CONCEPTO

Afirmacin acerca de los parmetros de la poblacin.

Etapas Bsicas en Pruebas de Hiptesis.
Al realizar pruebas de hiptesis, se parte de un valor supuesto (hipottico) en parmetro poblacional.
Despus de recolectar una muestra aleatoria, se compara la estadstica muestral, as como la media
(x), con el parmetro hipottico, se compara con una supuesta media poblacional (). Despus se
acepta o se rechaza el valor hipottico, segn proceda. Se rechaza el valor hipottico slo si el
resultado muestral resulta muy poco probable cuando la hiptesis es cierta.
Etapa 1.- Planear la hiptesis nula y la hiptesis alternativa. La hiptesis nula (H0) es el valor hipottico del
parmetro que se compra con el resultado muestral resulta muy poco probable cuando la hiptesis es cierta.
Etapa 2.- Especificar el nivel de significancia que se va a utilizar. El nivel de significancia del 5%, entonces se
rechaza la hiptesis nula solamente si el resultado muestral es tan diferente del valor hipottico que una
diferencia de esa magnitud o mayor, pudiera ocurrir aleatoria mente con una probabilidad de 1.05 o menos.
Etapa 3.- Elegir la estadstica de prueba. La estadstica de prueba puede ser la estadstica muestral (el
estimador no segado del parmetro que se prueba) o una versin transformada de esa estadstica muestral.
Por ejemplo, para probar el valor hipottico de una media poblacional, se toma la media de una muestra
aleatoria de esa distribucin normal, entonces es comn que se transforme la media en un valor z el cual, a su
vez, sirve como estadstica de prueba.
Consecuencias de las Decisiones en Pruebas de Hiptesis.
Decisiones Posibles

Aceptar la Hiptesis Nula

Rechazar la Hiptesis Nula
Etapa 4.- Establecer el valor o valores crticos de la estadstica de prueba. Habiendo especificado la hiptesis
nula, el nivel de significancia y la estadstica de prueba que se van a utilizar, se produce a establecer el o los
valores crticos de estadstica de prueba. Puede haber uno o ms de esos valores, dependiendo de si se va a
realizar una prueba de uno o dos extremos.
Etapa 5.- Determinar el valor real de la estadstica de prueba. Por ejemplo, al probar un valor hipottico de la
media poblacional, se toma una muestra aleatoria y se determina el valor de la media muestral. Si el valor
crtico que se establece es un valor de z, entonces se transforma la media muestral en un valor de z.
Etapa 6.- Tomar la decisin. Se compara el valor observado de la estadstica muestral con el valor (o valores)
crticos de la estadstica de prueba. Despus se acepta o se rechaza la hiptesis nula. Si se rechaza sta, se
acepta la alternativa; a su vez, esta decisin tendr efecto sobre otras decisiones de los administradores
operativos, como por ejemplo, mantener o no un estndar de desempeo o cul de
dos estrategias demercadotecnia utilizar.
La distribucin apropiada de la prueba estadstica se divide en dos regiones: una regin de rechazo y una
de no rechazo. Si la prueba estadstica cae en esta ltima regin no se puede rechazar la hiptesis nula y se
llega a la conclusin de que el proceso funciona correctamente.
Al tomar la decisin con respecto a la hiptesis nula, se debe determinar el valor crtico en la distribucin
estadstica que divide la regin del rechazo (en la cual la hiptesis nula no se puede rechazar) de la regin de
rechazo. A hora bien el valor crtico depende del tamao de la regin de rechazo.
PASOS DE LA PRUEBA DE HIPTESIS
1.
Expresar la hiptesis nula
2.
3.

Expresar la hiptesis alternativa

4.

Especificar el nivel de significanca

5.

Determinar el tamao de la muestra

6.

Establecer los valores crticos que establecen las regiones de rechazo de las de no rechazo.

7.

Determinar la prueba estadstica.

8.

Coleccionar los datos y calcular el valor de la muestra de la prueba estadstica apropiada.

9.

Determinar si la prueba estadstica ha sido en la zona de rechazo a una de no rechazo.

10.

Determinar la decisin estadstica.

11.

Expresar la decisin estadstica en trminos del problema.

CONCEPTOS BSICOS PARA EL PROCEDIMIENTO DE PRUEBAS DE HIPTESIS.

Hiptesis Estadstica:
Al intentar alcanzar una decisin, es til hacer hiptesis (o conjeturas) sobre la poblacin aplicada.
Tales hiptesis, que pueden ser o no ciertas, se llaman hiptesis estadsticas.
Son, en general, enunciados acerca de las distribuciones de probabilidad de las poblaciones.
Hiptesis Nula.
En muchos casos formulamos una hiptesis estadstica con el nico propsito de rechazarla o invalidarla. As,
si queremos decidir si una moneda est trucada, formulamos la hiptesis de que la moneda es buena (o sea p
= 0,5, donde p es la probabilidad de cara).
Analgicamente, si deseamos decidir si un procedimiento es mejor que otro, formulamos la hiptesis de que
no hay diferencia entre ellos (o sea. Que cualquier diferencia observada se debe simplemente a fluctuaciones
en el muestreo de la misma poblacin). Tales hiptesis se suelen llamar hiptesis nula y se denotan por Ho.
Para todo tipo de investigacin en la que tenemos dos o ms grupos, se establecer una hiptesis nula.
La hiptesis nula es aquella que nos dice que no existen diferencias significativas entre los grupos.
Por ejemplo, supongamos que un investigador cree que si un grupo de jvenes se somete a
un entrenamiento intensivo de natacin, stos sern mejores nadadores que aquellos que no recibieron
entrenamiento. Para demostrar su hiptesis toma al azar una muestra de jvenes, y tambin al azar los
distribuye en dos grupos: uno que llamaremos experimental, el cual recibir entrenamiento, y otro que no
recibir entrenamiento alguno, al que llamaremos control. La hiptesis nula sealar que no hay diferencia en
el desempeo de la natacin entre el grupo de jvenes que recibi el entrenamiento y el que no lo recibi.
Una hiptesis nula es importante por varias razones:
Es una hiptesis que se acepta o se rechaza segn el resultado de la investigacin.
El hecho de contar con una hiptesis nula ayuda a determinar si existe una diferencia entre los grupos, si esta
diferencia es significativa, y si no se debi al azar.
No toda investigacin precisa de formular hiptesis nula. Recordemos que la hiptesis nula es aquella por la
cual indicamos que la informacin a obtener es contraria a la hiptesis de trabajo.
Al formular esta hiptesis, se pretende negar la variable independiente. Es decir, se enuncia que la causa
determinada como origen del problema flucta, por tanto, debe rechazarse como tal.
Otro ejemplo:
Hiptesis: el aprendizaje de los nios se relaciona directamente con su edad.
Hiptesis Alternativa.
Toda hiptesis que difiere de una dada se llamar una hiptesis alternativa. Por ejemplo: Si una hiptesis es p
= 0,5, hiptesis alternativa podran ser p = 0,7, p " 0,5 p > 0,5.
Una hiptesis alternativa a la hiptesis nula se denotar por H1.
Al responder a un problema, es muy conveniente proponer otras hiptesis en que
aparezcan variables independientes distintas de las primeras que formulamos. Por tanto, para no
perder tiempo en bsquedas intiles, es necesario hallar diferentes hiptesis alternativas como respuesta a un
mismo problema y elegir entre ellas cules y en qu orden vamos a tratar su comprobacin.
Las hiptesis, naturalmente, sern diferentes segn el tipo de investigacin que se est realizando. En los
estudios exploratorios, a veces, el objetivo de la investigacin podr ser simplemente el de obtener los

mnimos conocimientos que permitan formular una hiptesis. Tambin es aceptable que, en este caso,
resulten poco precisas, como cuando afirmamos que "existe algn tipo de problema social en tal grupo", o que
losplanetas poseen algn tipo de atmsfera, sin especificar de qu elementos est compuesto.
Los trabajos de ndole descriptiva generalmente presentan hiptesis del tipo "todos los X poseen, en alguna
medida, las caracterstica Y". Por ejemplo, podemos decir que todas las naciones poseen
algn comercio internacional, y dedicarnos a describir, cuantificando, las relaciones comerciales entre ellas.
Tambin podemos hacer afirmaciones del tipo "X pertenece al tipo Y", como cuando decimos que
una tecnologa es capital - intensiva. En estos casos, describimos, clasificndolo, el objeto de nuestro inters,
incluyndolo en un tipo ideal complejo de orden superior.
Por ltimo, podemos construir hiptesis del tipo "X produce (o afecta) a Y", donde estaremos en presencia de
una relacin entre variables.
Errores de tipo I y de tipo II.
Si rechazamos una hiptesis cuando debiera ser aceptada, diremos que se ha cometido un error de tipo I.
Por otra parte, si aceptamos una hiptesis que debiera ser rechazada, diremos que se cometi un error de
tipo II.
En ambos casos, se ha producido un juicio errneo.
Para que las reglas de decisin (o no contraste de hiptesis) sean buenos, deben disearse de modo que
minimicen los errores de la decisin; y no es una cuestin sencilla, porque para cualquier tamao de la
muestra, un intento de disminuir un tipo de error suele ir acompaado de un crecimiento del otro tipo. En la
prctica, un tipo de error puede ser ms grave que el otro, y debe alcanzarse un compromiso que disminuya
el error ms grave.
La nica forma de disminuir ambos a la vez es aumentar el tamao de la muestra que no siempre es posible.
Niveles de Significacin.
Al contrastar una cierta hiptesis, la mxima probabilidad con la que estamos dispuesto a correr el riesgo de
cometern error de tipo I, se llama nivel de significacin.
Esta probabilidad, denota a menudo por se, suele especificar antes de tomar la muestra, de manera que los
resultados obtenidos no influyan en nuestra eleccin.
En la prctica, es frecuente un nivel de significacin de 0,05 0,01, si bien se une otros valores. Si por
ejemplo se escoge el nivel de significacin 0,05 ( 5%) al disear una regla de decisin, entonces hay unas
cinco (05) oportunidades entre 100 de rechazar la hiptesis cuando debiera haberse aceptado; Es decir,
tenemos un 95% de confianza de que hemos adoptado la decisin correcta. En tal caso decimos que la
hiptesis ha sido rechazada al nivel de significacin 0,05, lo cual quiere decir que tal hiptesis tiene una
probabilidad 0,05 de ser falsa.
Prueba de Uno y Dos Extremos.
Cuando estudiamos ambos valores estadsticos es decir, ambos lados de la media lo llamamos prueba de uno
y dos extremos o contraste de una y dos colas.
Con frecuencia no obstante, estaremos interesados tan slo en valores extremos a un lado de la media (o
sea, en uno de los extremos de la distribucin), tal como sucede cuando se contrasta la hiptesis de que un
proceso es mejor que otro (lo cual no es lo mismo que contrastar si un proceso es mejor o peor que el otro)
tales contrastes se llaman unilaterales, o de un extremo. En tales situaciones, la regin crtica es una regin
situada a un lado de la distribucin, con rea igual al nivel de significacin.
Curva Caracterstica Operativa Y Curva De Potencia
Podemos limitar un error de tipo I eligiendo adecuadamente el nivel de significancia. Es posible evitar el riesgo
de cometer el error tipo II simplemente no aceptando nunca la hiptesis, pero en muchas aplicaciones
prcticas esto es inviable. En tales casos, se suele recurrir a curvas caractersticas de operacin o curvas
de potencia que son grficos que muestran las probabilidades de error de tipo II bajo diversas hiptesis.
Proporcionan indicaciones de hasta que punto un test dado nos permitir evitar un error de tipo II; es decir,
nos indicarn la potencia de un test a la hora de prevenir decisiones errneas. Son tiles en
el diseo de experimentos por que sugieren entre otras cosas el tamao de muestra a manejar.
Pruebas de hiptesis para la media y proporciones
Debido a la dificultad de explicar este tema se enfocar un problema basado en un estudio en una fbrica de
llantas.

En este problema la fbrica de llantas tiene dos turnos de operarios, turno de da y turno mixto. Se selecciona
una muestra aleatoria de 100 llantas producidas por cada turno para ayudar al gerente a sacar conclusiones
de cada una de las siguientes preguntas:
1.- Es la duracin promedio de las llantas producidas en el turno de da igual a 25 000 millas?
2.- Es la duracin promedio de las llantas producidas en el turno mixto menor de 25 000 millas?
3.- Se revienta ms de un 8% de las llantas producidas por el turno de da antes de las 10 000 millas?
Prueba De Hiptesis Para La Media
En la fbrica de llantas la hiptesis nula y alternativa para el problema se plantearon como sigue:
Ho: = 25 000
H1: 25 000

Si se considera la desviacin estndar las llantas producidas en el turno de da, entonces, con base en el
teorema de limite central, la distribucin en el muestreo de la media seguira la distribucin normal, y la prueba
estadstica que esta basada en la diferencia entre la media
de la muestra y la media hipottica se
encontrara como sigue:
Para ver el grfico seleccione la opcin "Descargar" del men superior
Si el tamao de la regin de rechazo se estableciera en 5% entonces se podran determinar los valores
crticos de la distribucin. Dado que la regin de rechazo esta dividida en las dos colas de la distribucin, el
5% se divide en dos partes iguales de 2.5%.
Dado que ya se tiene la distribucin normal, los valores crticos se pueden expresar en unidades de
desviacin. Una regin de rechazo de 0.25 en cada cola de la distribucin normal, da por resultado un rea de
.475 entre la media hipottica y el valor crtico. Si se busca est rea en la distribucin normal, se encuentra
que los valores crticos que dividen las regiones de rechazo y no rechazo son + 1.96 y - 1.96

Por tanto, la regla para decisin sera:

Rechazar Ho si Z > + 1.96
O si Z < - 1.96
De lo contrario, no rechazar Ho
No obstante, en la mayor parte de los casos se desconoce la desviacin estndar

de la poblacin. La

desviacin estndar se estima al calcular S, la desviacin estndar de la muestra. Si se supone que la

poblacin es normal la distribucin en el muestreo de la media seguira una distribucin t con n-1 grados
de libertad. En la prctica, se a encontrado que siempre y cuando el tamao de la muestra no sea muy
pequeo y la poblacin no este muy sesgada, la distribucin t da una buena aproximacin a la distribucin de
muestra de la media. La prueba estadstica para determinar la diferencia entre la media
de la muestra y
la media

de la poblacin cuando se utiliza la desviacin estndar S de la muestra, se expresa con:

Para una muestra de 100, si se selecciona un nivel de significanca

de .05, los valores crticos de la

distribucin t con 100-1= 99 grados de libertad se puede obtener como se indica en la siguiente tabla:
Para ver el grfico seleccione la opcin "Descargar" del men superior
Como esta prueba de dos colas, la regin de rechazo de .05 se vuelve a dividir en dos partes iguales de .025
cada una. Con el uso de las tablas para t, los valores crticos son 1.984 y +1.984. la regla para la decisin es:
Rechazar Ho si
>+1.984
O si

- 1.984

De lo contrario, no rechazar Ho

Los resultados de la muestra para el turno de da fueron

y

=25 430 millas,

=4 000 millas

= 100. Puesto que se esta probando si la media es diferente a 25 000 millas, se tiene con la

ecuacin
Para ver el grfico seleccione la opcin "Descargar" del men superior
Dado que
= 1.075, se ve que -1.984 < +1.075 < + 1.984, entonces no se rechaza Ho.
Por ello, la de cisin de no rechazar la hiptesis nula Ho. En conclusin es que la duracin promedio de las
llantas es 25 000 millas. A fin de tener en cuenta la posibilidad de un error de tipo II, este enunciado se puede
redactar como "no hay pruebas de que la duracin promedio de las llantas sea diferente a 25 000 millas en las
llantas producidas en el turno de da".
Prueba De Hiptesis Para Proporciones
El concepto de prueba de hiptesis se puede utilizar para probar hiptesis en relacin con datos cualitativos.
Por ejemplo, en el problema anterior el gerente de la fabrica de llantas quera determinar la proporcin de
llantas que se reventaban antes de 10,000 millas. Este es un ejemplo de una variable cualitativa, dado que se
desea llegar a conclusiones en cuanto a la proporcin de los valores que tienen una caracterstica particular.
El gerente de la fbrica de llantas quiere que la calidad de llantas producidas, sea lo bastante alta para que
muy pocas se revienten antes de las 10,000 millas. Si ms de un 8% de las llantas se revientan antes de las
10,000 millas, se llegara a concluir que el proceso no funciona correctamente. La hiptesis nula y alternativa
se pueden expresar como sigue:
Ho: p
.08 (funciona correctamente)
H1: p > .08 (no funciona correctamente)

La prueba estadstica se puede expresar en trminos de la proporcin de xitos como sigue:

En donde
Para ver el grfico seleccione la opcin "Descargar" del men superior
p = proporcin de xitos de la hiptesis nula
Ahora se determinar si el proceso funciona correctamente para las llantas producidas para el turno de da.
Los resultados del turno de da ndican que cinco llantas en una muestra de 100 se reventaron antes de
10,000 millas para este problema, si se selecciona un nivel de significanca
de .05, las regiones de
rechazo y no rechazo se estableceran como a continuacin se muestra:
Para ver el grfico seleccione la opcin "Descargar" del men superior
Y la regla de decisin sera:
Rechazar Ho si
> + 1.645; de lo contrario no rechazar Ho.
Con los datos que se tienen,
=
= .05

Y entonces,

= -1.107

-1.107 < + 1.645; por tanto no rechazar Ho.

La hiptesis nula no se rechazara por que la prueba estadstica no ha cado en la regin de rechazo. Se
llegara a la conclusin de que no hay pruebas de que ms del 8% de las llantas producidas en el turno de da
se revienten antes de 10,000 millas. El gerente no ha encontrado ninguna prueba de que ocurra un nmero
excesivo de reventones en las llantas producidas en el turno de da.
http://cosmech.tripod.com/index.htm
Pruebas de Hiptesis
Una hiptesis estadstica es una suposicin hecha con respecto a la funcin de distribucin de una
variable aleatoria.
Para establecer la verdad o falsedad de una hiptesis estadstica con certeza total, ser necesario
examinar toda la poblacin. En la mayora de las situaciones reales no es posible o practico efectuar
este examen, y el camino mas aconsejable es tomar una muestra aleatoria de la poblacin y en base a
ella, decidir si la hiptesis es verdadera o falsa.
En la prueba de una hiptesis estadstica, es costumbre declarar la hiptesis como verdadera si la
probabilidad calculada excede el valor tabular llamado el nivel de significacin y se declara falsa si la
probabilidad calculada es menor que el valor tabular.
La prueba a realizar depender del tamao de las muestras, de la homogeneidad de las varianzas y de
la dependencia o no de las variables.
Si las muestras a probar involucran a ms de 30 observaciones, se aplicar la prueba de Z, si las
muestras a evaluar involucran un nmero de observaciones menor o igual que 30 se emplea la prueba
de t de student. La frmula de clculo depende de si las varianzas son homogneas o heterogneas, si
el nmero de observaciones es igual o diferente, o si son variables dependientes.

Para determinar la homogeneidad de las varianzas se toma la varianza mayor y se divide por la menor,
este resultado es un estimado de la F de Fisher. Luego se busca en la tabla de F usando como
numerador los grados de libertad (n-1) de la varianza mayor y como denominador (n-1) de la varianza
menor para encontrar la F de Fisher tabular. Si la F estimada es menor que la F tabular se declara que
las varianzas son homogneas. Si por el contrario, se declaran las varianzas heterogneas. Cuando
son variables dependientes (el valor de una depende del valor de la otra), se emplea la tcnica de
pruebas pareadas.
Como en general estas pruebas se aplican a dos muestras, se denominarn a y b para referirse a ellas,
as entenderemos por:
na al nmero de elementos de la muestra a

nb al nmero de elementos de la muestra b

xb al promedio de la muestra b

s2a la varianza de la muestra a

Y as sucesivamente
Entonces se pueden distinguir 6 casos a saber:
1.
Caso de muestras grandes (n>30)
2.
3.

Caso de na = nb y s2a = s2b

4.

Caso de na = nb y s2a <> s2b

5.

Caso de na <> nb y s2a = s2b

6.

Caso de na <> nb y s2a <> s2b

7.

Caso de variables dependientes

1.-Cuando las muestras a probar involucran a ms de 30 observaciones.

Ejemplo:
La altura promedio de 50 palmas que tomaron parte de un ensayo es de 78 cm. con una desviacin estndar
de 2.5 cm.; mientras que otras 50 palmas que no forman parte del ensayo tienen media y desviacin estndar
igual a 77.3 y 2.8 cm.

Se desea probar la hiptesis de que las palmas que participan en el ensayo son ms altas que las otras.
Consultando el valor z de la tabla a 95% de probabilidad se tiene que es 1.96, por lo consiguiente, el valor z
calculado no fue mayor al valor de la tabla y entonces se declara la prueba no significativa.

Conclusin: Las alturas promedio de los 2 grupos de palmas son iguales y la pequea diferencia observada
en favor al primer grupo se debe al azar.
2.-Caso de nmero igual de observaciones y varianzas homogneas.

Ejemplo:
Se plant cierto experimento en 24 parcelas para probar el efecto de la presencia o ausencia de K en el
rendimiento de palma.
Peso medio del racimo (Kg.)
N

10

11

12

Suma

Promedio

s2a = 5918.5 - (266)2/12 = 2.02

11
s2b = 8346 - (316)2/12 = 2.24
11
Se busca en la tabla de t de student con 2 (n-1) grados de libertad o sea 22, y se encuentra que el valor
tabular es de 2.074 al 95% de probabilidad, el cual es menor que la t calculada y por lo tanto se declara la
prueba significativa.
Conclusin: La diferencia entre promedios observados es atribuible al efecto de tratamiento (K), por haberse
conseguido un resultado significativo.
3.-Caso de igual nmero de observaciones y varianzas heterogneas.

Ejemplo:
Se plant cierto experimento en 24 parcelas con dos clases de semillas: semilla mezclada y semilla DxP
seleccionada. Se desea saber si el rendimiento observado por la semilla seleccionada difiere a la otra.
Produccin de palma: TM/ha/ao
Para ver la tabla seleccione la opcin "Descargar" del men superior

s2a = 1748.61 - (144.5)2/12 = 0.78

11
s2b = 4001.14 - (216.2)2/12 = 9.63
11
Consultando la tabla de t con n-1 grados de libertad (11) se encuentra un valor de 2.201, por lo tanto, la
diferencia se declara significativa.
Conclusin: El rendimiento observado por las plantas de semilla seleccionada fue significativamente superior
a las otras.
4.-Caso de diferente nmero de observaciones y varianzas homogneas

Ejemplo:
Se tom una rea de terreno distribuida en 22 parcelas y a 13 de ellas se les aplic un fertilizante nitrogenado
para medir el efecto del N en el crecimiento.
rea foliar de la hoja # 17 en m2
Para ver la tabla seleccione la opcin "Descargar" del men superior

s2a = 968.93 - (112.1)2/13 = 0.19

12
s2b = 390.84 - (59.2)2/9 = 0.18
8
s2c = 12(0.19) + 8(0.18) = 0.19
20
Consultando la tabla de t con n-1 grados de libertad (11) se encuentra un valor de 2.201, por lo tanto, la
diferencia se declara significativa.
Conclusin: El rendimiento observado por las plantas de semilla seleccionada fue significativamente superior
a las otras.
Ejemplo:
Se tom una rea de terreno distribuida en 22 parcelas y a 13 de ellas se les aplic un fertilizante nitrogenado
para medir el efecto del N en el crecimiento.

rea foliar de la hoja # 17 en m2

Para ver la tabla seleccione la opcin "Descargar" del men superior

s2a = 968.93 - (112.1)2/13 = 0.19

12
s2b = 390.84 - (59.2)2/9 = 0.18
8
s2c = 12(0.19) + 8(0.18) = 0.19
20
Consultando la tabla con (na-1) + (nb-1) o sea (20) grados de libertad, se obtiene el valor tabular de 2.086, el
cual es menor que la t calculada, por lo tanto la diferencia se declara significativa.
Conclusin: La diferencia detectada en estas dos muestras es atribuible a la aplicacin del fertilizante
nitrogenado.
5.- Caso de diferente nmero de observaciones y varianzas heterogneas.

En este caso, la tc es comparada con la tg (t generada), que a diferencia de los casos anteriores, hay que
calcularla.

Donde: ta y tb son los valores de la tabla con n-1 grados de libertad para a y b respectivamente
Ejemplo:
Se tomaron 2 muestras de palma comercial de orgenes diferentes y se midi el porcentaje de almendra en el
racimo en ambas muestras, el objeto es probar si las muestras son diferentes genticamente o no.
Porcentaje de almendra
Para ver la tabla seleccione la opcin "Descargar" del men superior
s2a = 225.02 - (53)2/14 = 1.88
13

s2b = 192.26 - (43.80)2/10 = 0.05

9

En este caso la t generada (tg), reemplaza la t de la tabla y como la tc es menor que la tg, la diferencia se
declara No significativa.
Conclusin: La diferencia observada entre promedios es atribuible nicamente a errores de muestreo o
variabilidad natural, y no a diferencias genticas.
6.-Caso de muestras pareadas (de variables dependientes)
En este caso, se asume que las muestras han sido distribuidas por pares.

Ejemplo: Se tomaron 12 foliolos de palma joven y a cada uno se le trat la mitad con Benlate para medir la
inhibicin del crecimiento de hongos.
Magnitud del dano
Sin Con
n Benlate Benlate D = X - Y D2
Para ver la tabla seleccione la opcin "Descargar" del men superior

Consultando la tabla con n-1 grados de libertad se obtiene el valor tabular de 2.201, por lo tanto, la
diferencia se declara significativa.
Conclusin: De la prueba se desprende que el tratamiento con benlate redujo significativamente la incidencia
de hongos.
Utilidad de las hiptesis:
El uso y formulacin correcta de las hiptesis le permiten al investigador poner a prueba aspectos de
la realidad, disminuyendo la distorsin que pudieran producir sus propios deseos o gustos. Pueden
ser sometidas a prueba y demostrarse como probablemente correctas o incorrectas sin que interfieran
los valores o creencias del individuo.

Leer ms: http://www.monografias.com/trabajos17/pruebas-de-hipotesis/pruebas-de-h- INTRODUCCION

Dentro del estudio de la inferencia estadstica, se describe como se puede tomar una muestra aleatoria y a
partir de esta muestra estimar el valor de un parmetro poblacional en la cual se puede emplear
el mtodo de muestreo y el teorema del valor central lo que permite explicar como a partir de una muestra se
puede inferir algo acerca de una poblacin, lo cual nos lleva a definir y elaborar una distribucin de muestreo
de medias muestrales que nos permite explicar el teorema del limite central y utilizar este teorema para
encontrar las probabilidades de obtener las distintas medias maestrales de una poblacin.
Pero es necesario tener conocimiento de ciertos datos de la poblacin como la media, la desviacin estndar
o la forma de la poblacin, pero a veces no se dispone de esta informacin.
En este caso es necesario hacer una estimacin puntual que es un valor que se usa para estimar un valor
poblacional. Pero una estimacin puntual es un solo valor y se requiere un intervalo de valores a esto se
denomina intervalote confianza y se espera que dentro de este intervalo se encuentre el parmetro
poblacional buscado. Tambin se utiliza una estimacin mediante un intervalo, el cual es un rango de valores
en el que se espera se encuentre el parmetro poblacional
En nuestro caso se desarrolla un procedimiento para probar la validez de una aseveracin acerca de un
parmetro poblacional este mtodo es denominado Prueba de hiptesis para una muestra.
2.- HIPOTESIS Y PRUEBA DE HIPOTESIS
Tenemos que empezar por definir que es una hiptesis y que es prueba de hiptesis.
Hiptesis es una aseveracin de una poblacin elaborado con el propsito de poner aprueba, para verificar si
la afirmacin es razonable se usan datos.
En el anlisis estadstico se hace una aseveracin, es decir, se plantea una hiptesis, despus se hacen
las pruebas para verificar la aseveracin o para determinar que no es verdadera.
Por tanto, la prueba de hiptesis es un procedimiento basado en la evidencia muestral y
la teora de probabilidad; se emplea para determinar si la hiptesis es una afirmacin razonable.
Prueba de una hiptesis: se realiza mediante un procedimiento sistemtico de cinco paso:

Siguiendo este procedimiento sistemtico, al llegar al paso cinco se puede o no rechazar la hiptesis, pero
debemos de tener cuidado con esta determinacin ya que en la consideracin de estadstica no proporciona
evidencia de que algo sea verdadero. Esta prueba aporta una clase de prueba ms all de una duda
razonable. Analizaremos cada paso en detalle
Objetivo de la prueba de hiptesis.
El propsito de la prueba de hiptesis no es cuestionar el valor calculado del estadstico (muestral), sino hacer
un juicio con respecto a la diferencia entre estadstico de muestra y un valor planteado del parmetro.
3.- Procedimiento sistemtico para una prueba de hiptesis de una muestra

.Paso 1: Plantear la hiptesis nula Ho y la hiptesis alternativa H1.

Cualquier investigacin estadstica implica la existencia de hiptesis o afirmaciones acerca de las poblaciones
que se estudian.
La hiptesis nula (Ho) se refiere siempre a un valor especificado del parmetro de poblacin, no a una
estadstica de muestra. La letra H significa hiptesis y el subndice cero no hay diferencia. Por lo general hay
un "no" en la hiptesis nula que indica que "no hay cambio" Podemos rechazar o aceptar Ho.
La hiptesis nula es una afirmacin que no se rechaza a menos que los datos maestrales proporcionen
evidencia convincente de que es falsa. El planteamiento de la hiptesis nula siempre contiene un signo
de igualdad con respecto al valor especificado del parmetro.
La hiptesis alternativa (H1) es cualquier hiptesis que difiera de la hiptesis nula. Es una afirmacin que se
acepta si los datos maestrales proporcionan evidencia suficiente de que la hiptesis nula es falsa. Se le
conoce tambin como la hiptesis de investigacin. El planteamiento de la hiptesis alternativa nunca
contiene un signo de igualdad con respecto al valor especificado del parmetro.
Paso 2: Seleccionar el nivel de significancia.
Nivel de significacia: Probabilidad de rechazar la hiptesis nula cuando es verdadera. Se le denota mediante
la letra griega , tambin es denominada como nivel de riesgo, este termino es mas adecuado ya que se corre
el riesgo de rechazar la hiptesis nula, cuando en realidad es verdadera. Este nivel esta bajo el control de
la persona que realiza la prueba.
Si suponemos que la hiptesis planteada es verdadera, entonces, el nivel de significacin indicar la
probabilidad de no aceptarla, es decir, estn fuera de rea de aceptacin. El nivel de confianza (1-), indica
la probabilidad de aceptar la hiptesis planteada, cuando es verdadera en la poblacin.

La distribucin de muestreo de la estadstica de prueba se divide en dos regiones, una regin de rechazo
(conocida como regin crtica) y una regin de no rechazo (aceptacin). Si la estadstica de prueba cae dentro
de la regin de aceptacin, no se puede rechazar la hiptesis nula.
La regin de rechazo puede considerarse como el conjunto de valores de la estadstica de prueba que no
tienen posibilidad de presentarse si la hiptesis nula es verdadera. Por otro lado, estos valores no son tan
improbables de presentarse si la hiptesis nula es falsa. El valor crtico separa la regin de no rechazo de la
de rechazo.
Tipos de errores
Cualquiera sea la decisin tomada a partir de una prueba de hiptesis, ya sea de aceptacin de la Ho o de la
Ha, puede incurrirse en error:
Un error tipo I se presenta si la hiptesis nula Ho es rechazada cuando es verdadera y deba ser aceptada.
La probabilidad de cometer un error tipo I se denomina con la letra alfa
Un error tipo II, se denota con la letra griega se presenta si la hiptesis nula es aceptada cuando de hecho
es falsa y deba ser rechazada.
En cualquiera de los dos casos se comete un error al tomar una decisin equivocada.
En la siguiente tabla se muestran las decisiones que pueden tomar el investigador y las consecuencias
posibles.

Para que cualquier ensayo de hiptesis sea bueno, debe disearse de forma que minimice los errores de
decisin. En la prctica un tipo de error puede tener ms importancia que el otro, y as se tiene a conseguir
poner una limitacin al error de mayor importancia. La nica forma de reducir ambos tipos de errores es
incrementar el tamao de la muestra, lo cual puede ser o no ser posible.
La probabilidad de cometer un error de tipo II denotada con la letra griega beta , depende de la diferencia
entre los valores supuesto y real del parmetro de la poblacin. Como es ms fcil encontrar diferencias
grandes, si la diferencia entre la estadstica de muestra y el correspondiente parmetro de poblacin es
grande, la probabilidad de cometer un error de tipo II, probablemente sea pequea.
El estudio y las conclusiones que obtengamos para una poblacin cualquiera, se habrn apoyado
exclusivamente en el anlisis de una parte de sta. De la probabilidad con la que estemos dispuestos a
asumir estos errores, depender, por ejemplo, el tamao de la muestra requerida. Las contrastaciones se
apoyan en que los datos de partida siguen una distribucin normal
Existe una relacin inversa entre la magnitud de los errores y : conforme a aumenta, disminuye. Esto
obliga a establecer con cuidado el valor de a para las pruebas estadsticas. Lo ideal sera establecer y .En
la prctica se establece el nivel y para disminuir el Error se incrementa el nmero de observaciones en la
muestra, pues as se acortan los limites de confianza respecto a la hiptesis planteada .La meta de las
pruebas estadsticas es rechazar la hiptesis planteada. En otras palabras, es deseable aumentar cuando
sta es verdadera, o sea, incrementar lo que se llama poder de la prueba (1- ) La aceptacin de la hiptesis
planteada debe interpretarse como que la informacin aleatoria de la muestra disponible no permite detectar
la falsedad de esta hiptesis.
Paso 3: Clculo del valor estadstico de prueba
Valor determinado a partir de la informacin muestral, que se utiliza para determinar si se rechaza la hiptesis
nula., existen muchos estadsticos de prueba para nuestro caso utilizaremos los estadsticos z y t. La eleccin
de uno de estos depende de la cantidad de muestras que se toman, si las muestras son de la prueba son
iguales a 30 o mas se utiliza el estadstico z, en caso contrario se utiliza el estadstico t.
Tipos de prueba
a) Prueba bilateral o de dos extremos: la hiptesis planteada se formula con la igualdad
Ejemplo
H0 : = 200
H1 : 200

b) Pruebas unilateral o de un extremo: la hiptesis planteada se formula con o

H0 : 200 H0 : 200
H1 : < 200 H1 : > 200

En las pruebas de hiptesis para la media (), cuando se conoce la desviacin estndar () poblacional, o
cuando el valor de la muestra es grande (30 o ms), el valor estadstico de prueba es z y se determina a partir
de:

El valor estadstico z, para muestra grande y desviacin estndar poblacional desconocida se determina por la
ecuacin:

En la prueba para una media poblacional con muestra pequea y desviacin estndar poblacional
desconocida se utiliza el valor estadstico t.

Paso 4: Formular la regla de decisin

SE establece las condiciones especficas en la que se rechaza la hiptesis nula y las condiciones en que no
se rechaza la hiptesis nula. La regin de rechazo define la ubicacin de todos los valores que son tan
grandes o tan pequeos, que la probabilidad de que se presenten bajo la suposicin de que la hiptesis nula
es verdadera, es muy remota

Distribucin muestral del valor estadstico z, con prueba de una cola a la derecha
Valor critico: Es el punto de divisin entre la regin en la que se rechaza la hiptesis nula y la regin en la
que no se rechaza la hiptesis nula.
Paso 5: Tomar una decisin.
En este ltimo paso de la prueba de hiptesis, se calcula el estadstico de prueba, se compara con el valor
crtico y se toma la decisin de rechazar o no la hiptesis nula. Tenga presente que en una prueba de
hiptesis solo se puede tomar una de dos decisiones: aceptar o rechazar la hiptesis nula. Debe subrayarse
que siempre existe la posibilidad de rechazar la hiptesis nula cuando no debera haberse rechazado (error
tipo I). Tambin existe la posibilidad de que la hiptesis nula se acepte cuando debera haberse rechazado
(error de tipo II).
4.- Ejemplo en la cual se indica el procedimiento para la prueba de hiptesis
Ejemplo
El jefe de la Biblioteca Especializada de la Facultad de Ingeniera Elctrica y Electrnica de la UNAC
manifiesta que el nmero promedio de lectores por da es de 350. Para confirmar o no este supuesto se
controla la cantidad de lectores que utilizaron la biblioteca durante 30 das. Se considera el nivel de
significancia de 0.05
Datos:
Da

Usuarios

356

427

387

510

288

290

320

350

403

10

329

Solucin: Se trata de un problema con una media poblacional: muestra grande y desviacin estndar
poblacional desconocida.
Paso 01: Seleccionamos la hiptesis nula y la hiptesis alternativa
Ho: 350
Ha: 350
Paso 02: Nivel de confianza o significancia 95%
0.05

Paso 03: Calculamos o determinamos el valor estadstico de prueba

De los datos determinamos: que el estadstico de prueba es t, debido a que el numero de muestras es igual a
30, conocemos la media de la poblacin, pero la desviacin estndar de la poblacin es desconocida, en este
caso determinamos la desviacin estndar de la muestra y la utilizamos en la formula reemplazando a la
desviacin estndar de la poblacin.

Calculamos la desviacin estndar muestral y la media de la muestra empleando Excel, lo cual se muestra en
el cuadro que sigue.
Columna1
Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muestra
Curtosis
Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta
Nivel de confianza (95.0%)
Paso 04: Formulacin de la regla de decisin.
La regla de decisin la formulamos teniendo en cuenta que esta es una prueba de dos colas, la mitad de 0.05,
es decir 0.025, esta en cada cola. el rea en la que no se rechaza Ho esta entre las dos colas, es por
consiguiente 0.95. El valor critico para 0.05 da un valor de Zc = 1.96.
Por consiguiente la regla de decisin: es rechazar la hiptesis nula y aceptar la hiptesis alternativa, si el valor
Z calculado no queda en la regin comprendida entre -1.96 y +1.96. En caso contrario no se rechaza la
hiptesis nula si Z queda entre -1.96 y +1.96.
Paso 05: Toma de decisin.
En este ultimo paso comparamos el estadstico de prueba calculado mediante el Software Minitab que es
igual a Z = 2.38 y lo comparamos con el valor critico de Zc = 1.96. Como el estadstico de prueba calculado
cae a la derecha del valor critico de Z, se rechaza Ho. Por tanto no se confirma el supuesto del Jefe de la
Biblioteca.
One-Sample Z
Test of mu = 350 vs not = 350
The assumed standard deviation = 52.414
N Mean SE Mean 95% CI Z P
30 372.800 9.569 (354.044, 391.556) 2.38 0.017

Conclusiones:
Se rechaza la hiptesis nula (Ho), se acepta la hiptesis alterna (H1) a un nivel de significancia de
= 0.05. La prueba result ser significativa.
La evidencia estadstica no permite aceptar la aceptar la hiptesis nula.

Leer ms: http://www.monografias.com/trabajos30/prueba-de-hipotesis/prueba-dehipotesis.shtml#ixzz3sMkbG0V2ipotesis.shtml#ixzz3sMjeMHBf