Tema 7

Contraste de hipótesis
¿Inocente o culpable?
«Todo el mundo es inocente hasta
que se demuestre lo contrario»
Decidir entre dos opciones
Hipótesis nula 𝑯𝟎

Inocente
Es la opción que tomamos de inicio

Hipótesis alternativa 𝑯𝟏

Culpable
Es lo que tratamos de demostrar
Rechazar y aceptar las hipótesis
𝐻0 : inocente
𝐻1 : culpable

Si hay pruebas suficientes de culpabilidad

Rechazamos que sea inocente (rechazamos 𝐻0 )
y aceptamos que sea culpable (aceptamos 𝐻1 ).

Si no hay suficientes pruebas

No podemos rechazar que sea inocente (no rechazamos 𝐻0 )
y no podemos aceptar que sea culpable (no aceptamos 𝐻1 ).
¿Cómo de seguro tienes que estar
para meter a alguien en la cárcel?
Nivel de confianza y significación

Nivel de confianza
Será cómo de seguros queremos estar
antes de meter a alguien en la cárcel (aceptar 𝐻1 ).
Los valores más comunes son 90%, 95% y 99%,
según cómo de seguros queramos estar.

Nivel de significación
𝛼 = 1 − Nivel de confianza
Tipos de errores
Es inocente 𝐻0 Es culpable 𝐻1

Error tipo II
Declarado inocente
«Dejas libre a
(No rechazas 𝐻0 Decisión correcta
un culpable»
ni aceptas 𝐻1 )
Probabilidad: 𝛽

Error tipo I
Declarado culpable
«Metes en la cárcel
(Rechazas 𝐻0 Decisión correcta
a un inocente»
y aceptas 𝐻1 )
Probabilidad: 𝛼

Al intentar reducir un error 𝛼 ↓ , aumenta el otro 𝛽 ↑ .

¿Para qué vamos
a usar todo esto?
Muestras e hipótesis
Hipótesis
Realizamos hipótesis sobre la población.
Ejemplos: «la media es 2», «la variable X sigue una
distribución normal», «la proporción es mayor del 30%» …

Muestra
Para verificar la hipótesis no podemos estudiar
todos los elementos de la población.
Por ello, tomamos una muestra que utilizaremos
para concluir sobre la validez de las hipótesis.

Muestra grande, aleatoria y representativa

Tipos de hipótesis
Hipótesis paramétricas
Se basan en los valores de un parámetro.
• Simple: especifica un único valor del parámetro 𝜇 = 2 .
• Compuesta: especifica un intervalo de valores:
• Unilateral: un intervalo 𝜇 > 2, 𝑝 ≤ 0.3, … .
• Bilateral: dos intervalos 𝜇 ≠ 2 ⟺ 𝜇 < 2 y 𝜇 > 2 .

Hipótesis no paramétricas
Se basan en otras características de la población.
Ejemplos: «la variable X sigue una distribución normal»,
«las variables X e Y son independientes»…
Hipótesis nula y alternativa
Hipótesis nula 𝑯𝟎
Es la opción que tomamos de inicio.
Podemos rechazarla o no, pero nunca aceptarla.
Es decir, nunca probamos que sea cierta.
Siempre contiene los signos =, ≥ o ≤

Hipótesis alternativa 𝑯𝟏
Es la opción que queremos demostrar.
Podemos aceptarla o no, pero nunca rechazarla.
Siempre contiene los signos ≠, > o <
Proceso de contraste de hipótesis
Hipótesis
«La altura media es de 169 cm»

𝐻0 : 𝜇 = 169
𝐻1 : 𝜇 ≠ 169

Muestra
«La altura media de la muestra
es de 172 cm»
Contraste 𝑥 = 172
«Si 𝑥 = 172
¿es probable que 𝜇 = 169?»

Si no lo es, rechazamos 𝐻0
y aceptamos 𝐻1
Ejemplo
La altura media en España es de 169 centímetros.
Sin embargo, nos da la sensación que eso no se corresponde
con lo que vemos en la universidad.
Para demostrarlo al 95% de confianza,
tomamos una muestra de 100 alumnos con
media muestral de 172 cm y cuasi-desviación típica 12 cm.
¿Cuáles son nuestras hipótesis?
¿Qué información nos da el enunciado?
Ejemplo
La altura media en España es de 169 centímetros.
Sin embargo, nos da la sensación que eso no se corresponde
con lo que vemos en la universidad.
Para demostrarlo al 95% de confianza,
tomamos una muestra de 100 alumnos con
media muestral de 172 cm y cuasi-desviación típica 12 cm.
¿Cuáles son nuestras hipótesis?
¿Qué información nos da el enunciado?

Hipótesis: 𝐻0 : 𝜇 = 169
𝐻1 : 𝜇 ≠ 169

Nivel de significación: 𝛼 = 0.05

Muestra: 𝑛 = 100 𝑥 = 172 𝑠 = 12

Ejemplo
Hipótesis: 𝐻0 : 𝜇 = 169
𝐻1 : 𝜇 ≠ 169

Nivel de significación: 𝛼 = 0.05

Muestra: 𝑛 = 100 𝑥 = 172 𝑠 = 12

En base a la muestra, ¿en qué intervalo estará la media 𝜇?

¿Podemos aceptar la hipótesis alternativa?
Ejemplo
Hipótesis: 𝐻0 : 𝜇 = 169
𝐻1 : 𝜇 ≠ 169

Nivel de significación: 𝛼 = 0.05

Muestra: 𝑛 = 100 𝑥 = 172 𝑠 = 12

En base a la muestra, ¿en qué intervalo estará la media 𝜇?

¿Podemos aceptar la hipótesis alternativa?

𝑠
La muestra es grande 𝑛 > 30 ⟹ 𝜇 ∈ 𝑥 ± 𝑧𝛼/2 ∙ ⟹
𝑛
12
⟹ 𝜇 ∈ 172 ± 1.96 ∙ ⟹ 𝜇 ∈ 172 ± 2.352 ⟹
100

⟹ 𝜇 ∈ 169.648; 174.352
No incluye a 169
Ejemplo
Hipótesis: 𝐻0 : 𝜇 = 169
𝐻1 : 𝜇 ≠ 169

Intervalo: 𝜇 ∈ 169.648; 174.352

¿Podemos aceptar la hipótesis alternativa?

𝟏𝟕𝟐

Región de 𝟏𝟔𝟗. 𝟔 𝟏𝟕4.3 Región de

rechazo
𝟗𝟓% rechazo

𝟏𝟔𝟗
Rechazamos 𝐻0 y aceptamos 𝐻1
La media en la universidad no es 169
Ejemplo
Concluimos que podemos rechazar la hipótesis nula 𝐻0
y aceptar la hipótesis alternativa 𝐻1
con un nivel de confianza del 95% 𝛼 = 0.05 .
¿Sabemos algo a un nivel de confianza del 90% 𝛼 = 0.10 ?
¿Y a un nivel de confianza del 99% 𝛼 = 0.01 ?
 Ejemplo
Concluimos que podemos rechazar la hipótesis nula 𝐻0
y aceptar la hipótesis alternativa 𝐻1
con un nivel de confianza del 95% 𝛼 = 0.05 .
¿Sabemos algo a un nivel de confianza del 90% 𝛼 = 0.10 ?
¿Y a un nivel de confianza del 99% 𝛼 = 0.01 ?

Región de 𝟏𝟔𝟗. 𝟔 𝟏𝟕4.3 Región de

rechazo
𝟗𝟓% rechazo
𝟏𝟔𝟗

Con confianza del 90%, el intervalo será menor y tampoco incluirá a 169.
Con confianza del 99%, el intervalo será mayor y no sabemos si lo incluirá.
Ejemplo
Hipótesis: 𝐻0 : 𝜇 = 169
𝐻1 : 𝜇 ≠ 169

Muestra: 𝑛 = 100 𝑥 = 172 𝑠 = 12

¿A partir de qué nivel de significación pasamos a

rechazar la hipótesis nula 𝐻0 y aceptar la alternativa 𝐻1 ?
Ejemplo
Hipótesis: 𝐻0 : 𝜇 = 169
𝐻1 : 𝜇 ≠ 169

Muestra: 𝑛 = 100 𝑥 = 172 𝑠 = 12

¿A partir de qué nivel de significación pasamos a

rechazar la hipótesis nula 𝐻0 y aceptar la alternativa 𝐻1 ?

𝑠
La muestra es grande 𝑛 > 30 ⟹ 𝜇 ∈ 𝑥 ± 𝑧𝛼/2 ∙ ⟹
𝑛
12
⟹ 𝜇 ∈ 172 ± 𝑧𝛼/2 ∙ ⟹ 𝜇 ∈ 172 ± 𝑧𝛼/2 ∙ 1.2 ⟹
100
3
𝑝
⟹ 𝑧𝑝/2 ∙ 1.2 = 3 ⟹ 𝑧𝑝/2 = 2.5 ⟹ = 0.0062 ⟹
2
⟹ 𝑝 = 0.0124
Este valor se conoce como «p-valor»
p-valor
Definición
El p-valor es el nivel mínimo de significación a partir
del cuál se rechaza la hipótesis nula 𝐻0
y se acepta la hipótesis alternativa 𝐻1 .

Se rechaza H0 y se acepta H1
para α = 0.05 95% y α = 0.10 90%
Si p − valor = 0.03
⟹
(estamos seguros al 97%)
No se rechaza H0 ni se acepta H1
para α = 0.01 99%
p-valor
Otras hipótesis e intervalos
𝐻0 : 𝜇 = 𝜇0 Región de Región de
𝐻1 : 𝜇 ≠ 𝜇0 rechazo 𝟗𝟎% rechazo

𝐻0 : 𝜇 ≤ 𝜇0 Región de
𝐻1 : 𝜇 > 𝜇0 𝟗𝟎% rechazo

𝐻0 : 𝜇 ≥ 𝜇0 Región de
𝐻1 : 𝜇 < 𝜇0 rechazo 𝟗𝟎%
Estadísticos
de contraste
Contraste de hipótesis
Cualquier distribución con 𝐧 → ∞
Hipótesis
1 𝐻0 : 𝜇 = 𝜇0 ; 𝐻1 : 𝜇 ≠ 𝜇0
2 𝐻0 : 𝜇 ≥ 𝜇0 ; 𝐻1 : 𝜇 < 𝜇0
3 𝐻0 : 𝜇 ≤ 𝜇0 ; 𝐻1 : 𝜇 > 𝜇0
Estadísticos de contraste
𝑥 − 𝜇0 𝑥 − 𝜇0
𝑎 𝑧0 = 𝑏 𝑡0 =
𝜎/ 𝑛 𝑠/ 𝑛
Región de rechazo
1𝑎 𝑧0 > 𝑧𝛼/2 1𝑏 𝑡0 > 𝑧𝛼/2
2𝑎 𝑧0 < −𝑧𝛼 2𝑏 𝑡0 < −𝑧𝛼
3𝑎 𝑧0 > 𝑧𝛼 3𝑏 𝑡0 > 𝑧𝛼
Ejemplo
Nivel de significación: 𝛼 = 0.05
Muestra: 𝑛 = 100 𝑥 = 172 𝑠 = 12

¿Es la media poblacional 𝜇 igual a 169?

Ejemplo
Nivel de significación: 𝛼 = 0.05
Muestra: 𝑛 = 100 𝑥 = 172 𝑠 = 12

¿Es la media poblacional 𝜇 igual a 169?

Hipótesis
1 𝐻0 : 𝜇 = 169; 𝐻1 : 𝜇 ≠ 169
Estadísticos de contraste
𝑥 − 𝜇0 172 − 169
𝑏 𝑡0 = = = 2.5
𝑠/ 𝑛 12/ 10
Región de rechazo
Rechazamos 𝐻0
1𝑏 𝑡0 > 𝑧𝛼/2 ⟹ 2.5 > 1.96 ⟹
y aceptamos 𝐻1
Ejemplo
Muestra: 𝑛 = 100 𝑥 = 172 𝑠 = 12
¿Es la media poblacional 𝜇 igual a 169?
Determínalo en función del p-valor.
Ejemplo
Muestra: 𝑛 = 100 𝑥 = 172 𝑠 = 12
¿Es la media poblacional 𝜇 igual a 169?
Determínalo en función del p-valor.

Hipótesis
1 𝐻0 : 𝜇 = 169; 𝐻1 : 𝜇 ≠ 169
Estadísticos de contraste
𝑥 − 𝜇0 172 − 169
𝑏 𝑡0 = = = 2.5
𝑠/ 𝑛 12/ 10
p-valor
𝑝
1𝑏 𝑡0 = 𝑧𝑝/2 ⟹ 2.5 = 𝑧𝑝/2 ⟹ = 0.0062 ⟹
2
Aceptamos H1 para α = 0.05 y α = 0.1
⟹ 𝑝 = 0.0124 ⟹
No aceptamos H1 para α = 0.01
Contraste de dos poblaciones
Cualquier distribuciones con 𝒏𝟏 , 𝒏𝟐 → ∞ y 𝝈𝟏 𝟐 ≠ 𝝈𝟐 𝟐
Hipótesis
1 𝐻0 : 𝜇1 = 𝜇2 ; 𝐻1 : 𝜇1 ≠ 𝜇2
2 𝐻0 : 𝜇1 ≥ 𝜇2 ; 𝐻1 : 𝜇1 < 𝜇2
3 𝐻0 : 𝜇1 ≤ 𝜇2 ; 𝐻1 : 𝜇1 > 𝜇2
Estadísticos de contraste
𝑥1 − 𝑥2 𝑥1 − 𝑥2
𝑎 𝑧0 = 𝑏 𝑡0 =
𝜎12 𝜎22 𝑠12 𝑠22
+ +
𝑛1 𝑛2 𝑛1 𝑛2

Región de rechazo
1𝑎 𝑧0 > 𝑧𝛼/2 1𝑏 𝑡0 > 𝑧𝛼/2
2𝑎 𝑧0 < −𝑧𝛼 2𝑏 𝑡0 < −𝑧𝛼
3𝑎 𝑧0 > 𝑧𝛼 3𝑏 𝑡0 > 𝑧𝛼