MAESTRIA PROCESOS INDUSTRIALES – EAPD
PRUEBAS DE HIPOTESIS
Muchos problemas de ingeniería, ciencia y
administración, requieren que se tome una decisión
entre aceptar o rechazar una proposición sobre
algún parámetro de una población.
Así, una hipótesis estadística es una proposición
sobre los parámetros de una o más poblaciones.
Es importante recordar que las hipótesis siempre
son proposiciones sobre la población o distribución
bajo estudio, no proposiciones sobre la muestra.
La hipótesis nula ( H 0 ) es la hipótesis que desea
probarse. El rechazo de la hipótesis nula siempre
conduce a la aceptación de la hipótesis alternativa
(H1). La hipótesis nula siempre se plantea de modo
que especifique un valor exacto del parámetro. La
hipótesis alternativa permite que el parámetro tome
varios valores. Por ejemplo:
H 0 :   0
H1 :    0 ,
donde  es algún parámetro de la población X.
Por lo general, el valor del parámetro de la
población especificado en la hipótesis nula se
determina en una de tres maneras diferentes.
1. Puede ser resultado de la experiencia pasada
o del conocimiento del proceso, o incluso de
pruebas o experimentos previos. Entonces,
el objetivo de la prueba de hipótesis
usualmente es determinar si ha cambiado el
valor del parámetro.
2. Este valor puede obtenerse a partir de
alguna teoría o modelo que se relaciona con
el proceso bajo estudio. En este caso, el
objetivo de la prueba de hipótesis es
verificar la teoría o modelo.
3. Puede provenir de consideraciones externas,
tales como las especificaciones de diseño o
ingeniería, o de obligaciones contractuales.
En esta situación, el objetivo usual de la
prueba de hipótesis es probar el
cumplimiento de las especificaciones.
Un procedimiento que conduce a una decisión sobre
una hipótesis en particular se conoce como prueba
de hipótesis.
Los procedimientos de prueba de hipótesis
dependen del empleo de la información contenida
en una 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 ésta es falsa. Por ejemplo, una
muestra sustentará la hipótesis H 0 :    0 cuando
el estimador ˆ esté próximo a 0 , y se rechazará
Ho cuando ˆ sea mucho mayor o mucho menor
que 0 . 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.
Al probar cualquier hipótesis estadística, existen
cuatro situaciones diferentes que determinan si la
decisión final es correcta o errónea:
DECISION Ho VERDADERA Ho FALSA
ACEPTAR Ho ERROR
RECHAZAR Ho ERROR
El error de tipo I se define como el rechazo de la
hipótesis nula Ho cuando ésta es verdadera. El
error de tipo II se define como la aceptación de la
hipótesis nula cuando ésta es falsa. Dado que la
decisión se basa en variables aleatorias, es posible
asociar probabilidades con los errores tipo I y II:
α = P[error tipo I]
= P[rechazar Ho | Ho es verdadera]
= nivel o tamaño de significancia
β = P[error tipo II]
= P[aceptar Ho | Ho es falsa]
Un buen procedimiento de prueba es aquél en el
cual α y β son pequeñas, lo que nos da una buena
oportunidad de tomar la decisión correcta.
La única forma en la que podemos reducir las
probabilidades de ambos tipos de errores consiste
en aumentar el tamaño de la muestra, pero si el
tamaño de la muestra se mantiene fijo, las dos
probabilidades están relacionadas inversamente,
esto es, si se reduce la probabilidad de cometer un
tipo de error, aumenta la probabilidad de cometer el
otro tipo de error.
La potencia de una prueba estadística es la
probabilidad de rechazar la hipótesis nula Ho
cuando la hipótesis alternativa es verdadera:
MAESTRIA PROCESOS INDUSTRIALES – EAPD
Potencia = P [rechazar Ho | H1 es verdadera]
= P[rechazar Ho | Ho es falsa]
= 1–β
A menudo las pruebas estadísticas se comparan
mediante la comparación de sus propiedades de
potencia. La potencia es una medida muy
descriptiva y concisa de la sensibilidad de una
prueba estadística, donde por sensibilidad se
entiende la capacidad de una prueba para detectar
diferencias. La potencia está determinada por:
 El tamaño del efecto.- Para evaluar la
potencia de cualquier prueba estadística, el
investigador debe entender primero el efecto
examinado. Como es de esperar, es más
probable encontrar un efecto grande que un
pequeño y en consecuencia impacta a la
potencia.
 Cuando α se acerca a cero, la potencia
disminuye. Esto significa que mientras el
analista reduce la probabilidad de encontrar
un efecto significante incorrecto, la
probabilidad de encontrar correctamente un
efecto también disminuye. El analista debe
considerar el impacto del nivel α escogido
en la potencia.
 En cualquier nivel de α, tamaños de muestra
grandes siempre produce más potencia. Pero
incrementando el tamaño de la muestra
también puede producir mucha potencia.
Esto significa que aumentando el tamaño de
la muestra, pequeños y más pequeños
efectos serán encontrados importantes
estadísticamente, hasta que tamaños de
muestra muy grandes casi cualquier efecto
es importante. El investigador debe siempre
estar conciente que el tamaño de la muestra
puede impactar la prueba estadística
haciéndole insensible o demasiado sensible.
Por tanto, al planear la investigación, el
investigador debe estimar el tamaño esperado del
efecto y luego seleccionar el tamaño de muestra y el
nivel de α para alcanzar el nivel de potencia
deseado. Se sugiere, que si se anticipa que los
efectos van a ser pequeños, el analista debe diseñar
el estudio con tamaños de muestras grandes y/o
niveles de alpha menos restrictivos (0.05 o 0.1).
Un error de tipo I es usualmente considerado más
serio, y por lo tanto más importante de evitar, que
un error del tipo II porque el investigador en
general controla α cuando escoge los valores
críticos (también piense en condenar a muerte a un
inocente).
Una prueba de cualquier hipótesis, tal como
Ho: u = u0
H1: u ≠ u0
recibe el nombre de prueba bilateral, debido a que
es importante detectar diferencia a partir del valor
hipotético de la media u0 que se encuentren en
cualquier lado de u0. En una prueba de este tipo, la
región crítica se separa en dos partes, con
(usualmente) la misma probabilidad en cada cola de
la distribución de la estadística de prueba.
Muchos problemas de prueba de hipótesis
involucran de manera natural hipótesis alternativas
unilaterales tales como
Ho: u = u0 Ho: u = u0
H1: u > u0 H1: u < u0
Si la hipótesis alternativa es H1: u > u0, la región
crítica debe encontrarse en la cola superior de la
distribución del estadístico de prueba, mientras que
si la hipótesis alternativa es H1: u < u0, la región
crítica debe encontrarse en la cola inferior de la
distribución.
El procedimiento general para las pruebas de
hipótesis se resume en ocho pasos:
1. Del contexto del problema, identificar el
parámetro de interés.
2. Establecer la hipótesis nula, Ho.
3. Especificar una apropiada hipótesis
alternativa, H1.
4. Seleccionar el nivel de significancia α.
5. Establecer un estadístico de prueba
apropiado.
6. Establecer la región de rechazo para el
estadístico.
7. Calcular todas las cantidades muestrales
necesarias, sustituirlas en al ecuación para el
estadístico de prueba, y calcular el valor
correspondiente.
8. Decidir si debe o no rechazarse Ho y
notificar esto en el contexto del problema.
El valor P es el nivel de significancia más pequeño
que conduce al rechazo de la hipótesis nula Ho.
MAESTRIA PROCESOS INDUSTRIALES – EAPD

PRUEBA DE HIPÓTESIS SOBRE LA MEDIA DE UNA POBLACIÓN

Se desea probar
Ho: u = u0
H1: u ≠ u0

Para esto, se disponible de una muestra aleatoria de tamaño n, X1, X2, …, Xn, y X y s2 son la media y
la varianza muestrales, respectivamente.
Supuestos: Supuestos:

1) X ~ N(u, σ2) y σ2 conocida y, o 1) X ~ N(u, σ2) y σ2 desconocida finita y n<30

2) σ2 conocida y n>30 (para que se cumpla el

teorema central del límite), o

3) σ2 desconocida finita y n>30 (para que se

cumpla el teorema central del límite y que s 2   2
).

El procedimiento de prueba se basa en el El procedimiento de prueba se basa en el

estadístico estadístico
X  0 X  0
z0  t0 
/ n S/ n

que tiene una distribución normal estándar (N(0,1)) que tiene una distribución t con n-1 grados de
si la hipótesis nula Ho es verdadera. libertad ( t0 ~ t (n-1) ) si la hipótesis nula Ho es
verdadera.

Se rechaza Ho si t0  tα/2,n-1 o t0  -tα/2,n-1, donde

tα/2,n-1 y tα/2,n-1 son los puntos superior e inferior que
corresponden al porcentaje 100α/2 de la
distribución t con n-1 grados de libertad.

Se rechaza Ho si z0  zα/2 o z0  -zα/2, donde zα/2 y

-zα/2 son los puntos superior e inferior que
corresponden al porcentaje 100α/2 de la
distribución normal estándar.

Para una prueba unilateral Para una prueba unilateral

Ho: u = u0 Ho: u = u0
H1: u > u0 H1: u > u0

se calcula la estadística de prueba z0 y se rechaza se calcula la estadística de prueba t0 y se rechaza

Ho si z0  zα. Ho si t0  tα,n-1.

Para una prueba unilateral Para una prueba unilateral

Ho: u = u0 Ho: u = u0
H1: u < u0 H1: u < u0

se calcula la estadística de prueba z0 y se rechaza se calcula la estadística de prueba t0 y se rechaza

Ho si z0  -zα. Ho si t0  -tα,n-1.
MAESTRIA PROCESOS INDUSTRIALES – EAPD

PRUEBA DE HIPÓTESIS SOBRE LA IGUALDAD DE MEDIAS DE DOS POBLACIONES

Se desea probar
Ho: u1 = u2
H1: u1 ≠ u2

Para esto, se disponible de dos muestras aleatorias independientes:

 X 11 , X 12 , …, X 1n1 , muestra aleatoria de tamaño n1 de la población X1 . De esta muestra se obtiene la

media muestral X 1 y la varianza muestral s12 .

 X 21 , X 22 , …, X 2n2 , muestra aleatoria de tamaño n2 de la población X 2 . De esta muestra se obtiene la

media muestral X 2 y la varianza muestral s 22 .

Supuestos: Supuestos:

1) X1 ~ N( 1 ,  12 ) y X2~ N( 2 ,  22 ) con  12 y  22 1) X 1 ~ N( 1 ,  12 ) y X 2 ~ N( 2 ,  22 ) con  12 y  22

conocidas y, o desconocidas, n1  30 y n2  30 , y.
1
2)  12 y  22 conocidas y n1  30 y n2  30 (para que Los alejamientos moderados de la normalidad no
se cumpla el teorema central del límite), o tendrán efectos adversos sobre el procedimiento.

3)  12 y  22 desconocidas y n1  30 y n2  30 (para
que se cumpla el teorema central del límite y que
s12   12 y s22   22 ).

Caso I.-  12   22   2
El procedimiento de prueba se basa en el estadístico
X1  X 2 Como s12 y s22 son estimaciones de  2 , se obtiene un
z0  2
1 2
2 mejor estimador:

n1 n2 (n  1) s12  (n2  1) s22
s 2p  1 .
n1  n2  2
que tiene una distribución normal estándar (N(0,1)) si
la hipótesis nula Ho es verdadera. El procedimiento de prueba se basa en el estadístico
X1  X 2
Se rechaza Ho si z0  zα/2 o z0  -zα/2, donde zα/2 y - t0 
1 1
zα/2 son los puntos superior e inferior que sp 
corresponden al porcentaje 100α/2 de la distribución n1 n2
normal estándar.
que tiene una distribución t con n1  n2  2 grados de
libertad ( t 0 ~ t ( n1 n2  2 ) ) si la hipótesis nula Ho es
verdadera.
Para una prueba unilateral
Se rechaza Ho si t0  t o t 0  t  ,
, n1  n 2  2 , n1  n2  2
2
Ho: u1 = u2 2

H1: u1 > u2 donde t  y  t son los puntos superior e

, n1 n2  2 , n1  n2  2
2 2

se calcula la estadística de prueba z0 y se rechaza Ho inferior que corresponden al porcentaje 100α/2 de la

si z0 > zα. distribución t con n1+n2-2 grados de libertad.

Para una prueba unilateral Para una prueba unilateral

MAESTRIA PROCESOS INDUSTRIALES – EAPD

Ho: u1 = u2
Ho: u1 = u2 H1: u1 > u2
H1: u1 < u2
se calcula la estadística de prueba t0 y se rechaza Ho si
se calcula la estadística de prueba z0 y se rechaza Ho t0 > t , n1  n2  2 .
si z0 < -zα.
Para una prueba unilateral
Ho: u1 = u2
H1: u1 < u2

se calcula la estadística de prueba t0 y se rechaza Ho si

t0   t , n1  n2  2 .

Caso II.-  12   22

El procedimiento de prueba se basa en el estadístico

X1  X 2
t0* 
s12 s22

n1 n2

que tiene una distribución t con  grados de libertad (

t0 ~ t( ) ) si la hipótesis nula Ho es verdadera, donde

2
 s12 s22 
  
  2  12 2 2 2  2
n n

s1 / n1 s /n
 2 2
  
n1  1 n2  1

Se rechaza Ho si t0*  t o t0*  t , donde t y

, , ,
2 2 2

 t son los puntos superior e inferior que

,
2
corresponden al porcentaje 100α/2 de la distribución t
con v grados de libertad.

Para una prueba unilateral

Ho: u1 = u2
H1: u1 > u2

se calcula la estadística de prueba t0 y se rechaza Ho si

t0*  t , .

Para una prueba unilateral

Ho: u1 = u2
H1: u1 < u2

se calcula la estadística de prueba t0 y se rechaza Ho si

t0*  t , .
MAESTRIA PROCESOS INDUSTRIALES – EAPD

PRUEBA DE HIPOTESIS SOBRE LA VARIANZA

Se desea probar
Ho:
H1 :

Para esto, se disponible de una muestra aleatoria de tamaño n, X1, X2, …, Xn, y X y s2 son la media y la
varianza muestrales, respectivamente.

Supuestos: Supuestos:

1) X ~ N(u, σ2) 1) 30, así  ~  , . Entonces,

~  0, 1
/√2

El estadístico de prueba es El estadístico de prueba es

1
/√2

Si Ho es verdad, entonces  ~  . Si Ho es verdad, entonces  ~  0, 1 .

Rechazar Ho si / , o si / ,
Rechazar Ho si / o si / .

Pruebas unilaterales: Pruebas unilaterales:

Si Si
Ho: Ho:
H1 : H 1:

Rechazar Ho si , Rechazar Ho si .

Si Si
Ho: Ho:
H1 : H 1:

Rechazar Ho si , Rechazar Ho si .
MAESTRIA PROCESOS INDUSTRIALES – EAPD

PRUEBA DE HIPOTESIS SOBRE LA IGUALDAD DE VARIANZAS

Se desea probar
Ho:
H1 :

Para esto, se disponible de dos muestras aleatorias independientes:

 X 11 , X 12 , …, X 1n1 , muestra aleatoria de tamaño n1 de la población X1 . De esta muestra se obtiene la

media muestral X 1 y la varianza muestral s12 .

X 21 , X 22 , …, X 2n2 , muestra aleatoria de tamaño n2 de la población X 2 . De esta muestra se obtiene la media

muestral X 2 y la varianza muestral s 22 .

Supuestos: Supuestos:

1) X1 ~ N(u1,  ) y X2 ~ N(u2,  ) 1) 30 y 30 se tiene que

independientes
~ , y ~ ,

El estadístico de prueba es El estadístico de prueba es

1 1
2 2
Si Ho es verdad, entonces  ~  , .
Si Ho es verdad, entonces  ~  0, 1 .
Rechazar Ho si , ,
Rechazar Ho si / o si / .
o si , ,

Pruebas unilaterales: Pruebas unilaterales:

Si Si
Ho: Ho:
H1 : H 1:

Rechazar Ho si , , Rechazar Ho si

Si Si
Ho: Ho:
H1 : H 1:

Rechazar Ho si , , Rechazar Ho si
MAESTRIA PROCESOS INDUSTRIALES – EAPD

PRUEBA DE HIPOTESIS SOBRE UNA PROPORCION

Se desea probar
Ho:
H1 :

Para esto, se disponible de una muestra aleatoria de tamaño n, X1, X2, …, Xn, y X es el número de
observaciones en la muestra que pertenecen a una clase asociada con p.

Supuestos:

1)  ~  , , entonces  ~  0, 1

2) p no es muy próximo a 0 o 1 y 30.

El estadístico de prueba es

Si Ho es verdad, entonces  ~  0, 1 .

Rechazar Ho si / o si / .

Pruebas unilaterales:

Si
Ho:
H1 :

Rechazar Ho si

Si
Ho:
H1 :

Rechazar Ho si
MAESTRIA PROCESOS INDUSTRIALES – EAPD

PRUEBA DE HIPOTESIS SOBRE DOS PROPORCIONES

Se desea probar
Ho:
H1 :

Para esto, se disponible de dos muestras aleatorias de tamaño y ,

es el número de observaciones en la primera muestra que pertenecen a una clase asociada con ,
es el número de observaciones en la segunda muestra que pertenecen a una clase asociada con .

Supuestos:

1)  ~  , y  ~  , , entonces / y / .

También se sabe que  ~  0, 1 y  ~  0, 1

2) la probabilidades de éxito no son muy próximas a 0 o 1 y los tamaños de las muestras son grandes.

El estadístico de prueba es

1 1
1

Si Ho es verdad, entonces  ~  0, 1 .

Un estimador de la probabilidad común es , entonces

1 1
1

Rechazar Ho si / o si / .

Pruebas unilaterales:

Si
Ho:
H1 :

Rechazar Ho si

Si
Ho:
H1 :

Rechazar Ho si
MAESTRIA PROCESOS INDUSTRIALES – EAPD

PRUEBAS DE BONDAD DE AJUSTE PRUEBAS CON TABLAS DE

CONTINGENCIA
Si no se sabe cuál es la distribución de una
población, y se desea probar la hipótesis de que una En muchas ocasiones, los n elementos de una
distribución en particular será un modelo muestra tomada de una población pueden
satisfactorio de la población, se recurre a la prueba clasificarse de acuerdo a dos criterios diferentes (es
Ji-cuadrada o a la prueba de Kolmogorov-Smirnov. decir basados en dos variables categóricas
diferentes). Por tanto, es interesante saber si los dos
Se prefiere la prueba ji-cuadrada cuando la métodos de clasificación son estadísticamente
distribución es discreta y la de Kolmogorov- independientes.
Smirnov cuando la distribución es continua (aunque
a veces se utiliza parea las discretas también). Suponga que el primer método de clasificación
tiene r niveles (es decir, la primera variable
PRUEBA JI-CUADRADA categórica toma r valores diferentes) y que el
segundo tiene c niveles (es decir, la segunda
Se toma una muestra aleatoria de tamaño n de la variable categórica toma c valores diferentes). Sea
población. Oij la frecuencia observada para el nivel i del
primer método de clasificación y el nivel j del
Estas observaciones se acomodan en un histograma segundo método de clasificación. En general, los
de frecuencia, el cual tiene k intervalos de clase. datos aparecerán como se muestra en la siguiente
tabla:
Oi es la frecuencia observada en el i-ésimo COLUMNAS
intervalo de clase. 1 2 … c
1 O11 O12 … O1c
De la distribución de probabilidad propuesta, se
2 O21 O22 … O2c
calcula la frecuencia esperada en el i-ésimo
REGLONES
intervalo de clase, la cual se denota por Ei . . . . . .
. . . . .
. . . . .
El estadístico de prueba es
r Or1 Or 2 … Orc
k
X 02   i
O  Ei 2 .
i 1 Ei
Una tabla de este tipo usualmente se conoce como
tabla de contingencia r x c.
Si la población sigue la distribución propuesta,
entonces, X 02 ~ X k2 p 1 , donde p es el número de Las hipótesis son
parámetros de la distribución propuesta estimada Ho: los métodos de clasificación son independientes
por los estadísticos muestrales. H1: existe alguna relación entre los dos criterios de
clasificación
Debe rechazarse la hipótesis de que la distribución
de la población es la distribución propuesta, si El estadístico de prueba es
r c O  E 2
X 0  
2
~ X 02 ((r  1)(c  1)
ij ij
X 02  X 2 , k  p 1 . i 1 j 1 Eij

Si las frecuencias esperadas son muy pequeñas, que sigue una distribución ji-cuadrada con
entonces X 02 no reflejará el alejamiento entre lo (r-1)(c-1) grados de libertad si Ho es verdadera.
observado y lo esperado, sino sólo la pequeña
magnitud de las frecuencias esperadas. Donde
1 c r

No hay ningún acuerdo general con respecto al

Eij   ij  Oij
O
n j 1 i 1
valor mínimo de las frecuencias esperadas, pero los
valores 3, 4 y 5 son los que más se utilizan como Por tanto, se debe rechazar Ho si
mínimos. Si se espera que una frecuencia sea
demasiado pequeña, entonces puede combinarse
X 02  X 02 (( r  1)(c  1)) .
con la frecuencia esperada en un intervalo de clase
adyacente.
MAESTRIA PROCESOS INDUSTRIALES – EAPD

PRUEBAS NO PARAMÉTRICAS PRUEBA DE RANGOS CON SIGNO

(WILCOXON UNA MUESTRA)
Se utilizan cuando no se puede justificar que las
muestras siguen una distribución normal y/o el Esta es una prueba de una sola muestra para probar
tamaño de la muestra es pequeño. si H 0 :   0

PRUEBA DEL SIGNO (BINOMIAL SEGÚN A más de los signos, toma en cuenta la magnitud de
SPSS) la diferencia.
Esta es una prueba de una sola muestra para probar 1) se calculan las diferencias xi  0
si H 0 :   0
Se supone que la población es simétrica y continua, 2) a la menor diferencia en valor absoluto se le
1 asigna el número 1, a la segunda diferencia más
de manera que P[ X   ]  P[ X   ]  .
2 chica en valor absoluta se le asigna el número 2, así
Cada valor observado de la muestra x1 , x2 ,, xn se sucesivamente, a la mayor diferencia en valor
reemplaza por un signo + cuando xi  0 y por un absoluto se le asigna el número n. Las diferencias
iguales a cero se las desecha. Si los valores
signo – cuando xi  0 . Si xi  0 , se descarta esa absolutos de dos o más diferencias son los mismos,
observación. El número total de signos resultantes se asigna a cada uno la media de los números que
es n. ocupen en conjunto.

Se define la variable aleatoria x = número de veces 3) el estadístico de prueba es

que aparece el signo + en la muestra.
T+ = suma de los números asignados a las
Luego, se prueba que diferencias positivas
 1
H 0 : x ~ B  n,   
 2 T- = suma de los números asignados a las
diferencias negativas
H1
T = min (T+, T-)
  0 1

2 Las tres pruebas son equivalentes.
  0 1

2 Sin importar la hipótesis alternativa, se puede basar
  0 1 la prueba en la estadística T, pero se debe tener
 cuidado de utilizar la estadística correcta y el valor
2
crítico de T, como se resume en la siguiente tabla:
Rechazar Ho cuando x  k , donde k es el entero
H1 rechace Ho si
más pequeño para el cual
  0 T  T
n
  0 T   T2
 b y, n,0    ,
y  k   0 T   T2

donde b(y,n,  ) es la probabilidad de tener y

aciertos en n ensayos con probabilidad  .

Se puede utilizar esta prueba para datos pareados,

primero calculando la diferencia por cada par, y
luego asignando un signo + o -, si la diferencia fue
positiva o negativa, respectivamente. Si la
diferencia es cero, se descarta esa observación.
MAESTRIA PROCESOS INDUSTRIALES – EAPD

PRUEBA DE SUMAS DE RANGO: PRUEBA U H1 rechace Ho si

(WILCOXON O DE MAN Y WHITNEY DE   0 U  U
DOS MUESTRAS)
  0 U 2  U 2
Esta es una alternativa no paramétrica a la prueba t   0 U1  U 2
de dos muestras.
Se dispone de una aproximación para muestras
No se necesita suponer que las distribuciones de las grandes, que es conveniente cuando n1 y n2 son
dos poblaciones son normales. ambas mayores a 15 y no hay empates. El
estadístico z es
Se ordenan los valores observados en las muestras
como si fuera una sola muestra en orden de S  n1 (n1  n2  1) / 2
magnitud creciente y les asignamos en este orden z ,
los rangos 1, 2, 3, …. Si hay una coincidencia se n1n2 (n1  n2  1) / 2
asigna a cada una de las observaciones coincidentes
la media de los rangos que ocupan de manera donde S es el estadístico de prueba basado en la
conjunta. muestra con n1 observaciones. bajo la hipótesis
nula, z tiene aproximadamente una distribución
Si existe una diferencia apreciable entre las medias normal estándar.
de las dos poblaciones, probablemente la mayoría
de los rangos inferiores se asignarán a los valores PRUEBAS DE SUMA DE RANGOS: PRUEBA
de una muestra, mientras que la mayoría de los H
rangos superiores quizá se asignarán a los valores d (PRUEBA DE KRUSKAL Y WALLIS PARA K
ela otra muestra. MUESTRAS)

La prueba se basa en Es una organización de la prueba de sumas de

W1 = suma de los rangos de los valores de la
primera muestra, o en
W2 = suma de los rangos de los valores de la
segunda muestra
rangos, para probar la hipótesis nula de que k
muestras provienen de poblaciones continuas
idénticas. Dicho de otra manera, es una alternativa
no paramétrica al análisis de varianza en un solo
sentido.

No importa si se elije W1 o W2. En la práctica real, Si Ri = la suma de rangos de los valores de la i-

rara vez se utiliza W1 y W2; en cambio se utiliza ésima muestra, el estadístico de prueba es

n1 ( n1  1) 12 k
Ri2
U1  W1 
2
,o H    3(n  1) ,
n(n  1) i 1 ni

n2 ( n2  1) donde n  n1  n2    nk .
U 2  W2  , o bien
2
Se debe rechazar Ho para valores de H grandes.
U  min(U1 ,U 2 ) ,
En la práctica, usualmente se utiliza la
pues es más fácil construir tablas de valores críticos aproximación siguiente para muestras grandes.
importantes. Cada vez que Ho es verdadera y se cumple
cualquiera de las condiciones
Independientemente de la hipótesis alternativa, se
puede basar la prueba k  3 y ni  6 para i = 1, 2, 3
k > 3 y ni  5 para i = 1, 2, …, k
H 0 : 1   2

entonces H ~ X k21 . Entonces rechazar Ho si

en la distribución muestral de U, pero se debe tener
cuidado con la estadística correcta y el valor crítico H  X 2 , k 1
de U, según se resume en la tabla que sigue
MAESTRIA PROCESOS INDUSTRIALES – EAPD

PRUEBA DE KOLMOGOROV – SMIRNOV

Supongamos que se dispone de una muestra de una

población y que, sobre cada individuo de la
muestra, se mide una variable continua X. la prueba
de Kolmogorov-Smirnov es una prueba de bondad
de ajuste que se utiliza para contrastar la hipótesis
nula de que la muestra procede de una población en
la que la distribución de X es una determinada
distribución teórica Fe:

H 0 : F  Fe

Si el valor p asociado al estadístico de prueba es

menor que  , se rechazará la hipótesis nula al nivel
de significación  .

La prueba consiste en comparar, para cada valor de

la variable, la proporción de casos observados con
valor inferior o igual a dicho valor con la
proporción de casos esperados bajo la hipótesis
nula. El estadístico de prueba se construye a partir
de la máxima diferencia, en valor absoluto,
encontrada.