PRUEBAS DE HIPÓTESIS

1.-) LOGROS DE APRENDIZAJE

1.1.-) Identifica, reconoce y aplica Pruebas de Hipótesis Estadística.

1.2.-) Reconoce la importancia de las Pruebas de Hipótesis Estadística.

2.-) CONTENIDOS

2.1.-) Definición de Hipótesis Estadística.

2.2.-) DefinIción de Error Tipo I y Error Tipo II.

2.3.-) Pasos para desarrollar una Prueba de Hipótesis.

PRUEBAS DE HIPÓTESIS ESTADÍSTICAS

1.-) INTRODUCCIÓN. -
La estadística para la investigación es una herramienta poderosa que nos permite tomar decisiones
informadas basadas en datos, sobre poblaciones, a partir de los resultados de una muestra aleatoria
escogida de esa población.
Para llegar a tomar decisiones estadísticas se debe partir de afirmaciones o conjeturas con respect a la
población en la que estamos interesados. Tales suposiciones, pueden ser verdaderas o no. Una conjetura
hecha sobre una población o sobre sus parámetros deberá ser sometida a comprobación experimental con
el propósito de saber si los resultados de una muestra aleatoria extraída de esa población, contradicen o
no tal conjetura.
2.-) HIPÓTESIS ESTADÍSTICAS. -
Se denomina así a cualquier afirmación o conjetura que se hace acerca de la distribución de una o más
poblaciones.
La afirmación o conjetura puede referirse bien a la forma o tipo de distribución de probabilidad de la
población o bien referirse al valor o valores de uno o más parámetros de la distribución conocida su forma.
En las aplicaciones básicas, se asume dada la forma de la distribución de la población.

En este caso, las hipótesis estadísticas consisten en suponer que los parámetros, que definen a la
población, toman determinados valores numéricos.

1
 Por ejemplo, son hipótesis estadísticas:
a) La longitud media de un tipo de objetos es de 10 centímetros.
b) La proporción de objetos defectuosos producidos por cierto proceso nunca es superior al 8%.
c) La varianza de la longitud de cierto tipo de objetos es 0.25 cm2.
d) Son iguales las medias aritméticas de dos tipos de mediciones independientes X e Y que se
distribuyen normalmente con varianza común.
3.-) HIPÓTESIS NULA. -
Se denomina así y se representa por H0, a la hipótesis que es aceptada provisionalmente como verdadera
y cuya validez será sometida a comprobación experimental. Es decir, los resultados experimentales nos
permitirán seguir aceptándola como verdadera o si, por el contrario, debemos rechazarla como tal.

Toda Hipótesis NULA va acompañada de otra hipótesis ALTERNATIVA

4.-) HIPÓTESIS ALTERNATIVA. -

Se denomina así y se representa por H1, a la hipótesis que se ACEPTA en caso de que la hipótesis NULA
sea rechazada. Es decir, es una suposición contraria a la hipótesis NULA.
Por ejemplo, si se asume que Ɵ0 es un valor del parámetro desconocido Ɵ de una población cuya
distribución se supone conocida, entonces son hipótesis nulas y alternativas respectivamente las
siguientes afirmaciones:
a) H0: Ɵ = Ɵ0 y H1: Ɵ ≠ Ɵ0

b) H0: Ɵ ≤ Ɵ0 y H1: Ɵ > Ɵ0

c) H0: Ɵ ≥ Ɵ0 y H1: Ɵ < Ɵ0

d)
5.-) PRUEBA DE UNA HIPÓTESIS ESTADÍSTICA. –
Es un proceso que nos conduce a tomar la
decisión de ACEPTAR o RECHAZAR la
Hipótesis NULA H0, en contraposición de la
Hipótesis ALTERNATIVA H1 y en base a los
resultados de una muestra aleatoria
seleccionada de la población en estudio.
La Hipótesis NULA H0 es la primera hipótesis
que se plantea, y debe ser establecida de
manera que especifique un valor Ɵ0 del parámetro Ɵ en estudio.
La aceptación de una hipótesis significa que los datos de la muestra no proporcionan evidencia suficiente
para refutarla. El rechazo significa que los datos de la muestra lo refutan.

6.-) ERRORES TIPO I.-

Se denomina así al error que se comete al rechazar una Hipótesis Nula H0 cuando ésta es
VERDADERA.

2
7.-) ERRORES TIPO II.-
Se denomina así al error que se comete al aceptar una Hipótesis Nula H0 cuando ésta es FALSA.
DECISIÓN H0 Verdadera H1 Verdadera
En consecuencia, se tiene la siguiente tabla: Aceptar H0 Decisión Correcta Error Tipo II
Rechazar H0 Error Tipo I Decisión Correcta
Por lo tanto, se tiene:
a) La probabilidad de cometer un Error Tipo I se denota por
α = P [Error Tipo I] = P [Rechazar H0 cuando H0 es verdadera]
b) La probabilidad de cometer un Error Tipo II se denota por
β = P [Error Tipo II] = P [Aceptar H0 cuando H1 es verdadera]
8.-) NIVEL DE SIGNIFICACIÓN. -
Se denomina Nivel de Significación de una Prueba de Hipótesis a la probabilidad de cometer un Error
Tipo I. El Nivel de Significación se fija previamente por lo general en α = 0.05 o α = 0.01. Es decir, si
para un valor dado de α, se rechaza la hipótesis H0, entonces se dice que los resultados muestrales
obtenidos, no sólo son diferentes por efectos del azar, si no que son realmente significativamente
diferentes al nivel de α x 100%. Es decir, se espera que de 100 resultados muestrales en α x 100%. De
las veces se rechazará la hipótesis nula H0 cuando realmente es verdadera.
9.-) APLICACIONES. -
Ejemplo 1: Una empresa está interesada en lanzar un nuevo producto al mercado. Tras realizar una campaña
publicitaria, se toma la muestra de 1,000 habitantes, de los cuales, 25 de ellos no conocían el producto. A un nivel de
significación del 1% ¿apoya el estudio las siguientes hipótesis?
a) Más del 3% de la población no conoce el nuevo producto.
b) Menos del 2% de la población no conoce el nuevo producto.
SOLUCIÓN
DATOS: n = 1,000 habitantes X = 25 p: proporción = 25/1,000 = 0.025 α = 1% = 0.01
p0 = 3% = 0.03 H 0: p = p0 H 1: p > p0

FÓRMULA:

a) Z =
2.326 (según Tabla)
RESPUESTA: H0 es aceptada, ya
que Z (Prueba) es = – 0.93 es MENOR que Z (Tabla que es igual a 2.326) por lo que no es cierto que más
del 3%de la población no conoce el nuevo producto.

b) p0 = 2% = 0.02 H 0: p = p0 H 1: p < p0
Reemplazando en la fórmula, se tiene:

3
RESPUESTA: H0 es Rechazada, ya que Z (Prueba) es = 1.13 es MENOR que Z (Tabla que es igual a
2.326) por lo que es cierto que menos del 2%de la población no conoce el nuevo producto.

Ejemplo 2: Un Gerente de Ventas de Libros universitarios afirma que en promedio sus representantes de ventas
realizan 40 visitas a profesores por semana. Varios de estos representantes piensan que realizan un número de
visitas promedio superior a 40. Una muestra tomada al azar durante 8 semanas reveló un promedio de 42 visitas
semanales y una desviación estándar de 2 visitas. Utilice un nivel de confianza del 99% (Tabla Z = 3.499) para aclarar
esta cuestión.
SOLUCIÓN
DATOS: x = 42 μ = 40 S=2 n=8
H0 = 40 visitas H1 >40 visitas

FÓRMULA (t de STUDENT):

RESPUESTA: H0 es Aceptada, ya que Z (Prueba) es = 2.83 es MENOR que Z (Tabla que es igual a 3.499)
por lo que no es acertado pensar que están realizando un número de visitas promedio superior a 40.

Ejemplo 3: Un Investigador de Mercados y Hábitos de Comportamiento afirma que, niños de 3 a 5 años dedican el
tiempo a ver la TV cada semana se distribuye normalmente con una media de 22 horas y una desviación estándar de
6 horas. Frente a este estudio una empresa de investigación de mercados cree que la media es mayor y para probar
su hipótesis toma una muestra de 64 observaciones procedentes de la misma población, obteniendo como resultado
una media de 25 horas. Si se utiliza un nivel de significación del 5% (Z = 1.645). Verifique si la afirmación del
investigador es realmente cierta.
SOLUCIÓN
DATOS: x = 25 μ = 22 S=6 n = 64
H0 = 22 horas H1 > 22 horas

FÓRMULA (t de STUDENT):

RESPUESTA: H0 es Rechazada, ya que Z (Prueba) es = 4 es MAYOR que Z (Tabla que es igual a 1.645)
por lo tanto el tiempo que los niños de 3 a 5 años que dedican a ver la TV es mayor de 22 horas, lo que
implica que la Empresa de Investigación de Mercados tiene la razón.

Ejemplo 4: En el momento que fue contratada como mesera en un restaurante, le dijeron a TATIANA que podía
ganar en promedio más de S/ 80 al día en propinas. Si se asume que la desviación estándar de la distribución de la
población es de S/ 3.24. Los primeros 35 días de trabajo, el promedio de sus propinas es de S/ 84.85. Con un nivel de
significancia de 0.01 (Z = 2.33). Entonces, ¿TATIANA puede concluir que gana un promedio de más de S/ 80 en
propinas?
SOLUCIÓN
DATOS: x = S/ 84.85 μ = S/ 80 S = S/ 3.24 n = 35
H0 = S/ 80 H1 > S/ 80

4
FÓRMULA (t de STUDENT): Zc = (x – u) /(σ/Ѵn) = (84,85 - 80) /(3,24/Ѵ35) = 8,85
RESPUESTA: H0 es Rechazada, ya que Z (Prueba) es = 8.85 es MAYOR que Z (Tabla que es igual a 2.33)