Matemática avanzada para ingenieros Mgt. Rina M.

Zamalloa Cornejo

PRUEBA DE HIPOTESIS
Las secciones anteriores han mostrado cómo se puede estimar un parámetro a partir de
los datos contenidos en una muestra. Puede encontrarse ya sea un sólo número (estimador
puntual) o un intervalo de valores posibles (intervalo de confianza). Sin embargo, muchos
problemas de ingeniería, ciencia, y administración, requieren que se tome una decisión entre
aceptar o rechazar una proposición sobre algún parámetro. Esta proposición recibe el nombre
de hipótesis. Este es uno de los aspectos más útiles de la inferencia estadística, puesto que
muchos tipos de problemas de toma de decisiones, pruebas o experimentos en el mundo de la
ingeniería, pueden formularse como problemas de prueba de hipótesis.
Una hipótesis estadística es una proposición o supuesto sobre los parámetros de una o
más poblaciones. Es importante recordar que las hipótesis siempre son proposiciones sobre la
población o distribución bajo estudio, no proposiciones sobre la muestra. Por lo general, el
valor del parámetro de la población especificado en la hipótesis nula se determina en una de
tres maneras diferentes:
• Puede ser resultado de la experiencia pasada o del conocimiento del proceso, entonces
el objetivo de la prueba de hipótesis usualmente es determinar si ha cambiado el valor
del parámetro.
• Puede obtenerse a partir de alguna teoría o modelo que se relaciona con el proceso
bajo estudio. En este caso, el objetivo de la prueba de hipótesis es verificar la teoría o
modelo.
• Cuando el valor del parámetro proviene de consideraciones externas, tales como las
especificaciones de diseño o ingeniería, o de obligaciones contractuales. En esta
situación, el objetivo usual de la prueba de hipótesis es probar el cumplimiento de las
especificaciones.
Un procedimiento que conduce a una decisión sobre una hipótesis en particular recibe
el nombre de prueba de hipótesis. Los procedimientos de prueba de hipótesis dependen del
empleo de la información contenida en la muestra aleatoria de la población de interés. Si esta
información es consistente con la hipótesis, se concluye que ésta es verdadera; sin embargo si
esta información es inconsistente con la hipótesis, se concluye que esta es falsa. Debe hacerse
hincapié en que la verdad o falsedad de una hipótesis en particular nunca puede conocerse con
certidumbre, a menos que pueda examinarse a toda la población. Usualmente esto es
imposible en muchas situaciones prácticas. Por tanto, es necesario desarrollar un
procedimiento de prueba de hipótesis teniendo en cuenta la probabilidad de llegar a una
conclusión equivocada.

1
Matemática avanzada para ingenieros Mgt. Rina M. Zamalloa Cornejo

La hipótesis nula, representada por H 0 , es la afirmación sobre una o más

características de poblaciones que al inicio se supone cierta (es decir, la "creencia a priori").
La hipótesis alterna, representada por H1 , es la afirmación que contradice a H 0 y ésta

es la hipótesis del investigador, es la que se quiere probar.

La hipótesis nula se rechaza en favor de la hipótesis alterna, sólo si la evidencia
muestral sugiere que H 0 es falsa. Si la muestra no contradice decididamente a H 0 se continúa

creyendo en la validez de la hipótesis nula. Entonces, las dos conclusiones posibles de un

análisis por prueba de hipótesis son rechazar H 0 o no rechazar H 0 .

Prueba de una Hipótesis Estadística

Para tomar decisiones estadísticas, se requieren de las dos hipótesis: la hipótesis nula y
la hipótesis alterna referida a un parámetro  . La prueba de una hipótesis estadística es un
proceso que nos lleva a tomar una decisión de rechazar o no rechazar la hipótesis nula H 0 en

contraposición de la hipótesis alterna H1 a un nivel de significación y con base en los

resultados de una muestra aleatoria seleccionada de la población en estudio.
La hipótesis H 0 es la hipótesis que se plantea y se debe probar. El no rechazo de la

hipótesis nula H 0 significa que los datos de la muestra no proporcionan evidencia suficiente

para refutarla. El rechazo significa que los datos de la muestra proporcionan evidencia
suficiente de que la hipótesis nula es falsa.

Tipos de errores
En la prueba de hipótesis pueden cometerse dos tipos posibles de errores:
• El error tipo I se define como el rechazo de la hipótesis nula Ho cuando ésta es
verdadera.
• El error tipo II se define como la aceptación de la hipótesis nula cuando ésta es falsa.
Por tanto, al probar cualquier hipótesis estadística, existen cuatro situaciones
diferentes que determinan si la decisión final es correcta o errónea.

Decisión Ho es verdadera Ho es falsa

Aceptar Ho Correcta Error tipo II

Rechazar Ho Error tipo I Correcta

2
Matemática avanzada para ingenieros Mgt. Rina M. Zamalloa Cornejo

Es obvio que, quien toma las decisiones, quiera reducir al máximo las probabilidades
de cometer cualquiera de estos dos tipos de errores, pues no es tan sencillo, debido a que los
errores tipo I y tipo II están relacionados. Una disminución en la probabilidad de uno por lo
general tiene como resultado un aumento en la probabilidad del otro. Sin embargo dada la
regla de decisión es posible reducir ambos tipos de errores en forma simultánea, aumentando
el tamaño de la muestra.
El nivel de significación o tamaño de la región crítica representado por  , se define
como la probabilidad de cometer error tipo I, es decir:
 = PError tipo I  = Prechazar H0 / H0 es verdadera
la selección del nivel de significación se ha de hacer teniendo en cuenta que  debe tomar una
menor probabilidad de rechazar una hipótesis nula H 0 cuando esta esta es cierta.

El nivel de significación  , indica la importancia o significado que el investigador

atribuye a las consecuencias asociadas rechazando incorrectamente la hipótesis nula H 0 . El

tamaño de la región crítica, y por tanto la probabilidad de cometer un error tipo I, siempre se
puede reducir al ajustar el o los valores críticos.
La probabilidad de cometer error tipo II, se representa por  :

 = P  Error tipo II  = P  aceptar H 0 / H 0 es falsa 

Diremos que un contraste es el más potente o de máxima potencia si entre la clase de los
contrastes cuyos errores no son mayores que el suyo, ninguno tiene un error  más pequeño
que el suyo, es decir ninguno tiene una potencia 1 −  mayor que la suya.

Tipos de pruebas de hipótesis

Existen tres tipos principales de pruebas, cada uno de los cuales es identificado por la
forma en que se formulen H 0 y H1 . Las pruebas pueden ser unilateral o bilateral.
1. Prueba unilateral o de una cola, estas pueden ser:
a. Prueba de cola inferior:
H 0 :   0 H1 :   0
b. Prueba de cola superior
H 0 :   0 H1 :   0
2. Prueba bilateral o de dos colas
H 0 :  = 0 H1 :   0

3
Matemática avanzada para ingenieros Mgt. Rina M. Zamalloa Cornejo

Los pasos para realizar una prueba de hipótesis son:

1. Formular las hipótesis nula y alterna de acuerdo al problema.
2. Establecer el nivel de significación próximo a cero.
3. Identificar y calcular el estadístico de prueba utilizando la distribución muestral apropiada
del estimador y los datos de la muestra.
4. Establecer la región crítica o formular una regla de decisión
5. Tomar una muestra, llegar a una decisión y dar las conclusiones

Paso 1: Establecer la hipótesis nula y la alternativa

Paso 2: Seleccionar el nivel de significación

Paso 3: Identificar el estadístico de prueba

Paso 4: Formular una regla de decisión

Paso 5: Tomar una muestra, llegar a una decisión

No rechzar la hipótesis nula Rechazar la nula y aceptar la alternativa

PRUEBAS DE HIPÓTESIS PARA LA MEDIA

El promedio aritmético poblacional es un indicador muy importante, por lo tanto,
frecuentemente se desea probar si dicho promedio ha permanecido igual, ha aumentado o
disminuido. A través de la prueba de hipótesis se determina si la media poblacional es
significativamente mayor o menor que algún valor supuesto.
Supongamos que de una población normal con media desconocida  y varianza 2
conocida se extrae una muestra ( X 1 , X 2 , ...., X n ) de tamaño n; entonces para hacer pruebas de

hipótesis con respecto a la media poblacional  , se siguen los siguientes pasos

Primer Caso: VARIANZA POBLACIONAL CONOCIDA, MUESTRA GRANDE

1.- Formular la prueba de hipótesis:

H 0 :   0 H 0 :   0 H 0 :  = 0
H1 :    0 H1 :    0 H1 :    0
I II III

4
Matemática avanzada para ingenieros Mgt. Rina M. Zamalloa Cornejo

2.- Establecer el nivel de significación  .

3.- Estadístico de Prueba:

( X − 0 ) n
zc =


4.- Establecer la Región Crítica o Región de Rechazo.

Tipo I: H1 :   0 A ( z0 ) = 0,5 −  , z 0 : ver en la tabla Normal Estándar

Tipo II: H1 :   0 A ( z0 ) = 0,5 −  , z 0 : ver en la tabla Normal Estándar

Tipo III: H1 :   0 A ( z0 ) = 0,5 −  2 , z 0 : ver en la tabla Normal Estándar

5.- Conclusiones:
Tipo I: Se acepta H 0 si zc  − z0 y se rechaza H 0 si zc  − z0

Tipo II: Se acepta H 0 si zc  z0 y se rechaza H 0 si zc  z0

Tipo III: Se acepta H 0 si − z0  zc  z0 y se rechaza H 0 si zc  − z0 o zc  z0

5
Matemática avanzada para ingenieros Mgt. Rina M. Zamalloa Cornejo

Segundo Caso: VARIANZA POBLACIONAL DESCONOCIDA, MUESTRA PEQUEÑA

Sea ( X 1 , X 2 , ...., X n ) una muestra aleatoria de tamaño n obtenida de una población

normal con parámetros  y  2 desconocida, para someter a prueba de hipótesis:

1.- Formular la prueba de hipótesis:

H 0 :   0 H 0 :   0 H 0 :  = 0
H1 :    0 H1 :    0 H1 :    0
I II III
2.- Establecer el nivel de significación  .
3.- Estadístico de Prueba:
( X − 0 ) n
tc =
S

4.- Región Crítica

Tipo I: H1 :   0 t0 = t ( ; n − 1gl ) (Prueba de una cola)

Tipo II: H1 :   0 t0 = t ( ; n − 1gl ) (Prueba de una cola)

Tipo III: H1 :   0 t0 = t ( ; n − 1gl ) (Prueba de dos colas)

5.- Conclusiones:
Tipo I: Se acepta H 0 si tc  −t0 y se rechaza H 0 si tc  −t0

Tipo II: Se acepta H 0 si tc  t0 y se rechaza H 0 si tc  t0

Tipo III: Se acepta H 0 si −t0  tc  t0 y se rechaza H 0 si tc  −t0 o tc  t0

PRUEBAS DE HIPÓTESIS PARA LA VARIANZA

Con frecuencia nuestro interés está en el parámetro de variabilidad, en cuyo caso
podemos hacer las pruebas sobre un valor específico de la varianza poblacional o que se desee
comprobar si la variación o dispersión de una variable ha tenido alguna modificación, lo cual
se hace con la prueba de hipótesis para la varianza.
1.- Formular la prueba de hipótesis:
H 0 : 2   2 0 H 0 : 2   2 0 H 0 : 2 =  20
H1 : 2   2 0 H1 : 2   2 0 H1 : 2   2 0
I II III

2.- Establecer el nivel de significación  .

6
Matemática avanzada para ingenieros Mgt. Rina M. Zamalloa Cornejo

3.- Estadístico de Prueba:

( n − 1) S 2
yc =
 02

4.- Establecer la Región Crítica o Región de Rechazo.

Tipo I: H1 : 2   02 y0 =  2 (1 −  ; n − 1gl )

Tipo II: H1 : 2   02 y0 =  2 ( ; n − 1gl )

Tipo III: H1 : 2   02 y1 =  2 (1 −  2; n − 1gl ) ; y2 =  2 ( 2; n − 1gl )

5.- Conclusiones:
Tipo I: Se acepta H 0 si yc  y0 y se rechaza H 0 si yc  y0

Tipo II: Se acepta H 0 si yc  y0 y se rechaza H 0 si yc  y0

Tipo III: Se acepta H 0 si y1  yc  y2 y se rechaza H 0 si yc  y1 o yc  y2

El supuesto de varianzas iguales que se hace al comparar las medias de dos

poblaciones, deberá ahora probarse mediante la estadística F

PRUEBAS DE HIPÓTESIS PARA LA HOMOGENEIDAD DE VARIANZAS

1.- Formular la prueba de hipótesis:
H 0 : 12 =  22 H1 : 12   22

2.- Establecer el nivel de significación  .

3.- Estadístico de Prueba:
2
S 2
Smayor
f = 1
=
2
c 2 Smenor
S
2

4.- Establecer la Región Crítica

H1 : 12   22 ; f 0 = F  ; ( n1 − 1, n2 − 1) gl 

5.- Conclusión
Se acepta H 0 si fc  f 0 y se rechaza H 0 si fc  f 0

7
Matemática avanzada para ingenieros Mgt. Rina M. Zamalloa Cornejo

PRUEBAS DE HIPOTESIS PARA DIFERENCIA DE MEDIAS

Se tienen dos poblaciones y se toman muestras aleatorias independientes de tamaños
n 1 y n 2 , se puede comparar el comportamiento de dichas poblaciones a través de los
promedios.

Primer Caso: VARIANZAS POBLACIONALES CONOCIDAS, MUESTRAS GRANDES;

1.- Formular la prueba de hipótesis:
H 0 : 1  2 H 0 : 1  2 H 0 : 1 = 2
H1 : 1  2 H1 : 1  2 H1 : 1  2
I II III
2.- Establecer el nivel de significación  .
3.- Estadístico de Prueba:
X1 − X 2
zc =
 12  22
+
n1 n2

4.- Establecer la Región Crítica o Región de Rechazo.

Tipo I: H1 : 1   2 A ( z0 ) = 0,5 −  , z 0 : ver en la tabla Normal Estándar

Tipo II: H1 : 1  2 A ( z0 ) = 0,5 −  , z 0 : ver en la tabla Normal Estándar

Tipo III: H1 : 1  2 A ( z0 ) = 0,5 −  2 , z 0 : ver en la tabla Normal Estándar

5.- Conclusiones:
Tipo I: Se acepta H 0 si zc  − z0 y se rechaza H 0 si zc  − z0

Tipo II: Se acepta H 0 si zc  z0 y se rechaza H 0 si zc  z0

Tipo III: Se acepta H 0 si − z0  zc  z0 y se rechaza H 0 si zc  − z0 o zc  z0

Segundo Caso: VARIANZAS POBLACIONALES DESCONOCIDAS SE SUPONEN

HOMOGENEAS; MUESTRAS PEQUEÑAS
1.- Formular la prueba de hipótesis:
H 0 : 1  2 H 0 : 1  2 H 0 : 1 = 2
H1 : 1  2 H1 : 1  2 H1 : 1  2
I II III
2.- Establecer el nivel de significación  .
3.- Estadístico de prueba

8
Matemática avanzada para ingenieros Mgt. Rina M. Zamalloa Cornejo

X1 − X 2 (n1 - 1)S12 + (n2 - 1)S22

tc = Sc =
1 1 n1 + n 2 - 2
Sc +
n1 n2

4.- Establecer la Región Crítica o Región de Rechazo.

Tipo I: H1 : 1   2 t0 = t ( ; n1 + n2 − 2 gl ) Prueba de una cola

Tipo II: H1 : 1  2 t0 = t ( ; n1 + n2 − 2 gl ) Prueba de una cola

Tipo III: H1 : 1  2 t0 = t ( ; n1 + n2 − 2 gl ) Prueba de dos cola

5.- Conclusiones:
Tipo I: Se acepta H 0 si tc  −t0 y se rechaza H 0 si tc  −t0

Tipo II: Se acepta H 0 si tc  t0 y se rechaza H 0 si tc  t0

Tipo III: Se acepta H 0 si −t0  tc  t0 y se rechaza H 0 si tc  −t0 o tc  t0

Tercer Caso: VARIANZAS POBLACIONALES DESCONOCIDAS SE SUPONEN NO

HOMOGENEAS; MUESTRAS PEQUEÑAS
1.- Formular la prueba de hipótesis:
H 0 : 1  2 H 0 : 1  2 H 0 : 1 = 2
H1 : 1  2 H1 : 1  2 H1 : 1  2
I II III
2.- Establecer el nivel de significación  .
3.- Estadístico de Prueba:
X1 − X 2
tc =
S12 S2
+ 2
n1 n2

4.- Establecer la Región Crítica

w t +w t S12 S2
t0 = 1 1 2 2 donde w1 = y w2 = 2
w +w n1 n2
1 2

Tipo I: H1 : 1   2 −t0 : t1 = t ( ; n1 − 1gl ) y t2 = t ( ; n2 − 1gl ) Prueba de una cola

Tipo II: H1 : 1  2 t0 : t1 = t ( ; n1 − 1gl ) y t2 = t ( ; n2 − 1gl ) Prueba de una cola

Tipo III: H1 : 1  2 t0 : t1 = t ( ; n1 − 1gl ) y t2 = t ( ; n2 − 1gl ) Prueba de dos cola

5.- Conclusiones:
Tipo I: Se acepta H 0 si tc  −t0 y se rechaza H 0 si tc  −t0

Tipo II: Se acepta H 0 si tc  t0 y se rechaza H 0 si tc  t0

9
Matemática avanzada para ingenieros Mgt. Rina M. Zamalloa Cornejo

Tipo III: Se acepta H 0 si −t0  tc  t0 y se rechaza H 0 si tc  −t0 o tc  t0

Para la diferencia de medias cuando las muestras están pareadas o relacionadas (misma
medición, misma unidad experimental, circunstancias diferentes) podemos usar la prueba de
diferencia de medias donde D = 1 − 2 . Sin embargo debemos notar que la varianza de la

diferencia de medias lleva implícita la covarianza entre los estimadores X1 y

X 2 ( D2 =  12 +  22 − 2  1 2 )

Cuarto Caso: DIFERENCIAS PAREADAS O MUESTRAS RELACIONADAS

Ahora se desea realizar pruebas de hipótesis para la diferencia de dos medias cuando las
muestras extraídas de las poblaciones normales no son independientes y las varianzas
poblacionales no tienen porqué ser iguales. Es decir, supongamos que obtenemos una muestra
aleatoria de n pares de observaciones ( X 1 , Y1 ) ...... ( X n , Yn ) de poblaciones normales con

medias  X , y Y en donde ( X 1 , X 2 , ...., X n ) indica la muestra de la población con media  X ,

y (Y1 , Y2 , ...., Yn ) indica la muestra de la población con media Y .

En este caso podemos reducir la información a una sola muestra ( D1 , D2 , ...., Dn ) en donde:

Di = X i − Yi , i = 1,...., n

y por las propiedades de la distribución normal, esta muestra ( D1 , D2 , ...., Dn ) procederá

también de una población normal de media:

 D = E ( D ) = E  X i − Yi  =  X −  y

y varianza desconocida,  D2 ;.

La varianza poblacional  D2 se puede estimar por la varianza muestral S D2 que sería la

varianza de las diferencias que constituyen la muestra:

1 n
 ( Di − D )
2
S D2 =
n − 1 i =1
Siendo
n

D i
D= i =1

n
Un estimador puntual de la media poblacional de las diferencias:
D =  X −  y

10
Matemática avanzada para ingenieros Mgt. Rina M. Zamalloa Cornejo

está dado por D .

1.- Formular la prueba de hipótesis:
H 0 : D  0 H 0 : D  0 H 0 : D = 0
H1 :  D  0 H1 :  D  0 H1 :  D  0
I II III
2.- Establecer el nivel de significación  .
D n
3.- Estadístico de Prueba: tc =
SD

4.- Región Crítica

Tipo I: H1 : 1  0 t0 = t ( ; n − 1gl ) (Prueba de una cola)

Tipo II: H1 : D  0 t0 = t ( ; n − 1gl ) (Prueba de una cola)

Tipo III: H1 : D  0 t0 = t ( ; n − 1gl ) (Prueba de dos colas)

5.- Conclusiones:
Tipo I: Se acepta H 0 si tc  −t0 y se rechaza H 0 si tc  −t0

Tipo II: Se acepta H 0 si tc  t0 y se rechaza H 0 si tc  t0

Tipo III: Se acepta H 0 si −t0  tc  t0 y se rechaza H 0 si tc  −t0 o tc  t0

PRUEBAS DE HIPOTESIS PARA VARIABLES CATEGORICAS

Frecuentemente se desea estimar la proporción de elementos que tienen una
característica determinada, en tal caso, las observaciones son de naturaleza cualitativa.
Cuando se analiza información cualitativa y se está interesado en verificar un supuesto acerca
de la proporción poblacional de elementos que tienen determinada característica, es útil
trabajar con la prueba de hipótesis para la proporción.

PARA LA PROPORCION
1.- Formular la prueba de hipótesis:
H 0 : p  p0 H 0 : p  p0 H 0 : p = p0
H1 : p  p0 H1 : p  p0 H1 : p  p0
I II III
2.- Establecer el nivel de significación  .
pˆ − p0
3.- Estadístico de Prueba: zc =
p0 ( 1 − p0 )
n

11
Matemática avanzada para ingenieros Mgt. Rina M. Zamalloa Cornejo

4.- Establecer la Región Crítica o Región de Rechazo.

Tipo I: H1 : p  p0 A ( z0 ) = 0,5 −  , z 0 : ver en la tabla Normal Estándar

Tipo II: H1 : p  p0 A ( z0 ) = 0,5 −  , z 0 : ver en la tabla Normal Estándar

Tipo III: H1 : p  p0 A ( z0 ) = 0,5 −  2 , z 0 : ver en la tabla Normal Estándar

5.- Conclusiones:
Tipo I: Se acepta H 0 si zc  − z0 y se rechaza H 0 si zc  − z0

Tipo II: Se acepta H 0 si zc  z0 y se rechaza H 0 si zc  z0

Tipo III: Se acepta H 0 si − z0  zc  z0 y se rechaza H 0 si zc  − z0 o zc  z0

Algunas veces estamos interesados en analizar la diferencia entre las proporciones de

poblaciones de grupos con distintas características

PARA LA DIFERENCIA DE PROPORCIONES

1.- Formular la prueba de hipótesis:
H 0 : p1  p2 H 0 : p1  p2 H 0 : p1 = p2
H1 : p1  p2 H1 : p1  p2 H1 : p1  p2
I II III
2.- Establecer el nivel de significación  .
pˆ1 − pˆ 2 x1 + x2
3.- Estadístico de Prueba: zc = donde p =
1 1  n1 + n2
p (1 − p )  +
n 
 1 n2 

4.- Establecer la Región Crítica o Región de Rechazo.

Tipo I: H1 : p1  p2 A ( z0 ) = 0,5 −  , z 0 : ver en la tabla Normal Estándar

Tipo II: H1 : p1  p2 A ( z0 ) = 0,5 −  , z 0 : ver en la tabla Normal Estándar

Tipo III: H1 : p1  p2 A ( z0 ) = 0,5 −  2 , z 0 : ver en la tabla Normal Estándar

5.- Conclusiones:
Tipo I: Se acepta H 0 si zc  − z0 y se rechaza H 0 si zc  − z0

Tipo II: Se acepta H 0 si zc  z0 y se rechaza H 0 si zc  z0

Tipo III: Se acepta H 0 si − z0  zc  z0 y se rechaza H 0 si zc  − z0 o zc  z0

12
Matemática avanzada para ingenieros Mgt. Rina M. Zamalloa Cornejo

PRUEBA DE CHI CUADRADO

El objetivo ahora es el estudio de varias cuestiones en relación con variables cualitativas ó
cuantitativas cuyos datos están recogidos en forma de tabla de frecuencias. El denominador
común a todas ellas es que su tratamiento estadístico está basado en la misma distribución
teórica: la distribución X 2 (chi-cuadrado ó ji-cuadrado). En esencia se van a abordar tres

tipos de problemas:

a) Prueba de Bondad de Ajuste, consiste en determinar si los datos de cierta muestra

corresponden a cierta distribución poblacional. En este caso es necesario que los valores de la
variable en la muestra y sobre la cual queremos realizar la inferencia esté dividida en clases
de ocurrencia, o equivalentemente, sea cual sea la variable de estudio, deberemos categorizar
los datos asignado sus valores a diferentes clases o grupos.

b) Prueba de Homogeneidad de varias muestras cualitativas, consiste en comprobar si varias

muestras de un carácter cualitativo proceden de la misma población (por ejemplo: ¿estas tres
muestras de alumnos provienen de poblaciones con igual distribución de aprobados? Es
necesario que las dos variables medibles estén representadas mediante categorías con las
cuales construiremos una tabla de contingencia.

c) Prueba de Independencia, consistente en comprobar si dos características cualitativas están

relacionadas entre sí (por ejemplo: ¿el color de ojos está relacionado con el color de los
cabellos?). Aunque conceptualmente difiere del anterior, operativamente proporciona los
mismos resultados. Este tipo de contrastes se aplica cuando deseamos comparar una variable
en dos situaciones o poblaciones diferentes, i.e., deseamos estudiar si existen diferencias en
las dos poblaciones respecto a la variable de estudio.

Como ya se ha visto varias veces, los resultados obtenidos de muestras no siempre

concuerdan exactamente con los resultados teóricos esperados, según las reglas de
probabilidad. Por ejemplo, aunque consideraciones teóricas conduzcan a esperar 50 caras y 50
cruces cuando se lanza 100 veces una moneda bien hecha, es raro que se obtengan
exactamente estos resultados.
Supóngase que en una determinada muestra se observan una serie de posibles sucesos
E1 , E2 , E3 ,....., Ek , que ocurren con frecuencias n1 , n2 , n3 ,....., nk llamadas frecuencias

observadas y que, según las reglas de probabilidad, se espera que ocurran con frecuencias
e1 , e2 , e3 ,....., ek llamadas frecuencias teóricas o esperadas.

13
Matemática avanzada para ingenieros Mgt. Rina M. Zamalloa Cornejo

A menudo se desea saber si las frecuencias observadas difieren significativamente de las

frecuencias esperadas. Para el caso en que solamente son posibles dos sucesos E1 y E2 como,

por ejemplo, caras o cruces, defectuoso, etc., el problema queda resuelto satisfactoriamente
con los métodos de las unidades anteriores. En esta unidad se considera el problema general.

PRUEBA DE INDEPENDENCIA Y HOMOGENEIDAD

1.- Formular la prueba de hipótesis:
H 0 : pij = pi. p. j i=1,2, ..., r; j=1,2, ... , k

H1 :algun pij  pi. p. j

2.- Establecer el nivel de significación  .

3.- Estadístico de Prueba:
( n ij - eij )2
donde eij = n ( pi. p. j ) =
r k ni.n. j
X = 
2
c
i=1 j=1 eij n

4.- Región crítica: X 02 =  2 ( ; ( r − 1)( k − 1) gl ) r: N° de filas k: N° de columnas

5.- Conclusión:
Se acepta H 0 si X C2  X 02

Se rechaza H 0 si X C2  X 02

14