Capítulo IV:

Contraste o Prueba de Hipótesis

Objetivos
 Comprender los fundamentos teóricos de la metodología de
pruebas de hipótesis estadísticas.
 Aplicar esta metodología para diferentes parámetros poblacionales.
 Conocer acerca de los errores que se pueden cometer en el proceso
de decisión basado en muestras.
 Aplicar conceptos y procedimientos de la metodología en la
resolución de problemas.

La inferencia estadística se aplica básicamente con dos objetivos

alternativos (se complementan): la Estimación de parámetros y la
Prueba, contraste o test de hipótesis. El objetivo de este último
procedimiento es poner a prueba (contrastar) alguna hipótesis referida
ya sea al valor de un parámetro o a las características de la población.
Capítulo IV:
Contraste o Prueba de Hipótesis

Hipótesis Estadística:
es un enunciado provisional (conjetura, supuesto) con respecto a
una situación del mundo real, generalmente expresada a través
de relaciones particulares de ciertas variables en estudio. Dichas
hipótesis pueden contrastarse con datos observados de la
realidad.

 Ejemplo:
En un estudio sobre la deserción escolar en las escuelas primarias
en la provincia de Córdoba en la última década, se podría
establecer la siguiente hipótesis estadística

“En la provincia de Córdoba en la última década, la proporción

de alumnos que ha desertado en las escuelas públicas es
mayor que en las privadas”
Capítulo IV:
Contraste o Prueba de Hipótesis

 ¿Cuál es la esencia de este procedimiento?

Verificar dicha relación a través de la experimentación u
observación (se utilizará la evidencia proporcionada por una
muestra aleatoria para tomar una decisión respecto de la hipótesis
planteada).

 ¿Qué razonamiento se sigue cuando se realiza una prueba

de hipótesis?
Este es muy similar al que se utiliza en un juicio cuando se debe
tomar la decisión de declarar inocente o culpable al acusado.
Haciendo una analogía, la hipótesis que considera que el acusado
es inocente, se denominará Hipótesis Nula y la simbolizaremos H 0

Hipótesis Nula:
es un supuesto acerca de uno o más parámetros u otras
características de la población, que puede ser rechazado o
no en base a la evidencia muestral.
Capítulo IV:
Contraste o Prueba de Hipótesis

 En general, la hipótesis nula “no se acepta”, sino que “se rechaza”

o “no se rechaza” (Ejemplo del aula vacía).

 El rechazo de la hipótesis nula implica la aceptación de la

alternativa (en el caso del juicio el rechazo de … ).

 Por esta razón suele colocarse como hipótesis nula, la situación que
el investigador piensa será rechazada.

 Una hipótesis se denomina nula en el sentido que se supone que

no existe una diferencia importante entre el verdadero valor del
parámetro de la población y el valor del parámetro especificado en
la hipótesis nula.
Capítulo IV:
Contraste o Prueba de Hipótesis

 Estas suele expresarse con la igualdad del parámetro a cierto valor

o cuando se tienen dos poblaciones, suele establecer la igualdad de
los parámetros que se quieren comparar. Ejemplo:
H 0 : p1  p2
Si la hipótesis nula es falsa, deberá existir otra hipótesis que sea
verdadera. Esta hipótesis recibe el nombre de Hipótesis
Alternativa y simbolizaremos con H 1

 En nuestro ejemplo H1 : p1  p2
 En general, la hipótesis alternativa expresa lo que el investigador
está sospechando ocurrirá (la deserción en escuelas públicas será
mayor que en las privadas; el acusado es culpable).

 Para poder tomar una decisión con respecto a rechazar o no la

hipótesis nula, hay que establecer ciertas reglas de decisión.
Capítulo IV:
Contraste o Prueba de Hipótesis

 Debe establecerse un criterio estadístico que especificará de

manera objetiva a partir de que valores de  p1 y  p2 se tomará la
decisión de rechazar o no la hipótesis nula. Este criterio es conocido
como criterio de test o medida de discrepancia y se calcula
sobre la base de la información aportada por las muestras.

 En base a este criterio de test, se podrá establecer un valor crítico

que determinará una región de rechazo y una región de no
rechazo de la hipótesis nula.

 Este criterio tendrá que ver con un estimador del parámetro objeto
del test y con un estadístico cuya distribución de probabilidad sea
conocido en caso de cumplimiento de la hipótesis nula.

 Estudiaremos hipótesis que especifiquen un valor o un intervalo de

valores para algún parámetro de una distribución poblacional (Cap.
IV) o que comparen valores de parámetros de dos o más
distribuciones poblacionales (Cap. V).
Capítulo IV:
Contraste o Prueba de Hipótesis

Procedimiento para la Prueba de Hipótesis

 Se define la hipótesis nula y la alternativa.

 Se define una medida de discrepancia “criterio de test”. Esta

función es un estadístico. ¿en qué se diferencia del procedimiento
de estimación de parámetros?.
Esta medida de discrepancia debe seguir una distribución de
probabilidad conocida cuando se cumple la hipótesis nula. Este
criterio de test permitirá discernir cuando la diferencia entre el
estimador y el parámetro establecido en la hipótesis nula de
demasiado grande para atribuirse meramente al azar.

 Se toma la muestra, se calcula el estimador correspondiente y la

medida de discrepancia elegida. Si esta es pequeña, no se rechaza
la hipótesis nula y si es grande se rechazará. Esto último se juzga
en base a una regla de decisión.
Capítulo IV:
Contraste o Prueba de Hipótesis

Pruebas de una y dos colas

La formulación de las hipótesis puede ser de dos tipos según cómo
se exprese la alternativa:
a) Bilateral: se desconoce la dirección en que se sospecha la
falsedad de la hipótesis nula.
H 0 :   0 versus H1 :   0

b) Unilateral: se conoce la dirección en que se sospecha la

falsedad de la hipótesis nula.

Prueba unilateral derecha H0 :   0 versus H1 :   0

Prueba unilateral izquierda H0 :   0 versus H1 :   0

Capítulo IV:
Contraste o Prueba de Hipótesis

Errores Tipo I y tipo II

 Cuando se toma una decisión con respecto a una hipótesis nula
(con base en la evidencia proporcionada por una muestra aleatoria)
dos de las posibles consecuencias relativas al verdadero estado
de la naturaleza conducen a errores inferenciales (decisiones
incorrectas).
 El rechazo de la hipótesis nula cuando en realidad es cierta,
constituye lo que se denomina Error de tipo I.
 No rechazar la hipótesis nula cuando en realidad es falsa,
constituye lo que se denomina Error de tipo II.
 La necesidad de contar con una cantidad que nos mida la
posibilidad (probabilidad) de cometer alguno de estos errores nos
lleva a definir:
P(rechazar H 0 / H 0 es cierta )  
P(no rechazar H 0 / H 0 es falsa )  
Capítulo IV:
Contraste o Prueba de Hipótesis

 El siguiente cuadro resume todas las acciones que se pueden llevar

a cabo en un procedimiento de prueba de hipótesis:

Estado de la naturaleza
Decisión
Verdadera Falsa

Error tipo I Decisión correcta

Rechazar P( ET I )   P( DC )  1  
Decisión correcta Error tipo II
No rechazar H 0
P( DC )  1   P( ET II )  
Capítulo IV:
Contraste o Prueba de Hipótesis

Prueba de hipótesis para la media poblacional

 Caso 1: Varianza poblacional conocida

Actividad 3 (pág.104)
Los mosaicos producidos por una fábrica de la ciudad de Córdoba
poseen una resistencia media a la ruptura de 80 kg. con un
desviación estándar de 15 kg. El gerente de producción propone un
nuevo método para fabricar los mosaicos, sosteniendo que el
mismo aumenta la resistencia a la ruptura. Para evaluar esta
afirmación se someten a prueba de resistencia 32 mosaicos
fabricados con el nuevo método, con el siguiente resultado

X  107, 22 S 2  223,66
¿Es correcta la afirmación del gerente a un nivel de significación del
1 %?
Capítulo IV:
Contraste o Prueba de Hipótesis

En base a los datos del problema se establecen las siguientes

hipótesis
H 0 :   80 versus H1 :   80

Como estamos tratando de probar una hipótesis referida al

parámetro 
, utilizaremos el estimador X .

Luego deberemos establecer un criterio de test o medida de

discrepancia que especificará de manera objetiva a partir de que
valores de X se tomará la decisión de rechazar o no la hipótesis
nula.

En nuestro caso el criterio de test elegido será:

X  0
Z  N (0,1)

n
Capítulo IV:
Contraste o Prueba de Hipótesis

¿Dónde se localiza la región de rechazo de la hipótesis nula?

En base a este criterio de test, se podrá establecer un valor crítico

*
(un valor de X ) que simbolizaremos X que determinará una región
de rechazo y una región de no rechazo de la hipótesis nula.

Para calcular X * primero deberemos obtener el valor Z * (tabla)

* 
X Z .
*
 0
n
Conocido el valor crítico, se puede establecer la siguiente regla de
decisión:
si Z  Z o X  X
* *
Rechazo H 0

No Rechazo H0 si Z  Z* o X  X *
Capítulo IV:
Contraste o Prueba de Hipótesis

 En base a los datos del problema se establecieron las siguientes

hipótesis:
H 0 :   80 versus H1 :   80

Decisión: se rechaza Ho.

Conclusión: se concluye que el nuevo método para fabricar los
mosaicos aumenta la resistencia a la ruptura con un  0,01
0,.01

 En este caso sería conveniente construir un intervalo del 98 % de

confianza para la media poblacional.

 107, 22  2,326
15
   107, 22  2,326
15 

101,05    113,39
 32 32 
Capítulo IV:
Contraste o Prueba de Hipótesis

Valor p
 A partir de las posibilidades que brinda la utilización de programas
estadísticos, suele utilizarse el llamado “valor p”, el cual se define
como la probabilidad de obtener una discrepancia mayor o igual
que la observada en la muestra cuando se cumple H 0 .
 Esta medida de discrepancia en general puede definirse:
  
d
 

es decir se trata del cálculo del valor observado del estadístico para
una muestra en particular, y tiene una distribución de probabilidad
conocida.
 Se trata de la probabilidad de las “colas” (si es bilateral) o de la
“cola” (si es unilateral) que ocurran valores iguales o superiores al
observado. Esta medida depende de la dirección de la hipótesis
alternativa.
Capítulo IV:
Contraste o Prueba de Hipótesis

En nuestro caso: H 0 :   80 versus H1 :   80

Valor p  P(d  d o / H 0 )  P(d  10, 27)  0

Este valor p debe compararse con el  que el investigador esté

dispuesto a aceptar. Si el valor p es menor que  , entonces
debemos rechazar H 0 . Mientras mayor es la discrepancia (valor p
más pequeño), menor es la credibilidad de H 0 y por lo tanto
debo rechazarla.
Capítulo IV:
Contraste o Prueba de Hipótesis

Prueba de hipótesis para la media poblacional

 Caso 2: Varianza poblacional desconocida

X  0
 Si la población es normal, se utiliza el estadístico  tn 1
S n
para cualquier tamaño de muestra. Si n  40 puede utilizarse la
aproximación normal.
 Si la población no es normal, puede usarse el estadístico
anterior con distribución normal sólo si n  100 .

Ejemplo (pág. 100)
Se plantean las siguientes hipótesis para el parámetro antigüedad
promedio de los empleados de una empresa.

H 0 :   25 versus H1 :   25
Capítulo IV:
Contraste o Prueba de Hipótesis

Valor p  P( d  d o / H 0 )  P( d  0,803)  0, 4354    0,05

Valor p  0, 4354    0,05 ¿Decisión?

Capítulo IV:
Contraste o Prueba de Hipótesis

Prueba de hipótesis para la proporción poblacional

 En este caso trabajaremos con muestras grandes  np  5 y nq  5. De

esta manera podremos utilizar el siguiente criterio de test
p  p
0
 N (0,1)
p0 q0 n
 Actividad 12 (pág. 109)
La UNC afirma que el 85% de los estudiantes está de acuerdo con
el pago de una contribución estudiantil mientras que el Centro de
Estudiantes de una facultad afirma que el porcentaje es bastante
menor. Para ello ha consultado a 160 alumnos de varias facultades
obteniendo que 126 estarían a favor.
¿Puede ayudar al centro de estudiantes a justificar su opinión con
un nivel de significación del 5%?
Capítulo IV:
Contraste o Prueba de Hipótesis

Prueba de hipótesis para la varianza poblacional

 Bajo el supuesto de población normal, el criterio de test será:

(n  1) S 2
  n21
 2
0
 Actividad 14 (pág. 111)
Una hamburguesería del medio expende gaseosa en vasos a través
de máquinas automáticas. La variabilidad con que la máquina
vierte la gaseosa es un elemento crítico para controlar ya que, si el
contenido del vaso fuera menor al informado se recibirían quejas de
los clientes; mientras que si el contenido es excesivo no se podría
colocar la tapa con facilidad. Para los vasos de 250 cc. la varianza
máxima especificada para la máquina es de 225 cc2. Se analizó el
contenido de una muestra de 30 vasos y se encontró lo siguiente:
n  30 X  250,88 cc S 2  223,57 cc 2
¿Funciona adecuadamente la máquina? Trabaje con   0,10
Capítulo IV:
Contraste o Prueba de Hipótesis

Vinculación entre Pruebas de Hipótesis e

Intervalos de Confianza.

 Habiendo sido presentadas las dos técnicas estadísticas (Estimación

de parámetros y Pruebas de Hipótesis) resulta bastante evidente la
similitud existente entre la Estimación de parámetros por medio de
un intervalo de confianza y las pruebas de hipótesis.
 Para vincular estos conceptos tomaremos como ejemplo –sin
pérdida de generalidad- el caso del parámetro media poblacional.

 Ejemplo (pág. 100)

Muestreo en poblaciones normales,  2 desconocida.
Capítulo IV:
Contraste o Prueba de Hipótesis

Prueba de Hipótesis para 

Hipótesis de trabajo H 0 :   25 versus H1 :   25

X  0
Criterio de test  tn 1
S n

Con   0, 05 la región de rechazo de H0 es t  2,145

X  0 27, 2  25
El valor observado del criterio de test es t0    0,803
S n 10, 611 15

Conclusión: No se rechaza con un nivel de significación  si:

S
X  0  tn 1;1 /2
n
Capítulo IV:
Contraste o Prueba de Hipótesis

Intervalo de Confianza para 

Si construimos un intervalo de confianza para 
S S
P( X  tn1;1 /2    X  tn1;1 /2 )  1 
n n
10, 611
IC (  )  27, 2  2,145 IC (  )  (21,32;33, 08)
15

Conclusión:  está contenido en el intervalo de confianza 1   si:

S
X    tn1;1 /2
n

Como el intervalo incluye 0  25 , entonces concluimos que no

existe evidencia de que   25
Capítulo IV:
Contraste o Prueba de Hipótesis

Concluimos:
No rechazar H 0 :   0 al nivel  tiene el mismo signi-
ficado que considerar que el intervalo con 1   de
confianza construido para  comprende al valor  0 y
viceversa.
Capítulo IV:
Contraste o Prueba de Hipótesis

Función de Potencia y Característica de Operación

Cuando se toma una decisión con respecto a una hipótesis nula dos
de las posibles consecuencias relativas al verdadero estado de la
naturaleza conducen a errores inferenciales (decisiones
incorrectas).
P(rechazar H 0 / H 0 es cierta )  
P(no rechazar H 0 / H 0 es falsa )  
Para un tamaño de la muestra y un valor máximo de  dados, el
tamaño del error de tipo II será, en forma estricta, una función del
intervalo de valores del parámetro especificados en H1 .
Se simboliza:
 ( )  P(no rechazar H 0 :   0 / H0 :   0 es falsa)

 ( ) se
conoce como Función Característica de Operación, y
cuando se grafica para distintos valores de  de H1 , se obtiene una
curva característica de operación (C.O.)
Capítulo IV:
Contraste o Prueba de Hipótesis

Dado que  ( ) es la probabilidad de no rechazar H0 cuando H0 es

falsa, entonces 1   ( ) representa la probabilidad de rechazar H0
cuando es falsa, la cual se conoce como Función de Potencia de
la prueba.

P( )  1   ( )  P(rechazar H 0 :   0 / H 0 :   0 es falsa)

De allí que las funciones de potencia y características de operación

sean complementarias.

A continuación veremos una aplicación para una prueba de

hipótesis unilateral para 
(población normal con  conocida).
2

Actividad 3 (pág.104)
H 0 :   80 versus H1 :   80
a) Obtenga los valores de la Función de Potencia y de la Curva OC
para   80; 85; 90 sabiendo que   0, 05
Capítulo IV:
Contraste o Prueba de Hipótesis

 75 80 85 90
P( ) 0,0001 0,05 0,5948 0,9834

 ( ) 0,9999 0,95 0,4052 0,0166

b) Analice los efectos que producen sobre la potencia de la prueba

los siguientes cambios:
 Considere   0, 01
 75 80 85 90
P( ) 0,0000 0,01 0,33 0,9251

 ( ) 1,0000 0,99 0,67 0,0749

 Se selecciona una muestra de 50 unidades (tarea).

c) Resuelva los incisos anteriores suponiendo que

H 0 :   80 versus H1 :   80 considere   0, 05
Capítulo IV:
Contraste o Prueba de Hipótesis

H 0 :   80 versus H1 :   80

Con   0,05 la región de rechazo está dada por Z  1,96 lo que

implica que se rechaza H0 si

15
X *  80  1,96.  74,80
32
15
X *  80  1,96.  85, 20
32

 70 75 80 85 90
P( ) 0,9649 0,4681 0,05 0,4681 0,9649

 ( ) 0,0351 0,5319 0,95 0,5319 0,0351

Capítulo IV:
Contraste o Prueba de Hipótesis

 Como se puede observar la curva de potencia correspondiente a la

prueba unilateral está por encima de la bilateral hacia el lado que
indica la hipótesis alternativa.
 Por ello se dice que son pruebas “uniformemente más potentes”
que las bilaterales (manteniéndose constantes el tamaño de la
muestra y el nivel de significación).
 Por eso cuando se tiene algún indicio de la dirección que toma el
parámetro en la hipótesis alternativa, es preferible trabajar con
pruebas unilaterales.
 Si existieran dudas acerca del sentido de la alternativa deberá
plantearse una prueba bilateral, porque de lo contrario se corre el
riesgo de una potencia casi nula.

Queda claro que la evaluación de la prueba de una hipótesis

estadística debe hacerse con base en su función de potencia.
De allí que sea importante indagar sobre cómo construir una buena
prueba.