GUÍA METODOLÓGICA DE ESTADÍSTICA INFERENCIAL

ING. ROBERTO LINCE

PRUEBAS DE HIPÓTESIS
La prueba de hipótesis, consiste en comprobar si lo que se afirma respecto de una condición poblacional es
cierto o no, esto, aplicando los criterios de validación de la variable y la estimación por intervalo y se

Prueba de Hipótesis estadística: es un procedimiento estadístico que consiste en comprobar si, un

supuesto hecho respecto del parámetro poblacional es cierto o no, en base a la evidencia que se
obtiene de una muestra.

constituye en:

Esta afirmación previa o supuesto que se realiza respecto de la población se conoce como hipótesis
Hipótesis estadística: es una afirmación o conjetura hecha respecto del parámetro poblacional o sobre
la distribución probabilística de la variable en la población.

estadística.

Según la forma como se plantee la afirmación, la hipótesis puede ser de tipo simple o compuesta:

Simple; son especificaciones completas de una distribución de probabilidades o que contienen un solo
estado, o elemento, del conjunto de parámetros.
Ej. La distribución poblacional es normal
El valor del promedio poblacional es μ = 15.2

Compuesta; es aquella que contiene dos o más estados, o elementos, del conjunto de parámetros.
Ej. El valor del promedio poblacional es μ ≥ 15.2

Para la estructura de valoración, las hipótesis estadísticas se plantean de modo que se tenga opciones de
respuesta a un elemento de incertidumbre respecto de una condición poblacional, así se tiene:

Hipótesis Nula (H0); Expresa la condición poblacional que se quiere verificar y es aquella que se
especifica en forma exacta respecto de un solo valor y con frecuencia se formula en forma opuesta a la
que se supone cierta, teniendo un esquema de hipótesis simple.
Ejemplos:
La variable X está normalmente distribuida con  = 100 y  = 10.
El promedio poblacional de pesos de un producto es de;  = 2,5 Kgr

Hipótesis Alternativa (H1); Expresa la condición obtenida con la evidencia de la muestra y es aquella
que a menudo se especifica como una variación de valores alternativos expresándose en forma opuesta
a la hipótesis nula, siendo su esquema el de una hipótesis compuesta, es decir es el conjunto de dos o
más hipótesis simples.
Ejemplos:
La variable X es una variable binomial con  = 0,25
El promedio poblacional de pesos de un producto es de μ  0,25
La prueba consiste en evidenciar una hipótesis nula frente a una hipótesis alternativa en el supuesto tentativo
de que la hipótesis nula es cierta, y por consiguiente se incurre en la ejecución de la acción respectiva de
cada hipótesis, es decir:

Si H0 es verdadera se ejecuta la acción a0 H0:  = 2,5 Kg. a0: el proceso está bajo control (ninguna
acción)
Si H1 es verdadera se ejecuta la acción a1 H1:   2,5 Kg. a1: el proceso no está bajo control (detenga
el proceso)

En concordancia con los criterios de la valoración, existe una relación del planteamiento hipotético con los
elementos obtenidos en la estimación; esto es:

 En el caso de la hipótesis nula, la condición expresada tiene estricta relación con el valor supuesto del
parámetro o la condición poblacional que se supone cierta;
 Mientras la hipótesis alternativa plantea una condición que guarda relación con la evidencia obtenida de
la muestra pero en sentido generalizado y es lo que realmente se quiere evidenciar;
 El rango empleado para la validación del supuesto hipotético corresponde al intervalo de confianza;
 Los criterios de uso de las pruebas de hipótesis corresponden a los mismos de la estimación por
intervalo según el caso.

1.1. TIPOS DE PRUEBA.

Dependiendo de cómo se planteen las hipótesis H0 y H1, existen tres tipos de pruebas:

1. Prueba de doble cola: Se presenta cuando los valores que considera la hipótesis alternativa pueden ser
inferiores o superiores a los valores que específica la hipótesis nula, es decir que la zona de rechazo de
H0 está en ambos lados de la curva.
Esquema :
H 0 :   0 Re gla : rechace H 0 si : z1; / 2  z c  z 2; / 2
H1 :   0
S
Valor Pc   0  z  / 2
n

H0: el peso promedio poblacional de un proceso es de 2,5 Kg. es decir, que:  = 2,5 Kg. La acción será
a0: el proceso está bajo control (ninguna acción)

H1: el promedio poblacional es diferente, es decir, que:   2,5 Kg. La acción será a1: el proceso no está
bajo control (debe emprenderse una acción correctiva)

2. Prueba de cola inferior o cola izquierda: Se presenta cuando el valor o valores de la muestra evidencian
que el parámetro puede ser menor; es decir, que los valores que considera la hipótesis alternativa
pueden ser menores que el valor de la hipótesis nula, es decir que la zona de rechazo de H 0 está en el
lado izquierdo.
 Esquema :
H 0 :   0 Re gla : rechace H 0 si : z c  z
H1 :   0
S
Valor Pc   0  z
n

H0: el promedio poblacional de pesos de un proceso es de 2,5 Kg. o más es decir, que:  ≥ 2,5 Kg. La
acción será a0: el proceso está bajo control (ninguna acción)

H1: el promedio poblacional es menor de 2.5 Kg, es decir, que:  < 2,5 Kg. La acción será a1: el proceso
no está bajo control (debe emprenderse una acción correctiva)

3. Prueba de cola superior o cola derecha: Se presenta cuando el valor o valores de la muestra evidencian
que el parámetro puede ser menor; es decir, que los valores que considera la hipótesis alternativa
pueden ser mayores que el valor de la hipótesis nula, es decir que la zona de rechazo de H 0 está en el
lado derecho.

Esquema :
H 0 :   0 Re gla : rechace H 0 si : z c  z
H1 :   0
S
Valor Pc   0  z
n

H0: el promedio poblacional de pesos de un proceso es de 2,5 Kg. o menos; es decir que,  ≤ 2,5 Kg. La
acción en este caso será a0: el proceso está bajo control (ninguna acción).

H1: el promedio poblacional es mayor de 2.5 kg, es decir que,  > 2,5 Kg. La acción será a1: el proceso
no está bajo control (debe emprenderse una acción correctiva).

1.2. ERRORES Y RIESGOS DE LA PRUEBA.

Existen dos tipos de errores posibles, debido a fluctuaciones al azar en el muestreo. Por un lado, la hipótesis
nula es cierta, pero como los datos de la muestra son incompatibles con ella, es rechazada. El error de
rechazar una H0 cierta se conoce como error de primera clase, o error tipo I. Por otro lado, la hipótesis nula
es falsa y es aceptada en función de los datos muestrales. El error de aceptar una H0 falsa se conoce como
error de segunda clase o error tipo II.

Las probabilidades de cometer errores tipo I y tipo II pueden considerarse como los riesgos de decisiones
incorrectas. La probabilidad máxima de cometer un error tipo I se llama nivel de significancia y se representa
por . Y la probabilidad máxima de cometer un error tipo II se conoce como , siendo  y  probabilidades
condicionales estrechamente relacionadas. En particular, cuando el tamaño de la muestra es fijo,  y 
varían inversamente al variar el “valor crítico”; cuando nos alejamos de un peligro, aumenta el otro.
Situaciones posibles al probar una hipótesis estadística:

ESQUEMA DE LA ESTRUCTURA DE ERRORES TIPO I y II

Acción emprendida Estado de naturaleza

sobre la base de los
H0 cierta H0 falsa
datos de la muestra
Acto correcto Error tipo II
a0: acepte H0 1- 

a1: rechace H0 Error tipo I Acto correcto

 1-

p.e. Si el planteamiento hipotético fuera:

H0: 0 = 30 lbs.
H1:  > 30 lbs.

En la gráfica adjunta se pueden identificar los

elementos que conforman la estructura de la prueba de
hipótesis. Así se tiene que:

 H0; corresponde a la condición poblacional.

 H1; corresponde a la condición muestral.
 ; es la probabilidad de cometer un error tipo I.
 β; es la probabilidad de cometer un error tipo II
 (1-); es la confiabilidad de la prueba
 El valor crítico Pc, que es aquel valor que divide la
zona de aceptación y la zona de rechazo de Ho,
conforme el planteamiento hipotético.

1.3. ESTADÍSTICA DE PRUEBA Y REGLAS SOBRE DECISIÓN.

La estadística de prueba * debe ser una, cuya distribución por muestreo sea conocida en el supuesto de que
la hipótesis nula es cierta. Las reglas de decisión sobre aceptación o rechazo de H0 pueden ser establecidas
respecto a la amplitud de * y un resultado particular de la muestra, clasificando dicha amplitud en dos
subconjuntos desunidos; R, la región de rechazo, que contiene los resultados desfavorables a H0 y A, la
región de aceptación que contiene los resultados favorables a H0, tales que:

Si * R, rechazamos H0 y si * A, aceptamos H0. El valor que separa R de A se llama valor crítico de la
estadística de prueba y es el valor que corresponde a z o t según el nivel de confiabilidad dado en α.

1.3.1. PROCEDIMIENTO PARA LA PRUEBA DE HIPÓTESIS (Metodología).

La lógica de resolución de los problemas que corresponden a las pruebas de hipótesis, considera en primera
instancia, identificar los elementos relevantes del planteamiento, esto es; definir la Población, La variable
aleatoria y, El parámetro correspondiente y luego aplicar el siguiente procedimiento:.
1. Formular las hipótesis.- corresponde al planteamiento de lo que se desea comprobar según el problema
de que se trate; a cada hipótesis le corresponderá una acción,
2. Determinar el valor .- es decir, el nivel de significancia según el riesgo que se desee manejar y
determinar el valor correspondiente de la variable z ó t según el caso; el cual, corresponde al valor crítico
de la prueba.
3. Escoger el estadístico de prueba.- esto es, la ecuación o función matemática que expresa el
comportamiento de la variable aleatoria que se está analizando, pudiendo ser; la media o la proporción
muestral, o sus respectivas diferencias,
4. Establecer la regla de decisión.- lo cual se refiere a la condición bajo la cual se rechaza la hipótesis nula
según el planteamiento hipotético,
5. Calcular los valores.- de la estadística de prueba para compararlos con el valor crítico,
6. Tomar la decisión.- esto es, rechazar o aceptar H0 según la evidencia muestral,
7. Elaborar la conclusión general.- resolución conforme el escenario de aplicación de la prueba.

 Considérese el siguiente ejemplo:

Un proceso de producción se considera bajo control si el peso promedio de los artículos es de 30 libras (μ =
30 lbs.) con una desviación de 0.86 libras (σ = 0.86 lbs.). La prueba consiste en evidenciar esta condición a
partir de una muestra. Se toma una muestra de 45 artículos y se observa un promedio muestral de 𝑥̅ = 30.3
libras, si la prueba respectiva es al 5% de significancia, el procedimiento será:

En primera instancia es indispensable que se realicen las definiciones respectivas, esto es: Población,
Variable y Parámetro, luego se procede con los siguientes pasos:
1. El planteamiento hipotético.- consiste en establecer los supuestos en base de los requerimientos de
validación,

H0:  = 30 lbs. a0: el proceso está bajo control, no realice ninguna acción.
H1:  > 30 lbs. a1: el proceso está fuera de control, detenga el proceso y realice
las correcciones respectivas.

2. El Valor Crítico.- conforme el nivel de significancia determinado (α = 5%), y

dependiendo del tamaño de la muestra, será z o t según el caso, como la muestra
es n = 30 y la prueba es de cola derecha, el valor crítico en este caso según la tabla será zα = 1.645

3. La regla de decisión es; Si zc > zα; ó, Si tc > tα Rechace H0

4. El estadístico de prueba para la media en este caso es:

x x
zc  tc 
 S
n n

5. Los cálculos según la evidencia de la muestra serán:

x 30.3  30
zc    2.34
 0.86
n 45
 6. La decisión será; Como 2.34 > 1.645; se rechaza H0,

7. La conclusión final será: conforme la evidencia de la muestra, el proceso se encuentra fuera de

control, por consiguiente se deberá detenerlo para realizar las correcciones correspondientes.

El uso del valor p: el valor p, corresponde al uso de las probabilidades y como valor crítico el valor de α.
El procedimiento se complementa de la siguiente manera:
Una vez calculada z o t ( z = 2.34) se determina la probabilidad extrema de obtener
un valor mayor o igual al valor obtenido en la muestra (condición que se define en
la hipótesis alternativa del planteamiento inicial), suponiendo que la hipótesis nula
sea cierta, es decir:

 
x
P( X  x )  0.5  N  
 
 n

1. Los cálculos según la evidencia de la muestra y obteniendo la probabilidad a partir de la tabla con el
valor de z será:
P( X  30.3)  0.5  N 2.34   0.5  0.4904  0.0096
2. La decisión será; Como 0.0096 < 0.05; se rechaza H0,

Eso implica que, la probabilidad de que una muestra de tamaño 30 genere una media muestral igual o mayor
a 30.3 lbs, siendo cierto que el parámetro es igual a 30 lbs es de 0.0096.

Para el caso de haber utilizado la tabla t, se procede a identificar la fila de los grados de libertad y se
busca el valor calculado, identificando el valor de alfa conforme los limites en los cuales se
encuentre.