TEMA XIII - TEORIA DE LA DECISION ESTADISTICA

1. CONCEPTOS BÁSICO Y METODOLOGÍA DE LA PRUEBA DE HIPÓTESIS

A menudo, en la práctica, se tienen que tomar decisiones sobre poblaciones, partien-

do de la información muestral de las mismas. Tales decisiones se llaman, decisiones estadís-
ticas. Por ejemplo, una empresa fabricante de cubiertas para la marca de autos que vende la
concesionaria, propone un nuevo material, que permitirá un aumento en la duración de las
cubiertas; el gerente de ventas afirma que la nueva campaña publicitaria aumentó las ventas
de autos más caros; el proveedor de aceite del taller, debe controlar que las botellas de acei-
te que envasa tienen en promedio 1,5 lts. Al llegar a este tipo de conclusiones, el tomador
querría cerciorarse, hasta donde sea posible, de que ha llegado a una conclusión correcta.

Para tomar decisiones conviene hacer determinados supuestos acerca de las pobla-
ciones que se estudian. Tales supuestos que son los supuestos formulados respecto del
valor de algún parámetro, que pueden ser o no ciertos, se llaman Hipótesis Estadísticas y,
en general, lo son sobre las distribuciones de probabilidad de las poblaciones.

En la prueba de hipótesis se realiza una afirmación sobre un parámetro específico de

la población. Esta hipótesis tentativa se denomina “Hipótesis Nula” (H0), porque el propósito
del estudio es anularla o rechazarla. La letra H significa hipótesis y el subíndice cero no hay
diferencia. Por lo general hay un "no" en la hipótesis nula que indica que "no hay cambio",
es siempre una hipótesis de “status quo”. La hipótesis nula puede rechazarse o no, es aná-
loga a la presunción de inocencia hasta que se demuestre la culpabilidad, según el sistema
legal. No se la rechaza salvo que se encuentre pruebas de "culpabilidad". A pesar de que
solo se cuenta con información de la muestra, la hipótesis nula se escribe en términos de la
población.

Se define otra hipótesis, llamada “Hipótesis Alternativa”(H1), es la opuesta a la

Hipótesis Nula. Representa la conclusión a que se llegaría si se encontrasen pruebas de cul-
pabilidad.

El procedimiento para probar una hipótesis comprende el uso de datos de una

muestra para probar los supuestos representado por H0 y H1

Es importante tener en cuenta que si un valor hipotético no se rechaza ello no consti-

tuye una prueba de que sea correcto. No rechazar el supuesto valor de un parámetro indica
simplemente que se trata de un valor verosímil, en base al valor del estadístico observado.

La “Teoría de la Decisión Estadística” constituye la parte de la Inferencia Estadística

que permite decidir, sobre la base de resultados muestrales y con los procedimientos es-
tadísticos y matemáticos apropiados, acerca de la validez de algún supuesto que se formu-
le respecto del valor de un parámetro. Por tanto, la prueba de hipótesis, es otro aspecto de
la inferencia estadística que al igual que la estimación por intervalo de confianza, se basa en
información de la muestra. Se desarrolla una metodología paso a paso que permite hacer
inferencia sobre un parámetro poblacional mediante el análisis diferencial entre los resulta-

235
dos observados (estadísticos de la muestra) y los resultados esperados, si la hipótesis subya-
cente es realmente cierta.

Cuando vimos las distribuciones de muestreo, dijimos que, en general, una media
muestral diferirá en valor de la media poblacional. Si el valor observado de un estadístico
muestral, como la media muestral, se acerca al valor paramétrico supuesto y sólo difiere en
una cantidad que cabría esperar del muestreo aleatorio, el valor hipotético no se rechaza. Si
la diferencia entre el estadístico muestral y el parámetro poblacional fuera tal que no puede
atribuirse al azar, la hipótesis se rechaza por inverosímil.

METODOLOGÍA DE LA PRUEBA DE HIPÓTESIS: DEFINICIÓN DE ETAPAS

1. Formular la hipótesis nula.

2. Formular la hipótesis alternativa.
3. Especificar el nivel de significación.
4. Determinar el tamaño de la muestra.
5. Determinar el estadístico de prueba.
6. Establecer los valores críticos que dividen las zonas de rechazo y de no rechazo.
7. Obtener los datos y calcular los estadísticos.
8. Determinar el estadístico de prueba ha caído en la región de rechazo o en la de no recha-
zo.
9. Determinar la decisión estadística.
10. Expresar la decisión estadística en términos del problema.

Pasos 1 y 2: Se debe tener cuidado al formular las hipótesis nula y alternativa para asegurar
que estén bien estructuradas, y que la conclusión de la prueba de hipótesis proporcione la
información que necesita el investigador o quien toma la decisión.

La hipótesis nula siempre es un supuesto de status quo. La hipótesis alternativa es la

conclusión a la que se llegaría si se rechaza la hipótesis nula.

Sea µ0 el valor numérico específico que se considera en las hipótesis nula y alternativa.
En general, una prueba de hipótesis referente a los valores de la media poblacional  debe
asumir una de las tres formas siguientes:

H0: µx ≤ µ0 H0: µξ ≥ µ0 H0: µx = µ0

H1: µ x > µ0 H1: µ x < µ0 H1: µ x ≠ µ0

Al formular las hipótesis se debe tener en cuenta si se trata de:

• Prueba de hipótesis de una investigación: la hipótesis que se investiga generalmen-

te se expresa como la hipótesis alternativa

• Prueba de la validez de una afirmación: la afirmación se plantea como hipótesis nu-

la.

236
 • Prueba en caso de toma de decisiones: se debe elegir entre dos alternativas de ac-
ción, una asociada a H0 y la otra a H1

En el primer caso, supongamos que una empresa fabricante de cubiertas para la

marca de autos que vende la concesionaria, propone un nuevo material, que permitirá un
aumento en la duración de las cubiertas. Con el material actual las cubiertas duran en pro-
medio 60.000 km. Para evaluar el nuevo material se realizará un ensayo con 80 cubiertas.
Observemos que la empresa fabricante busca pruebas para poder decir que el nuevo mate-
rial aumenta la duración promedio de las cubiertas. En éste caso, la hipótesis de investiga-
ción es que el nuevo material proporcionará una media de duración de las cubiertas superio-
res a 60.000 km. Como regla general, una hipótesis de investigación como ésta se debe for-
mular y proponer como hipótesis alternativa. Las hipótesis nula y alternativa en este caso
son:

H0: µx ≤ 60.000 km.

H1: µ x > 60.000 km

Si los resultados de la muestra indican que no se puede rechazar H0, la empresa fa-
bricante no puede decir que el nuevo material es mejor. Quizás se deban llevar a cabo más
investigaciones y pruebas. Sin embargo, si los resultados de la muestra indican que se puede
rechazar H0, la empresa fabricante, puede hacer la inferencia de que la duración de las cu-
biertas es superior a 60.000 km. Esta conclusión cuenta con el respaldo estadístico necesario
para decir que el nuevo material aumenta la duración de las cubiertas. En estos casos se de-
be formular la hipótesis nula de manera tal que su rechazo respalde la conclusión y la acción
que se propone.

En el segundo caso, el gerente de ventas afirma que la nueva campaña publicitaria

aumentó las ventas de autos más caros. Se seleccionará una muestra y se calculará el precio
promedio para investigar la afirmación del gerente de ventas. En este tipo de pruebas de
hipótesis se supone, por lo general, que la afirmación del gerente de ventas es verdadera, a
menos que la evidencia parezca demostrar lo contrario. Las hipótesis nulas y alternativas
serían las siguientes:

H0: µx ≥ $ 90.000
H1: µ x < $ 90.000

Si los resultados de la muestra indican que H0 no se puede rechazar, no se puede du-

dar de la afirmación del gerente. Sin embargo, si esos resultados indican que se puede re-
chazar H0 se inferirá que la afirmación del propietario es incorrecta y que la campaña publici-
taria no aumenta las ventas de los autos más caros.

En cualquier caso donde intervenga la prueba de validez de una afirmación, la hipóte-

sis nula se suele basar en que la afirmación es verdadera. Entonces, se formula la hipótesis
alternativa de modo tal que el rechazo de H0 proporcione evidencia estadística de que lo
afirmado es incorrecto y se deben llevar a cabo acciones para corregir lo afirmado.

237
 En el tercer caso, el proveedor de aceite del taller, debe controlar que las botellas de
aceite que envasa tienen en promedio 1,5 lts. Periódicamente se selecciona una muestra de
botellas, que se controlan para determinar si el proceso de envasado funciona correctamen-
te. En este caso se formulan las siguientes hipótesis:

H0: µx = 1,5 lts

H1: µ x ≠ 1,5 lts

Si los resultados indican que no se puede rechazar H0 esto revelaría que el proceso de
envasado funciona correctamente. Sin embargo, si los resultados de la muestra indican que
se debe rechazar H0 la conclusión sería que falta o sobra aceite, se debe parar la línea de
producción y hacer los ajustes necesarios para que el llenado sea correcto.

Paso 3: Las hipótesis nula y alternativa son supuestos sobre la población que compiten entre
sí. O la hipótesis nula es verdadera, ó lo es la hipótesis alternativa, pero no ambas. En una
situación ideal, el procedimiento de prueba de hipótesis debe concluir no rechazando la
hipótesis nula cuando es verdadera y rechazándola cuando es falsa. Pero no siempre son
posibles las conclusiones correctas. Como las pruebas de hipótesis se basan en información
de muestras, debemos considerar la posibilidad de error.

La lógica de la metodología de prueba de hipótesis radica en determinar que tan pro-

bable es que la hipótesis nula sea cierta, considerando la información recabada de una
muestra. El estadístico muestral es una estimación del parámetro correspondiente. Incluso si
la hipótesis nula es cierta, cabe esperar que el estadístico sea distinto del valor del paráme-
tro, por la variación causada por el muestreo.

Sin embargo, si la hipótesis nula es cierta, cabe esperar que el estadístico muestral
sea cercano al parámetro poblacional. Si el estadístico muestral es cercano al parámetro
poblacional, no contaremos con evidencia suficiente para rechazar la hipótesis nula. Pero, si
existe una gran diferencia entre el valor del parámetro poblacional y el estadístico se con-
cluirá que la hipótesis es falsa.

Determinar que es “muy cercano” y que es “muy diferente” sería un proceso arbitra-
rio sin definiciones clara. La metodología de prueba debe permitir evaluar las diferencias,
además de cuantificar el proceso de toma de decisiones mediante el cálculo de la probabili-
dad de obtener un resultado muestral dado si la hipótesis nula resulta verdadera.

Se calcula esta probabilidad determinando la distribución correspondiente al estadís-

tico muestral y luego se calcula el estadístico de prueba específico, en base al resultado
muestral obtenido.

La distribución muestral del estadístico suele seguir una distribución estadística co-
nocida, como la distribución normal estandarizada, la distribución t o la distribuciónχ, éstas
se utilizan como ayuda para determinar si la hipótesis nula es cierta.

Se pueden plantear las siguientes situaciones.

238
 Decisión Situación real
Estadística H0 cierta H0 falsa
Decisión correcta Error de tipo II
No Rechazar H0
1-α β
Error tipo I Decisión correcta
Rechazar H0
α 1-β

Existen dos tipos de errores:

• Error de tipo I (α), es la probabilidad de que se rechace la hipótesis nula cuando es

verdadera.
• Error de tipo II (β), es la probabilidad de aceptar la hipótesis nula cuando es falsa

El error de tipo I se llama también nivel de significación, determina el nivel de riesgo

que se está dispuesto a tolerar en términos de rechazo de una hipótesis verdadera. La selec-
ción del nivel de α particular de riesgo, depende de la importancia (significación) del pro-
blema. En otras palabras, si se encuentra que los resultados observados en una muestra al
azar difieren marcadamente de aquellos que cabría esperar con la hipótesis y la variación
propia del muestreo, se diría que las diferencias observadas son significativas y se estaría en
condiciones de rechazar la hipótesis. Habitualmente se trabaja con niveles de significación
del 1% y del 5%.

Paso 4: El tamaño de la muestra se determina al tomar en cuenta la importancia de α y β y

al considerar las restricciones presupuestarias al efectuar el estudio. Generalmente las
muestras grandes, permiten detectar incluso diferencias pequeñas entre los valores hipoté-
ticos los parámetros poblacionales. Para un nivel de α dado, aumentar el tamaño de la
muestra reducirá β y así se incrementará el poder de la prueba para detectar que la hipóte-
sis nula es falsa. Sin embargo, esto implica un aumento de los costos del estudio, por lo que
las restricciones presupuestarias afectarán el tamaño de la muestra que se tomará.

La fórmula para determinar el tamaño de muestra mínimo requerido para una prue-
ba de hipótesis de la media, usando la distribución normal es:

( z 0 − z 1 )2 σ 2
n=
(µ 0 − µ1 )

El valor z0 es el valor crítico de z que surge del nivel de significación especificado (α),
mientras que z1 es el valor respecto de la probabilidad del error de tipo II asignada (β). El
valor de σ debe conocerse o utilizar su estimador. Esta fórmula puede emplearse lo mismo
para pruebas unilaterales que bilaterales. El único valor que difiere en estos dos tipos de
pruebas es el valor de z0 utilizado

Paso 5: Una vez definidas las hipótesis nula y alternativa, y el tamaño de la muestra se puede
establecer la distribución a utilizar: normal, t- student ó chi cuadrado.

239
Paso 6: Para poder establecer un método objetivo, que permita comparar los resultados
muestrales con la hipótesis nula, el “nivel de significación”, se representa como un área
(como toda probabilidad en una función de densidad), que se ubica a la derecha, a la iz-
quierda o a ambos lados (en este caso, con la mitad de α en cada lado) según como se haya
definido la Hipótesis alternativa. Esta probabilidad permite encontrar, en la tabla corres-
pondiente (normal, t de Student o chi cuadrado), un valor de la variable (z, t ó χ) denomina-
do “valor crítico” simbolizado con zc (o eventualmente tc ó χc), que divide al eje de las absci-
sas en dos zonas: la “zona de rechazo”, que se extiende por debajo de α, y la “zona de no
rechazo”, que se extiende a lo largo del resto del eje.

Paso 7: Este paso está reservado a la efectiva realización de la investigación muestral. Es

decir que en este momento es cuando se realiza el estudio tendiente a obtener los valores
muestrales y calcular los estadísticos.

Paso 8: Se debe determinar la técnica a utilizar para determinar si el estadístico muestral ha

caído en la región de rechazo o en la de no rechazo, es decir, el modo en que el estadístico
de la muestra se va a comparar con el parámetro hipotético. El estadístico de prueba puede
ser el estadístico muestral (el estimador insesgado del parámetro que se prueba) o una ver-
sión transformada de ese estadístico muestral.

La forma de verificar la validez del supuesto formulado, consiste en comparar el

parámetro poblacional con el estadístico muestral

Estadístico – Parámetro
Error estándar del estimador

El procedimiento para efectuar esta comparación, consiste en construir una variable

estandarizada zi cuando n > 30, porque al estar trabajando con una muestra grande las es-
tadísticas tienen Distribución Normal, en cuyo numerador aparece, precisamente, la diferen-
cia entre x y µ0, o entre S2x y σ2x es decir:
x − µ0 S −σ
z1 = z = x x
Sx 1 S
x
n 2n

o en su defecto la variable t de Student ó χ2 (si se tratara de n ≤ 30 y no conocemos el desvío

estandar poblacional), haciendo:
∑ (x )
2
x − µ0 n S x2 −x
t1 = = = χ v2gl
i

Sx σ 2
x σ 2
x
n −1

El valor del estadístico de prueba. se compara con el valor crítico en la distribución

apropiada, para determinar si cae en la zona de rechazo o en la de no rechazo.

Paso 9: Se determina la decisión de la prueba de hipótesis

240
 si z1>zc⇒ z1 cae en la “zona de rechazo” y se considera que las diferencias
entre z1 y zc son significativas ⇒ Rechazo la Hipótesis nula
si z1≤zc⇒ z1 cae en la “zona de no rechazo” y se considera que las diferen-
cias entre z1 y zc no son significativas ⇒ No Rechazo la Hipótesis nula.

Paso 10: Una vez tomada la decisión, se deben expresar sus consecuencias en términos del
problema particular.

2. PRUEBA DE HIPOTESIS PARA LA MEDIA POBLACIONAL

PRUEBAS DE UNA COLA

Retomemos el primer caso, supongamos que una empresa fabricante de cubiertas

para la marca de autos que vende la concesionaria, propone un nuevo material, que permi-
tirá un aumento en la duración de las cubiertas. Con el material actual las cubiertas duran en
promedio 60.000 km. Para evaluar el nuevo material se realizará un ensayo con 80 cubiertas.
Observemos que la empresa fabricante busca pruebas para poder decir que el nuevo mate-
rial aumenta la duración promedio de las cubiertas. En éste caso, la hipótesis de investiga-
ción es que el nuevo sistema proporcionará una media de duración superior a 60.000 km.
Como regla general, una hipótesis de investigación como ésta se debe formular y proponer
como hipótesis alternativa.

1. Formular la hipótesis nula: H0: µx ≤ 60.000 km.

2. Formular la hipótesis alternativa: H1: µ x > 60.000 km.

3. Especificar el nivel de significación. El nivel de significación se fijó en el 1%, ésta sería la

probabilidad máxima aceptada de rechazar la hipótesis nula cuando es verdadera.

4. Determinar el tamaño de la muestra. En función al nivel de significación se determinó

que el tamaño de la muestra es de 64 autos.

5. Determinar el estadístico de prueba. Se debe trabajar con la distribución normal estan-

darizada.

6. Establecer los valores críticos que dividen las zonas de rechazo y de no rechazo

zc= 2,33

241
 Zona de
Zona de rechazo
no rechazo

zc

0,00

1,00

2,00

3,00
-3,00

-2,00

-1,00

7. Obtener los datos y calcular los estadísticos.

x = 62.000 km s x = 5.000 km
x−µ 62.000 − 60.000
z = 0
= = 3,2
1 S 5.000
x
n 64

8. Determinar si el estadístico de prueba ha caído en la región de rechazo o en la de no

rechazo. El estadístico cae en la región de rechazo
9. Determinar la decisión estadística.

z1 = 3,2 > zc = 2,33 rechazar la hipótesis nula

10. Expresar la decisión estadística en términos del problema. El nuevo material aumenta la
duración de las cubiertas.

En el segundo caso, el gerente de ventas afirma que la nueva campaña publicitaria

aumentó las ventas de autos más caros. Se seleccionará una muestra y se calculará el precio
medio para investigar la afirmación del gerente de ventas. En este tipo de pruebas de hipó-
tesis se supone, por lo general, que la afirmación del gerente es verdadera, a menos que la
evidencia parezca demostrar lo contrario. Las hipótesis nulas y alternativas serían las si-
guientes:

1. Formular la hipótesis nula: H0: µx ≥ $.90.000

2. Formular la hipótesis alternativa: H1: µ x < $.90.000

3. Especificar el nivel de significación. El nivel de significación se fijó en el 5%, ésta sería la

probabilidad máxima aceptada de rechazar la hipótesis nula cuando es verdadera.

242
4. Determinar el tamaño de la muestra. En función al nivel de significación se determinó
que el tamaño de la muestra en 80 operaciones de venta.

5. Determinar el estadístico de prueba. Se debe trabajar con la distribución normal

6. Establecer los valores críticos que dividen las zonas de rechazo y de no rechazo

zc= - 1,645

Zona de
rechazo
Zona de
no rechazo
0,00

1,00

2,00

3,00
-3,00

-2,00

-1,00

zc

7. Obtener los datos y calcular los estadísticos.

x = $92.250 s x = $17.500.

x−µ 92.500 − 90.000

z = 0
= = 1,28
1 S 17.500
x
n 80

8. Determinar el estadístico de prueba ha caído en la región de rechazo o en la de no re-

chazo.
El estadístico cae en la región de no rechazo

9. Determinar la decisión estadística.

z1=-1,28≤zc=-1,645 no rechazar H0

10. Expresar la decisión estadística en términos del problema. No encontramos evidencias

para refutar la afirmación del gerente de ventas.

243
 PRUEBAS DE DOS COLAS

En el tercer caso, el proveedor de aceite del taller, debe controlar que las botellas de
aceite que envasa tienen en promedio 1,5 lts. Periódicamente se selecciona una muestra de
botellas, que se controlan para determinar si les falta o sobra aceite. En este caso se formu-
lan las siguientes hipótesis:
1. Formular la hipótesis nula: H0: µx = 1,5 lts.

2. Formular la hipótesis alternativa: H1: µ x ≠ 1,5 lts.

Si los resultados indican que no se puede rechazar H0 esto revelaría que la línea de pro-
ducción funciona correctamente. Sin embargo, si los resultados de la muestra indican
que se debe rechazar H0 la conclusión sería que falta o sobra aceite, se debe parar la
línea de producción y hacer los ajustes necesarios para que el llenado sea correcto.

3. Especificar el nivel de significación. El nivel de significación se fijó en el 1 %, ésta sería la

probabilidad máxima aceptada de rechazar la hipótesis nula cuando es verdadera.

4. Determinar el tamaño de la muestra. En función al nivel de significación se determinó

que el tamaño de la muestra es de 25 botellas.

5. Determinar el estadístico de prueba. Se debe trabajar con la distribución t-student

6. Establecer los valores críticos que dividen las zonas de rechazo y de no rechazo

tc= ± 2,80

Zona de Zona de
rechazo Zona de rechazo
no rechazo
-3,00

-2,00

-1,00

0,00

1,00

2,00

3,00

7. Obtener los datos-tyc calcular los estadísticos. +tc

x = 1,53 lts s x = 0,10lts.

244
 x − µ x 1,53 − 1,50
t1 = = = 1,47
sx 0,10
n −1 24

8. Determinar si el estadístico de prueba ha caído en la región de rechazo o en la de no

rechazo.
El estadístico cae en la región de no rechazo

9. Determinar la decisión estadística.

t1=1,47≤tc= 2,80 No rechazar H0

10. Expresar la decisión estadística en términos del problema. No encontramos evidencias

de que la línea de producción no esté funcionando correctamente.

3. PRUEBA DE HIPÓTESIS PARA PROPORCIONES

La distribución normal puede servir como aproximación de una distribución binomial

cuado n > 30 y tanto np ≥ 5 como nq ≥ 5.

El procedimiento apropiado con la prueba de un valor hipotético de la proporción de

la población es idéntico al de la media poblacional. Así la fórmula del estadístico z es:

hi − P0
z=
σp

La proporción muestral sirve de base para el desvío estándar. En la prueba de hipóte-

sis, el desvío estándar de la proporción se basa por lo general en el uso del valor hipotético
P 0:

hi (1 − hi )
σ pˆ =
n

Antes de la efectiva recolección de una muestra, para determinar el tamaño de la

muestra mínimo requerido, la fórmula es:

2
 z P (1 − P ) − z P (1 − P ) 
n= 
0 0 0 1 1 1

 P1 − P0 
 

Siendo z0 es el valor crítico de z que se establece teniendo en cuenta en nivel de sig-

nificación y z 1 depende de la probabilidad de error de tipo II. Ambos z siempre tienen signos
algebraicos opuestos. El resultado es que los dos productos en el numerador siempre se
acumularán.

245
 4. PRUEBA DE HIPÓTESIS PARA LA VARIANZA Y EL DESVÍO ESTÁNDAR

El procedimiento que sigue la prueba de hipótesis para verificar la validez de un pos-

tulado respecto del valor de la variancia poblacional no tiene modificaciones fundamentales
respecto de la estructura de la prueba que fue realizada para la media poblacional, en am-
bos casos deben cumplirse los pasos previstos en la metodología y se utilizan aquellas Fun-
ciones de Densidad Normal o χ2 según estemos en presencia de muestras grandes o mues-
tras pequeñas, respectivamente.

5. ERRORES DE TIPO I Y TIPO II.

Al utilizar una muestra para hacer inferencias sobre la población, el que toma la deci-
sión corre el riesgo de que se llegue a una conclusión incorrecta. Existen dos tipos de errores
que pueden ocurrir en el procedimiento de prueba de hipótesis.

El primer error, llamado error de tipo I (α), es la probabilidad de que se rechace la

hipótesis nula H0 cuando, en realidad, es verdadera. Si por el contrario, se acepta una hipó-
tesis cuando debería ser rechazada, se dice que se comete un error de Tipo II. En cualquiera
de los dos casos se comete un error al tomar una decisión equivocada.

Tradicionalmente, el error de tipo I se controla al decidir el nivel de riesgo que está

dispuesto a correr al rechazar la hipótesis nula, siendo ésta cierta. Como el nivel de significa-
ción se especifica antes de realizar la prueba de hipótesis el riesgo de cometer un error de
tipo I está directamente bajo control. Por lo general, se seleccionan niveles de 0,01, 0,05 o
0,10. La selección de un nivel de riesgo específico para cometer un error de tipo I depende
del costo que implicaría cometerlo. Después de especificar el valor de α, se conoce el tama-
ño de la zona de rechazo, porque α es la probabilidad de rechazar la hipótesis nula cuando
es verdadera. A partir de esto, se determina el valor o los valores críticos que dividen la zo-
na de rechazo y de no rechazo.

α = P(eΙ)

La probabilidad de cometer un error de tipo II se denota con β. A diferencia del error

de tipo I, que se controla al seleccionar α, la posibilidad de cometer un error de tipo II de-
pende de la diferencia que existe entre los valores hipotético y real del parámetro poblacio-
nal. Cómo es más fácil encontrar diferencia grandes que pequeñas si la diferencia que existe
entre los valores hipotético y real del parámetro poblacional es grande, β es pequeña.

Una forma de reducir la probabilidad de cometer un error de tipo II consiste en au-

mentar el tamaño de la muestra. Por lo general, las muestras grandes permiten detectar
incluso diferencia pequeñas entre valores hipotéticos y parámetros poblacionales. Para un
nivel de α dado, aumentar el tamaño de la muestra reducirá β y así se incrementará el poder
de la prueba para detectar que la hipótesis nula es falsa. Sin embargo, siempre existe un
límite para los recursos y esto afectará la decisión de qué tan grande debe ser la muestra
tomada. De esta forma, para un tamaño dado de la muestra, se debe considerar las compa-
raciones entre los dos tipos de errores posibles. Como el riesgo de un error de tipo I se con-

246
trola directamente, éste se reducirá seleccionando un valor más pequeño para α. Por ejem-
plo, si son considerables las consecuencias negativas asociadas a un error de tipo I, puede
seleccionarse un α = 0,01 en lugar de 0,05. Sin embargo, cuando α se reduce, β aumenta,
por lo que reducir el riesgo de un error de tipo I tiene como resultado un aumento en el ries-
go del error de tipo II. Por otra parte, si se desea reducir β, puede seleccionarse un valor ma-
yor para α.

247
 Pasos Prueba de Hipótesis para Medias

Formular la H0) µx = µ0
hipótesis H0) µx ≤ µ0 H0) µx ≥ µ0
nula

Formular la
hipótesis H1) µx > µ0 H0) µx < µ0 H0) µx ≠ µ0
alternativa

Especificar
el nivel de Fijar α
significación

Determinar
el tamaño
Determinar n
de la mues-
tra

n >30 n ≤ 30
Elegir el
σ σ descono- σ σ descono-
estadístico
conocido cido conocido cido
de la prue-
ba
Distribución
Distribución normal
t-student

Establecer
los valores Buscar zc
críticos

− − − −

Extraer la x x sx x x sx
muestra y − − − −
x− µ x x− µ x x− µ x x− µ x
calcular los z1 = z1 = z1 = t1 =
σx sx σx sx
estadísticos
n n n n

Regla de | z1 | > | zc | | t1 | > | tc |

decisión rechazo H0 rechazo H0

248
 Pasos Prueba de Hipótesis para Varianza

Formular la H0) σx = σ0
hipótesis H0) σx ≤ σ0 H0) σx ≥ σ0
nula

Formular la
hipótesis H1) σx > σ0 H0) σx < σ0 H0) σx ≠ σ0
alternativa

Especificar
el nivel de Fijar α
significación

Determinar
el tamaño
Determinar n
de la mues-
tra

n > 30 n ≤ 30
Elegir el
estadístico
Distribución
de la prue-
Distribución normal Chi- cuadra-
ba
do

Establecer
los valores Buscar zc
críticos

Extraer la sx sx sx
muestra y sx − σ x sx − σ x sx − σ x sx − σ x
z1 = z1 = z1 = χυ2 =
calcular los sx sx sx sx
estadísticos 2n 2n 2n n2

| z1 | > | zc | |   | > |  c 2
Regla de
rechazo H0 |
decisión
rechazo H0

249
 Pasos Prueba de Hipótesis para Proporciones

Formular la hipó- H0) Px = P0

H0) Px ≤ P0 H0) Px ≥ P0
tesis nula

Formular la hipó-
H1) Px > σ0 H0) Px < P0 H0) Px ≠ P0
tesis alternativa

Especificar el ni-
vel de significa- Fijar α
ción

Determinar el
tamaño de la Determinar n
muestra

n > 30 n ≤ 30
Elegir el estadís-
tico de la prueba
Distribución normal Aumentar
el tamaño
Establecer los de la
Buscar zc
valores críticos muestra

hi
Extraer la mues- hi − P
z1 =
tra y calcular los hii (1 − hi )
estadísticos n

| z1 | > | zc |
Regla de decisión
rechazo H0

250
PREGUNTAS TEÓRICAS

1) El nivel de confianza de la Teoría de Estimación (NC) y el nivel de significación de la Teor-

ía de Decisión (α), sumados, valen 1.
a) Siempre
b) Nunca
c) A veces

2) En Teoría de Decisión, ¿qué relación existe entre el nivel de significación (α) y la probabi-
lidad de error de tipo I (PeΙ)?
a) Directa
b) Inversa
c) No existe

251