Experimentos aleatorios: Son los que no arrojan resultados similares ante iguales condiciones iniciales del

experimento. Ejemplo: “Lanzar dos monedas”

Espacio muestral: Conjunto de todos los resultados posibles simples de un experimento aleatorio.
𝑺= 𝒄; 𝒄 ; 𝒄; 𝒙 ; 𝒙; 𝒄 ; 𝒙; 𝒙
Eventos simples: Son los resultados posibles simples de un experimento aleatorio.

Relacionar a cada evento con un valor numérico

Variable Aleatoria: Función que asigna valores numéricos a cada evento simple en el espacio muestral.
𝑓: 𝑆 → 𝑅
Variable aleatoria: “número de caras en el lanzamiento de una moneda” (los resultados posibles se transforman
en números ya que si sale cruz hay 0 caras y si sale cara el valor de la variable es 1).
Eventos V. A. Probab. Eventos
Los eventos tienen probabilidad CC 2 1/4
CX 1 1/4
XC 1 1/4
XX 0 1/4

Cabe preguntarse, por ejemplo: ¿Cuál es la probabilidad de que la variable aleatoria tome el valor 1?
¿Cómo es la distribución de probabilidad de una V.A?
V. A. Probab. V.A.
0 1/4
1 2/4
2 1/4

Distribución de probabilidades: Par ordenado de valores de la variable aleatoria y su respectiva

probabilidad: (𝑥𝑖 ; 𝑃(𝑥𝑖 ))

¿Cómo se caracteriza una distribución de probabilidades? Por su Esperanza, Varianza, Desvío

Función de Distribución de Probabilidad: (𝑥𝑖 ; 𝑃(𝑥𝑖 )) Probabilidad de que la variable aleatoria tome valores
iguales o inferiores a x:

x F(x)
−∞; 0 0
[0; 1) 1/4
[1; 2) 3/4
2; +∞ 1
Proceso de hacer uso de los resultados muestrales para obtener conclusiones sobre las características
de una población.
Los parámetros poblacionales se estiman utilizando estadísticos muestrales.
El estadístico que se utilice se llama estimador del parámetro.

Puntual
Estimación
Por Intervalos
Inferencia (de Parámetros)
Estadística
Prueba, Test o Dócima (Toma de decisiones)
de Hipótesis

El valor numérico que se obtiene con los datos de una muestra constituye un punto estimado de
parámetro, que se llama estimación puntual de parámetro.

Riesgo = probabilidad de cometer un error

INTERVALO DE
Estimar
CONFIANZA

= CONCEPTOS

≠ PROPÓSITOS

PRUEBA DE
HIPÓTESIS Decidir
 Verificar proceso de llenado de envases con líquido. Supongamos que deben contener 500
ml y se observa que el líquido está muy por encima de lo que debiera.
 Un candidato en una elección afirma que el 90% de los votantes lo elegirán a él. Se
sospecha que no dice la verdad.
 Se desea investigar el nivel de preferencia de un determinado producto entre los
consumidores.
 La máquina de empaque en un proceso de producción de llenado de cajas de snacks de
200g debe ser sometida a verificación pues se realizaron denuncias desde la Dirección de
Defensa al Consumidor, por presentar menor peso que el declarado en el envase.

La hipótesis (hipo=por debajo thesis= lo que se propone) es una conjetura científica que requiere
ser contrastada a través de la experiencia
Decisión que se toma con respecto a algún aspecto de la población, en base a evidencia
proporcionadas por muestras.
Para tomar una decisión estadística se formulan conjeturas sobre la población. Estas conjeturas se
llaman hipótesis estadísticas y consisten en suposiciones acerca del valor del parámetro θ.
Los principales elementos:
Conjunto de todos los posibles valores que puede tener, en una población dada,
Espacio Paramétrico un cierto parámetro cuyo valor real no se conoce

Espacio muestral Está constituido por el conjunto de valores que puede asumir el estimador.

Para decidir cuál de las hipótesis planteadas es la correcta se lleva a cabo un

Regla de decisión experimento aleatorio que consiste en tomar una muestra y hacer una
estimación puntual del parámetro. Según sea el resultado de la estimación
puntual se opta por una u otra hipótesis.

El valor del parámetro es desconocido y se toma una decisión en base a la

Acciones que se pueden información proporcionada por la muestra. Esta decisión puede llevar a elegir la
tomar. acción correcta o la acción incorrecta, quiere decir que la decisión puede ser
errónea.
Ejemplo: La máquina de empaque en un proceso de producción de
llenado de cajas de snacks de 200g se ajusta en forma tal
que la cantidad de snacks en la caja tiene distribución
normal con media 200g. Por experiencia se sabe que la
desviación estándar de la población es de 5 g.

Preguntas:
1- ¿Funciona el proceso de modo que asegure que en promedio en cada
caja se está depositando los 200g? .
2- Debido a que el proceso se encuentra sujeto a inspecciones
periódicas por parte de la oficina de Defensa al Consumidor con el
interés de ver la posible falta de peso en los productos, existe evidencia
de que la cantidad podría ser inferior a 200g?
Para poder responder:
Se selecciona una muestra de 100 cajas y se le toma el peso. Luego se
concluirá que:
• El llenado promedio es de 200g o bien,
• El llenado promedio es distinto a 200g.
Definiciones:
Hipótesis nula: Indica generalmente, la ausencia de cambios o efectos
en la población. Representa la conclusión que se obtendría si el proceso
funcionara correctamente.
Hipótesis Alternativa: Representa la conclusión que el investigador
quiere demostrar tras su estudio. Es la negación de la hipótesis nula.
En este ejemplo: H0: 𝜇𝑥 = 200 Es la que siempre se prueba

H1: 𝜇𝑥 ≠ 200
 No hubo cambios puesto que la media muestral está muy cerca del valor
Si 𝑋ത = 199,5 hipotético 200. No es improbable obtener una media muestral de 199,5
de una población cuya media fuera 200.

La media muestral está muy lejos del valor hipotético 200.

Si 𝑋ത = 185 Es poco probable obtener una media muestral de 185 si la media
poblacional fuera 200. Por lo tanto es razonable pensar que la media
poblacional no es igual a 200.

Si 𝑋ത = 198 ¿?
¿Qué significa estar tan cerca de y tan lejos de la media poblacional?
• Se establece la distribución muestral que sigue la muestra estadística (media)
• Se decide un punto de corte o punto crítico que permite definir una zona «cercana» (zona de
no rechazo) y una zona «lejana» (zona de rechazo). Dicho de otra manera:
Se calcula la prueba estadística apropiada. Medirá cuan lejos o cuan cerca de la H0 se
encuentra el valor de la muestra.
• La prueba estadística suele seguir una distribución estadística bien conocida: Normal, t, etc.

Una prueba de hipótesis es un proceso en el que, partiendo de dos hipótesis estadísticas contrapuestas (una
nula y una alternativa), tomamos información muestral para decidir si se rechaza o no la hipótesis nula.
PRUEBA DE HIPÓTESIS SNACK
Hipótesis estadística: Conjetura con respecto a uno o más, parámetros poblacionales.
Método para tomar decisiones ante la incertidumbre en base a datos muestrales
La prueba de hipótesis se utiliza para aceptar, o rechazar, hipótesis estadísticas en base a datos
muestrales, midiendo los riesgos de cometer un error.

Se trata de decidir si se rechaza o se acepta una de estas hipótesis, llamada hipótesis nula, fijando la
probabilidad de cometer un error y rechazarla siendo cierta.

Dado el carácter aleatorio de los estimadores muestrales se puede determinar, cuando la hipótesis
nula es verdadera (  0 ), la probabilidad  de que una estimación puntual se aleje del parámetro
(  0 ) más allá de ciertos limites, llamados puntos críticos, y asuma valores en una zona llamada
región crítica. Si esta probabilidad se fija a niveles muy bajos (0,05; 0,01; o menos) serán muy pocas
las veces que la estimación puntual caiga en región critica cuando la hipótesis nula sea verdadera.
La región critica es en realidad una zona de rechazo de la hipótesis nula.
• La Prueba de Hipótesis en un experimento aleatorio que se realiza para
decidir sobre la veracidad o falsedad de una hipótesis llamada hipótesis
nula, la que, por lo general, indica la ausencia de cambios, o efectos, en la
población.
• Algunos valores de la estimación puntual, que tienen alta probabilidad de
presentarse cuando la hipótesis nula es cierta, nos harán suponer que la
hipótesis nula es cierta y la aceptaremos.
• Otros valores, que tienen poca probabilidad de presentarse cuando la
hipótesis nula es cierta y que consideramos significativos, nos harán
suponer que la hipótesis nula es falsa y la rechazaremos.
• Cualquiera que sea la decisión que se tome se corre el riesgo de cometer un
error, aceptando la hipótesis nula cuando es falsa o rechazándola cuando es
cierta.
 Dado un parámetro  objeto de la prueba y un valor particular de este parámetro, 0 ,
para el cual se verifica la hipótesis nula, se pueden plantear tres pruebas distintas:

Prueba bilateral: H0   0 La figura indica la distribución de un estimador normal

H1    0 en el caso de que la hipótesis nula sea cierta. La zona
de rechazo de la hipótesis nula Xr , está ubicada en
ambos extremos de la de la distribución del estimador
bajo la hipótesis nula cierta.
Cuando la hipótesis nula es falsa el estimador se
distribuye alrededor de otro valor del parámetro
 distinto a 0 .

2 Gráficamente hemos supuesto que el estimador tiene
2
una distribución normal.

Xr 0 Xr ˆ

En la prueba bilateral, existen dos zonas de rechazo de la H0.

 Prueba lateral derecha: Prueba lateral izquierda:
H0   0 H0   0
H1    0 H1    0

 
1-

0 Xr ˆ Xr 0 ˆ

La hipótesis nula se rechazará únicamente cuando la La hipótesis nula se rechazará únicamente cuando la evidencia
evidencia proporcionada por la muestra nos haga proporcionada por la muestra nos haga suponer que el parámetro
pensar que el parámetro es superior a 0 . es inferior a 0 .
 Ejemplo de Prueba lateral derecha
Supongamos que según un proceso de fabricación se produce una pieza que tiene cierta
característica variable con distribución normal, cuya media es igual a 100 y cuya
desviación típica es 12. Supongamos además que se propone un nuevo método de
fabricación que se asegura aumenta la media, lo cual significa una ventaja para la
fabrica. Para verificarlo se fabrican 36 piezas con el nuevo proceso y se realiza la prueba
con un nivel de significación del 0,0228. La muestra dio como resultado una media de
103.

0 z1
Región crítica Región crítica
Zona de
Rechazo de H0 Zona de Rechazo
Zona de No Rechazo de H0

Valor Crítico Valor Hipotético de la

Valor Crítico
media poblacional

𝜃0
Si el punto estimado cae en zona de rechazo se decide que la hipótesis nula es falsa y se rechaza, pero
se puede cometer el error de rechazarla siendo cierta.

  Nivel de significación =P { Re chazar H H cierta } Probabilidad fijada por el investigador a

0 0 niveles muy bajos.
Error Tipo I

Si el punto estimado cae en zona de aceptación, se acepta la hipótesis nula como verdadera y se
puede cometer otro error.

𝛽 = Probabilidad de aceptar la Hipótesis nula cuando es falsa. Error Tipo II

Hipótesis Simples Un solo valor de Parámetro H0

Hipótesis
Varios valores de Parámetro H1
Compuestas

Se enfrenta una hipótesis nula simple a una hipótesis alternativa compuesta.

 Pruebas de hipótesis simples

En algunas pruebas se suele enfrentar una hipótesis nula simple a una hipótesis
alternativa simple. En tal caso tenemos una prueba de hipótesis exactas (o simples):
H0   0
H1   1
En las pruebas de hipótesis exactas se considera que solamente existen dos supuestos y
que uno de ellos es cierto.
Las pruebas exactas son laterales derechas o laterales izquierdas, según sea 1 mayor
o menor que 0 .
La fijación del nivel de significación y la determinación de la zona de rechazo de la
hipótesis nula, son análogas al caso de una hipótesis nula simple frente a una hipótesis
alternativa compuesta.
 Pruebas de hipótesis compuestas
Es común enfrentar una hipótesis nula compuesta frente a una hipótesis alternativa
compuesta, pero en tal caso el procedimiento para decidir sobre la aceptación o
rechazo de la hipótesis nula es igual al que se sigue en el caso de hipótesis nula simple
frente a una hipótesis alternativa compuesta.
Prueba lateral derecha : H0   0 Prueba lateral izquierda : H 0    0
H1    0 H1    0

 

ˆ 0 ˆ
0 Xr Xr

Para determinar  y la zona de rechazo solo se tiene en cuenta el valor de  = 0 .