Repblica Bolivariana de Venezuela

En convenio establecido entre:

SOUTHERN CHRISTIAN UNIVERSITY
FLORIDA, USA
UNIVERSIDAD CRISTIANA DEL SUR
COSTA RICA
Programas Internacionales

PRUEBAS DE HIPOTESIS

TUTOR - ASESOR:
Dr. Herrera Rocio

AUTOR:
LUCILA INES HUNDA

COLINA
C.C N C-1116.778.881.

Guasdualito, Noviembre 2012

INTRODUCCION
Dentro del estudio de la inferencia estadstica, se describe como se
puede tomar una muestra aleatoria y a partir de esta muestra estimar
el valor de un parmetro poblacional en la cual se puede emplear
el mtodo de muestreo y el teorema del valor central lo que permite explicar
cmo a partir de una muestra se puede inferir algo acerca de una poblacin, lo
cual nos lleva a definir y elaborar una distribucin de muestreo de medias
mustrales que nos permite explicar el teorema del lmite central y utilizar este
teorema para encontrar las probabilidades de obtener las distintas medias
maestrales de una poblacin.
Pero es necesario tener conocimiento de ciertos datos de la poblacin
como la media, la desviacin estndar o la forma de la poblacin, pero a veces
no se dispone de esta informacin.
En este caso es necesario hacer una estimacin puntual que es un valor
que se usa para estimar un valor poblacional. Pero una estimacin puntual es
un solo valor y se requiere un intervalo de valores a esto se denomina intervalo
te confianza y se espera que dentro de este intervalo se encuentre el
parmetro poblacional buscado. Tambin se utiliza una estimacin mediante un
intervalo, el cual es un rango de valores en el que se espera se encuentre el
parmetro poblacional
En nuestro caso se desarrolla un procedimiento para probar la validez de una
aseveracin acerca de un parmetro poblacional este mtodo es denominado
Prueba de hiptesis para una muestra.

CONCEPTO
Afirmacin acerca de los parmetros de la poblacin.
Etapas Bsicas en Pruebas de Hiptesis.
Al realizar pruebas de hiptesis, se parte de un valor supuesto
(hipottico)

en

parmetro

poblacional.

Despus

de

recolectar

una muestra aleatoria, se compara la estadstica muestral, as como la media

(x), con el parmetro hipottico, se compara con una supuesta media
poblacional (). Despus se acepta o se rechaza el valor hipottico, segn
proceda. Se rechaza el valor hipottico slo si el resultado muestral resulta muy
poco probable cuando la hiptesis es cierta.
Etapa 1.- Planear la hiptesis nula y la hiptesis alternativa. La hiptesis nula
(H0) es el valor hipottico del parmetro que se compra con el resultado
muestral resulta muy poco probable cuando la hiptesis es cierta.
Etapa 2.- Especificar el nivel de significancia que se va a utilizar. El nivel de
significancia del 5%, entonces se rechaza la hiptesis nula solamente si el
resultado muestral es tan diferente del valor hipottico que una diferencia de
esa magnitud o mayor, pudiera ocurrir aleatoria mente con una probabilidad de
1.05 o menos.
Etapa 3.- Elegir la estadstica de prueba. La estadstica de prueba puede ser la
estadstica muestral (el estimador no segado del parmetro que se prueba) o
una versin transformada de esa estadstica muestral. Por ejemplo, para probar
el valor hipottico de una media poblacional, se toma la media de una muestra
aleatoria de esa distribucin normal, entonces es comn que se transforme la
media en un valor z el cual, a su vez, sirve como estadstica de prueba.

Consecuencias de las Decisiones en Pruebas de Hiptesis.

Decision

Aceptar la

Rechazar la

Etapa 4.- Establecer el valor o valores crticos de la estadstica de prueba.

Habiendo especificado la hiptesis nula, el nivel de significancia y la estadstica
de prueba que se van a utilizar, se produce a establecer el o los valores crticos
de estadstica de prueba. Puede haber uno o ms de esos valores,
dependiendo de si se va a realizar una prueba de uno o dos extremos.
Etapa 5.- Determinar el valor real de la estadstica de prueba. Por ejemplo, al
probar un valor hipottico de la media poblacional, se toma una muestra
aleatoria y se determina el valor de la media muestral. Si el valor crtico que se
establece es un valor de z, entonces se transforma la media muestral en un
valor de z.
Etapa 6.- Tomar la decisin. Se compara el valor observado de la estadstica
muestral con el valor (o valores) crticos de la estadstica de prueba. Despus
se acepta o se rechaza la hiptesis nula. Si se rechaza sta, se acepta la
alternativa; a su vez, esta decisin tendr efecto sobre otras decisiones de los
administradores operativos, como por ejemplo, mantener o no un estndar
de desempeo o cul de dos estrategias de mercadotecnia utilizar.
La distribucin apropiada de la prueba estadstica se divide en dos
regiones: una regin de rechazo y una de no rechazo. Si la prueba estadstica
cae en esta ltima regin no se puede rechazar la hiptesis nula y se llega a la
conclusin de que el proceso funciona correctamente.
Al tomar la decisin con respecto a la hiptesis nula, se debe determinar
el valor crtico en la distribucin estadstica que divide la regin del rechazo (en

la cual la hiptesis nula no se puede rechazar) de la regin de rechazo. A hora

bien el valor crtico depende del tamao de la regin de rechazo.

PASOS DE LA PRUEBA DE HIPTESIS

1.

Expresar la hiptesis nula

2.
3.

Expresar la hiptesis alternativa

4.

Especificar el nivel de significancia

5.

Determinar el tamao de la muestra

6.

Establecer los valores crticos que establecen las regiones de rechazo

de las de no rechazo.

7.

Determinar la prueba estadstica.

8.

Coleccionar los datos y calcular el valor de la muestra de la prueba

estadstica apropiada.

9.

Determinar si la prueba estadstica ha sido en la zona de rechazo a una

de no rechazo.

10.

Determinar la decisin estadstica.

11.

Expresar la decisin estadstica en trminos del problema.

CONCEPTOS BSICOS PARA EL PROCEDIMIENTO DE PRUEBAS DE

HIPTESIS.

Hiptesis Estadstica:
Al intentar alcanzar una decisin, es til hacer hiptesis (o conjeturas)
sobre la poblacin aplicada.
Tales

hiptesis,

que

pueden

ser

no

ciertas,

se

llaman

hiptesis estadsticas.
Son, en general, enunciados acerca de las distribuciones de probabilidad de las
poblaciones.
Hiptesis Nula.
En muchos casos formulamos una hiptesis estadstica con el nico
propsito de rechazarla o invalidarla. As, si queremos decidir si una moneda
est trucada, formulamos la hiptesis de que la moneda es buena (o sea p =
0,5, donde p es la probabilidad de cara).
Analgicamente, si deseamos decidir si un procedimiento es mejor que
otro, formulamos la hiptesis de que no hay diferencia entre ellos (o sea. Que
cualquier diferencia observada se debe simplemente a fluctuaciones en
el muestreo de la misma poblacin). Tales hiptesis se suelen llamar hiptesis
nula y se denotan por Ho.
Para todo tipo de investigacin en la que tenemos dos o ms grupos, se
establecer una hiptesis nula.
La hiptesis nula es aquella que nos dice que no existen diferencias
significativas entre los grupos.
Por ejemplo, supongamos que un investigador cree que si un grupo de
jvenes se somete a un entrenamiento intensivo de natacin, stos sern
mejores nadadores que aquellos que no recibieron entrenamiento. Para
demostrar su hiptesis toma al azar una muestra de jvenes, y tambin al azar
los distribuye en dos grupos: uno que llamaremos experimental, el cual recibir

entrenamiento, y otro que no recibir entrenamiento alguno, al que

llamaremos control. La hiptesis nula sealar que no hay diferencia en el
desempeo de la natacin entre el grupo de jvenes que recibi el
entrenamiento y el que no lo recibi.
Una hiptesis nula es importante por varias razones:
Es una hiptesis que se acepta o se rechaza segn el resultado de la
investigacin.
El hecho de contar con una hiptesis nula ayuda a determinar si existe una
diferencia entre los grupos, si esta diferencia es significativa, y si no se debi al
azar.
No toda investigacin precisa de formular hiptesis nula. Recordemos que la
hiptesis nula es aquella por la cual indicamos que la informacin a obtener es
contraria a la hiptesis de trabajo.
Al formular esta hiptesis, se pretende negar la variable independiente. Es
decir, se enuncia que la causa determinada como origen del problema flucta,
por tanto, debe rechazarse como tal.
Otro ejemplo:
Hiptesis: el aprendizaje de los nios se relaciona directamente con su edad.
Hiptesis Alternativa.
Toda hiptesis que difiere de una dada se llamar una hiptesis alternativa. Por
ejemplo: Si una hiptesis es p = 0,5, hiptesis alternativa podran ser p = 0,7, p
" 0,5 p > 0,5.
Una hiptesis alternativa a la hiptesis nula se denotar por H1.

Al responder a un problema, es muy conveniente proponer otras

hiptesis en que aparezcan variables independientes distintas de las
primeras que formulamos. Por tanto, para no perder tiempo en bsquedas
intiles, es necesario hallar diferentes hiptesis alternativas como respuesta
a un mismo problema y elegir entre ellas cules y en qu orden vamos a
tratar su comprobacin.

Las hiptesis, naturalmente, sern diferentes segn el tipo de investigacin que

se est realizando. En los estudios exploratorios, a veces, el objetivo de la
investigacin podr ser simplemente el de obtener los mnimos conocimientos
que permitan formular una hiptesis. Tambin es aceptable que, en este caso,
resulten poco precisas, como cuando afirmamos que "existe algn tipo de
problema social en tal grupo", o que los planetas poseen algn tipo
de atmsfera, sin especificar de qu elementos est compuesto.
Los trabajos de ndole descriptiva generalmente presentan hiptesis del tipo
"todos los X poseen, en alguna medida, las caracterstica Y". Por ejemplo,
podemos decir que todas las naciones poseen algn comercio internacional, y
dedicarnos a describir, cuantificando, las relaciones comerciales entre ellas.
Tambin podemos hacer afirmaciones del tipo "X pertenece al tipo Y", como
cuando decimos que una tecnologa es capital - intensiva. En estos casos,
describimos, clasificndolo, el objeto de nuestro inters, incluyndolo en un tipo
ideal complejo de orden superior.
Por ltimo, podemos construir hiptesis del tipo "X produce (o afecta) a Y",
donde estaremos en presencia de una relacin entre variables.

ERRORES DE TIPO I Y DE TIPO II.

Si rechazamos una hiptesis cuando debiera ser aceptada, diremos que

se ha cometido un error de tipo I.
Por otra parte, si aceptamos una hiptesis que debiera ser rechazada,
diremos que se cometi un error de tipo II.
En ambos casos, se ha producido un juicio errneo.
Para que las reglas de decisin (o no contraste de hiptesis) sean
buenos, deben disearse de modo que minimicen los errores de la decisin; y
no es una cuestin sencilla, porque para cualquier tamao de la muestra, un
intento de disminuir un tipo de error suele ir acompaado de un crecimiento del

otro tipo. En la prctica, un tipo de error puede ser ms grave que el otro, y
debe alcanzarse un compromiso que disminuya el error ms grave.
La nica forma de disminuir ambos a la vez es aumentar el tamao de la
muestra que no siempre es posible.
Niveles de Significacin.
Al contrastar una cierta hiptesis, la mxima probabilidad con la que
estamos dispuesto a correr el riesgo de cometern error de tipo I, se llama nivel
de significacin.
Esta probabilidad, denota a menudo por se, suele especificar antes de
tomar la muestra, de manera que los resultados obtenidos no influyan en
nuestra eleccin.
En la prctica, es frecuente un nivel de significacin de 0,05 0,01, si
bien se une otros valores. Si por ejemplo se escoge el nivel de significacin
0,05 ( 5%) al disear una regla de decisin, entonces hay unas cinco (05)
oportunidades entre 100 de rechazar la hiptesis cuando debiera haberse
aceptado; Es decir, tenemos un 95% de confianza de que hemos adoptado la
decisin correcta. En tal caso decimos que la hiptesis ha sido rechazada al
nivel de significacin 0,05, lo cual quiere decir que tal hiptesis tiene una
probabilidad 0,05 de ser falsa.

Prueba de Uno y Dos Extremos.

Cuando estudiamos ambos valores estadsticos es decir, ambos lados

de la media lo llamamos prueba de uno y dos extremos o contraste de una y
dos colas.
Con frecuencia no obstante, estaremos interesados tan slo en valores
extremos a un lado de la media (o sea, en uno de los extremos de la
distribucin), tal como sucede cuando se contrasta la hiptesis de que un
proceso es mejor que otro (lo cual no es lo mismo que contrastar si un proceso

es mejor o peor que el otro) tales contrastes se llaman unilaterales, o de un

extremo. En tales situaciones, la regin crtica es una regin situada a un lado
de la distribucin, con rea igual al nivel de significacin.
Curva Caracterstica Operativa Y Curva De Potencia
Podemos limitar un error de tipo I eligiendo adecuadamente el nivel de
significancia. Es posible evitar el riesgo de cometer el error tipo II simplemente
no aceptando nunca la hiptesis, pero en muchas aplicaciones prcticas esto
es inviable. En tales casos, se suele recurrir a curvas caractersticas de
operacin

curvas

de potencia que

son grficos que

muestran

las

probabilidades de error de tipo II bajo diversas hiptesis. Proporcionan

indicaciones de hasta que punto un test dado nos permitir evitar un error de
tipo II; es decir, nos indicarn la potencia de un test a la hora de prevenir
decisiones errneas. Son tiles en el diseo de experimentos por que sugieren
entre otras cosas el tamao de muestra a manejar.

CONCLUSIONES

Se rechaza la hiptesis nula (Ho), se acepta la hiptesis alterna (H1) a

un nivel de significancia de = 0.05. La prueba result ser significativa.

La evidencia estadstica no permite aceptar la aceptar la hiptesis nula.

BIBLIOGRAFIA

http://www.google.co.ve/search?
q=estadistica&um=1&hl=es&tbo=d&source=lnms&sa=X&ei=3RGxUOjoJpS60Q
H_94DoCw&ved=0CAYQ_AUoAA&biw=1024&bih=634#hl=es&tbo=d&spell=1&
q=p+valor.
+Pruebas+Unilaterales+y+Bilaterales.&sa=X&psj=1&ei=gxmxUIajErGB0QHTvo
CYAg&ved=0CCgQBSgA&bav=on.2,or.r_gc.r_pw.r_qf.&fp=206ffdc39cf48589&b
pcl=38897761&biw=1024&bih=634
http://www.monografias.com/trabajos17/pruebas-de-hipotesis/pruebas-dehipotesis.shtml#concep