INSTITUTO TECNOLÓGICO SUPERIOR 
P’URHÉPECHA 
 
ACADEMIA DE INGENIERÍA INDUSTRIAL EAD 

ESTADÍSTICA INFERENCIAL I 

ACTIVIDAD 1 CORRESPONDIENTE A LA UNIDAD 3 

Alumno: Ramón Amisadaí López Rosas 

Núm. Control: A141420 

Enero del 2018 

RAMÓN AMISADAÍ LÓPEZ ROSAS  1 
 
UNIDAD 3                  ACTIVIDAD 1 

PRUEBAS DE HIPOTESIS 
 

3.1. INTRODUCCIÓN 

La experiencia sobre el comportamiento de algún índice de un proceso, o la exigencia del 
cumplimiento de alguna norma nos lleva a realizar proposiciones sobre el valor de algún parámetro 
estadístico.  Estas  proposiciones  se  deben  contrastar  con  la  realidad  (mediante  el  muestreo  de 
datos) para tomar una decisión, entre aceptar o rechazar la proposición. Se denominan Hipótesis y 
el procedimiento para decidir si se aceptan o se rechazan se denomina Prueba de Hipótesis. 

Una  prueba  de  hipótesis  es  una  herramienta  de  análisis  de  datos  que  puede  en  general  formar 
parte de un experimento comparativo más completo 

Ejemplo: Consideremos el ejemplo anterior de la rapidez de combustión. Aquí se tenía:     

H0:   m = 50 cm/seg      H1:  m  50 cm/seg 

Aceptación  de  H0.‐  Un  valor  de  la  media  muestral  x  “muy  cercano”  a  50  cm/seg  es  una 
evidencia que apoya a la hipótesis nula, sin embargo es necesario introducir un criterio para decidir 
que tanto es muy cercano, para el ejemplo este criterio pudiera ser: 48.5  x  51.5, si esto ocurre 
se acepta H0  

De lo contrario, es decir, si  x < 48.5 o x >51.5, se acepta  H1 

RAMÓN AMISADAÍ LÓPEZ ROSAS  2 
 
3.2. CONFIABILIDAD Y SIGNIFICANCIA 

 
Prueba de Hipótesis:‐ 
   
Denominada  también  prueba  de  significación,  tiene  como  objetivo  principal  evaluar 
suposiciones  o  afirmaciones  acerca  de  los  valores  estadísticos  de  la  población,  denominados 
parámetros. 
 
La palabra docimar significa probar, cuando se hace indispensable tomar una decisión sobre 
la validez de la representación de una población, con base en los resultados obtenidos a través de 
una muestra, se dicen que se toman decisiones estadísticas.  
 
Para  tomar  una  decisión  es  necesario,  ante  todo  plantear  posibilidades  acerca  de  la 
característica  o  características  a  estudiar  en  una  población  determinada.  La  suposición  puede  ser 
cierta o falsa. Estas suposiciones se llaman hipótesis estadísticas. 
 

 Hipótesis Estadística:  

Es un supuesto acerca de un parámetro o de algún valor estadístico de una población. Con 
esta  definición  encontramos  que  no  todas  las  hipótesis  son  hipótesis  estadísticas.  Se  debe  tomar 
con referencia a un parámetro, ya sea una media aritmética, una proporción (porcentaje) o varianza 
para que sea hipótesis estadística. 

Una  hipótesis  estadística  también  puede  considerarse,  como  la  afirmación  de  una 
característica ideal 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 realizada. 

RAMÓN AMISADAÍ LÓPEZ ROSAS  3 
 
 3.3. ERRORES TIPO 1 Y TIPO 2 

El procedimiento anterior puede llevarnos a una de dos conclusiones erróneas: 
 
Error Tipo I.‐ Se rechaza H0 cuando ésta es verdadera 
Error Tipo II.‐ Se acepta H0 cuando ésta es falsa 
 
En  el  ejemplo  se  cometerá  un  error  de  tipo  I  cuando  µ  =50,  pero  x  para  la  muestra 
considerada cae en la región crítica. Y se cometerá un error de tipo II cuando µ  50 pero x para la 
muestra considerada cae en la región de aceptación. 
 

A  la  probabilidad  de  cometer  un  error  de  Tipo  I  se  denota  por  a,  y  se  le  llama  el  nivel  o 
tamaño de significancia de la prueba es decir: 

a = P(error Tipo I)= P(rechazar H0 | H0 es verdadera) 

Ejemplo: Calcular a para el ejemplo de la rapidez de combustión para una muestra de N=10 
datos, suponiendo que la desviación estándar de la rapidez de combustión es Ϭ=2.5 cm/seg. 

Solución: en este caso a = P(x caiga en la región crítica | µ=50), es decir: 

         a = P(x < 48.5) + P(x > 51.5) 

Recordando que La distribución de x es Normal con media µ=50 y desviación estándar s/N 
=0.79, por lo tanto, usando Matlab:  

a = normcdf(48.5,50,0.79) + (1‐normcdf(51.5,50,0.79))      = 0.288+ 0.288 = 0.0576 

Esto significa que el 5.76% de las muestras de tamaño 10 conducirán al rechazo de la Hipótesis H0: 
µ=50 cm/seg, cuando ésta es verdadera. 

Es claro que a se puede reducir de dos maneras: 

  ‐ Aumentando la región de aceptación 

  ‐ Aumentando el tamaño de la muestra 

RAMÓN AMISADAÍ LÓPEZ ROSAS  4 
 
Ejemplo: recalcular a del ejemplo anterior para a) los nuevos límites de la región de aceptación 48 y 
52.  b) Para  N=16 con los límites originales c) con ambas modificaciones 

Solución: 

a) a = normcdf(48,50,0.79) + (1‐normcdf(52,50,0.79))  = 0.0114 

b) a = normcdf(48.5,50,0.625)+(1‐normcdf(51.5,50,0.625))  = 0.0164 

c) a = normcdf(48,50,0.625)+(1‐normcdf(52,50,0.625))  = 0.0014 

                    

ERROR TIPO II 

Para  evaluar  un  experimento de prueba de  hipótesis también se requiere calcular la probabilidad 

del error de Tipo II, denotada por β, es decir 

β = P(error Tipo II) = P(aceptar H0 | H0 es falsa) 

Sin embargo, no es posible calcular β si no se tiene una hipótesis alternativa específica, es decir, un 
valor particular del parámetro bajo prueba en lugar de un rango de valores 

Por ejemplo, supongamos que es importante rechazar H0 si la rapidez promedio de combustión µ es 
mayor  que  52  cm/seg  o  menor  que  48  cm/seg.  Dada  la  simetría  sólo  se  requiere  evaluar  la 
probabilidad de aceptar H0: µ=50 cuando el valor verdadero es µ=52. 

RAMÓN AMISADAÍ LÓPEZ ROSAS  5 
 
De acuerdo a la figura: β = P(48.5  x  51.5 | µ=52) 

Usando Matlab: 

 Β = normcdf(51.5,52,0.79) ‐ normcdf(48.5,52,0.79) = 0.2643 

La probabilidad de obtener un error de tipo II aumenta muy rápido a medida que el valor verdadero 
m tiende al valor hipotético, por ejemplo, si suponemos que µ=50.5, y recalculamos β, obtenemos. 

Usando Matlab: 

 β = normcdf(51.5,50.5,0.79) ‐ normcdf(48.5,50.5,0.79) = 0.8923 

β  también  depende  del  tamaño  de  la  muestra,  por  ejemplo,  si  N=16  obtenemos  en  el  ejemplo 
cuando µ=52:  Ϭ=0.625, por lo tanto. 

 β = normcdf(51.5,52,0.625) ‐ normcdf(48.5,52,0.625) = 0.2119 

Es decir, β disminuye cuando N aumenta, excepto si el valor real de µ está muy cerca del hipotético. 

RAMÓN AMISADAÍ LÓPEZ ROSAS  6 
 
3.4. POTENCIA DE LA PRUEBA 

 
 Potencia  de  prueba:  la  gran  ausente  en  muchos  trabajos  científicos.  Se  pretende  destacar  la 
importancia  dela  consideración  del  error  tipo  II  y  por  ende  la  potencia  dela  prueba  en  la 
investigación científica, particularmente en el campo del diseño experimental. Se presenta su uso 
con  base  en  un  ejemplo  hipotético  y  en  un  ejemplo  real  de  un  experimento  en  el  campo 
agronómico en el que se estudió el efecto dela concentración de fertilizante sobre la vida útil y la 
calidad  de  las  flores  de  Phalaenopsis y  se  concluyó,  sustentando  en  una  potencia  de  prueba  alta, 
que aplicando fertilizante foliar en baja concentración es posible aumentar la calidad de las flores 
sin detrimento de su vida útil. 

La  Potencia  de  una  prueba  β  representa  la  probabilidad  de  que  la  hipótesis  nula  no  sea 
rechazada cuando de hecho es falsa y debería rechazársele. La potencia de prueba 1‐β representa 
la  sensibilidad  de  la  prueba  estadística  para  detectar  cambios  que  se  presentan  al  medir  la 
probabilidad  de  rechazar  la  hipótesis  nula  cuando  de  hecho  es  falsa  y  debería  ser  rechazada.  La 
potencia de prueba estadística depende de qué tan diferente en realidad es la media verdadera de 
la población del valor supuesto.  

Una prueba de un extremo es más poderosa que una de dos extremos, y se debería utilizar 
siempre  que  sea  adecuado  especificar  la  dirección  de  la  hipótesis  alternativa.  Puesto  que  la 
probabilidad  de  cometer  un  error  tipo  I  y  la  probabilidad  de  cometer  un  error  tipo  II  tienen  una 
relación inversa y esta  última  es  el complemento de  la potencia de  prueba (1‐β), entonces  α y la 
potencia  de  la  prueba  varían  en  proporción  directa.  Un  aumento  en  el  valor  del  nivel  de 
significación escogido, tendría como resultado un aumento en la potencia y una disminución en α 
tendría como resultado una disminución en la potencia. Un aumento en el tamaño de la muestra 
escogida tendría como resultado un aumento en  la potencia de  la prueba, una disminución  en el 
tamaño de la muestra seleccionada tendría como resultado una disminución en la potencia. 

RAMÓN AMISADAÍ LÓPEZ ROSAS  7 
 
3.5. FORMULACION DE HIPOTESIS ESTADISTICAS 

Objetivos: 
1. Identificar los elementos básicos de una hipótesis. 
1. 2 .Distinguir entre las diferentes clases de hipótesis. 
2. Formular hipótesis de investigación, nulas y alternativas. 
3. Reconocer la función e importancia de las hipótesis. 
4. Reconocer la importancia de definir los conceptos y variables. 
5. Reconocer  y  efectuar  definiciones  conceptuales,  instrumentales  y  operacionales  para 
variables e hipótesis. 
 
Con  el  fin  de  establecer  guías  precisas  hacia  el  problema  de  investigación,  se  proponen 
hipótesis que indican lo que estamos buscando o tratando de probar. Constituyen un puente entre 
la teoría y la investigación empírica. Es a través de la comprobación de los cuerpos hipotéticos que 
la ciencia busca la sistematización, generalización e interpretación. Las hipótesis son consideradas 
como  explicaciones  tentativas  respecto  al  problema  planteado,  presentadas  a  manera  de 
proposiciones. Pero no toda conjetura o suposición es una hipótesis científica. Cumple su función 
sólo si está relacionada con el conocimiento existente; si reúne lo ya conocido con lo que se busca.  
Son  afirmaciones  a  manera  de  conjeturas  respecto  a  las  relaciones  entre  dos  o  más  variables 
expresada  por  medio  de  oraciones  declarativas,  sujetas  a  comprobación  empírica.  Según  Rojas 
(1980),  las  ciencias  sociales  enfrentan  problemas  teórico‐metodológicos  para  probar  hipótesis 
surgidas  en  investigación.  Muchos  de  los  conceptos  acuñados  carecen  de  referentes  empíricos  y 
por  otro lado el comportamiento humano no sigue  patrones  uniformes  lo  que impide generalizar 
los  resultados  y  conservar  la  validez  a  través  del  tiempo.  Esto  conduce  a  que  la  búsqueda  de 
relaciones  significativas  en  estas  ciencias  se  limite  a  situaciones  concretas  y  universos  reducidos. 
Para  que  una  hipótesis  sea  considerada  como  correcta,  debe  referirse  a  dos  o  más  variables 
potencialmente  medibles  y  especificar  al  mismo  tiempo  de  qué  manera  se  relacionan  dichas 
variables  (Kerlinger,  1988).  Deben  referirse  a  una  situación  real,  los  términos  tienen  que  ser 
comprensibles, precisos y lo más concretos posible; la relación entre variables propuesta debe ser 
clara  y  verosímil  (lógica)  y  deben  estar  relacionadas  con  técnicas  disponibles  para  probarlas 
(Hernández, 1993; Rojas, 1981). 
 

RAMÓN AMISADAÍ LÓPEZ ROSAS  8 
 
3.6. PRUEBA DE HIPOTESIS PARA LA MEDIA 

Cuando se van a realizar pruebas  de hipótesis relativas a la media poblacional m se debe 
saber si la varianza poblacional s  es conocida  o desconocida, ya  que  la distribución subyacente al 
estadístico de prueba será la normal estándar si la varianza es conocida, y la distribución t en caso 
contrario. 

Las diferentes hipótesis que se pueden presentar son las siguientes: 

1) Ho: m = m0 H1: m > m0 
2) Ho: m = m0 H1: m < m0 
3) Ho: m = m0 H1: m ¹ m0 

Las  pruebas  de  hipótesis  para  la  media  se  basan  en  el  estadístico  dado  por  la  media 
muestral cuya distribución tiende a la distribución normal (m, s/n) para muestras grandes.  
 
EJEMPLO: 1 
 
Una encuesta revela que los 100 autos particulares, que constituyen una muestra aleatoria, 
se condujeron a un promedio de 12500 Km. Durante un año, con una desviación estándar de 2400 
Km. Con base en esta información, decimar la hipótesis donde, en promedio, los autos particulares 
se condujeron a 12000 Km durante un año, f rente a la alternativa de que el promedio sea superior. 
Utilizar el nivel de significación. 
 
SOLUCIÓN: 
Z = ẋ ‐ µ 
S/ √n 
 
H0: μ = 12000  S = 2400 
Ha: μ > 12000  α = 0.05 
n = 100  Zcalc = 2.083 
ẋ =12500 
 

RAMÓN AMISADAÍ LÓPEZ ROSAS  9 
 
 Rechazamos  la  hipótesis  de  que  μ  es  igual  a  12000,  luego  aceptamos  que  los  autos  se 
condujeron en un promedio superior durante ese año, al nivel del 5%. 
 

0 Zα 

PRU DE HIP. PARA UNA O 2 MUESTRAS DE MEDIAS 

1
RAMÓN AMISADAÍ LÓPEZ ROSAS 
0 
 
EJEMPLO: 2 

Un criador de pollos sabe por experiencia que el peso de los pollos de cinco meses es 4,35 
libras. Los pesos siguen una distribución normal. Para tratar de aumentar el peso de dichas aves se 
le  agrega  un  aditivo  al  alimento.  En  una  muestra  de  pollos  de  cinco  meses  se  obtuvieron  los 
siguientes pesos   (en libras).   

      4,41       4,37       4,33       4,35       4,30       4,39       4,36       4,38       4,40       4,39 

En el nivel 0,01, el aditivo a ha aumentado el peso medio de los pollos?  Estime el valor  de p. 

 
 
1
RAMÓN AMISADAÍ LÓPEZ ROSAS 
1