“AÑO DEL DIALOGO Y LA RECONCILIACION NACIONAL”

UNIVERSIDAD NACIONAL DE PIURA

PROEDUNP – SULLANA
FACULTAD DE CIENCIAS CONTABLES Y FINANCIERAS

INTEGRANTES:
 Camacho Guerrero Juan José
 Días Campos Isela
 Urriola Ruiz Aldair

DOCENTE:
Alfredo Sullon León

CURSO:
Estadística Aplicada a la Contabilidad

TEMA:
Prueba de Hipótesis

2018
 INDICE

1. Introducción PAG. 1
2. Prueba De Hipótesis PAG. 2
2.1 Que Es Una Prueba De Hipótesis
2.2 Hipótesis Nula
 INTRODUCCION

El Método Estadístico es un poderoso instrumento o procedimiento de trabajo del

Método Científico. Es común que se tenga el criterio reducido, de que el mismo se
ponga de manifiesto cuando se tiene recogida cierta cantidad de datos y se pretenda
analizar los mismos para llegar a las deducciones necesarias, algo que se
contradice cuando se mencionan sus etapas: Planificación de la investigación.
Recolección de la Información. Elaboración de los datos recogidos. Análisis e
interpretación.

Es en la Planificación de la investigación donde se organiza toda ella a partir de un

esquema tal que sea capaz de evaluar su factibilidad además que controle, facilite
y evalúe su ejecución hasta alcanzar la meta propuesta. Por tanto, se corresponde
con esta etapa la preparación de un Protocolo o Proyecto de Investigación en el
cual se definen las herramientas a utilizar.

Como parte de la Elaboración de los Datos está el sometimiento de los mismos a

las herramientas de la Estadística, como ejemplo: Prueba de Hipótesis, ya prevista
a utilizar cuando se crea el Protocolo.

Con frecuencia en la práctica tenemos que tomar decisiones sobre poblaciones a

partir de informaciones muéstrales. Esas decisiones se conocen como decisiones
estadísticas. Por ejemplo, queremos decidir partiendo de datos muéstrales si un
nuevo material es realmente más resistente en la construcción de una cuerda, si un
procedimiento en Cultura Física es mejor que otro, etc.

Al intentar tomar decisiones, debemos hacer suposiciones sobre la población cuya

característica es analizada en cuestión. Tales suposiciones, que pueden o no ser
verdaderas, y en general son proposiciones sobre las distribuciones de probabilidad
de las poblaciones, son llamadas hipótesis estadísticas.
 PRUEBA DE HIPÓTESIS

¿Qué es una prueba de hipótesis?

Es una regla que especifica si se puede aceptar o rechazar una afirmación acerca
de una población dependiendo de la evidencia proporcionada por una muestra de
datos.

Una prueba de hipótesis examina dos hipótesis opuestas sobre una población:

Hipótesis Nula (H0): es el enunciado que se probará. Por lo general, la hipótesis

nula es un enunciado de que "no hay efecto" o "no hay diferencia".

Indica que un parámetro de población (la media, la desviación estándar, etc.) es

igual a un valor hipotético. La hipótesis nula suele ser una afirmación inicial que se
basa en análisis previos o en conocimiento especializado.

Hipótesis Alternativa (H1): es el enunciado que se desea poder concluir que es

verdadero de acuerdo con la evidencia proporcionada por los datos de la muestra.

Indica que un parámetro de población es más pequeño, más grande o diferente del
valor hipotético de la hipótesis nula. La hipótesis alternativa es lo que usted podría
pensar que es cierto o espera probar que es cierto. Este tipo de hipótesis puede ser
unilateral o bilateral.

 Bilateral

Una hipótesis alternativa bilateral determina si el parámetro de población es

mayor que o menor que el valor hipotético. Una prueba bilateral puede
detectar cuándo el parámetro de población difiere en cualquier dirección,
pero tiene menos potencia que una prueba unilateral.

 Unilateral
Una hipótesis alternativa unilateral determina si el parámetro de población
difiere del valor hipotético en una dirección específica. Usted puede
especificar la dirección para que sea mayor que o menor que el valor
hipotético. Una prueba unilateral tiene mayor potencia que una prueba
bilateral, pero no puede detectar si el parámetro de población difiere en la
dirección opuesta.
¿Qué es un nivel de confianza?

El nivel de confianza representa el porcentaje de intervalos que incluirían el

parámetro de población si usted tomara muestras de la misma población una y otra
vez. Por lo general, un nivel de confianza de 95% funciona adecuadamente. Esto
indica que si usted recogió cien muestras y creó cien intervalos de confianza de
95%, cabría esperar que aproximadamente 95 de los intervalos incluyeran el
parámetro de población, tal como la media de la población, como se muestra en la
siguiente figura.

En este caso, la línea negra horizontal representa el valor fijo de la media

desconocida de la población, µ. Los intervalos de confianza azules verticales que
se sobreponen a la línea horizontal contienen el valor de la media de la población.
El intervalo de confianza rojo que está completamente por debajo de la línea
horizontal no lo contiene. Un nivel de confianza de 95% indica que 19 de 20
muestras (95%) de la misma población producirán intervalos de confianza que
incluirán el parámetro de población.

¿Qué es un intervalo de confianza?

Un intervalo de confianza es un rango de valores, derivado de los estadísticos de la

muestra, que posiblemente incluya el valor de un parámetro de población
desconocido. Debido a su naturaleza aleatoria, es poco probable que dos muestras
de una población en particular produzcan intervalos de confianza idénticos. Sin
embargo, si usted repitiera muchas veces su muestra, un determinado porcentaje
de los intervalos de confianza resultantes incluiría el parámetro de población
desconocido.
En este caso, la línea negra horizontal representa el valor fijo de la media
desconocida de la población, µ. Los intervalos de confianza azules verticales que
se sobreponen a la línea horizontal contienen el valor de la media de la población.
El intervalo de confianza rojo que está completamente por debajo de la línea
horizontal no lo contiene. Un intervalo de confianza de 95% indica que 19 de 20
muestras (95%) de la misma población producirán intervalos de confianza que
contendrán el parámetro de población.

Utilice el intervalo de confianza para evaluar la estimación del parámetro de

población. Por ejemplo, un fabricante desea saber si la longitud media de los lápices
que produce es diferente de la longitud objetivo. El fabricante toma una muestra
aleatoria de lápices y determina que la longitud media de la muestra es 52
milímetros y el intervalo de confianza de 95% es (50,54). Por lo tanto, usted puede
estar 95% seguro de que la longitud media de todos los lápices se encuentra entre
50 y 54 milímetros.

El intervalo de confianza se determina calculando una estimación de punto y luego

determinando su margen de error.
Estimación de punto

Este valor individual estima un parámetro de población usando los datos de

la muestra.

Margen de error
Cuando usted utiliza estadísticos para estimar un valor, es importante
recordar que, sin importar lo bien que esté diseñado su estudio, su estimación
está sujeta a error de muestreo aleatorio. El margen de error cuantifica este
error e indica la precisión de la estimación.

Usted probablemente ya entiende el margen de error, porque está

relacionado con los resultados de las encuestas. Por ejemplo, una encuesta
política podría indicar que el nivel de popularidad de un candidato es de 55%
 con un margen de error de 5%. Esto significa que el nivel de popularidad real
es +/- 5% y, por lo tanto, se ubica entre 50% y 60%.

Para un intervalo de confianza bilateral, el margen de error es la distancia

desde el estadístico estimado hasta cada el valor del intervalo de confianza.
Cuando un intervalo de confianza es simétrico, el margen de error es la mitad
del ancho del intervalo de confianza. Por ejemplo, la longitud media estimada
de un árbol de levas es 600 mm y el intervalo de confianza oscila entre 599
y 601. El margen de error es 1.

Mientras mayor sea el margen de error, más ancho será el intervalo y menos
seguro podrá estar usted del valor de la estimación de punto.

¿Qué es un estadístico de prueba?

Un estadístico de prueba es una variable aleatoria que se calcula a partir de datos

de muestra y se utiliza en una prueba de hipótesis. Puede utilizar los estadísticos
de prueba para determinar si puede rechazar la hipótesis nula. El estadístico de
prueba compara sus datos con lo que se espera bajo la hipótesis nula. El estadístico
de prueba se utiliza para calcular el valor p.

Un estadístico de prueba mide el grado de concordancia entre una muestra de datos

y la hipótesis nula. Su valor observado cambia aleatoriamente de una muestra
aleatoria a una muestra diferente. Un estadístico de prueba contiene información
acerca de los datos que es relevante para decidir si se puede rechazar la hipótesis
nula. La distribución del muestreo del estadístico de prueba bajo la hipótesis nula
se denomina distribución nula. Cuando los datos muestran evidencia clara en contra
de los supuestos de la hipótesis nula, la magnitud del estadístico de prueba se
vuelve demasiado grande o demasiado pequeña dependiendo de la hipótesis
alternativa. Esto hace que el valor p de la prueba se vuelva lo suficientemente
pequeño como para rechazar la hipótesis nula.
Por ejemplo, el estadístico de prueba para una prueba Z es el estadístico Z, que
sigue la distribución normal estándar bajo la hipótesis nula. Supongamos que usted
realiza una prueba Z de dos colas con un nivel de significancia (α) de 0.05 y un
obtiene un estadístico Z (también denominado valor Z) de 2.5 basado en sus datos.
Este valor Z corresponde a un valor p de 0.0124. Puesto que este valor p es menor
que α, usted declara significancia estadística y rechaza la hipótesis nula.
Las diferentes pruebas de hipótesis utilizan diferentes estadísticos de prueba según
el modelo de probabilidad asumido en la hipótesis nula. Las pruebas comunes y sus
respectivos estadísticos de prueba incluyen:

Prueba de hipótesis Estadístico de prueba

 Prueba Z Estadístico Z

Pruebas t Estadístico t

ANOVA Estadístico F

Pruebas de chi-cuadrada Estadístico de chi-cuadrada

¿Qué es un valor crítico?

Un valor crítico es un punto en la distribución del estadístico de prueba bajo la

hipótesis nula que define un conjunto de valores que apoyan el rechazo de la
hipótesis nula. Este conjunto se denomina región crítica o de rechazo. Por lo
general, las pruebas unilaterales tienen un valor crítico y las pruebas bilaterales
tienen dos valores críticos. Los valores críticos se determinan de manera que la
probabilidad de que el estadístico de prueba tenga un valor en la región de rechazo
de la prueba (cuando la hipótesis nula sea verdadera) sea igual al nivel de
significancia (denotado como α o alfa).