Facultad de Ingeniería

Escuela Profesional de Ingeniería Civil

Materia : Estadística Aplicada

Nombre del Profesor : Ing. Hugo Luis Chunga Gutiérrez

Nombre de estudiantes :
Chunga Rosas Daniel
Román Viera Christian
Santos Vivanco Antony Joel
Vargas Aguilar Hilton
Zurita Guerrero Ronald

Sección : A

Tema del trabajo : Prueba de Hipótesis

Piura, 10 de julio de 2018

 INDICE
Introducción ............................................................................................. 1
Prueba de hipótesis de una y dos muestras .............................................. 2
1. Hipótesis estadística: conceptos generales .................................... 2
1.1. La hipótesis nula y la hipótesis alternativa ..........................2
1.2. Tipos de error....................................................................... 2
2. Pruebas de hipótesis para media poblacional ................................ 3
3. Pruebas de hipótesis para la proporción poblacional ......................4
Conclusiones ............................................................................................. 5
Bibliografía................................................................................................ 6
 INTRODUCCIÓN

El propósito del análisis estadístico es reducir el nivel de incertidumbre en el

proceso de toma de decisiones, es por ello que para una buena toma de decisiones se
tendrá que tener la suficiente información a su disposición. Ante esta circunstancia la
prueba de hipótesis es una herramienta analítica muy efectiva para obtener esta valiosa
información, bajo una gran variedad de circunstancias.

Si bien un parámetro puede ser estimado a partir de datos muestrales o con un solo
número (una estimación puntual) o un intervalo completo de valores plausibles (un
intervalo de confianza). Con frecuencia, sin embargo, el objetivo de una investigación no
es estimar un parámetro sino decidir cuál de dos pretensiones contradictorias sobre el
parámetro es la correcta. Los métodos para lograr esto comprenden la parte de la
inferencia estadística llamada prueba de hipótesis.

Dentro de los objetivos trazados en esta monografía es aprender a utilizar muestras

de dos poblaciones para probar hipótesis acerca de cómo se relacionan esas poblaciones,
aprender cómo la prueba de hipótesis para las diferencias entre medias de población toma
diferentes formas, dependiendo de si las muestras son grandes o pequeñas y aprender
cómo probar hipótesis que comparan las proporciones de dos poblaciones con el mismo
atributo de interés.

Por lo descrito párrafos arriba la prueba de hipótesis es uno de los conceptos más
importantes de las estadísticas, ya que es, ¿cómo decidir si algo que realmente ocurrió, o
si ciertos tratamientos tienen efectos positivos, o si los grupos difieren entre sí o Si una
variable proporciona otra. En pocas palabras, se quiere comprobar si los datos son
estadísticamente significativos o si es improbable que haya ocurrido por azar. En esencia,
entonces, una prueba de hipótesis es una prueba de significación.

1
 PRUEBA DE HIPÓTESIS DE UNA Y DOS MUESTRAS

1. HIPÓTESIS ESTADÍSTICA: CONCEPTOS GENERALES

Una hipótesis estadística o simplemente hipótesis es una pretensión o aseveración

sobre el valor de un solo parámetro (característica de una población o
característica de una distribución de probabilidad), sobre los valores de varios
parámetros o sobre la forma de una distribución de probabilidad completa.

1.1. LA HIPÓTESIS NULA Y LA HIPÓTESIS ALTERNATIVA

La estructura de la prueba de hipótesis se establece usando el termino

hipótesis nula, el cual se refiere a cualquier hipótesis que se desea probar
y se denota con H0. El rechazo de H0 conduce a la aceptación de una
hipótesis alternativa, que se denota con H1. La comprensión de las
diferentes funciones que desempeñan la hipótesis nula (H0) y la hipótesis
alternativa (H1) es fundamental para entender los principios de la prueba
de hipótesis. Sobre la prueba de hipótesis notara que el analista llega a una
de las siguientes dos conclusiones:

“rechazar H0 a favor de H1 debido a evidencia suficiente en los datos o no

rechazar H0 debido a evidencia insuficiente en los datos”.

1.2. TIPOS DE ERROR

En la decisión de aceptar o rechazar una hipótesis se pueden cometer dos

tipos de error:

• Error Tipo I.- Si se rechaza una hipótesis verdadera.

• Error Tipo II.- Si se acepta una hipótesis falsa.

Por lo tanto, existen dos posibles decisiones: aceptar o rechazar la

hipótesis, la que a su vez puede ser verdadera o falsa.

Decisión H0 Verdadera H0 Falsa

Error Tipo II
Aceptar H0 Decisión Correcta
β

Error Tipo I
Rechazar H0 Decisión Correcta
α

• La decisión es correcta cuando se acepta una hipótesis verdadera o cuando

se rechaza una hipótesis falsa.

2
2. PRUEBAS DE HIPÓTESIS PARA MEDIA POBLACIONAL

La hipótesis en el caso de la media de una población µ, es importante porque

presenta los métodos para decidir si se acepta o se rechaza una afirmación acerca
de un valor especifico de µ.

Ejemplo 01:

Un fabricante de sistemas rociadores utilizados como protección contra incendios

en edificios de oficinas afirma que la temperatura de activación del sistema
promedio verdadera es de 130°. Una muestra de n = 9 sistemas, cuando se somete
a prueba, dan una temperatura de activación promedio muestral de 131.08°F. Si
la distribución de los tiempos de activación es normal con desviación estándar de
1.5°F, ¿contradicen los datos la afirmación del fabricante a un nivel de
significación α = 0.01?

1. Parámetro de interés: µ = temperatura de activación promedio verdadera.

2. Hipótesis nula: H0: µ = 130 (valor nulo = µ0 = 130).
3. Hipótesis alternativa: Ha: µ ≠ 130 (un alejamiento del valor declarado en una
u otra dirección es de interés).
4. Valor de estadístico de prueba:

5. Región de rechazo: La forma de Ha implica el uso de una prueba de dos colas

con región de rechazo o de z ≥ z0.005 o z ≤ -z0.005. De acuerdo con la tabla A.3.
z0.005 = 2.58, así que se rechazaría H0 si z ≥ 2.58 o z ≤ -2.58.

3
 6. Sustituyendo n = 9 y 𝑥̅ = 131.08

Es decir, la media muestral observada es de un poco más de 2 desviaciones

estándar sobre el valor que era de esperarse si H0 fuera verdadera.
7. El valor calculado z = 2.16 no queda en la región de rechazo (-2.58 < 2.16 <
2.58), así que H0 no puede ser rechazada al nivel de significación de 0.01. Los
datos no apoyan fuertemente la afirmación de que el promedio verdadero difiere
del valor de diseño de 130.

3. PRUEBAS DE HIPÓTESIS PARA LA PROPORCIÓN POBLACIONAL

Ejemplo 02:

Se considera que un medicamento que se prescribe común mente para aliviar la

tensión nerviosa tiene una eficacia de tan solo 60%. Los resultados experimentales
de un nuevo fármaco administrado a una muestra aleatoria de 100 adultos que
padecían tensión nerviosa revelaron que 70 de ellos sintieron alivio. ¿Esta
evidencia es suficiente para concluir que el nuevo medicamento es mejor que el
que se prescribe común mente? Utilice un nivel de significancia de 0.05.

Solución:

1. H0: p = 0.6.
2. H1: p > 0.6.
3. α = 0.05.
4. Región critica: z > 1.645.
5. Cálculos: x = 70, n = 100, P0 = 70/100 = 0.7 y

0.7−0.6
𝑧= = 2 .04, P = P (Z > 2.04) < 0.0207.
√(0.6)(0.4)
100

6. Decisión: Rechazar H0 y concluir que el nuevo fármaco es mejor.

4
 CONCLUSIÓN
• El conocimiento de la prueba de hipótesis ayuda a conocer una alternativa en la toma
de decisiones.

• La prueba de hipótesis nos ayuda a una correcta forma de emplear el mecanismo en

cuanto a encontrar valores de las variables.

• El planteamiento de problemas relacionados a la prueba de hipótesis las

transformaciones ayudan a reforzar el conocimiento.

• Los ejercicios expuestos ayudan a una mejor comprensión.

• El realizar ejercicios de reforzamiento ayudan a un fácil manejo de la prueba de la

hipótesis.

5
 BIBLIOGRAFIA

• Devore, Jay L., séptima edición. 2008. Probabilidad y Estadística para Ingeniería y
Ciencias. California, EE.UU., Cengage Learming Editores S. A.

• Levin, Richard I. & Rubin, David S., séptima edición. 2010. Estadística para
administración y economía. Estado de México, México, Pearson Educación de
México S. A.

• Walpole, Ronal E., Myers, Raymond H., Myers, Sharon L. & Ye Keying, Novena
edición. 2012. Probabilidad y estadística para ingeniería y ciencias.