MÉTODOS ESTADÍSTICOS

Jennyfer Portilla Yela

Correo:
Jennyfer.portilla@correounivalle.edu.co

Universidad del Valle

Santiago de Cali
2019
 INTRODUCCIÓN
Supongamos que un amigo nuestro afirma que en cada partido de fútbol que juega, mete tres o cuatro
goles. Impresionados con su excelente rendimiento, vamos a verlo jugar cinco partidos seguidos. Pero
ocurre que en esos cinco partidos no mete ningún gol.
¿No sospecharíamos que tal vez nos mintió?
¿No es muy incompatible “lo observado” con su afirmación inicial de que mete tres o cuatro goles por partido?

Este ejemplo muestra la lógica que hay detrás de una prueba de hipótesis estadística.

La decisión se toma partiendo

de la evidencia (Muestra).

Se determina mediante el cálculo de

probabilidades si el cumplimiento de
la hipótesis es razonable.

Una prueba de hipótesis es un procedimiento estadístico que a través del estudio de una muestra permite
determinar el cumplimiento de una hipótesis planteada sobre alguna característica de la población
(Parámetro).
 DEFINICIONES FUNDAMENTALES
Para entender bien que es una prueba de hipótesis hay que tener bien claros (entre otros) los
siguientes conceptos:

¿Qué es un parámetro?
En estadística, un parámetro es una constante asociada a la distribución de probabilidad de una
variable aleatoria.

Ejemplo 1: Si una variable tiene distribución Binomial, sus parámetros son 𝑛 y 𝑝.

Ejemplo 2: Si una variable tiene distribución Normal, sus parámetros son 𝜇 y 𝜎 2 .

¿Qué es una hipótesis de investigación?

Es una conjetura que se hace sobre la realidad que aún no se conoce y que se ha formulado
precisamente con el objeto de llegar a conocimientos de nuevos hechos.

Ejemplo1: ¿Será que el porcentaje de empleados de una organización que en un día normal de
trabajo llega tarde es más del 2%?
Ejemplo 2: ¿Podría ser posible que el tiempo de entrega de suministros del proveedor A es más
rápido que el tiempo del proveedor B para una compañía grande?
Ejemplo 3: ¿Será que la variabilidad del costo diario de mantenimiento de una planta
procesadora de alimentos es de $500.000?
 DEFINICIONES FUNDAMENTALES
¿Qué es una hipótesis estadística?
Representación de la hipótesis de investigación en forma de ecuación matemática y en función
de parámetros poblacionales.

Ejemplo 1: ¿Será que el porcentaje de empleados de una organización que en un día normal de
trabajo llega tarde es más del 2%?

𝑃 > 0.02

Ejemplo 2: ¿Podría ser posible que el tiempo de entrega de suministros del proveedor A es más
rápido que el tiempo del proveedor B para una compañía grande?

𝜇 𝐴 < 𝜇𝐵 → 𝜇 𝐴 − 𝜇 𝐵 < 0

Ejemplo 3: ¿Será que la variabilidad del costo diario de mantenimiento de una planta
procesadora de alimentos es de $500.000?
𝜎 = 500.000 → 𝜎 2 = 500.0002
 DEFINICIONES FUNDAMENTALES
Las hipótesis de investigación pueden desglosarse en dos hipótesis estadísticas que se denominan:

Hipótesis nula 𝑯𝟎 Hipótesis alternativa 𝑯𝟏 𝒐 𝑯𝒂

Hipótesis nula es la hipótesis de no cambio. Es Es complementaría a la nula. Niega a la

la hipótesis de que todo queda igual. Es lo que hipótesis nula. La hipótesis alternativa
se considera cierto hasta que los datos describe lo que se concluirá si se rechaza la
demuestran lo contrario. hipótesis nula, por lo general depende lo que
se quiera investigar.

Por norma general a la hipótesis nula siempre se le asigna el signo igual (=). Si a la hipótesis
alternativa se le asigna el signo “menor que” (<) o el signo “mayor que” (>) se dice que la
prueba de hipótesis es de una sola cola (Hipótesis unilaterales), por el contrario, si se le
asigna el signo “diferente de” (≠) se dice que la prueba es de dos colas (Hipótesis
bilaterales).
Ejemplo 1: ¿Será que el porcentaje de empleados de una organización que en un día normal de
trabajo llega tarde es más del 2%?

𝐻0 : 𝑃 = 0.02 𝑉𝑠 𝐻1 : 𝑃 > 0.02

Ejemplo 2: ¿Podría ser posible que el tiempo de entrega de suministros del proveedor A es más
rápido que el tiempo del proveedor B para una compañía grande?

𝐻0 : 𝜇𝐴 = 𝜇𝐵 𝐻1 : 𝜇𝐴 < 𝜇𝐵
 DEFINICIONES FUNDAMENTALES
Ejemplo 3: ¿Será que la variabilidad del costo diario de mantenimiento de una planta procesadora
de alimentos es de $500.000?
𝐻0 : 𝜎 2 = 500.0002 𝑉𝑠 𝐻1 : 𝜎 2 ≠ 500.0002

Ejercicio 1: Una moneda, ¿Es o no balanceada (Legal)? Mientras no me digan lo contrario, y

mientras ésta no se vea obviamente deformada, se supone que sí.

𝐻0 : 𝑃 = 0.5 𝑉𝑠 𝐻1 : 𝑃 ≠ 0.5

Ejercicio 2: Una máquina de llenado de botellas debe estar programada para efectuar un llenado
con una desviación estándar no superior a 5ml. Si se desea evaluar la calidad de la máquina de
llenado, ¿Cuál debería ser el sistema de hipótesis a probar?

𝐻0 : 𝜎 2 = 52 𝑉𝑠 𝐻1 : 𝜎 2 > 52

Ejercicio 3: Una oficina de servicio al cliente de una compañía comercializadora de productos

empacados ha recibido reiteradas quejas de los clientes sobre el contenido de su producto estrella
que es de 250 gramos. ¿Cuáles hipótesis debe plantear esta oficina para determinar si los clientes
tienen la razón?

𝐻0 : 𝜇 = 250 𝑉𝑠 𝐻1 : 𝜇 < 250

 ¿PODEMOS ACEPTAR UNA HIPÓTESIS?
Algunos investigadores dicen que una prueba de hipótesis puede tener dos
resultados: Aceptar la hipótesis o Rechazar la hipótesis.

Muchos estadísticos, sin embargo, discrepan con la noción de “Aceptar una

hipótesis”. En cambio, dicen: “Rechaza o no la hipótesis”.

¿Por qué la distinción?

La aceptación implica que la hipótesis es verdadera (En totalidad). La falta de

rechazo implica que los datos (Evidencia) no son suficientemente persuasivos para
que nosotros prefiramos una hipótesis en vez de otra.

Recuerde que…

La verdad de las hipótesis NO puede conocerse con total seguridad a menos que
pueda examinarse toda la población.
 TIPOS DE ERRORES EN PRUEBAS DE HIPÓTESIS
𝐻0 : 𝑁𝑜 ℎ𝑎𝑦 𝑒𝑚𝑏𝑎𝑟𝑎𝑧𝑜 𝐻1 : 𝐻𝑎𝑦 𝑒𝑚𝑏𝑎𝑟𝑎𝑧𝑜 Uno querría tomar la decisión correcta

Pero cuando se toma una decisión basada

en información muestral, se pueden
Es un error decir que está cometer errores.
en embarazo cuando
realmente no lo está (𝐻0 ).
En un proceso de prueba de hipótesis, no
es posible tener garantía absoluta de no
estar cometiendo algún error.

Condición real
𝐻0 Verdadera 𝐻0 Falsa
Error tipo I No existe error
Decisión que Rechazar 𝐻0
se toma en la 𝟏−
prueba de
No existe error Error tipo II
hipótesis No rechazar 𝐻0
Es un error decir que no hay 𝟏−
embarazo cuando realmente
lo está (𝐻1 ).
 TIPOS DE ERRORES EN PRUEBAS DE HIPÓTESIS
Condición real
𝐻0 Verdadera 𝐻0 Falsa
Error tipo I No existe error
Decisión que Rechazar 𝐻0
se toma en la 𝟏−
prueba de
No existe error Error tipo II
hipótesis No rechazar 𝐻0
𝟏−

Decisión correcta: Si la hipótesis nula es falsa y se

Error tipo I: Si la hipótesis nula es verdadera y se
rechaza, se ésta tomando una decisión correcta.
rechaza, se comete error tipo I. También se llama
También se llama “Potencia de la prueba”. La
nivel de significancia. La probabilidad de cometerlo
probabilidad de cometerlo es:
es:
𝛼 = 𝑃 𝑅𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝐻0 𝐻0 𝑒𝑠 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑎
1 − 𝛽 = 𝑃 𝑅𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝐻0 𝐻0 𝑒𝑠 𝑓𝑎𝑙𝑠𝑎

Decisión correcta: Si la hipótesis nula es verdadera y
no se rechaza, se ésta tomando una decisión
correcta. También se llama nivel de confianza. La
probabilidad de cometerlo es:
1 − 𝛼 = 𝑃 𝑁𝑜 𝑟𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝐻0 𝐻0 𝑒𝑠 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑎
Error tipo II: Si la hipótesis nula es falsa y no se
rechaza, se comete error tipo II. La probabilidad
de cometerlo es:
𝛽 = 𝑃 𝑁𝑜 𝑟𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝐻0 𝐻0 𝑒𝑠 𝑓𝑎𝑙𝑠𝑎
 ¿QUÉ TIPO DE ERROR ES PEOR: TIPO I O TIPO II?
Caso 1: Juicio de un acusado Caso 2: El caso de contaminación

𝑯𝟎 : 𝑰𝒏𝒐𝒄𝒆𝒏𝒕𝒆 𝒗𝒔 𝑯𝟏 : 𝑪𝒖𝒍𝒑𝒂𝒃𝒍𝒆 𝑯𝟎 : 𝑵𝒐 𝒄𝒐𝒏𝒕𝒂𝒎𝒊𝒏𝒂 𝒗𝒔 𝑯𝟏 : 𝑪𝒐𝒏𝒕𝒂𝒎𝒊𝒏𝒂

• El juez puede cometer error tipo I cuando o
decide declarar culpable al acusado cuando
realmente es inocente.
• El juez puede cometer error tipo II cuando
o decide declarar inocente en circunstancia
que el individuo es realmente culpable.
Se podría pensar que:
(Las motocicletas contaminan si emisiones
superan el 5.5 g/Km).
• El error tipo I: Decir que 𝒄𝒐𝒏𝒕𝒂𝒎𝒊𝒏𝒂 cuando
realmente la emisión es menor que 5.5 (No
contamina), esto es, las motocicletas que
están emitiendo una cantidad permitida de CO
no pasan la prueba y no pueden ser transitar.

El error más grave es cometer error tipo I, es
decir, declarar culpable a un inocente.
También es grave cometer el error tipo II, pero
sus consecuencias podrían ser menos graves.
Pero entonces, ¿Qué tipo de error es el peor?
• El error tipo II: Decir que no contamina
cuando realmente la emisión es mayor a 5.5
(Contamina), esto implica que las motocicletas
que emiten gran cantidad de CO pasan la
prueba y pueden transitar (contaminación
ambiental).

La respuesta es sencilla “Depende”… En alguna situación, el error de Tipo I puede tener

consecuencias menos aceptables que las que tendría un error de Tipo II. En otras, el error
Tipo II podría ser menos costosos que un error Tipo I. El consejo es “Mira a las potenciales
consecuencias”.
PASOS QUE SE DAN PARA REALIZAR UNA PRUEBA DE HIPÓTESIS

1. Reconocer y definir la o las variables de interés.

2. Formular las hipótesis nula y alternativa.
3. Establecer un estadístico de prueba adecuado (Evidencia).
4. Seleccionar un nivel de significación 𝛼 .
5. Establecer la regla de decisión.
6. Obtener la conclusión:
• Establecer si se debe Rechazar o no 𝑯𝟎 .
• Expresar los hallazgos en términos del problema.
 ¿Qué es estadístico de prueba?
Es una cantidad calculada a partir de datos de muestra y se utiliza para determinar si se puede rechazar o
no la hipótesis nula (Evidencia). Un estadístico de prueba es:

• Una variable aleatoria.

• Tiene una distribución conocida.
• Vincula el parámetro de interés de las hipótesis estadísticas con un estimador de dicho parámetro.

Así, por ejemplo:

El estadístico de prueba adecuado para una hipótesis sobre 𝜇 se debe basar en la variable aleatoria 𝑋ത (Si la
situación cumple las condiciones del teorema de limite central):
Es un estadístico de prueba, porque es
𝑋ത − 𝜇
una variable aleatoria, con distribución
𝜎 ∼ 𝑁𝑜𝑟𝑚𝑎𝑙 0,1
conocida (Normal estándar), y que
relaciona al parámetro 𝜇 con su 𝑛
estimador 𝑋.ത

En el proceso de prueba de hipótesis se asume que 𝐻0 es verdadera hasta que se demuestre lo contrario
𝐻0 : 𝜇 = 𝜇0 . Por lo que (Si la situación cumple las condiciones del teorema de limite central):

𝑋ത − 𝜇0
También se le suele llamar: 𝑍𝑐 = 𝜎 ∼ 𝑁𝑜𝑟𝑚𝑎𝑙 0,1
Estadístico calculado. 𝑛
 ¿CÓMO SE DECIDE SI SE RECHAZA O NO LA HIPÓTESIS NULA?
Si suponemos el siguiente sistema de hipótesis:

𝐻0 : 𝜇 = 𝜇0 𝑉𝑠 𝐻1 : 𝜇 < 𝜇0

Entonces, ¿Cómo se
decide entre 𝐻0 o 𝐻1 ?

Si la diferencia entre 𝑋ത 𝑦 𝜇 nos da negativa entonces Si la diferencia entre 𝑋ത 𝑦 𝜇 es muy pequeña

tendríamos razón para rechazar la hipótesis nula entonces tendríamos razón para no rechazar
(Porque significa que 𝑋ത está muy por debajo de 𝜇). la hipótesis nula.

Esto indica que los valores que puede tomar el estadístico de prueba de dividen en dos regiones:

Por ejemplo, si:

𝐻0 : 𝜇 = 𝜇0 𝑉𝑠 𝐻1 : 𝜇 < 𝜇0 Región de rechazo 𝑯𝟎 Región de no rechazo 𝑯𝟎

Observe que la región de rechazo 𝑯𝟎 (Apoyo a 𝑯𝟏 ) se ubica en el sentido de la hipótesis alternativa 𝑯𝟏

Entonces para elegir entre la hipótesis nula (𝑯𝟎 ) o la hipótesis alternativa (𝑯𝟏 ) se debe formular una
regla de decisión.
 ¿CÓMO SE DECIDE SI SE RECHAZA O NO LA HIPÓTESIS NULA?
Entonces para elegir entre la hipótesis nula (𝐻0 ) o la hipótesis alternativa (𝐻1 ) se debe formular
una regla de decisión, para establecerla es necesario identificar un valor crítico (Estadístico de
contraste).
Un valor crítico es un punto en la distribución
𝐻0 : 𝜇 = 𝜇0 𝑉𝑠 𝐻1 : 𝜇 < 𝜇0
del estadístico de prueba (Suponiendo que la
Región de rechazo 𝑯𝟎 Región de no rechazo 𝑯𝟎 hipótesis nula es cierta) que define un conjunto
de valores que apoyan o no el rechazo de la
Valor crítico hipótesis nula.

Entonces, la regla de decisión sería:

ത 0
𝑋−𝜇
• Rechazamos 𝐻0 si: Z𝑐 = 𝜎 < 𝑉𝑎𝑙𝑜𝑟 𝑐𝑟í𝑡𝑖𝑐𝑜
𝑛

Si el estadístico de prueba 𝑍𝑐 cae en la región de rechazo (Asumiendo que 𝐻0 es verdadera)

estaríamos cometiendo el error de tipo I (𝛼 = 𝑃 𝑅𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝐻0 |𝐻0 𝑒𝑠 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑎 ). Entonces:
el nivel de significación 𝛼 determina, conjuntamente con la distribución del estadístico de
prueba, cuál va a ser el valor crítico.
𝛼 1−𝛼

𝑍𝛼 debe ser aquel valor de la variable

normal estándar que acumula un área de Región de rechazo 𝑯 Región de no rechazo 𝑯𝟎
𝟎
𝛼 a su izquierda (𝑃 𝑍 < 𝑍𝛼 = 𝛼).
Valor crítico 𝑍𝛼
¿CÓMO SE DECIDE SI SE RECHAZA O NO LA HIPÓTESIS NULA?

𝐻0 : 𝜇 = 𝜇0 𝑉𝑠 𝐻1 : 𝜇 < 𝜇0
𝑃 𝑍 < 𝑍𝛼 = 𝛼
La regla de decisión sería:
ത
𝑋−𝜇
• Rechazamos 𝐻0 si: Z𝑐 = 𝜎 0 < 𝑍𝛼 Región de Región de no
𝑛 𝑍
rechazo 𝑯𝟎 𝛼 rechazo 𝑯𝟎

𝐻0 : 𝜇 = 𝜇0 𝑉𝑠 𝐻1 : 𝜇 > 𝜇0 𝑃 𝑍 < 𝑍1−𝛼 = 1 − 𝛼

La regla de decisión sería:

ത
𝑋−𝜇
• Rechazamos 𝐻0 si: Z𝑐 = 𝜎 0 > 𝑍1−𝛼 Región de no
𝑍1−𝛼 Región de
𝑛 rechazo 𝑯𝟎 rechazo 𝑯𝟎

𝐻0 : 𝜇 = 𝜇0 𝑉𝑠 𝐻1 : 𝜇 ≠ 𝜇0
𝛼
𝑃 𝑍 < 𝑍𝛼 =
Región de 2 2
La regla de decisión sería: no rechazo 𝛼
• Rechazamos 𝐻0 si: 𝑯𝟎 𝑃 𝑍 < 𝑍1−𝛼 = 1 −
2 2
𝑋ത − 𝜇0 𝑋ത − 𝜇0
Z𝑐 = 𝜎 < 𝑍𝛼 𝑜 Z𝑐 = 𝜎 > 𝑍1−𝛼 Región de 𝑍𝛼 𝑍1−𝛼 Región de
2 2 rechazo 𝑯𝟎 2 2 rechazo 𝑯𝟎
𝑛 𝑛
 PRUEBAS PARA LA MEDIA DE UNA POBLACIÓN: SE CONOCE LA DESVIACIÓN
ESTÁNDAR POBLACIONAL
Ejemplo 1:

En 2001, el U.S. Department Labor informó que el salario por hora promedio para los
trabajadores de la producción en Estados Unidos era $14.32 por hora (The World Almanac
2003). En 2003, en una muestra de 75 trabajadores de la producción, la media muestral fue
$14.68 por hora. Si la desviación estándar poblacional es $1.45, ¿Se puede concluir que ha
habido un aumento en la media del salario por hora? Use un nivel de significancia del 0.05.

X: Salario por hora para los trabajadores de la producción en Estados Unidos.

𝐻0 : 𝜇 = 14.32 𝑉𝑠 𝐻1 : 𝜇 > 14.32

𝑛 = 75 𝑀𝑢𝑒𝑠𝑡𝑟𝑎 𝑔𝑟𝑎𝑛𝑑𝑒

El estadístico de prueba adecuado es:

𝑋ത − 𝜇0
𝑍𝑐 = 𝜎
𝑛
El nivel de significancia 𝛼 = 0.05.
 PRUEBAS PARA LA MEDIA DE UNA POBLACIÓN: SE CONOCE LA DESVIACIÓN
ESTÁNDAR POBLACIONAL
Ejemplo 1:

Rechazo 𝑯𝟎 si: 𝑃 𝑍 < 𝑍1−𝛼 = 1 − 𝛼

𝑃 𝑍 < 𝑍1−0.05 = 1 − 0.05

𝑃 𝑍 < 𝑍0.95 = 0.95
Región de no Región de
rechazo 𝑯𝟎 1.64 rechazo 𝑯𝟎 𝑍0.95 =1.64
La regla de decisión sería:
ത
𝑋−𝜇
• Rechazamos 𝐻0 si: Z𝑐 = 𝜎 0 > 1.64
𝑛

Entonces: 𝑛 = 75
𝑋ത = 14.68
𝜎 = 1.45 14.68 − 14.32
𝑍𝑐 = = 2.15
𝜇0 = 14.32 1.45
75

De acuerdo con lo anterior: 𝑍𝑐 = 2.15 > 1.64 entonces se rechaza 𝐻0 .

Por lo tanto con un nivel de significancia de 0.05 se puede decir que existe evidencia para concluir
que hay un aumento salarial por hora.
 EJERCICIO
Heinz, un fabricante de salsa de tomate, utiliza una máquina para vaciar 16 onzas de su salsa en botellas.
A partir de su experiencia de varios años con la máquina despachadora, la empresa sabe que la cantidad
del producto en cada botella tiene una distribución normal con una media de 16 onzas y una desviación
estándar de 0.15 onzas. Una muestra de 50 botellas llenadas durante la hora pasada reveló que la
cantidad media por botella era de 16.017 onzas. ¿Sugiere la evidencia que la cantidad media despachada
es diferente de 16 onzas? Utilice un nivel de significancia de 0.05.
PRUEBAS PARA LA MEDIA DE UNA POBLACIÓN: SE DESCONOCE LA DESVIACIÓN
ESTÁNDAR POBLACIONAL

Tamaño de muestra grande 𝒏 ≥ 𝟑𝟎 Tamaño de muestra pequeño 𝐧 < 𝟑𝟎 y

población normal
𝑯𝟎 : 𝝁 = 𝝁𝟎 𝑽𝒔 𝑯𝟏 : 𝝁 < 𝝁𝟎
𝑯𝟎 : 𝝁 = 𝝁𝟎 𝑽𝒔 𝑯𝟏 : 𝝁 < 𝝁𝟎
La regla de decisión sería:
ത 0
𝑋−𝜇 La regla de decisión sería:
• Rechazamos 𝐻0 si: Z𝑐 = 𝑆 < 𝑍𝛼 ത 0
𝑋−𝜇
𝑛 • Rechazamos 𝐻0 si: 𝑡𝑐 = < −𝑡𝛼,𝑛−1
𝑠Τ 𝑛
𝑯𝟎 : 𝝁 = 𝝁𝟎 𝑽𝒔 𝑯𝟏 : 𝝁 > 𝝁𝟎
𝑯𝟎 : 𝝁 = 𝝁𝟎 𝑽𝒔 𝑯𝟏 : 𝝁 > 𝝁𝟎
La regla de decisión sería:
ത 0
𝑋−𝜇 La regla de decisión sería:
• Rechazamos 𝐻0 si: Z𝑐 = 𝑆 > 𝑍1−𝛼 ത 0
𝑋−𝜇
𝑛 • Rechazamos 𝐻0 si: 𝑡𝑐 = 𝑠Τ 𝑛
> 𝑡𝛼,𝑛−1

𝑯𝟎 : 𝝁 = 𝝁𝟎 𝑽𝒔 𝑯𝟏 : 𝝁 ≠ 𝝁𝟎 𝑯𝟎 : 𝝁 = 𝝁𝟎 𝑽𝒔 𝑯𝟏 : 𝝁 ≠ 𝝁𝟎

La regla de decisión sería: La regla de decisión sería:

• Rechazamos 𝐻0 si: • Rechazamos 𝐻0 si:
𝑋ത − 𝜇0 𝑋ത − 𝜇0
Z𝑐 = 𝜎 < 𝑍𝛼 𝑜 Z𝑐 = 𝜎 > 𝑍1−𝛼
2 2 𝑋ത − 𝜇0 𝑋ത − 𝜇0
𝑛 𝑛 𝑡𝑐 = < −𝑡𝛼,𝑛−1 𝑜 𝑡𝑐 = > 𝑡𝛼,𝑛−1
𝑠Τ 𝑛 2 𝑠Τ 𝑛 2
 PRUEBAS PARA LA MEDIA DE UNA POBLACIÓN: SE DESCONOCE LA DESVIACIÓN
ESTÁNDAR POBLACIONAL
Ejemplo 2:

El Edison Electric Institute publica cifras del número de kilowatts-hora que gastan anualmente
varios aparatos electrodomésticos. Se afirma que una aspiradora gasta un promedio de 46
kilowatts-hora al año. Si una muestra aleatoria de 16 hogares, que se incluye en un estudio
planeado, indica que las aspiradoras gastan un promedio de 42 kilowatts-hora al año con una
desviación estándar de 11.9 kilowatts-hora. ¿Esto sugiere que las aspiradoras gastan, en
promedio, menos de 46 kilowatts-hora al año a un nivel de significancia de 0.05? Suponga que
la población de kilowatts-hora es normal.

X: Número de kilowatts-hora que gastan anualmente varios aparatos electrodomésticos

𝐻0 : 𝜇 = 46 𝑉𝑠 𝐻1 : 𝜇 < 46

𝑛 = 12 𝑀𝑢𝑒𝑠𝑡𝑟𝑎 𝑝𝑒𝑞𝑢𝑒ñ𝑎 𝑦 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑒𝑠 𝑛𝑜𝑟𝑚𝑎𝑙

El estadístico de prueba adecuado es:

𝑋ത − 𝜇0
𝑡𝑐 =
𝑆Τ 𝑛
El nivel de significancia 𝛼 = 0.05.
 PRUEBAS PARA LA MEDIA DE UNA POBLACIÓN: SE DESCONOCE LA DESVIACIÓN
ESTÁNDAR POBLACIONAL
Ejemplo 2:
𝑃 𝑡𝑛−1 > 𝑡𝛼 = 𝛼
Rechazo 𝑯𝟎 si:
𝑃 𝑡15 > 𝑡0.05 = 0.05

𝑡0.05 = 1.753
Región de −1.753 Región de no
rechazo 𝑯𝟎 rechazo 𝑯𝟎

La regla de decisión sería:

ത
𝑋−𝜇
• Rechazamos 𝐻0 si: 𝑡𝑐 = 𝑆Τ 𝑛0 < −1.753

Entonces: 𝑛 = 16
𝑋ത = 42 42 − 46
𝑆 = 11.9 𝑡𝑐 = = −1.34
11.9
𝜇0 = 46 16

De acuerdo con lo anterior: 𝑡𝑐 = −1.34 > −1.753 entonces se no rechaza 𝐻0 .

Por lo tanto con un nivel de significancia de 0.05 se puede decir que existe evidencia para concluir
que el consumo promedio de kilowatts-hora al año no es menor a 46.
 EJERCICIO
La longitud media de una pequeña barra de contrapeso es de 43 milímetros. Al supervisor de
producción le preocupa que hayan cambiado los ajustes de la máquina de producción de
barras. Solicita una investigación al departamento de ingeniería, que selecciona una muestra
aleatoria de 12 barras y las mide. Los resultados aparecen en seguida, expresados en
milímetros, 42,39,42,45,43,40,39,41,40,42,43,42. ¿Es razonable concluir que cambió la
longitud media de las barras? Utilice el nivel de significancia 0.02 (Suponga que la población
es normal).
PRUEBAS DE HIPÓTESIS PARA LA PROPORCIÓN POBLACIONAL

𝐻0 : 𝑃 = 𝑝0 𝑉𝑠 𝐻1 : 𝑃 < 𝑝0
𝑃 𝑍 < 𝑍𝛼 = 𝛼
La regla de decisión sería:
ො 0
𝑝−𝑝
• Rechazamos 𝐻0 si: Z𝑐 = < 𝑍𝛼 Región de Región de no
𝑝0 1−𝑝0 𝑍
rechazo 𝑯𝟎 𝛼
𝑛 rechazo 𝑯𝟎

𝐻0 : 𝑃 = 𝑝0 𝑉𝑠 𝐻1 : 𝑃 > 𝑝0 𝑃 𝑍 < 𝑍1−𝛼 = 1 − 𝛼

La regla de decisión sería:

𝑝−𝑝
Ƹ 0
• Rechazamos 𝐻0 si: Z𝑐 = > 𝑍1−𝛼 Región de no Región de
𝑝0 1−𝑝0
rechazo 𝑯𝟎
𝑍1−𝛼
𝑛 rechazo 𝑯𝟎

𝐻0 : 𝑃 = 𝑝0 𝑉𝑠 𝐻1 : 𝑃 ≠ 𝑝0 𝛼
𝑃 𝑍 < 𝑍𝛼 =
2 2
La regla de decisión sería: Región de
𝛼
• Rechazamos 𝐻0 si: no rechazo
𝑯𝟎
𝑃 𝑍 < 𝑍1−𝛼 = 1 −
2 2
𝑝Ƹ − 𝑝0 𝑝Ƹ − 𝑝0
Z𝑐 = < 𝑍𝛼 𝑜 Z𝑐 = > 𝑍1−𝛼 𝑍1−𝛼 Región de
𝑝0 1 − 𝑝0 2 𝑝0 1 − 𝑝0 2 Región de 𝑍𝛼
rechazo 𝑯𝟎 2 2 rechazo 𝑯𝟎
𝑛 𝑛
 PRUEBAS DE HIPÓTESIS PARA LA PROPORCIÓN POBLACIONAL
Ejemplo 3:

El gerente de una empresa de producción asegura que su proceso genera una proporción de
unidades defectuosas menor a 5%, al tomar una muestra de su producto se obtiene que de
200 unidades revisadas, un total de 15 unidades fueron defectuosas. Realizar una prueba de
hipótesis con un nivel de significancia del 0.01. ¿Los datos contradicen al gerente de la
empresa?

X: Cantidad de unidad defectuosas producidas

𝐻0 : 𝑃 = 0.05 𝑉𝑠 𝐻1 : 𝑃 > 0.05

15
𝑛 = 200 𝑥 = 15 𝑝Ƹ = = 0.075
200

El estadístico de prueba adecuado es:

𝑝Ƹ − 𝑝0
𝑍𝑐 =
𝑝0 1 − 𝑝0
𝑛
El nivel de significancia 𝛼 = 0.01.
 PRUEBAS DE HIPÓTESIS PARA LA PROPORCIÓN POBLACIONAL
Ejemplo 3:

Rechazo 𝑯𝟎 si:
𝑃 𝑍 < 𝑍1−𝛼 = 1 − 𝛼

𝑃 𝑍 < 𝑍1−0.01 = 1 − 0.01

Región de no Región de 𝑃 𝑍 < 𝑍0.99 = 0.99
rechazo 𝑯𝟎 2.33 rechazo 𝑯𝟎
La regla de decisión sería: 𝑍0.99 = 2.33
𝑝−𝑝
Ƹ 0
• Rechazamos 𝐻0 si: Z𝑐 = 𝑝0 1−𝑝0
> 2.33
𝑛

Entonces:

𝑛 = 200 0.075 − 0.05

𝑍𝑐 = = 1.62
𝑝Ƹ = 0.075 0.05 1 − 0.05
𝑃0 = 0.05 200

De acuerdo con lo anterior: 𝑍𝑐 = 1.62 < 2.33 entonces no se rechaza 𝐻0 .

Por lo tanto con un nivel de significancia de 0.01 se puede decir que existe evidencia para creer la
afirmación del productor.
 EJERCICIO
Se desea probar si existe un cambio en la proporción de 0.4 de mujeres en la
carrera de ingeniería industrial. En la última fecha de inscripciones para el ingreso
se seleccionó una muestra de 200 potenciales estudiantes y se obtuvo que 90 de
ellos eran mujeres. Use un nivel de significancia del 0.01.
 PRUEBAS DE HIPÓTESIS PARA LA VARIANZA POBLACIONAL

𝐻0 : 𝜎 2 = 𝜎02 𝑉𝑠 𝐻1 : 𝜎 2 < 𝜎02 2

𝑃 𝜒𝑛−1 < 𝜒𝛼2 = 𝛼
La regla de decisión sería:
𝑛−1 𝑠 2
• Rechazamos 𝐻0 si: 𝜒𝑐2 = 2
< 𝜒𝛼,𝑛−1
𝜎02
Región de 2 Región de no
𝜒
rechazo 𝑯𝟎 𝛼,𝑛−1 rechazo 𝑯𝟎

2 2
𝐻0 : 𝜎2 = 𝜎02 𝑉𝑠 𝐻1 : 𝜎2 > 𝜎02 𝑃 𝜒𝑛−1 < 𝜒1−𝛼 =1−𝛼

La regla de decisión sería:

𝑛−1 𝑠 2
• Rechazamos 𝐻0 si: 𝜒𝑐2 = 𝜎02
2
> 𝜒1−𝛼,𝑛−1 Región de no 2 Región de
rechazo 𝑯𝟎 𝜒1−𝛼,𝑛−1 rechazo 𝑯𝟎

𝛼
𝐻0 : 𝜎 2 = 𝜎02 𝑉𝑠 𝐻1 : 𝜎 2 ≠ 𝜎02 2
𝑃 𝜒𝑛−1 < 𝜒𝛼2 =
2
2

La regla de decisión sería: 2 2 𝛼

Región de 𝑃 𝜒𝑛−1 < 𝜒1−𝛼 =1−
2 2
no rechazo
• Rechazamos 𝐻0 si: 𝑯𝟎
Región de
2
𝑛 − 1 𝑠2 2 2
𝑛 − 1 𝑠2 2 rechazo 𝑯𝟎 𝜒𝛼2 ,𝑛−1
2
𝜒1− 𝛼
Región de
𝜒𝑐 = 2 < 𝜒𝛼,𝑛−1 𝑜 𝜒𝑐 = 2 > 𝜒1−𝛼
2 2,𝑛−1 rechazo 𝑯𝟎
𝜎0 2 𝜎0 2
,𝑛−1
 PRUEBAS DE HIPÓTESIS PARA LA VARIANZA POBLACIONAL
Ejemplo 4:

Una máquina de llenado de botellas debe estar programada para efectuar un llenado con una
desviación estándar no superior a 5ml. Para probar que esto se está cumpliendo eso se
extrajeron aleatoriamente 20 botellas de llenado y se encontró que S = 6.2. Se supone que los
datos están normalmente distribuidos. Si se desea evaluar la calidad de la máquina de llenado,
¿Se podría decir que la máquina se encuentra fuera de control (Use un nivel de significancia de
0.05)?

X: Volumen de llenado de las botellas

𝐻0 : 𝜎 2 = 25 𝑉𝑠 𝐻1 : 𝜎 2 > 25

𝑛 = 20 𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑒𝑠 𝑛𝑜𝑟𝑚𝑎𝑙

El estadístico de prueba adecuado es:

𝑛 − 1 𝑠2
𝜒𝑐2 =
𝜎02
El nivel de significancia 𝛼 = 0.05.
 PRUEBAS DE HIPÓTESIS PARA LA VARIANZA POBLACIONAL
Ejemplo 4:

Rechazo 𝑯𝟎 si:
2 2
𝑃 𝜒𝑛−1 < 𝜒1−𝛼 =1−𝛼
2 2
𝑃 𝜒19 < 𝜒0.95 = 0.95

Región de no 30.15 Región de 2

rechazo 𝑯𝟎 rechazo 𝑯𝟎
𝜒0.95 = 30.15
La regla de decisión sería:
𝑛−1 𝑠 2
• Rechazamos 𝐻0 si: 𝜒𝑐2 = > 30.15
𝜎02

Entonces:
𝑛 = 20
𝑆 = 6.2 𝑛 − 1 𝑠2 20 − 1 6.22
𝜒𝑐2 = = = 29.2144
𝜎02 25

De acuerdo con lo anterior:𝜒𝑐2 = 29.2144 < 30.15 entonces no se rechaza 𝐻0 .

Por lo tanto con un nivel de significancia de 0.01 se puede decir que existe evidencia para creer que
la máquina se encuentra bajo control.
 EJERCICIO
Metrocali (mio) desea dar una imagen de confiabilidad haciendo que sus conductores sean
puntuales en los horarios de llegada a las paradas. La empresa desea que haya poca
variabilidad en dichos tiempos. En términos de la varianza de los tiempos de llegada de las
paradas, la empresa considera que la varianza deber ser de 4 𝑚𝑖𝑛2 o menos. Asuma que en
una muestra aleatoria de 24 llegadas a cierta parada en una intersección en el centro de la
ciudad, la varianza muestral encontrada es 10 𝑚𝑖𝑛2 (Suponga normalidad). Esta prueba de
hipótesis se realiza con un nivel de significancia de 0.05. ¿Podemos considerar que Metrocali
nos está mintiendo?