UNIVERSIDAD CENTROCCIDENTAL

“LISANDRO ALVARADO”
DECANATO DE CIENCIA Y TECNOLOGÍA
DEPARTAMENTO DE INVESTIGACIÓN DE OPERACIONES
PROF. NORA MONSALVE

PRUEBA DE HIPÓTESIS

SE PUEDEN HACER INFERENCIAS ACERCA DE PARÁMETROS

POBLACIONALES DE DOS MANERAS:

1. Estimando los valores de los parámetros (Estimación puntual y por Intervalo).

2. Tomando decisiones con respecto a ellos.

La prueba de hipótesis es un procedimiento estadístico que comienza con una suposición

que se hace con respecto a un parámetro de población, luego se recolectan datos de
muestra, se producen estadísticas de muestra y se usa esta información para decidir qué tan
probable es que sean correctas nuestras suposiciones acerca del parámetro de población en
estudio.

Objetivo de la prueba de hipótesis

Decidir, basado en una muestra de una población, cuál de dos hipótesis complementarias es
cierta. Las dos hipótesis complementarias se denominan hipótesis nula e hipótesis
alternativa.

Hipótesis Nula (H0)

Representa la hipótesis que mantendremos cierta a no ser que los datos indiquen su
falsedad. Esta hipótesis nunca se considera aceptada, en realidad lo que se quiere decir es
que no hay suficiente evidencia estadística para rechazarla por lo que aceptar H 0 no
garantiza que H0 sea cierta.

Hipótesis Alternativa (H1)

Hipótesis que se acepta cuando los datos no respaldan la hipótesis nula. Es llamada la
hipótesis investigativa.

Elementos de una prueba estadística

1. Hipótesis nula.
2. Hipótesis alternativa.
3. Estadístico de prueba.
4. Región de rechazo.
Tipos de pruebas:

1. Pruebas de hipótesis de 2 extremos o bilaterales. Estas pruebas son del tipo:

Ho: vsH1 :

2. Pruebas de hipótesis de un extremo o unilateral.

Ho: vs. H1 : ó
Ho: vs. H1 :

Metodología para aplicar una prueba de hipótesis:

La lógica de una prueba de hipótesis es similar a la de un juicio penal, donde debe decidirse
si el acusado es inocente o culpable y el juicio consiste en aportar evidencia para rechazar
la hipótesis de inocencia más allá de cualquier duda razonable. Por su parte una prueba de
hipótesis analiza si los datos observados permitan rechazar la hipótesis nula, comprobando
si éstos tienen una probabilidad de aparecer lo suficientemente pequeña cuando es cierta la
hipótesis nula. Las etapas de una prueba de hipótesis son:

a) Definir la hipótesis nula a contrastar.

b) Definir una medida de discrepancia entre los datos muestrales y la hipótesis Ho.
Supongamos que el parámetro de interés es la media de una población y que a partir de
una muestra hemos obtenido su estimador , entonces debemos medir de alguna manera
la discrepancia entre ambos, que denotaremos como, d( )

c) Decidir qué discrepancia consideramos inadmisibles con Ho, es decir, a partir de que
valor de d, la discrepancia es muy grande como para atribuirse al azar y considerar que Ho
pueda ser cierta. Para ello debemos entonces:

Tomar la muestra
Calcular el estimador del parámetro, en nuestro ejemplo
Calcular la medida de discrepancia d.
Tomar la decisión: Si d es “pequeña”, aceptar Ho, si es lo “suficientemente” grande,
rechazarla y aceptar H1.
Una Regla de Decisión se define a través de las siguientes medidas:
a) Una medida de discrepancia.
b) Un criterio que nos permita juzgar qué discrepancia son “demasiado grandes”.

a) Medidas de discrepancias:

Es natural considerar medidas de discrepancias del tipo: , de las que

es posible conocer su distribución de probabilidad.

 Si las hipótesis son bilaterales el signo de la desviación entre no es
importante, sin embargo cuando la hipótesis es unilateral el signo de la
discrepancia sí lo es.

b) Calculo de un valor mínimo dc para la discrepancia para la aceptación

de Ho.

Para definir este valor mínimo de discrepancia dc definamos:

Nivel de Significancia.
Para realizar una prueba de hipótesis dividiremos el rango de discrepancias
que puede observarse cuando Ho es cierta en dos regiones: una región de
aceptación de Ho y otra de rechazo.

Se consideran discrepancias “demasiado grandes”, las que tienen una

probabilidad pequeña de ocurrir si Ho es cierta. A este valor lo llamamos
nivel de significación: generalmente se toman valores de 0.1, 0.05, 0.01 o
0,005. El nivel de significación puede interpretarse también como la
probabilidad que estamos dispuestos a asumir de rechazar Ho cuando esta es
cierta.

Cabe destacar que mientras más alto sea el nivel de significancia que se
utiliza para probar una hipótesis, mayor será la probabilidad de rechazar una
hipótesis nula cuando es cierta.

 Región de Rechazo:

Una vez fijado , la región de rechazo se determina a partir de la distribución de

probabilidad de d(μ, ) cuando Ho es cierta. Como esta distribución es conocida
elegiremos dc de manera que discrepancias mayores de dc tengan probabilidad de ocurrir
menor que , si Ho es cierta.
La región de rechazo será d dc y la de no rechazo será por consiguiente: ddc. A dc se
conoce como valor crítico. La siguiente figura muestra gráficamente este método:

Figura 1. Nivel de significancia de un test

Si la discrepancia observada cae en la región de rechazo se dice que se ha producido una
diferencia significativa y se rechaza la hipótesis nula Ho.

Cuando se toma una decisión se puede cometer cualquiera de los siguientes errores:
Hipótesis Nula
Decisión Verdadera Falsa
Rechazar Ho Error tipo I Decisión correcta
Aceptar Ho Decisión correcta Error tipo II

Tipos de Errores

Cuando se decide sobre el rechazo de una hipótesis se pueden cometer dos equivocaciones.
a) Error tipo I (α): es el rechazo de una hipótesis nula cuando es cierta.

b) Error tipo II (β): es la aceptación de una hipótesis nula cuando es falsa.

+

Una vez especificado el valor de α, el de β queda fijado para cualquier de tamaño de

muestra determinado. El valor de β depende del valor verdadero de μ por lo tanto existe un
valor infinito de valores de β, ya que hay un valor de β diferente para cada valor verdadero
que pueda tomar μ. Ahora bien, dado un valor fijo de α la probabilidad de cometer un error
de tipo II disminuirá a medida que aumente el tamaño muestral.

Existe un equilibrio entre los dos tipos de errores, la probabilidad de cometer un tipo de
error puede reducirse sólo si deseamos incrementar la probabilidad de cometer el otro.

1-β 1-α

Propiedades de α y β:

1. El valor de α se fija al escoger la región de rechazo.

2. El valor de β dependerá de la hipótesis alternativa que se escoja. Es más fácil
detectar diferencias grandes con el valor de la hipótesis (nula) de un parámetro, que
detectar diferencias pequeñas. Si se quiere detectar diferencias pequeñas con el
valor de la hipótesis nula de un parámetro, β será grande. Si se desea detectar
diferencias grandes, β será pequeño.
 3. Para un tamaño muestral fijo, al aumentar la región de rechazo (y por lo tanto α), β
disminuye. Si α decrece, β aumentará.
4. Al aumentar el tamaño muestral n, α y β decrecen a la vez.

Potencia de la prueba:
Es la probabilidad de tomar la decisión acertada de, rechazar Ho cuando ésta es falsa o de
aceptar H1 cuando ésta es verdadera. La potencia de una prueba es calculada por 1 – β.

Prueba de los cinco pasos:

1. Formular la hipótesis nula Ho: y la hipótesis alternativa adecuada

H1: ó H1: ó H1: .
2. Especificar el tamaño α del nivel de significancia.
3. Seleccionar el estadístico apropiado a usar en la prueba.
4. Establecer la regla de decisión, determinando la región crítica de la prueba.
5. Calcular el estadístico de la prueba y comparar con el valor crítico para tomar la
decisión. Si el valor del estadístico cae en la región crítica se rechaza Ho (implica
aceptar H1), en caso contrario no existen evidencias estadísticas para rechazar H0.

El valor P:
Si W es un estadístico de prueba, el valor p o nivel de significación alcanzado es el mínimo
nivel de significación α, para el cual los datos observados indican que se tendría que
rechazar la hipótesis nula.

En una prueba de hipótesis la decisión se puede tomar usando el valor p. En este caso
el criterio de decisión es el siguiente:

Si valor p α entonces no existen evidencias para rechazar H0, de lo contrario se rechaza

H0.

Pruebas relacionadas con proporciones cuando la muestra es pequeña

Debido a que es una variable aleatoria Binomial discreta, es poco probable que pueda
determinarse una región critica cuyo tamaño sea exactamente igual que un valor
predeterminado de α. Por esta razón es preferible, al tratar con muestras pequeñas, basar las
decisiones en los valores P.

1. vs. , se utiliza la distribución Binomial para calcular el

valor P:

2. vs. , el valor P se calcula:

 3. vs. , el valor P se calcula:
si ó

si

Los pasos para probar hipótesis usando proporción cuando la muestra es pequeña son:

1.
2. Fijar un nivel de significancia α para la prueba.
3. Estadístico de prueba: La variable Binomial X con
4. Encontrar x (cantidad de éxitos) y calcular el valor apropiado de P.
5. Tomar la decisión de acuerdo al valor de P.

Selección del tamaño de la muestra para tener una buena potencia de prueba con un
fijo y una alternativa específica fija:

1. Si se desea probar la hipótesis:

vs. , entonces un n adecuado viene dado
por:

Este resultado también es valido cuando la hipótesis alternativa sea

2. Si se desea probar la hipótesis:
vs. , entonces puede obtenerse un tamaño
de muestra aproximado:

3. Si se desea probar la hipótesis:

vs. , donde se conocen , y
, entonces un está dado por: