Unidad III: Prueba de Hipótesis

Elaborado por: Lic. Noe Eduardo Cortez Hernández1

Objetivo General de la Asignatura:

El propósito de este curso es que los participantes desarrollen capacidades de investigación y

análisis de problemas en el ámbito socioeconómico, a través del manejo adecuado de herramientas
y técnicas estadísticas asociando el uso de Tecnologías de la Información y la Comunicación.

Objetivos específicos de la unidad III:

a) Describir la diferencia entre estimación y prueba de hipótesis, como procesos de inferencia.

b) Identificar las dos formas de error potencial en los procedimientos de pruebas de hipótesis y
entender sus consecuencias.
c) Desarrollar reglas de decisión.
d) Realizar pruebas de hipótesis estadísticas sobre medias y proporciones poblacionales.

1
Licenciado en Economía, docente del Departamento de Matemática y Estadística de la Facultad de Ciencias
Económicas de la Universidad de El Salvador.
Página 1 de 33
Contenido
3.1 Definiciones Básicas .................................................................................................................. 3
3.1.1. ¿Qué es una hipótesis? .............................................................................................. 3
3.1.2. Prueba de hipótesis .................................................................................................... 3
3.1.3. Hipótesis nula ............................................................................................................ 3
3.1.4. Hipótesis alterna ........................................................................................................ 3
3.1.5. Valor crítico............................................................................................................... 4
3.1.6. Nivel de significancia ................................................................................................ 4
3.1.7. Estadístico de prueba ................................................................................................. 5
3.2 Tipos de Errores en Pruebas de Hipótesis .................................................................................. 5
3.3 Procedimiento para una Prueba de Hipótesis ............................................................................. 6
3.4 Pruebas de Hipótesis para la Media y Proporciones en Muestras Grandes ............................... 6
3.4.1 Pruebas de hipótesis para la media poblacional, en muestras grandes. ...................... 6
3.4.2 Pruebas de hipótesis para proporción poblacional en muestras grandes .................. 13
3.5 Pruebas de Hipótesis sobre Independencia de Variables (Uso de Distribución Chi-Cuadrado)
........................................................................................................................................................ 20
Anexo 1: Tabla de probabilidad normal ......................................................................................... 31
Anexo 2: Tabla chicuadrado .......................................................................................................... 32
Referencias ..................................................................................................................................... 33

Página 2 de 33
3.1 Definiciones Básicas
3.1.1. ¿Qué es una hipótesis?
Es una suposición inicial que se obtiene a partir de cierta información, la hipótesis es el punto de
partida para iniciar una investigación. En estadística, la hipótesis se refiere a un valor que posee un
parámetro poblacional. Por ejemplo, se podría suponer que el porcentaje de la población que
prefiere una marca de producto es del 30% (p=0.30); o que el ingreso promedio entre los habitantes
del municipio de San Salvador es de $500 (µ = $500).

3.1.2. Prueba de hipótesis

Es un procedimiento estadístico basado en la teoría de probabilidad, utilizado la información
muestral, como evidencia para apoyar a la hipótesis o para refutar la validez de la misma

3.1.3. Hipótesis nula

La hipótesis nula se simboliza con H0 y expresa el valor del parámetro estadístico µ o p.

Ejemplos de hipótesis nula:

 Una compañía asegura que el contenido de líquido en los refrescos envasados que produce son
de 330 mililitros.

En símbolos, la hipótesis nula:

H0: µ = 330 ml; El llenado promedio de refrescos envasado es de 330 ml.

 Se cree que el porcentaje de personas que usan afeitadoras marca “HairRemover”, es 10% o
más.

En símbolos, la hipótesis nula:

H0: P ≥ 0.10; El porcentaje de personas que usan la marca “HairRemover” es igual o mayor al 10%

En general, la hipótesis nula ha de tomarse como “lo que normalmente ocurre”, en términos de
parámetro; “el deber ser”; o bien lo que “una empresa ofrece, en términos de la calidad de un bien
o servicio” para efectos de contrastarlo con una evidencia muestral; por ejemplo, la empresa de
bombillos “Bell” anuncia que sus productos tienen una duración promedio de 600 horas o más. La
hipótesis nula correspondiente es H0: µ ≥ 600 horas. Otro ejemplo, el gobierno asegura que “la
pobreza es a lo mucho un 5% de la población”. La hipótesis nula correspondiente es H0: P ≤ 0.05.

3.1.4. Hipótesis alterna

Es el sentido opuesto de la hipótesis nula. En caso que se evidencie el rechazo de la hipótesis nula,
se concluirá la validez de la hipótesis alterna. La hipótesis alternativa se simboliza con HA o H1

En los ejemplos anteriores, se plantean las siguientes hipótesis nulas:

Página 3 de 33
H0: µ ≥ 600 horas; duración promedio de los bombillos es de 600 horas o más
H0: P ≤ 0.05; la pobreza es 5% de la población o menos

Las hipótesis alternas respectivas, son:

HA : µ < 600 horas; duración promedio de los bombillos es menos de 600.

HA : P > 0.05; la pobreza es mayor al 5% de la población.

3.1.5. Valor crítico

Valor crítico se le denomina al estadístico (Z, t, χ2 , F), obtenidos de una distribución o modelo de
probabilidad. El estadístico crítico se utiliza como frontera entre región de aceptación de la H0 y
región de rechazo de la H0.

Dependiendo del tipo de prueba se usan determinadas distribuciones, por ejemplo:

Tipo de prueba Estadístico

Prueba para la media poblacional en muestra grandes Z-Normal
Prueba para la media poblacional en muestras pequeñas t-student
Prueba para la proporción poblacional en muestras grandes Z-Normal
Prueba de independencia para dos variables cuantitativas Χ2 – Chi cuadrado
o cualitativas.
Prueba individual sobre la linealidad de parámetros, en regresión t-student
Lineal
Prueba global sobre la linealidad de los parámetros, en regresión F-Fischer
lineal múltiple

Para el caso de esta unidad didáctica, se usa el estadístico Z, como valor crítico de las pruebas en
medias y en proporciones de muestras grandes; y, para el caso de pruebas de independencia se usa
la distribución Chi-cuadrado, χ2.
3.1.6. Nivel de significancia
La significancia de una prueba de hipótesis se simboliza con α, y representa la probabilidad de
haber rechazado la hipótesis nula, siendo verdadera.

El propósito de la prueba de hipótesis no es cuestionar el valor calculado del estadístico de la

muestra, sino hacer un juicio respecto a la diferencia entre ese estadístico y un parámetro hipotético
de la población.i

Tabla 3.1: Valores críticos, Z, para niveles de significancia específicos

Nivel de Nivel de significancia Prueba de Prueba de

confianza una cola dos colas
1-α =0.90 α = 0.10 𝑍𝛼 = 1.280 𝑍𝛼⁄2 = 1.645

Página 4 de 33
 1-α =0.91 α = 0.09 𝑍𝛼 = 1.340 𝑍𝛼⁄2 = 1.700
1-α =0.92 α = 0.08 𝑍𝛼 = 1.405 𝑍𝛼⁄2 = 1.750
1-α =0.93 α = 0.07 𝑍𝛼 = 1.475 𝑍𝛼⁄2 =1.810
1-α =0.94 α = 0.06 𝑍𝛼 = 1.555 𝑍𝛼⁄2 = 1.880
1-α =0.95 α = 0.05 𝑍𝛼 = 1.645 𝑍𝛼⁄2 = 1.960
1-α =0.96 α = 0.04 𝑍𝛼 = 1.750 𝑍𝛼⁄2 =2.055
1-α =0.97 α = 0.03 𝑍𝛼 = 1.880 𝑍𝛼⁄2 = 2.170
1-α =0.98 α = 0.02 𝑍𝛼 = 2.055 𝑍𝛼⁄2 = 2.330
1-α =0.99 α = 0.01 𝑍𝛼 = 2.330 𝑍𝛼⁄2 = 2.575

Fuente: Elaboración propia en base a tabla de distribución normal

3.1.7. Estadístico de prueba

El Valor del estadístico de prueba se le denomina al estadístico (Z, t, χ2 , F), obtenidos a partir de
los datos reportados por la muestra. El estadístico de prueba se utiliza para ubicarlo en la región de
aceptación o región de rechazo, según se posiciones, y luego emitir la decisión.

3.2 Tipos de Errores en Pruebas de Hipótesis

Una vez realizada la prueba habrá dos tipos de decisiones: rechazar H0, o no rechazar H0. Sin
embargo, el parámetro seguirá siendo desconocido, por lo que se da la oportunidad de 4
consecuencias.

Tabla 3.2: Evaluación del resultado de una prueba de hipótesis

Resultado de la prueba
Realidad La hipótesis nula, H0 , es La hipótesis nula, H0 , es
aceptada rechazada
La hipótesis nula, H0, es en (a) Resultado correcto (b) Error tipo I [ p =α]
efecto verdadera [ p =1-α]
La hipótesis nula, H0, es en (c) Error tipo II [ p =β] (d) Resultado correcto
efecto falsa [ p =1-β]

Dependiendo de la realidad, el resultado a que se llegue en una prueba de hipótesis puede ser correcto, como en las celdas
(a) y (d) o erróneo, como en las (b) y (c). Las probabilidades asociadas con estos resultados se dan entre corchetes.
La probabilidad de aceptar correctamente una hipótesis es 1-α.

Página 5 de 33
 La probabilidad de cometer el error tipo I (rechazar incorrectamente una hipótesis nula verdadera) es el nivel de
significancia o riesgo de la prueba, α.
La probabilidad de cometer el error tipo II (aceptar incorrectamente una hipótesis nula falsa) es el riesgo β.
La probabilidad e rechazar correctamente una hipótesis nula falsa es la potencia de la prueba (1- β).

3.3 Procedimiento para una Prueba de Hipótesis

El procedimiento de prueba de cualquier hipótesis estadística se puede resumir en los siguientes
pasos:

Paso I: Planteamiento de hipótesis nula e hipótesis alterna

Paso II: Especificación del nivel de significancia y definir el valor crítico

Paso III: Recolectar los datos de la muestra y calcular el estadístico de prueba

Paso IV: Emplear la regla de rechazo y analizar.

3.4 Pruebas de Hipótesis para la Media y Proporciones en Muestras Grandes

3.4.1 Pruebas de hipótesis para la media poblacional, en muestras grandes.
Otra forma de la inferencia estadística es someter a juicio una afirmación acerca de un parámetro,
en lugar de estimar el parámetro por intervalo o de forma puntual. Esto conviene en los casos en
que se tenga sospecha de que un valor podría haber experimentado algún cambio, por ejemplo:

 El gobierno asegura que el promedio que el subsidio promedio recibido por las familias del
municipio de Texalingo, es de $180.00
En símbolos, las hipótesis son:
H0: µ = $180.00; es el promedio de subsidios que reciben las familias del municipio de
Texalingo.
HA: µ ≠ $180.00; el promedio de subsidios que reciben las familias del municipio de
Texalingo, no es $180.

 Una empresa dedicada a la gimnasia, indica que aquellas personas que se inscriban y
ejecuten su programa de ejercicios reducirán al menos 10 libras en la primera semana.
En símbolos, las hipótesis son:
H0: µ ≥ 10 libras; las personas que ejecutan los ejercicios del programa de la empresa de
gimnasia, reducirán al menos 10 libras
HA: µ < 10 libras; las personas que ejecutan los ejercicios del programa de la empresa de
gimnasia, reducirán menos de10 libras

Página 6 de 33
  Un mercadólogo sospecha que las ventas aumentarán significativamente luego de
implementar un proyecto publicitario. Actualmente el monto de ventas promedio mensual
se mantiene en $125,000.
En símbolos, las hipótesis son:
H0 : µ ≤ $125,000; El proyecto de publicidad no tendrá efecto en el promedio de ventas.
HA : µ > $125,000; El proyecto de publicidad tendrá efecto positivo en el promedio de
ventas.
El procedimiento de prueba de hipótesis para promedios se basará en los mismos 4 pasos descritos
anteriormente:

Paso I: Planteamiento de hipótesis nula e hipótesis alterna

Prueba de cola inferior Prueba de cola superior Prueba de dos colas

H0 : µ ≥ µ0 H0 : µ ≤ µ0 H0 : µ = µ0
Hipótesis HA : µ < µ0 HA : µ > µ0 HA : µ ≠ µ0

En ocasiones interesará efectuar comprobaciones de igualdad o si el parámetro es mayor o menor, dependiendo del
interés, así habrá pruebas unilaterales o bilaterales.

Paso II: Especificación del nivel de significancia y definir el valor crítico

La significancia, la decide quien investiga de acuerdo a la exigencia o rigurosidad del estudio. Los
más usados en los textos de estadística son: α = 0.01, α = 0.05 y α = 0.10. Los valores críticos se
ubican en la tabla de distribución normal o en la tabla 3.1 de este capítulo.

Paso III: Recolectar los datos de la muestra y calcular el estadístico de prueba

Fórmula del estadístico de prueba para promedios

𝑥̅ − µ0 𝑥̅ : Media de la muestra de datos

𝑍= 𝜎
⁄ 𝑛 𝜎 : Desviación estándar poblacional
√
Donde: µ0 : Valor del parámetro media
Z: Estadístico de prueba
n: tamaño de muestra

Paso IV: Emplear la regla de rechazo y analizar.

Tabla 3.3: Regla de rechazo en las pruebas de hipótesis para la media poblacionalii

Prueba de cola Prueba de cola Prueba de dos colas

inferior superior

Página 7 de 33
 Hipótesis H0: µ ≥ µ0 H0: µ ≤ µ0 H0: µ = µ0
HA: µ < µ0 HA: µ > µ0 HA: µ ≠ µ0

Regla de rechazo: Rechazar H0, si

Método del valor Rechazar H0, Rechazar H0, 𝑧 ≤ −𝑍𝛼⁄2 o
crítico si Z ≤ -Zα si Z ≥Zα si, 𝑧 ≥ 𝑍𝛼⁄2

En forma gráfica, se tiene la siguiente región de rechazo de la hipótesis nula, según el tipo de
prueba.

Tipo de prueba Hipótesis Áreas de decisión, respecto de la ubicación del

estadístico de prueba

Prueba de cola H0 : µ ≥ µ0
inferior HA : µ < µ0

Tipo de prueba Hipótesis Áreas de decisión, respecto de la ubicación del

estadístico de prueba

Prueba de cola
superior
H0 : µ ≤ µ0
HA : µ > µ0
Página 8 de 33
 Tipo de prueba Hipótesis Áreas de decisión, respecto de la ubicación del
estadístico de prueba

Prueba de dos
colas
H0 : µ = µ0
HA : µ ≠ µ0

Ejemplo 3.1

Cuando las ventas medias, por establecimiento autorizado, de una marca de cosméticos caen por
debajo de las 15 mil unidades mensuales, se considera implementar lanzar una campaña publicitaria
que active las ventas de esta marca. Para conocer la evolución de las ventas, el departamento de
marketing realiza una encuesta en 32 establecimientos autorizados para vender el producto
cosmético. Luego de recolectar la información se tiene un total 472,160 unidades del cosmético.

La desviación estándar del número de ventas por establecimiento es 2803. Suponiendo que las
ventas mensuales por establecimiento se distribuyen normalmente. ¿Se considerará oportuno lanzar
una nueva campaña publicitaria? Use una significancia del 5%.

Desarrollo:

Paso I: Planteamiento de hipótesis nula e hipótesis alterna

H0 : μ ≥ 15 mil; Las ventas son de 25 mil unidades o más cada mes.

HA : μ < 15 mil; Las ventas son de 25 mil unidades o más cada mes.

Página 9 de 33
Paso II: Especificación del nivel de significancia y definir el valor crítico

Nivel de confianza: 1-α = 0.95 Nivel de significancia: α = 0.05

Valor de Zα = Z0.05 = -1.645

En forma gráfica:

Paso III: Recolectar los datos de la muestra y calcular el estadístico de prueba

𝑥̅ − µ0
Fórmula: 𝑍 = 𝜎
⁄ 𝑛
√

Datos:

Suma de ventas = ∑x=472160 unidades

∑𝑥 472160
𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 = 𝑛 = 32 = 14755 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑣𝑒𝑛𝑑𝑖𝑑𝑎𝑠 𝑝𝑜𝑟 𝑡𝑖𝑒𝑛𝑑𝑎
𝑥̅ : Media muestral =14755
µ0 : Media poblacional = 15,000 unidades
σ : Desviación estándar de los datos poblacionales. Usaremos S(x) como estimador de σ
σ ≈ S(X) ≈ 2308
n : tamaño de la muestra = 32 establecimientos

Sustituyendo:

𝑥̅ − µ0 14755 − 15000
𝑍= 𝜎 = 2308⁄ = −0.60
⁄ 𝑛
√ √32

Página 10 de 33
Paso IV: Emplear la regla de rechazo y analizar.

Según Regla de rechazo del método del valor crítico: Rechazar H0, si Z ≤ -Zα
Se concluye, no rechazar H0, ya que Z ≤ -Zα , no se cumple -0.60 ≥ -1.645.

En forma gráfica:

Interpretación:

Con una significancia del 5%, la decisión es no rechazar H0, con lo cual se concluye que el
promedio de ventas se mantiene en 15,000 unidades o más de ventas mensuales. No hay evidencia
que muestre que las ventas se hayan reducido significativamente. La campaña publicitaria, no
procede.

Ejemplo 3.2

Los mercadólogos tienen la sospecha de que el promedio en que un adulto ve televisión ha

aumentado y para probar esa hipótesis, toma una muestra 64 adultos de la misma población,
obteniendo como resultado una media de 4 horas semanales. En el pasado, el tiempo promedio en
que adultos ven televisión ha sido de 3 horas a la semana. La desviación estándar poblacional es
de 0.90 horas.
Si se utiliza un nivel de significación del 10%. Verifique si la afirmación del investigador es
realmente cierta, usando la respectiva prueba de hipótesis.

Desarrollo:

Paso I: Planteamiento de hipótesis nula e hipótesis alterna

H0 : μ ≤ 3 horas; El número de horas promedio semanal que ve televisión un adulto es de 3
horas o menos
HA : μ > 3 horas; El número de horas promedio semanal que ve televisión es mayor a 3
horas.
Página 11 de 33
Paso II: Especificación del nivel de significancia y definir el valor crítico

Nivel de confianza: 1-α = 0.90 Nivel de significancia: α = 0.10 Valor de Zα = Z0.05 = 1.28

En forma gráfica:

Paso III: Recolectar los datos de la muestra y calcular el estadístico de prueba

𝑥̅ − µ0
Fórmula: 𝑍 = 𝜎 donde:
⁄ 𝑛
√

𝑥̅ : Media muestral =4 horas

µ0 : Media poblacional = 3 horas
σ : Desviación estándar de los datos poblacionales = 0.90 horas
n : tamaño de la muestra = 64 adultos
Sustituyendo:

𝑥̅ − µ0 4−3
𝑍= 𝜎 = 0.90⁄ = 8.88
⁄ 𝑛
√ √64

Paso IV: Emplear la regla de rechazo y analizar.

Según Regla de rechazo del método del valor crítico: Rechazar H0, si Z ≥ Zα

Si se rechaza H0, ya que Z ≥ Zα, se cumple 8.88 ≥ 1.28

En forma gráfica:

Página 12 de 33
Interpretación:

Con una significancia del 10%, la decisión es rechazar H0, con lo cual se concluye que el promedio
de ver televisión en adultos ha tenido un aumento significativamente mayor a las 3 horas semanales.

3.4.2 Pruebas de hipótesis para proporción poblacional en muestras grandes

En el mismo sentido de los promedios, otra forma de la inferencia estadística es someter a juicio
una afirmación acerca del parámetro proporción poblacional, en lugar de estimar el parámetro por
intervalo o de forma puntual. Esto conviene en los casos en que se tenga sospecha de que un valor
podría haber experimentado algún cambio, por ejemplo:

 El gobierno asegura que el porcentaje de pobreza en el poblado de Texalingo, es del 3% o

menos.
En símbolos, las hipótesis son:
H0 : P ≤ 0.03; porcentaje de población en pobreza es del 3% o menos en el municipio de
Texalingo.
HA : P > 0.03; porcentaje de población en pobreza es mayor al 3% en el municipio de
Texalingo..

 Una empresa dedicada a la producción de productos desechables asegura que su marca es

preferida por el 20% o más de la población.
En símbolos, las hipótesis son:
H0: P ≥ 0.20; el 20% o más de la población prefiere la marca de desechables
HA: P < 0.20; las preferencias por la marca de desechables es menor al 20%.

 Un investigador sospecha que hay cambios en el porcentaje de mujeres que participan en

altos cargos públicos de una región del tercer mundo, en el pasado la proporción de mujeres
en cargos públicos ha sido del 30%.
En símbolos, las hipótesis son:
H0: P = 0.30; la participación de mujeres en altos cargos de elección es del 30%
HA: P ≠ 0.30; la participación de mujeres en altos cargos de elección no es del 30%

El procedimiento de prueba de hipótesis para promedios se basará en los mismos 4 pasos descritos
anteriormente:
Página 13 de 33
Paso I: Planteamiento de hipótesis nula e hipótesis alterna
Prueba de cola inferior Prueba de cola superior Prueba de dos colas

Hipótesis H0 : P ≥ p0 H0 : P ≤ p 0 H0 : P = p 0
HA : P < p 0 HA : P > p 0 HA : P ≠ p 0

En ocasiones interesará efectuar comprobaciones de igualdad o si el parámetro es mayor o menor, dependiendo

del interés, así habrá pruebas unilaterales o bilaterales

Paso II: Especificación del nivel de significancia y definir el valor crítico

La significancia, la decide quien investiga de acuerdo a la exigencia o rigurosidad del estudio. Los
más usados en los textos de estadística son: α = 0.01, α = 0.05 y α = 0.10. Los valores críticos se
ubican en la tabla de distribución normal o en la tabla 3.1 de este capítulo.

Paso III: Recolectar los datos de la muestra y calcular el estadístico de prueba

Fórmula del estadístico de prueba para promedios

𝑝 − 𝑃0 Z: Estadístico de prueba
𝑍=
𝜎𝑝 p : Proporción de éxito en la muestra de datos
𝜎𝑝 : Desviación estándar de la proporción
𝑃0 ∗ 𝑄0 𝑝0 : Valor del parámetro proporción
𝜎𝑝 = √ n: tamaño de muestra
𝑛

𝑄0 = 1 − 𝑃0

Paso IV: Emplear la regla de rechazo y analizar.

Tabla 3.4 : Resumen de la prueba de hipótesis para la proporción poblacional

Prueba de cola inferior Prueba de cola superior Prueba de dos colas

H0 : P ≥ p0 H0 : P ≤ p 0 H0 : P = p 0
Hipótesis HA : P < p 0 HA : P > p 0 HA : P ≠ p 0

Regla de
rechazo: Rechazar H0, si Z ≤ -Zα Rechazar H0, si Z ≥Zα Rechazar H0, si
𝑧 ≤ −𝑍𝛼⁄2

Página 14 de 33
 Método del o si, 𝑧 ≥ 𝑍𝛼⁄2
valor crítico
Fuente: Anderson Sweeney William. (2012). Capítulo 9: Prueba de Hipótesis. Estadística para negocios y economía
(p.379). México: Cengage Learninig.

En forma gráfica, se tiene la siguiente región de rechazo de la hipótesis nula, según el tipo de
prueba.

Hipótesis Áreas de decisión, respecto de la ubicación del

estadístico de prueba

Prueba de cola H0 : P ≥ p0
inferior HA : P < p 0

Hipótesis Áreas de decisión, respecto de la ubicación del

estadístico de prueba

Prueba de cola H0 : P ≤ p 0
superior HA : P > p 0

Página 15 de 33
 Áreas de decisión, respecto de la ubicación del estadístico
Hipótesis de prueba

Prueba de H0 : P = p 0
dos colas HA : P ≠ p 0

Ejemplo 3.3

La cadena de supermecados “Superm-a-z” asegura que el 90% de los habitantes del municipio de
San Juan de la Piedra, compran en “Superm-a-z” al menos una vez a la quincena. Para contrastar
ese planteamiento, una firma de marketing hace un estudio con 150 habitantes del municipio y se
pregunta: compra al menos una vez en la quincena en el “Superm-a-z”?. Luego de resumir la
información se tiene que 130 aseguran comprar en el referido supermercado al menos una vez en
quince días. Usando una significancia del 3%, es diferente la proporción de clientes del negocio?

Desarrollo:

Paso I: Planteamiento de hipótesis nula e hipótesis alterna

H0 : P = 0.90; 90% de los habitantes son clientes del “Superm a-z”

HA : P ≠ 0.90; El porcentaje de clientes de “Superm a-z”, es diferente al 90%.

Paso II: Especificación del nivel de significancia y definir el valor crítico

Nivel de confianza: 1-α = 0.97 Nivel de significancia: α = 0.03

Página 16 de 33
 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑍𝛼⁄2 = 𝑍0.015 = ±2.17
Nótese que en este caso la prueba es bilateral, por lo que el nivel de significancia se reparte en
las dos colas

En forma gráfica:

Paso III: Recolectar los datos de la muestra y calcular el estadístico de prueba

𝑝−𝑃
Fórmula: 𝑍 =
𝜎𝑝

Datos:
𝑥 = 130 clientes
n = 150 personas
130
𝑝 = 150 = 0.867; porcentaje de clientes del ““Superm-a-z”
𝑃∗ 𝑄 0.90∗0.10
𝜎𝑝 = √ =√ = 0.0245 ; 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙
𝑛 150

Sustituyendo:

𝑝−𝑃 0.867− 0.90

𝑍= = = −1.35
𝜎𝑝 0.0245

Paso IV: Emplear la regla de rechazo y analizar.

Rechazar 𝐻0 , si 𝑧 ≤ −𝑍𝛼⁄2 o si, 𝑧 ≥ 𝑍𝛼⁄2

Página 17 de 33
Los resultados anteriores, son Z=-1.35 y 𝑍𝛼⁄2 = ±2.17,

La decisión es no rechazar la hipótesis nula, ya que no se cumple la regla

En forma gráfica:

Interpretación:

Con una significancia del 3%, la decisión es no rechazar H0, con lo cual se concluye que el
porcentaje de clientes que compran al menos una vez en el “Superm a-z” , es del 90% de la
población del municipio de San Juan.

Ejemplo 3.4

Una Organización que estudia las pautas de consumo de las personas asegura que actualmente el
80% o más de los consumidores se informan en internet acerca del producto que les interesa
comprar, sus características, marcas y precios entre otros factores. Para contrastar, tal hipótesis, se
toma una muestra de 200 personas que realizaron compras en un negocio de electrodomésticos y
se les preguntó si previamente se habían informado acerca del electrodoméstico por internet. Los
resultados indican que 150 de los compradores, se habían informado por internet acerca de las
características, marcas y precios de los electrodomésticos. Elabore la prueba al nivel de
significancia del 7%.

Desarrollo:

Paso I: Planteamiento de hipótesis nula e hipótesis alterna

Página 18 de 33
H0 : P ≥ 0.80; 80% o más de los consumidores, se informan previamente por internet de las
características, precios y marcas de los productos que demandan.
HA : P < 0.80; Menos del 80% de los consumidores, se informan previamente por internet de las
características, precios y marcas de los productos que demandan.

Paso II: Especificación del nivel de significancia y definir el valor crítico

Nivel de confianza: 1-α = 0.93 Nivel de significancia: α = 0.07

𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑍𝛼 = 𝑍0.07 = −1.475

En forma gráfica:

Paso III: Recolectar los datos de la muestra y calcular el estadístico de prueba

𝑝−𝑃
Fórmula: 𝑍 = 𝜎𝑝

Datos:

𝑥 = 150 compradores que se habían informado por internet

n = 200 personas consultadas
150
𝑝 = 200 = 0.75; porcentaje de personas que se informan por internet sobre los productos
que demandan.
𝑃∗ 𝑄 0.80∗0.20
𝜎𝑝 = √ 𝑛
=√ 200
= 0.0283 ; 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙

Sustituyendo:

Página 19 de 33
 𝑝−𝑃 0.75− 0.80
𝑍= = = −1.77
𝜎𝑝 0.0283
Paso IV: Emplear la regla de rechazo y analizar.

Rechazar 𝐻0 , si 𝑧 ≤ −𝑍𝛼

Los resultados anteriores, son Z=-1.475 y 𝑍𝛼 = −1.77

La decisión es rechazar la hipótesis nula, ya que no se cumple la regla

En forma gráfica:

Interpretación:

Con una significancia del 7%, la decisión es rechazar H0, concluyendo que es menos del 80% los
consumidores que se informan previamente por internet de las características, precios y marcas de
los productos que demandan.
3.5 Pruebas de Hipótesis sobre Independencia de Variables (Uso de Distribución Chi-
Cuadrado)

Es un procedimiento de análisis estadístico no paramétrico que permite determinar si existe una

relación estadística significativa entre dos variables cuantitativas o cualitativas. Tales como, sexo
y preferencia por un producto de hogar; Cantidades que se consumen de un producto y los niveles
de precio; y así, cualquier otra pareja de variables cualitativas o cuantitativas, cuyo resumen de
frecuencias se disponga en un cuadro de contingencia.

Página 20 de 33
Aunque la prueba nos indica si existe o no una relación entre las variables, no se puede verificar
el grado o el tipo de relación; es decir, no indica proporciona una medida en porcentaje para
verificar la influencia de una variable sobre la otra o la variable que causa la influencia.

Este tipo de procedimiento, se conoce como prueba no paramétrica y se usa el estadístico chi-
cuadrado con nivel de confianza y grados de libertad. La característica de esta distribución de
probabilidad es poseer una forma asimétrica positiva que se va disminuyendo a medida los grados
de libertad aumentan. O sea que a medida aumenta los grados de libertad, la distribución chi-
cuadrado, se aproxima a la distribución normal.

El procedimiento de prueba costa de 4 pasos.

Paso I: Planteamiento de hipótesis nula e hipótesis alterna

Sea “x” e “y”, variables cuyas frecuencias absolutas se disponen en un cuadro de contingencia:

La hipótesis nula, H0, parte del hecho de que existe independencia entre las variables en estudio,
de manera que la H0, siempre debe coincidir con las siguientes ideas:
 no hay relación entre “x” e “y”
 “x” es independiente de “y”.
 no hay diferencia entre ….”

Paso II: Especificación del nivel de significancia y definir el valor crítico

A partir del nivel de significancia y de los grados de libertad se define el valor crítico ubicado en
la distribución chi-cuadrado.

Grados de libertad en una prueba de independencia:

gl = (número de filas-1)*( número de columnas-1)

Imagen 3.1: Segmento de tabla de valores de χ2, según área de cola superior (α) y grados de libertad.

Página 21 de 33
Fuente: Anderson Sweeney William. (2012). Apéndice B, tablas. Estadística para negocios y economía (p.983).
México: Cengage Learninig.

Paso III: Recolectar los datos de la muestra y calcular el estadístico de prueba

Fórmula del estadístico de prueba:

χ2 : Estadístico de prueba
( 𝐹𝑂 − 𝐹𝐸 )2 FO: Frecuencia observada en la muestra.
χ2 = ∑ FE: Frecuencia esperada en la muestra.
𝐹𝐸
𝑇𝑜𝑡𝑎𝑙 𝐹𝑖𝑙𝑎 𝑖 𝑝𝑜𝑟 𝑇𝑜𝑡𝑎𝑙 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑗
𝐹𝐸𝑖𝑗 =
𝑇𝑜𝑡𝑎𝑙 𝐺𝑒𝑛𝑒𝑟𝑎𝑙 𝑜 𝑡𝑜𝑡𝑎𝑙 𝑚𝑢𝑒𝑠𝑡𝑟𝑎

Paso IV: Emplear la regla de rechazo y analizar.

Regla de rechazo de la H0 : Se rechaza H0 , si 𝜒2 ≥ 𝜒2𝛼,𝑔𝑙

O, en forma gráfica, se pueden diferenciar las regiones de no rechazo de Ho y rechazo de Ho,

Página 22 de 33
Ejemplo 3.5

Una ejecutiva de marketing, está interesada en analizar si la marca se distribuye uniformemente en

las 4 zonas del país: Oriental, Paracentral, Central y Occidental. Para ello toma una muestra de 100
consumidores de cada región con los resultados que se resumen en la siguiente tabla de
contingencia:

Elección de la marca, según zona del país

Zonas del país Total
Elección Oriental Paracentral Central Occidental
Compra la marca 45 60 50 52 207
No compra la marca 55 40 50 48 193
Total 100 100 100 100 400

Se pide, elaborar la respectiva prueba de independencia con una significancia del 5%.

Paso I: Planteamiento de hipótesis nula e hipótesis alterna

Variables:
Sea x, “la elección de comprar o no la marca”; y, la variable y, “las zonas del país.”

H0: La elección de comprar la marca es independiente de la zona del país.

HA: La elección de comprar la marca es depende de la zona del país.

Paso II: Especificación del nivel de significancia y definir el valor crítico

Nivel de significancia, 1-α = 0.05

Página 23 de 33
 Grados de libertad en una prueba de independencia:
gl = (2 filas-1)*( 4 columnas-1) = (2-1)*(4-1) = (1)*(3) = 3

En tabla de distribución Chi-cuadrado o ji-cuadrado:

2 2
𝜒𝛼,𝑔𝑙 = 𝜒0.05,3 = 7.815

En forma gráfica, el valor crítico, representa la división en regiones de rechazo de H0 y de no rechazo de H0

Paso III: Recolectar los datos de la muestra y calcular el estadístico de prueba

Fórmula del estadístico de prueba:

Página 24 de 33
 χ2 : Estadístico de prueba
( 𝐹𝑂 − 𝐹𝐸 )2 FO: Frecuencia observada en la muestra.
χ2 = ∑ FE: Frecuencia esperada en la muestra.
𝐹𝐸

𝑇𝑜𝑡𝑎𝑙 𝐹𝑖𝑙𝑎 𝑖 𝑝𝑜𝑟 𝑇𝑜𝑡𝑎𝑙 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑗

𝐹𝐸𝑖𝑗 =
𝑇𝑜𝑡𝑎𝑙 𝐺𝑒𝑛𝑒𝑟𝑎𝑙 𝑜 𝑡𝑜𝑡𝑎𝑙 𝑚𝑢𝑒𝑠𝑡𝑟𝑎

Frecuencias Observadas (FO):

Zonas del país Total

Elección Oriental Paracentral Central Occidental
Compra la marca 45 60 50 52 207
No compra la marca 55 40 50 48 193
Total 100 100 100 100 400

Cálculo de frecuencias esperadas:

𝑇𝑜𝑡𝑎𝑙 𝐹𝑖𝑙𝑎 𝑖 𝑝𝑜𝑟 𝑇𝑜𝑡𝑎𝑙 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑗

𝐹𝐸𝑖𝑗 = 𝑇𝑜𝑡𝑎𝑙 𝐺𝑒𝑛𝑒𝑟𝑎𝑙 𝑜 𝑡𝑜𝑡𝑎𝑙 𝑚𝑢𝑒𝑠𝑡𝑟𝑎

Frecuencias Observadas (FE):

Zonas del país Total

Elección Oriental Paracentral Central Occidental
Compra la marca 207*100/400 207*100/400 207*100/400 207*100/400 207
=51.75 =51.75 =51.75 =51.75
No compra la 193*100/400 193*100/400 193*100/400 193*100/400 193
marca = 48.25 = 48.25 = 48.25 = 48.25
Total 100 100 100 100 400

El procedimiento es:

Posición de la (FO − FE)2

frecuencia FO FE (FO-FE) (FO-FE)2 𝐹𝐸
Fila1, Columna 1 45 51.75 -6.75 45.5625 0.88043
Página 25 de 33
 Fila1, Columna 2 60 51.75 8.25 68.0625 1.31522
Fila1, Columna 3 50 51.75 -1.75 3.0625 0.05918
Fila1, Columna 4 52 51.75 0.25 0.0625 0.00121
Fila2, Columna 1 55 48.25 6.75 45.5625 0.94430
Fila2, Columna 2 40 48.25 -8.25 68.0625 1.41062
Fila2, Columna 3 50 48.25 1.75 3.0625 0.06347
Fila2, Columna 4 48 48.25 -0.25 0.0625 0.00130
Suma 4.67573

Valor del estadístico de prueba:

( 𝐹𝑂−𝐹𝐸)2
χ2 = ∑ = 4.67573
𝐹𝐸

Paso IV: Emplear la regla de rechazo y analizar.

Regla de rechazo de la H0 : Se rechaza H0 , si 𝜒2 ≥ 𝜒2𝛼,𝑔𝑙

No se cumple la regla ya que 4.6757 no es mayor o igual a 7.815, por tanto, no se rechaza H0

O, en forma gráfica, se pueden verificar la ubicación del estadístico de prueba, en zona de no

rechazo

Interpretación:

Página 26 de 33
Con una significancia del 5%, la decisión es no rechazar H0, con lo cual se concluye que La
elección de comprar la marca es independiente de la zona del país. Es decir, que no se puede
determinar que la decisión de comprar o no la marca, se relacione con la zona donde se distribuya
el producto.

Ejemplo 3.6

Se tiene la sospecha que el comportamiento de consumo de café está relacionado con el sexo. Para
verificar tal hipótesis, se toma una muestra de 230 personas de una región y se les pregunta si toman
café. Los resultados se resumen en una tabla de contingencia siguiente:
Sexo Comportamiento de consumo Total
Consume café No consume café
Hombres 108 58 166
Mujeres 42 22 64
Total 150 80 230

¿Es independiente el sexo, respecto del comportamiento de consumo de café? Use una
significancia del 0.005.

Paso I: Planteamiento de hipótesis nula e hipótesis alterna

Variables:
Sea x, “sexo del consumidor”; y, la variable y, “comportamiento en consumo de café”

H0: El comportamiento de las personas en cuanto a consumo de café es independiente del sexo.
HA: El comportamiento de las personas en cuanto a consumo de café dependiente del sexo.

Paso II: Especificación del nivel de significancia y definir el valor crítico

Nivel de significancia, 1-α = 0.005

Grados de libertad en una prueba de independencia:

gl = (2 filas-1)*( 2columnas-1) = (2-1)*(2-1) = (1)*(1) = 1

En tabla de distribución Chi-cuadrado o ji-cuadrado:

Página 27 de 33
 2 2
𝜒𝛼,𝑔𝑙 = 𝜒0.005,1 = 7.879
En forma gráfica, el valor crítico, representa la división en regiones de rechazo de H0 y de no rechazo de H0

Paso III: Recolectar los datos de la muestra y calcular el estadístico de prueba

Fórmula del estadístico de prueba:

χ2 : Estadístico de prueba
( 𝐹𝑂 − 𝐹𝐸 )2 FO: Frecuencia observada en la muestra.
χ2 = ∑ FE: Frecuencia esperada en la muestra.
𝐹𝐸

𝑇𝑜𝑡𝑎𝑙 𝐹𝑖𝑙𝑎 𝑖 𝑝𝑜𝑟 𝑇𝑜𝑡𝑎𝑙 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑗

𝐹𝐸𝑖𝑗 =
𝑇𝑜𝑡𝑎𝑙 𝐺𝑒𝑛𝑒𝑟𝑎𝑙 𝑜 𝑡𝑜𝑡𝑎𝑙 𝑚𝑢𝑒𝑠𝑡𝑟𝑎

Página 28 de 33
Frecuencias Observadas (FO):

Sexo Comportamiento de consumo Total

Consume café No consume café
Hombres 108 58 166
Mujeres 42 22 64
Total 150 80 230

Cálculo de frecuencias esperadas:

𝑇𝑜𝑡𝑎𝑙 𝐹𝑖𝑙𝑎 𝑖 𝑝𝑜𝑟 𝑇𝑜𝑡𝑎𝑙 𝑐𝑜𝑙𝑢𝑚𝑛𝑎 𝑗

𝐹𝐸𝑖𝑗 = 𝑇𝑜𝑡𝑎𝑙 𝐺𝑒𝑛𝑒𝑟𝑎𝑙 𝑜 𝑡𝑜𝑡𝑎𝑙 𝑚𝑢𝑒𝑠𝑡𝑟𝑎

Frecuencias Observadas (FE):

Sexo Comportamiento de consumo Total

Consume café No consume café
Hombres 166∗150 166∗80 166
= 108.261 = 57.739
230 230
Mujeres 64∗150 64∗80
= 41.739 = 22.261 64
230 230
Total 150 80 230

El procedimiento es:

Posición de la (FO − FE)2

2
frecuencia FO FE (FO-FE) (FO-FE) 𝐹𝐸
Fila1, Columna 1 108 108.261 -0.261 0.068121 0.00063
Fila1, Columna 2 58 57.739 0.261 0.068121 0.00118
Fila2, Columna 1 42 41.739 0.261 0.068121 0.00163
Fila2, Columna 2 22 22.261 -0.261 0.068121 0.00306
Suma 0.00650

Valor del estadístico de prueba:

( 𝐹𝑂−𝐹𝐸)2
χ2 = ∑ = 0.0065
𝐹𝐸

Paso IV: Emplear la regla de rechazo y analizar.

Regla de rechazo de la H0 : Se rechaza H0 , si 𝜒2 ≥ 𝜒2𝛼,𝑔𝑙

Página 29 de 33
No se cumple la regla ya que 0.0065 no es mayor o igual a 7.879, por tanto, no se rechaza H0

O, en forma gráfica, se pueden verificar la ubicación del estadístico de prueba, en zona de no

rechazo

Interpretación:

Con una significancia del 0.5%, la decisión es no rechazar H0, con lo cual se concluye que El
comportamiento de las personas en cuanto a consumo de café es independiente del sexo.

Página 30 de 33
Anexo 1: Tabla de probabilidad normal

Universidad de El Salvador - Facultad de Ciencias Económicas

Departamento de Matemática y Estadística
Tabla de probabilidad normal estándar
Las tablas representan la probabilidad de que
Estas tablas fueron fórmuladas por primera la V.A.Z., tome valores entre cero y un valor especí f ico

vez en 1799 por Chétien Kramp, matemático de Z, Z0: Por ejemplo en Z=2.12, representa el
y físico francés. También inventó el número factorial, n!. área A (0.00 < Z < 2.12) = 0.4830.

z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974
2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981
2.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986
3.0 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990
3.1 0.4990 0.4991 0.4991 0.4991 0.4992 0.4992 0.4992 0.4992 0.4993 0.4993
3.2 0.4993 0.4993 0.4994 0.4994 0.4994 0.4994 0.4994 0.4995 0.4995 0.4995
3.3 0.4995 0.4995 0.4995 0.4996 0.4996 0.4996 0.4996 0.4996 0.4996 0.4997
3.4 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4998
3.5 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998
3.6 0.4998 0.4998 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.7 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.8 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.9 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000
Z, representa el número de desviaciones estándar en que un valor particular de Elaboración: Lic. Noé Cortez
la variable aleatoria "X" se distacia del promedio.

Página 31 de 33
Anexo 2: Tabla chicuadrado

Fuente: Anderson Sweeney William. (2012). Apéndice B (p.985). México: Cengage Learninig.

Página 32 de 33
Referencias

 Anderson Sweeney William. (2012). Capítulo 9: Prueba de Hipótesis. Estadística para

negocios y economía (p.365). México: Cengage Learninig.

 Levin, Richard I.. (2004). Estadística para administración y economía. México: Pearson
Prentice Hall.

Página 33 de 33