UNIVERSIDAD MANUELA BELTRÁN

MACROPROCESO DE RECURSOS E INFRAESTRUCTURA ACADÉMICA

FORMATO PARA PRÁCTICAS DE LABORATORIO UMB - VIRTUAL
Fecha: 7 de octubre de 2016 Código: Versión: 1.0

INFORMACIÓN BÁSICA
INFORME DE LABORATORIO ESTADÍSTICA
(Para elaborar por el Estudiante)

ESTUDIANTES ASIGNATURA Y GRUPO

.
.
. Grupo de Practica.
.

NOTA:

PROGRAMA:

INTRODUCCIÓN
Las pruebas de hipótesis son las iteraciones que nos permiten confirmar la veracidad o falsedad de
una conclusión en una población o varias poblaciones (usando estadísticos) usando los parámetros
(muéstrales) de una o varias muestras.
OBJETIVOS
Generar investigación acerca de un tema seleccionado, utilizando las pruebas de hipótesis como el
instrumento de análisis de resultados. Usar el programa Excel como herramienta de análisis estadístico en
pruebas de hipótesis.

MATERIALES (DIBUJADOS O IMÁGENES)

1 computador, programa de Word y convertidor PDF, programa de Excel

MARCO TEÓRICO
Una prueba de hipótesis es una regla que especifica si se puede aceptar o rechazar una
afirmación acerca de una población dependiendo de la evidencia proporcionada por una
muestra de datos.

Una prueba de hipótesis examina dos hipótesis opuestas sobre una población: la hipótesis
nula y la hipótesis alternativa. La hipótesis nula es el enunciado que se probará. Por lo
general, la hipótesis nula es un enunciado de que "no hay efecto" o "no hay diferencia". La
hipótesis alternativa es el enunciado que se desea poder concluir que es verdadero de
acuerdo con la evidencia proporcionada por los datos de la muestra. Recuperado de
https://support.minitab.com/es-mx/minitab/18/help-and-how-to/statistics/basic-
statistics/supporting-topics/basics/what-is-a-hypothesis-test/
 UNIVERSIDAD MANUELA BELTRÁN
MACROPROCESO DE RECURSOS E INFRAESTRUCTURA ACADÉMICA
FORMATO PARA PRÁCTICAS DE LABORATORIO UMB - VIRTUAL
Fecha: 7 de octubre de 2016 Código: Versión: 1.0

Una hipótesis estadística es una asunción relativa a una o varias poblaciones, que puede
ser cierta o no. Las hipótesis estadísticas se pueden contrastar con la información
extraída de las muestras y tanto si se aceptan como si se rechazan se puede cometer un
error. La hipótesis formulada con intención de rechazarla se llama hipótesis nula y se
representa por H0. Rechazar H0 implica aceptar una hipótesis alternativa (H1).

La situación se puede esquematizar:

H0 cierta H0 falsa H1
cierta
H0 rechazada Error tipo I ( ) Decisión correcta (*)

H0 no rechazada Decisión correcta Error tipo II ( )

(*) Decisión correcta que se busca

 = p(rechazar H0|H0 cierta)

 = p(aceptar H0|H0 falsa)

Potencia =1- = p(rechazar H0|H0 falsa)

Detalles a tener en cuenta:

 y  están inversamente relacionadas.

Sólo pueden disminuirse las dos, aumentando n.

Los pasos necesarios para realizar un contraste relativo a un parámetro  son:

1. Establecer la hipótesis nula en términos de igualdad

H 0    0
 UNIVERSIDAD MANUELA BELTRÁN
MACROPROCESO DE RECURSOS E INFRAESTRUCTURA ACADÉMICA
FORMATO PARA PRÁCTICAS DE LABORATORIO UMB - VIRTUAL
Fecha: 7 de octubre de 2016 Código: Versión: 1.0

2. Establecer la hipótesis alternativa, que puede hacerse de tres

maneras, dependiendo del interés del investigador

H1    0

  0
  0
3. En el primer caso se habla de contraste bilateral o de dos colas, y en los otros dos
de lateral (derecho en el 2º caso, o izquierdo en el 3º) o una cola.

4. Elegir un nivel de significación: nivel crítico para 

5. Elegir un estadístico de contraste: estadístico cuya distribución muestral se
conozca en H0 y que esté relacionado con  y establecer, en base a dicha
distribución, la región crítica: región en la que el estadístico tiene una
probabilidad menor que  si H0 fuera cierta y, en consecuencia, si el estadístico
cayera en la misma, se rechazaría H0.
Obsérvese que, de esta manera, se está más seguro cuando se rechaza una
hipótesis que cuando no. Por eso se fija como H0 lo que se quiere rechazar.
Cuando no se rechaza, no se ha demostrado nada, simplemente no se ha podido
rechazar. Por otro lado, la decisión se toma en base a la distribución muestral en
H0, por eso es necesario que tenga la igualdad.

6. Calcular el estadístico para una muestra aleatoria y compararlo con la región

crítica, o equivalentemente, calcular el "valor p" del estadístico (probabilidad de
obtener ese valor, u otro más alejado de la H0, si H0 fuera cierta) y compararlo con
.
2.2 Intervalos de confianza

En muchos experimentos en ingeniería e industria, el investigador sabe de antemano que

existe diferencia entre las medias 1 y 2; por lo tanto, interesa poco probar la hipótesis
 UNIVERSIDAD MANUELA BELTRÁN
MACROPROCESO DE RECURSOS E INFRAESTRUCTURA ACADÉMICA
FORMATO PARA PRÁCTICAS DE LABORATORIO UMB - VIRTUAL
Fecha: 7 de octubre de 2016 Código: Versión: 1.0

1=2. Usualmente, el experimentador se mostrará más interesado en un intervalo de

confianza para la diferencia entre las medias 1-2.

Con objeto de definir un intervalo de confianza supongamos que  es un parámetro

desconocido. Para obtener una estimación del intervalo de  se necesita la determinación
de dos estadísticas L y U de manera que el enunciado de probabilidad

PL    U  1  
Sea verdadero. El intervalo:
LU

Se denomina intervalo de confianza de 100(1-) por ciento para el parámetro .

Para interpretar este intervalo debe tomarse en cuenta que si en muestras aleatorias
repetidas, se consideran un gran número de estos intervalos, el 100(1-) por ciento de
ellos contendrá el valor verdadero de . Las estadísticas L y U se conocen como los
límites inferior y superior de confianza, respectivamente, y 1- se denomina coeficiente
de confianza. Hay que notar que los intervalos de confianza poseen una interpretación
de frecuencia; esto indica que no se sabe si la proposición es verdadera para una
muestra específica. Lo cierto es que el método que se usa para obtener el intervalo de
confianza ofrecerá proposiciones correctas en el 100(1-) por ciento de las ocasiones.
(Véase Montgomery 1991)

PROCEDIMIENTOS

 Descargar la base de datos en Excel

 Seleccionar las variables, crear y copiar en una nueva hoja los datos de estatura y
edad
 Luego vamos a análisis de todos y tener en cuenta los criterios de parámetros
 UNIVERSIDAD MANUELA BELTRÁN
MACROPROCESO DE RECURSOS E INFRAESTRUCTURA ACADÉMICA
FORMATO PARA PRÁCTICAS DE LABORATORIO UMB - VIRTUAL
Fecha: 7 de octubre de 2016 Código: Versión: 1.0

 Enunciar hipótesis

 Determinar los intervalos de confianza

 Tomar la decisión

RESULTADOS Y ANÁLISIS DE RESULTADOS

Para esta práctica las hipótesis se establecen en el peso y la estatura, para el caso del peso se dice que se
toma como 52 kg para las mujeres y para los hombres se considera de 61kg y en el caso de la estatura se
estableas la hipótesis en 1,62 m para las mujeres y para los hombres 1.70 m para lo que se tienen los siguientes
resultados y determinando si la hipótesis es o no nula.

Análisis de Resultados
Con este anisáis de resultado tenemos que un valor primario para las variables es 0,06 inferior a teta del 3%
por lo tanto la respuesta es de aceptar la hipótesis no nula que nos dice que tenemos 3% de insignificancia y
se concluye que el promedio de estaturas de las mujeres es inferior al promedio de estatura de los hombres y
en el caso del peso también la hipótesis se determina como verdadera ya que el valor es mayor para los
hombres que para las mujeres
CONCLUSIONES
Si deseamos tener una idea clara del grado de veracidad que tienen nuestras variables al
momento de analizar los datos de una encuesta o generar valores extrapolados basados en
cálculos de tendencias lineares o de crecimiento que se puede usar las pruebas de hipótesis
 UNIVERSIDAD MANUELA BELTRÁN
MACROPROCESO DE RECURSOS E INFRAESTRUCTURA ACADÉMICA
FORMATO PARA PRÁCTICAS DE LABORATORIO UMB - VIRTUAL
Fecha: 7 de octubre de 2016 Código: Versión: 1.0

APLICACIÓN PROFESIONAL DE LA PRÁCTICA REALIZADA

Si miramos los datos en una determinada población y establecemos algunos criterios que
varíen de acuerdo a lo requerido, con el método de pruebas de hipótesis tendremos unos
datos más aproximados y verídicos, de esta manera nuestros criterios de evaluación serán
más aceptados y valorados por las empresas.

REFERENCIAS BIBLIOGRÁFICAS
Ronald E (2007) Probabilidad y estadística para ingeniería y ciencias. Pearson
Educación.
Walpole R (2012) Probabilidad y estadística para ingeniería y ciencias. Editorial
¨Pearson.