FACULTAD:
Ciencias Empresariales
CARRERA:
Administración de Empresas
MATERIA:
Estadística Inferencial
DOCENTE:
Lic. Ricardo Chura Sucojayo
ESTUDIANTE:
Jesús Alejandro Moreno Urquidi
Santa Cruz – Bolivia
PRUEBAS DE HIPÓTESIS
1. Conceptos generales, usos y procedimientos de aplicación.
Conceptos generales:
Una prueba de hipótesis es una regla que especifica cuando se puede aceptar o rechazar
una afirmación sobre 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 la afirmación que se está
comprobando. Normalmente la hipótesis nula es una afirmación de "sin efecto" o "sin
diferencia". La hipótesis alternativa es la afirmación que se desea ser capaz de concluir
que es verdadera basándose en la evidencia proporcionada por los datos de la muestra.
Basándose en los datos de la muestra, la prueba determina cuando rechazar la hipótesis
nula. Se utiliza un p-valor, para realizar esa determinación. Si el p-valor es menos que el
nivel de significación (conocido como α o alfa), entonces se puede rechazar la hipótesis
nula.
Un error común suele ser que las pruebas de hipótesis estadísticas están diseñadas para
seleccionar la más probable de dos hipótesis. Sin embargo, al diseñar una prueba de
hipótesis, se configura la hipótesis nula como la que se quiere rechazar. Dado que se fija
que el nivel de significación sea pequeño antes del análisis (normalmente, un valor de
0.05 funciona correctamente), Cuando se rechaza la hipótesis nula, se tiene una prueba
estadística de que la alternativa es cierta. Por el contrario, si no se rechaza la hipótesis
nula, no se tiene prueba estadística de que la hipótesis nula sea cierta. Esto es debido a
que no se ha fijado la probabilidad de que se acepte falsamente que la hipótesis nula sea
pequeña.
Usos:
Una hipótesis estadística es una proposición o supuesto sobre los parámetros de una o
más poblaciones.
Suponga que se tiene interés en la rapidez de combustión de un agente propulsor sólido
utilizado en los sistemas de salida de emergencia para la tripulación de aeronaves. El
interés se centra sobre la rapidez de combustión promedio. De manera específica, el
interés recae en decir si la rapidez de combustión promedio es o no 50 cm/s. Esto puede
expresarse de manera formal como
Ho; μ = 50 cm/s
H1; μ 50 cm/s
La proposición Ho; μ = 50 cm/s, se conoce como hipótesis nula, mientras que la
proposición H1; μ 50 cm/s, recibe el nombre de hipótesis alternativa. Puesto que la
hipótesis alternativa especifica valores de que pueden ser mayores o menores que 50
cm/s, también se conoce como hipótesis alternativa bilateral. En algunas situaciones,
lo que se desea es formular una hipótesis alternativa unilateral, como en
Ho; μ = 50 cm/s Ho; μ = 50 cm/s
H1; μ < 50 cm/s H1; μ > 50 cm/s
Es importante recordar que las hipótesis siempre son proposiciones sobre la población o
distribución bajo estudio, no proposiciones sobre la muestra. Por lo general, el valor del
parámetro de la población especificado en la hipótesis nula se determina en una de tres
maneras diferentes:
1. Puede ser resultado de la experiencia pasada o del conocimiento del proceso,
entonces el objetivo de la prueba de hipótesis usualmente es determinar si ha
cambiado el valor del parámetro.
2. Puede obtenerse a partir de alguna teoría o modelo que se relaciona con el
proceso bajo estudio. En este caso, el objetivo de la prueba de hipótesis es
verificar la teoría o modelo.
3. Cuando el valor del parámetro proviene de consideraciones externas, tales como
las especificaciones de diseño o ingeniería, o de obligaciones contractuales. En
esta situación, el objetivo usual de la prueba de hipótesis es probar el
cumplimiento de las especificaciones.
Procedimiento:
Un procedimiento que conduce a una decisión sobre una hipótesis en particular recibe el
nombre de prueba de hipótesis. Los procedimientos de prueba de hipótesis dependen
del empleo de la información contenida en la muestra aleatoria de la población de
interés. Si esta información es consistente con la hipótesis, se concluye que ésta es
verdadera; sin embargo, si esta información es inconsistente con la hipótesis, se
concluye que esta es falsa. Debe hacerse hincapié en que la verdad o falsedad de una
hipótesis en particular nunca puede conocerse con certidumbre, a menos que pueda
examinarse a toda la población. Usualmente esto es imposible en muchas situaciones
prácticas. Por tanto, es necesario desarrollar un procedimiento de prueba de hipótesis
teniendo en cuenta la probabilidad de llegar a una conclusión equivocada.
2. Tipos de error
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.
3. Decisiones en cuanto a los tipos de error.
La probabilidad de rechazar la hipótesis nula cuando es falsa es igual a 1–β. Este valor
es la potencia de la prueba.
Verdad acerca de la población
Decisión basada H0 es verdadera H0 es falsa
en la muestra
No rechazar H0 Decisión correcta (probabilidad Error tipo II - no rechazar
= 1 - α) H0 cuando es falsa (probabilidad
= β)
Rechazar H0 Error tipo I - rechazar Decisión correcta (probabilidad
H0 cuando es verdadera = 1 - β)
(probabilidad = α)
4. Hipótesis nula y alternativa.
La hipótesis nula, representada por Ho, es la afirmación sobre una o más características
de poblaciones que al inicio se supone cierta (es decir, la "creencia a priori").
La hipótesis alternativa, representada por H1, es la afirmación contradictoria a Ho, y
ésta es la hipótesis del investigador.
La hipótesis nula se rechaza en favor de la hipótesis alternativa, sólo si la evidencia
muestral sugiere que Ho es falsa. Si la muestra no contradice decididamente a Ho, se
continúa creyendo en la validez de la hipótesis nula. Entonces, las dos conclusiones
posibles de un análisis por prueba de hipótesis son rechazar Ho o no rechazar Ho.
5. Prueba unilateral y bilateral
Los contrastes de hipótesis pueden ser de dos tipos:
• Bilateral: En la hipótesis alternativa aparece el signo distinto.
• Unilateral: En la hipótesis alternativa aparece o el signo > o el signo <.
6. Nivel de significación y puntos críticos
La diferencia entre un estadístico de muestra y un valor hipotético es estadísticamente
significativa si una prueba de hipótesis indica que es muy poco probable que la misma
haya ocurrido en virtud de las probabilidades. Para evaluar la significancia estadística,
examine el valor p de la prueba. Si el valor p está por debajo de un nivel de
significancia (α) especificado (generalmente 0.10, 0.05 o 0.01), usted puede decir que la
diferencia es estadísticamente significativa y rechazar la hipótesis nula de la prueba.
Por ejemplo, supongamos que usted desea determinar si el grosor de unos parabrisas de
vehículo supera los 4 mm, tal como lo exigen las normas de seguridad. Usted toma una
muestra de parabrisas y realiza una prueba t de 1 muestra con un nivel de significancia
(α) de 0.05 y plantea las hipótesis siguientes:
• H0: μ = 4
• H1: μ > 4
Si la prueba produce un valor p de 0.001, usted declara significancia estadística y
rechaza la hipótesis nula, porque el valor p es menor que α. Usted concluye a favor de la
hipótesis alternativa: que el grosor de los parabrisas es mayor que 4 mm.
Sin embargo, si el valor p es igual a 0.50, usted no puede declarar significancia
estadística. No tiene suficiente evidencia para afirmar que el grosor promedio de los
parabrisas es mayor de 4 mm.
Un valor crítico es un punto en la distribución del estadístico de prueba bajo la hipótesis
nula que define un conjunto de valores que apoyan el rechazo de la hipótesis nula. Este
conjunto se denomina región crítica o de rechazo. Por lo general, las pruebas
unilaterales tienen un valor crítico y las pruebas bilaterales tienen dos valores críticos.
Los valores críticos se determinan de manera que la probabilidad de que el estadístico
de prueba tenga un valor en la región de rechazo de la prueba (cuando la hipótesis nula
sea verdadera) sea igual al nivel de significancia (denotado como α o alfa).
7. Procedimiento para seguir en las pruebas de hipótesis.
1. Interpretar correctamente hacía que distribución muestral se ajustan los datos del
enunciado.
2. Interpretar correctamente los datos del enunciado diferenciando los parámetros
de los estadísticos. Así mismo se debe determinar en este punto información
implícita como el tipo de muestreo y si la población es finita o infinita.
3. Establecer simultáneamente el ensayo de hipótesis y el planteamiento gráfico del
problema. El ensayo de hipótesis está en función de parámetros ya que se quiere
evaluar el universo de donde proviene la muestra. En este punto se determina el
tipo de ensayo (unilateral o bilateral).
4. Establecer la regla de decisión. Esta se puede establecer en función del valor
crítico, el cual se obtiene dependiendo del valor de (Error tipo I o nivel de
significancia) o en función del estadístico límite de la distribución muestral.
Cada una de las hipótesis deberá ser argumentada correctamente para tomar la
decisión, la cual estará en función de la hipótesis nula o Ho.
5. Calcular el estadístico real, y situarlo para tomar la decisión.
6. Justificar la toma de decisión y concluir.
8. Ejemplos de aplicación.
1) Una empresa está interesada en lanzar un nuevo producto al mercado. Tras realizar
una campaña publicitaria, se toma la muestra de 1 000 habitantes, de los cuales, 25 no
conocían el producto. A un nivel de significación del 1% ¿apoya el estudio las
siguientes hipótesis?
• a. Más del 3% de la población no conoce el nuevo producto.
• b. Menos del 2% de la población no conoce el nuevo producto
Datos:
n = 1000
x = 25
Donde:
x = ocurrencias
n = observaciones
= proporción de la muestra
= proporción propuesta
Solución:
a)
a = 0,01
H0 es aceptada, ya que z prueba (-0,93) es menor que z tabla (2,326), por lo que no es
cierto que más del 3% de la población no conoce el nuevo producto.
2) Cuando las ventas medias, por establecimiento autorizado, de una marca de relojes
caen por debajo de las 170,000 unidades mensuales, se considera razón suficiente para
lanzar una campaña publicitaria que active las ventas de esta marca. Para conocer
la evolución de las ventas, el departamento de marketing realiza una encuesta a 51
establecimientos autorizados, seleccionados aleatoriamente, que facilitan la cifra de
ventas del último mes en relojes de esta marca. A partir de estas cifras se obtienen los
siguientes resultados: media = 169.411,8 unidades., desviación estándar = 32.827,5
unidades. Suponiendo que las ventas mensuales por establecimiento se distribuyen
normalmente; con un nivel de significación del 5 % y en vista a la situación reflejada en
los datos. ¿Se considerará oportuno lanzar una nueva campaña publicitaria?
Datos:
n = 51
Solución:
H0: (= 170000
H1: (< 170000
a = 0,05
Se rechaza Ho, porque z prueba (-0,12) es menor que z tabla (1,645), por lo tanto, se
acepta H1: (< 170000, y se debe considerar oportuno lanzar una nueva campaña
publicitaria.
3) Un gerente de ventas de libros universitarios afirma que en promedio sus
representantes de ventas realiza 40 visitas a profesores por semana. Varios de estos
representantes piensan que realizan un número de visitas promedio superior a 40. Una
muestra tomada al azar durante 8 semanas reveló un promedio de 42 visitas semanales y
una desviación estándar de 2 visitas. Utilice un nivel de confianza del 99% para aclarar
esta cuestión.
Datos:
(= 40
n=8
Nivel de confianza del 99%
Nivel de significación = (100%-99%) /2 = 0,5% = 0,005
Solución:
H0: (= 40
H1: (> 40
Grados de libertad: n-1 = 8-1 =7
a = 0,005
H0 es aceptada, ya que t prueba (2,83) es menor que t tabla (3,499), por lo que no es
acertado pensar que están realizando un número de visitas promedio superior a 40.
