CONTENIDO

INTRODUCCIÓN .............................................................................................................................. 2
5.1 PRUEBA Z PARA LA DIFERENCIA ENTRE DOS PROPORCIONES. .......................... 3
5.2 PRUEBA PARA LA DIFERENCIA ENTRE DOS PROPORCIONES. .............................. 7
5.3 PRUEBA PARA LA DIFERENCIA EN n PROPORCIONES Z. ...................................... 11
5.4 PRUEBA DE INDEPENDENCIA (ji-CUADRADA). ........................................................... 13
5.5 PRUEBAS DE CONTINGENCIA (ji-CUDRADA). ............................................................. 15
5.6 PRUEBAS DE BONDAD DE AJUSTE. ............................................................................... 18
5.7 APLICACIONES. ..................................................................................................................... 19
CONCLUSIÓN ................................................................................................................................ 20
BIBLIOGRAFÍA .............................................................................................................................. 21
INTRODUCCIÓN

A continuación en esta unidad de prueba de hipótesis, ya que este es otro aspecto

importante de la inferencia estadística que al igual que la estimación del intervalo
de confianza este se basa en la información de la muestra.
Por otra parte en esta investigación ce vera que la prueba de la hipótesis consiste
en contrastar dos hipótesis estadísticas cual involucra una decisión acerca de la
hipótesis. Y la decisión consiste en rechazar o no una hipótesis en favor de la otra.
Al igual la prueba de hipótesis se puede calcular una prueba estadística apropiada
esta prueba mide el acercamiento del calor de la muestra.
No dejando desapercibido los subtemas de la prueba de hipótesis en la que abarca
varios puntos importantes para complementar lo que es la hipótesis en el que
demuestra más adelante.
5.1 PRUEBA Z PARA LA DIFERENCIA ENTRE DOS
PROPORCIONES.

El objetivo de una prueba de dos muestras es determinar si las dos muestras

independientes fueron tomadas de dos poblaciones, las cuales presentan la misma
proporción de elementos con determinada característica. La prueba se concentra
en la diferencia relativa (diferencia dividida entre la desviación estándar de la
distribución de muestreo) entre las dos proporciones muéstrales. Diferencias
pequeñas denotan únicamente la variación casual producto del muestreo (se
acepta H0), en tanto que grandes diferencias significan lo contrario (se rechazaH0).
El valor estadístico de prueba (diferencia relativa) es comparado con un valor tabular
de la distribución normal, a fin de decidir si H0 es aceptado o rechazado. Una vez
más, esta prueba se asemeja considerablemente a la prueba de medias de dos
muestras. La hipótesis nula en una prueba de dos muestras es

Ejemplo ilustrativo

Se ponen a prueba la enseñanza de la Estadística empleando Excel y Winstats.

Para determinar si los estudiantes difieren en términos de estar a favor dela nueva
enseñanza se toma una muestra de 20 estudiantes de dos paralelos. De paralelo A
18 están a favor, en tanto que del paralelo B están a favor 14. ¿Es posible concluir
con un nivel de significación de 0,05 que los estudiantes que están a favor de la
nueva enseñanza de la Estadística es la misma en los dos paralelos? Los datos
son: Las hipótesis son
5.2 PRUEBA PARA LA DIFERENCIA ENTRE DOS PROPORCIONES.

Las pruebas de hipótesis a partir de proporciones se realizan casi en la misma forma

utilizada cuando nos referimos a las medias, cuando se cumplen las suposiciones
necesarias para cada caso. Pueden utilizarse pruebas unilaterales o bilaterales
dependiendo de la situación particular. La proporción de una población Las hipótesis
se enuncian de manera similar al caso de la media. Ho: p = p0H1: p ¹ p0En caso
de que la muestra sea grande n>30, el estadígrafo de prueba es: se distribuye
normal estándar. Regla de decisión: se determina de acuerdo a la hipótesis
alternativa (si es bilateral o unilateral. En el caso de muestras pequeñas se utiliza la
distribución Binomial. No lo abordaremos por ser complicado y poco frecuente su
uso. Diferencia entre las proporciones de dos poblaciones La situación más
frecuente es suponer que existen diferencias entre las proporciones de dos
poblaciones, para ello suelen enunciarse las hipótesis de forma similar al caso de
las medias: Ho: p1 = p2 Þ p1 - p2 = 0H1: p1 ¹ p2Puede la hipótesis alternativa
enunciarse
unilateralmente.El estadígrafo de prueba para el caso de muestras independientes
: dondeSiendo a1 y a2, el número de sujetos con la característica objeto de estudio
en las muestras 1 y 2 respectivamente, es decir, en vez de calcular la varianza para
cada muestra, se calcula una p conjunta para ambas muestras bajo el supuesto que
no hay diferencias entre ambas proporciones y así se obtiene la varianza conjunta.
Recuerda que q = 1-p.Está de más que te diga que este estadígrafo se distribuye
normal estándar.

La regla de decisión se determina de manera similar a los casos ya vistos

anteriormente. El objetivo de la prueba es comparar estas dos proporciones, como
estimadoresH1: p1 ¹ p2Recuerda que la H1 también puede plantearse de forma
unilateral. En algunos diseños de investigación, el plan muestral requiere
seleccionar dos muestras independientes, calcular las proporciones muéstrales y
usar la diferencia de las dos proporciones para estimar aprobar una diferencia entre
las mismas. Las aplicaciones son similares a la diferencia de medias, por ejemplo
si dos empresas consultoras ofrecen datos de proporciones de personas que van a
votar por el PRIy al hacer dos estudios diferentes salen resultados ligeramente
diferentes ¿pero qué tanta diferencia se requiere para que sea estadísticamente
significativo? De eso se tratan las Pruebas estadísticas de diferencias de
proporciones.

Estimación de la Diferencia de dos Proporciones

En la sección anterior se vio el tema de la generación de las distribuciones

muéstrales, en donde se tenía el valor de los parámetros, se seleccionaban dos
muestras y podíamos calcular la probabilidad del comportamiento de los
estadísticos. Para este caso en particular se utilizará la distribución muestral de
diferencia de proporciones para la estimación de las mismas. Recordando la

Ejemplo:

Se considera cierto cambio en un proceso de fabricación de partes componentes.

Se toman muestras del procedimiento existente y del nuevo para determinar si éste
tiene como resultado una mejoría. Si se encuentra que 75 de1500 artículos del
procedimiento actual son defectuosos y 80 de 2000 artículos del procedimiento
nuevo también lo son, encuentre un intervalo de confianza de 90%para la diferencia
real en la fracción de defectuosos entre el proceso actual y el nuevo.

Solución:
5.3 PRUEBA PARA LA DIFERENCIA EN n PROPORCIONES Z.

Una distribución poblacional representa la distribución de valores de una población

y una distribución muestral representa la distribución de los valores de una muestra.
En contraste con las distribuciones de mediciones individuales, una distribución
muestral es una distribución de probabilidad que se aplica a los valores posibles de
una estadística muestral. Así, la distribución muestral de la media es la distribución
de probabilidad de los valores posibles de la media muestral con base en un
determinado tamaño de muestra. Para cualquier tamaño de muestra dado n, tomado
de una población con media, los valores de la media muestra varían de una muestra
a otra. Esta variabilidad sirve de base para la distribución muestral. La distribución
muestral de la media se describe determinando el valor esperado E () o media, de
la distribución y la desviación estándar de la distribución de las medias, Como esta
desviación estándar indica la precisión de la media muestral como estimador
puntual, por lo general se le denomina error estándar de la media.

Ejemplo:

Un fabricante de reproductores de discos compactos utiliza un conjunto de pruebas

amplias para evaluar la función eléctrica de su producto. Todos los reproductores
de discos compactos deben pasar todas las pruebas antes de venderse. Una
muestra aleatoria de 500 reproductores tiene como resultado 15

Que fallan en una o más pruebas. Encuentre un intervalo de confianza de 90%para

la proporción de los reproductores de discos compactos de la población que no
pasan todas las pruebas.

Solución:

n=500p = 15/500 = 0.03

z(0.90) = 1.645
Para calcular el intervalo de confianza se tendría:

Esto da por resultado dos valores, (0.029, 0.071). Con un nivel de confianza del95%
se sabe que la proporción de pulas defectuosas de esta compañía está entre0.029
y 0.071.Si se requiere un menor error con un mismo nivel de confianza sólo se
necesita aumentar el tamaño de la muestra.
5.4 PRUEBA DE INDEPENDENCIA (ji-CUADRADA).
En una prueba de independencia el único número que el investigador controla
directamente es el tamaño total de la muestra. Se extrae una muestra de tamaño n
de la población y cada objeto se clasifica según las dos variables que se estudian.
Ni las frecuencias de cada celda, ni los totales de fila y columna se conocen de
antemano. El investigador no fija previamente ningún conjunto, es decir, son
aleatorios. El planteamiento de las Hipótesis será: H 0 : A y B son independientes
H 1 : A y B no son independientes

Independencia significa que el conocimiento del nivel de clasificación de un objeto

respecto a la característica A no tiene nada que ver con su nivel respecto a la
característica B. Para expresar esta idea matemáticamente utilizamos las
probabilidades dadas en la siguiente tabla: Tabla 2. Tabla de contingencia 2 x 2 con
proporciones o probabilidades

Se sabe que, para que dos sucesos sean independientes, la probabilidad de que
ocurran ambos a la vez debe ser igual al producto de las probabilidades de que
cada suceso ocurra individualmente
PRUEBAS DE BONDAD DE AJUSTE

Estas pruebas permiten verificar que la población de la cual proviene una muestra
tiene una

Distribución especificada o supuesta.

Sea X: variable aleatoria poblacional

f0(x) la distribución (o densidad) de probabilidad especificada o supuesta para X

Se desea probar la hipótesis:

Ho: f(x) = f0(x)

En contraste con la hipótesis alterna:

Ha: f(x) no= f0(x) (negación de Ho)

Para que las pruebas de Ji-cuadrado sean válidas, es necesario que las muestras
sean grandes. Es decir que las frecuencias esperadas no sean menores de 5. Si
esto no se cumple, puede utilizarse una prueba para pequeñas muestras llamada
prueba exacta de Fischer para contrastar independencia
5.5 PRUEBAS DE CONTINGENCIA (ji-CUDRADA).

La prueba chi-cuadrado de contingencia sirve para comprobar la independencia de

frecuencias entre dos variables aleatorias, X e Y. Las hipótesis contrastadas en la
prueba son: Hipótesis nula: X e Y son independientes. Hipótesis alternativa: X e Y
no son independientes (No importa cuál sea la relación que mantengan ni el grado
de esta. La condición de independencia, tal como fue definida en la página anterior
era: Xe Y son independientes si y sólo si para cualquier pareja de valores x e y la
probabilidad de que X tome el valor x e Y el valor y, simultáneamente, es igual al
producto de las probabilidades de que cada una tome el valor correspondiente
Naturalmente, nadie espera que esta condición se cumpla exactamente debido al
efecto de los errores de muestreo aleatorio. Por tanto, nuestro problema consisten
distinguir entre las diferencias producidas por efecto del muestreo y diferencias que
revelen falta de independencia. Podemos convertir la ecuación anterior a
frecuencias absolutas multiplicando

A este número tendremos que restarle I debido a que, para calcular lasfrecuencias
esperadas, necesitamos calcular las I sumas de filas en la tabla anterior. Conocidas
las sumas de filas obtenemos el número total de observaciones sin perder ningún
grado de libertad. A continuación, necesitaremos calcular, a partir de las
frecuencias observadas J -1 de las sumas de columnas; la restante podemos
obtenerla restando la suma delas anteriores del total de observaciones (T).En
resumen, el número de grados de libertad de la prueba es el producto del número
de filas menos uno por el número de columnas menos uno
En cuanto a la magnitud mínima necesaria de las frecuencias observadas y
esperadas, rigen las mismas normas que en el caso de la prueba de ajuste. En este
caso, si nos viéramos obligados a juntar valores para sumar frecuencias, debemos
unir columnas o filas completas (y contiguas). Obviamente, los grados de libertad
no deben calcularse hasta que no se hayan realizado todas las agrupaciones
necesarias y quede claro cuál es el número de filas y columnas de la tabla definitiva.
Como hemos visto, esta prueba no hace ninguna suposición acerca del tipo de
distribución de ninguna de las variables implicadas y utiliza únicamente información
de la muestra, es decir, información contingente. Esta es la razón por la que,
habitualmente, se le llama chi-cuadrado de contingencia.

5.6 PRUEBAS DE BONDAD DE AJUSTE.

Las pruebas de bondad de ajuste tienen por objetivo determinar si los datos se
ajustan a una determinada distribución, esta distribución puede estar
completamente especificada (hipótesis simple) o perteneciente a una clase
paramétrica (hipótesis compuesta).

Una hipótesis estadística se definió como una afirmación o conjetura acerca de la

distribución f(x,q) de una o más variables aleatorias. Igualmente se planteó que la
distribución podía tener uno o más parámetros desconocidos, que denotamos
porque y que la hipótesis se relaciona con este parámetro o conjunto de parámetros
En otros casos, se desconoce por completo la forma de la distribución y la hipótesis
entonces se relaciona con una distribución específica f(x,q) que podamos asignarle
al conjunto de datos de la muestra. El primer problema, relacionado con los
parámetros de una distribución conocida o supuesta es el problema que hemos
analizado en los párrafos anteriores. Ahora examinaremos el problema de verificar
si el conjunto de datos se puede ajustar o afirmar que proviene de una determinada
distribución. Las pruebas estadísticas que tratan este problema reciben el nombre
general de “Pruebas de Bondad de Ajuste”.

Se analizarán dos pruebas básicas que pueden aplicarse:

H0: f(x,q) = f0(x,q)H1: f(x,q) ¹ f0(x,q)

Donde

f0(x, q) es la distribución que se supone sigue la muestra aleatoria. La hipótesis

alternativa siempre se enuncia como que los datos no siguen la distribución
supuesta. Si se desea examinar otra distribución específica, deberá realizarse de
nuevo la otra prueba suponiendo que la hipótesis nula es esta nueva distribución.
Al especificar la hipótesis nula, el conjunto de parámetros definidos por q puede ser
conocido o desconocido. En caso de que los parámetros sean desconocidos, es
necesario estimarlos mediante alguno de los métodos de estimación analizados con
anterioridad. Para formular la hipótesis nula deberán tenerse en cuenta los
siguientes aspectos o criterios:

a) La naturaleza de los datos a analizar. Por ejemplo, si tratamos de investigar la

distribución que siguen los tiempos de falla de unos componentes, podríamos
pensar en una distribución exponencial, o una distribución gama o una distribución
Weibull, pero en principio no consideraríamos una distribución normal. Si estamos
analizando los caudales de un río en un determinado sitio, podríamos pensar en
una distribución logarítmica normal, pero no en una distribución normal. b)
Histograma. La forma que tome el histograma de frecuencia es quizás la mejor
indicación del tipo de distribución a considerar.

5.7 APLICACIONES.

Para la ocurrencia de dos eventos, en la cual se desea observar si son dependientes

o independientes.

La distribución ji cuadrada sirve para todas las inferencias sobre la variancia de una
población. Existen muchos problemas para los cuales los datos son categorizados
y los resultados expuestos en forma de conteos o cuentas. Se pueden aplicar en:
un conjunto de calificaciones de un examen final puede ser representado como una
distribución de frecuencias. Estos valores son cuentas: él numera de datos que caen
en cada celda. En una encuesta determinada se podría preguntar a unas personas
si votarían por los candidatos A, B o C, por lo general, los resultados se indican en
una gráfica que informa acerca del número de votantes para cada categoría posible.
CONCLUSIÓN

Para terminar y en base a todo lo visto podemos decir que Una prueba de hipótesis
consiste en contrastar dos hipótesis estadísticas. La cual este involucra la toma de
decisión acerca de las hipótesis. La decisión consiste en rechazar o no una hipótesis
en favor de la otra. Una hipótesis estadística se denota por “H” y son dos: - Ho:
hipótesis nula - H1: hipótesis alternativa Partes de una hipótesis, también Una
prueba de hipótesis estadística es una conjetura de una o más poblaciones. Nunca
se sabe con absoluta certeza la verdad o falsedad de una hipótesis estadística, a
no ser que se examine la población entera.
Estadísticamente una prueba de hipótesis es cualquier afirmación acerca de una
población y/o sus parámetros.
BIBLIOGRAFÍA

//clubensayos.com/Temas-Variados/UNIDAD-5-PRUEBAS-DE-
HIPOTESIS/408699.htmlhttp://es.scribd.com/doc/92268453/Unidad-5-Pruebas-de-
Hipotesis-Con-Dos-Muestras-Datos-Categoricos