UNIVERSIDAD ESTATAL

AMAZÓNICA
Tema: Prueba de hipótesis

Subtemas:
Hipótesis nula y alternativa
Error Tipo I y Tipo II
Prueba de hipótesis
 CONCEPTOS BASICOS
Hipótesis Estadística: Es un supuesto acerca de un parámetro o de un valor
estadístico de una población.

Una Hipótesis Estadística, también puede considerarse, como la afirmación

acerca de una característica de una población sobre la cual hay inseguridad en
el momento de formularla y que , a la vez, es expresada de tal forma que
puede ser rechazada.
En realidad no podemos comprobar que una
hipótesis sea verdadera o falsa, sino argumentar que
de acuerdo con ciertos datos obtenidos en una
investigación particular fue apoyada o no. Desde el
punto de vista técnico no se acepta una hipótesis a
través de un estudio sino que se aporta evidencia en
su favor o en su contra.
 CONCEPTOS BASICOS
La hipótesis nula (H0) es la afirmación de que el valor de
un parámetro de población (como una proporción, media
o desviación estándar) es igual a un valor aseverado.
Las siguientes son hipótesis nulas críticas:

La hipótesis nula se aprueba en forma directa, en el

sentido de que asumimos que es verdadera, y llegamos a
una conclusión para rechazar H0 o no rechazar H0.
 CONCEPTOS BASICOS
La hipótesis alternativa (H1 o Ha) es la afirmación de que
el parámetro tiene un valor que, de alguna manera,
difiere de la hipótesis nula.
La forma simbólica de la hipótesis alternativa debe
emplear alguno de estos símbolos:

Ha (hipótesis Aalternativa) o Hipótesis de Investigación

contradice lo afirmado en H0. Es la Hipótesis del
experimentador.
 CONCEPTOS BASICOS
A continuación se incluyen nueve ejemplos diferentes de
hipótesis alternativas que incluyen proporciones, medias y
desviaciones estándar:
Identificación de Ho y Ha
 CONCEPTOS BASICOS

Una prueba de hipótesis (o prueba de significancia) es

un procedimiento estándar para probar una aseveración
acerca de una propiedad de una población.

El estadístico de prueba es un valor calculado a partir de

datos muestrales, que se utiliza para tomar la decisión
sobre el rechazo de la hipótesis nula.
El estadístico de prueba sirve para determinar si existe
evidencia significativa en contra de la hipótesis nula.
 CONCEPTOS BASICOS
La región crítica (o región de rechazo) es el conjunto de todos los valores
del estadístico de prueba que pueden hacer que rechacemos la hipótesis
nula.
El nivel de significancia (α) es la probabilidad de que el estadístico de
prueba caiga en la región crítica, cuando la hipótesis nula es verdadera.

Si el estadístico de prueba cae en la región crítica, rechazaremos la hipótesis

nula, de modo que α es la probabilidad de cometer el error de rechazar la
hipótesis nula cuando es verdadera.

Las opciones comunes para a son 0.05, 0.01 y 0.10, aunque el más común es
0.05.
 CONCEPTOS BASICOS
Un valor crítico es cualquier valor que separa la región crítica (donde
rechazamos la hipótesis nula) de los valores del estadístico de prueba que
no conducen al rechazo de la hipótesis nula.
Los valores críticos dependen de la naturaleza de la hipótesis nula, de la
distribución de muestreo que se aplique y del nivel de significancia α.
 CONCEPTOS BASICOS
Dos colas, cola izquierda, cola derecha
Las colas en una distribución son las regiones extremas limitadas
por los valores críticos. Algunas pruebas de hipótesis incluyen
dos colas, otras la cola derecha y otras la cola izquierda.

Prueba de dos colas: La región crítica se encuentra en dos

regiones extremas (colas) bajo la curva.
Prueba de cola izquierda: La región crítica se encuentra en la
región extrema izquierda (cola) bajo la curva.
Prueba de cola derecha: La región crítica se encuentra en la
región extrema derecha (cola) bajo la curva.
 CONCEPTOS BASICOS
Errores tipo I y tipo II
Cuando se prueba una hipótesis nula llegamos a la conclusión de
rechazarla o no rechazarla.
Dichas conclusiones pueden ser correctas o incorrectas (incluso cuando
hacemos todo correctamente).
● Error tipo I: El error de rechazar la hipótesis nula cuando en realidad es
verdadera. Se utiliza el símbolo α para representar la probabilidad de un
error tipo I.
● Error tipo II: El error de no rechazar la hipótesis nula cuando en realidad
es falsa. Se utiliza el símbolo β para representar la probabilidad de un error
tipo II.
Como los estudiantes suelen considerar difícil recordar cuál error es el
tipo I y cuál es el error tipo II, recomendamos una técnica mnemónica,
como podría ser “revisión no refinada” (ReVisióN No ReFiNada”. Si
utilizamos algunas de las consonantes de estas palabras podemos
recordar que:
el error tipo I es RVN: rechazar verdadera nula (hipótesis),
el error tipo II es NRFN: no rechazar falsa nula (hipótesis).
Identificación de H y H .
0 1

En los ejercicios 1 a 8, examine la afirmación dada, después exprese

la hipótesis nula H y la hipótesis alternativa H de manera simbólica.
0 1

Asegúrese de emplear el símbolo correcto (m, p, s) para el

parámetro indicado.
1. El ingreso anual medio de trabajadores con estudios de
estadística es mayor que $50,000.
2. El CI medio de estudiantes de estadística es de al menos 110.
3. Más de la mitad de los usuarios de Internet realiza compras en
línea.
4. El porcentaje de hombres que ven el golf por televisión no es el
70%, como afirma la Madison Advertising Company.
5. La estatura de las mujeres tiene una desviación estándar
menor que 2.8 pulgadas, que es la desviación estándar de
la estatura de los hombres.
6. El porcentaje de televidentes que sintoniza 60 minutos
es igual al 24%.
7. La cantidad media de Coca Cola en lata es de al menos
12 onzas.
8. Los salarios de mujeres analistas de negocios tienen una
desviación estándar mayor que $ 3000.
BIBLIOGRAFÍA
MARTINEZ BERCARDINO, CIRO. Estadística y Muestreo 13 Edición
Bogotá.

Mario F. Triola. Estadística. 10 Edición.