Introducción

Actualmente, sabemos que la matemática es una herramienta importante en la toma de

decisiones, y la estadística junto con todos sus procesos no es la excepción ,Hoy en día
el conocimiento y aplicación de pruebas de hipótesis juega un papel altamente
importante dentro del desarrollo profesional; de manera particular las pruebas de
hipótesis se convierten en una poderosa y fuerte herramienta para la toma de decisiones
razón para considerarlas y aplicarlas de una manera eficaz y objetiva, el analizar los
elementos que intervienen permiten decisiones adecuadas en los procesos productivos
e indudable en el mundo de la economía así como en otras como la educación y
mercadotecnia .
En este trabajo hablaremos sobre todo lo que hemos aprendido relacionado con las
pruebas de hipótesis, igual anexaremos un ejemplo de cada tipo en este caso de
pruebas de hipótesis para la media y para una proporción y así mismo; se hará uso de
esta maravillosa herramienta estadística para plantear y dar solución a un problema de
de nuestra área de formación en este caso La educación.

Marco Teórico
Definición de Prueba de Hipótesis
Una prueba de hipótesis es el proceso mediante el cual, a partir de los valores de una
muestra aleatoria extraída de una población bajo estudio, se decide si mantiene el
supuesto que plantea el investigador para el parámetro, o se rechaza; con cierta
probabilidad de error (riesgo) por tomar una decisión
Hipótesis Nula: Supuesto que indica que el valor del parámetro, es constante, que no
ha sufrido cambios, es nula. Equivalentemente que la población permanece constante,
la hipótesis nula se plantea generalmente con la intención de rechazarla. Se representa
mediante Ho

Hipótesis alternativa: Supuesto que se relaciona con la teoría a demostrarse,

enunciado alternativo a la hipótesis nula. Se representa mediante Hi.
Con el siguiente grafico se sintetiza la prueba de hipótesis:

El gráfico nos está indicando lo siguiente:

Para la población se plantea un supuesto para el parámetro, de ésta se extrae una

muestra aleatoria, los datos recolectados de ella se usan para generalizarlo en toda la
población, mediante el proceso de la prueba de hipótesis.

Previamente requerimos ciertas definiciones básicas para el estudio y aplicación de una

prueba de hipótesis estadística.

Tipos de errores
Error tipo 1:
Se define el error tipo I cuando se rechaza la hipótesis nula, siendo que la misma se ha
debido aceptar. La probabilidad de cometer este error se denota normalmente con la
letra  (alfa)y en términos probabilísticos se expresa como una probabilidad condicional
en la que= P(rechazar Ho | Ho es verdad). El valor de  es precisamente el nivel de
significación que se utiliza en la teoría de Neyman – Pearson

Error tipo 2:
Se define el error tipo II cuando se acepta la hipótesis nula siendo que se ha debido
rechazar. La probabilidad de cometer este error se denota normalmente con la letra
(Beta). En términos probabilísticos se define como:  = P (aceptar Ho | Ho es falsa). La
probabilidad del error tipo II da pie para definir las curvas de potencia y de operaciones,
sobre las cuales se volverá más adelante.
Así como hay dos tipos de errores es posible encontrar dos tipos de aciertos, los que
definen la fortaleza de la prueba, a saber:
1. Confianza de hipótesis (1 − ): es la capacidad que tiene la prueba para detectar que
𝐻0 es verdadera, cuando en efecto lo es. Es fácil evidenciar que se trata del
complemento de la probabilidad de cometer el error tipo I.
2. Potencia de la prueba (1 − 𝛽) : Es la capacidad de la prueba para detectar un rechazo
de 𝐻0 cuando el rechazo deba realmente darse. Como en el caso anterior, la potencia
no es más que el complemento de la probabilidad de incurrir en el error tipo II.
Los anteriores conceptos se resumen en la tabla 1:

Otra manera de ver la información relacionada en la tabla anterior es la que identifica

Martínez (2012) de la siguiente forma:
 Si se acepta una hipótesis verdadera, la decisión es correcta.
 Si se acepta una hipótesis falsa, cometemos el error tipo II.
 Si rechazamos una hipótesis verdadera, cometemos error tipo I.

Confiabilidad y Significancia
Significancia:
El valor α se llama “nivel de significancia o nivel de riesgo” y representa a la probabilidad
de que un nivel concreto del estadístico de contraste, caiga en la zona de rechazo o
crítica, es decir, es el conjunto de valores del estadístico de contraste que nos lleva a la
decisión de rechazar la hipótesis nula.
Confiabilidad:
El valor (1-α) se llama “nivel de confianza”, es el conjunto de valores del estadístico de
contraste que nos lleva a la decisión de aceptar la hipótesis nula.
Nivel de Significancia: La probabilidad (α) más alta de rechazar H0 cuando H0 es cierto
se llama nivel de significancia.

Potencia de la Prueba

La potencia del contraste es la probabilidad de detectar efectos estadísticamente

significativos, esto es, la probabilidad de rechazar la Hipótesis Nula cuando es falsa, que
se simboliza 1-beta, y es igual a la probabilidad de ocurrencia de valores del estadístico
en la región de rechazo bajo el supuesto que H 1 (la Hipótesis Alternativa) sea verdadera

Principales características de la potencia de la prueba:

 El valor de la potencia es complementario al de beta (probabilidad de cometer
errores de tipo II), cuanto menor es alfa, mayor es beta, y viceversa.
 Los valores de alfa y 1-beta están relacionados. Cuanto mayor sea alfa, mayor es
1-beta.
 El valor de la potencia depende de la verdadera posición del parámetro, que es
desconocida, pero podemos tomar medidas que generalmente la incrementan:
a) Hacer alfa más grande. Hay que tener en cuenta que esta medida también incrementa
la probabilidad de errores de tipo I (si H 0 es verdadera).
b) Otra medida consiste en hacer más grande el tamaño de la muestra. La razón es que
disminuye la desviación típica de la distribución muestral (el Error Típico del estadístico);
en consecuencia los límites de la región de aceptación se acercan y quedan más lejos
de la verdadera distribución del estadístico, lo que incrementa la probabilidad de que el
estadístico de contraste se sitúe en la región de rechazo.
 Realización de una prueba de hipótesis
Para la realización de una prueba de hipótesis se consideran los siguientes pasos:
1. Se plantean las hipótesis 𝐻0y𝐻1 , definiendo la lateralidad de la prueba.
Aunque las hipótesis pueden considerar varios parámetros muestrales, para los efectos
de este trabajo se tratarán solamente hipótesis simples, entendidas estas como aquellas
en las cuales se estudia un único parámetro muestral. En esta situación general las
hipótesis que conciernen a un parámetro 𝜃 se formulan como:

𝐻0 : 𝜃 = 𝜃0
𝐻1 : 𝜃 ≠ 𝜃0

Donde 𝜃0 se considera un valor particular del parámetro. En la teoría del contraste de

hipótesis este tipo de planteamiento se conoce como contraste de hipótesis simple.Así
pues, cómo se dijo en el párrafo anterior, una hipótesis simple postula que el parámetro
𝜃sólo puede tomar un valor o bien, más técnicamente, que el conjunto de parámetros
asociado a una hipótesis simple consiste en un sólo punto.

2. Seleccionar el nivel de significación.

El nivel de significación es la máxima probabilidad especificada con la finalidad de hacer
mínimo el error de tipo I; esta probabilidad se fija antes de escoger la muestra. El nivel
de significación se simboliza con 𝛼 como se mencionó en la tabla 1.
El nivel de significación tiene sentido escogerlo antes de desarrollar la investigación
asociada, pues si se desarrolla la prueba de hipótesis y posteriormente se determina el
valor de𝛼 entonces la realización del análisis estadístico sería un acto de investigación
ficticio dado que se podría elegir convenientemente el  para obtener determinados
resultados. No obstante lo anterior, suele ocurrir que se realizan pruebas de hipótesis y
sólo al final se escoge el valor de 𝛼, en estos casos hay que precisar que dicho valor no
se escoge pensando en la conveniencia particular para aceptar determinada hipótesis y
por tanto no se desvirtúa la investigación realizada. La elección del valor de 𝛼 depende
de las consecuencias del error que traería el rechazo de una u otra hipótesis. Se puede
usar cualquier nivel dependiendo de la investigación que se haga, no obstante en la
práctica se utilizan generalmente niveles del 1%,5% o 10%. Cuando se usa un nivel del
1% ó 5% a estos se les conoce como límites fiduciales
Particularmente se suele trabajar con un nivel del 5% (0,05) cuando el enunciado del
problema no fija de antemano el nivel. Cuando se trabaja con un nivel del 5% se
considera que el resultado es significativo; si se emplea el 1% el resultado es altamente
significativo; de otro lado si se usa el 10%, el resultado se considera poco significativo.
Gráficamente al valor del nivel de significación corresponde un área bajo la curva de
probabilidad (por lo general la curva normal) llamada región critica o zona de rechazo.
Habrán ocasiones en que la región critica se situé únicamente a la derecha de la curva,
se dirá que es una prueba unilateral a la derecha. Si se sitúa a la izquierda, será una
prueba unilateral a la izquierda. Si se deben considerar dos regiones críticas entonces
se habla de una prueba bilateral (Martínez, 2012).
Cuando se esté desarrollando una prueba de hipótesis y haya una prueba unilateral
entonces se toma el valor total del 𝛼. Por otra parte para los contrastes bilaterales el 𝛼 se
dividirá en dos.

3. Conocer o estimar la varianza.

En este punto es importante aclarar que se deben asumir unos supuestos, los cuales
son diferentes si se trata de un estadístico para medias o si es un estadístico para
proporciones (que son los únicos casos que se estudian en este trabajo):

a) Supuestos para estadísticos de medias muéstrales:

La muestra es aleatoria.
La población es normal .
La varianza poblacional es conocida (en la práctica este dato se desconoce por lo
cual debe ser estimado).
b) Supuestos para estadísticos de proporciones muéstrales:
La muestra es aleatoria.
 La población es normal.
 Conocer el valor de p(este valor p hace referencia a la proporción de una
característica dicotómica de una población y no debe confundirse con el valor p
de Fisher) o estimarlo en caso de no ser conocido.

4. Se toman una o varias muestras, según sea el caso, de las poblaciones bajo
estudio.
Se debe mencionar que para la realización imparcial de la investigación estadística, la
muestra debe ser escogida de forma aleatoria del conjunto de datos que conforman la
población objeto de estudio. Así mismo hay que destacar que el test estadístico a utilizar
depende en cada caso del tamaño y características que tenga la muestra seleccionada,
así pues hay diferentes maneras de seleccionar la prueba estadística en relación con la
muestra ,como por ejemplo distribución de medias, distribución de proporciones,
distribución de diferencia entre dos medias y distribución de diferencia entre
proporciones. Llegado el momento se describirán con detalle los dos primeros casos, los
cuales son el objeto de este documento
5. Determinar los valores críticos y sus regiones de rechazo.
La formulación de los puntos críticos depende esencialmente de dos factores. En primer
lugar está relacionado con el nivel de significación que se haya escogido para el estudio.
En segundo lugar depende de si se trata de una prueba unilateral o una prueba bilateral.
A continuación se formulan a modo de ejemplo los puntos críticos 𝑍𝑖 correspondientes a
los límites fiduciarios y suponiendo en cada caso una prueba tanto unilateral como
bilateral:

A. Si  = 1% entonces : si se trata de una prueba unilateral se tiene 𝑍 < 2,33; Si es

una prueba bilateral entonces 𝑍1 = 2,58 y 𝑍2 = −2,58.

B. Si  = 5% entonces : si se trata de una prueba unilateral se tiene 𝑍 < 1,64; Si es

un prueba bilateral entonces 𝑍1 = 1,96 y 𝑍2 = −1,96.

C. Si  = 10% entonces : si se trata de una prueba unilateral se tiene 𝑍 < 1,28; Si es

una prueba bilateral entonces 𝑍1 = 1,64 y 𝑍2 = −1,64.
6. Se calcula el estadístico de la prueba con base en los resultados muestrales y
suponiendo que 𝐻0 es verdadera.
El estadístico de la prueba depende directamente de los datos que se conozcan del
problema y del tipo de prueba de hipótesis que sea (para medias, proporciones,
diferencia de proporciones, etc.), por lo cual existen estadísticos para medias muestrales
proporciones muestrales, diferencia entre dos medias muestrales y diferencia entre dos
proporciones muestrales. Se abordarán los dos primeros casos:
I. Distribución de medias muestrales:

II. Distribución de proporciones muestrales:

a. Si la muestra tiene más de 30 elementos: se utilizará el estadístico de distribución
normal, como se sigue:

b. Si la muestra tiene 30 o menos elementos: se utiliza el estadístico para distribuciones

binomiales:

7. Se compara el estadístico calculado con el valor teórico de la distribución y se

toma la decisión.
De acuerdo al nivel de significación asignado se acepta o se rechaza la hipótesis nula y
se concluye la investigación verificando la existencia o no de los errores de tipo I y II.
Cuando se realiza una prueba de hipótesis, si las hipótesis estadísticas tratan sobre un
determinado parámetro 𝜃, entonces se tendrán tres tipos de pruebas de hipótesis.

Prueba de hipótesis Para la media (Ejercicio)

Los altos porcentajes de ocupación en vuelos regulares son esenciales para la rentabilidad
corporativa. Suponga que un vuelo regular debe promediar al menos 60% de ocupación para ser
rentable y un examen del porcentaje de ocupación para 120 vuelos de las 10:00 am, de Atlanta a
Dallas, mostró una ocupación media por vuelo del 58% y una desviación estándar de 11%. Si le
contratan para evaluar la rentabilidad de este vuelo regular, realice una prueba de hipótesis y
redacte sus conclusiones usando α=.05

Datos

 M = 60
 N = 120
 X = .58
 S = 11
 = .05

De acuerdo al problema resuelto obtuvimos los datos y llegamos a una

conclusión donde podemos decir que rechazamos la hipótesis nula y
aceptamos la alternativa ya al verse observar el promedio poblacional que
es R= 2.4 excede el 2.3

ya obtenidos nuestros datos estadísticos podemos aceptar la hipótesis

alternativa ya que el porcentaje de ocupación del vuelo de Atlanta a Dallas fue
alternativamente más bajo y rechazamos la alternativa ya que la región de
rechazo es de R= 1.9918 de seguridad.
Prueba de Hipótesis Para Una Proporción (Ejercicio)
Una peonia con pétalos rojos, fue cruzada con otra planta que tenía pétalos
rayados. Un genetista dice que 75% de los descendientes que resulten de
esta cruza tendrán flores rojas. Para probar su dicho, 100 semillas de esta
cruza se seleccionaron y germinaron y 58 plantas tenían pétalos rojos.
Realice una prueba de hipótesis con un 99% de certeza para determinar si
conviene apoyar al genetista.

Como Nuestro estadístico de prueba cae en la región de rechazo, entonces

rechazamos Ho y aceptamos la hipótesis alternativa y se concluye que el
porcentaje real es menor a 75%, por lo tanto no conviene apoyar al genetista.
 Bibliografía

 Blair, C., & Taylor, R. (2008). Bioestadística. México: Pearson Educación,

S.A

 Mendenhall, W., Scheaffer, R., & Wackerly, D. (1986). Estadística

matemática con aplicaciones. Ciudad de México: Grupo Editorial
Iberoamérica

 Newbold, P., Carlson, W., & Thorne, B. (2008). Estadística para

administración y economía. Madrid: Pearson Educación, S.A.

 Pagano, M., & Gauvreau, K. (2001). Fundamentos de Bioestadistica (2nd

ed.). México, D.F.: Thompson Learning.

 Siegel, S. (1970). Estadística no paramétrica: aplicada a las ciencias de la

conducta. México, D.F.: Editorial Trillas

 Spiegel, M., Schiller, J., Alu Srinivasan, R. (2010). Probabilidad y

Estadística.(3era.ed.). México: Editorial McGraw-Hill. ISBN-13: 978- 607-15-
0270-4

 MENDENHALL, W., et al. (1994) Estadística Matemática con

Aplicaciones. México: Grupo Editorial Iberoamérica.

 ANDERSON, D. SWEENEY D. y Williams, T. (1982, 2005).

Estadística para administración y economía. México: Thomson editores.

 GARZO, F. Y GARCIA, F. (1988) Estadística. España: Mc Graw

Hill Interamericana.

 Lind, A. Douglas; Marchal, G. William; Mason, D. Robert. (2004).

Estadística para Administración y Economía. (11ª ed.) México: Alfaomega.