ESTADISTICA

Clase Magistral 13
Profesor Manuel Ricardo Contento
Prueba de Hipótesis Estadísticas
• Fundamento de la P.H.
• Prueba de hipótesis para 
• P.H. para la proporción.
• P.H. para la varianza
 Prueba de Hipótesis
Son proposiciones acerca de las características de una
variable o acerca de la relación entre dos o más
variables.
– El Numero de bacterias/cm3 en muestras de un agua tiene
distribución normal.
– El nivel promedio de ruido ambiental en una zona trafico de
transporte es mayor al nivel máximo permitido.
Surgen de los objetivos y preguntas de investigación.
Deben estar sujetas a la comprobación empírica.
 Hipótesis Estadísticas
Es llevar la hipótesis de investigación a la
terminología estadística.
Una hipótesis estadística es una aseveración
acerca de los parámetros de una distribución.
– El promedio, diferencia de promedios
– La proporción, diferencia de proporciones
– La varianza, cociente de varianzas
– El patrón de agrupamiento (distribución)
 Planteamiento de hipótesis
La agencia de Protección Ambiental (EPA) de
Estados Unidos ha fijado en 3 ppm el nivel promedio
máximo permisible para cierto tipo de contaminante
que se libera a la atmósfera. Un investigador de esta
agencia esta interesado en determinar si una
compañía química esta cumpliendo con esta norma.
Para poder establecer si la compañía cumple con lo
estipulado el investigador debe utilizar mediciones
diarias (datos muestrales) de la contaminación y con
base en ellos decidir.
 Planteamiento de hipótesis
Hipótesis:
– La compañía cumple con la norma
– La compañía no cumple la norma

Hipótesis (reflexionando sobre la población)

– El nivel promedio del contaminante es de 3ppm o menos
– El nivel promedio del contaminante es superior a 3ppm

Hipótesis Estadísticas
– 3
– >3
 Componentes de una prueba de
hipótesis
Hipótesis nula (Ho): hipótesis de no efecto o no diferencia.
Ho :   3
Hipótesis alternativa (Ha o H1): la opción a considerar si se
rechaza la hipótesis nula. Ha:  > 3
Estadística de prueba: distribución de muestreo asociada,
dado que Ho es cierta. Se calcula a partir de la información de
la muestra.
Considerar los siguientes casos:
Caso 1: promedio 2 ppm. Caso 2: promedio 2.9 ppm
Caso 3: promedio 3.1 ppm. Caso 4: promedio 4 ppm
Región de rechazo (Criterio de rechazo)
Esquema general de una prueba
de hipótesis
Realidad
Resultado de la prueba No Rechazar Ho Rechazar Ho
No Rechazar Ho Correcto Error tipo II
Rechazar Ho Error tipo I Correcto

= P(error tipo I)=P(Rechazar Ho/Ho es cierta) 0.1

=P(error tipo II)=P(No rechazar Ho/Ho es falsa) 0.2
1- :potencia del estudio. La capacidad que tiene el estudio
para detectar las deferencias cuando realmente se presentan.
 Ejemplo de Errores en PH
Antiguos estudios muestran que el germicida DDT
puede acumularse en el cuerpo. En 1965 la
concentración media de DDT en las partes grasas
del cuerpo de personas en EUA fue de 9 ppm. Se
espera que como resultado de los estrictos controles
esta concentración haya disminuido.
a. Construir las hipótesis nula y alternativa para
documentar esta afirmación.
b. Explicar en términos prácticos las consecuencias de
cometer un error tipo I y un error tipo II.
 Solución
X: concentración (ppm) del germicida DDT en partes grasas
del cuerpo.
Parámetro. : Concentración promedio de DDT en partes
grasas del cuerpo.
a. H0 :   9 (Los controles estrictos no redujeron la
concentración promedio de DDT)
H1 :  < 9 (Los controles estrictos redujeron la concentración
promedio de DDT)
b. Error tipo I: Concluir que se redujo la concentración
promedio de DDT, cuando no es así. Se pensaría que los
controles son tan rigurosos como se exigía.
Error tipo II: No detectar que se redujo la concentración
promedio de DDT, cuando en realidad sucedió. Los controles
no fueron tan rigurosos como se exigía o podrían serlo aun
mas.
 Prueba de hipótesis para 
𝑋ത− 
H0 :  = 0 Estadística de prueba: 𝑡𝑐 = 𝑠

Ha :  < 0 (unilateral- cola izquierda) ξ𝑛

Criterio: rechazar H0 si tc < t 1- ; n-1 = - t  ; n-1

 Prueba de hipótesis para 
𝑋ത− 
H0 :  = 0 Estadística de prueba: 𝑡𝑐 = 𝑠

Ha :  > 0 (unilateral- cola derecha) ξ𝑛

Criterio: rechazar H0 si tc > t  ; n-1

 Prueba de hipótesis para 
𝑋ത− 
H0 :  = 0 Estadística de prueba: 𝑡𝑐 = 𝑠

Ha :   0 (Bilateral- dos colas) ξ𝑛

Criterio: rechazar H0 si tc < -t/2; n-1 ó tc > t/2 ; n-1

 Prueba de hipótesis para 
𝑋ത− 
H0 :  = 0 Estadística de prueba: 𝑡𝑐 = 𝑠
ξ𝑛
Ha :  < 0 Criterio: rechazar H0 si tc < t 1- ; n-1 = - t  ; n-1
Ha :  > 0 Criterio: rechazar H0 si tc > t  ; n-1
Ha :   0 Criterio: rechazar H0 si tc < -t/2; n-1 ó tc > t/2 ; n-1

Ejemplo.
Una compañía farmacéutica afirma que la potencia promedio de uno
de sus antibióticos es 80%. Se somete a prueba una muestra
aleatoria de 100 cápsulas y se obtiene una media muestral de 79.7%
con una desviación estándar de 0.8%. ¿Presentan los datos suficiente
evidencia para refutar la afirmación de la compañía? (=0.05)
 PH para  (ejemplo)
Variable: X: potencia (%) del antibiótico.
Planteamiento de hipótesis:
H0:  = 80 (El promedio es igual a 80%, no se puede refutar la afirmación de la compañía)
Ha :  < 80 (El promedio es menor a 80%, se puede refutar la afirmación de la compañía)
Datos: 𝑛 = 100 𝑥ҧ= 79.7 𝑠 = 0.8 𝛼 = 0.05 𝑡0.95 ; 99 = −1.660391
Estadística de prueba:
79.7 − 80
𝑡𝑐 = = −3.75
0.8
ξ 100
Criterio del punto crítico:
Puesto que tc= -3.75 < -1.660391,
se rechaza H0 .

Interpretación:
Al nivel de significancia del 5%, hay evidencia suficiente para pensar que la potencia
promedio del antibiótico es menor a 80% y por tanto se puede refutar la afirmación de
la compañía.
 Solución en R
Consultar en AVATA la solución de este
ejemplo y los demás de la magistral 13
en el script:
ejemplos_magistral_13
 PH para  (valor-p)
valor-p: probabilidad de observar valores más extremos (bien sea grandes o pequeños) que
el obtenido con la estadística de prueba bajo la distribución de muestreo considerada.
Estadística de prueba: tc=-3.75

Distribución muestreo: T99

Calculo del valor-p:

Criterio el valor-p:
Rechazar Ho si valor-p < 
Puesto que valor-p = 0.0001489332 < 0.05 se rechaza H0 .

Interpretación.
Al nivel de significancia del 5%, hay evidencia suficiente para pensar que la potencia
promedio del antibiótico es menor a 80% y por tanto se puede refutar la afirmación de
la compañía.
 P.H. para la proporción.
H0 :  = 0

Ha :  < 0 Criterio: rechazar H0 si zc < -z

Ha :  > 0 Criterio: rechazar H0 si zc > z 
Ha :   0 Criterio: rechazar H0 si zc < -z /2 ó
zc > z /2
Estadística de prueba
p 0
zc 
 0 (1   0 )
n
 Ejemplo
En una ciudad se estableció recientemente el
uso obligatorio del cinturón de seguridad y se
desea establecer si la proporción de los que
han acogido la medida es del 50%. Que podría
concluirse si 123 de 300 conductores
manifestaron utilizar regularmente el cinturón.
 Solución
X: numero de conductores que usan cinturón
n=300 x=123 =0.05 p  123 / 300  0.41

H0 :  = 0.5 ( La proporción de uso es del 50%)

Ha :   0.5 (La proporción de uso no es del 50%)
Puntos críticos: z 0.975 = -1.96 z 0.025 = 1.96
p 0 0.41  0.5
zc    3.11
 0 (1   0 ) 0.5  0.5
n 300
Puesto que zc =-3.11<-1.96 se rechaza Ho. Al nivel de significancia del 5%,
hay evidencia suficiente para pensar que la proporción de conductores que
han acogido la medida es diferente al 50%.

valor-p=2*P(Z<-3.11)=2*0.000935502=0.001871 ¡Atención!
Puesto que valor-p = 0.001871 < 0.05 se rechaza H0 .
Al nivel de significancia del 5%, hay evidencia ……..
 Prueba de hipótesis para ²
ሺ
𝑛 − 1 ሻ𝑆 2
H0 : ² = ²0 Estadística de prueba: 𝜒𝑐2 =
𝜎02

Ha : ² < ²0 Criterio: rechazar H0 si ²c < ²1- ; n-1

Ha : ² > ²0 Criterio: rechazar H0 si ²c > ²  ; n-1
Ha : ²  ²0 Criterio: rechazar H0 si ²c < ²1-/2; n-1 ó ²c > ²/2 ; n-1

Ejemplo.
Una empresa de autopartes requiere que los diámetros de cierta tipo de
válvulas estén distribuidos normalmente con una varianza poblacional de 0,02
pulgadas², pero se cree que el proceso de fabricación se ha salido de control y
esta cifra ha aumentado. Se toma una muestra aleatoria de válvulas a las que se
les mide su diámetro, obteniéndose los siguientes resultados en pulgadas: 5.5,
5.4, 5.4, 5.6, 5.8, 5.4, 5.5, 5.4, 5.6, 5.7. ¿Presentan los datos suficiente
evidencia que permita concluir que el proceso de fabricación esta fuera de
control? (=0.05)
 PH para ² (solución)
X: diámetro (pulgadas) de las válvulas.
H0 : ² = 0.02 (la varianza del  de las válvulas es 0.02; Proceso bajo control )
Ha : ² > 0.02 (la varianza del  de las válvulas es mayor de 0.02; Proceso fuera de control )
Datos: 𝑛 = 10 𝑠 2 = 0.0201ത 𝛼 = 0.05 2
𝜒0.05;9 = 16.919
ത
ሺ10 − 1ሻ0.0201
Estadística de prueba: 𝜒𝑐2 = ത
= 9.05
0.02
Criterio del punto crítico:
Puesto que ²c = 9.055 < 16.919 no se rechaza H0. Al nivel de significancia del 5%, no
hay evidencia suficiente para pensar que la varianza poblacional del diámetro de las
válvulas sea mayor a 0.02 pulgadas² y por tanto el proceso no esta fuera de control.

Criterio el valor-p. 𝑣𝑎𝑙𝑜𝑟 − 𝑝 = 𝑃൫𝜒92 > 9.05ത൯= 0.4326716

Puesto que valor-p = 0.4326716 > 0.05 entonces no se rechaza H0 . Al nivel de

significancia del 5%, no hay evidencia………