6.2.4 INTERVALO DE CONFIANZA PARA UNA PROPORCION.

Una proporción muestral p$ es un estimador puntual (un número) de la proporción

en la población P . Un estimador de intervalo de confianza de la proporción en la
población P , es un intervalo, calculado a partir de los datos de la muestra, en el
cual nosotros “confiamos” se encuentra la proporción de la población P . El nivel
de confianza es la probabilidad de que el método de estimación nos dé un
intervalo que contiene al parámetro ( P en este caso). El nivel de confianza se
denota por 1−α , donde valores comunes de α son 0,10; 0,05; y 0,01, para una
confianza de 90%, 95%, y 99%. Para construir intervalos de confianza recordemos
la distribución muestral de la proporción muestral p$ : ) 1( ) ˆ ~ ( , n P P p N P − & ,
entonces aproximadamente 95% de los valores de p$ estarán entre dos
desviaciones estándar de P .

Hacemos un intervalo: n P P p 1( ) ˆ ,1 96 − ± . Esperamos que el 95% de los intervalos de

confianza formados por n P P p 1( ) ˆ ,1 96 − ± van a contener al parámetro P y 5% no lo
van a contener. El problema es que si no conocemos el parámetro no conocemos la
desviación estándar. Solución: Estimar la desviación estándar, con el error estándar de p:
Un intervalo de confianza (1− α)*100% para P está dado por:

donde z 1 2 − α es un percentil de la distribución N(0,1) Este intervalo da valores

posibles para la proporción en la población P basada en sólo una proporción
muestral p$ . Esta aproximación esta basada en el supuesto de que los datos
provienen de una muestra aleatoria de la población y funciona bien si nP ≥ 5 y n 1(
− P) ≥ 5. Esta condición se puede corroborar con
npˆ ≥ 5 y n 1( − pˆ) ≥ 5 .
6.3 PRUEBA DE HIPOTESIIS
Una prueba de hipótesis comprende cuatro componentes principales:
-Hipótesis Nula
-Hipótesis Alternativa
-Estadística de Prueba
-Región de Rechazo

La Hipótesis Nula, denotada como H0 siempre especifica un solo valor del

parámetro de la población si la hipótesis es simple o un conjunto de valores si es
compuesta (es lo que queremos desacreditar)

La Hipótesis Alternativa, denotada como H1 es la que responde nuestra

pregunta, la que se establece en base a la evidencia que tenemos. Puede tener
cuatro formas:

Como las conclusiones a las que lleguemos se basan en una muestra, hay
posibilidades de que nos equivoquemos. Dos decisiones correctas son posibles:
Rechazar H0 cuando es falsa
No Rechazar H0 cuando es verdadera.
Dos decisiones incorrectas son posibles:
Rechazar H0 cuando es verdadera
No Rechazar H0 cuando es falsa.
Tamaño de los errores al tomar una decisión incorrecta en una Prueba de
Hipótesis

La Región de Rechazo es el conjunto de valores tales que si la prueba

estadística cae dentro de este rango, decidimos rechazar la Hipótesis Nula Su
localización depende de la forma de la Hipótesis Alternativa:
Si entonces la región se encuentra en la cola derecha de la
distribución de la
estadística de prueba.
6.3.1 ERRORES TIPO I Y II.

Error de tipo I
Si usted rechaza la hipótesis nula cuando es verdadera, comete un error de tipo I.
La probabilidad de cometer un error de tipo I es α, que es el nivel de significancia
que usted establece para su prueba de hipótesis. Un α de 0.05 indica que usted
está dispuesto a aceptar una probabilidad de 5% de estar equivocado al rechazar
la hipótesis nula. Para reducir este riesgo, debe utilizar un valor menor para α. Sin
embargo, usar un valor menor para alfa significa que usted tendrá menos
probabilidad de detectar una diferencia si esta realmente existe.

Error de tipo II
Cuando la hipótesis nula es falsa y usted no la rechaza, comete un error de tipo II.
La probabilidad de cometer un error de tipo II es β, que depende de la potencia de
la prueba. Puede reducir el riesgo de cometer un error de tipo II al asegurarse de
que la prueba tenga suficiente potencia. Para ello, asegúrese de que el tamaño de
la muestra sea lo suficientemente grande como para detectar una diferencia
práctica cuando esta realmente exista.
La probabilidad de rechazar la hipótesis nula cuando es falsa es igual a 1–β. Este
valor es la potencia de la prueba.

Ejemplo de error de tipo I y tipo II

Para entender la interrelación entre los errores de tipo I y tipo II, y para determinar
cuál error tiene consecuencias más graves para su situación, considere el
siguiente ejemplo.
Un investigador médico desea comparar la efectividad de dos medicamentos. Las
hipótesis nula y alternativa son:
Hipótesis nula (H0): μ1= μ2
Los dos medicamentos tienen la misma eficacia.
Hipótesis alternativa (H1): μ1≠ μ2
Los dos medicamentos no tienen la misma eficacia.
Un error de tipo I se produce si el investigador rechaza la hipótesis nula y concluye
que los dos medicamentos son diferentes cuando, en realidad, no lo son. Si los
medicamentos tienen la misma eficacia, el investigador podría considerar que este
error no es muy grave, porque de todos modos los pacientes se beneficiarían con
el mismo nivel de eficacia independientemente del medicamento que tomen. Sin
embargo, si se produce un error de tipo II, el investigador no rechaza la hipótesis
nula cuando debe rechazarla. Es decir, el investigador concluye que los
medicamentos son iguales cuando en realidad son diferentes. Este error puede
poner en riesgo la vida de los pacientes si se pone en venta el medicamento
menos efectivo en lugar del medicamento más efectivo.
Cuando realice las pruebas de hipótesis, considere los riesgos de cometer errores
de tipo I y tipo II. Si las consecuencias de cometer un tipo de error son más graves
o costosas que cometer el otro tipo de error, entonces elija un nivel de
significancia y una potencia para la prueba que reflejen la gravedad relativa de
esas consecuencias.