Objetivos

 Describir el significado de una hipótesis nula y una
alternativa.
 Transformar una declaración verbal en una hipótesis nula o
alternativa, e incluso determinar si es adecuada una prueba
de dos colas o de una cola.
 Describir qué significan los errores de tipo I y de tipo II, y
explicar cómo pueden reducirse en una prueba de
hipótesis.
 Efectuar una prueba de hipótesis para la media o la
proporción poblacional, interpretar los resultados de la
prueba y determinar la decisión de negocios correcta que
debe aplicarse.

 Determinar y aplicar el valor de p para una prueba de
hipótesis.
 Explicar cómo se relacionan los intervalos de confianza
con las pruebas de hipótesis.
 Determinar y explicar la curva de potencia para una
prueba de hipótesis y dar una regla de decisión
específica.
 Determinar y explicar la curva característica de
operación para una prueba de hipótesis y una regla de
decisión específica.

La hipótesis nula es una afirmación acerca del valor de un parámetro poblacional y se postula para ser probada según la evidencia numérica. no ocurre nada extraño” que prácticamente lo invita a desafiar su veracidad. tiene el beneficio de la duda. se supone que la hipótesis nula es verdadera a menos que tengamos una evidencia estadística abrumadora de lo contrario. expresada como H0 (“H subcero”). .La hipótesis nula  El primer paso para examinar afirmaciones como las anteriores es plantear una hipótesis nula. En otras palabras. En la filosofía de una prueba de hipótesis.  La hipótesis nula es la afirmación de que “todo sigue igual. Una hipótesis nula se rechaza o no se rechaza.

es la afirmación que se sustenta si la hipótesis es falsa. de modo que una de las dos tiene que ser falsa. Para una prueba específica.La hipótesis alternativa  La hipótesis alternativa. las hipótesis nula y alternativa incluyen todos los valores posibles de un parámetro de la población. H1 (“H subuno). .

Existen tres opciones posibles para plantear las hipótesis nula y alternativa .

al menos (≥). el proveedor de Jackson afirma que no más de 20% de las latas de remolacha están abolladas. no mayor que (≤) o menor que (<) alguna cantidad. Prueba direccional y prueba no direccional  Una declaración o afirmación direccional sostiene que un parámetro poblacional es mayor que (>). .  Una declaración o afirmación no direccional sostiene que un parámetro es igual a alguna cantidad. Por ejemplo. Por ejemplo. Titus Walsh afirma que 35% de los ciclistas son ciudadanos de la tercera edad.

35 Proporción de personas de la tercera edad en una muestra aleatoria de ciclistas a) Titus Walsh: “El 35% de los ciclistas del sistema son personas de la tercera edad” .35 Rechazar H0 No rechazar H0 Rechazar H0 0.35 H1: p 0. La prueba de hipótesis y la naturaleza de la prueba Figura 1 H0: p = 0.

20 Proporción de envases abollados en una muestra aleatoria de latas de remolacha a) Proveedor de Jackson Backus: “No más del 20% de las latas están abolladas” .H0: p ≤ 0.20 H1: p > 0.20 No se rechaza H0 Se rechaza H0 0.

Tabla 1: Categorías de las afirmaciones típicas para las hipótesis nula y alternativa A: La afirmación es una igualdad. “ = ” Ejemplo:”El promedio de duración de un neumático es de 35 000 millas” H0 : = 35 000 millas H1 : µ 35 000 millas B: Las afirmaciones “ ” o “ ” (NO > o <) Ejemplo: “El promedio de duración de un neumático es al menos de 35 000 millas” H0 : 35 000 millas H1: µ < 35 000 millas Ejemplo: “El promedio de duración de un neumático es no más de 35 000 millas” H0 : 35 000 millas H1: µ > 35 000 millas .

Errores en las pruebas de hipótesis  .

 .

. 6.Tomar la decisión de negocios correspondiente.Seleccionar el nivel de significancia.Comparar los valores calculados y críticos y llegar a una conclusión acerca de la hipótesis nula.Seleccionar el estadístico de prueba y calcular su valor... 2. Pruebas de hipótesis: procedimientos básicos 1.. 4. 5. 3.Identificar los valores críticos para el estadístico de prueba y establecer la regla de decisión....Formular las hipótesis nula y alternativa.

prueba z para la media muestral: .Estadístico de la prueba.

Interpretación del valor p en la impresión de una computadora: .

Prueba para la proporción En ocasiones. Por ejemplo. necesitamos comparar la proporción de una muestra. cada una de las siguientes situaciones puede someterse a las técnicas de esta sección: . p. . con un valor supuesto en una hipótesis para la proporción de la población.

 Cuando una máquina funciona en forma correcta. sólo 40% de 120 electores dice que votará por la candidata. una encuesta de 150 clientes revela que 20% no está satisfecho con el trabajo realizado.  Un propietario de un taller de reparación de automóviles afirma que no más de 5% de sus clientes está satisfecho con su trabajo. En una muestra de 400 unidades. .5% están defectuosas. Una destacada candidata para el concejo municipal declara que 65% de los electores de la ciudad pretende votar por ella en la elección venidera. En un muestreo independiente. sólo 3% de las unidades producidas están defectuosas. Sin embargo. 4.

Cuando se usa la distribución normal para pruebas de hipótesis acerca de la proporción muestral. la distribución normal es una buena aproximación cuando np 5 y n(1-p) 5. mejor se torna esta aproximación y para la mayoría de las situaciones prácticas se satisface esta condición. Sin embargo. Cuanto más grande es el tamaño de la muestra.La distribución teóricamente correcta para abordar las proporciones es la distribución binomial.. el estadístico de la prueba es el siguiente: .

donde = la proporción muestral p = la proporción poblacional de la hipótesis n = el tamaño de la muestra el error estándar de la distribución de la proporción muestral . prueba z para la proporción muestral .Estadístico de la prueba.

66% obtuvo empleos relacionados con su área de estudios. En una muestra formada por 200 graduados de la generación del año anterior.Prueba de dos colas para la proporción Ejemplo: El director de servicios de carreras de la Hobart University declaró que 70% de los estudiantes universitarios de último año entra al mercado laboral en un puesto directamente relacionado con su área de estudio. .

.05.70 La proporción es un valor diferente de 0. H1 : p 0.70 La proporción de graduados que consiguen empleos en su área de estudios es de 0. Solución Formular las hipótesis nula y alternativa La afirmación del director es no direccional y conduce a las hipótesis nula y alternativa de: H0: p = 0.70 Seleccionar el nivel de significancia Para esta prueba.05. se utilizará un nivel de significancia de 0. La suma de las áreas de las dos colas será 0.70.

p = 0.23 . el número de unidades de error estándar entre la proporción poblacional de la hipótesis. El error estándar de la proporción muestral es: = 0.70. y la proporción muestral.Seleccionar el estadístico de la prueba y calcular su valor El estadístico de la prueba será z.66.0324 y el valor calculado de z es: = -1. p = 0.

96. La regla de decisión se plantea como “Rechazar H0 si la z calculada es < -1.Identificar los valores críticos para el estadístico de la prueba y plantear la regla de decisión Dado que esta prueba es de dos colas y el nivel de significancia seleccionado es de 0. cae entre los dos valores críticos. La hipótesis nula no se rechaza.96 y z = +1. los valores críticos serán z = -1.96. lo cual lo coloca en la región de no rechazo de la distribución.05. .23. z = -1. Comparar los valores calculado y crítico y llegar a una conclusión para la hipótesis nula El valor calculado del estadístico de la prueba.96 o > +1. de lo contrario no rechazar”.

Tomar la decisión correspondiente No rechazar la hipótesis nula nos hace concluir que la proporción de graduados que entran al mercado laboral en puestos relacionados con su área de estudios puede ser igual al valor declarado de 0. Si el director de servicios de carrera afirma esto ante los estudiantes o sus padres. el análisis sugiere que su aseveración no será cuestionada.70. .

se habían efectuado 100 operaciones durante el año anterior. .S. En una de las unidades quirúrgicas cerradas.0%? Considere que el desempeño del hospital representa una muestra de la población de operaciones que pudieron realizarse si hubieran tenido pacientes.0%. ¿la tasa de mortalidad de este hospital fue significativamente mayor que el valor límite de 5. Veterans Administration (VA) cerró las unidades de cirugía cardíaca en varios de sus hospitales que realizaban menos de 150 operaciones al año o tenían tasas de mortalidad superiores a 5.01. con una tasa de mortalidad de 7. la U.0%. Con un nivel de significancia de 0. Prueba de una cola de una proporción Ejemplo: En una decisión administrativa.

es el valor más alto posible para el cual la hipótesis nula podría ser verdadera. y que la proporción observada.05. .05 El centro de la distribución para la hipótesis. = 0.07. Solución Formular las hipótesis nula y alternativa La hipótesis nula supone que la tasa de mortalidad de la “población” para la unidad de cirugía cardíaca del hospital en realidad es no mayor que 0. p = 0.05 La tasa de mortalidad verdadera es mayor que 0.05. La tasa de mortalidad verdadera para la unidad es no mayor que 0. se debió simplemente a una variación casual.

01. Si la hipótesis nula fuera verdadera.Seleccionar el nivel de significancia El nivel de significancia se especificó como = 0. El error estándar de la proporción de la muestra y el valor calculado del estadístico de prueba son: y = 0. Seleccionar el estadístico de prueba y calcular su valor El estadístico de prueba será z.92 . no habrá más que una probabilidad de 0.01 de rechazar incorrectamente. calculada como .

cae en la región de no rechazo y la hipótesis nula. . .Identificar el valor crítico para estadístico de prueba y plantear la regla de decisión Para el nivel de 0.33. z = 0. no puede ser rechazada. La regla de decisión se plantea como “Rechazar H0 si la z calculada es z > +2.92. es menor que el valor crítico. el valor crítico de z es z = 2. no rechazar” Comparar los valores calculado y crítico y llegar a una conclusión para la hipótesis nula Como el valor calculado.33. de lo contrario.01.

y su cierre no puede ser justificado con base en el argumento “es significativamente mayor que 0.05”. .Tomar la decisión correspondiente La tasa de mortalidad por cirugía cardíaca para este hospital pudo ser de 0.07 sólo por casualidad.

la prueba ahora se vería así:  La prueba no se modifica con respecto a los siguiente: Hipótesis nula: Hipótesis alternativa: Desviación estándar de la población: Nivel de significancia especificado:  Se modifica lo siguiente como resultado de n = 60 en lugar de n = 40: . Ejemplo Suponga que la prueba de Extendabulb corresponde a una muestra formada por n = 60 focos en lugar de sólo 40. Con el tamaño de muestra más grande.

645 ahora corresponde a una media muestral de: 1030. se comparan los valores de la potencia de la prueba con n = 60 y n = 40.11 horas La regla de decisión se convierte en. encontraríamos los valores siguientes para la potencia de la prueba. En la tabla respectiva. “Rechazar si > 1049.00 + 1. ahora es: El valor crítico de z de +1. .62) horas = 1049.645(11. .11 horas” Con el tamaño de muestra más grande y esta nueva regla de decisión. El error estándar de la media muestral.

2177 0.11) Prob. Potencia de la prueba Con n = 60 Con n = 40 Verdadero valor de µ Prob.41) 1040 0.( >1053.Cada prueba utiliza su propia regla de decisión para el nivel de significancia de 0.1736 1060 0.9693 .9961* 0.6772 1080 0.8264 0.( >1049.05.

para n = 60 y la regla de decisión mostrada.Por ejemplo. .9961* Como indican estas cifras. con el área de la curva a la derecha de z = -2. la misma prueba con n = 60 (y la regla de decisión correspondiente) tendría una probabilidad más grande de rechazar correctamente la hipótesis nula falsa para cada posible media poblacional del caso anterior (curva de potencia para una prueba de hipótesis). Si el ejemplo de Extendabulb hubiera permanecido igual. pero sólo se hubiera cambiado el tamaño de la muestra. el tamaño de la muestra n = 60 hubiera producido valores de ( mucho más alto que los calculados antes para n = 40.66 igual a 0.

216464 20 0.963896 50 0.999784 .530478 30 0.996075 60 0.825656 40 0.050000 10 0.050000 0.969174 0.Diferencia Potencia (n = 40) Potencia1 (n = 60) 0 0.994937 0.678437 0.173064 0.405399 0.878205 0.

994937 Si consideramos un tamaño de muestra de n = 60.996075 60 60 0.678437 40 40 0.050000 10 40 0.963896 50 60 0.050000 10 60 0.405399 30 40 0.969174 60 40 0.05 Assumed standard deviation = 90 Sample Difference Size Power 0 60 0.825656 40 60 0.216464 20 60 0. obtenemos los siguientes resultados: 1-Sample Z Test Testing mean = null (versus > null) Calculating power for mean = null + difference Alpha = 0.Power and Sample Size 1-Sample Z Test Testing mean = null (versus > null) Calculating power for mean = null + difference Alpha = 0.05 Assumed standard deviation = 90 Sample Difference Size Power 0 40 0.878205 50 40 0.530478 30 60 0.173064 20 40 0.999784 .

Se puede graficar la curva de potencia para los dos casos (n = 40 y n = 60): .