UNIDAD 3

PRUEBAS DE HIPÓTESIS CON UNA MUESTRA

INTRODUCCIÓN

HIPÓTESIS

El término hipótesis está formado por dos palabras de origen griego: hipo, que significa subordinación o por
debajo y tesis, conclusión que se mantiene con razonamiento, con lo cual podemos decir que la hipótesis sería
"lo que se pone en la base".

Como se define (diferentes fuentes):

- Propuesta tentativa que se hace para explicar ciertas observaciones o hechos que requieren más
investigación para comprobarse.
- Es una conjetura posible que se establece en forma de proposición afirmativa, en futuro simple o en
condicional.
- Es una conjetura científica que requiere una contrastación con la experiencia/verdad.
- Una hipótesis científica es una proposición aceptable que ha sido formulada a través de la
recolección de información y datos, y aunque no esté confirmada, sirve para responder de forma
alternativa a un problema con base científica.
- Una hipótesis estadística es una afirmación o conjetura acerca de una distribución de una o más
variables aleatorias

Hoy en día el conocimiento y aplicación de pruebas de hipótesis juega un papel importante dentro del
desarrollo profesional; de manera particular las pruebas de hipótesis se convierten en una fuerte herramienta
para la toma de decisiones razón para considerarlas y aplicarlas de una manera eficaz y objetiva, el analizar los
elementos que intervienen permiten decisiones adecuadas en los procesos productivos.

En la estadística uno de los procedimientos para probar la

validez de un enunciado relativo a un parámetro
poblacional basándose en la evidencia muestral, es sin
duda la Prueba de hipótesis, muy útil en la estadística.

Dentro de la inferencia estadística, un contraste de

hipótesis es un procedimiento para juzgar si una propiedad
que se supone en una población estadística es compatible
con lo observado en una muestra de dicha población.

( I n g . L e ó n Le ó n D í a z A re l l a n o ) P á g i n a 1 | 16
CONCEPTOS BÁSICOS

Para entender bien que es una prueba de hipótesis es necesario tener claros los conceptos de: variable,
parámetro, estimador de un parámetro, hipótesis estadística y estadístico de prueba.

VARIABLE: es una característica de interés, que tienen los individuos/ objetos / elementos de una
población.

PARÁMETRO es una medida que describe una característica de la población.

ESTADÍSTICO es cualquier función real medible de la muestra de una variable aleatoria.

( I n g . L e ó n Le ó n D í a z A re l l a n o ) P á g i n a 2 | 16
ESTIMADOR es un estadístico que toma “valores cercanos” al verdadero valor del parámetro,
generalmente calculados de la muestra.

HIPÓTESIS ESTADÍSTICA es una proposición o supuesto sobre los parámetros de una o más
poblaciones.

ESTADÍSTICO DE PRUEBA es una variable aleatoria que se calcula a partir de datos de muestra y se
utiliza en una prueba de hipótesis.

( I n g . L e ó n Le ó n D í a z A re l l a n o ) P á g i n a 3 | 16
Fundamentalmente interesan los siguientes estimadores:

•La media muestral es un estimador de la media poblacional “μ”

•La desviación estándar muestral “s” es un estimador de la desviación estándar poblacional “σ”

•La proporción muestral “𝑝̂ ”, es un estimador de la proporción poblacional “p”

( I n g . L e ó n Le ó n D í a z A re l l a n o ) P á g i n a 4 | 16
3.1 Metodología para la prueba de hipótesis.

Muchos problemas de ingeniería, ciencia, y administración, requieren que se tome una decisión entre
aceptar o rechazar una proposición o una afirmación.

Esta proposición recibe el nombre de hipótesis, aspecto útil de la inferencia estadística, ya que de
decisiones, pruebas o experimentos pueden formularse como problemas de prueba de hipótesis.

Es importante recalcar que las hipótesis siempre son proposiciones sobre la población o distribución
bajo estudio, no proposiciones sobre la muestra.

Una hipótesis estadística es una proposición

o supuesto sobre los parámetros de una o más poblaciones.

Los procedimientos de prueba de hipótesis dependen del empleo de la información contenida en la

muestra aleatoria de la población de interés.

Si esta información es consistente con la hipótesis, se concluye que ésta es verdadera; sin embargo,
si esta información es inconsistente con la hipótesis, se concluye que es falsa.

Debe hacerse hincapié en que la verdad o falsedad de una hipótesis en particular nunca puede
conocerse con certidumbre, a menos que pueda examinarse a toda la población.

Usualmente esto es imposible en muchas situaciones prácticas. Por tanto, es necesario desarrollar un
procedimiento de prueba de hipótesis teniendo en cuenta la probabilidad de llegar a una conclusión
equivocada (error tipo 1 y 2).

Tipos de hipótesis

Los investigadores se interesan en dos tipos de hipótesis: de investigación y estadísticas. La primera

es una conjetura que motivó la investigación y la segunda son establecidas o enunciadas de tal manera que
puedan ser contrastadas por medio de pruebas estadísticas adecuadas.

Las hipótesis de investigación son formuladas como resultado de la ocurrencia de eventos que hacen
pensar que éstos tienen influencia sobre alguna variable de interés que se ha estudiado ya sea a corto o incluso
a largo plazo.

La hipótesis estadística tiene el propósito de ayudar al investigador a tomar una decisión acerca de
una población a partir de una muestra extraída de ella. Y el tipo de inferencia que se aplica son las pruebas de
hipótesis, que determinan si tales proposiciones son compatibles o no con los datos disponibles.

( I n g . L e ó n Le ó n D í a z A re l l a n o ) P á g i n a 5 | 16
 ¿QUÉ ES UNA PRUEBA DE HIPÓTESIS?
Pues es un procedimiento basado en la evidencia de la muestra, es la
probabilidad para determinar si la hipótesis que se contrasta es una
afirmación razonable.

MÉTODO / PASOS PARA LA PRUEBA DE HIPÓTESIS

1. Formular, Plantear o Expresar la hipótesis nula H0 y la hipótesis alternativa H1.

La prueba de hipótesis formula dos hipótesis estadísticas que deben anunciarse explícitamente.
HIPÓTESIS NULA Y ALTERNATIVA
No siempre es obvio cómo formular las hipótesis nula y alternativa. Se debe tener cuidado en
estructurarlas de manera apropiada para que la conclusión de la prueba de hipótesis proporcione la
información que el investigador o la persona que toma las decisiones desea. El contexto de la situación
es muy importante para determinar cómo deben establecerse las hipótesis. Todas las aplicaciones de
prueba de hipótesis involucran la recolección de una muestra y el uso de resultados muéstrales para
proporcionar evidencias y emitir conclusiones. Algunas buenas preguntas a considerar al formular las
hipótesis nula y alternativa son: ¿cuál es el propósito de recolectar la muestra? ¿Qué conclusiones se
espera formular?

La hipótesis nula H0 es un supuesto tentativo acerca de un parámetro poblacional tal como una media
poblacional o una proporción poblacional.

La hipótesis alternativa H1 es una declaración que contradice lo que establece la hipótesis nula.

En algunas situaciones es más fácil identificar la hipótesis alternativa primero y luego desarrollar la nula.
En otras es más fácil identificar la hipótesis nula primero y luego desarrollar la alternativa.

Una hipótesis es la pregunta que el investigador se formula (H1) para diseñar un experimento. En
otras palabras, la hipótesis es aquello que se puede demostrar o rechazar.

Una hipótesis es una posible respuesta a esa pregunta que se hace, ya que es lo que ponemos a
prueba cuando diseñamos un experimento. En otras palabras, la hipótesis es una afirmación que se
puede demostrar o rechazar.

( I n g . L e ó n Le ó n D í a z A re l l a n o ) P á g i n a 6 | 16
 En los siguientes ejemplos se ilustrarán las hipótesis, según el tipo de prueba.

PRUEBA UNILATERAL PRUEBA UNILATERAL

PRUEBA BILATERAL
IZQUIERDA DERECHA

Ho; Parámetro x Ho; Parámetro = x Ho; Parámetro ≤ x

H1; Parámetro x H1; Parámetro x H1; Parámetro x

PRUEBA DE UNA COLA PRUEBA DE UNA COLA

PRUEBA DE DOS COLAS
IZQUIERDA DERECHA

2. Identificar el Nivel de Significancia (NS= ), y establecer el Valor Critico

La clave para la inferencia estadística es la distribución muestral. En los casos en que sea necesario
especificar la distribución de probabilidad de la estadística de prueba.

Por ejemplo, la distribución de la estadística de prueba por lo general; sigue una distribución normal
estándar si la H0 es verdadera y si satisface las suposiciones.

Todos los valores posibles que la estadística de prueba puede asumir son puntos sobre el eje horizontal
de la gráfica de la distribución para esta estadística y se dividen en dos grupos: uno de ellos constituye
lo que se conoce como región de rechazo y el otro, forma la región de no rechazo o región de aceptación,
siguiente figura:

( I n g . L e ó n Le ó n D í a z A re l l a n o ) P á g i n a 7 | 16
Nivel de significancia (N.S. ó )

Los valores de la estadística de prueba que forman la región de rechazo son aquellos que tienen la
menor probabilidad de ocurrir, mientras que los que forman la región de no rechazo tienen la mayor
probabilidad de ocurrencia, si la H0 es verdadera para ambas regiones.

La decisión en cuanto a que valores van hacia qué región se toma con base en el nivel de significancia

deseado, designado por α (alfa).

El nivel de significancia α, designa el área bajo la curva de la distribución de la de prueba que está por
encima de los valores, sobre el eje horizontal; que constituyen la región de rechazo. Y un valor calculado
para la estadística de prueba que cae dentro de la región de rechazo se dice que es significativo.

Nivel de confianza (1-  ) indica la

probabilidad de aceptar la hipótesis
planteada, cuando es verdadera en la
población.

Nivel de significancia:

Probabilidad de rechazar la hipótesis nula

cuando es verdadera.

Se le denota mediante la letra griega ,

también es denominada como nivel de
riesgo, este término es más adecuado ya
que se corre el riesgo de rechazar la
hipótesis nula, cuando en realidad es
verdadera.

( I n g . L e ó n Le ó n D í a z A re l l a n o ) P á g i n a 8 | 16
Ejemplo, si tuviéramos un nivel o grado de confianza del 95% (0.95) entonces el nivel de significancia
sería del 5% (0.05) donde:

Nivel de confianza = (1- α)

Análogamente si se tiene un nivel de confianza del 90% entonces el nivel de significancia sería del
10%.

( I n g . L e ó n Le ó n D í a z A re l l a n o ) P á g i n a 9 | 16
Valor Critico:

El valor crítico será el valor de Z de la distribución normal estándar, en función del nivel de significancia,
según el ensayo de hipótesis aplicable, es decir:
 si el nivel de confianza es del 95% Z crítico será de 1.96 (valor de la tabla abajo anexa),
si H1 es bilateral.
 si el nivel de confianza es del 95% Z crítico será de 1.64 (valor de la tabla abajo anexa),
si H1 es unilateral derecha.
 si el nivel de confianza es del 95% Z crítico será de -1.64 (valor de la tabla abajo anexa),
si H1 es unilateral izquierda.

H1 < X H1 ≠ X H1 > X
NIVEL DE
N.C. SIGNIFICANCIA
ALFA 
99.99% 0.01% -3.72 3.89 3.72
99.50% 0.50% -2.58 2.81 2.58
99.00% 1.00% -2.33 2.58 2.33
98.50% 1.50% -2.17 2.43 2.17
98.00% 2.00% -2.05 2.33 2.05
97.50% 2.50% -1.96 2.24 1.96
97.00% 3.00% -1.88 2.17 1.88
96.50% 3.50% -1.81 2.11 1.81
96.00% 4.00% -1.75 2.05 1.75
95.50% 4.50% -1.70 2.00 1.70
95.00% 5.00% -1.64 1.96 1.64
94.50% 5.50% -1.60 1.92 1.60
94.00% 6.00% -1.55 1.88 1.55
93.50% 6.50% -1.51 1.85 1.51
93.00% 7.00% -1.48 1.81 1.48
92.50% 7.50% -1.44 1.78 1.44
92.00% 8.00% -1.41 1.75 1.41
91.50% 8.50% -1.37 1.72 1.37
91.00% 9.00% -1.34 1.70 1.34
90.50% 9.50% -1.31 1.67 1.31
90.00% 10.00% -1.28 1.64 1.28

( I n g . L e ó n Le ó n D í a z A re l l a n o ) P á g i n a 10 | 16
 3. Identificar y Establecer el Ensayo de Hipótesis.

Se pueden presentar tres tipos de ensayo de hipótesis, dependiendo de la evaluación que se quiera hacer
según H1 que es la hipótesis de contraste, se seleccionará el tipo de ensayo, y son:

1. Bilateral

El investigador desea comprobar la hipótesis de un cambio en el parámetro. El nivel de significancia se divide

en dos y existen dos regiones de rechazo.

Ensayo de hipótesis:
Ho; Parámetro = x
H1; Parámetro x

2. Unilateral Derecho.

El investigador desea comprobar la hipótesis de un aumento en el parámetro, en este caso el nivel de

significancia se carga todo hacia el lado derecho, para definir las regiones de aceptación y de rechazo.

Ensayo de hipótesis:
Ho; Parámetro ≤ x
H1; Parámetro x

3. Unilateral Izquierdo

El investigador desea comprobar la hipótesis de una disminución en el parámetro, en este caso el nivel de
significancia se carga todo hacia el lado izquierdo, para definir las regiones de aceptación y de rechazo.

Ensayo de hipótesis:
Ho; Parámetro x
H1; Parámetro x

( I n g . L e ó n Le ó n D í a z A re l l a n o ) P á g i n a 11 | 16
A partir de la situación, los ensayos de hipótesis, también conocidas como las pruebas de hipótesis, para un
parámetro poblacional asumen una de estas tres formas: en dos se emplean desigualdades (≤ ó ≥) en la
hipótesis nula, y en la otra se aplica una igualdad (=) en la hipótesis nula. En las pruebas de hipótesis para la
media poblacional, μ denota el valor hipotético, y hay que escoger una de las formas siguientes.

Tabla resumen de los tres tipos de ensayos:

En muchas situaciones no es obvio cómo elegir H 0 y H1, y resulta necesario el criterio para elegirlas en forma
adecuada. Sin embargo, como se observa en las formas anteriores, la igualdad (ya sea ≤, ≥ ó =) debe aparecer
siempre en la hipótesis nula. Al elegir la forma adecuada para H0 y H1 hay que tener en mente que la hipótesis
alternativa a menudo es lo que la prueba trata de demostrar. Por tanto, preguntarse si el usuario busca
evidencias en apoyo de μ≤μ0, μ≥μ0, o μ=μ0 ayudará a determinar H1. Los ejercicios siguientes tienen por objeto
aportar práctica en la elección de la forma adecuada de una prueba de hipótesis para la media poblacional.

4. Seleccionar el estadístico (función/formula) de prueba a aplicar

Es necesario comprender la naturaleza de los datos que forman la base de los procedimientos de
prueba, ya que esto determina la prueba particular que se ha de utilizar.

Se debe determinar, por ejemplo, si los datos constan de conteos o medidas. A partir de los datos
contenidos en la muestra, se calcula un valor de la estadística de prueba y se compara contra las
regiones de no rechazo y rechazo que ya fueron especificadas.

Hay que tener en cuenta que un procedimiento general se modifica según las suposiciones.

( I n g . L e ó n Le ó n D í a z A re l l a n o ) P á g i n a 12 | 16
 Los estadísticos de prueba más comunes, son:

5. Regla de decisión

Determinar si la prueba estadística ha sido en la zona de rechazo a una de no rechazo y tomar la decisión
estadística

Se compara el valor observado de la estadística muestral con el valor (o valores) críticos de la estadística
de prueba. Después se acepta o se rechaza la hipótesis nula.

1. Pruebas bilaterales

Este tipo de prueba tiene dos zonas de

rechazo

Prueba bilateral H0 =  =  0
H1 =  ≠  0

Regla de decisión:

Se rechaza H0 si el estadístico de prueba que se calcule es menor o igual que el valor crítico del lado
izquierdo de la gráfica, o sí es mayor o igual que el valor crítico del lado derecho de la gráfica.

Se acepta H0 si el estadístico de prueba que se calcule es mayor que el valor crítico del lado izquierdo
de la gráfica, o sí es menor que el valor crítico del lado derecho de la gráfica.

( I n g . L e ó n Le ó n D í a z A re l l a n o ) P á g i n a 13 | 16
 2. Pruebas unilaterales

Este tipo de prueba tiene una zona de rechazo, son de dos tipos, unilateral hacia la derecha ó unilateral hacia
la izquierda

Prueba unilateral derecha

H0 =  ≤  0
H1 =  >  0

Regla de decisión:

Se rechaza H0 si el estadístico de prueba que se calcule es mayor o igual que el valor crítico.

Se acepta H0 si el estadístico de prueba que se calcule es menor que el valor crítico.

Prueba unilateral izquierda H0 =  ≥  0

H1 =  <  0

Regla de decisión:

Se rechaza H0 si el estadístico de prueba que se calcule es menor o igual que el valor crítico.
Se acepta H0 si el estadístico de prueba que se calcule es mayor que el valor crítico.

¿Qué significa rechazar?

Rechazar significa que la diferencia entre la media muestral y la media poblacional es significativa.

¿Qué significa no rechazar/aceptar?

Significa que la diferencia entre la media muestral y la media poblacional es no significativa.

( I n g . L e ó n Le ó n D í a z A re l l a n o ) P á g i n a 14 | 16
 6. Conclusión, expresar la decisión estadística en términos del problema.

Esto no es otra cosa que decidir si H0 se rechaza, entonces se concluye que H1 es verdadera.

Si H0 no se rechaza, se concluye que H0 puede ser verdadera.

Nota: Es importante aclarar que cuando la H 0 no es rechazada, no se puede decir que se acepta. Se
debe decir que «no se rechaza«.

Se evita el uso de la palabra «aceptar» en este caso porque pudiera haberse cometido el error de tipo
II. Dado que, frecuentemente; la probabilidad de cometer un error de tipo II puede ser realmente alta, no
se pretende cometerlo al aceptar la H0.

Finalmente, la interpretación está en función de la pregunta de investigación y tiene relación con la H 1,

pero la interpretación no necesariamente es igual a dicha hipótesis.

Valor de p en pruebas de hipótesis

Un aspecto, aquí importante es el valor de p (P-Value) que es el valor del estadístico de prueba que se aplique.
Indica que tan significante son los resultados de la muestra, considerando que la H 0 sea verdadera.

Los valores de p son comúnmente utilizados para probar (y descartar) una H0, que por lo general indica que no
existe una diferencia entre dos grupos, o que no hay ninguna correlación entre un par de características; por lo
tanto, ofrece la justificación para dudar de la certeza de la H0, si esta es verdadera.

Cuanto menor sea el valor de p, menor es la probabilidad de que un conjunto de valores observados ocurra por
casualidad.

Un valor p de 0.05 o menos suele

entenderse en el sentido de que las
observaciones son estadísticamente
significativas y justifica los resultados de
un estudio.

( I n g . L e ó n Le ó n D í a z A re l l a n o ) P á g i n a 15 | 16
Pero eso no es necesariamente cierto, la distancia entre la significación estadística y la relevancia clínica se
debe analizar con cuidado por parte de los investigadores por lo que hay que evitar sacar conclusiones
científicas o tomar decisiones basadas solo en los valores de p.

Un valor p de 0.05, no significa que hay una posibilidad del 95% que una determinada hipótesis es correcta.
Más bien, significa que, si la H0 es verdadera, y todas las demás suposiciones hechas son válidas, hay una
probabilidad del 5% de obtener un resultado al menos tan extremo como el observado. Y un valor de p no puede
indicar la importancia de un hallazgo.

Por lo tanto, el valor de p es la probabilidad de observar un valor muestral tan extremo como, o más extremo
que, el valor observado, dado que la H0 es verdadera.

En prueba de hipótesis, podemos también comparar el valor de p con el nivel de significancia α. Si el valor de
p < α, H0 se rechaza, de otro modo H0 no se rechaza. Pero ¿qué significa esto? veamos lo que puede ocurrir,
si:

p = 0.10, tenemos alguna evidencia que H0 no es verdadera.

p = 0.05, tenemos fuerte evidencia que H0 no es verdadera.
p = 0.01, tenemos muy fuerte evidencia que H0 no es verdadera.
p = 0.001, tenemos una extremadamente fuerte evidencia que H 0 no es verdadera.

( I n g . L e ó n Le ó n D í a z A re l l a n o ) P á g i n a 16 | 16