1

Pruebas De Hipótesis

Autores: T.S.U. Jhoneiker Carpio

T.S.U. Yorman Márquez

T.S.U. Diego Magarelli

Profesor: Wadie Aziz

Universidad Nacional Experimental de la Gran Caracas

Ingeniería en Informática,

Matemática Aplicada

05 de Febrero del 2025

 2

ÍNDICE

ÍNDICE ................................................................................................................................................................. 2

INTRODUCCIÓN ................................................................................................................................................ 3

DESARROLLO .................................................................................................................................................... 4

Concepto de hipótesis de investigación y formulación de hipótesis. .................................................................... 4

Qué son las pruebas de hipótesis. .......................................................................................................................... 4

Tipos de Hipótesis................................................................................................................................................. 4

Pasos para la prueba de hipótesis. ......................................................................................................................... 5

Tipos de errores..................................................................................................................................................... 8

Propósito de la prueba de hipótesis. .....................................................................................................................12

Prueba de hipótesis para una media. ....................................................................................................................12

Pruebas de cola izquierda o de cola izquierda. .....................................................................................................16

Prueba para una Media de una Población con una Desviación Estándar. ............................................................16

Prueba de hipótesis para proporciones .................................................................................................................20

CONCLUSIÓN ....................................................................................................................................................25

BIBLIOGRAFÍA .................................................................................................................................................26
 3

INTRODUCCIÓN

La estadística es una herramienta poderosa que nos permite tomar decisiones

informadas basadas en datos. Uno de los conceptos fundamentales en estadística es el de las
pruebas de hipótesis.

Las pruebas de hipótesis son un procedimiento estadístico que se utiliza para evaluar
afirmaciones o suposiciones sobre una población en función de una muestra de datos. En este
artículo, exploraremos en profundidad las pruebas de hipótesis, su importancia en la
investigación y la toma de decisiones, y proporcionaremos un ejemplo detallado para ayudar
a comprender cómo funcionan.

El propósito de este tema es ayudar al médico, investigador o profesional de la salud a

tomar una decisión acerca de una población mediante el examen de una muestra de ella. Se
definen conceptos clave como valor predictivo, nivel se significancia, valor de p, por
mencionar algunos. También se hace hincapié sobre la cautela con que se deben interpretar
los resultados y los tipos de errores en los que se puede caer cuando se hacen pruebas de
hipótesis.
 4

DESARROLLO

Concepto de hipótesis de investigación y formulación de hipótesis.

Qué son las pruebas de hipótesis.

Las pruebas de hipótesis son un enfoque sistemático para evaluar afirmaciones o

suposiciones sobre una población. En esencia, implican comparar dos hipótesis: la hipótesis
nula (H0) y la hipótesis alternativa (H1). La hipótesis nula es una afirmación que
generalmente refleja la «situación estándar» o la falta de un efecto. La hipótesis alternativa,
por otro lado, es la afirmación que estamos tratando de probar.

En una prueba de hipótesis, el objetivo es determinar si los datos recopilados de una muestra
son suficientemente diferentes de lo que se esperaría bajo la hipótesis nula. Esto implica
calcular una estadística de prueba y determinar su probabilidad de ocurrencia bajo la
hipótesis nula.

En varias ocasiones el profesional de la salud se ve enfrentado a aceptar o rechazar una

proposición sobre algún parámetro de una población. En general, dichas proposiciones
reciben el nombre de hipótesis que son uno de los aspectos más útiles de la inferencia
estadística y se refiere a los parámetros de las poblaciones para las cuales se hace dicha
proposición. Por ejemplo, el administrador de un hospital puede suponer que el periodo
promedio de permanencia de los pacientes internados es de cinco días; una enfermera del
área de salud pública supondrá que un determinado programa educativo hará que mejore la
comunicación entre enfermera y paciente; un médico supone que cierto medicamento será
eficaz en 90% de los casos en que se utilice. Todos estos son proposiciones que pueden
formularse como hipótesis de investigación en un momento dado. Por tanto, una definición
aceptable de hipótesis es:

 Hipótesis: Enunciado que expone supuestos, sujetos a verificación que orientan la

búsqueda de la información y su relación esperada con las variables.

Es importante recalcar que las hipótesis siempre son proposiciones sobre la población o
distribución bajo estudio, no proposiciones sobre la muestra.

Tipos de Hipótesis
Los investigadores se interesan en dos tipos de hipótesis: de investigación y
estadísticas. La primera es una conjetura (como los ejemplos anteriores) que motivó la
investigación y la segunda son establecidas o enunciadas de tal manera que puedan ser
contrastadas por medio de pruebas estadísticas adecuadas. Una hipótesis estadística es una
proposición o supuesto sobre los parámetros de una o más poblaciones.
 5

Las hipótesis de investigación son formuladas como resultado de la ocurrencia de eventos

que hacen pensar que éstos tienen influencia sobre alguna variable de interés que se ha
estudiado ya sea a corto o incluso a largo plazo. Ejemplo, una enfermera, puede haber notado
que ciertos pacientes respondieron más rápidamente a un tipo particular de programa de
educación sanitaria. Un médico recordara numerosos casos en los cuales ciertas
combinaciones de medidas terapéuticas fueron más efectivas que cualquiera de ellas por
separado. Las investigaciones a menudo se llevan a cabo gracias al deseo de tales
profesionales para determinar si sus teorías, supuestos o sospechas se pueden sostener o no al
ser sometidas a los rigores de la investigación científica. Las hipótesis de investigación
conducen directamente a las hipótesis estadísticas.

Las hipótesis de tipo estadístico tienen el propósito de ayudar al profesional de la salud o

investigador a tomar una decisión acerca de una población a partir de una muestra extraída de
ella. Y el tipo de inferencia que se aplica son las pruebas de hipótesis, que determinan si tales
proposiciones son compatibles o no con los datos disponibles. Pero, ¿qué es una prueba de
hipótesis? pues es un procedimiento basado en la evidencia de la muestra, es la probabilidad
para determinar si la hipótesis que se contrasta es una afirmación razonable.

Pasos para la prueba de hipótesis.

Es un proceso en cinco pasos que siguen una secuencia lógica de acciones y

decisiones.

1. Plantear la hipótesis.

La prueba de hipótesis formula dos hipótesis estadísticas que deben anunciarse

explícitamente: hipótesis nula y alternativa. La primera, se designa por el símbolo H 0. Esta
hipótesis se conoce también como la hipótesis de no diferencia, ya que es una proposición de
conformidad con (o sin diferencia respecto a) Características que se suponen ciertas en la
población de interés. Esta hipótesis siempre se opone a la hipótesis del investigador.

La segunda, identificada mediante el símbolo H1, es una proposición que se creerá cierta si
los datos de la muestra siguieren que llevan al rechazo de la H0 es falsa. Por lo general, la H1
y la hipótesis de investigación son la misma y, de hecho; se utilizan los dos términos
indistintamente.

En general H0, esta se establece con el propósito expreso de ser rechazada. Si no se rechaza,
esto no necesariamente significa que es verdadera, se dirá que los datos sobre los cuales se
basa la prueba no proporcionan evidencia suficiente que cause el rechazo. Por el contrario, si
se rechaza se concluye que los datos disponibles no son compatibles con la H0, pero sirven
como apoyo a alguna otra hipótesis. Rechazarla entonces, sugiere que la hipótesis alternativa
puede ser verdadera.
 6

Aspectos importantes sobre H0 y H1.

 H0 y H1 son mutuamente exclusivas y colectivamente exhaustivas, es decir; son

complementarias.
 H0 siempre se presume ser cierta y es la que debe ser comprobada.
 H1 es la conclusión a la que se desea o espera llegar como resultado de la En
consecuencia, el complemento de la conclusión se convierte en el enunciado de la H0.
 Se utiliza una muestra aleatoria (n) para “rechazar H0”.
 Siempre, la igualdad es parte de H0 (“=”, “≥”, “≤”).
 Mientras que “≠” “<” y “>” siempre es parte de H1.

2. Establecer un nivel de significancia.

Se ha señalado que la clave para la inferencia estadística es la distribución muestral.

Es necesario recordar esto, en los casos en que sea necesario especificar la distribución de
probabilidad de la estadística de prueba. Por ejemplo, la distribución de la estadística de
prueba por lo general; sigue una distribución normal estándar (ver unidad anterior) si la H0 es
verdadera y si satisface las suposiciones. Todos los valores posibles que la estadística de
prueba puede asumir son puntos sobre el eje horizontal de la gráfica de la distribución para
esta estadística y se dividen en dos grupos: uno de ellos constituye lo que se conoce como
región de rechazo y el otro, forma la región de no rechazo (figura 1).

Diagrama 1. Partes de una distribución en pruebas de hipótesis.

 7

Los valores de la estadística de prueba que forman la región de rechazo son aquellos
que tienen la menor probabilidad de ocurrir, mientras que los que forman la región de no
rechazo tienen la mayor probabilidad de ocurrencia, si la H0 es verdadera para ambas
regiones.

La decisión en cuanto a que valores van hacia qué región se toma con base en el nivel de
significancia deseado, designado por α. El nivel de significancia α, designa el área bajo la
curva de la distribución de la de prueba que está por encima de los valores, sobre el eje
horizontal; que constituyen la región de rechazo. Y un valor calculado para la estadística de
prueba que cae dentro de la región de rechazo se dice que es significativo.

Ejemplo, si tuviéramos un nivel o grado de confianza del 95% (0.95) entonces el nivel de
significancia sería del 5% (0.05) donde:

Nivel de confianza = (1- α)

Análogamente si se tiene un nivel de confianza del 90% entonces el nivel de significancia

sería del 10%.

Dado que rechazar una H0 verdadera sería un error, parece razonable que se deba hacer
pequeña la probabilidad de cometerlo y, de hecho; esto es lo que se hace. Se elige un valor
pequeño de α para hacer que la probabilidad de rechazo para una H0 sea pequeña. Los
valores que se encuentran con más frecuencia son: 0.01, 0.05 y 0.10. La probabilidad de
equivocarse al no rechazar un H0 verdadera generalmente es de 95%, puede ser 90 y 99%,
esto se conoce como el nivel de confianza.
 8

Diagrama 2. Partes de una distribución en pruebas de hipótesis.

Por lo tanto, la probabilidad de no equivocarse al rechazar una H0 falsa generalmente es de

80%, esto es el valor o grado predictivo cuyo valor de β más comúnmente usado es 0.2.
(Figura 2).

Tipos de errores

El error que se comete cuando se rechaza una H0 verdadera se conoce como error del
tipo I (α).

EI error del tipo II (β) se comete cuando no se rechaza una H0 falsa. Siempre que se rechaza
una H0 se tiene el riesgo de cometer un error del tipo I, al rechazar una H0 verdadera; y
siempre que no se rechaza, existe el riesgo de no rechazar una H0 falsa. En general, aunque se
dé un valor pequeño a α no se ejerce control sobre β, aunque se sabe que en la mayoría de las
situaciones prácticas es mayor que α. Es decir:

El error tipo I (error alfa) se comete cuando:

 Se concluye que hay diferencias cuando realmente no las hay.

 Se detecta significancia estadística p< 0.05 y se rechaza la H0 cuando en realidad es
verdadera.
 9

La probabilidad de cometer este error es lo que mide el valor de p (P-Value)

El error tipo II (error beta) se comete cuando:

 Los resultados NO son significativos (p>0.05) y se concluye que no hay diferencias,

cuando realmente SI las hay y se acepta la H0 cuando en realidad es falsa.
Nunca se sabe si se ha cometido o no uno de estos errores cuando se rechaza o no una H 0, ya
que se desconoce el verdadero estado de las cosas. Si el procedimiento de prueba conduce al
rechazo de la H0, puede ser un consuelo el hecho de que al dar un valor pequeño a α la
probabilidad de cometer un error del tipo I también lo es. Si no se rechaza la H0, no se
conoce el riesgo concurrente de cometer un error del tipo II, ya que por lo común se
desconoce; pero como se ha señalado, en la mayoría de situaciones prácticas se sabe que es
mayor que α.

El cuadro 1 muestra las posibles acciones que el investigador puede emprender para varias
condiciones de una prueba de hipótesis, así como las condiciones en las que se produce cada
uno de los dos tipos de error.

Tabla 1. Condiciones en la que es posible cometer un error de tipo I o de tipo II Fuente:

Modificado de Daniel, Wayne W. (2002).

En resumen:

 Error Tipo I: es el nivel de significancia, denotado por la letra griega “a”, se define
como la probabilidad de “rechazar” la H0 cuando esta es
 Error Tipo II: es el valor predictivo, denotado por la letra griega “β”, se define como
probabilidad de “aceptar” la H0 cuando ésta es falsa. El procedimiento busca fijar la
probabilidad de cometer error Tipo I, α, y minimizar la probabilidad de cometer error
Tipo II, β.

Recomendaciones para disminuir el error tipo I, α:

 Disponer de una teoría que guíe la investigación, evitando el “salir de pesca” con la
computadora buscando asociaciones entre variables.

 Disminuir el número de pruebas estadísticas llevadas a cabo en el estudio.

 10

 Depurar la base de datos para evitar errores de valores extremos que puedan producir
hallazgos significativos.

 Utilizar valores de alfa más reducidos (0.01 o 0.001).

 Reproducir el estudio. Si al reproducir el estudio se obtienen resultados similares,

estaremos más seguros de no estar cometiendo el error de tipo I.

Recomendaciones para disminuir el error tipo II, β:

 Incrementar el tamaño de la muestra.

 Estimar el poder estadístico del estudio (1 – β).

 Incrementar el tamaño del efecto a detectar.

 Incrementar el valor de alfa.

 Utilizar pruebas paramétricas (más potentes) en lugar de pruebas no paramétricas en
la medida de lo posible.

3. Seleccionar el estadístico de prueba a aplicar.

Es necesario comprender la naturaleza de los datos que forman la base de los

procedimientos de prueba, ya que esto determina la prueba particular que se ha de utilizar. Se
debe determinar, por ejemplo, si los datos constan de conteos o medidas. A partir de los datos
contenidos en la muestra, se calcula un valor de la estadística de prueba y se compara contra
las regiones de no rechazo y rechazo que ya fueron especificadas. Luego entonces, aplicar el
estadístico de prueba, previa comprobación los supuestos (restricciones) estas incluyen, entre
otras; suposiciones respecto a la normalidad de la distribución de la población, igualdad de
varianzas e independencia de las muestras. Esto es importante ya que determina si se usan
pruebas paramétricas (para datos que siguen la distribución normal) o pruebas no
paramétricas (para datos cuya distribución es diferente a la normal). Hay que tener en cuenta
que un procedimiento general se modifica según las suposiciones. Los estadísticos de prueba
más comunes los veremos más adelante.

4. Establecer una regla de decisión.

 11

Esta señala que se debe ser rechazada H0 si el valor de la estadística de prueba que se
calcula a partir de la muestra es uno de los valores de la región de rechazo, y que no se debe
rechazar si el valor calculado es uno de los valores de la región de no rechazo.

Valor de P en pruebas de hipótesis.

Un aspecto, aquí importante es el valor de p (P-Value) que es el valor del estadístico

de prueba que se aplique. Indica que tan significante son los resultados de la muestra,
considerando que la H0 sea verdadera.

Los valores de p son comúnmente utilizados para probar (y descartar) una H0, que por lo
general indica que no existe una diferencia entre dos grupos, o que no hay ninguna
correlación entre un par de características; por lo tanto, ofrece la justificación para dudar de
la certeza de la H0, si esta es verdadera.

Cuanto menor sea el valor de p, menor es la probabilidad de que un conjunto de valores

observados ocurra por casualidad. Un valor p de 0.05 o menos suele entenderse en el sentido
de que las observaciones son estadísticamente significativas y justifica los resultados de un
estudio. Pero eso no es necesariamente cierto, la distancia entre la significación estadística y
la relevancia clínica se debe analizar con cuidado por parte de los investigadores por lo que
hay que evitar sacar conclusiones científicas o tomar decisiones basadas solo en los valores
de p.

Un valor p de 0.05, no significa que hay una posibilidad del 95% que una determinada
hipótesis es correcta. Más bien, significa que, si la H0 es verdadera, y todas las demás
suposiciones hechas son válidas, hay una probabilidad del 5 % de obtener un resultado al
menos tan extremo como el observado. Y un valor de p no puede indicar la importancia de
un hallazgo; por ejemplo, un medicamento puede tener un efecto estadísticamente
significativo en los niveles de glucosa en la sangre del paciente sin tener un efecto
terapéutico, en este caso hay relevancia estadística pero el hallazgo clínico también es
importante dado que dicho medicamento no es eficaz en el tratamiento de la diabetes, por
ejemplo.

Por lo tanto, el valor de p es la probabilidad de observar un valor muestral tan extremo como,
o más extremo que, el valor observado, dado que la H0 es verdadera.

En prueba de hipótesis, podemos también comparar el valor de p con el nivel de significancia

α. Si el valor de p < α, H0 se rechaza, de otro modo H0 no se rechaza. Pero ¿qué significa
esto? veamos lo que puede ocurrir, si:

p = 0.10, tenemos alguna evidencia que H0 no es verdadera.

p = 0.05, tenemos fuerte evidencia que H0 no es verdadera.
 12

p = 0.01, tenemos muy fuerte evidencia que H0 no es verdadera.

p = 0.001, tenemos una extremadamente fuerte evidencia que H0 no es verdadera.

5. Tomar una decisión o conclusión.

Esto no es otra cosa que decidir si H0 se rechaza, entonces se concluye que H1 es

verdadera. Si H0 no se rechaza, se concluye que H0 puede ser verdadera. Es importante
aclarar que cuando la H0 no es rechazada, tampoco se puede decir que se acepta. Se debe
decir que «no se rechaza«. Se evita el uso de la palabra «aceptar» en este caso porque pudiera
haberse cometido el error de tipo II. Dado que, frecuentemente; la probabilidad de cometer
un error de tipo II puede ser realmente alta, no se pretende cometerlo al aceptar la H0.

Finalmente, la interpretación está en función de la pregunta de investigación y tiene relación

con la H1, pero la interpretación no necesariamente es igual a dicha hipótesis.

3.3 Propósito de la prueba de hipótesis.

Uno de los propósitos de la prueba de hipótesis es ayudar en la toma de decisiones.

En general, la decisión práctica (la razón por la cual se hizo la prueba) depende de la decisión
estadística. Si se rechaza H0, la decisión práctica generalmente refleja el hecho de que la
H1 es compatible. Se cumple lo opuesto si no se rechaza la H0. Sin embargo, en la práctica
esto puede tener otras alternativas, como la decisión de reunir más datos.

Sin embargo, en este punto es necesario destacar que el resultado de la estadística de prueba
sólo es una parte de la evidencia que influye sobre la decisión final, es decir; la decisión
práctica. La decisión estadística no debe interpretarse como definitiva, sino considerarse
junto con toda la demás información importante de que disponga el experimentador. Con
base en estos comentarios se estudian a continuación pruebas de hipótesis específicas más
comunes.

3.4 Prueba de hipótesis para una media.

A este respecto, pueden darse 3 casos a saber:

1. Cuando el muestreo se realiza a partir de una población de valores que siguen una
distribución normal con varianza conocida;
2. Cuando el muestreo se realiza a partir de una población con distribución normal y con
varianza desconocida, y
 13

3. Cuando el muestreo se realiza a partir de una población que no presenta una

distribución normal (no la veremos, por ahora).

Aunque la teoría para las condiciones 1 y 2 depende de poblaciones con distribución normal,
es una práctica común aplicar la teoría cuando las poblaciones importantes solo están
distribuidas en forma aproximadamente normal. Esto es satisfactorio siempre que la
desviación de la normalidad es moderada.

Diagrama 3. Planteamiento de una hipótesis para probar una media (µ).

Cuando la desviación estándar (σ) es desconocida, se utiliza la desviación estándar muestral

(s) en su lugar. Y la distribución de t de Student se utiliza como estadístico de prueba.

Vea la figura:
 14

Diagrama 4. Estadísticos de prueba según la varianza, cuando esta es conocida se usa la

distribución z, cuando no lo es; se usa la distribución t de Student.

Gráficamente tenemos:
 15

Diagrama 5. Prueba de una cola y prueba de dos colas.

 16

Pruebas de cola izquierda o de cola izquierda.

La dirección de la prueba involucra proposiciones que comprenden las palabras “ha

mejorado”, “es mejor que”, y el cómo dependerá sobre la variable que esté siendo medida.
Por ejemplo, si la variable involucra tiempo para que un cierto medicamento haga efecto, las
palabras “mejor” “mejore” “o más efectivo” se traducen como “<” (menos que, i.e. alivio
menos rápido). Por otro lado, si la variable se refiere a un resultado de una prueba, entonces
las palabras “mejor” “se mejora” o “más efectiva” se traducen como “>” (más grande que,
i.e. resultados del examen más altos).

3.4.1 Prueba para una Media de una Población con una Desviación Estándar.

Ejemplo:

Los servicios coordinados de salud de un municipio de alta marginación reportan en

la época de verano (cuando hace más calor), un número promedio de 200 niños, menores de
cinco años, con problemas de deshidratación por diarrea. Supongamos que la incidencia de
niños deshidratados sigue la distribución de probabilidad normal con una media de 200 y una
desviación estándar de 16. Recientemente, se realizó una campaña de información sobre
hábitos de higiene, que duró 50 semanas. Se quiere investigar si ha habido un cambio en la
incidencia de casos de deshidratación infantil semanal en el municipio de alta marginación.

Solución:

Paso 1: Establezca la hipótesis nula y la hipótesis alternativa.

Paso 2: Seleccione el nivel de significancia.

α = 0.01 en este caso

 17

Paso 3: Seleccione el estadístico de prueba.

Use la distribución de Z en virtud de que σ es conocida (recuerde que en la unidad anterior

esta la tabla de z en anexos, úsela para este ejemplo).

Paso 4: Formule la regla de decisión.

Rechace H0 si |Z| > Zα/2

Cálculos:

Diagrama 6. Haga una decisión e interprete el resultado.

Debido a que 1.98 no cae en la región de rechazo, H0: μ = 200 no se rechaza.

Concluimos que la media poblacional no es diferente de 200. Así que reportaríamos que la
incidencia de deshidratación por diarrea, en niños menores de cinco años, en el municipio de
alta marginación no ha cambiado con una campaña de salud e higiene en las últimas 50
semanas.
 18

Recuérdese contrastar esto con el valor de p:

Concluimos: No se rechaza H0

3.4.2 Prueba para una Media de una Población con una Desviación Estándar

Ejemplo:

El Departamento de Reclamaciones de Seguros Médicos de MetLife reporta que el

costo medio para procesar una reclamación es de $60 pesos. Una encuesta mostró que esta
cantidad es más grande que cualquier otra compañía de seguros, así que la aseguradora
instituyó medidas para reducir costos. Para evaluar el efecto de las medidas de reducción de
costos, el supervisor del Departamento seleccionó una muestra aleatoria de 26 reclamaciones
procesadas el último mes. La información muestral se reporta en el recuadro inferior. ¿Con
un nivel de significancia de p=0?01, es razonable afirmar que el costo de una reclamación es
actualmente menor de $60?

Paso 1: Establezca las hipótesis nula y alternativa.

Paso 2: Seleccione el nivel de significancia.

α = 0.01 como se estableció en el problema

 19

Paso 3: Seleccione el estadístico de prueba.

Use la distribución t de Student en virtud de que σ es desconocido

Tabla 2. Porción de una tabla t de Student (vea la tabla completa en el anexo de esta unidad).

Paso 4: Formule la regla de decisión.

Rechace H0 si t < -tα, n-1

 20

Cálculos:

Diagrama 7. Haga una decisión e interprete el resultado.

Debido a que -1.818 no cae en la zona de rechazo, no se rechaza H0 al nivel de significancia

de p=0.01. No hemos demostrado que las medidas para reducir el costo medio por
reclamación de un seguro de gastos médicos de MetLife sea menos de $60.

La diferencia de $3.58 ($56.42 – $60) entre la media muestral y la media poblacional podría
deberse a error de muestreo.

3.5 Prueba de hipótesis para proporciones

Una proporción es la fracción o porcentaje que indica la parte de la población o

muestra que presenta una característica particular o de interés. La proporción muestral se
denota por p y se determina por x/n.

Supuestos en la prueba de una proporción poblacional utilizando la distribución de Z.

 De una población se selecciona una muestra.

 Se supone que se cumplen los supuestos de la distribución binomial:

 Los datos obtenidos son el resultado de conteos;

 21

 los eventos de un experimento se clasifican en una de dos categorías

mutuamente exclusivas: un “éxito” o un “fracaso”;
 la probabilidad de un éxito es la misma en cada ensayo; y
 los ensayos son independientes.

 El procedimiento de prueba es apropiado cuando ambos nπ y n (1- π) son al menos de

5.

 Cuando las condiciones anteriores se cumplen, la distribución normal se puede

utilizar como una aproximación a la distribución

Estadístico de prueba para probar una proporción poblacional:

Donde:

z = porcentaje de individuos

p = proporción muestral

π = proporción poblacional hipotética

n = tamaño de la muestra
 22

Diagrama 8. Planteamiento de una hipótesis para probar proporciones (π).

Nota: los casos son similares a los expuestos para medias

De igual modo, gráficamente se puede representar como la figura 5. Prueba de Hipótesis para
la Proporción de una Población.

Ejemplo:

Supóngase que antes de una elección en cierto estado es necesario para ser elegido
como candidato a gobernador contar al menos con el 80% del voto en la sección del norte del
estado. Un prospecto a candidato a gobernador está interesado en evaluar su posibilidad de
llegar a competir y planea realizar un muestreo en 2,000 votantes registrados en la sección
norte del estado. De estos entrevistados 1,550 apoyan la candidatura del prospecto a
candidato. Utilizando el procedimiento de pruebas de hipótesis, evalué la posibilidad del
precandidato a gobernador a ser postulado.
 23

Paso 1: Establezca la hipótesis nula y la alternativa.

Paso 2: Seleccione el nivel de significancia.

α = 0.01 como se estableció en el problema

Paso 3: Seleccione el estadístico de prueba.

Utilice la distribución de Z en virtud de que se cumplen los supuestos y nπ y n(1-π) ≥ 5.

Paso 4: Formule la regla de decisión.

Rechace H0 si Z < – Z α

Cálculos:

Diagrama 9. Haga una decisión e interprete el resultado.

 24

El valor calculado de z (-2.80) está en la región de rechazo, así que la hipótesis nula
se rechaza al nivel de significancia de p=0.05. La diferencia de 2.5 puntos porcentuales entre
el porcentaje muestral (77.5 %) y el porcentaje de la hipótesis de la población (80%) es
estadísticamente significativo. La evidencia en este punto no soporta la afirmación que el
candidato a gobernador sea postulado para elección.
 25

CONCLUSIÓN

Las pruebas de hipótesis desempeñan un papel fundamental en la toma de decisiones

basadas en datos en una variedad de campos, desde la industria hasta la investigación
científica. Al seguir un enfoque estructurado y objetivo, las pruebas de hipótesis permiten a
las personas tomar decisiones informadas y evitar conclusiones precipitadas o sesgadas.

En conclusión, las pruebas de hipótesis son una herramienta esencial en el mundo de

la estadística y la ciencia de datos. Ayudan a determinar si los resultados observados son
consistentes con las afirmaciones hechas en una hipótesis nula o si se requiere una revisión
de las suposiciones subyacentes. La aplicación adecuada de las pruebas de hipótesis puede
marcar la diferencia en la toma de decisiones fundamentales en una amplia gama de
contextos.

Al comprender y utilizar adecuadamente las pruebas de hipótesis, podemos tomar

decisiones más fundamentadas y basadas en evidencia en una variedad de situaciones.
Esperamos que este artículo haya arrojado luz sobre el concepto de pruebas de hipótesis y
cómo se aplican en la práctica.

Concluimos afirmando que la utilización y formulación correcta de las hipótesis

permiten al investigador o especialista de la salud poner a prueba aspectos de la realidad,
disminuyendo la distorsión que pudieran producir sus propios deseos o gustos. Debido a que
pueden ser sometidas a prueba y demostrarse como probablemente correctas o incorrectas sin
que interfieran los valores o creencias de la persona.
 26

BIBLIOGRAFÍA

Inferencia Estadística: Pruebas De Hipótesis (Año 2014, Bioestadística y Epidemiología,

Número 2, Volumen 43). Obtenido de:
https://revistachilenadeanestesia.cl/inferencia-estadistica-pruebas-de-hipotesis/

Unidad 3. Prueba de hipótesis. Obtenido de:

https://dmd.unadmexico.mx/contenidos/DCEIT/BLOQUE2/MT/03/MEST1/U3/desca
rgables/MEST1_U3_contenido.pdf

Unidad didáctica 3: Las pruebas de hipótesis. (29 marzo, 2018) Obtenido de:
https://blogs.ugto.mx/enfermeriaenlinea/unidad-didactica-3-las-pruebas-de-hipotesis/

Pruebas de Hipótesis: Teoría y ejemplos prácticos (17 Noviembre, 2023). Obtenido de:
https://elmundodelosdatos.com/pruebas-de-hipotesis-teoria-y-ejemplos-practicos/