Corporación universitaria Iberoamericana
Ingeniería Industrial
Estadística inferencial
Actividad 6 - Pruebas de hipótesis
Brayan Estiven Castro Velandia
Lina Yaneth Diaz Mondragón
Presentado a:
Juan Padilla
08/06/2025 Bogotá D.C
Introducción
Las pruebas de hipótesis son fundamentales en la estadística inferencial,
permitiendo tomar decisiones sobre una población a partir de una muestra. A través de estos
procedimientos, se evalúan supuestos y se estima la probabilidad de que dichos supuestos
sean verdaderos en función de los datos disponibles. Este trabajo tiene como objetivo
resolver una serie de problemas utilizando pruebas de hipótesis, específicamente para
evaluar la media poblacional en diferentes situaciones.
El proceso de resolución de cada uno de los ejercicios se lleva a cabo mediante la
elección de pruebas estadísticas adecuadas, su justificación matemática, y la interpretación
de los resultados con base en el nivel de significancia establecido. Además, se detallan las
fórmulas necesarias para cada caso y se justifica cada elección metodológica, siguiendo una
lógica rigurosa que es esencial en la práctica estadística.
Desarrollo del Tema
1. Consulta de Fuentes y Resumen Comparativo de Pruebas de Hipótesis
Antes de abordar los ejercicios propuestos, se consultaron diversas fuentes
académicas para entender los fundamentos de las pruebas de hipótesis. A continuación, se
presenta un resumen comparativo de las principales pruebas de hipótesis utilizadas en la
práctica estadística.
Prueba Fórmula Descripción
Prueba t de Utilizada para muestras pequeñas cuando no se conoce la
Student 𝑡 desviación estándar poblacional.
𝑥̅ − μ0
= 𝑠
√𝑛
Prueba Z Utilizada cuando la muestra es grande y la desviación
𝑥̅ − μ estándar poblacional es conocida.
𝑧= σ
√𝑛
Prueba chi- Para comparar distribuciones y realizar pruebas de
cuadrado ∑
(𝑂𝑖 −𝐸𝑖 )2 independencia en tablas de contingencia.
𝐸𝑖
2. Resolución de los Problemas
Problema A:
Enunciado:
Se realizó una selección de 80 elementos con una media muestral de 21,4. Se
conoce que la desviación estándar poblacional es de 4,87. Se desea probar si la media
poblacional es igual a 21,4 con un nivel de significancia de 0,05.
Paso 1: Fórmula y Justificación
Para este ejercicio, se utilizará la prueba Z, ya que la desviación estándar
poblacional es conocida y la muestra es grande (n=80n = 80n=80). La fórmula general de la
prueba Z es:
𝑥̅ − μ
𝑧= σ
√𝑛
Paso 2: Sustitución de los Valores
Sustituyendo los valores en la fórmula:
21,4 − 21,4 0
𝑧= = =0
4,87 4,87
√80 8,944
Paso 3: Determinación del valor crítico
La prueba es bilateral (ya que estamos verificando si la media poblacional es igual a
21,4), por lo que se utilizan dos colas. El valor crítico para un nivel de significancia de
α=0.05 y 79 grados de libertad (aproximadamente z crítico=±1,96z
Paso 4: Toma de Decisión
El valor calculado de z=0 está dentro de la zona de aceptación (z=0 es menor que
1,961. Por lo tanto, no rechazamos la hipótesis nula. No hay suficiente evidencia estadística
para afirmar que la media poblacional es diferente de 21,4
Problema B:
Enunciado:
En una muestra de 40 elementos, la media muestral es de 8,56 y la desviación
estándar poblacional es de 2,95. Se desea probar si la media es menor que 8,56 con un nivel
de significancia de 0,05.
Paso 1: Fórmula y Justificación
En este caso, también utilizamos la prueba Z, ya que se conoce la desviación
estándar poblacional y la muestra es relativamente pequeña. La fórmula de la prueba Z es la
siguiente:
𝑥̅ − μ
𝑧= σ
√𝑛
Paso 2: Sustitución de los Valores
Sustituyendo los valores en la fórmula:
8,56 − 8,56 0
𝑧= = =0
2,95 2,95
√40 6,324
Paso 3: Determinación del valor crítico
Esta es una prueba unilateral a la izquierda (porque estamos verificando si la media
es menor que 8,56). El valor crítico de z para α=0,05 es aproximadamente
𝑧𝑐𝑟𝚤ˊ𝑡𝑖𝑐𝑜 = −1,645𝑧crítico = −1,645𝑧𝑐𝑟𝚤ˊ𝑡𝑖𝑐𝑜 = −1,645.
Paso 4: Toma de Decisión
El valor calculado de z=0 es mayor que z crítico=−1,645, lo que coloca el valor
dentro de la zona de aceptación. Por lo tanto, no rechazamos la hipótesis nula. No hay
evidencia suficiente para afirmar que la media es menor que 8,56.
Problema C:
Enunciado:
En una muestra de 64 elementos con una media muestral de 104 y una desviación
estándar poblacional de 10,85, se desea probar si la media es mayor que 104 con un nivel
de significancia de 0,01.
Paso 1: Fórmula y Justificación
En este caso, dado que la muestra es grande (n=64n = 64n=64) y conocemos la
desviación estándar poblacional, utilizamos la prueba Z para una muestra grande. La
fórmula de la prueba Z es:
𝑥̅ − μ
𝑧= σ
√𝑛
Paso 2: Sustitución de los Valores
Sustituyendo los valores:
104 − 104 0
𝑧= = =0
10,85 10,85
√64 8
Paso 3: Determinación del valor crítico
Esta es una prueba unilateral a la derecha (ya que estamos probando si la media es
mayor que 104). El valor crítico para una significancia de z=0,01 es z crítico=2,33.
Paso 4: Toma de Decisión
El valor calculado de z=0 es menor que el valor crítico z=2,33, lo que coloca el
valor en la zona de aceptación. Por lo tanto, no rechazamos la hipótesis nula. No hay
suficiente evidencia para afirmar que la media es mayor que 104.
Conclusiones
El proceso de llevar a cabo pruebas de hipótesis dentro del contexto de muestreo
estadístico proporciona una base rica y razonada para tomar decisiones, especialmente al
verificar y validar los argumentos hechos en torno a ciertos parámetros poblacionales. Las
pruebas de hipótesis permiten hacer suposiciones concluyentes respaldadas por un nivel de
confianza especificado, y son cruciales en muchos campos como la investigación científica,
la ingeniería de calidad y la inteligencia empresarial. Lo siguiente resume los principales
hallazgos que surgen del análisis realizado sobre los tres problemas de caso planteados:
1. La Importancia de Seleccionar la Prueba Correcta
Quizás una de las lecciones más importantes de este estudio de caso es la necesidad
de considerar los métodos estadísticos que mejor se ajusten a la naturaleza de una muestra y
a la información disponible sobre la población a la que pertenece. En todos los problemas,
implementamos la prueba Z porque se asumió que la desviación estándar de la población
era conocida, lo que fue un factor decisivo para aplicar esa prueba. Esto subraya la
importancia de variables controladas como el tamaño de la muestra y el conocimiento de la
distribución de datos al formular marcos de prueba apropiados.
En el Problema A, la prueba Z nos permitió averiguar si la media muestral de 21.4
era significativamente diferente de la media poblacional. A pesar de que tenía un valor Z de
0, su valor crítico aún indicaba fundamentos insuficientes para rechazar la hipótesis nula.
Este resultado muestra cómo en muchos casos las pruebas estadísticas a menudo sugerirán
que las diferencias observadas son, de hecho, diferencias que no son estadísticamente
significativas, lo que resulta en una falta de significancia para casi todos los propósitos
prácticos.
En el Problema B, al realizar la prueba Z y utilizar un enfoque de una cola,
descubrimos que no había evidencia que apoyara que la media era menor que 8.56. Esta
preocupación ilustra aún más el problema cuando se utiliza un cierto tipo de prueba y se
vuelve importante no olvidar cómo una prueba de una cola frente a una de dos colas puede
afectar la toma de decisiones y la interpretación de resultados.
En el Problema C, a pesar de realizar una prueba Z para determinar si la media
muestral era mayor que el valor hipotetizado, el valor calculado de
𝑧
z=0 resultó en no rechazar la hipótesis nula. Esto implica que, incluso si la media
muestral coincide con la media poblacional, el rango del subconjunto de la población en
consideración no apoya una afirmación de una diferencia significativa. Esto demuestra
hasta qué punto la variación en los datos puede impactar las decisiones estadísticas.
2. Áreas de Aceptación y Rechazo: El Concepto Básico de Estadísticas
Inferenciales
El concepto de áreas de aceptación y rechazo se aplicó en cada problema para
determinar si los resultados obtenidos debían llevar a aceptar o rechazar la hipótesis nula.
Este concepto constituye gran parte del proceso de toma de decisiones estadísticas.
Esta zona de rechazo se utiliza para rechazar la hipótesis nula cuando el valor
calculado se encuentra en una región extrema (crítica).
Esta zona de aceptación se utiliza para aceptar la hipótesis nula cuando el valor
calculado se encuentra entre los valores críticos.
Este concepto fue evidente en los gráficos generados que visualizan las
distribuciones de las pruebas y marcan las regiones de rechazo facilitando la comprensión
de cómo los valores calculados se sitúan dentro del marco de la distribución teórica.
3. Interpretación de Resultados: Importancia de los Valores Críticos
Los valores críticos son de gran importancia en la interpretación de los resultados de
las pruebas de hipótesis estadísticas, ya que establecen el límite más allá del cual podemos
concluir con seguridad que los resultados de la muestra son estadísticamente significativos.
Para el Problema A, el valor calculado
𝑧=
0
z=0 fue comparado con el valor crítico de
±
1.96
±1.96 para una prueba de dos colas. Dado que el valor calculado cayó dentro de la
zona de aceptación, la hipótesis nula no se rechazó. Esta conclusión muestra cómo un valor
Z cercano a 0 sugiere que la media muestral es aproximadamente igual a la media
poblacional y, por lo tanto, indica que hay evidencia insuficiente para afirmar que las dos
medias son estadísticamente diferentes.
En el Problema B, el computado z=0 no crítico para la prueba a la izquierda fue
mayor a cero, por lo que no hay suficiente información para considerar la media como un
valor menor al hipotético. Aquí el tipo de prueba unilateral nos ayuda comprender que la
evaluación de la hipótesis única es efectuada en un solo sentido.
En el Problema C, el z0 también estuvo por debajo del borde crítico z=2.33 y, por
consiguiente, se mantuvo la hipótesis nula. Este caso subraya la lógica de la hipótesis nula
como dominada en la opción elegida es superior a una, dado que el rango de significación
es muy pequeño: α =0.01.
4. Implicaciones para la Toma de Decisiones y el Uso de Datos
Todas, o casi todas, las situaciones prácticas de toma de decisiones dentro de este
contexto poseen en sí mismas pruebas de hipótesis y, por tanto, de comprobación de teorías.
En los ejercicios analizados en estos capítulos, en la mayoría de los casos, la hipótesis nula
resulta no ser rechazada. Esto, tal como se mencionó, tiene consecuencias prácticas. Por
poner un ejemplo, en la evaluación de un proceso de manufactura o de un tratamiento
médico, el no rechazo de la hipótesis nula implica que el proceso o tratamiento evaluado no
resulta tener un impacto significativo en comparación al benchmark. Esta es una lección
fundamental sobre cómo las pruebas de hipótesis ayudan a proporcionar decisiones
adecuadas guiadas por la objetividad y las evidencias.
5. Acerca de los Errores Tipo I Y II
Como con cualquier forma de análisis crítico, comprendo que han de haber
elementos que alteran irremediablemente la esencia del resultado que se busca. En este
contexto, es necesario tener muy claro un par de errores: tipo I y tipo II. Resumiendo:
Tipo I: Erróneamente se decide que la hipótesis nula es incorrecta – y, en
consecuencia, se lleva a cabo uno de los principales errores que serían bajo el control de un
cierto nivel de significancia ( α ).
Error tipo II: No rechazar la hipótesis nula cuando es falsa. Este tipo de error es más
difícil de controlar porque trata con el tamaño de la muestra y la variabilidad de los datos.
Como mencioné en el ejemplo anterior, no cometí errores tipo I ni tipo II, ya que no
hubo rechazo de hipótesis en ninguno de los casos. No obstante, el estudio de caso enfatiza
la necesidad de considerar estos errores en situaciones prácticas donde uno podría
realmente decidir aceptar o rechazar la hipótesis nula.
Referencias:
• Molina, M. (2022). El cervecero. Distribución de la t de Student. Revista
Electrónica AnestesiaR, 14(6), 1039. https://doi.org/10.30445/rear.v14i6.1039
• LibreTexts. (2020). Prueba de hipótesis sobre la media poblacional cuando se
conoce la desviación estándar de la población. LibreTexts Español.
https://espanol.libretexts.org/Estadisticas/Estadistica_Aplicada/Libro%3A_Biometri
a_de_Recursos_Naturales_%28Kiernan%29/03%3A_Prueba_de_Hip%C3%B3tesis
/3.02%3A_Prueba_de_hip%C3%B3tesis_sobre_la_media_poblacional_cuando_se_
conoce_la_desviaci%C3%B3n_est%C3%A1ndar_de_la_poblaci%C3%B3n
• JMP. (2020). La prueba t. JMP. https://www.jmp.com/es_cl/statistics-knowledge-
portal/t-test.html
• AnestesiaR. (2021). Paso a paso. Prueba de la t de Student para muestras
independientes. Revista Electrónica AnestesiaR, 14(8), 4.
https://doi.org/10.30445/rear.v14i8.1060
