1. ¿Cuáles son las partes por las que está conformada una prueba de hipótesis?

Etapa 1.- Planear la hipótesis nula y la hipótesis alternativa. La hipótesis nula (H0) es el valor hipotético del parámetro que se c
Etapa 2.- Especificar el nivel de significancia que se va a utilizar. El nivel de significancia del 5%, entonces se rechaza la hipótesis
Etapa 3.- Elegir la estadística de prueba. La estadística de prueba puede ser la estadística muestral (el estimador no segado del
Etapa 4.- Establecer el valor o valores críticos de la estadística de prueba. Habiendo especificado la hipótesis nula, el nivel de si
Etapa 5.- Determinar el valor real de la estadística de prueba. Por ejemplo, al probar un valor hipotético de la media poblaciona
Etapa 6.- Tomar la decisión. Se compara el valor observado de la estadística muestral con el valor (o valores) críticos de la estad
La distribución apropiada de la prueba estadística se divide en dos regiones: una región de rechazo y una de no rechazo. Si la p
Al tomar la decisión con respecto a la hipótesis nula, se debe determinar el valor crítico en la distribución estadística que divide
1. ¿Como decide el investigador si debe de rechazar o aceptar H0?
Se contrasta la hipotesis. Contrastar una hipótesis es comparar las predicciones con la realidad que observamos Si dentro del m
¿A qué se le conoce como error tipo I?
un error tipo I se presenta si la hipotesis nula Ho. Es rechazada ciando es verdadera y debia ser aceptada. La probabilidad de co
1. ¿Cómo se determina las regiones de rechazo de una prueba de hipótesis?
El propósito de la prueba de hipótesis no es cuestionar el valor calculado del estadístico (muestral), sino hacer
un juicio con respecto a la diferencia entre estadístico de muestra y un valor planteado del parámetro.
1. ¿Cuáles son las condiciones que se deben presentar para realizar una prueba de hipótesis para la media? ¿para la proporció
Las pruebas de proporciones son adecuadas cuando los datos que se están analizando constan de cuentas o frecuencias de ele
1. Definición y características principales del análisis de varianza
El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La p
1. ¿Cuándo y cómo aplicar un análisis de varianza?
Si el valor estadístico de prueba (análisis de varianza) nos impulsa a aceptar la hipótesis nula, se concluiría que las diferencias o
¿Es útil aplicar análisis de varianza a la problemática de estudio?
El análisis de la varianza (ANOVA) es una potente herramienta estadística, de gran utilidad tanto en la industria, para el control
El ANOVA también puede utilizarse en situaciones donde ambas fuentes de variación son aleatorias. Un ejemplo sería el anális
hipotético del parámetro que se compra con el resultado muestral resulta muy poco probable cuando la hipótesis es cierta.
, entonces se rechaza la hipótesis nula solamente si el resultado muestral es tan diferente del valor hipotético que una diferencia de esa m
stral (el estimador no segado del parámetro que se prueba) o una versión transformada de esa estadística muestral. Por ejemplo, para prob
do la hipótesis nula, el nivel de significancia y la estadística de prueba que se van a utilizar, se produce a establecer el o los valores críticos
hipotético de la media poblacional, se toma una muestra aleatoria y se determina el valor de la media muestral. Si el valor crítico que se es
alor (o valores) críticos de la estadística de prueba. Después se acepta o se rechaza la hipótesis nula. Si se rechaza ésta, se acepta la alterna
chazo y una de no rechazo. Si la prueba estadística cae en esta última región no se puede rechazar la hipótesis nula y se llega a la conclusió
distribución estadística que divide la región del rechazo (en la cual la hipótesis nula no se puede rechazar) de la región de rechazo. A hora b

d que observamos Si dentro del margen de error que nos permitimos admitir, hay coincidencia, aceptaremos la hipótesis y en caso contrari

er aceptada. La probabilidad de cometer un errortipo I se denomina con la leta alfa α

stral), sino hacer

para la media? ¿para la proporción? ¿para la diferencia de medias? ¿para la diferencia de proporciones?
n de cuentas o frecuencias de elementos de dos o más clases. El objetivo de estas pruebas es evaluar las afirmaciones con respecto a una p

más poblaciones son iguales. La prueba se basa en una muestra única, obtenida a partir de cada población. El análisis de varianza puede se

se concluiría que las diferencias observadas entre las medias de las muestras se deben a la variación casual en el muestreo (y por tanto, qu

to en la industria, para el control de procesos, como en el laboratorio de análisis, para el control de métodos analíticos. Los ejemplos de ap
atorias. Un ejemplo sería el análisis de algún compuesto de un vino almacenado en un depósito. Supongamos que las muestras se toman a
 pótesis es cierta.
ético que una diferencia de esa magnitud o mayor, pudiera ocurrir aleatoria mente con una probabilidad de 1.05 o menos.
a muestral. Por ejemplo, para probar el valor hipotético de una media poblacional, se toma la media de una muestra aleatoria de esa distrib
stablecer el o los valores críticos de estadística de prueba. Puede haber uno o más de esos valores, dependiendo de si se va a realizar una
estral. Si el valor crítico que se establece es un valor de z, entonces se transforma la media muestral en un valor de z.
rechaza ésta, se acepta la alternativa; a su vez, esta decisión tendrá efecto sobre otras decisiones de los administradores operativos, como
tesis nula y se llega a la conclusión de que el proceso funciona correctamente.
de la región de rechazo. A hora bien el valor crítico depende del tamaño de la región de rechazo.

mos la hipótesis y en caso contrario la rechazaremos.

afirmaciones con respecto a una proporción (o Porcentaje) de población. Las pruebas se basan en la premisa de que una proporción muest

n. El análisis de varianza puede servir para determinar si las diferencias entre las medias muestrales revelan las verdaderas diferencias entr

al en el muestreo (y por tanto, que los valores medios de población son iguales). Si se rechaza la hipótesis nula, se concluiría que las diferen

dos analíticos. Los ejemplos de aplicación son múltiples, pudiéndose agrupar, según el objetivo que persiguen, en dos principalmente: la co
mos que las muestras se toman aleatoriamente de diferentes partes del depósito y se realizan diversos análisis replicados. Aparte de la vari
de 1.05 o menos.
na muestra aleatoria de esa distribución normal, entonces es común que se transforme la media en un valor z el cual, a su vez, sirve como e
ndiendo de si se va a realizar una prueba de uno o dos extremos.
n valor de z.
dministradores operativos, como por ejemplo, mantener o no un estándar de desempeño o cuál de dos estrategias de mercadotecnia utiliz

isa de que una proporción muestral (es decir, x ocurrencias en n observaciones, o x/n) será igual a la proporción verdadera de la población

an las verdaderas diferencias entre los valores medios de cada una de las poblaciones, o si las diferencias entre los valores medios de la mu

nula, se concluiría que las diferencias entre los valores medios de la muestra son demasiado grandes como para deberse únicamente a la

uen, en dos principalmente: la comparación de múltiples columnas de datos y la estimación de los componentes de variación de un proces
álisis replicados. Aparte de la variación natural en la medida tendremos una variación en la composición del vino de les diferentes partes d
 or z el cual, a su vez, sirve como estadística de prueba.

strategias de mercadotecnia utilizar.

orción verdadera de la población si se toman márgenes o tolerancias para la variabilidad muestral. Las pruebas suelen enfocarse en la dife

entre los valores medios de la muestra son más indicativas de una variabilidad de muestreo.

mo para deberse únicamente a la casualidad (y por ello, no todas las medias de población son iguales).

onentes de variación de un proceso. Nos ocupamos en este artículo de la primera de ellas.

del vino de les diferentes partes del depósito. 2 Cuando tengamos un factor, controlado o aleatorio, aparte del error propio de la medida, h
uebas suelen enfocarse en la diferencia entre un número esperado de ocurrencias, suponiendo que una afirmación es verdadera, y el núm

e del error propio de la medida, hablaremos del ANOVA de un factor. En el caso de que estuviésemos desarrollando un nuevo método color
firmación es verdadera, y el número observado realmente. La diferencia se compara con la variabilidad prescrita mediante una distribución

arrollando un nuevo método colorimétrico y quisiéramos investigar la influencia de diversos factores independientes sobre la absorbancia,
escrita mediante una distribución de muestreo que tiene como base el supuesto de que es realmente verdadera.

pendientes sobre la absorbancia, tales como la concentración de reactivo A y la temperatura a la que tiene lugar la reacción, entonces habl
e lugar la reacción, entonces hablaríamos de un ANOVA de dos factores. En los casos donde tenemos dos o más factores que influyen, se re
o más factores que influyen, se realizan los experimentos para todas las combinaciones de los factores estudiados, seguido del ANOVA. Se
udiados, seguido del ANOVA. Se puede deducir entonces si cada uno de los factores o una interacción entre ellos tienen influencia significa
tre ellos tienen influencia significativa en el resultado.