Hipotesis

ESTADÍSTICA INFERENCIAL
Contrastes de hipótesis
Fernando Madera Martı́nez

Departamento de Matemáticas y Estadı́sticas
Universidad de Córdoba
24 de julio de 2019
ESTADÍSTICA INFERENCIAL 1 / 100

Tabla de contenido
1 Generalidades
2 Pruebas de hipótesis para una población
Hipótesis para la media µ, (σ conocida)
Hipótesis para la media µ, (σ desconocida)
Hipótesis para la proporción π
Hipótesis para la varianza σ 2
3 Pruebas de hipótesis para dos poblaciones
Hipótesis para µ1 − µ2 , (σ1 , σ2 conocidas)
Hipótesis para µ1 − µ2 , (σ1 , σ2 desconocidas)
Hipótesis para muestras pareadas
Hipótesis para π1 − π2
Hipótesis para σ12 /σ22
4 Bibliografı́a
Generalidades
Tabla de Contenido
1 Generalidades
4 Bibliografı́a
Generalidades
Conceptos básicos
Conceptos básicos de pruebas de hipótesis

Un estudio experimental o una investigación por lo general tiene como último ob-
jetivo responder en forma segura a ciertas preguntas y/o tomar decisiones. En este
contexto, el experimentador tiene ciertas creencias o hipótesis que desea compro-
bar. Por ejemplo:
Los tres proveedores del material X tienen el mismo nivel de calidad.
Los dos tratamientos o procedimientos dan en promedio los mismos
resultados.
Una hipótesis de investigación es una proposición o declaración realizada por el
investigador cuando éste especula acerca del resultado final de la investigación o
experimento.

Generalidades
Conceptos básicos
Planteamiento de la hipótesis estadı́stica

Una hipótesis estadı́stica es una afirmación sobre los valores de los parámetros
de una o más poblaciones o proceso, que es susceptible a probarse a partir de la
información contenida en una muestra representativa obtenida de la población.
Por ejemplo, suponga que en una empresa camaronera pequeña, un inversionista
tiene interés en saber el ingreso neto mensual. El gerente de la compañı́a afirma
que el ingreso neto promedio mensual es de $50 millones de pesos. Esto puede
expresarse formalmente como
(
H0 : µ = 50 el ingreso promedio es de 50 millones
H1 : µ 6= 50 el ingreso promedio es diferente de 50 millones
La expresión H0 : µ = 50 se le conoce como hipótesis nula y

a H1 : µ 6= 50 se le llama hipótesis alternativa

Generalidades
Conceptos básicos
Planteamiento de la hipótesis estadı́stica

Puesto que la hipótesis alternativa especifica el valor de µ que podrı́a ser mayor
o bien menor que 50, se le llama hipótesis alternativa de dos colas, en algunas
situaciones es de interés formular una hipótesis de una cola, como se sigue
Hipótesis de cola izquierda Hipótesis de cola derecha

( (
H0 : µ = 50 H0 : µ = 50
H1 : µ < 50 H1 : µ > 50

Generalidades
Conceptos básicos
Estadı́stico de prueba
Es la formula con la que a partir de los datos y de H0 , se calcula el número cuya
magnitud permite discernir si se rechaza o no la hipótesis nula.
Región de aceptación
Son los posibles valores del estadı́stico de prueba donde no se rechaza la hipótesis
nula.
Región de rechazo
Es el conjunto de posibles valores del estadı́stico de prueba que llevan a rechazar
la hipótesis nula.

Generalidades
Conceptos básicos
Ejemplo
Suponga que el inversionista decide observar los ingresos de la empresa camaronera
durante un año (n = 12 meses) y se obtiene la media muestral x. Se decide tomar
como estadı́stico de prueba a la media muestral x.
Un valor de la media muestral cercano al valor hipotético µ = 50 es
evidencia de que la verdadera media µ es en realidad 50 millones. Resultado
a favor de H0 .
Un valor de la media muestral muy lejano al valor hipotético µ = 50 es
evidencia en favor de la hipótesis alternativa H1 .

Generalidades
Región crı́tica
Ejemplo
Continuando con el ejemplo, Suponga que si 48,5 ≤ x ≤ 51,5, no se rechazará la
hipótesis nula H0 : µ = 50, y cuando x < 48,5 o bien x > 51,5, se rechazará la
hipótesis nula en favor de la alternativa H1 : µ 6= 50

Generalidades
Tipos de errores
El procedimiento de toma de decisiones recién descrito podrı́a conducir a cualquiera

de dos conclusiones erróneas.
Situaciones posibles al probar una hipótesis estadı́stica
Decisión H0 es verdadera H0 es falsa
Rechazar H0 Error tipo I Decisión correcta
No rechazar H0 Decisión correcta Error tipo II
La probabilidad de cometer un error tipo I se denota por α, es decir,
α = P (Error tipo I) = P (Rechazar H0 |H0 es verdadera)
La probabilidad de cometer un error tipo II se denota por β, es decir,
β = P (Error tipo II) = P (No Rechazar H0 |H0 es falsa)

Generalidades
Tipos de errores
Ejemplo
Continuando con el ejemplo, para la hipótesis
(
H0 : µ = 50 millones
H1 : µ 6= 50 millones
la región de aceptación de H0 : µ = 50, es 48,5 ≤ x ≤ 51,5, y la región crı́tica

para H0 : µ = 50 es x < 48,5 o x > 51,5. Para este caso se tiene que:
La probabilidad de cometer un error tipo I es
α = P (Rechazar H0 |H0 es verdadera) = P (x < 48,5 ó x > 51,5|µ = 50)
La probabilidad de cometer un error tipo II es
β = P (No Rechazar H0 |H0 es falsa) = P (48,5 ≤ x ≤ 51,5|µ 6= 50)

Generalidades
Nivel de significancia de la prueba
Significancia predefinida
El nivel de significancia predefinido, es el porcentaje de riesgo máxi-
mo que el experimentador esta dispuesto a correr por rechachar H0
indebidamente, es decir, la tolerancia que se admite con respecto al
error tipo I. Este valor se conoce como α.
Significancia observada
Es el área bajo la curva de la distribución de frecuencias más allá
del valor del estadı́stico de prueba. Se le conoce como el p − valor.
Esta cantidad “p − valor” corresponde al nivel de significación más
pequeño posible que puede escogerse, para el cual todavı́a se rechazarı́a
la hipótesis nula con las observaciones actuales. Más adelante se hará
énfasis en este concepto.
Pruebas de hipótesis para una población Hipótesis para la media µ, (σ conocida)
Tabla de Contenido
1 Generalidades
4 Bibliografı́a
Hipótesis para la media µ

σ conocida
Suponga que se desea probar la hipótesis

(
H0 : µ = µ0
H1 : µ 6= µ0
con un nivel de significancia α, donde µ0 es una constante dada.

Pasos
1) Se cuenta con una muestra aleatoria de tamaño n, X1 , X2 , . . . , Xn , de una
población con distribución normal con varianza σ 2 (conocida), y X la
media de la muestra.
2) Se calcula el estadı́stico de prueba.
√
X − µ0 n X − µ0
Z0 = √ =
σ/ n σ

σ conocida
3) Se determina la región crı́tica, calculando Zα/2 , donde Zα/2 , es el valor de

la distribución normal estandar, que deja por encima de la cola superior, un
área igual a α/2.
4) Se rechazará H0 si |Z0 | > Zα/2 , en caso contrario se dice que los datos no
muestran evidencia suficiente para rechazar H0 .

σ conocida
Para las pruebas unilaterales
Hipótesis de cola izquierda Hipótesis de cola izquierda

( (
H0 : µ = µ0 H0 : µ = µ0
H1 : µ < µ0 H1 : µ > µ0
Rechazar H0 si Z0 < −Zα Rechazar H0 si Z0 > Zα


σ conocida
Resumen de pruebas
Hipótesis nula Estadı́stico de prueba
X − µ0
H0 : µ = µ0 Z0 = √
σ/ n
Hipótesis alternativa Criterio de rechazo
H1 : µ 6= µ0 Rechazar H0 si |Z0 | > Zα/2
H1 : µ < µ0 Rechazar H0 si Z0 < −Zα
H1 : µ > µ0 Rechazar H0 si Z0 > Zα


σ conocida
Cálculo del valor p

Hipótesis alternativa P-valor
H1 : µ 6= µ0 p = 2P (Z > |Z0 |)
H1 : µ < µ0 p = P (Z < Z0 )
H1 : µ > µ0 p = P (Z > Z0 )


σ conocida
Ejemplo
Cien latas de 16 onzas de salta de tomate Jake’s Mom’s tienen un
promedio de 15,2 onzas. La desviación estandar poblacional en peso
es de 0,96 onzas. ¿A un nivel de confianza de 93 %, las latas parecen
estar llenas con un promedio de 16 onzas?


σ conocida
Hipótesis de dos colas

(
H0 : µ = 16
H1 : µ 6= 16
Datos del problema

n = 100, σ = 0,96, X = 15,2, µ0 = 16 y α = 0,07
√ √
n X − µ0 100 (15,2 − 16)
Z0 = = = −8,333333
σ 0,96


σ conocida
Valor crı́tico para α = 0,07.
Zα/2 = Z0,07/2 = Z0,035 = 1,8119
En Excel =DISTR.NORM.ESTAND.INV(1 − 0, 07/2)
Decisión:
|Z0 | = | − 8,333333| = 8,333 > 1,8119,
se rechaza la hipótesis nula, y se
concluye con un nivel de 93 % de
confianza, que el llenado promedio de
las latas es diferente a 16 onzas


σ conocida
Ejemplo
Antes de publicar un nuevo libro de cocina, Batman Book desea probar
la hipótesis, con un nivel de significancia del 10 % de que el precio
promedio de tales libros es de U S$36,00. Con base en los precios de
libros simulares, se asume que la desviación estandar poblacional del
precio de tales libros es U S$9,87. ¿Esta afirmación se sustenta si una
muestra de 50 libros de cocina tienen un precio promedio de U S$32,97?


σ conocida
Hipótesis de dos colas

(
H0 : µ = 36
H1 : µ 6= 36
Datos del problema

n = 50, σ = 9,87, X = 32,97, µ0 = 36 y α = 0,10
√ √
n X − µ0 50 (32,97 − 36)
Z0 = = = −2,1708
σ 9,87


σ conocida
Valor crı́tico para α = 0,10.
Zα/2 = Z0,10/2 = Z0,05 = 1,645
En Excel =DISTR.NORM.ESTAND.INV(1 − 0, 10/2)
Decisión:
|Z0 | = | − 2,1708| = 2,1708 > 1,645,
se rechaza la hipótesis nula, y se
confianza, que el precio promedio de
los libros es diferente de U S$36,00.


σ conocida
P − valor
El P − valor para esta prueba se calcula como
P − valor = 2P (Z > |Z0 |) = 2P (Z > 2,1708) = 2(0,014973) = 0,02995
Valores crı́tico para diferentes valores de α

Para α = 0,05, Zα/2 = Z0,05/2 = Z0,025 = 1,959964 (Rechazar H0 )
Para α = 0,02994, Zα/2 = Z0,02994/2 = Z0,014970 = 2,170883 (No Rechazar H0 )

Pruebas de hipótesis para una población Hipótesis para la media µ, (σ desconocida)
Tabla de Contenido
1 Generalidades
4 Bibliografı́a

σ desconocida
Caso 1) n ≥ 30
Si se desconoce la varianza de la población, pero n ≥ 30, se usa el proce-

dimiento anterior reemplazando la varianza poblacional σ 2 por la varianza
muestral S 2 . En resumen se tiene
X − µ0
H0 : µ = µ0 Z0 = √
S/ n
H1 : µ 6= µ0 Rechazar H0 si |Z0 | > Zα/2
H1 : µ < µ0 Rechazar H0 si Z0 < −Zα
H1 : µ > µ0 Rechazar H0 si Z0 > Zα


σ desconocida
Caso 2) n < 30
(
H0 : µ = µ0
H1 : µ 6= µ0
con un nivel de significancia α.

Pasos
1) Se cuenta con una muestra aleatoria de tamaño n, X1 , X2 , . . . , Xn , de una
población con distribución normal con varianza σ 2 (desconocida), y X la
media de la muestra.


σ desconocida

√
X − µ0 n X − µ0
t0 = √ =
S/ n S
3) Se determina la región crı́tica, calculando t(α/2;n−1) , donde t(α/2;n−1) , es el

valor de la distribución t − student con n − 1 grados de libertad, que deja
por encima de la cola superior, un área igual a α/2.
4) Se rechazará H0 si |t0 | > t(α/2;n−1) , en caso contrario se dice que los datos
no muestran evidencia suficiente para rechazar H0 .


σ desconocida
Para las pruebas unilaterales

Hipótesis de cola izquierda
(
H0 : µ = µ0
H1 : µ < µ 0
Rechazar H0 si t0 < −t(α;n−1)
Hipótesis de cola izquierda

(
H0 : µ = µ0
H1 : µ > µ 0
Rechazar H0 si t0 > t(α;n−1)


σ desconocida
Resumen de pruebas
X − µ0
H0 : µ = µ0 t0 = √
S/ n
H1 : µ 6= µ0 Rechazar H0 si |t0 | > t(α/2;n−1)
H1 : µ < µ0 Rechazar H0 si t0 < −t(α;n−1)
H1 : µ > µ0 Rechazar H0 si t0 > t(α;n−1)


σ desconocida


H1 : µ 6= µ0 p = 2P t(n−1) > |t0 |
H1 : µ < µ0 p = P t(n−1) < t0
H1 : µ > µ0 p = P t(n−1) > t0


σ desconocida
Ejemplo
Se desea evaluar la resistencia mı́nima que tiene un envase de plástico
en posición vertical. Para ello, es necesario garantizar que sea de 20
kg. Para evaluar esto se han obtenido los siguientes datos mediante
pruebas destructivas:
26,8 29,5 28,4 26,3 28,1 28,7 27,0 25,5 26,9 27,2 27,6 25,5 28,3 27,4
28,8 25,0 25,3 27,7 25,2 28,6 27,9 28,7
Usando α = 0,05, pruebe la hipótesis de que la resistencia promedio
de los envases es la adecuada.


σ desconocida
hay que tener en cuenta que el interés está en probar que la resistencia mı́nima
debe ser de al menos 20 kg (se debe incluir el valor de 20), por lo tanto bastarı́a
con probar la siguiente hipótesis
Hipótesis de cola superior
(
H0 : µ = 20
H1 : µ < 20
Datos del problema

n = 22, S = 1,3427, X = 27,2909, µ0 = 20 y α = 0,05
√ √
n X − µ0 22 (27,2909 − 20)
t0 = = = 25,469
S 1,3427


σ desconocida
Para α = 0,05, el valor del cuantil de la distribución t con 21 grados de

libertad es
t(α;n−1) = t(0,05;21) = 1,721
En Excel =DISTR.T.INV(2*0,05;21)
Como t0 = 25,469 ≮ −1,721, no se

puede rechazar la hipótesis nula, y se
confianza, que la resistencia promedio
de los envases no es menor que 20
kg, es decir, es al menos de 20 kg.


σ desconocida
Ejemplo
Debido al tiempo excesivo que se gasta hacia el sitio de trabajo, la ofi-
cina en donde usted trabaja en en centro de Bogotá está considerando
espaciar las horas de trabajo para sus empleados. El gerente conside-
ra que los empleados gastan un promedio de 50 minutos para llegar
al trabajo. 14 empleados se toman un promedio de 47,2 minutos con
una desviación estándar de 18,9 minutos. Fije α en 1 % y pruebe la
hipótesis


σ desconocida
Hipótesis de cola superior

(
H0 : µ = 50
H1 : µ 6= 50
Datos del problema

n = 14, X = 47,2, S = 18,9, µ0 = 50 y α = 0,01
√ √
n X − µ0 14 (47,2 − 50)
t0 = = = −0,5543
S 18,9


σ desconocida
Para α = 0,01, el valor del cuantil de la distribución t con 13 grados de

libertad es
t(α/2;n−1) = t(0,01/2;13) = t(0,005;13) = 3,0123
En Excel =DISTR.T.INV(0,01;13)
Como |t0 | = 0,5543 < 3,0123, No se

puede rechazar la hipótesis nula, se
confianza, que el tiempo promedio que
los trabajadore gastan hacia el sitio de
trabajo es igual 50 minutos.

Pruebas de hipótesis para una población Hipótesis para la proporción π
Tabla de Contenido
1 Generalidades
4 Bibliografı́a
Hipótesis para π
Suponga que se ha tomado una muestra aleatotia de tamaño n de

una población grande y que X (≤ n) observaciones de esta muestra
X
pertenecen a una clase de interés. Entonces P = es un estimador
n
puntual de la roporción π de la polación que pertenece a esta clase.
Se sabe que la distribución de muestreo de P es aproximadamente
normal con media π y varianza π (1 − π) /n, siempre que nπ ≥ 5 y
nπ (1 − π) ≥ 5

Hipótesis para π
(
H0 : π = π0
H1 : π 6= π0
con un nivel de significancia α, donde π0 es una constante dada.

Pasos
X
1) Se cuenta con una muestra aleatoria de tamaño n donde P = es la
n
proporción de éxitos en la muestra.
P − π0
Z0 = r
π0 (1 − π0 )
n
Hipótesis para π
3) Se determina la región crı́tica, calculando el cuantil Zα/2 de la distribución

normal estandar.
4) Se rechazará H0 si |Z0 | > Zα/2 .
Resumen de pruebas
P − π0
H0 : π = π0 Z0 = p
π0 (1 − π0 ) /n
H1 : π 6= π0 Rechazar H0 si |Z0 | > Zα/2
H1 : π < π0 Rechazar H0 si Z0 < −Zα
H1 : π > π0 Rechazar H0 si Z0 > Zα

Hipótesis para π

H1 : π 6= π0 p = 2P (Z > |Z0 |)
H1 : π < π0 p = P (Z < Z0 )
H1 : π > π0 p = P (Z > Z0 )

Hipótesis para π
Ejemplo
En un centro escolar se ha venido aplicando una campaña contra el uso
del tabaco por parte de los estudiantes. Antes de la campaña, un 30 %
de los alumnos eran fumadores activos; para investigar si disminuyó
esa proporción, se toma una muestra aleatoria de 150 estudiantes y se
detecta que 35 de ellos son fumadores.
a) Formule la hipótesis pertinente al problema
b) Con una significancia del 5 % verifique la hipótesis planteada
c) ¿Se mantiene la conclusión anterior si se quiere tomar una
decisión con una confianza del 99 %?

Hipótesis para π
Hipótesis de cola inferior

(
H0 : π = 0,30
H1 : π < 0,30
Datos del problema

n = 150, X = 35, P = Xn = 30 7
y α = 0,05
Valor crı́tico
Para α = 0,05, el valor del cuantil de la distribución normal es
Zα = Z0,05 = 1,645

Hipótesis para π
7
P − π0 − 0,30
Z0 = r = r30 = −1,782
π0 (1 − π) 0,30 (0,70)
n 150
Decisión:
Como Z0 = −1,782 < −1,645 se
rechaza la hipótesis nula; se concluye
al nivel del 5 % que la proporción de
alumnos fumadores es menor que 30 %

Hipótesis para π
Para el inciso c), si se toma α = 0,01, el valor del cuantil queda
Zα = Z0,01 = 2,326
En este caso, Z0 = −1,782 > −2,326

y por lo tanto no se puede rechazar la
hipótesis nula. Entonces, al nivel del
99 % no se mantiene la conclusión del
inciso anterior.

Pruebas de hipótesis para una población Hipótesis para la varianza σ 2
Tabla de Contenido
1 Generalidades
4 Bibliografı́a
Hipótesis para σ 2
Supongase que se quiere probar la hipótesis de que la varianza σ 2

de una población normal es igual a un valor especı́fico, digamos σ02 .
Sea X1 , X2 , . . . , Xn una muestra aleatoria de n observaciones de esta
población. Suponga que se desea probar la hipótesis
(
H0 : σ 2 = σ02
H1 : σ 2 6= σ02

Pasos
(n − 1) S 2
X02 = ∼ χ2(n−1)
σ02
2) Se determina la región crı́tica, calculando los valores crı́ticos de

la distribución chi − cuadrado con n − 1 grados de libertad.
χ2(α/2;n−1) y χ2(1−α/2;n−1)

3) Se rechazará H0 si
X02 > χ2(α/2;n−1)
o bien si
X02 < χ2(1−α/2;n−1)
.
2
(n − 1) S 2
H0 : σ = σ02 X02 =
σ02
H1 : σ 2 6= σ02 Rechazar H0 si X02 > χ2(α/2;n−1) o X02 < χ2(1−α/2;n−1)
H1 : σ 2 < σ02 Rechazar H0 si X02 < χ2(1−α;n−1)
H1 : σ 2 > σ02 Rechazar H0 si X02 > χ2(α;n−1)

Ejemplo
En el proceso de fabricación de discos para computadoras, una de las varia-
bles crı́ticas es el rendimiento de formato. Se toma una muestra aleatoria
de n = 10 discos de la producción del turno de la mañana. Se formatean y
se reporta el rendimiento de cada disco. Los datos obtenidos son:
96,11 91,06 93,38 88,52 89,57 92,63 85,20 91,41 89,79 92,62.
Por experiencia se considera que la variabilidad del proceso es estable cuando

σ = 2,5.
¿Está el proceso bajo control?

Datos: n = 10, S 2 = 8,9467 y α = 0,05

Hipótesis de dos colas (
H0 : σ 2 = 2,52
H1 : σ 2 6= 2,52
Para α = 0,05, los puntos criticos de la distribución chi − cuadrado con 9

grados de libertad son:
χ2(α/2;n−1) = χ2(0,05/2;9) = χ2(0,025;9) = 19,0228
χ2(1−α/2;n−1) = χ2(1−0,05/2;9) = χ2(0,975;9) = 2,7004
En Excel se calcula como

=PRUEBA.CHI.INV(0,05/2;9)
=PRUEBA.CHI.INV(1-0,05/2;9)

(n − 1) S 2 9 (8,9467)
X02 = = = 12,88
σ02 6,25
Como X02 = 12,88 < 19,0228 y

X02 = 12,88 > 2,7004, no se puede
rechazar la hipótesis nula.
Respondiendo a la pregunta, se puede decir con un 95 % de confianza que el proceso

está estable, es decir, que σ = 2,5.
Pruebas de hipótesis para dos poblaciones Hipótesis para µ1 − µ2 , (σ1 , σ2 conocidas)
Tabla de Contenido
1 Generalidades
4 Bibliografı́a
Hipótesis para µ1 − µ2
σ1 , σ2 conocidas
Suponga que se tienen dos poblaciones normales e independientes con medias µ1 y

µ2 , y varianzas conocidas σ12 y σ22 respectivamente. Se desea probar la hipótesis.
(
H0 : µ1 − µ2 = δ0
H1 : µ1 − µ2 6= δ0
con un nivel de significancia α, donde δ0 es una constante dada.

Se cuenta con una muestra aleatoria de tamaño n1 de la población 1 y una muestra
aleatoria de tamaño n2 de la población 2, y X 1 y X 2 son las medias de las dos
muestras respectivamente. Se calcula el estadı́stico:
X 1 − X 2 − δ0
Z0 = q 2
σ1 σ22
n1 + n2
y rechazamos H0 si |Z0 | > Zα/2 .

σ1 , σ2 conocidas
Resumen de pruebas
H0 : µ1 − µ2 = δ0 Z0 = Xr1 −X
σ2
2 −δ0
σ2
1+ 2
n1 n2

H1 : µ1 − µ2 6= δ0 Rechazar H0 si |Z0 | > Zα/2
H1 : µ1 − µ2 < δ0 Rechazar H0 si Z0 < −Zα
H1 : µ1 − µ2 > δ0 Rechazar H0 si Z0 > Zα

σ1 , σ2 desconocidas, (muestras grandes)
NOTA
Si las varianzas σ12 y σ22 no se conocen, pero los tamaños de muestra
son grandes (n1 + n2 − 2 > 30), en su lugar, se usan S12 y S22 . Ası́, el
estadı́stico de prueba queda
X 1 − X 2 − δ0
Z0 = q 2
S1 S2
n1
+ n22

σ1 , σ2 conocidas
Ejemplo
Dos diferentes formulaciones de un combustible oxigenado para motores se prueban
para estudiar su ı́ndice de octano en carretera. La varianza del ı́ndice de octano en
carretera para la formulación 1 es σ12 = 1,5 y para la formulación 2 es σ22 = 1,2. Se
prueban dos muestras aleatorias de tamaños n1 = 15 y n2 = 20, y las medias del
ı́ndice de octanoo en carretera observadas son X 1 = 89,6 y X 2 = 92,5. Suponga
una distribución normal.
a) Si la formulación 2 produce un ı́ndice de octano en carretera más alto que
la formulación 1, al fabricante le gustarı́a detectarlo. Formule y pruebe la
hipótesis apropiada usando α = 0,05.
b) ¿Cuál es el valor p de la prueba?

σ1 , σ2 conocidas
Solución
Formulación 1 n1 = 15 X 1 = 89,6 σ12 = 1,5
Formulación 2 n2 = 20 X 2 = 92,5 σ22 = 1,2
Hipótesis (
H0 : µ1 − µ2 = 0
H1 : µ1 − µ2 < 0
Para α = 0,05, el valor critico de la distribución Z es
Zα = Z0,05 = 1,645
En Excel se calcula como =DISTR.NORM.ESTAND.INV(1 − 0, 05/2)

σ1 , σ2 conocidas
89,6 − 92,5 − 0
Estadı́tico de prueba: Z0 = q = −7,25
1,5 1,2
15 + 20
Decisión:
Como Z0 = −7,25 < −1,645, se
rechaza la hipótesis nula.
De este resultado se concluye que la formulación 1 produce menos ı́ndice de octa-

naje que la formulación 2.

σ1 , σ2 conocidas
El valor P de la prueba para cola inferior es:
p = P (Z < Z0 )
= P (Z < −7,25)
≈0

Pruebas de hipótesis para dos poblaciones Hipótesis para µ1 − µ2 , (σ1 , σ2 desconocidas)
Tabla de Contenido
1 Generalidades
4 Bibliografı́a
σ1 , σ2 desconocidas, σ1 = σ2
Suponga que se tienen dos poblaciones normales e independientes con medias µ1 y

µ2 , y varianzas σ12 y σ22 desconocidas pero iguales. Se desea probar la hipótesis.
(
H0 : µ1 − µ2 = δ0
H1 : µ1 − µ2 6= δ0
Se cuenta con una muestra aleatoria de tamaño n1 de la población 1 y una

muestra aleatoria de tamaño n2 de la población 2, y sean respectivamente
X 1 y X 2 las medias, S12 y S22 las varianzas muestrales.

Se calcula el estadı́stico
X 1 − X 2 − δ0
t0 = q
Sp n11 + n12
Siendo r
(n1 − 1) S12 + (n2 − 1) S22
Sp =
m
m = n1 + n2 − 2, son los grados de libertad.
Se rechazará H0 si |t0 | > t(α/2;m) .

Resumen de pruebas
H1 : µ1 − µ2 = δ0 t0 = X 1q−X1 2 −δ10
Sp n1
+n
2

H1 : µ1 − µ2 6= δ0 Rechazar H0 si |t0 | > t(α/2;m)
H1 : µ1 − µ2 < δ0 Rechazar H0 si t0 < −t(α;m)
H1 : µ1 − µ2 > δ0 Rechazar H0 si t0 > t(α;m)



H1 : µ1 − µ2 6= δ0 p = 2P t(m) > |t0 |
H1 : µ1 − µ2 < δ0 p = P t(m) < t0
H1 : µ1 − µ2 > δ0 p = P t(m) > t0

Ejemplo
Se investiga en diámetro de las varillas de acero fabricadas en dos
máquinas de extrusión diferentes. Se seleccionan dos muestras aleato-
rias de tamaños n1 = 15 y n2 = 17, y las medias muestrales y varianzas
muestrales son X 1 = 8,73, S12 = 0,35, X 2 = 8,68 y S22 = 0,40 res-
pectivamente. Suponga que σ12 = σ22 y que los datos se extraen de una
distribución normal.
¿Hay evidencia en favor de la afirmación de que las dos
máquinas producen varillas con medias del diámetro diferenctes?
Use α = 0,05 para llegar a esta conclusión.
Calcule el valor p de la prueba.
Datos
Máquina 1 n1 = 15 X 1 = 8,73 S12 = 0,35
Máquina 2 n2 = 17 X 2 = 8,68 S22 = 0,40
hipótesis (
H0 : µ1 − µ2 = 0
H1 : µ1 − µ2 6= 0

grados de libertad
m = n1 + n2 − 2 = 15 + 17 − 2 = 30
Valor crı́tico
Para α = 0,05, el valor critico de la distribución t con 30 grados
de libertad es
t(α/2;m) = t(0,05/2;30) = t(0,025;30) = 2,0423

=DISTR.T.INV(0,05;21)

r r
(n1 − 1) S12 + (n2 − 1) S22 (14) 0,35 + (16) 0,40
Sp = = = 0,6137
m 30
0,73 − 0,68 − 0
t0 = r = 0,23
1 1
0,6137 +
15 17
como |t0 | = 0,23 < 2,042 no se puede
rechazar la hipótesis nula, t0 no está
en la zona de rechazo.

De acuerdo con el resultado, se concluye que las dos máquinas producen varillas
con medias del diámetro iguales.
El valor P de la prueba de dos colas es:

p = 2P t(m) > |t0 |

= 2P t(30) > 0,23
= 2 (0,4098)
= 0,8197

σ1 , σ2 desconocidas, σ1 6= σ2
Para el caso anterior, si no se conocen las varianzas pero se sabe que son distintas
(σ1 6= σ2 ), se calcula
X 1 − X 2 − δ0
t0 = s
S12 S22
+
n1 n2
y rechazamos H0 si |t0 | > t(α/2;v) .
con !2
S12 S22
+
n1 n2
v= 2 2
S12 /n1 S22 /n2
+
n1 − 1 n2 − 1

Resumen de pruebas
H1 : µ1 − µ2 = δ0 t0 = Xr1 −X
S2
2 −δ0
S2
1 + n2
n1 2

H1 : µ1 − µ2 6= δ0 Rechazar H0 si |t0 | > t(α/2;v)
H1 : µ1 − µ2 < δ0 Rechazar H0 si t0 < −t(α;v)
H1 : µ1 − µ2 > δ0 Rechazar H0 si t0 > t(α;v)



H1 : µ1 − µ2 6= δ0 p = 2P t(v) > |t0 |
H1 : µ1 − µ2 < δ0 p = P t(v) < t0
H1 : µ1 − µ2 > δ0 p = P t(v) > t0

Ejemplo
Para ejemplo anterior, suponga ahora que σ1 6= σ2
Datos
Máquina 1 n1 = 15 X 1 = 8,73 S12 = 0,35
Máquina 2 n2 = 17 X 2 = 8,68 S22 = 0,40
Hipóesis
(
H0 : µ1 − µ2 = 0
H1 : µ1 − µ2 6= 0

Grados de libertad
!2 !2
S12 S22 0,35 0,40
+ +
n1 n2 15 17
v= 2 2 = 2 2 = 29,88 ≈ 30
S12 /n1 S22 /n2 (0,35/15) (0,40/17)
+ +
n1 − 1 n2 − 1 14 16
Valor critico
Para α = 0,05, el valor critico de la distribución t con 30 grados de libertad
es
t(α/2;m) = t(0,05/2;30) = t(0,025;30) = 2,0423
En Excel se calcula como =DISTR.T.INV(0,05;21)

0,73 − 0,68 − 0
t0 = r = 0,231
0,35 0,40
+
15 17
Decisión:
como |t0 | = 0,231 < 2,042 no se puede
rechazar la hipótesis nula, t0 no está
en la zona de rechazo.

Pruebas de hipótesis para dos poblaciones Hipótesis para muestras pareadas
Tabla de Contenido
1 Generalidades
4 Bibliografı́a
Sean (x11 , x21 ) , (x12 , x22 ) , . . . , (x1n , x2n ) un conjunto de n pares aleatorios de
mediciones que tienen una distribución normal y sean D y SD la media y la des-
viación estandar muestrales de la diferencia (Dj = x1j , x2j ) para j = 1, 2, . . . , n.
Con un nivel de significancia α, se desea probar hipótesis.
(
H0 : µD = µ0
H1 : µD 6= µ0
Se calcula √
D − µ0 n D − µ0
t0 = √ =
SD / n SD
Y rechazamos H0 si | t0 |> t(α/2,n−1)

Resumen de pruebas
D − µ0
H0 : µD = µ0 t0 = √
SD / n
H1 : µD 6= µ0 Rechazar H0 si |t0 | > t(α/2;n−1)
H1 : µD < µ0 Rechazar H0 si t0 < −t(α;n−1)
H1 : µD > µ0 Rechazar H0 si t0 > t(α;n−1)



H1 : µD 6= µ0 p = 2P t(n−1) > |t0 |
H1 : µD < µ0 p = P t(n−1) < t0
H1 : µD > µ0 p = P t(n−1) > t0

Ejemplo
El administrador de una flota de automóviles está provando dos marcas
de llantas radiales. Instala una llanta de cada marca al azar en las dos
ruedas traseras de ocho automóviles y los usa hasta que las llantas
se desgastan. Los datos se presentan a continuacón en (kilómetros).
¿Qué marca preferirı́a usted?, use α = 0,01.
Automóvil 1 2 3 4 5 6 7 8
Marca 1 36925 45300 36240 32100 37210 48360 38200 33500
Marca 2 34318 42280 35500 31950 38015 47800 37810 33215

Variables
X1 = Recorrido de las llantas de la marca 1
X2 = Recorrido de las llantas de la marca 2
Diferencias
Automóvil 1 2 3 4 5 6 7 8
Marca 1 36925 45300 36240 32100 37210 48360 38200 33500
Marca 2 34318 42280 35500 31950 38015 47800 37810 33215
Diferencia 2607 3020 740 150 -805 560 390 285
Resumen de datos
Para las diferencias D = X1 − X2 se tiene
D = 868,375, SD = 1290,033, n = 8

Valor crı́tico para α = 0,01
t(α/2;n−1) = t(0,005;7) = 3,4995
√
8 (868,375 − 0)
t0 = = 1,904
S1290,033
Como | t0 |< 3,4995, no se puede

rechazar la hipótesis nula
Con este resultado, cualquier marca es preferible, debido a que no se rechaza la
hipótesis nula.

Pruebas de hipótesis para dos poblaciones Hipótesis para π1 − π2
Tabla de Contenido
1 Generalidades
4 Bibliografı́a
Suponga que se tienen dos muestras aleatorias independientes de tamaños n1 y
n2 , y sea que X1 y X2 representen el número de observaciones que pertenecen a
la clase interés en cada muestra respectivamente.
Sean P1 = X1 /n1 y P2 = X2 /n2 las proporciones muestrales.
Con un nivel de significancia α, se desea probar la hipótesis
(
H0 : π1 − π2 = δ0
H1 : π1 − π2 6= δ0
(P1 − P2 ) − ∆0
Z0 = s
P1 (1 − P1 ) P2 (1 − P2 )
+
n1 n2
Y rechazamos H0 si |Z0 | > Zα/2 .

Si en la hipótesis nula δ0 = 0, que es lo más usual, es equivalente a probar la

hipótesis H0 : π1 = π2 . Si la hipótesis nula es verdadera, se puede usar el echo de
que π1 = π2 = π, en este caso se calcula el estadı́stico
P1 − P2
Z0 = v !
u
u
tP (1 − P ) 1 1
+
n1 n2
donde
X1 + X2
P =
n1 + n2
Y rechazamos H0 si |Z0 | > Zα/2 .

Resumen de pruebas
P 1 − P2
H0 : π1 = π2 Z0 = p
P (1 − P ) (1/n1 + 1/n2 )
H1 : π1 6= π2 Rechazar H0 si |Z0 | > Zα/2
H1 : π1 < π2 Rechazar H0 si Z0 < −Zα
H1 : π1 > π2 Rechazar H0 si Z0 > Zα


H1 : π1 6= π2 p = 2P (Z > |Z0 |)
H1 : π1 < π2 p = P (Z < Z0 )
H1 : π1 > π2 p = P (Z > Z0 )

Ejemplo
Como parte de un proyecto, un especialista de mercadeo encuestó en
un centro comercial local a 100 hombres y 100 mujeres respecto a
sus hábitos en las compras. 79 de los hombres dijeron que habı́an
usado una tarjeta de crédito para hacer compras superiores a US$10
en el último mes, mientras que 84 mujeres admitieron hacer ese mismo
tipo de pago. Pruebe la hipótesis de igualdad de roporciones usando
α = 0,05.

Variables
X1 = # hombres que usan tarjera de crédito
X2 = # mujeres que usan tarjera de crédito
Datos
79
X1 = 79 y n1 = 100 −→ P1 = 100 = 0,79
84
X2 = 84 y n2 = 100 −→ P2 = 100
= 0,84
P = 79+84
200
= 0,815
Hipótesis
(
H0 : π1 = π2
H1 : π1 6= π2

Valor crı́tico
Zα/2 = Z0,05/2 = Z0,025 = 1,96
0,79 − 0,84
Z0 = q
1 1
= −0,9105
0,815 (0,185) 100 + 100
Decisión.
Como | Z0 |= 0,9105 < 1,96, no se
puede rechazar la hipótesis nula. Z0 está
en la región de no rechazo, se concluye
el nivel del 5 % que las proporciones son
iguales.

2 2
Pruebas de hipótesis para dos poblaciones Hipótesis para σ1 /σ2
Tabla de Contenido
1 Generalidades
4 Bibliografı́a
2 2
Hipótesis para σ12/σ12
Se tienen dos poblaciones normales independientes con varianzas σ12 y σ22 desco-
nocidas. Se extraen dos muestras aleatorias de tamaños n1 y n2 respectivamente,
y sean S12 y S22 las varianzas muestrales. Se desea probar la hipótesis
(
H0 : σ12 = σ22
H1 : σ12 6= σ22
S12
F0 =
S22
Y rechazamos H0 si F0 < f(1−α/2;n1 −1;n2 −1) o si F0 > f(α/2;n1 −1;n2 −1)
Nota: Se puede calcular

f(1−α/2;n1 −1;n2 −1) = 1/f(α/2;n2 −1;n1 −1)

2 2
Resumen de pruebas
S12
H0 : σ12 = σ22 F0 =
S22
H1 : σ12 6= σ22 Rechazar H0 si F0 < f(1−α/2;n1 −1;n2 −1) o F0 > f(α/2;n1 −1;n2 −1)
H1 : σ12 < σ22 Rechazar H0 si F0 < f(1−α;n1 −1;n2 −1)
H1 : σ12 > σ22 Rechazar H0 si F0 > f(α;n1 −1;n2 −1)

2 2
Ejemplo
Una compañı́a de transporte de carga desea escoger la mejor ruta para
llevar la mercancı́a de un depósito a otro. La mayor preocupación es el
tiempo de viaje. En el estudio se seleccionaron al azar cinco choferes
de un grupo de 10 y se asignaron a la ruta A; los cinco restantes se
asignaron a la ruta B. Los datos obtenidos fueron:
Ruta Tiempo de viaje
A 18 24 30 21 32
B 22 29 34 25 35
formule y pruebe la hipótesis de igualdad de varianzas usando α = 0,02.

2 2
Resumen de datos
A n1 = 5 S1 = 5,9161
B n2 = 5 S2 = 5,6125
Valores crı́ticos
Para α = 0,02, los puntos criticos de la distribución F con 4
grados de libertad en el numerador y 4 grados de libertad en el
denominador son:
F(1−α/2;n2 −1;n1 −1) = F(1−0,02/2;4;4) = F(0,99;4;4) = 0,0626
F(α/2;n2 −1;n1 −1) = F(0,02/2;4;4) = F(0,01;4;4) = 15,9770

=DISTR.F.INV(1-0,02/2;4;4)
=DISTR.F.INV(0,02/2;4;4)

2 2
S12 5,91612
F0 = = = 1,111
S22 5,61252
Decisión
Como 0,066 < F0 < 15,9770, no se
puede rechazar la hipótesis nula. F0
está en la región de no rechazo.
De acuerdo con este resultado, se concluye que la variabilidad del tiempo de viaje
es la misma en ambas rutas.
Bibliografı́a
Bibliografı́a
1 Webster, A. (2000). Estadı́stica aplicada a los negocios y la

economı́a. Bradley University.
2 MONTGOMERY, Douglas C.; RUNGER, George C.; MEDAL,
Edmundo G. Urbina. Probabilidad y estadı́stica aplicadas a la
ingenierı́a. McGraw Hill, 1996.
3 RONALD E. WALPOLE, R. (Novena edición, 2012).
Probabilidad y estadı́stica para ingenierı́a y ciencias. PEARSON
EDUCACIÓN, México.

Hipotesis

Cargado por

Copyright:

Formatos disponibles

Hipotesis

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Hipotesis

Cargado por

Copyright:

Formatos disponibles

ESTADÍSTICA INFERENCIAL

Fernando Madera Martı́nez

ESTADÍSTICA INFERENCIAL 1 / 100

Conceptos básicos de pruebas de hipótesis

ESTADÍSTICA INFERENCIAL 4 / 100

Planteamiento de la hipótesis estadı́stica

La expresión H0 : µ = 50 se le conoce como hipótesis nula y

ESTADÍSTICA INFERENCIAL 5 / 100

Planteamiento de la hipótesis estadı́stica

Hipótesis de cola izquierda Hipótesis de cola derecha

ESTADÍSTICA INFERENCIAL 6 / 100

ESTADÍSTICA INFERENCIAL 7 / 100

ESTADÍSTICA INFERENCIAL 8 / 100

ESTADÍSTICA INFERENCIAL 9 / 100

El procedimiento de toma de decisiones recién descrito podrı́a conducir a cualquiera

La probabilidad de cometer un error tipo I se denota por α, es decir,

α = P (Error tipo I) = P (Rechazar H0 |H0 es verdadera)

La probabilidad de cometer un error tipo II se denota por β, es decir,

β = P (Error tipo II) = P (No Rechazar H0 |H0 es falsa)

ESTADÍSTICA INFERENCIAL 10 / 100

la región de aceptación de H0 : µ = 50, es 48,5 ≤ x ≤ 51,5, y la región crı́tica

α = P (Rechazar H0 |H0 es verdadera) = P (x < 48,5 ó x > 51,5|µ = 50)

La probabilidad de cometer un error tipo II es

β = P (No Rechazar H0 |H0 es falsa) = P (48,5 ≤ x ≤ 51,5|µ 6= 50)

Nivel de significancia de la prueba

Hipótesis para la media µ

Suponga que se desea probar la hipótesis

con un nivel de significancia α, donde µ0 es una constante dada.

Hipótesis para la media µ

3) Se determina la región crı́tica, calculando Zα/2 , donde Zα/2 , es el valor de

Hipótesis para la media µ

Para las pruebas unilaterales

Hipótesis de cola izquierda Hipótesis de cola izquierda

ESTADÍSTICA INFERENCIAL 16 / 100

Hipótesis para la media µ

ESTADÍSTICA INFERENCIAL 17 / 100

Hipótesis para la media µ

Cálculo del valor p

ESTADÍSTICA INFERENCIAL 18 / 100

Hipótesis para la media µ

ESTADÍSTICA INFERENCIAL 19 / 100

Hipótesis para la media µ

Hipótesis de dos colas

Datos del problema

ESTADÍSTICA INFERENCIAL 20 / 100

Hipótesis para la media µ

Valor crı́tico para α = 0,07.

Zα/2 = Z0,07/2 = Z0,035 = 1,8119

En Excel =DISTR.NORM.ESTAND.INV(1 − 0, 07/2)

ESTADÍSTICA INFERENCIAL 21 / 100

Hipótesis para la media µ

ESTADÍSTICA INFERENCIAL 22 / 100

Hipótesis para la media µ

Hipótesis de dos colas

Datos del problema

ESTADÍSTICA INFERENCIAL 23 / 100

Hipótesis para la media µ

Valor crı́tico para α = 0,10.

Zα/2 = Z0,10/2 = Z0,05 = 1,645