UNIVERSIDAD MARIANO GALVEZ
PRIMER SEMESTRE 2021
FACULTAD CIENCIAS ECONÓMICA
CONTADURÍA PÚBLICA Y AUDITORÍA
MÉTODOS ESTADÍSTICOS II
HIPOTESIS
La prueba de hipótesis comienza con una suposición, llamada hipótesis, que hacemos
acerca de un parámetro de población. Después recolectamos datos de muestra,
producimos estadísticas muestrales 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 una 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.
Desafortunadamente, la diferencia entre el parámetro de población hipotético y la
estadística real rara vez es tan grande que rechacemos automáticamente nuestra hipótesis
o tan pequeña que la aceptamos con la misma rapidez. Así, en las pruebas de hipótesis
como en la mayoría de las decisiones importantes de la vida real, las soluciones claras o
bien definidas son la excepción, no la regla.
DECISIONES ESTADÍSTICAS
En la práctica, con frecuencia se tienen que tomar decisiones acerca de una población con
base en información muestral. A tales decisiones se les llama decisiones estadísticas. Por
ejemplo, tal vez se tenga que decidir, con base en datos muestrales, si determinado suero
es realmente eficaz en la curación de una enfermedad, si un método educativo es mejor
que otro, o bien si una moneda está alterada o no.
La distribución muestral del estadístico de muestra se divide en dos regiones, una de
rechazo (a veces llamada región crítica) y una de aceptación.
HIPOTESIS ESTADISTICA
Cuando se trata de tomar una decisión es útil hacer suposiciones (o conjeturas) acerca de
la población de que se trata. A estas suposiciones, que pueden ser o no ciertas, se les llama
hipótesis estadísticas. Estas hipótesis estadísticas son por lo general afirmaciones acerca
de las distribuciones de probabilidad de las poblaciones.
Una hipótesis estadística es una afirmación acerca de un parámetro poblacional, hecho con
el propósito de ponerlo a prueba.
Ejemplo: La premisa formulada por un productor de baterías para autos de que su batería
dura en promedio 48 meses, es una hipótesis estadística porque el manufacturero no
inspecciona la vida de cada batería que él produce. Si surgieran quejas de parte de los
clientes, entonces se pone a prueba el reclamo del manufacturero.
UNIVERSIDAD MARIANO GALVEZ
PRIMER SEMESTRE 2021
FACULTAD CIENCIAS ECONÓMICA
CONTADURÍA PÚBLICA Y AUDITORÍA
MÉTODOS ESTADÍSTICOS II
El procedimiento para mostrar si la afirmación es válida o no, se conoce como prueba de
hipótesis, ese procedimiento está basado sobre los resultados de una muestra para tal fin.
La hipótesis estadística sometida a prueba se llama la hipótesis nula y se denota como H0
HIPÓTESIS NULA
En muchas ocasiones se formula una hipótesis estadística con la única finalidad de refutarla
o anularla. Por ejemplo, si se quiere decidir si una moneda está cargada o no, se formula
la hipótesis de que no está cargada (es decir, p = 0.5, donde p es la probabilidad de cara).
También, si se quiere decidir si un método es mejor que otro, se formula la hipótesis de que
no hay diferencia entre los dos (es decir, que cualquier diferencia que se observe se debe
sólo a las fluctuaciones del muestreo de una misma población). A estas hipótesis se les
llama hipótesis nula y se denota H0.
Es la afirmación o conjetura que se hace sobre el parámetro población
En caso de que no se logre tomar como válida la hipótesis nula se debe tener una afirmación
alterna que se debe dar como válidas y conocida como la hipótesis alterna que se denota
como H1
HIPOTESIS ALTERNATIVA
A toda hipótesis que difiera de la hipótesis dada se le llama hipótesis alternativa. Por
ejemplo, si una hipótesis es p = 0.5, la hipótesis alternativa puede ser p = 0.7, p < 0.5 o p
> 0.5. La hipótesis alternativa a la hipótesis nula se denota H1.
Una premisa que es cierta cuando la hipótesis nula es falsa.
Por ejemplo, para probar o desaprobar el reclamo pronunciado por el producto de baterías
debemos probar la hipótesis estadística de que µ ≥ 48. Por lo tanto, hipótesis nula es:
H0: ≥ 48 H1: < 48
Luego de tener H0 y H1 se procede a tomar una muestra aleatoria de baterías y medir su
vida media.
Para probar si la hipótesis nula es cierta se toma una muestra aleatoria y se calcula
información, como el promedio, la proporción, etc. Esta información muestral se llama
estadística de prueba.
PRUEBAS DE HIPÓTESIS Y DE SIGNIFICANCIA O REGLAS DE DECISIÓN
Si se supone que una hipótesis es verdadera, pero se encuentra que los resultados que se
observan en una muestra aleatoria difieren marcadamente de los resultados esperados de
acuerdo con la hipótesis (es decir, esperados con base sólo en la casualidad, empleando
la teoría del muestreo), entonces se dice que las diferencias observadas son significativas
y se estará inclinado a rechazar la hipótesis (o por lo menos a no aceptarla de acuerdo con
la evidencia obtenida).
UNIVERSIDAD MARIANO GALVEZ
PRIMER SEMESTRE 2021
FACULTAD CIENCIAS ECONÓMICA
CONTADURÍA PÚBLICA Y AUDITORÍA
MÉTODOS ESTADÍSTICOS II
Por ejemplo, si en 20 lanzamientos de una moneda se obtienen 16 caras, se estará
inclinado a rechazar que la moneda es buena, aun cuando se puede estar equivocado. A
los procedimientos que permiten determinar si las muestras observadas difieren
significativamente de los resultados esperados, ayudando así a decidir si se acepta o se
rechaza la hipótesis, se les llama pruebas de hipótesis, pruebas de significancia o reglas
de decisión.
ERRORES TIPO I Y TIPO II
Si se rechaza una hipótesis que debería aceptarse se dice que se comete un error tipo I. Si
por otro lado, se acepta una hipótesis que debería rechazarse, se comete un error tipo II.
En cualquiera de los casos ha habido una decisión errónea o se ha hecho un juicio erróneo.
Para que las reglas de decisión (o pruebas de hipótesis) sean buenas, deben diseñarse de
manera que se minimicen los errores de decisión. Esto no es sencillo, ya que para cualquier
tamaño dado de muestra, al tratar de disminuir un tipo de error suele incrementarse el otro
tipo de error. En la práctica, un tipo de error puede ser más importante que otro y habrá que
sacrificar uno con objeto de limitar al más notable. La única manera de reducir los dos tipos
de error es aumentando el tamaño de la muestra, lo que no siempre es posible.
Rechazar H0 siendo que es cierta, Error tipo 1
Aceptar H0 siendo que es falsa. Error tipo 2
El Error Tipo 1 se da cuando se rechaza la hipótesis Nula siendo que es valida
El Error Tipo 2 se da cuando aceptamos la hipótesis Nula siendo que es falsa.
Situación posible de la hipótesis
UNIVERSIDAD MARIANO GALVEZ
PRIMER SEMESTRE 2021
FACULTAD CIENCIAS ECONÓMICA
CONTADURÍA PÚBLICA Y AUDITORÍA
MÉTODOS ESTADÍSTICOS II
La potencia del contraste es la probabilidad de detectar efectos estadísticamente
significativos, esto es, la probabilidad de rechazar la Hipótesis Nula cuando es falsa, que
se simboliza 1-β , y es igual a la probabilidad de ocurrencia de valores del estadístico en la
región de rechazo bajo el supuesto que H1 (la Hipótesis Alternativa) sea verdadera.
Los siguientes puntos fundamentales resumen las hipótesis nula y alternativa:
■ La hipótesis nula H0 representa al status quo o creencia actual en una situación.
■ La hipótesis alternativa H1 es lo opuesto a la hipótesis nula y representa una
afirmación de investigación o inferencia específica que quisiera demostrar.
■ Si usted rechaza la hipótesis nula, tiene una prueba estadística de que la hipótesis
alternativa es correcta.
■ Si usted no rechaza la hipótesis nula, entonces no ha podido demostrar la hipótesis
alternativa.
■ Sin embargo, el no poder demostrar la hipótesis alternativa no quiere decir que haya
demostrado la hipótesis nula.
■ La hipótesis nula H0 siempre se refiere a un valor específico del parámetro
poblacional (como μ), no a un estadístico de muestra (como 𝑋̅).
■ El enunciado que describe la hipótesis nula siempre contiene un signo de igual
relacionado con el valor específico del parámetro poblacional (por ejemplo, H0: μ =
368 gramos).
■ El enunciado que describe la hipótesis alternativa nunca contiene un signo de igual
relacionado con el valor específico del parámetro poblacional (por ejemplo, H1: μ ≠
368 gramos).
NIVEL DE SIGNIFICANCIA
Cuando se prueba determinada hipótesis, a la probabilidad máxima con la que se está
dispuesto a cometer un error tipo I se le llama nivel de significancia de la prueba. Esta
probabilidad acostumbra a denotarse α y por lo general se especifica antes de tomar
cualquier muestra para evitar que los resultados obtenidos influyan sobre la elección del
valor de esta probabilidad.
No existe un nivel de significancia único estándar o universal para probar hipótesis. En la
práctica, se acostumbran los niveles de significancia 0.05 o 0.01, aunque también se usan
otros valores. Si, por ejemplo, al diseñar la regla de decisión se elige el nivel de significancia
0.05 (o bien 5%), entonces existen 5 posibilidades en 100 de que se rechace una hipótesis
que debía ser aceptada; es decir, se tiene una confianza de aproximadamente 95% de que
se ha tomado la decisión correcta. En tal caso se dice que la hipótesis ha sido rechazada
al nivel de significancia 0.05, lo que significa que la hipótesis tiene una probabilidad de 0.05
de ser errónea.
UNIVERSIDAD MARIANO GALVEZ
PRIMER SEMESTRE 2021
FACULTAD CIENCIAS ECONÓMICA
CONTADURÍA PÚBLICA Y AUDITORÍA
MÉTODOS ESTADÍSTICOS II
NIVEL DE SIGNIFICANCIA
Para ser muy cuidadosos en no cometer el error tipo 1, debemos especificar la probabilidad
de rechazar H0, denotada por α.
El nivel de significancia es la probabilidad de cometer el error tipo I. Este valor debe
pequeño.
Los valores más usados para hacer la prueba de hipótesis es 1%, 5% y 10%.
Región crítica o de rechazo. Una región crítica o de rechazo es una parte de la curva de Z
o de la curva t donde se rechaza H0. la región puede ser de una cola o de dos dependiendo
de la hipótesis alterna. Si la hipótesis alterna es H1: µ > k, la cola es hacia a la derecha, si
H1: µ < k, la cola es hacia la izquierda, o si H1: µ ≠ k, son dos colas.
PRUEBA DE HIPÓTESIS UNILATARALES Y BILATERALES SOBRE LA MEDIA
Si queremos decidir entre dos hipótesis que afectan a un cierto parámetro de la población,
a partir de la información de la muestra usaremos el contraste de hipótesis, cuando optemos
por una de estas dos hipótesis, hemos de conocer una medida del error cometido, es decir,
cuantas veces de cada cien nos equivocamos.
En primer lugar, veremos cómo se escribirían las hipótesis que queremos contestar:
H0 se llama hipótesis nula y es contrario de lo que sospechamos que va a ocurrir (suele
llevar los signos iguales, mayor igual y menor o igual)
H1 se llama hipótesis alternativa y es lo que sospechamos que va a ser cierto (suele llevar
los signos distintos, mayor y menor). Los contrastes de hipótesis pueden ser de dos tipos:
Bilateral: en la hipótesis alternativa aparece el signo ≠.
Unilateral: en la hipótesis alternativa aparece o el signo > o el signo <.
Nivel de significancia α. Es la probabilidad de cometer un error de tipo I. β es la probabilidad
de cometer un error tipo II. De los dos, el más importante es α.
UNIVERSIDAD MARIANO GALVEZ
PRIMER SEMESTRE 2021
FACULTAD CIENCIAS ECONÓMICA
CONTADURÍA PÚBLICA Y AUDITORÍA
MÉTODOS ESTADÍSTICOS II
Debido a que los dos errores anteriores a la vez son imposibles de controlar, vamos a
fijarnos solamente en el nivel de significación, este es el que nos interesa ya que la hipótesis
alternativa que estamos interesados en probar y no queremos aceptarla si en realidad no
es cierta, es decir, si la aceptamos la hipótesis alternativa queremos equivocarnos con un
margen de error muy pequeño.
El nivel de significancia lo marcamos nosotros, si es grandes es más fácil aceptar la
hipótesis alternativa cuando en realidad es alza, el valor del nivel de significación suele ser
un 5% lo que significa que 5 de cada 100 veces aceptamos la hipótesis alternativa cuando
la cierta es la nula.
El contraste bilateral sitúa la región de rechazo en los dos extremos (colas) de la distribución
muestral. En cambio, el contraste unilateral sitúa la región de rechazo en uno de los dos
extremos (colas) de la distribución muestral. El contraste bilateral (o de dos colas) se utiliza
cuando la Hipótesis Alternativa asigna al parámetro cualquier valor diferente al establecido
en la Hipótesis Nula.
Ejemplo de contraste bilateral:
La Hipótesis Alternativa establece que, caso de rechazar la Hipótesis Nula, decidimos que
la proporción de la población a que pertenece la muestra no es 0.5
H0: µ = 0.5
H1: µ ≠ 0.5
Ejemplo de contraste unilateral:
La Hipótesis Alternativa establece que, caso de rechazar la Hipótesis Nula, decidimos que
la proporción de la población a que pertenece la muestra es inferior a 0.5
H0: µ ≥ 0.5
H1: µ < 0.5
H0: µ ≤ 0.5
H1: µ > 0.5
UNIVERSIDAD MARIANO GALVEZ
PRIMER SEMESTRE 2021
FACULTAD CIENCIAS ECONÓMICA
CONTADURÍA PÚBLICA Y AUDITORÍA
MÉTODOS ESTADÍSTICOS II
MÉTODO DE SEIS PASOS DE LA PRUEBA DE HIPÓTESIS
1. Prepare la hipótesis nula, H0, y la hipótesis alternativa H1.
2. Seleccione el nivel de significancia, α, y el tamaño de la muestra, n. El nivel de
significancia se especifica de acuerdo con la importancia relativa de los riesgos de
cometer errores tipo I y tipo II en el problema.
3. Determine el estadístico de prueba y la distribución muestral apropiados.
4. Determine los valores críticos que dividen las zonas de rechazo y aceptación.
5. Recopile los datos y calcule el valor del estadístico de prueba.
6. Tome la decisión estadística y establezca la conclusión administrativa. Si el
estadístico de prueba queda en la región de no rechazo, usted no rechaza la
hipótesis nula H0. Si el estadístico de prueba queda en la región de rechazo, usted
rechaza la hipótesis nula. La conclusión administrativa se escribe en el contexto del
problema real.
