PRUEBA DE HIPÓTESIS:

Prueba de una muestra

La prueba de hipótesis comienza con una suposición, llamada Hipótesis, que

hacemos acerca de un parámetro de población.

Hipótesis estadística: Es una suposición o afirmación

sobre alguna característica de una población.

Después recolectamos datos de la muestra, producimos

estadísticas muéstrales y usamos esta información para
decidir qué tan probable es que nuestro parámetro de
población hipotético sea correcto.
Digamos que suponemos un cierto valor para la media de
población. Para probar la validez de esa suposición
recolectamos datos de muestra y determinamos la diferencia entre el valor
hipotético y el valor real de la media de la muestra. Después juzgamos si la
diferencia obtenida es significativa o no. Mientras más pequeña sea la
diferencia, mayor será la probabilidad de que nuestro valor hipotético para la
media sea correcto. Mientras mayor sea la diferencia, más pequeña será la
probabilidad.

Aunque realizar pruebas de hipótesis se oye como

un término estadístico formal sin relación con la
toma de decisiones de negocios, de hecho, los
administradores proponen y aprueban hipótesis
todo el tiempo. “Si bajamos $1.500 el precio de este
modelo de auto, venderemos 50.000 de ellos este
año” es una hipótesis. Para probarla, será necesario
esperar al final del año y contar las ventas.
 PRUEBA DE HIPÓTESIS
En una prueba de hipótesis, debemos establecer el valor supuesto o
hipotético del parámetro de población antes de comenzar a tomar la
muestra. La suposición que deseamos probar se conoce como Hipótesis Nula
y se simboliza H0 , o “H sub-cero”.
Supongamos que deseamos probar la hipótesis de que la media de la
población es igual a 500. En símbolos se escribe como sigue:
H 0 : μ=500

“La hipótesis nula es que la media de población es igual a 500”

¿Por qué se llama Hipótesis Nula?
El término Hipótesis nula surge de las primeras
aplicaciones agrícolas y médicas de la estadística.
Con el fin de probar la efectividad de un nuevo
fertilizante o de una nueva medicina, la hipótesis
que se probaba era que no hubo efecto, es decir,
no hubo diferencia entre las muestras tratadas y
las no tratadas.
Si en un problema usáramos un valor hipotético de una media de población,
en símbolos sería:
μH 0

Esto se lee: “Valor hipotético de la media de la población”.

Si los resultados de nuestra muestra no respaldan la hipótesis nula, debemos
concluir que se cumple alguna otra cosa. Siempre que rechazamos la
hipótesis, la conclusión que sí aceptamos se llama Hipótesis alternativa, cuyo
símbolo es H1.
Para una Hipótesis Nula:
H 0 : μ=500

Se pueden considerar tres hipótesis alternativas:

H 1 : μ ≠ 500
 H 1 : μ> 500

H 1 : μ< 500

Regiones de Rechazo y
Aceptación:
La distribución muestral del
estadístico de muestra se
divide en dos regiones, una
de rechazo (región crítica) y
una de aceptación.
Si el estadístico de prueba
queda en la región de
aceptación, aceptamos la hipótesis nula. Si cae en la región critica, se
rechaza la Hipótesis nula.

Para tomar una decisión con respecto a la hipótesis nula, antes debe
determinarse cuál es el valor crítico del estadístico de prueba.
Errores Tipo I y Tipo II: Riesgos de la toma de decisiones al utilizar la
metodología de la prueba de Hipótesis
Al utilizar un estadístico de muestra para tomar decisiones sobre el
parámetro poblacional, existe, existe el riesgo de llegar a una conclusión
equivocada. Al aplicar la metodología de prueba de hipótesis, puede cometer
dos tipos de errores:
Un Error Tipo I: se presenta cuando se rechaza la hipótesis nula H 0 siendo cierta y no debería
rechazarse. La probabilidad de que se presente un error tipo I es α. (alfa)

Un Error Tipo II: Se presenta cuando no se rechaza la hipótesis nula H 0 siendo falsa y debería
rechazarse. La probabilidad de que se presente un error tipo II es β. (beta)

Nivel de significancia (α):

La probabilidad de cometer el error de tipo I, se llama nivel se significancia α
del estadístico de prueba. Tradicionalmente, el error tipo I se controla al
decidir el nivel de riesgo que está dispuesto a correr al rechazar la hipótesis
nula. La selección de un nivel de riesgo específico para cometer el error de
tipo I depende del costo que implicaría cometerlo. Los valores más comunes
para α son 0.01, 0.5 o 0.10.
Después de especificar α , usted conoce el tamaño de la región de rechazo,
porque α es la probabilidad de rechazo bajo la hipótesis nula.
Coeficiente de confianza:
El complemento de la probabilidad de un error tipo I (1- α) se denomina
coeficiente de confianza, como lo vimos en la semana pasada.
El coeficiente de confianza (1- α) expresa la probabilidad de que la hipótesis
nula H 0 no se rechace cuando es cierta y no debe rechazarse. El nivel de
confianza de una prueba di hipótesis es (1- α) *100%.
El riesgo β:
La probabilidad de cometer un error de tipo II se denota por medio de β. A
diferencia del error tipo I, el cual usted controla mediante la selección de α,
la posibilidad de cometer un error tipo II depende de la diferencia que existe
entre los valores hipotético y real del parámetro poblacional.
Si la diferencia que existe entre el valor hipotético y el real es grande, β es
pequeña, y viceversa.
MÉTODO DEL INTERVALO
EJEMPLO 1:
Un fabricante de llantas para automóvil afirma que la duración promedio de
determinado modelo de llanta en un coche de cierto peso es de 40000Km
bajo condiciones normales de manejo. Se analiza una muestra aleatoria de
100 llantas de este tipo, bajo las condiciones especificadas, y se encuentra
que la duración promedio fue de 39000Km con una desviación estándar de
8500 Km.
Con esta afirmación y con lo que se ha estudiado en Distribuciones
muestrales (semana 5), realice una prueba de hipótesis estadística para
decidir si la afirmación del fabricante es aceptable o no.

Solución:
El primer paso a seguir es plantear formalmente la hipótesis a probar. En
símbolos:
H 0 : μ=40000

Así se representa lo que el fabricante afirma.

Tal como se mencionó se requiere también una hipótesis alternativa en caso
de que los datos muéstrales no concuerden con aquella afirmación. La
hipótesis alternativa es:
H 1 : μ ≠ 40000

Ésta resume en símbolos la conclusión a la que se llegaría si se decide que la

afirmación del fabricante no es sostenible.
En seguida se define el nivel de significación α (alfa) que representa la
máxima probabilidad aceptada de cometer el error de tipo I, es decir,
rachazar la hipótesis si es verdadera.
Los niveles de significación más comunes son 0,01 y 0,05, aunque podría ser
cualquier otro valor siempre y cuando sea reducido, ya que siempre
desearemos probabilidades bajas de cometer errores.
En este ejemplo se utilizará α=0,05.
Si la hipótesis nula es verdadera y tenemos una n=100 llantas, entonces se
sabe que la media muestra X =39000 pertenece a una distribución normal.
Ahora bien, lo primero que debemos hallar es el valor Crítico de Z , pero
como tenemos que α=0,05,
∝
1− =1−
2
0.05
2 ( )
=0.975

Si buscamos este valor en la tabla de distribución normal, Z=1,96

Ahora;

X ±Z
σ
√n (
=40 000 ± ( 1.96 )
8 500
√100 )
40 000 ± 1666

Es decir que intervalo de confianza, está entre los valores:

38334 km ≤ μ ≤ 41666 km

El 95% de todas las muestras posibles se encuentran dentro del intervalo

38334 a 41666 km y la regla de decisión indica rechazar la hipótesis sólo si el
valor observado de la media muestral está fuera de este intervalo.
En este caso no se rechaza la H 0 y se concluye que el promedio de duración
de las llantas observado en la muestra es consistente con la afirmación del
fabricante, lo cual quiere decir que si puede afirmarse que la duración
promedio de ese modelo de llantas es de 40000 km bajo condiciones
normales de manejo en un automóvil de peso especificado.
EJEMPLO 2:
Una institución de enseñanza de idiomas registra en promedio 4 personas
semanalmente en los cursos que ofrece, por lo que hace una campaña
publicitaria de gran magnitud. Después de un año, toma una muestra
aleatoria de 32 semanas y encuentra que en promedio se registran
semanalmente 5 alumnos nuevos con una desviación estándar de 0,9.
Determine si la campaña publicitaria cumplió su objetivo.

Solución:
La hipótesis es:
H 0 : μ=4

H 1 : μ> 4

Sabemos que: n=32 , =0.9

α= 0,05, sabemos que Z= 1,96
Esto representa un intervalo superior de:
0,9
4 +( 1,96) =4,31
√32
De acuerdo con los datos de la muestra, la inscripción semanal es de 5
personas y como ese número es mayor a 4,31 la hipótesis nula es rechazada,
ya que el valor cae por fuera de la zona crítica (área bajo la curva) y se
concluye que la campaña publicitaria cumplió con su objetivo.
MÉTODO DEL ESTADÍSTICO DE PRUEBA
Este método implica los mismos razonamientos que se siguieron en los
ejemplos anteriores, salvo que ahora se contemplan desde el punto de vista
del estadístico de prueba que en esos casos fue Z el parámetro de la
distribución normal estándar.
Ahora se resuelve el ejercicio EJEMPLO 1, pero utilizando este método:
SOLUCIÓN:
Sabemos que: n= 100, σ =8500 , X =39000 , α=0,05 y que la Hipótesis es:
H 0 : μ=40000

H 1 : μ ≠ 40000

También se descubrió que el valor crítico del estadístico de prueba es Z =

1,96 tanto positivo como negativo, porque se trata de una prueba de dos
colas.
Si se utiliza Z como el valor de referencia para tomar la decisión, se
determina su valor de forma acostumbrada:
X−μ 39000−40000
Z= = =−1,176
σ 8500
√n √ 100
Es importante recordar que este valor de -1,176 significa que la media
observada de 39000, está a 1,176 desviaciones estándar a la izquierda de la
media según la hipótesis nula de 40000.
Como este valor Z=-1,176 se
encuentra dentro del área de
aceptación, es decir dentro del
intervalo en donde z=-1,96 y
z=1,96, entonces NO se
rechaza la hipótesis nula.
Todo esto para concluir que la
afirmación del fabricante si tiene sustento.