UNA Puno

Estadística General
2020 – I
III semestre
Grupo B

Ing. Alcides Ramos Calcina

Facultad de Ingeniería Estadística e Informática Prueba de Hipótesis para una
muestra
Capítulo IX

PRUEBA DE HIPOTESIS PARA UNA

MUESTRA
Introducción
• La estadística inferencial es el proceso de usar la información de una muestra para
describir el estado de una población.

• Es frecuente que usemos la información de una muestra para probar un reclamo o

conjetura sobre la población.
ˆ

• El reclamo o conjetura se refiere a una hipótesis.

• El proceso que corrobora si la información de una muestra sostiene o refuta el reclamo

se llama prueba de hipótesis.

Ing. Alcides Ramos Calcina

 Conceptos básicos
Contraste de hipótesis

• Un contraste de hipótesis es un proceso estadístico mediante el cual se investiga si una

propiedad que se supone que cumple una población es compatible con lo observado en
una muestra de dicha población.

• Es un procedimiento que permite elegir una hipótesis de trabajo de entre dos posibles y
antagónicas.

Hipótesis Estadística
v

Todo contraste de hipótesis se basa en la formulación de dos hipótesis exhaustivas y

mutuamente exclusivas:
Hipótesis nula (H0)
Hipótesis alternativa (H1)

Ing. Alcides Ramos Calcina

 Conceptos básicos
• La hipótesis H0 es la que se desea contrastar.

• Consiste generalmente en una afirmación concreta sobre la forma de una distribución

de probabilidad o sobre el valor de alguno de los parámetros de esa distribución. .

• El nombre de "nula" significa “sin valor, efecto o consecuencia”, lo cual sugiere que H0
debe identificarse con la hipótesis de no cambio (a partir de la opinión actual); no
diferencia, no mejora, etc.

• H0 representa la hipótesis que mantendremos a no ser que los datos indiquen su

falsedad, y puede entenderse, por tanto, en el sentido de “neutra”.

• La hipótesis H0 nunca se considera probada, aunque puede ser rechazada por los
datos.

Ing. Alcides Ramos Calcina

Conceptos básicos
• La hipótesis H1

• La hipótesis, que especifica aquellos valores del parámetro que queremos apoyar
con los datos de la muestra, se denomina Hipótesis Alterna y es representado por
H1.

¿Qué asignamos como H0 y H1?

• La hipótesis H0 asigna un valor específico al parámetro en cuestión y por lo tanto “el

igual” siempre forma parte de H0.

H0: 1 = 2
• El interés del investigador se centra, en la H1.
<
H1: 1  2
>
Ing. Alcides Ramos Calcina
 Conceptos básicos
Error tipo I y Error tipo II
• Antes de definir los riesgos, veamos cuáles son los dos errores posibles que podríamos
cometer al tomar la decisión de rechazar o no rechazar H0:

 Rechazar H0 cuando en realidad era verdadera. (Error tipo I).

 No rechazar H0 cuando en realidad era falsa. (Error tipo II).

Verdadero
H0 H1
Decisión
Error Tipo II:
H0 No hay error Aceptar H0 cuando en
realidad es falsa.
Error Tipo I:
H1 Rechazar H0 cuando en No hay error
realidad es verdadero.
Ing. Alcides Ramos Calcina
 Conceptos básicos
Nivel de significancia ()
• Para ser muy cuidadosos en no cometer el Error Tipo I, debemos especificar la
probabilidad de rechazar H0, denotada por .. A ésta se le llama nivel de significancia.

α = P[cometer error tipo I] = P[rechazar H0/H0 es verdadero]

= P[aceptar H1/H1 es falsa]

• Usando un valor preasignado de . se construye una región de rechazo o región crítica

en la curva normal estándar o en la curva t que indica si debemos rechazar H0.

Observación: Para mantener la probabilidad de cometer el error tipo I baja, debemos

escoger un valor pequeño de .

Ing. Alcides Ramos Calcina

 Conceptos básicos
Tipo de Prueba

Cuando la hipótesis nula toma la forma: H0:  = 0

la hipótesis alterna Ha o H1 puede ser de los siguientes tipos:

• Para H1:  > 0, la región de rechazo está dada por:

1–α (cola derecha, z ó t)

Ing. Alcides Ramos Calcina

 Conceptos básicos
• Para H1:  < 0, la región de rechazo está dada por:

(cola izquierda, z ó t)

1–α

• Para H1:   0, la región de rechazo está dada por:

(2-colas, z ó t)

1–α

Ing. Alcides Ramos Calcina

Conceptos básicos
Procedimiento para una Prueba de Hipótesis
i) Planteamiento de Hipótesis
Se formular la hipótesis nula y la alternativa.
   0

H0: = 0 H1:    0
  
 0
ii) Nivel de Significancia (α)
Seleccionar el nivel de significancia α (0 < α < 1, generalmente puede tomar valores
de 0.10, 0.05 y 0.01)

iii) Estadístico de Prueba

Se elige el estadístico de prueba apropiado, entre las características existentes en la
población y muestra que puede ser tc, Zc, Fc, etc.
Luego, calcular el valor de la estadística de prueba
Ing. Alcides Ramos Calcina
 Conceptos básicos
iv) Regla de decisión
En esta se define las regiones de aceptación y de rechazo, dependiendo del valor
tabular que puede ser tt, Zt, Ft.
Regla de decisión basado
en probabilidad
Si P < , se rechaza la
hipótesis nula (Ho)

Donde, P es el valor de
probabilidad asociado al
estadístico Z ó t

v) Decisión
Finalmente se decide la aceptación o rechazo de H0 para un nivel de significancia α.
Ing. Alcides Ramos Calcina
 PRUEBA DE HIPÓTESIS
Para la Media de una población
 Prueba de hipótesis para la media de una población
Sea X1, X2, …, Xn una muestra
aleatoria tomada de una
población N(; 2) con 2
conocida o desconocida.

La hipótesis nula es:

H0:  = 0

Ing. Alcides Ramos Calcina

Ejemplo 1
Suponga una variable aleatoria x para designar el peso de un pasajero de avión, que se
interesa en conocer el peso promedio de todos los pasajeros. Como hay limitaciones de
tiempo y dinero para pesarlos a todos, se toma una muestra de 36 pasajeros de la cual se
obtiene una media muestral x = 160 lbs. Suponga además que la distribución de los
pasajeros tenga una distribución normal con desviación estándar de 30, con un nivel de
significancia de 0,05. ¿Se puede concluir que el peso promedio de todos los pasajeros es
menor que 170 lbs? ˆ

Solución
Datos: Población Muestra
 = 30 n = 36
0 = 170 x = 160

Seguidamente realizamos el procedimiento para la prueba de hipótesis respectiva:

Ing. Alcides Ramos Calcina

Ejemplo 1
i) Planteamiento de hipótesis
H0:  = 170 (El peso promedio de los pasajeros es mayor o igual a 170 lbs.)
H1:  < 170 (El peso promedio de los pasajeros es menor a 170 lbs.)

ii) Nivel de significancia

ˆ
 = 0.05

iii) Estadístico de prueba

X  0
Como se conoce  y es muestra grande (n  30),  utilizamos: Zc   N(0;1)

n
X  0160  170
remplazando Zc    2
 30
n 36
Ing. Alcides Ramos Calcina
Ejemplo 1
El valor de Zt para una prueba unilateral (cola a la izquierda) es de (ver tabla A.2):
Zt = Z1-α = Z1-0.05 = Z0.95 = ±1.645
iv) Regla de decisión
Como Zc = -2 < Zt = -1.645, se rechaza la hipótesis nula H0.

ˆ

Región de Rechazo

Región de Aceptación
  0.05
1    0.95

-2 -1.645 0 z
v) conclusión
Debido a que se rechaza H0, podemos concluir que el peso promedio de todos los
pasajeros es menor que 170 lbs siendo la prueba significativa para α = 0.05.
Ing. Alcides Ramos Calcina
Ejemplo 1 -
En el menú: Estadísticas / Estadística básica / Z de una Muestra …
Luego Aceptar y en la ventana de resultados
se muestra el intervalo para la proporción.

Regla de decisión basado en probabilidad

Como el valor de P = 0.023 <  = 0.05,
entonces se rechaza la hipótesis nula (Ho).

Ing. Alcides Ramos Calcina

Ejemplo 2
Se desea comprobar si la cantidad de dinero que un estudiante gasta semanalmente en
promedio es mayor que S/ 87, seleccionando una muestra al azar de 49 estudiantes y se
encuentra que la media es de S/ 85, teniendo una desviación típica de S/ 7.25. Con un
coeficiente de confianza de 95%
Solución
Datos: Población ˆ
Muestra
 = 7.25 n = 49
0 = 87 x = 85
1 - α = 0.95  α = 0.05

Planteamos la siguiente hipótesis:

Ing. Alcides Ramos Calcina

Ejemplo 2
i) Planteamiento de hipótesis
H0:  = 87 (El gasto promedio de los estudiantes es menor o igual a S/. 87)
H1:  > 87 (El gasto promedio de los estudiantes es mayor a S/. 87)

ii) Nivel de significancia

ˆ
 = 0.05

iii) Estadístico de prueba

X  0
Como se conoce  y es muestra grande (n  30),  utilizamos: Zc   N(0;1)

n
X  0 85  87
remplazando Zc    1.93
 7.25
n 49
Ing. Alcides Ramos Calcina
Ejemplo 2
El valor de Zt para una prueba unilateral hacia la derecha es de:
Zt = Z1-α = Z1-0.05 = Z0.95 = ±1.645
iv) Regla de decisión
Como Zc = -1.93 < Zt = 1.645, no se rechaza la hipótesis nula H0, se acepta H0.

ˆ

  0.05

1    0.95

v) conclusión
Debido a que no se rechaza H0, podemos concluir que la cantidad de dinero que gasta el
estudiante es menor a S/.87 siendo la prueba no significativa.
Ing. Alcides Ramos Calcina
Ejemplo 2 -
En el menú: Estadísticas / Estadística básica / Z de una Muestra …
Luego Aceptar y en la ventana de resultados
se muestra el intervalo para la proporción.

Regla de decisión basado en probabilidad

Como el valor de P = 0.973 >  = 0.05,
entonces se acepta la hipótesis nula (Ho).

Ing. Alcides Ramos Calcina

Ejemplo 3
Cuando un proceso de producción funciona correctamente produce frascos de champú con
un peso promedio de 200 gr. Una muestra aleatoria de una remesa presentó los siguientes
pesos: 214; 197; 197; 206; 208; 201; 197; 203; 209. Asumiendo que la distribución de los
datos es normal, pruebe con un nivel de confianza del 95% si el proceso está funcionando
correctamente.
Solución
ˆ
Datos: Población Muestra
0 = 200 g. n=9
1 - α = 0.95  α = 0.05
Como no se conoce  y la muestra es pequeña entonces hallamos la media y la desviación
estándar a partir de la muestra.
n

X  X
n 2

X i
214    209
i
 214  203.56 
2
    209  203.56 
2

X i 1
  203.56 S  2 i 1
  37.5
n 9 n 1 9 1
S  37.5  6.13
Ing. Alcides Ramos Calcina
Ejemplo 3
i) Planteamiento de hipótesis
H0:  = 200 (El peso promedio de los frascos es igual a 200 g)
H1:   200 (El peso promedio de los frascos es diferente a 200 g)

ii) Nivel de significancia

ˆ
 = 0.05

iii) Estadístico de prueba

X  0
Como no se conoce  y es muestra pequeña (n < 30),  utilizamos: t c   t (n 1)g.l.
S
n
203.56  200 3.56
remplazando tc    1.74
6.13 2.04
9
Ing. Alcides Ramos Calcina
Ejemplo 3
Por tanto, en la tabla B el valor de tt para una prueba bilateral (dos colas) es de:
tt = t(n-1);α = t(9-1);0.05 = t8;0.05 = ±2.306
iv) Regla de decisión
Como |tc| = 1.74 < tt = 2.306, no se rechaza la hipótesis nula H0, se acepta H0.

ˆ

Región de Rechazo Región de Rechazo

Región de Aceptación
  0.025   0.025
2 2
1    0.95

-t -2.306 0 1.74 2.306 t

v) conclusión
Como no se rechaza H0, podemos concluir que el proceso está funcionando
correctamente siendo la prueba no significativa.
Ing. Alcides Ramos Calcina
Ejemplo 3 -
a) En la hoja de trabajo ingresamos los En el menú: Estadísticas / Estadística
datos de la muestra básica / t de una Muestra …

Luego Aceptar
Ing. Alcides Ramos Calcina
Ejemplo 3 -
en la ventana de resultados se muestra la prueba de hipótesis.

Regla de decisión basado en probabilidad

Como el valor de P = 0.120 >  = 0.05, entonces no se rechaza, se acepta la hipótesis nula (Ho).

Ing. Alcides Ramos Calcina

 GRACIAS
• https://aulavirtual.unap.edu.pe/

En el curso se utilizan exposiciones teóricas breves, ejercicios prácticos y

casos que implican una solución analítica con software estadístico (SPSS,
MINITAB) y EXCEL, entre otros recursos didácticos.

FINESI