Test de Hipotesis

Test de hiptesis Prof. Mara B.
Pintarelli
4- Test o prueba de hiptesis
4.1 Introduccin
Hasta ahora hemos estudiado el problema de estimar un parmetro desconocido a partir de una muestra
aleatoria.
En muchos problemas se requiere tomar una decisin entre aceptar o rechazar una proposicin sobre
algn parmetro. Esta proposicin recibe el nombre de hiptesis estadstica, y el procedimiento de toma
de decisin sobre la hiptesis se conoce como prueba o test de hiptesis.
Como se emplean distribuciones de probabilidad para representar poblaciones, tambin podemos decir
que una hiptesis estadstica es una proposicin sobre la distribucin de probabilidad de una variable
aleatoria, donde la hiptesis involucra a uno ms parmetros de esta distribucin.
Por ejemplo, supongamos que cierto tipo de motor de automvil emite una media de 100 mg de xidos
de nitrgeno (NOx) por segundo con 100 caballos de fuerza. Se ha propuesto una modificacin al diseo
del motor para reducir las emisiones de NOx. El nuevo diseo se producir si se demuestra que la media
de su tasa de emisiones es menor de 100 mg/s. Se construye y se prueba una muestra de 50 motores
modificados. La media muestral de emisiones de NOx es de 92 mg/s, y supongamos que se puede asumir
que es 21 mg/s.
La variable aleatoria de inters en este caso es X: tasa de emisin de un motor modificado tomado al
azar.
La preocupacin de los fabricantes consiste en que los motores modificados no puedan reducir todas la
emisiones; es decir que la media poblacional pudiera ser 100 o mayor que 100.
Entonces, la pregunta es: es factible que esta muestra pueda provenir de una v.a. con media 100 o
mayor?
ste es el tipo de preguntas que las pruebas de hiptesis estn diseadas para responder. Veremos cmo
construir una prueba de hiptesis, pero podemos decir que en general se basa en construir a partir de la
muestra aleatoria un estadstico, y segn el valor que tome este estadstico de prueba se aceptar o se
rechazar la hiptesis.
Se ha observado una muestra con media X 92 .
Hay dos interpretaciones posibles de esta observacin:
1- La media poblacional es realmente mayor o igual que 100, y la media muestral es menor que 100
debido a la variabilidad propia de la variable aleatoria X
2- La media poblacional es en realidad menor que 100, y la media muestral refleja este hecho.
Estas dos explicaciones tienen nombres: la primera se llama hiptesis nula; la segunda es la hiptesis
alternativa.
En la mayora de las situaciones la hiptesis nula dice que el efecto que indica la muestra es atribuible
solamente a la variacin aleatoria del estadstico de prueba.
La hiptesis alternativa establece que el efecto que indica la muestra es verdadero.
Para hacer las cosas ms precisas, todo se expresa mediante smbolos. La hiptesis nula se denota por
H 0 , la hiptesis alternativa se denota con H 1 . Como es usual la media poblacional se anota . Por lo
tanto se tiene
H 0 : 100 contra H1 : 100 (hiptesis alternativa unilateral)
Esencialmente, para realizar una prueba de hiptesis se pone la hiptesis nula en juicio. Se asume que
H 0 es verdadera, de la misma manera como se empieza en un juicio bajo el supuesto de que un acusado
es inocente. La muestra aleatoria proporciona la evidencia.
74
Test de hiptesis Prof. Mara B. Pintarelli
Las hiptesis son siempre proposiciones sobre los parmetros de la poblacin o distribucin bajo
estudio, no proposiciones sobre la muestra.
Otros tipos de hiptesis que podran formularse son
H 0 : 100 contra H1 : 100 (hiptesis alternativa unilateral)

o
H 0 : 100 contra H1 : 100 (hiptesis alternativa bilateral)
En el ejemplo tenemos X 1 , X 2 ,..., X 50 muestra aleatoria de la v.a. X definida anteriormente.

Como estamos haciendo una hiptesis sobre la media poblacional es razonable tomar como estadstico
de prueba a X . El valor observado de la media muestral es X 92 .
Si el valor de X es muy menor que 100 entonces se considera que hay evidencia en contra H 0 y se la
rechaza, aceptando la hiptesis alternativa.
Si el valor de X no es muy menor que 100 entonces se considera que no hay evidencia en contra H 0
y se rechaza la hiptesis alternativa.
Ya veremos como construir una regla de decisin, supongamos ahora que tenemos la siguiente regla:
se rechaza H 0 si X 95

se acepta H 0 si X 95

El intervalo 95, es la zona de aceptacin.

La regin ; 95 es la zona de rechazo o regin crtica.

Mientras que 95 es el punto crtico.
Como estamos tomando una decisin basados en el valor de un estadstico podemos cometer dos tipos
de errores: rechazar H 0 cuando sta es verdadera, es decir el estadstico toma valores en la zona de
rechazo cuando H 0 es verdadera; o aceptar H 0 cuando sta es falsa, es decir que el estadstico tome
valores en la zona de aceptacin cuando H 0 es falsa.
El primero se conoce como error de tipo I, y el segundo como error de tipo II.
Debido a que la decisin se basa en variables aleatorias es posible asociar probabilidades a los errores de
tipo I y II, especficamente anotamos
P(error de tipo I )
P(error de tipo II )
A P(error de tipo I ) se lo conoce como nivel de significancia del test.
Para calcular estas probabilidades debemos conocer la distribucin del estadstico de prueba en el caso
de ser H 0 verdadera, es decir debemos conocer la distribucin del estadstico de prueba bajo H 0 .
75
En el ejemplo anterior la muestra es grande, ya sabemos que por T.C.L. el estadstico
X 100 X 100
Z N (0,1) si H 0 es verdadera, o sea Z N (0,1)
21
n 50
Entonces para calcular planteamos:

P(error de tipo I ) P rechazar H 0 / H 0 es V PX 95 / 100

X 100 95 100 95 100
P 21 1.6835 1 0.95352 0.04648
21 21
50 50 50
Esto significa que el 4.64% de las muestras aleatorias conducirn al rechazo de la hiptesis H 0 : 100
cuando el verdadero sea mayor o igual que 100.
En este caso el grfico de la zona de rechazo es
212
N 100,
50
0.04648
Del grfico anterior vemos que podemos reducir al aumentar la zona de aceptacin. Por ejemplo
supongamos que ahora la regla de decisin es
se rechaza H 0 si X 93

se acepta H 0 si X 93

Entonces P(error de tipo I ) P rechazar H 0 / H 0 es V PX 93 / 100

X 100 93 100 93 100
P 21 2.357 1 0.99061 0.00939
21 21
50 50 50
76
Tambin se puede reducir aumentando el tamao de la muestra. Supongamos que n 85 , entonces

P(error de tipo I ) P rechazar H 0 / H 0 es V PX 95 / 100

X 100 95 100 95 100
P 21 2.195 1 0.98574 0.01426
21 21
85 85 85
Tambin es importante examinar la probabilidad de cometer error de tipo II, esto es
P(error de tipo II ) P(aceptar H 0 / H 0 es falsa )

Pero en este caso para llegar a un valor numrico necesitamos tener una alternativa especfica pues en
nuestro ejemplo:
P(error de tipo II ) P(aceptar H 0 / H 0 es falsa ) PX 95 / 100

X 95 95
P 1 21
21 21
50 50 50
Donde anotamos con a la verdadera media poblacional desconocida.

Podemos entonces calcular para un valor particular de , por ejemplo nos puede interesar como se
comporta el test cuando la verdadera media es 94 , entonces

X 94 95 94 95 94
94 P 1 21 1 0.3367 1 0.62930 0.3707
21 21
50 50 50
Grficamente:
bajo H1 : 94
bajo H 0 : 100
zona de rechazo
(94) 0.3707
77
La probabilidad de cometer error de tipo II crece a medida que el valor verdadero de se acerca al
valor hipottico. Por ejemplo si el verdadero valor de fuera 94.7 entonces

X 94.7 95 94.7 95 94.7
94.7 P 1 1 0.101015 1 0.53983 0.46017
21 21 21
50 50 50
bajo H1 : 94.7
bajo H 0 : 10'0
(94.7) 0.46017
zona de rechazo
Adems, la probabilidad de cometer error de tipo II disminuye a medida que el valor verdadero de
se aleja del valor hipottico. Por ejemplo si el verdadero valor de fuera 90 entonces

X 90 95 90 95 90
90 P 1 21 1 1.6835 1 0.95352 0.04648
21 21
50 50 50
bajo H1 : 90
bajo H 0 : 100
90 0.04648
zona de rechazo
78
Tambin se puede reducir la probabilidad de cometer error de tipo II con el tamao de la muestra. Por
ejemplo si n 85 entonces y 94

X 94 95 94 95 94
94 P 1 21 1 0.4390 1 0.67003 0.32997
21 21
85 85 85
Lo que se ha visto en los ejemplos anteriores se puede generalizar. Podemos recalcar los siguientes
puntos importantes:
1- El tamao de la regin crtica, y en consecuencia la probabilidad de cometer error de tipo I,
siempre pueden reducirse mediante una seleccin apropiada de los valores crticos.
2- Los errores tipo I y II estn relacionados. Una disminucin en la probabilidad en un tipo de error
siempre da como resultado un aumento en la probabilidad del otro, siempre que el tamao de la
muestra no cambie.
3- En general, un aumento en el tamao de la muestra reduce tanto a como a , siempre que los
valores crticos se mantengan constantes.
4- Cuando la hiptesis nula es falsa, aumenta a medida que el valor verdadero del parmetro tiende
al valor hipottico propuesto por la hiptesis nula. El valor de disminuye a medida que aumenta
la diferencia entre el verdadero valor medio y el propuesto.
En general el investigador controla la probabilidad del error de tipo I cuando selecciona los valores
crticos. Por lo tanto el rechazo de la hiptesis nula de manera errnea se puede fijar de antemano. Eso
hace que rechazar la hiptesis nula sea una conclusin fuerte.
La probabilidad de error de tipo II no es constante, sino que depende del valor verdadero del parme-
tro. Tambin depende del tamao de la muestra que se haya seleccionado. Como est en funcin
del tamao de la muestra y del valor verdadero del parmetro, la decisin de aceptar la hiptesis nula se
la considera una conclusin dbil, a menos que se sepa que es aceptablemente pequeo. Por lo tanto
cuando se acepta H 0 en realidad se es incapaz de rechazar H 0 . No se puede rechazar H 0 pues no
hay evidencia en contra H 0 .
Un concepto importante es el siguiente:
La potencia de un test es la probabilidad de rechazar la hiptesis nula. La simbolizamos . Para los
valores de tal que la alternativa es verdadera se tiene

P rechazar H 0 / H 0 es falsa 1

Las pruebas estadsticas se comparan mediante la comparacin de sus propiedades de potencia.

La potencia es una medida de la sensibilidad del test, donde por sensibilidad se entiende la capacidad de
una prueba para detectar diferencias.
En el ejemplo anterior, la sensibilidad de la prueba para detectar la diferencia entre una tasa de emisin
media de 100 y otra de 94 es 94 1 94 1 0.3707 0.6293 . Es decir si el valor verdadero de la
tasa de emisin media es 94, la prueba rechazar de manera correcta H 0 y detectar esta diferencia el
62.93% de las veces. Si el investigador piensa que este valor es bajo entonces el investigador puede
aumentar o el tamao de la muestra.
79
4.2 Prueba de hiptesis sobre la media, varianza conocida
Veamos ahora cmo construir una regla de decisin sobre la media de una poblacin.
Supongamos que la variable aleatoria de inters X tiene una media y una varianza 2 conocida.
Asumimos que X tiene distribucin normal, es decir X ~ N ( , 2 ) .
Nuevamente, como en el ejemplo introductorio, es razonable tomar como estadstico de prueba al pro-
2
medio muestral X . Bajo las suposiciones hechas tenemos que X ~ N , .
n
Supongamos que tenemos las hiptesis
H 0 : 0 contra H1 : 0
Donde 0 es una constante especfica. Se toma una muestra aleatoria X 1 , X 2 ,..., X n de la poblacin.
2
Si H 0 : 0 es verdadera, entonces X ~ N 0 , , por lo tanto el estadstico
n
X 0
Z tiene distribucin N (0,1) si H 0 : 0 es verdadera

n
Tomamos a Z como estadstico de prueba

Si H 0 : 0 es verdadera entonces P z Z z 1
2 2
N (0,1)

2 2
z 0 z
2 2
Zona de aceptacin
Es evidente que una muestra que produce un valor del estadstico de prueba que cae en las colas de la
distribucin de Z ser inusual si H 0 : 0 es verdadera, por lo tanto esto es un indicador que H 0 es
falsa.
Entonces la regla de decisin es:
rechazar H 0 si Z z

2
aceptar H 0 si Z z
2
80
Notar que la probabilidad que la estadstica de prueba tome un valor que caiga en la zona de rechazo si
H 0 es verdadera es igual a , es decir la probabilidad de cometer error de tipo I es pues

X 0
P(error de tipo I ) P rechazar H 0 / H 0 es V P z 0
2
n

X 0 X 0
P z P z
2 2
2 2
n n
Ejemplo:
El porcentaje deseado de SiO2 en cierto tipo de cemento aluminoso es 5.5. Para probar si el verdadero
promedio de porcentaje es 5.5 para una planta de produccin en particular, se analizaron 16 muestras
obtenidas de manera independiente. Supongamos que el porcentaje de SiO2 en una muestra est nor-
malmente distribuido con 3 , y que x 5.25 .
Indica esto de manera concluyente que el verdadero promedio de porcentaje difiere de 5.5?. Utilice
0.01
Solucin:
La v.a. de inters es X: porcentaje de SiO2 en cierto tipo de cemento aluminoso
Asumimos que X ~ N ( , 3 2 )
Podemos plantear las hiptesis
H 0 : 5.5 contra H 1 : 5.5
Tenemos una muestra de tamao n 16 que dio un promedio muestral x 5.25

Como 0.01 entonces z z 0.005 2.575
2

X 5.5
rechazar H 0 si 3 2.575
16
Por lo tanto la regla de decisin es
X 5.5
aceptar H 0 si 2.575
3
16
X 5.5 5.25 5.5

El estadstico toma el valor z 0 0.333333
3 3
16 16
Como z 0 0.333333 2.575 z 0.01 se acepta H 0

2
Tambin podemos desarrollar tests o pruebas de hiptesis para el caso de que la hiptesis alternativa es
unilateral.
81
Supongamos las hiptesis
H 0 : 0 contra H1 : 0
En este caso la regin crtica debe colocarse en la cola superior de la distribucin normal estndar y el
rechazo de H 0 se har cuando el valor calculado de z 0 sea muy grande, esto es la regla de decisin ser
X 0
rechazar H 0 si z
n

aceptar H si X 0 z

0

n
N (0,1)
zona de aceptacion 0 z
De manera similar para las hiptesis
H 0 : 0 contra H1 : 0
se calcula el valor del estadstico de prueba z 0 y se rechaza H 0 si el valor de z 0 es muy pequeo, es

decir la regla de decisin ser
X 0
rechazar H 0 si z
n

aceptar H 0 si X 0
z

n
82
N (0,1)
z zona de aceptacion
0
Ejemplo:
Se sabe que la duracin, en horas, de un foco de 75 watts tiene una distribucin aproximadamente nor-
mal, con una desviacin estndar de 25 horas. Se toma una muestra aleatoria de 20 focos, la cual
resulta tener una duracin promedio de x 1040 horas
Existe evidencia que apoye la afirmacin de que la duracin promedio del foco es mayor que 1000
horas?. Utilice 0.05 .
Solucin:
La v.a. de inters es X: duracin en horas de un foco tomado al azar
Asumimos X ~ N ( , 25 2 )
Podemos plantear las hiptesis
H 0 : 1000 contra H 1 : 1000
Tenemos una muestra de tamao n 20 que dio un promedio muestral x 1040

X 1000
rechazar H 0 si 25 1.645
20
aceptar H 0 si X 1000
1.645
25
20
X 1000 1040 1000
El estadstico toma el valor Z toma el valor z 0 7.1554
25 25
20 20
Como z 0 7.1554 1.645 z 0.05 se rechaza H 0
P- valor
Hasta ahora se dieron los resultados de una prueba de hiptesis estableciendo si la hiptesis nula fue o
no rechazada con un valor especificado de o nivel de significancia.
A menudo este planteamiento resulta inadecuado, ya que no proporciona ninguna idea sobre si el valor
calculado del estadstico est apenas en la regin de rechazo o bien ubicado dentro de ella. Adems, esta
forma de establecer los resultados impone a otros usuarios el nivel de significancia predeterminado.
83
Para evitar estas dificultades, se adopta el enfoque del p-valor. El valor p o p-valor es la probabilidad de
que el estadstico de prueba tome un valor que sea al menos tan extremo como el valor observado del
estadstico de prueba cuando la hiptesis nula es verdadera. Es as como el p-valor da mucha informa-
cin sobre el peso de la evidencia contra H 0 , de modo que el investigador pueda llegar a una conclusin
para cualquier nivel de significancia especificado.
La definicin formal del p-valor es la siguiente:
El valor p es el nivel de significancia ms pequeo que conduce al rechazo de la hiptesis nula H 0
Para las pruebas de distribuciones normales presentadas hasta el momento, es sencillo calcular el p-
valor.
Si z 0 es el valor calculado del estadstico de prueba Z, entonces el p-valor es
a) si las hiptesis son H 0 : 0 contra H1 : 0
p valor P Z z0 1 P Z z0 1 z0 z0 1 2 z0 1 21 z0
b) si las hiptesis son H 0 : 0 contra H1 : 0
p valor PZ z0 1 PZ z0 1 z0
c) si las hiptesis son H 0 : 0 contra H1 : 0
p valor PZ z0 z0
Un p-valor muy chico significa mucha evidencia en contra de H 0 ; un p-valor alto significa que no hay
evidencia en contra H 0
Notar que:
Si p valor entonces se acepta H 0 con nivel de significan cia
Si p valor entonces se rechaza H 0 con nivel de significan cia
Esto se ilustra en las siguientes figuras:
p valor
z 0 z
z z0
zona de rechazo
zona de rechazo
Ejemplos:
1- En el ejemplo anteltimo referido al porcentaje deseado de SiO2 en cierto tipo de cemento aluminoso
las hiptesis eran: H 0 : 5.5 contra H 1 : 5.5 ; y el estadstico de prueba tom el valor
z 0 0.333333 2.575 z 0.01 ; por lo tanto se aceptaba H 0 .
2
84
En esta caso p valor P Z z0 21 z0 21 0.33333 21 0.62930 0.7414

Como el p-valor es muy alto no hay evidencia en contra H 0 . Se necesitara tomar un valor de
mayor a 0.7414 para rechazar H 0 .
2- En el ltimo ejemplo, sobre la duracin, en horas, de un foco de 75 watts, las hiptesis eran
H 0 : 1000 contra H 1 : 1000 ; y el estadstico Z tom el valor z 0 7.1554 1.645 z 0.05 ;
por lo tanto se rechazaba H 0 .
En este caso
p valor PZ z0 1 z0 1 7.1554 0
Como el p-valor es casi cero hay mucha evidencia en contra de H 0 . Prcticamente para ningn
valor de se acepta H 0
Error de tipo II y seleccin del tamao de la muestra
En la prueba de hiptesis el investigador selecciona directamente la probabilidad del error de tipo I. Sin
embargo, la probabilidad de cometer error de tipo II depende del tamao de la muestra y del valor
verdadero del parmetro desconocido.
H 0 : 0 contra H1 : 0
Entonces si anotamos con al valor verdadero del parmetro

X 0
Paceptar H 0 H 0 es falsa P z 0
2
n
X 0
Como la hiptesis nula es falsa, entonces no tiene distribucin N (0,1)

n
Por lo tanto hacemos lo siguiente:
X 0 X 0 X 0 X
; y ahora como ~ N (0,1) pues se estandariz a

n n n n n
X con el verdadero , entonces

X 0 X 0
P z 0 P z z 0
2 2 2
n n

P z
X 0
z

0 P z
0 X
z
0

2 2 2 2

n n n n n
85

z
0
z
0
z
0 n z 0 n

2 2 2 2
n n
En consecuencia
Si las hiptesis son H 0 : 0 contra H1 : 0 , entonces

z
0
n z
0 n

2 2
Para un valor especfico de y un valor de dado, podemos preguntarnos qu tamao de muestra se

necesita para que sea menor que un valor dado en particular 0 .

Por ejemplo si 0 0 entonces podemos aproximar z
0 n 0 , y planteamos que

2

z
0
n 0 . Buscamos en la tabla de la N (0,1) para qu z se cumple que
2

z 0 , lo anotamos z 0 , y entonces podemos escribir
2

z z 2
0 0 0
z n z 0 z z 0 n n 2
2
2
0 2
En el caso de ser 0 0 entonces podemos aproximar z

0 n 1, y planteamos que

2

1 z
0 n . Es decir 1 z 0 n
0 0
2 2
Buscamos en la tabla de la N (0,1) para qu z se cumple que z 1 0 , lo anotamos z 0 , y enton-
ces podemos escribir
2

z z 2
0 0 0
z n z 0 z z 0 n
n 2
2
2
- 0 0 0 2
En consecuencia queda la misma frmula que la anterior
Por lo tanto
Si las hiptesis son H 0 : 0 contra H1 : 0 , entonces

2
z z 2
0
n 2
0 2
86
En forma anloga se pude probar que si las hiptesis son
H 0 : 0 contra H1 : 0
Entonces

X 0

n

X 0 X 0 0 0
P z 0 P z z z n

n n n n n
Entonces
Si las hiptesis son : H 0 : 0 contra H1 : 0 entonces
0
z n

Y si tenemos las hiptesis H 0 : 0 contra H1 : 0

X 0

n

X 0
P

z 0 P
X
z
0 0 n
1 z

n n n n
Entonces
Si las hiptesis son : H 0 : 0 contra H1 : 0 entonces
0
1 z n

Y adems con una deduccin anloga al caso de alternativa bilateral:
Si las hiptesis son H 0 : 0 contra H1 : 0 , (o H1 : 0 ) entonces
n
z
z 0 2
2
0 2
87
Ejemplos:
1- En el ejemplo referido al porcentaje deseado de SiO2 en cierto tipo de cemento aluminoso las
hiptesis eran: H 0 : 5.5 contra H 1 : 5.5 ; y el estadstico de prueba tom el valor
z 0 0.333333 2.575 z 0.01 ; por lo tanto se aceptaba H 0 . Tenamos n 16 y 3
2
Si el verdadero promedio de porcentaje es 5.6 y se realiza una prueba de nivel 0.01 con
base en n = 16, cul es la probabilidad de detectar esta desviacin?
Qu valor de n se requiere para satisfacer 0.01 y (5.6) 0.01?
Solucin:
La probabilidad de detectar la desviacin es la potencia del test cuando 5.6 , es decir

5.6 P rechazar H 0 / H 0 es falsa 1 5.6

Como estamos con hiptesis alternativa bilateral, calculamos

5.6 z
5.6 0

n z
5.6 0 n

2 2

2.575
5.6 5.5 16 2.575 5.6 5.5 16 2.441 2.708

3 3
0.99266 1 0.99664 0.9893 5.6 0.0107
Ahora se quiere hallar n tal que (5.6) 0.01, como el test es bilateral podemos usar directamente la
frmula con z 0 z0.01 2.33
2

z z 2
0
2.575 2.33 32
2
n 2 21653.1225 n 21654
0 2 5.6 5.52
2- En el ltimo ejemplo, sobre la duracin, en horas, de un foco de 75 watts, las hiptesis eran
H 0 : 1000 contra H 1 : 1000 ; y el estadstico Z tom el valor z 0 7.1554 1.645 z 0.05 ;
por lo tanto se rechazaba H 0 .
En este caso 25 y n 20
Si la verdadera duracin promedio del foco es 1050 horas, cul es la probabilidad de error de tipo
II para la prueba?
Qu tamao de muestra es necesario para asegurar que el error de tipo II no es mayor que 0.10 si la
duracin promedio verdadera del foco es 1025 hs. ?
Solucin:
Como las hiptesis son H 0 : 1000 contra H 1 : 1000 entonces
0 1050 1000 20 7.29927 0
z n 1.645
25
Para hallar n tal que 1025 0.1 aplicamos la frmula con z 0 z0.1 1.285
88
n
z z 0 2 2

1.645 1.2852 252 8.584 n9
0 2 1025 10002
Relacin entre test de hiptesis e intervalos de confianza
Existe una estrecha relacin entre la prueba de hiptesis bilateral sobre un parmetro y el intervalo de
confianza de nivel 1 para .
Especficamente supongamos que tenemos las hiptesis
H 0 : 0 contra H1 : 0
La regla de decisin es

X 0
rechazar H si z
0

n
2

X 0
aceptar H 0 si z
2
n
X 0 X 0
Aceptar H 0 si z es equivalente a: aceptar H 0 si z z ; y esto es a
2 2
2
n n
su vez equivalente, despejando 0 , a:
aceptar H 0 si X z 0 X z ; es decir si
2 n 2 n

0 X z ;X z
2 n 2 n

Pero resulta que X z ;X z es el intervalo de confianza que se construira
2 n 2 n
para el verdadero parmetro de nivel 1 .
Por lo tanto la regla de decisin queda:

rechazar H si X z ;X z
0 0
2 n 2 n

aceptar si X z ;X z
H 0 0
n n
2 2

89
Ejemplo:
En el ejemplo referido al porcentaje deseado de SiO2 en cierto tipo de cemento aluminoso las
hiptesis eran: H 0 : 5.5 contra H 1 : 5.5 ;
y tenamos n 16 ; 3 ; un promedio muestral x 5.25
2
Construimos un intervalo de confianza de nivel 1 1 0.01 0.99
X z ;X z 5.25 2.575
3
; 5.25 2.575
3

3.31875; 7.18125
2 n 2 n 16 16

Entonces la regla de decisin es:
rechazar H 0 si 5.5 3.31875; 7.18125
aceptar H si 5.5 3.31875; 7.18125
Como 5.5 3.31875; 7.18125, entonces se acepta H 0 .
4.3 Prueba de hiptesis sobre la media, varianza desconocida para muestras grandes
Hasta ahora se ha desarrollado el procedimiento de test de hiptesis para la hiptesis nula

H 0 : 0 suponiendo que 2 es conocida, pero en la mayora de las situaciones prcticas 2 es
desconocida. En general si n 30 , entonces la varianza muestral S 2 est prxima a 2 en la mayor
parte de las muestras, de modo que es posible sustituir S 2 por 2 . Es decir el estadstico
X 0
Z N (0,1) aproximadamente, si n 30 si H 0 : 0
S
n
Adems, si no podemos decir que la muestra aleatoria proviene de una poblacin normal, sea 2 cono-
cida o no, por T.C.L. los estadsticos
X 0
S
n
Y
X 0

n
Las pruebas de hiptesis tendrn entonces un nivel de significancia aproximadamente de
Ejemplo:
Un inspector midi el volumen de llenado de una muestra aleatoria de 100 latas de jugo cuya etiqueta
afirmaba que contenan 12 oz. La muestra tena una media de volumen de 11.98 oz y desviacin estn-
90
dar de 0.19 oz. Sea la verdadera media del volumen de llenado para todas las latas de jugo reciente-
mente llenadas con esta mquina. El inspector probar H 0 : 12 contra H1 : 12
a) Determinar el p-valor
b) Piensa que es factible que la media del volumen de llenado es de 12 oz?
Solucin:
La v.a. de inters sera X: volumen de llenado de una lata tomada al azar
No se especifica ninguna distribucin para X. Anotamos E (X ) y V ( X ) 2 , ambas desconocidas.
Se toma una muestra de n 100 latas y se obtiene x 11.98 y s 0.19
Las hiptesis son H 0 : 12 contra H1 : 12
El estadstico de prueba es
X 0 X 12
Z y si H 0 : 12 es verdadera entonces Z N (0,1)
S S
n 100
11.98 12
El estadstico Z toma el valor z 0 1.0526
0.19
100
Como la hiptesis alternativa es bilateral entonces
p valor P Z z0 21 1.0526 21 0.85314 0.29372
Como el p-valor es mayor que 0.05 se considera que no hay evidencia en contra de H 0 : 12
Por lo tanto es factible que la media del volumen de llenado sea de 12 oz
4.4 Prueba de hiptesis sobre la media de una distribucin normal, varianza desconocida
Cuando se prueban hiptesis sobre la media de una poblacin cuando 2 es desconocida es posible
utilizar los procedimientos de prueba dados anteriormente siempre y cuando el tamao de la muestra sea
grande ( n 30 ). Estos procedimientos son aproximadamente vlidos sin importar si la poblacin de
inters es normal o no. Pero si la muestra es pequea y 2 es desconocida debe suponerse que la distri-
bucin de la variable de inters es normal.
Especficamente, supongamos que la v.a. de inters tiene distribucin N ( , 2 ) donde y 2 son
desconocidas.
Supongamos las hiptesis H 0 : 0 contra H1 : 0
Sea X 1 ; X 2 ,..., X n una muestra aleatoria de tamao n de la v.a. X y sean X y S 2 la media y la varianza
muestrales respectivamente.
El procedimiento se basa en el estadstico
X 0
T
S/ n
El cual, si la hiptesis nula es verdadera, tiene distribucin Student con n-1 grados de libertad.
Entonces, para un nivel prefijado, la regla de decisin es
91

X 0
rechazar H 0 si t
rechazar H 0 si T t S ,n 1
,n 1 n
2
2
es decir
aceptar H si T t X 0
0
, n 1
2
aceptar H 0 si t
S 2
,n 1
n
La lgica sigue siendo la misma, si el estadstico de prueba toma un valor inusual, entonces se consi-
dera que hay evidencia en contra H 0 y se rechaza la hiptesis nula. Como ahora la distribucin del
estadstico es Student, nos fijamos si T toma un valor t 0 en las colas de la distribucin Student con n-1
grados de libertad.
rechazar H 0 si T t ,n1

Si la alternativa es H1 : 0 entonces la regla de decisin es
aceptar H 0 si T t ,n1


Si la alternativa es H1 : 0 entonces la regla de decisin es
aceptar H 0 si T t ,n1

Ejemplo:
Antes de que una sustancia se pueda considerar segura para enterrarse como residuo se deben caracteri-
zar sus propiedades qumicas. Se toman 6 muestras de lodo de una planta de tratamiento de agua resi-
dual en una regin y se les mide el pH obtenindose una media muestral de 6.68 y una desviacin estn-
dar muestral de 0.20. Se puede concluir que la media del pH es menor que 7.0? Utilizar 0.05 y
suponer que la muestra fue tomada de una poblacin normal.
Solucin:
La v.a. de inters es X: pH de una muestra de lodo tomada al azar
Asumimos que X tiene distribucin N ( , 2 )
Las hiptesis seran H 0 : 7.0 contra H1 : 7.0
X 7.0 6.68 7.0
El estadstico de prueba es T y toma el valor t 0 3.919
S/ 6 0.20 / 6
Buscamos en la tabla de la distribucin Student t ,n1 t0.05,5 2.015
Entonces como t0 3.919 t ,n1 t0.05,5 2.015 se rechaza H 0 , por lo tanto hay evidencia que
7.0
P-valor de un test t
En este caso el clculo del p- valor se realiza considerando:

Si t 0 es el valor calculado del estadstico de prueba T, entonces el p-valor es
a) las hiptesis son H 0 : 0 contra H1 : 0
p valor PT t0 1 PT t0 21 PT t0
b) las hiptesis son H 0 : 0 contra H1 : 0
p valor PT t0 1 PT t0
92
c) las hiptesis son H 0 : 0 contra H1 : 0

p valor PT t0
Para calcular el p-valor en una prueba t nos encontramos con la dificultad que las tablas de la Student no
son completas, por lo tanto en algunas ocasiones se deber acotar el p-valor
En el ejemplo anterior para calcular el p-valor de la prueba como es un test con alternativa unilateral
p valor PT t0 PT 3.919
Buscamos en la tabla de la distribucin Student la fila donde figuran 5 grados de libertad y vemos
que el valor 3.919 no est tabulado.
Pero 3.365 3.919 4.032 , y PT5 3.365 0.01 y PT5 4.032 0.005
Por lo tanto 0.005 PT5 3.919 0.01, es decir
0.005 p valor PT5 3.919 0.01
Podemos deducir que existe evidencia de que la media del pH es menor que 0.7
4.5 Prueba de hiptesis sobre la diferencia de dos medias, varianzas conocidas
Supongamos que tenemos dos variables aleatorias independientes normalmente distribuidas:

X 1 ~ N 1 , 12
y suponemos que las varianzas 12 y 22 son conocidas.

X 2 ~ N 2 , 2
2

Sean adems

X 11 , X 12 ,..., X 1n1 una muestra aleatoria de tamao n1 de X 1
X 21 , X 22 ,..., X 2 n2 una muestra aleatoria de tamao n 2 de X 2 .
El inters recae en probar que 1 2 0 donde 0 es un valor fijado, por ejemplo si 0 0

entonces se querr probar que 1 2 0 es decir que las medias son iguales.
Ya sabemos que bajo las suposiciones anteriores
1 n1 12
1

X 1i 1 , n
X ~ N
n1 i 1 1

X 1
n2
22
2 n2
X 2i ~ N
2 n
,
i 1 2
Y adems
12 22

X 1 X 2 ~ N 1 2 , .
n 1 n 2
Por lo tanto
X 1 X 2 1 2
Z ~ N0,1 , es decir, tiene distribucin normal estandarizada.
12 22

n1 n2
93
Si consideramos las hiptesis
H 0 : 1 2 0 contra H 1 : 1 2 0
X1 X 2 0
Entonces usamos como estadstico de prueba a Z
12 22

n1 n2
X1 X 2 0
Y Z ~ N0,1 si H 0 : 1 2 0 es verdadera
12 22

n1 n2
Por lo tanto la regla de decisin ser
rechazar H 0 si Z z
X1 X 2 0
2
donde Z
aceptar H 0 si Z z 12 22
2
n1 n2
rechazar H 0 si Z z

Si H 1 : 1 2 0 entonces la regla de decisin es
aceptar H 0 si Z z

rechazar H 0 si Z z

aceptar H 0 si Z z

Ejemplos:
1- Un diseador de productos est interesado en reducir el tiempo de secado de una pintura tapaporos.
Se prueban dos frmulas de pintura. La frmula 1 tiene el contenido qumico estndar, y la frmula 2
tiene un nuevo ingrediente secante que debe reducir el tiempo de secado. De la experiencia se sabe que
la desviacin estndar del tiempo de secado es 8 minutos, y esta variabilidad no debe verse afectada
por la adicin del nuevo ingrediente. Se pintan 10 especmenes con la frmula 1 y otros 10 con la fr-
mula 2 los tiempos promedio de secado muestrales fueron x1 121 minutos y x2 112 minutos res-
pectivamente.
A qu conclusiones debe llegar el diseador del producto sobre la eficacia del nuevo ingrediente uti-
lizando 0.05 ?
Solucin:
Aqu las hiptesis son H 0 : 1 2 0 contra H1 : 1 2 0
X1 X 2 121 112
El estadstico de prueba es Z y toma el valor z0 2.52
82 82 82 82

10 10 10 10
94
Buscamos en la tabla de la normal estndar z z0.05 1.645
Como z0 2.52 z z0.05 1.645 se rechaza H 0 al nivel 0.05 y se concluye que el nuevo ingredien-
te disminuye el tiempo de secado.
El clculo del p-valor y la deduccin de la probabilidad de cometer error de tipo II se obtienen de

manera anloga a los casos anteriores. Por ejemplo para la alternativa bilateral la expresin para
es la siguiente donde anotamos 1 2 0

Paceptar H 0 H 0 es falsa z z
2 12 22 2 12 22

n 1 n 2 n 1 n2
En el ejemplo anterior el p valor PZ z0 PZ 2.52 1 2.52 0 0059
Tambin es posible obtener frmulas para el tamao de la muestra necesario para obtener una espe-
cfica para una diferencia dada en las medias 1 2 0 y . Si asumimos que
n1 n2 n entonces

2
z z 2 2
0
n 2 1 2
Para H 1 : 1 2 0 es
2
Para H 1 : 1 2 0 o H 1 : 1 2 0 es n
z z 0
2
1
2
2
2

2
4.6 Prueba de hiptesis sobre la diferencia de dos medias, varianzas desconocidas
Caso 1: 12 22

X 1 ~ N 1 , 12 y las varianzas 12 y 22 son desconocidas .

X 2 ~ N 2 , 2
2

y adems
95
X 11
, X 12 ,..., X 1n1 es una muestra aleatoria de tamao n1 de X 1
X 21 , X 22 ,..., X 2 n2 es una muestra aleatoria de tamao n 2 de X 2 .
Si las muestras aleatorias se toma de una distribucin normal, donde 1 y 2 son desconocidos,
n1 30 y n2 30 , entonces se puede probar que al reemplazar 1 por S1 y 2 por S2, el estadstico
X 1 X 2 ( 1 2 ) N (0,1) aproximadamente
.
2 2
S1 S 2
n1 n2
Por lo tanto si anotamos Z X 1 X 2 0 valen las reglas de decisin vistas en la seccin

2 2
S1 S 2
n1 n2
anterior, con la diferencia que el nivel de significancia del test ser aproximadamente 1
Si ahora n1 o n 2 no son mayores que 30, entonces

X 1 X 2 0
T
*
2 2
S1 S 2
n1 n2
tiene distribucin aproximadamente Student con grados de libertad bajo la hiptesis
H 0 : 1 2 0 donde
2
2
S1 S2
n1 n2 si no es entero, se toma el entero ms prximo a
2

2 2
S12 S 22
n1
n 2
n1 1 n2 1
Por lo tanto, si las hiptesis son
H 0 : 1 2 0 contra H 1 : 1 2 0 entonces la regla de decisin es
rechazar H 0 si T * t
,
2
aceptar H 0 si T t ,
*
rechazar H 0 si T * t ,

*
96
rechazar H 0 si T * t ,

*
Ejemplo:
Un fabricante de monitores prueba dos diseos de microcircuitos para determinar si producen un flujo
de corriente equivalente. El departamento de ingeniera ha obtenido los datos siguientes:
Diseo 1 n1 15 x1 24.2 s12 10

Diseo 2 n2 10 x 2 23.9 s 22 20
Con 0.10 se desea determinar si existe alguna diferencia significativa en el flujo de corriente me-
dio entre los dos diseos, donde se supone que las poblaciones son normales.
Solucin:
Las variables aleatorias de inters son
X 1 : flujo de corriente en diseo 1
X 2 : flujo de corriente en diseo 2

Asumimos que X 1 ~ N 1 , 12 y X 2 ~ N 2 , 22 donde los parmetros son desconocidos
Las hiptesis seran H 0 : 1 2 0 contra H 1 : 1 2 0
El estadstico de prueba es
X1 X 2 24.2 23.9
T que en este caso toma el valor t 0 0.18
* *
2 2
S1 S 2 10 20

15 10 15 10
Debemos buscar en la tabla de la distribucin Student t t 0.10 entonces calculamos
, ,
2 2
2
2
S1 S2
n1
2

n2

14.933 15

2
S 12 S2
2
n1

n2

n1 1 n2 1
Por lo tanto t t 0.05,15 1.753

,
2
Como t 0 0.18 t 0.05,15 1.753 entonces se acepta H 0 : 1 2 0

*
No hay evidencia fuerte que las medias de los dos flujos de corriente sean diferentes.
Si calculamos el p-valor

p valor P T * t 0* P T * 0.18 0.40
97
Caso 2: 12 22 2

X 1 ~ N 1 , 12 y las varianzas 12 y 22 son desconocidas pero iguales.

X 2 ~ N 2 , 2
2

y adems

X 11 , X 12 ,..., X 1n1 es una muestra aleatoria de tamao n1 de X 1
Sean X 1 y X 2 las medias muestrales y S12 y S 22 las varianzas muestrales. Como S12 y S 22 son los
estimadores de la varianza comn 2 , entonces construimos un estimador combinado de 2 . Este
estimador es
n1 1S12 n2 1S 22
S 2
n1 n2 2
p
Se puede comprobar que es un estimador insesgado de 2 .

Ya vimos que se puede probar que el estadstico

X1 X 2 0
T tiene distribucin Student con n1 n2 2 grados de libertad
1 1
Sp
n1 n2
Por lo tanto, si las hiptesis son
H 0 : 1 2 0 contra H 1 : 1 2 0 entonces la regla de decisin es
rechazar H 0 si T t
, n1 n2 2
2
aceptar H 0 si T t , n1 n2 2
2
rechazar H 0 si T t ,n1 n2 2

aceptar H 0 si T t ,n1 n2 2

rechazar H 0 si T t ,n1 n2 2

H
Si 1 1 : 0 entonces la regla de decisin es
2
aceptar H 0 si T t ,n1 n2 2

Ejemplo:
Se tienen las mediciones del nivel de hierro en la sangre de dos muestras de nios: un grupo de nios
sanos y el otro padece fibrosis qustica. Los datos obtenidos se dan en la siguiente tabla:
sanos n1 9 x1 18.9 s12 5.9 2

enfermos n2 13 x 2 11.9 s 22 6.3 2
98
Podemos asumir que las muestras provienen de poblaciones normales independientes con iguales va-
rianzas.
Es de inters saber si las dos medias del nivel de hierro en sangre son iguales o distintas. Utilizar
0.05
Solucin:
Las variables de inters son
X 1 : nivel de hierro en sangre de un nio sano tomado al azar
X 2 : nivel de hierro en sangre de un nio con fibrosis qustica tomado al azar

Asumimos que X 1 ~ N 1 , 2 y X 2 ~ N 2 , 2
Consideramos las hiptesis
H 0 : 1 2 0 contra H 1 : 1 2 0
Para calcular el valor del estadstico de prueba, primero calculamos
n1 1S12 n2 1S 22 9 15.9 2 13 16.3 2

Sp S 2
6.14
n1 n 2 2 9 13 2
p

X1 X 2 18.9 11.9
1 1 1 1
Sp 6.14
9 13 9 13
Buscamos en la tabla de la distribucin Student t t 0.025, 20 2.086

, n1 n2 2
2
Como t 0 2.63 t 0.025, 20 2.086 entonces se rechaza H 0 : 1 2 0
Si calculamos el p-valor de la prueba
p valor 21 PT t 0 21 PT 2.63 2PT 2.63
Vemos de la tabla de la Student que t 0.01, 20 2.528 y t 0.005, 20 2.845 por lo tanto
2 0.005 p valor 2PT 2.63 2 0.01 es decir 0.01 p valor 0.02
4.7 Prueba de hiptesis sobre la diferencia de dos medias para datos de a pares
Ya se vio el caso, cuando se habl de intervalos de confianza para una diferencia de medias, de datos

dados de a pares, es decir X 11, X 21 ; X 12 , X 22 ;...; X 1n1 , X 2n .
Las variables aleatorias X 1 y X 2 tienen medias 1 y 2 respectivamente.
Consideramos D j X 1 j X 2 j con j 1,2,..., n .
Entonces
99
E D j E X 1 j X 2 j E X 1 j E X 2 j 1 2
y
V D j V X 1 j X 2 j V X 1 j V X 2 j 2CovX 1 j , X 2 j 12 22 2Cov X 1 , X 2
Estimamos E D j 1 2 con D X 1 j X 2 j X 1 X 2
1 n 1 n
j n
n j 1
D
j 1
En lugar de tratar de estimar la covarianza, estimamos la V D j con S D D

n
2 1 2
n 1
D j
j 1
Anotamos D 1 2 y 2
D V D j
Asumimos que D j ~ N D , D 2
con j 1,2,..., n
Las variables aleatorias en pares diferentes son independientes, no lo son dentro de un mismo par.
Para construir una regla de decisin nuevamente, consideramos el estadstico
D D
T con distribucin t n 1
SD / n
Si tenemos las hiptesis
H 0 : 1 2 0 contra H1 : 1 2 0
Entonces el estadstico de prueba es

D 0
T y tiene distribucin t n 1 si H 0 : 1 2 0 es verdadera
SD / n
rechazar H 0 si T t
,n 1 D 0
Por lo tanto, la regla de decisin es 2
donde T
aceptar H 0 si T t ,n1 SD / n
2

Si H1 : 1 2 0 entonces la regla de decisin es aceptar H 0 si T t ,n1


Si H1 : 1 2 0 entonces la regla de decisin es aceptar H 0 si T t ,n1

Ejemplo:
Se comparan dos microprocesadores en una muestra de 6 cdigos de puntos de referencia para determi-
nar si hay una diferencia en la rapidez. Los tiempos en segundos utilizados para cada procesador en cada
cdigo estn dados en la siguiente tabla:
100
Cdigo
1 2 3 4 5 6
Procesador A 27.2 18.1 27.2 19.7 24.5 22.1
Procesador B 24.1 19.3 26.8 20.1 27.6 29.8
Puede concluir que las medias de la rapidez de ambos procesadores son diferentes con nivel de signifi-
cancia 0.05?
Solucin:
X 1 : rapidez del procesador A en un cdigo tomado al azar
X 2 : rapidez del procesador B en un cdigo tomado al azar
Como ambas variables se miden sobre un mismo cdigo no podemos asumir que son independientes.
Las hiptesis son H 0 : 1 2 0 contra H1 : 1 2 0
Necesitamos la muestra de las diferencias D j :
3.1, -1.2; 0.4; -0.4; -3.1; -7.7
De esta muestra obtenemos d 1.483333 y sD 3.66246
Adems 0.05 t t 0.025,5 2.571

,n 1
2
D 1.483333
SD / 6 3.66246 / 6
Como t 0 0.99206 t t 0.025,5 2.571 entonces se acepta la hiptesis nula. No hay evidencia de que
,n 1
2
las medias de la rapidez de ambos procesadores sean diferentes.
4.8 Tests de hiptesis sobre la varianza
Supongamos que se desea probar la hiptesis de que la varianza de una poblacin normal es igual a un
valor especfico, por ejemplo 0 .
2
Sea X1 , X 2 ,..., X n una muestra aleatoria de tamao n de una v.a. X, donde X ~ N ( , 2 ) .

2
X i X
1 n
Tomamos como estimador puntual de 2 a S 2
n 1 11
Luego a partir de este estimador puntual construimos el estadstico X

n 1S 2
2
Este estadstico contiene al parmetro desconocido a estimar 2 y ya sabemos que tiene una distribu-
cin llamada ji-cuadrado con n-1 grados de libertad
H 0 : 2 02 contra H1 : 2 02
Tomamos como estadstico de prueba a
101
X
n 1S 2 y si H 0 : 2 02 es verdadera , entonces X
n 1S 2 ~ n21
0 2
0 2
Nuevamente, el razonamiento es: si el estadstico X que bajo H 0 : 2 02 tiene distribucin n21 toma
un valor inusual, se considera que hay evidencia en contra H0
Recordar que la distribucin n21 es asimtrica. Entonces la regla de decisin es
recahzar H 0 si X 2 X 2
,n 1 1 ,n 1
X
n 1S 2
2 2
donde
aceptar H 0 si 2
X 2
02
1 ,n 1 ,n 1
2 2
recahzar H 0 si X 2 ,n1

Si H1 : 2 02 entonces la regla de decisin es
aceptar H 0 si X ,n1
2
recahzar H 0 si X 12 ,n1

aceptar H 0 si X 1 ,n1
2
Para calcular el p-valor, si el estadstico X tom el valor x0 , y teniendo en cuenta que no hay simetra en
la distribucin ji-cuadrado, hacemos:
Si H1 : 2 02 entonces p valor P X x0
Si H1 : 2 02 entonces p valor P X x0

Si H1 : 2 02 entonces p valor 2 min P X x0 , P X x0

Ejemplo:
Consideremos nuevamente el ejemplo visto en la seccin de intervalos de confianza para la varianza
sobre la mquina de llenado de botellas. Al tomar una muestra aleatoria de 20 botellas se obtiene una
varianza muestral para el volumen de llenado de s 2 0.0153 oz2.
Si la varianza del volumen de llenado es mayor que 0.01 oz2, entonces existe una proporcin inaceptable
de botellas que sern llenadas con una cantidad menor de lquido. Existe evidencia en los datos mues-
trales que sugiera que el fabricante tiene un problema con el llenado de las botellas? Utilice 0.05
Solucin:
La variable de inters es X: volumen de llenado de una botella tomada al azar
Asumimos X ~ N ( , 2 )
Los datos son s 2 0.0153 de una muestra de tamao n 20
Las hiptesis son H 0 : 2 0.01 contra H1 : 2 0.01
0.05 2 ,n1 02.05,19 30.14
102
El estadstico de prueba es X
n 1S 2
19 S 2
y toma el valor
02 0.01
19 S 2 19 0.0153
x0 29.07
0.01 0.01
Como x0 29.07 02.05,19 30.14 entonces no hay evidencia fuerte de que la varianza del volumen
de llenado sea menor que 0.01
Para calcular el p-valor
p valor P X x0 P X 29.07
Buscamos en la tabla de la distribucin ji-cuadrado y vemos que en la fila con 19 no figura 29.07,
pero 27.20 < 29.07 < 30.14, y adems
P X 27.20 0.10
0.05 p valor 0.10
P X 30.14 0.05
En la figura siguiente se ilustra la situacin
4.9 Tests de hiptesis sobre la igualdad de dos varianzas
Supongamos que tenemos inters en dos poblaciones normales independientes, donde las medias y las
varianzas de la poblacin son desconocidas. Se desea probar la hiptesis sobre la igualdad de las dos
varianzas, especficamente:

X 1 ~ N 1 , 12 y 1 ; 2 ; 12 y 22 son desconocidos

X 2 ~ N 2 , 2
2

y adems
103
X 11
, X 12 ,..., X 1n1 es una muestra aleatoria de tamao n1 de X 1
Sean S12 y S 22 las varianzas muestrales, S12 y S 22 son los estimadores de 12 y 22 respectivamente.
Consideramos el estadstico
S12
12
F
S 22
22
Notar que F contiene al parmetro de inters 22 , pues F

S12 22
12 S 22 12
Sabemos que F tiene una distribucin llamada Fisher con n1 1 y n2 1 grados de libertad.
Sean las hiptesis H 0 : 1 22 H1 : 1 22

2 2
contra
S12
Tomamos como estadstico de prueba a F
S 22
S12
Vemos que F ~ Fn1 1,n2 1 si H 0 : 1 22 es verdadera
2
2
S2
Recordando que la distribucin Fisher es asimtrica, la regla de decisin es

rechazar H si F f 0
, n11 , n 2 1 F f 1
, n11 , n 2 1

2 2
aceptar H si f 1 f
1 F

0 , n11 , n 2 n 1n
, ,
1
2 2 1 2

2

rechazar H si F f n 1 n 1
0 , ,

1 2

aceptar H si F f n 1 n 1
0 ,
1
,
2
Si H1 : 1
2 2
2 entonces la regla de decisin es
recahzar H si F f 1 n 1 n 1
0 , ,

1 2

aceptar H si F f 1 n 1 n 1
0 ,
1
,
2
Para calcular el p-valor, si el estadstico F tom el valor f 0 , y teniendo en cuenta que no hay simetra
en la distribucin Fisher, hacemos:
Si H1 : 1 22 entonces p valor PF f 0
2
Si H1 : 1 22 entonces p valor PF f 0
2

Si H1 : 1 22 entonces p valor 2 min PF f 0 , PF f 0
2
Ejemplo:
En una serie de experimentos para determinar la tasa de absorcin de ciertos pesticidas en la piel se
aplicaron cantidades medidas de dos pesticidas a algunos especmenes de piel. Despus de un tiempo
104
se midieron las cantidades absorbidas (en g ). Para el pesticida A la varianza de las cantidades absor-
bidas en 6 muestras fue de 2.3; mientras que para el B la varianza de las cantidades absorbidas en 10
especmenes fue de 0.6. Suponga que para cada pesticida las cantidades absorbidas constituyen una
muestra aleatoria de una poblacin normal. Se puede concluir que la varianza en la cantidad absorbi-
da es mayor para el pesticida A que para el B? Utilizar 0.05
Solucin:
X 1 : cantidad absorbida de pesticida A en un espcimen de piel tomado al azar
X 2 : cantidad absorbida de pesticida B en un espcimen de piel tomado al azar

Asumimos que X 1 ~ N 1 , 1
2
y
X 2 ~ N 2 , 2
2

Las hiptesis son H 0 : 1 22 H1 : 1 22
2 2
contra
Los datos son s12 2.3 y s22 0.6
n1 6 ; n2 10
S12 2.3
El estadstico de prueba es F 2
y toma el valor f 0 3.83
S2 0.6
Buscamos en la tabla de la distribucin Fisher f 0.05,5,9 3.48
2.3
Como f 0 3.83 3.48 f 0.05,5,9 se rechaza H 0 : 1 22
2
0.6
Para saber cunta evidencia hay contra la hiptesis nula, calculamos el p-valor
De la tabla de la Fisher vemos que f 0.05,5,9 3.48 3.83 f 0.01,5,9 6.06
Por lo tanto 0.01 p valor 0.05
En la figura siguiente se ilustra la situacin
105
4.10 Tests de hiptesis sobre una proporcin
En muchos problemas se tiene inters en una variable aleatoria que sigue una distribucin binomial.
Por ejemplo, un proceso de produccin que fabrica artculos que son clasificados como aceptables o
defectuosos. Lo ms usual es modelar la ocurrencia de artculos defectuosos con la distribucin bino-
mial, donde el parmetro binomial p representa la proporcin de artculos defectuosos producidos.
En consecuencia, muchos problemas de decisin incluyen una prueba de hiptesis con respecto a p.
Consideremos las hiptesis
H 0 : p p0 contra H1 : p p0
Supongamos que consideramos una muestra aleatoria X 1 , X 2 ..., X n de tamao n , donde Xi tiene
una distribucin binomial con parmetros 1 y p: Xi ~ B(1,p).
Ya sabemos que X X 1 X 2 ... X n , es una v.a. cuya distribucin es binomial con parmetros n
X
y p: X~B(n,p). De acuerdo con esto, la variable aleatoria P definida: P representa la proporcin
n
de individuos de la muestra que verifican la propiedad de inters.
Adems
p1 p
X 1

X 1
E P E E X np p , y V P V 2 np1 p
1
n n n n n n
Consideramos el estadstico de prueba
P p0
Z
p0 1 p0
n
P p0
Si H 0 : p p0 es verdadera entonces Z N (0,1) aproximadamente por T.C.L.
p0 1 p0
n
rechazar H 0 si Z z
P p0
2
donde Z
aceptar H 0 si Z z p0 1 p0
2
n
rechazar H 0 si Z z

Si H1 : p p0 entonces la regla de decisin es
aceptar H 0 si Z z

rechazar H 0 si Z z

Si H1 : p p0 entonces la regla de decisin es
aceptar H 0 si Z z

106
Observaciones:
1- La prueba descrita anteriormente requiere que la proporcin muestral est normalmente distribuida.
Esta suposicin estar justificada siempre que np0 10 y n1 p0 10 , donde p0 es la proporcin
poblacional que se especific en la hiptesis nula.
X np0
2- Tambin se poda haber tomado como estadstico de prueba a Z donde X~B(n,p)
np0 1 p0
Ejemplo:
Un fabricante de semiconductores produce controladores que se emplean en aplicaciones de motores
automovilsticos. El cliente requiere que la fraccin de controladores defectuosos en uno de los pasos
de manufactura crticos no sea mayor que 0.05, y que el fabricante demuestre esta caracterstica del
proceso de fabricacin con este nivel de calidad, utilizando 0.05 . E fabricante de semiconductores
toma una muestra aleatoria de 200 dispositivos y encuentra que 4 de ellos son defectuosos. El fabri-
cante puede demostrar al cliente la calidad del proceso?
Solucin:
Sea la v.a. X: nmero de controladores defectuosos en la muestra
Entonces X ~ B(200, p) donde p es la proporcin de controladores defectuosos en el proceso
Las hiptesis son H 0 : p 0.05 contra H1 : p 0.05
Como 0.05 entonces z z0.05 1.645
P p0 P 0.05
El estadstico de prueba es Z y toma el valor z0 1.95
p0 1 p0 0.051 0.05
n 200
Como z0 1.95 z z0.05 1.645 entonces se rechaza H 0 , y se concluye que la fraccin de
controladores defectuosos es menor que 0.05.
Calculamos el p-valor

p valor P Z 1.95 1.95 0.0256
Valor de y seleccin del tamao de la muestra
Podemos obtener expresiones aproximadas para la probabilidad de cometer error de tipo II de manera
anloga a las obtenidas para los test para la media
Si H1 : p p0 entonces

p P aceptar H 0 H 0 es falsa

p0 (1 p0) p0 (1 p0)
p0 p z p0 p z
2 n 2 n

p(1 p) p(1 p)
n n

107
p0 1 p0
p0 p z

p P aceptar H 0 H 0 es falsa 1

n

p1 p

n
p0 1 p0
p0 p z

p P aceptar H 0 H 0 es falsa

n

p1 p

n
Estas ecuaciones pueden resolverse para encontrar el tamao aproximado de la muestra n para que con
un nivel de significancia de la probabilidad de cometer error de tipo II sea menor o igual que un
valor especfico 0 . Las ecuaciones se deducen como en casos anteriores y son
p0 1 p0 z 0 p1 p
2
z

Si H1 : p p0 entonces n 2
p p0

p0 1 p0 z 0 p1 p
2
z
Si H1 : p p0 H1 : p p0 entonces n
p p0

Ejemplo:
Volviendo al ejemplo anterior, supongamos que la verdadera proporcin de componentes defectuosos
en el proceso es p 0.03 , cul es el valor de si n 200 y 0.05 ?
Solucin:
Ya que la alternativa es H1 : p p0 aplicamos la frmula
p0 1 p0
p 0 p z

p P aceptar H 0 H 0 es falsa 1 n

p1 p

n
0.051 0.05
0.05 0.03 1.645
1 n 1 0.44 0.67
0.031 0.03

200
Como la probabilidad de aceptar que el proceso tiene la calidad deseada cuando en realidad p 0.03
es bastante alta, podemos preguntar qu tamao de muestra se necesita para que en el test anterior sea
108
0.1 si la verdadera proporcin de defectuosos es p 0.03 . En este caso aplicamos la frmula

donde z 0 z0.1 1.28
p0 1 p0 z 0 p1 p 1.645 0.051 0.05 1.28 0.031 0.03

2
z
2
n 832
p p0 0 .03 0.05

La muestra requerida es muy grande, pero la diferencia a detectar p p0 0.03 0.05 es bastante pe-
quea.
4.11 Tests de hiptesis sobre dos proporciones
Las pruebas de hiptesis sobre diferencia de medias pueden adaptarse al caso donde tenemos dos pa-
rmetros binomiales p1 y p 2 de inters.
Especficamente, supongamos que se toman dos muestras aleatorias

X 11 , X 12 ,..., X 1n1 es una muestra aleatoria de tamao n1 de X 1
X 21 , X 22 ,..., X 2 n2 es una muestra aleatoria de tamao n 2 de X 2
Donde X 1 ~ B(1, p1 ) ; X 2 ~ B(1, p2 ) y X 1 y X 2 independientes.
1 n1 1 n2
Ya sabemos que P1 X 1i y P2 X 2i son estimadores insesgados de p1 y p 2 respecti-
n1 i 1 n2 i 1
p 1 p1 p 1 p2
vamente, con varianzas V P1 1
n1

y V P2 2
n2

H 0 : p1 p2 0 contra H1 : p1 p2 0
Notar que si la hiptesis nula es verdadera entonces p1 p2 p , donde p es desconocido.

P1 P2
El estadstico Z tiene distribucin aproximadamente N (0,1) por T.C.L. si
1 1
p1 p
n1 n2
n1 n2
X 1i X 2i
H 0 : p1 p2 0 es verdadera. Tomamos como estimador de p a P i 1 i 1
y lo reempla-
n1 n2
zamos en Z
P1 P2
Entonces el estadstico de prueba es Z que bajo H 0 : p1 p2 0 se puede pro-
1 1
P 1 P
n1 n2
bar que tiene distribucin aproximadamente N (0,1)
109
rechazar H 0 si Z z
P1 P2
Entonces la regla de decisin es 2
donde Z

aceptar H 0 si Z z 1 1
2 P 1 P
n1 n2
rechazar H 0 si Z z

Si H1 : p1 p2 0 entonces la regla de decisin es
aceptar H 0 si Z z

rechazar H 0 si Z z

Si H1 : p1 p2 0 entonces la regla de decisin es
aceptar H 0 si Z z

Ejemplo:
En una muestra de 100 lotes de un producto qumico comprado al distribuidor A, 70 satisfacen una
especificacin de pureza. En una muestra de 70 lotes comprada al distribuidor B, 61 satisfacen la es-
pecificacin. Pude concluir que una proporcin mayor de los lotes del distribuidor B satisface la es-
pecificacin?
Solucin:
Los parmetros de inters son p1 y p 2 las verdaderas proporciones de lotes que cumplen las especifi-
caciones de pureza.
1 n1
Tenemos una muestra aleatoria X 11 , X 12 ,..., X 1n1 de tamao n1 100 donde P1 X 1i

n1 i 1
70
100
0.7

n2
1 61
Y otra muestra X 21 , X 22 ,..., X 2 n2 de tamao n2 70 donde P2
n2
X
i 1
2i
70
Las hiptesis son H 0 : p1 p2 0 contra H1 : p1 p2 0
n1 n2
P1 P2 X 1i X 2i
El estadstico de prueba es Z donde P i 1 i 1
n1 n2

1 1
P 1 P
n1 n2
n1 n2
X 1i X 2i 70 61 131
En este caso P i 1 i 1

n1 n2 100 70 170
70 61

El estadstico toma el valor z 0 100 70 2.6163
131 131 1 1
1
170 170 100 70
110
Para saber cunta evidencia hay contra H 0 : p1 p2 0 calculamos el p-valor

p valor 2.6163 0.0045
Como el p-valor es menor que 0.05, se considera que hay mucha evidencia contra H 0 : p1 p2 0 y
se rechaza la hiptesis nula.
Valor de
Cuando H 0 : p1 p2 0 es falsa, la varianza de P1 P2 es
p 1 p1 p2 1 p2

V P1 P2 V P1 V P2 1
n1

n2
p1 1 p1 p2 1 p2
1 2

Anotamos P P V P1 P2 V P1 V P2
n1

n2
Entonces
Si H1 : p1 p2 0
1 1 1 1
z pq p1 p2 z pq p1 p2
2
n1 n2
2
n1 n2

P1 P2 P1 P2

Donde p P y q 1 p

z pq 1 1 p p
n n 1 2

1 2
Si H1 : p1 p2 0 entonces
P1 P2

z pq 1 1 p p
n n 1 2

1 2
Si H1 : p1 p2 0 entonces 1
P1 P2

Podemos deducir frmulas para el tamao de la muestra, nuevamente asumiendo que n1 n2 n
111
Prctica
Test de Hiptesis
Para cada uno de los ejercicios, modelice la situacin y responda las siguientes preguntas:
a) cul es la hiptesis nula y cul es la alternativa?
b) cul es el estadstico que utiliza y qu distribucin tiene bajo H0?
c) cul es la zona de rechazo? Dibjela.
d) cul es su conclusin para los datos observados? Recuerde responder en relacin al enuncia-
do.
e) Puede dar una idea del p-valor? es exacto o aproximado?
1) Para cada una de las siguientes aseveraciones, exprese si es una hiptesis estadstica legtima y
por qu:
a) H: > 0 b) H: s 0.20 c) H: X Y 5 d) H: 1/ 2 < 1 f) 0.1
2) Para los siguientes pares de aseveraciones, indique cules no satisfacen las reglas de establecer
hiptesis y por qu:
a) H0: = 100 contra H1 : > 100
b) H0: = 20 contra H1 : 20
c) H0: p 0.25 contra H1 : p 0.25
d) H0: p1 p2 = -0.1 contra H1: : p1 p2 < 0.1
3) Para determinar si las soldaduras de las tuberas en una planta nuclear satisfacen las
especificaciones, se selecciona una muestra aleatoria de soldaduras. La resistencia de la
soldadura se mide como la fuerza requerida para romperla. Suponga que las especificaciones
indican que la resistencia media de las soldaduras deber exceder de 100lb/pulg2, el equipo
de inspeccin decide probar H0: = 100 contra H1 : > 100. explique por qu podra ser
preferible utilizar esta H1 en lugar de < 100.
4) Sea el estadstico de prueba Z con una distribucin normal estndar cuando H0 es verdadera.
D el nivel de significancia en cada una de las siguientes situaciones:
a) H1: > 0 , regin de rechazo z 1.88
b) H1: < 0 , regin de rechazo z 2.75
c) H1: 0 , regin de rechazo z 2.88 o z -2.88
5) Se supone que una mquina que llena cajas de cereal est calibrada, por lo que la media del
peso de llenado es de 340 gr.
Sea la media verdadera del peso de llenado. Suponga que en una prueba de hiptesis
H0: 340 contra H1: 340 , el p-valor es 0.30.
a) Se debe rechazar H0 con base en esta prueba?. Explique
b) Puede concluir que la mquina est calibrada y decir que la media del peso de llenado es
de 340 gr?. Explique.
6) Se disea un programa de tratamiento de aguas residuales para producir agua tratada con pH
de 7. Sea la media del pH del agua tratada mediante dicho proceso. Se medir el pH de 25
muestras de agua y se realizar una prueba de hiptesis H0: = 7 contra H1 : 7. Suponga
que se sabe, con base a experimentos previos, que la desviacin estndar del pH de las mues-
112
tras de gua es aproximadamente 0.5 y que se puede asumir que las muestras provienen de una
poblacin normal.
a) Si la prueba se hace a un nivel de 5%, cul es la regin de rechazo?
b) Si la media muestra del pH es 6.87, se rechaza H0 a un nivel de 10%?
c) Si la media muestra del pH es 6.87, se rechaza H0 a un nivel de 1%?
d) Si el valor 7.2 representa un punto crtico, cul es el nivel de la prueba?
7) Cuando est operando adecuadamente, una planta qumica tiene una media de produccin
diaria de por lo menos 740 toneladas. La produccin se mide en una muestra aleatoria simple
de 60 das. La muestra tena una media de 715 toneladas por da y desviacin estndar de 24
toneladas por da. Sea la media de la produccin diaria de la planta. Un ingeniero prueba que
H0: 740 contra H1: 740 .
a) Determine el p-valor
b) Piensa que es factible que la planta est operando adecuadamente o est convencido de
que la planta no funciona en forma adecuada?. Explique su razonamiento.
8) Pruebe la hiptesis de que el contenido medio de los envases de un lubricante especfico es de

10 litros, si los contenidos de una muestra aleatoria de 10 envases son:
10.2 9.7 10.1 10.3 10.1 9.8 9.9 10.4 10.3 9.8
Utilice un nivel de significancia de 0.01 y suponga que la distribucin del contenido es nor-
mal.
9) Un ingeniero de control de calidad midi el espesor de la pared de 25 botellas de vidrio de dos

litros. Por experiencia previa se puede asumir que los datos provienen de una poblacin
aproximadamente normal. La media muestral es 4.05 mm, y la desviacin estndar muestral es
0.08 mm.
a) El ingeniero construye un intervalo de confianza para la media del espesor de las botellas de
vidrio de 95% de 4.05 (1.96)(0.08) / 25 Es esto correcto?.Por qu si o por qu no?
b) Si no se puede afirmar que la muestra se extrajo de una poblacin normal, el siguiente in-
tervalo sera correcto 4.05 (2.064)(0.08) / 25 ?. Por qu si o por qu no?
10) Para determinar el efecto del grado de combustible en la eficiencia del combustible, 80 nue-
vos automviles de la misma marca, con motores idnticos, fueron conducidos cada uno
durante 1000 millas. Cuarenta de los automviles funcionaron con combustible regular y
otros 40 con combustible de grado Premium; los primeros tenan una media de 27.2 mi-
lla/galn, con desviacin estndar de 1.2 milla/galn. Los segundos tenan una media de
28.1 milla/galn y una desviacin estndar de 2.0 milla/galn. Puede concluir que este tipo
de automvil tiene mejor millaje con combustible Premium? Utilice el p-valor.
11) Se prob la velocidad en cierta aplicacin de 50 chips nuevos de computadora, con otra can-
tidad igual de diseo viejo. La velocidad promedio, en MHz, de los nuevos chips fue de
495.6, y la desviacin estndar de 19.4. La velocidad promedio de los chips viejos fue de
481.2, y la desviacin estndar fue de 14.3.
a) Se puede concluir que la media de la velocidad de los nuevos es mayor que la de los
chips viejos?. Establezca las hiptesis nula y alternativa adecuadas y despus encuentre el
p-valor.
b) Una muestra de 60 chips an ms viejos tena velocidad promedio de 391.2 MHz, con
desviacin estndar de 17.2 MHz. Alguien afirma que los nuevos chips tienen tienen una
velocidad promedio mayor a 100 MHz que los ms viejos. Los datos proporcionan evi-
113
dencias convincentes para esta afirmacin? . Establezca las hiptesis nula y alternativa y
despus determine el p-valor.
12) Se considera usar dos marcas diferentes de pintura ltex. El tiempo de secado en horas se
mide en especmenes de muestras del uso de las dos pinturas. Se seleccionan 15 especmenes
de cada una y los tiempos de secado son lo siguientes:
Pintura A:
3.5, 2.7, 3.9, 4.2, 3.6, 2.7, 3.3, 5.2, 4.2, 2.9, 4.4, 5.2, 4.0, 4.1, 3.4
Pintura B:
4.7, 3.9, 4.5, 5.5, 4.0, 5.3, 4.3, 6.0, 5.2, 3.7, 5.5, 6.2, 5.1, 5.4, 4.8
Suponga que el tiempo de secado se distribuye normalmente con A B , y que ambos
tiempos de secado son independientes. Encuentre un intervalo de confianza para la diferen-
cia de las medias A B de nivel 95%.
13) Se estudia el flujo de transito en dos intersecciones transitadas entre las 4 P.M. y las 6 P.M.
para determinar la posible necesidad de seales de vuelta. Se descubri que en 21 das labo-
rales hubo en promedio 247.3 automviles que se aproximaron a la primera interseccin des-
de el sur y dieron vuelta a la izquierda, mientras que en 11das laborales hubo en promedio
254.1 automviles que se aproximaron a la segunda interseccin desde el sur y dieron vuelta
a la izquierda. Las desviaciones estndar muestrales correspondientes son s1 = 15.2 y s2 =
18.7
Suponga que las distribuciones son normales y que hay independencia entre ambas muestras.
Pruebe la hiptesis nula 1 - 2 = 0 contra la alternativa 1 - 2 0 con nivel de significan
cia = 0.01
14) La directiva de una compaa de taxis est tratando de decidir si debe cambiar de neumticos
normales a neumticos radiales para mejorar el ahorro de combustible. Se equiparon cada
uno de los diez taxis con uno de los dos tipos de neumticos y se condujeron en una trayec-
toria de prueba. Sin cambiar de conductores, se seleccion el tipo de neumticos y se repiti
la trayectoria de prueba. El ahorro de combustible (en milla/galn) para los diez automviles
es:
Automvil
1 2 3 4 5 6 7 8 9 10
radial 32.1 36.1 32.3 29.5 34.3 31.9 33.4 34.6 35.2 32.7
normal 27.1 31.5 30.4 26.9 29.9 28.7 30.2 31.8 33.6 29.9
Asuma que la diferencia en ahorro de combustible entre ambos neumticos es aproximada-

mente normal.
a) Debido a que el cambio de neumticos en la flota de taxis es caro, la directiva no quiere
cambiar a menos que una prueba de hiptesis proporcione evidencias de que mejorar el
millaje. Establezca la hiptesis nula y alternativa adecuadas, y encuentre el p-valor.
b) Un anlisis costo-beneficio muestra que ser provechoso cambiar a neumticos radiales si
la media de la mejora del millaje es mayor a dos millas /galn. Establezca la hiptesis
nula y alternativa adecuadas, y encuentre el p-valor, para una prueba de hiptesis diseada
como base de la decisin de cambiar.
15) El departamento de seguridad de un gran edificio de oficinas quiere probar la hiptesis nula
de que 2.0 minutos para el tiempo que tarda un guardia en realizar su rondn contra la
hiptesis alternativa de que 2.0 minutos. Qu se puede concluir con un nivel de signi-
114
ficancia de 0.01, si una muestra aleatoria de tamao n = 31 da como resultado s = 1.8 minu-
tos?. Asuma que la muestra proviene de una distribucin normal.
16) Con referencia al ejercicio 13) use el nivel de significancia de 0.05 para probar la afirmacin
de que existe una mayor variabilidad en el nmero de automviles que dan vuelta a la iz-
quierda aproximndose desde el sur entre 4 P.M. y 6 P.M. en la segunda interseccin.
17) Un fabricante de estaciones de trabajo de computadora est probando un nuevo proceso de

ensamble automatizado. El proceso actual tiene una tasa de defectos de 5%. En una muestra
de 400 estaciones de trabajo ensambladas con el nuevo proceso, 15 tenan defecto. Se puede
concluir que el nuevo proceso tiene una tasa menor de defectos?. Calcule el p-valor.
18) En una muestra de 100 lotes de un producto qumico comprado al distribuidor A, 70 satisfa-
cen una especificacin de pureza. En una muestra de 70 lotes comprada al distribuidor B, 61
satisfacen la especificacin. Puede concluir que una proporcin mayor de los lotes del dis-
tribuidor B satisface la especificacin?. Utilice el p-valor.
115

Test de Hipotesis

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Test de Hipotesis

Uploaded by

Copyright:

Available Formats

Test de hiptesis Prof. Mara B.

4- Test o prueba de hiptesis

H 0 : 100 contra H1 : 100 (hiptesis alternativa unilateral)

H 0 : 100 contra H1 : 100 (hiptesis alternativa unilateral)

H 0 : 100 contra H1 : 100 (hiptesis alternativa bilateral)

En el ejemplo tenemos X 1 , X 2 ,..., X 50 muestra aleatoria de la v.a. X definida anteriormente.

A P(error de tipo I ) se lo conoce como nivel de significancia del test.

En el ejemplo anterior la muestra es grande, ya sabemos que por T.C.L. el estadstico

Entonces para calcular planteamos:

En este caso el grfico de la zona de rechazo es

Tambin se puede reducir aumentando el tamao de la muestra. Supongamos que n 85 , entonces

Tambin es importante examinar la probabilidad de cometer error de tipo II, esto es

P(error de tipo II ) P(aceptar H 0 / H 0 es falsa )

P(error de tipo II ) P(aceptar H 0 / H 0 es falsa ) PX 95 / 100

Donde anotamos con a la verdadera media poblacional desconocida.

Las pruebas estadsticas se comparan mediante la comparacin de sus propiedades de potencia.

4.2 Prueba de hiptesis sobre la media, varianza conocida

H 0 : 5.5 contra H 1 : 5.5

Tenemos una muestra de tamao n 16 que dio un promedio muestral x 5.25

X 5.5 5.25 5.5

Como z 0 0.333333 2.575 z 0.01 se acepta H 0

Supongamos las hiptesis

De manera similar para las hiptesis

se calcula el valor del estadstico de prueba z 0 y se rechaza H 0 si el valor de z 0 es muy pequeo, es

H 0 : 1000 contra H 1 : 1000

Tenemos una muestra de tamao n 20 que dio un promedio muestral x 1040

El valor p es el nivel de significancia ms pequeo que conduce al rechazo de la hiptesis nula H 0

En esta caso p valor P Z z0 21 z0 21 0.33333 21 0.62930 0.7414

Error de tipo II y seleccin del tamao de la muestra

X con el verdadero , entonces

Si las hiptesis son H 0 : 0 contra H1 : 0 , entonces

Para un valor especfico de y un valor de dado, podemos preguntarnos qu tamao de muestra se

En el caso de ser 0 0 entonces podemos aproximar z

Si las hiptesis son H 0 : 0 contra H1 : 0 , entonces

En forma anloga se pude probar que si las hiptesis son

Si las hiptesis son : H 0 : 0 contra H1 : 0 entonces

Y si tenemos las hiptesis H 0 : 0 contra H1 : 0

Si las hiptesis son : H 0 : 0 contra H1 : 0 entonces

Y adems con una deduccin anloga al caso de alternativa bilateral:

Si las hiptesis son H 0 : 0 contra H1 : 0 , (o H1 : 0 ) entonces

Relacin entre test de hiptesis e intervalos de confianza

Por lo tanto la regla de decisin queda:

Entonces la regla de decisin es:

rechazar H 0 si 5.5 3.31875; 7.18125

aceptar H si 5.5 3.31875; 7.18125

Como 5.5 3.31875; 7.18125, entonces se acepta H 0 .

Hasta ahora se ha desarrollado el procedimiento de test de hiptesis para la hiptesis nula

En este caso el clculo del p- valor se realiza considerando:

c) las hiptesis son H 0 : 0 contra H1 : 0

4.5 Prueba de hiptesis sobre la diferencia de dos medias, varianzas conocidas

Supongamos que tenemos dos variables aleatorias independientes normalmente distribuidas:

El inters recae en probar que 1 2 0 donde 0 es un valor fijado, por ejemplo si 0 0

Si consideramos las hiptesis

Por lo tanto la regla de decisin ser

Buscamos en la tabla de la normal estndar z z0.05 1.645

El clculo del p-valor y la deduccin de la probabilidad de cometer error de tipo II se obtienen de

En el ejemplo anterior el p valor PZ z0 PZ 2.52 1 2.52 0 0059

4.6 Prueba de hiptesis sobre la diferencia de dos medias, varianzas desconocidas

Supongamos que tenemos dos variables aleatorias independientes normalmente distribuidas:

Por lo tanto si anotamos Z X 1 X 2 0 valen las reglas de decisin vistas en la seccin

Si ahora n1 o n 2 no son mayores que 30, entonces

Por lo tanto, si las hiptesis son

H 0 : 1 2 0 contra H 1 : 1 2 0 entonces la regla de decisin es

Diseo 1 n1 15 x1 24.2 s12 10