Test de Hipótesis 04-06-2024

PRUEBA DE HIPOTESIS
PRUEBA DE HIPOTESIS
En este tema trataremos el

importante aspecto de la toma de
decisiones, referida a decidir si un
valor obtenido a partir de la muestra
es probable que pertenezca a la
población.
PRUEBA DE HIPOTESIS Estuve
observando ...
Creo que la edad

media es 40 años...
¡Gran
Muestra diferencia!
aleatoria
Rechazo la
hipótesis
X  20 años
PRUEBA DE HIPOTESIS
Trataremos de utilizar los datos obtenidos en una
muestra para tomar decisiones sobre la población. Para
ello, debemos realizar ciertos supuestos o conjeturas
sobre la población. Estos supuestos , que pueden ser o
no ciertos se llaman hipótesis estadísticas.
DEFINICION: Una hipótesis estadística es una afirmación
o conjetura de un conjunto de parámetros de la
distribución poblacional.
La verdad o falsedad de una hipótesis estadística nunca
se sabe con absoluta certeza a menos que se examine
toda la población (poco practico).
PRUEBA DE HIPOTESIS
La aceptación (NO RECHAZO) de una hipótesis implica
tan sólo que los datos no proporcionan evidencia
suficiente para refutarla (parecen ser consistente con
ella). Por otro lado, el RECHAZO implica que la evidencia
de la muestra lo refuta.
Cuando se plantea una hipótesis referida a algún

parámetro determinado de una cierta distribución, la
cual se ha de contrastar a partir de una muestra,
aparece de inmediato la afirmación contraria y con
alguna de ellas nos vamos a quedar.
PRUEBA DE HIPOTESIS
DEFINICION: Es el procedimiento
estadístico mediante el cual se
investiga la verdad o falsedad de
una hipótesis acerca de una
población o poblaciones.
PRUEBA DE HIPOTESIS
Hipótesis Nula: es la afirmación respecto de algún
parámetro de una distribución ya conocida por
experiencias previas. Indica una situación que
ocurre normalmente. En esta hipótesis aparece
siempre el signo igual.
H0:  = 0
El rechazo de H0 conduce a la aceptación de una

hipótesis ALTERNATIVA
PRUEBA DE HIPOTESIS
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:
1. 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.
2. 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.
3. 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
PRUEBA DE HIPÓTESIS
Hipótesis Alternativa: es la hipótesis del afirmador.
Representa un afirmación sobre algún parámetro
de una distribución cuyo valor representa una
situación nueva que se sospecha puede ocurrir.
Contradice la hipótesis nula.
H1:  = 1 con 1  0 ; 1 < 0 ó 1 > 0
La hipótesis alternativa H1 por lo general
representa la pregunta que se responderá o la
teoría que se probará, por lo que su especificación
es muy importante.
CONCLUSIONES:
RECHAZAR H0 A favor de H1 debido a

evidencia suficiente en los datos
NO RECHAZAR H0 debido a evidencia

insuficiente en los datos
Ejemplo para comprender:
“EL DILEMA QUE ENFRENTA EL JURADO EN UN
JUICIO”
H0:  = 0 EL ACUSADO ES INOCENTE

H1:  = 0 EL ACUSADO ES CULPABLE
La acusación proviene de una sospecha de culpabilidad.
En este caso “NO RECHAZAR H0 NO IMPLICA INOCENCIA , sino
solo que la evidencia fue insuficiente para lograr una condena.
Por lo tanto el jurado no necesariamente acepta H0 sino que no
rechaza H0.
Otro Ejemplo : Se sabe que, después de un periodo de 2 años, cierto tipo de
vacuna contra el resfrió ya solo es 25% eficaz.
Suponga que se eligen 20 personas al azar y se les aplica una vacuna nueva
mas costosa, para determinar si los ´protege contra el resfrió durante un
periodo mas largo.
Puede ocurrir que la nueva vacuna no sea mejor a la que se usa en la actualidad , pero
en este grupo hay mas de 8 que pasan el periodo de 2 años sin resfrió, y los
investigadores concluyen que es mejor (cuando en realidad la nueva es igual a la que
se utiliza actualmente)
P(cometer error tipo I) = P(rechazar H0|H0 es cierta) = 

Si 8 o menos personas del grupo superan exitosamente el periodo
de 2 años y no concluimos que la nueva vacuna es mejor, cuando
en realidad si lo es (H1 verdadera),cometemos un segundo tipo de
error
P(cometer error tipo II) = P (No rechazar H0|H0 es falsa) = 
La regla de decisión es buena cuando el error tipo I y II es pequeño.

En general, se fija la probabilidad de cometer el error tipo I y se
trata de minimizar la probabilidad de cometer el error tipo II.
PRUEBA DE HIPOTESIS
La probabilidad de cometer error tipo II, es imposible calcular a
menos que tengamos una hipótesis alternativa especifica
ejemplo p=1/2 (conocida como verdadero valor)
Decisión No rechazar H0 Rechazar H0
Condición
H0 cierta Decisión Correcta Cometemos Error Tipo I

Probabilidad =1-α Probabilidad = α
(nivel de confianza) (nivel de significancia)
H0 falsa Cometemos Error Tipo II Decisión Correcta

Probabilidad = β Probabilidad = 1 – β
(potencia de la prueba)
Ejemplo para VAC: Considere por hipótesis nula que el peso promedio de
estudiantes hombres en la UNaM es de 68 kg, contra una alternativa de que
es diferente de 68 kg .
Para nuestro caso el estadístico de decisión se basa en una muestra de 36
individuos y desviación std poblacional conocida igual a 3.6.
O sea la hipótesis alternativa nos permite las posibilidades  < 68 o  > 68
C1 C2
Para calcular el error tipo I
QUE NOS DICE ESTO?
Que 9.5% de todas las muestras de tamaño 36 nos conducirán a rechazar  =

68 kg cuando ,de hecho esta es verdadera.
Aumentemos el tamaño de la muestra a 64
Vemos como disminuyo α esta reducción no es suficiente debemos considerar el error

tipo II.
Ahora vamos a calcular el error tipo II , para eso planteamos una hipótesis alternativa
ejemplo  =70 (conocida como verdadero valor)
Vemos que es baja la probabilidad de no rechazar H0 cuando es falsa.
La potencia de la prueba será = 1 – 0.0132= 0.9868 , lo deseable es mayor a 0.8.

Propiedades importantes de una prueba de hipótesis
¿Con cual de las dos

hipótesis nos quedamos?
PRUEBA DE HIPOTESIS
Región crítica o de rechazo

Es el conjunto de todos los valores posibles del
estadístico que hacen que la hipótesis nula sea
descartada.
Región de Rechazo Región de Aceptación
C
PRUEBA DE HIPOTESIS
TIPOS DE ENSAYOS
UNILATERAL DERECHO: se desea comprobar la
hipótesis de un aumento en el parámetro, en este
caso el nivel de significancia se carga todo hacia el
lado derecho, para definir las regiones de
aceptación y de rechazo
PRUEBA DE HIPOTESIS
UNILATERAL IZQUIERDO: se desea comprobar la
hipótesis de una disminución en el parámetro, en este
caso el nivel de significancia se carga todo hacia el lado
izquierdo, para definir las regiones de aceptación y de
rechazo
PRUEBA DE HIPOTESIS
BILATERAL: se desea comprobar la hipótesis de un
cambio en el parámetro. El nivel de significancia se
divide en dos y existen dos regiones de rechazo.
PRUEBA DE HIPOTESIS
Pruebas relacionadas con la media de una población
normal con varianza conocida
Ejemplo 1: Se requiere que la resistencia promedio de rotura

por torsión de cierto tipo de material no sea inferior a µ =
180 lb/pulg2. La desviación estándar basadas en
experiencias previas es 4 lb/pulg2. Se recibe un envío de un
lote de este material y se toman 3 especimenes de 3 trozos.
Estos se prueban con los siguientes resultados: 1º trozo =
182 lb/pulg2, 2º trozo = 172 lb/pulg2 y 3º trozo = 177
lb/pulg2. Usando un nivel de significancia del 5 %. ¿Debe
aceptarse el lote?
PRUEBA DE HIPOTESIS
Datos:  = 4 X = 177  = 0,05 n=3 N(, 16)
X 
v.f. z   N (0,1) H1 H0
 n
H0:   180  
H1:  < 180  C µ = 180
R. de R.: X< C | P ( X < C | µ = 180) = 
 X- C - 0 
P <   0.05
 n  n H0
PRUEBA DE HIPOTESIS
 C - 180 C - 180
P Z <   0.05 = - 1.65
 4 3H 0 4 3
4
C = - 1.65 + 180 C = 176.2
3
Decisión: Si X < C rechazamos H0, como 177 > 176.2

no rechazamos el lote al 5% de significancia.
PRUEBA DE HIPOTESIS
P R U E B A S R E L AC I O N A DA S C O N L A
VA R I A N Z A P O B L AC I O N A L
EJEMPLO: Una máquina está ajustada para la producción de

cierta pieza. Una inspección por muestreo de la producción
en un cierto tiempo dio n = 21 y S2 = 0.0254. Si la
variabilidad de la producción no debe ser superior a 0.025
a) Afirmaría Ud. que la máquina necesita ajuste adicional.
Usar  = 0.05 suponiendo distribución normal.
b) Si 2 = 0.05. ¿Cuál es la probabilidad de cometer error
tipo II.
PRUEBA DE HIPOTESIS
a) H0: 2  0.025
H1: 2 > 0.025 1-
 X
C
R. de R.: S2 > C | P(S2 > C | 2 = 0.025) = 
 n  1 S2 n  1 C   2 n  1 C  
P >   P > 
  2
 2    2 H 0
 H 0
 2 20 C   0.05  2 20 C 
P >  P    0.95
 0.025 H 0  0.025 H
0
PRUEBA DE HIPOTESIS
20 C C  0.039
 31.4
0.025
S2  C 0.0254  0.039
Decisión: La máquina no necesita un ajuste adicional al
5% de significancia.
b) R. de A.: S2 < C | P (S2 < C | 2 = 0.05) = 

2  2 20  0.039 
  P (S  0.039) H  P    
1  0 .05 H1
  F 2 (15.6)   0.25

PRUEBA DE HIPOTESIS
PRUEBAS RELACIONADAS CON DOS POBLACIONES
NORMALES
1.COCIENTE DE VARIANZAS
Sean dos poblaciones N( µ1, 12 ) y N( µ2, 22 ) de las cuales
se obtiene dos muestras aleatorias independientes de
tamaño n1 y n2 respectivamente.
H0: 12  22 H0 : 12 / 22  1
H1: 12  22 H1 : 12 / 22  1
ó H1 : 12  22 ó H1 : 1  2
2 2
PRUEBA DE HIPOTESIS
2 S12
R. de R.: S1  C1 o  C2 /2
2
S22 S2
1-
 S12   S12  X
P  2  C1  + P  2  C2 =  C1 C2
S 
 2 H 0  S2 H 0
 S12    S12  
 
P 2  C1  P  2  C2  
S  2 S  2
 2 H 0  2 H 0
S12 22 S12 S12

F  2  2  2 1  2 ~ F(n1  1, n 2  1)
S2 1 S2 S2
PRUEBA DE HIPOTESIS
1
C1  F (n1  1, n 2  1) 
F  (n 2  1, n1  1)
2 1
2
C2  F  (n1  1, n 2  1)
(1 )
2
R. de R. R. de R.
 No rechazamos H0 si
C1 1 C2
 Rechazamos H0 si R. de R. R. de R.
1 C1 C2 1
PRUEBA DE HIPOTESIS
2 . D I F E R E N C I A D E MEDIAS
H0 : 1 – 2 = 0 H0 : 1 = 2
H1 : 1 – 2 < 0 H1 : 1 < 2 1-


C
o también H1 : 1 > 2 o H1 : 1  2
R. de R.: X1  X2  C | P( X1  X2  C)H0  
Suponemos varianzas desconocidas 12 / 22  1

PRUEBA DE HIPOTESIS
 
 
C 1 1
P t <  = C = - t1 - α Sc +
 1 1  n1 n 2
 Sc +
n1 n2 H
 0
En particular, dado H0: 1 – 2 = 0
1. Si H1: 1 – 2  0 la R. de R. es
1 1
X1  X2  t  Sc 
1 n1 n 2
2
PRUEBA DE HIPOTESIS
2. Si H1: 1 – 2 < 0 la R. de R. es
1 1
X1  X2   t  Sc 
1 n1 n 2
2
3. Si H1: 1 – 2 > 0 la R. de R. es
1 1
X1  X2  t  Sc 
1 n1 n 2
2
R. de R. R. de R.
C1 0 C2
PRUEBA DE HIPOTESIS
EJEMPLO: Dos hornos rotatorios de fabricación de cemento,
han sido cargados y reglados para producir la misma calidad
en ambos. El control de las dos fabricaciones consiste en la
extracción de muestras de probetas de cada horno y medir
la carga de ruptura por tracción por kg. / cm3. Sabiendo que
los resultados son los indicados en la tabla:
Probeta Muestras
1 12.3 12.3 14.5 14 15 14.1
2 14 12.5 14 14 14.7 14.7
PRUEBA DE HIPOTESIS
a) ¿Puede aceptarse la hipótesis de la igualdad de
varianzas de las dos fabricaciones?.  = 0.05
12 2 2
H0 : 1 = 2
H0 : = 1 /2
22
1-
12 X
H1 : 2  1 H1 : 12  22
2 C1 C2
 S12 S12 
P  < C ó > C H0  = 
 2
S2
1 2
S2
2 
 
PRUEBA DE HIPOTESIS
1 1
C1 = F  = =
n1 - 1, n2 - 1  F1   n - 1, n - 1  F0.975 5, 5 
2 2 2 1
1 /2
= = 0.14
7.15
1- X
C1 C2
C2 = F  = F0.975 5, 5  = 7.15
1  n1 - 1, n2 - 1 
2
PRUEBA DE HIPOTESIS
Entonces se rechaza H0 si
S12 S12
2
< 0.14 > 7.15
S2 S2
2
X1 = 13.7 S12 = 1.3 S12
 2.012
X 2 = 13.98 S22 = 0.646 S22
R de R R de R
Decisión: Como
0.14 0 7.15
no rechazo la hipótesis de igualdad de varianzas de las

dos poblaciones con un nivel de significancia del 5%.
PRUEBA DE HIPOTESIS
b) Considerando la respuesta en a) ¿puede aceptarse
que hay diferencias significativas entre las medias
poblaciones?  = 0.05.
H0 : µ 1 - µ 2 = 0 
1-

H1 : µ 1 - µ 2  0 C C
R. de R.: X1  X2  C o X1  X2  C
P( X 1  X 2  C o X 1  X 2  C | H 0 )  11
1 1
X1 - X2 > t  Sc +
1-
2
n1 n2
PRUEBA DE HIPOTESIS
t  = t 0.975 10  = 2.23

1 - n1 +n2 -2
2
1 1 1 1 2 1
+ = + = =
n1 n2 6 6 6 3
n1 - 1  S12 + n2 - 1  S22

Sc = = 0.986
n1 + n2 - 2
PRUEBA DE HIPOTESIS
0.986
X1  X2  2.23  1.27
3
X1  X2  13.7  13.98  0.28
R. de R.
0.28 1.27
No hay diferencias significativas, a un nivel del 5% de

significancia, entre las medias poblacionales de los dos
hornos rotatorios de fabricación de cemento en la carga
de ruptura por tracción.
MUCHAS GRACIAS POR SU ATENCION

Test de Hipótesis 04-06-2024

Cargado por

Copyright:

Formatos disponibles

Test de Hipótesis 04-06-2024

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Test de Hipótesis 04-06-2024

Cargado por

Copyright:

Formatos disponibles

PRUEBA DE HIPOTESIS

En este tema trataremos el

Creo que la edad

Cuando se plantea una hipótesis referida a algún

El rechazo de H0 conduce a la aceptación de una

RECHAZAR H0 A favor de H1 debido a

NO RECHAZAR H0 debido a evidencia

H0:  = 0 EL ACUSADO ES INOCENTE

P(cometer error tipo I) = P(rechazar H0|H0 es cierta) = 

P(cometer error tipo II) = P (No rechazar H0|H0 es falsa) = 

La regla de decisión es buena cuando el error tipo I y II es pequeño.

H0 cierta Decisión Correcta Cometemos Error Tipo I

H0 falsa Cometemos Error Tipo II Decisión Correcta

O sea la hipótesis alternativa nos permite las posibilidades  < 68 o  > 68

P(cometer error tipo I) = P(rechazar H0|H0 es cierta) = 

QUE NOS DICE ESTO?

Que 9.5% de todas las muestras de tamaño 36 nos conducirán a rechazar  =

Aumentemos el tamaño de la muestra a 64

Vemos como disminuyo α esta reducción no es suficiente debemos considerar el error

Vemos que es baja la probabilidad de no rechazar H0 cuando es falsa.

La potencia de la prueba será = 1 – 0.0132= 0.9868 , lo deseable es mayor a 0.8.

¿Con cual de las dos

Región crítica o de rechazo

Región de Rechazo Región de Aceptación

Ejemplo 1: Se requiere que la resistencia promedio de rotura

H1:  < 180  C µ = 180

R. de R.: X< C | P ( X < C | µ = 180) = 

Decisión: Si X < C rechazamos H0, como 177 > 176.2

EJEMPLO: Una máquina está ajustada para la producción de

b) R. de A.: S2 < C | P (S2 < C | 2 = 0.05) = 

S12 22 S12 S12

H1 : 1 – 2 < 0 H1 : 1 < 2 1-

Suponemos varianzas desconocidas 12 / 22  1

En particular, dado H0: 1 – 2 = 0

no rechazo la hipótesis de igualdad de varianzas de las

t  = t 0.975 10  = 2.23

n1 - 1  S12 + n2 - 1  S22

No hay diferencias significativas, a un nivel del 5% de

También podría gustarte