un mes son pesados, y se obtiene para el primer grupo un peso medio de 13 kg y
desviación típica de 0,7 y para el segundo grupo, un peso medio de 11 kg y desviación típica 0,3.
¿Se puede afirmar, con el nivel de confianza del 99 %, que están mejor alimentados los del primer
grupo que los del segundo?
1. Se formula la hipótesis nula H0 y la hipótesis alternativa H1.
Hipótesis nula: H0 : μx - μy > 0
Hipótesis alternativa: H1 : μx - μy ≤ 0
En este caso tenemos un contraste unilateral, ya que nuestra hipótesis nula se encuentra
formulada en forma de igualdad.
2. Identificamos la distribución de probabilidad y el tamaño de la muestra.
Tenemos una distribución de la diferencia de las medias, con μ1 - μ2 = 2, un tamaño de muestra
n = 40 en el primer grupo y n = 35 en el segundo grupo. La distribución de las medias se
distribuye:
3. Construimos las regiones de aceptación y rechazo.
4. Calcular el estadístico de contraste y verificar la hipótesis.
El estadístico de contraste que emplearemos será la diferencia de las medias de las muestras, μ 1 -
μ2 = 13 - 11 = 2.
2 ∈ (-2,208; +∞) ⇒ Nuestro estadístico de contraste sí pertenece a nuestra región de aceptación.
5. Interpretación de la decisión.
Dado que nuestro estadístico de contraste sí pertenece a la región de aceptación, aceptamos la
hipótesis nula.
Consideramos por tanto que los pingüinos del primer grupo están mejor alimentados que los del
segundo.
Prueba de hipótesis para la deferencia de proporciones
Cuando se tienen dos poblaciones y se han tomado muestras aleatorias de tamaños n 1 y n 2, para
observar una característica o cualidad, se puede comparar el comportamiento de dicha
característica en las poblaciones a través de la diferencia de proporciones.
Hipótesis
Como en los casos anteriores se puede plantear uno de los siguientes tres tipos de hipótesis:
- Prueba de hipótesis a dos colas
H0 : 1 = 2 ó H0 : 1 - 2 = k
H1 : 1 2 H1 : 1 - 2 k
- Prueba de hipótesis a una cola superior
H0 : 1 = 2 ó H0 : 1 - 2 k
H1 : 1 > 2 H1 : 1 - 2 > k
- Prueba de hipótesis a una cola inferior
H0 : 1 = 2 ó H0 : 1 - 2 k
H1 : 1 < 2 H1 : 1 - 2 < k
Como en los casos anteriores depende del tipo de hipótesis que se haya planteado.
- Si se ha planteado la hipótesis alternativa como:
H1 : 1 2 ó H1 : p 1 - p 2 ¹ k se tiene una prueba de hipótesis a dos colas, por lo tanto, el
nivel de significancia ( ) se divide en dos partes iguales, quedando estos valores en los
extremos de la distribución como se aprecia en la figura 3.1
y pertenecen a una distribución Normal estándar. Si el valor de la estadística de
trabajo (Zp1-p2 ) está entre y no se rechaza la hipótesis nula, en caso contrario se
rechaza H0 lo cual implica aceptar H1 . Es decir, si < Zp1-p2 < no se rechaza H0 .
- Si se ha planteado la hipótesis alternativa como:
H1 : 1 > 2 ó H1 : 1 - 2 > k, se tiene una prueba de hipótesis a una cola superior,
quedando el nivel de significancia ( ) en la parte superior de la distribución, como se
aprecia en la figura 3.2
Pertenece a una distribución Normal estándar. Si el valor de la estadística de trabajo es
menor que no se rechaza la hipótesis nula, en caso contrario se rechaza H0 lo cual
implica aceptar H1 . Es decir, si Zp1-p2 < no se rechaza H0 .
- Si se ha planteado la hipótesis alternativa como:
H1 : 1 < 2 ó H1 : 1 - 2 < k, se tiene una prueba de hipótesis a una cola inferior,
quedando el nivel de significancia ( ) en la parte inferior de la distribución, como se
aprecia en la figura 3.3
Z pertenece a una distribución Normal estándar. Si el valor de la estadística de trabajo
(Zp1-p2) es mayor que Z no se rechaza la hipótesis nula, en caso contrario se rechaza H o lo
cual implica aceptar H1 . Es decir, si Zp1-p2 > Z no se rechaza H0 .
a estadística de trabajo es la expresión 1.14:
Prueba de proporciones de una muestra
Cuando el objetivo del muestreo es evaluar la validez de una afirmación con respecto a la
proporción de una población, es adecuado utilizar una prueba de una muestra. La metodología de
prueba depende de si el número de observaciones de la muestra es grande o pequeño.
Como se habrá observado anteriormente, las pruebas de grandes muestras de medias y
proporciones son bastante semejantes. De este modo, los valores estadísticos de prueba miden la
desviación de un valor estadístico de muestra a partir de un valor propuesto. Y ambas pruebas se
basan en la distribución normal estándar para valores críticos. Quizá la única diferencia real entre
las ambas radica en la forma corno se obtiene la desviación estándar de la distribución de
muestreo.
Esta prueba comprende el cálculo del valor estadístico de prueba Z
Posteriormente este valor es comparado con el valor de Z, obtenido a partir de una tabla normal a
un nivel de significación seleccionado.
Como ocurrió con la prueba de medias de una muestra, las pruebas de proporciones
pueden ser de una o dos colas.
La primera alternativa establece una prueba de cola derecha, la segunda, izquierda y la tercera,
una prueba de dos colas
Prueba de proporciones de dos muestras
El objetivo de una prueba de dos muestras es determinar si las dos muestras independientes
fueron tomadas de dos poblaciones, las cuales presentan la misma proporción de elementos con
determinada característica. La prueba se concentra en la diferencia relativa (diferencia dividida
entre la desviación estándar de la distribución de muestreo) entre las dos proporciones
muéstrales. Diferencias pequeñas denotan únicamente la variación casual producto del muestreo
(se acepta H0), en tanto que grandes diferencias significan lo contrario (se rechaza H0). El valor
estadístico de prueba (diferencia relativa) es comparado con un valor tabular de la distribución
normal, a fin de decidir si H0 es aceptada o rechazada. Una vez más, esta prueba se asemeja
considerablemente a la prueba de medias de dos muestras.
La hipótesis nula en una prueba de dos muestras es
