1
UNIVERSIDAD ESTATAL DE MILAGRO
FACULTAD CIENCIAS E INGENIERÍA
TEMA: PRUEBA DE HIPÓTESIS
ASIGNATURA:
PROBABILIDAD Y ESTADISTICA
TUTOR:
ING. LUIS CRISTOBAL CORDOVA MARTINEZ
INTEGRANTES:
FIORELLA FRANCO
CHRISTINA MOINA
2
Abstract
The essay explores hypothesis testing, a fundamental component of statistical inference used
to make decisions based on data samples. It delves into the process of formulating null and
alternative hypotheses, selecting the significance level, and interpreting results. The
significance of Type I and Type II errors is examined, along with the calculation of p-values.
Various statistical tests and their practical applications are discussed. The essay highlights the
importance of hypothesis testing in evidence-based decision-making and underscores its
crucial role in validating scientific claims across diverse fields, from medicine to engineering.
It concludes by emphasizing the need for a thorough understanding of hypothesis testing
principles and limitations to ensure an informed and robust interpretation of statistical results.
Keywords: hypothesis testing, null hypothesis, alternative hypothesis, p-value, data
analysis
3
Contenido
Introducción .......................................................................................................................................... 4
Prueba de hipótesis ............................................................................................................................... 4
Planteamiento de Hipótesis ................................................................................................................... 4
Hipótesis nula, hipótesis alternativa, nivel de importancia, así como errores de tipo I y II. .................. 5
Nivel de Significancia y Errores ........................................................................................................... 6
El Proceso de Prueba ............................................................................................................................ 6
Aplicaciones en la Vida Real ................................................................................................................ 6
EL VALOR DE P .................................................................................................................................. 7
Prueba de hipótesis para la media. ........................................................................................................ 8
Formulación de Hipótesis: ................................................................................................................ 8
Prueba de hipótesis para la diferencia de medias .................................................................................. 9
Formulación de Hipótesis: .............................................................................................................. 10
Bibliografía .......................................................................................................................................... 12
4
Introducción
En este capítulo, se enfoca en explorar una de las cuestiones más simples dentro de las
investigaciones, que es determinar si existe una diferencia estadísticamente significativa entre un
estimador y el parámetro de la población, o entre dos estimadores. Para abordar esta pregunta, se
utiliza la técnica de prueba de hipótesis o contrastes
El presente capítulo abarca el tema de la prueba de significancia, hipótesis contrastantes, y también
retoma el concepto de intervalo de confianza y nivel de importancia. Estos conceptos se emplearán
posteriormente en capítulos posteriores para analizar datos provenientes de diseños más complejos.
A continuación, se exponen los supuestos y los métodos estadísticos utilizados para contrastar una
media con un estándar o referencia, comparar dos medias independientes y comparar dos medias
dependientes. A medida que avance en el capítulo, se familiarizará con términos como distribución de
referencia, distribución de probabilidad, prueba de significancia, distribución t, distribución normal y
distribución f, hipótesis nula (H0)
Prueba de hipótesis
La prueba de hipótesis es una metodología fundamental en el campo de la estadística que se utiliza
para tomar decisiones informadas sobre afirmaciones o suposiciones acerca de poblaciones o
muestras. Estas afirmaciones se expresan en forma de hipótesis nula (H0) y hipótesis alternativa (H1),
y la prueba de hipótesis busca determinar si existen pruebas estadísticas suficientes para aceptar o
rechazar la hipótesis nula en favor de la hipótesis alternativa.
Planteamiento de Hipótesis
En el corazón de la prueba de hipótesis se encuentran dos afirmaciones: la hipótesis nula (H0) y la
hipótesis alternativa (H1). La hipótesis nula representa la idea de que no hay efecto o diferencia
significativa, mientras que la hipótesis alternativa sugiere lo contrario.
5
Estas hipótesis compiten en un enfrentamiento estadístico, como dos contendientes en un ring de
boxeo, buscando demostrar su validez a través de la evidencia numérica.
Hipótesis nula, hipótesis alternativa, nivel de importancia, así como
errores de tipo I y II.
La hipótesis nula (Ho) es la que se contrasta y en base a la cual se toma la decisión. Para él se
supone que la afirmación es verdadera a los efectos de la prueba y se rechaza o no se rechaza según la
prueba. Proceso de análisis en la vida cotidiana, la pregunta o el motivo de la prueba. La hipótesis está
más relacionada con la hipótesis alternativa (Ha) que con la hipótesis nula.
Por ejemplo, si queremos saber si un nuevo tratamiento pre-germinativo es mejor que actualmente,
la hipótesis nula se utiliza de tal manera que no hay diferencia entre el método actual y nuevo. La
hipótesis alternativa, por su parte, se formularía para sugerir que la el nuevo método es mejor que el
que se usa actualmente. Se contrasta Ho en lugar de la hipótesis alternativa (Ha) porque la serie
estadística así lo prevé la información necesaria para estimar los parámetros de su distribución de
muestreo; mientras que Ha no lo hizo ofrece este beneficio.
Por otro lado, si tratamos de probar la hipótesis alternativa Ha:μ 0.87 directamente, obtendremos
tendríamos la desventaja de no saber dónde está centrada la distribución muestral todo lo que
podemos decir sobre los valores medios es que no se centran en el valor 0,87. Arriba hace imposible
probar la hipótesis alternativa mientras justifica la necesidad de probar la hipótesis alternativa.
Validez de la hipótesis nula. Los términos "no rechazar" y "rechazar" solo deben usarse en el
contexto de la hipótesis. Cero; Bueno, eso es lo que probamos. Ho rechazar significa que los datos las
muestras proporcionan suficiente evidencia para asumir que la hipótesis nula es correcta
estadísticamente improbable a un cierto nivel de significancia. De la misma manera si no rechazamos
Ho, lo que significa que los datos de la muestra no brindan suficiente evidencia para pensar que lo que
dice la hipótesis nula es improbable en un cierto nivel de significación.
6
Al analizar los resultados de una prueba de hipótesis siempre deben tener en cuenta el efecto de
interferencia derivado la presencia de variables no consideradas y no expuestas al diseño original
probar.
Nivel de Significancia y Errores
El proceso de prueba de hipótesis no es exento de riesgos. El nivel de significancia, representado
como α (alfa), establece el umbral en el cual una prueba rechazará la hipótesis nula. Sin embargo, esto
puede dar lugar a dos tipos de errores. El error tipo I ocurre cuando se rechaza incorrectamente la
hipótesis nula, mientras que el error tipo II se da cuando se acepta incorrectamente la hipótesis nula.
La danza delicada entre estos errores y el nivel de significancia subraya la importancia de tomar
decisiones bien fundamentadas y comprender los posibles fallos.
El Proceso de Prueba
La esencia de la prueba de hipótesis radica en recolectar datos, calcular estadísticas y compararlas
con distribuciones conocidas. La elección de la prueba adecuada depende de la naturaleza de los datos
y la pregunta en cuestión. Por ejemplo, las pruebas t, Z y F son herramientas comunes en diferentes
contextos. A través de cálculos precisos y cuidadosos, los estadísticos generan valores p, que indican
la probabilidad de obtener resultados tan extremos como los observados, bajo la hipótesis nula. Si esta
probabilidad es lo suficientemente pequeña (menor que el nivel de significancia), se rechaza la
hipótesis nula en favor de la hipótesis alternativa.
Aplicaciones en la Vida Real
La prueba de hipótesis encuentra su hogar en innumerables campos. Desde la medicina hasta la
economía, pasando por la psicología y la ciencia de los alimentos, esta técnica dirige la toma de
decisiones informadas. Imagine un estudio médico que investiga si un nuevo tratamiento reduce la
7
presión arterial. La prueba de hipótesis permite a los investigadores determinar si los cambios
observados son atribuibles al tratamiento o si simplemente podrían ser el resultado del azar.
EL VALOR DE P
El valor de P es tan omnipresente y tan anhelado en la literatura médica que ha adquirido una
especie de magia. Feinstein, en su característico estilo claro y satírico, hace comentarios sobre cómo
un acto de juicio crítico científico ha sido transformado en un símbolo numérico arbitrario, destacando
su sorpresa de que la comunidad científica haya adoptado de manera tan ligera una guía que no es ni
fiable ni efectiva. La confiabilidad de la P se ve comprometida debido a su dependencia total del
tamaño de la muestra, lo que la convierte en particularmente riesgosa en trabajos epidemiológicos.
No importa cuán trivial o incluso insensata sea una hipótesis, o cuán pequeña o insignificante sea la
diferencia en análisis; los resultados pueden ser considerados estadísticamente significativos
si se examina un número suficientemente grande de casos. La P carece de eficacia como un
indicador para la toma de decisiones científicas, ya que su valor no está relacionado con la magnitud
de la diferencia que se está evaluando. Además, la interpretación del significado no debe basarse
únicamente en el valor de P. Es evidente que es un error interpretar de manera diferente un estudio
basado en si P es 0,048 o 0,052.
En última instancia, es esencial reconocer que lo que realmente importa es probar
estadísticamente solo aquellas diferencias que puedan ser clínicamente relevantes. En lugar de aplicar
un test de hipótesis y luego intentar justificar la importancia de la diferencia, sería más apropiado y
científicamente sólido establecer, desde el inicio de la formulación de la hipótesis, la magnitud de la
diferencia que justificaría el uso de un test de hipótesis.
8
Otro problema derivado de la dependencia de P para declarar un estudio como significativo o
no significativo es lo que se conoce como sesgo de publicación, lo que significa que con mayor
frecuencia se publican o envían a publicación los trabajos con P significativas en comparación con los
resultados negativos. Esto puede ser especialmente problemático en revisiones de la literatura y en el
uso cada vez más popular de metaanálisis.
Por otro lado, un valor de P alto a menudo se asocia con un fracaso, cuando en realidad podría ser
un resultado muy positivo para los pacientes, ya que podría significar evitar tratamientos costosos y
riesgosos que no son efectivos. También se ha cuestionado el uso o mal uso de la expresión "fracaso
en alcanzar significación estadística", como si esto fuera un pecado o una demostración de
ineficiencia.
Prueba de hipótesis para la media.
La prueba de hipótesis para la media es una técnica estadística que se emplea para evaluar si hay
suficiente evidencia en los datos para afirmar o rechazar una hipótesis relacionada con la media de
una población o muestra. Este proceso es crucial para tomar decisiones informadas basadas en datos
en una variedad de campos, desde la investigación científica hasta el análisis de negocios.
Aquí está el proceso general para llevar a cabo una prueba de hipótesis para la media:
Formulación de Hipótesis:
• Hipótesis Nula (H0): Esta hipótesis asume que no hay diferencia significativa entre la media
poblacional (µ) y un valor especificado. Por ejemplo, H0: µ = μ0.
• Hipótesis Alternativa (H1): Esta hipótesis plantea que existe una diferencia significativa
entre la media poblacional y el valor especificado. Puede ser bidireccional (H1: µ ≠ μ0),
unidireccional mayor que (H1: µ > μ0) o unidireccional menor que (H1: µ < μ0).
9
• Selección del Nivel de Significancia (α): Decide el nivel de significancia, como 0.05 o 0.01.
Representa la probabilidad de cometer un error de tipo I al rechazar la H0 cuando es
verdadera.
• Recopilación y Análisis de Datos: Recolecta una muestra representativa de datos.
• Calcula la media muestral (x̄) y la desviación estándar muestral (s) de los datos.
• Elección de la Prueba Estadística: Utiliza la prueba t de Student si el tamaño de la muestra
es pequeño (n < 30) y la población no sigue una distribución normal conocida.
• Utiliza la prueba Z si el tamaño de la muestra es grande (n ≥ 30) o si la población sigue una
distribución normal.
• Cálculo del Estadístico de Prueba: Calcula el valor del estadístico de prueba utilizando la
fórmula apropiada (t o Z).
• Cálculo del Valor p: Determina la probabilidad de obtener el valor del estadístico de prueba
calculado bajo la suposición de que la H0 es verdadera.
• Toma de Decisión:
Si el valor p es menor que el nivel de significancia α, se rechaza la H0 en favor de la H1.
Si el valor p es mayor que α, no se tiene suficiente evidencia para rechazar la H0.
• Interpretación: Si se rechaza la H0, se puede concluir que hay suficiente evidencia
estadística para respaldar la hipótesis alternativa.
Si no se rechaza la H0, se concluye que no hay suficiente evidencia para afirmar la hipótesis
alternativa.
Prueba de hipótesis para la diferencia de medias
La prueba de hipótesis para la diferencia de medias es una herramienta estadística que se utiliza para
determinar si hay suficiente evidencia para afirmar o rechazar una hipótesis relacionada con la
diferencia entre las medias de dos poblaciones o muestras. Esta técnica es útil cuando se desea
comparar los promedios de dos grupos y evaluar si existen diferencias estadísticamente significativas
entre ellos.
10
Aquí está el proceso general para llevar a cabo una prueba de hipótesis para la diferencia de medias:
Formulación de Hipótesis:
• Hipótesis Nula (H0): Esta hipótesis plantea que no hay diferencia significativa entre las
medias de las dos poblaciones o muestras. Por ejemplo, H0: µ1 - µ2 = 0, donde µ1 y µ2 son
las medias poblacionales de los dos grupos.
• Hipótesis Alternativa (H1): Esta hipótesis sugiere que hay una diferencia significativa entre
las medias. Puede ser bidireccional (H1: µ1 - µ2 ≠ 0), unidireccional mayor que (H1: µ1 - µ2
> 0) o unidireccional menor que (H1: µ1 - µ2 < 0).
• Selección del Nivel de Significancia (α): Decide el nivel de significancia, como 0.05 o 0.01.
Representa la probabilidad de cometer un error de tipo I al rechazar la H0 cuando es
verdadera.
• Recopilación y Análisis de Datos: Recolecta muestras representativas de datos para ambos
grupos.
Calcula las medias muestrales (x̄1 y x̄2) y las desviaciones estándar muestrales (s1 y s2) de
los datos.
• Elección de la Prueba Estadística: Utiliza la prueba t de Student para la diferencia de
medias si los tamaños de las muestras son pequeños (n1 y n2 < 30) y las poblaciones no
siguen una distribución normal conocida.
Utiliza la prueba Z para la diferencia de medias si los tamaños de las muestras son grandes
(n1 y n2 ≥ 30) o si las poblaciones siguen una distribución normal.
• Cálculo del Estadístico de Prueba: Calcula el valor del estadístico de prueba utilizando la
fórmula apropiada (t o Z) para la diferencia de medias.
• Cálculo del Valor p: Determina la probabilidad de obtener el valor del estadístico de prueba
calculado bajo la suposición de que la H0 es verdadera.
• Toma de Decisión: Si el valor p es menor que el nivel de significancia α, se rechaza la H0 en
favor de la H1.
Si el valor p es mayor que α, no se tiene suficiente evidencia para rechazar la H0.
11
• Interpretación: Si se rechaza la H0, se puede concluir que hay suficiente evidencia
estadística para respaldar la hipótesis alternativa y afirmar que hay una diferencia
significativa entre las medias.
Si no se rechaza la H0, se concluye que no hay suficiente evidencia para afirmar la hipótesis
alternativa y que no se puede establecer una diferencia significativa entre las medias.
Conclusión
La prueba de hipótesis para la diferencia de medias es valiosa para comparar grupos y determinar si
las diferencias observadas son estadísticamente relevantes o simplemente resultado del azar. Es
esencial aplicar correctamente este enfoque para tomar decisiones basadas en datos sólidos y bien
fundamentados. Desde el punto de vista estadístico, el grupo control es aquel que es comparable al
grupo experimental pero que no recibe ningún tratamiento. Para la estadística moderna solo existe una
forma de asegurar la comparabilidad entre el grupo control y el experimental: la asignación aleatoria
de sujetos a los grupos control y experimental. De esta manera se espera que en promedio cualquier
diferencia entre los grupos se compense y por tanto no sería necesario hacer ninguna suposición sobre
sus diferencias o determinar su grado de similaridad previo al experimento. En los dos ejemplos
mencionados previamente esto no es posible ya que el investigador(a) no tiene la libertad de asignar al
azar un segmento del río a cada uno de los tratamientos.
12
Bibliografía
Antúnez, P., Camacho, E. A. R., & Kleinn, C. (2021). Prueba de hipótesis en la investigación
forestal, agropecuaria y en la ecología: retos y malentendidos sobre el uso de los
niveles de significancia de 0.05 y 0.01. Ecosistemas y Recursos Agropecuarios, 8(1),
2.FALLAS, J. (2012). https://www.ucipfg.com/Repositorio/MGAP/MGAP-
05/BLOQUE-ACADEMICO/Unidad-2/complementarias/prueba_hipotesis_2012.pdf.
Freire, E. E. E. (2020). El problema, el objetivo, la hipótesis y las variables de la
investigación. Portal de la Ciencia, 1(2), 1-71.
Antúnez, P., Camacho, E. A. R., & Kleinn, C. (2021). Prueba de hipótesis en la investigación
forestal, agropecuaria y en la ecología: retos y malentendidos sobre el uso de los niveles de
significancia de 0.05 y 0.01. Ecosistemas y Recursos Agropecuarios, 8(1), 2.
Huerta, M. P. (2020). Hipótesis y conjeturas en el desarrollo del pensamiento estocástico:
retos para su enseñanza y en la formación de profesores. Revista latinoamericana de
investigación en matemática educativa, 23(1), 79-102.
