Clase 1. Hipótesis Estadística. Contraste de Hipótesis. Región Crítica de un contraste. Errores tipo 1 y tipo 2.

Nivel de
significación de un contraste. Potencia de un contraste. Obtención de la región crítica mediante el uso de
intervalos de confianza. El p-valor de un contraste. Contrastes de hipótesis relacionados con la media y
varianza de una población normal. Contrastes de hipótesis relacionados con el parámetro de una Bernoulli.
Redacción de la conclusión

01. Hipótesis Estadística. Una hipótesis estadística es una afirmación referida a un parámetro poblacional desconocido.
Son ejemplos de hipótesis estadísticas los siguientes :

En una población Normal , X N   , 2  :

  5 ,   6 ,   7 , 2  6 , 2  2 , 2  4
En una población Bernoulli , X B   :
  0,35 ,   0,75 ,   0,95
En dos poblaciones Normales , X N  X , X2  , Y N  Y , Y2  :

4  X  2 Y  15 ,  3  X  Y  5 ,
 X2 3 ,
 Y2 7
 2
Y  X2
En dos poblaciones Bernoulli, X B  X  , Y B Y 

3 X  5Y  4,5 ,  X  Y  0 , 8 x  12Y  2

02. Contraste de Hipótesis. Un contraste o prueba de hipótesis es una situación estadística en donde se enfrentan dos
hipótesis, por lo general complementarias, con el objetivo de tomar una decisión con respecto a cuál de las dos aceptará
como válida el investigador.

Una de las hipótesis enfrentadas recibe el nombre de hipótesis nula (H0) y la otra de hipótesis alternativa (H1). Establecer
cuál de las hipótesis recibirá el calificativo de hipótesis nula y cual el de hipótesis alterna es competencia del
investigador. Sin embargo algunos autores recomiendan en calificar la hipótesis nula aquella que represente lo actual, el
establishment, lo común; mientras que la hipótesis alterna es lo novedoso, lo que realmente necesita ser probado.

Como ayuda para establecer en un problema dado cuál es la hipótesis nula y cual la alterna, admitiremos como nula
aquella hipótesis que en su planteamiento contemple la opción de igualdad (=)

Un contraste de hipótesis con hipótesis nula H0 y con hipótesis alterna H1 , suele denotarse como H0 vs. H1 .

Son ejemplos de contrastes de hipótesis los siguientes:

En una población Normal , X N   , 2  :

H0 :   4 vs. H1 :   4 , H0 :  2  6 vs. H1 :  2  6

En una población Bernoulli , X B   :

H0 :   0,45 vs. H1 :   0,45 ; H0 :   0,27 vs. H1 :   0,27

En dos poblaciones Normales , X N  X , X2  , Y N  Y , Y2  :

H0 : 5  X  2 Y  12 vs. H1 : 5  X  2 Y  12 ; H0 :  X  Y  0 vs H1 :  X  Y  0

H0 :
 2
X  2 vs. H1 :
 2
X 2 ; H0 :
 2
X  3 vs. H1 :
 X2 3
 2
Y  2
Y  2
Y  Y2

En dos poblaciones Bernoulli, X B  X  , Y B Y 

H0 :  X   Y  1 vs. H1 :  X   Y  1 , H0 : 4 X  8 Y  9 vs. H1 : 4 X  8Y  9

Aquellos contrastes de la forma  vs.  reciben el nombre de contrastes de dos colas ; en consecuencia , los otros
reciben el nombre de contrastes de una cola.
03. Región Crítica de un Contraste de Hipótesis.
Dado un contraste de hipótesis H0 vs. H1 , el objetivo es tomar una decisión con respecto a cuál hipótesis aceptar como
válida. Recuerde que una sola de las dos hipótesis enfrentadas es verdadera pero que lamentablemente el investigador
no sabe cuál es. Es por ello que debemos tomar una decisión a ciegas, pero con una alta probabilidad de no
equivocarnos.

Para orientarnos en la toma de decisión , se toma una muestra aleatoria univariante para el caso de una población y
bivariante para el caso de dos poblaciones.

A continuación se define un conjunto sobre el espacio muestral, llamado región crítica de manera que si la muestra
obtenida pertenece a dicha región, la decisión será rechazar la hipótesis nula, y si no cae en dicha región, la decisión
será no rechazar la hipótesis nula.

Observe que en ningún momento hemos establecido “aceptar la hipótesis nula”, ya que “no rechazar la hipótesis nula” no
es equivalente a aceptarla.

En función de lo establecido anteriormente , el corazón de una prueba de hipótesis lo representa el hallazgo de la región
crítica apropiada ya que una vez conocida ésta, lo demás se sigue con relativa facilidad.

Supóngase el contraste asociado con la media de una población normal , H0 :   5 vs H1 :   5 . Para decidir al
respecto, debemos seleccionar una muestra aleatoria y definir una región crítica. Suponga que se toma una muestra
aleatoria de tamaño 10 y que la media muestral asociada es x  4 . ¿Qué decisión tomar si no se conoce  ?. Pues
bien todo dependerá de la región crítica que se seleccione. Si la región crítica seleccionada es
RC   x1 ,..., x10  : x  4,5 se rechazará la hipótesis nula. Sin embargo si la región crítica hubiese sido
RC   x1 ,..., x10  : x  3,8 no se rechaza la hipótesis nula.

Más adelante estableceremos reglas para la determinación de regiones críticas apropiadas.

Terminamos esta sección estableciendo que si el resultado de una prueba de hipótesis es el rechazo de la hipótesis nula,
diremos que el contraste o prueba es significativo , en caso contrario diremos que la prueba o contraste no es
significativo

04. Errores Tipo 1 y Tipo 2.

No nos olivemos nunca que en un contraste de hipótesis, al no conocer el valor del parámetro poblacional referido, no se
sabe cuál de las dos hipótesis enfrentadas es la verdadera. Por lo tanto si rechazamos la hipótesis nula y ésta resultase
verdadera, estaríamos cometiendo un error, igual sucedería si no rechazamos la hipótesis nula y ésta es falsa. Al primero
de los errores se le conoce como error tipo 1 y al segundo error tipo 2.

Es obvio que el investigador no sabe si está cometiendo un error y mucho menos su tipo, ya que no sabrá si ha tomado
la decisión correcta o no. La estadística lo que le provee es una forma racional para minimizar la probabilidad de cometer
dichos errores.

De esta manera :

Probabilidad de Cometer el Error tipo 1 : P rechazar H0 H0 es verdadera 

Probabilidad de Cometer el Error tipo 2 : P no rechazar H0 H0 es falsa 

Llamamos nivel de significación de una prueba y lo representamos por la letra griega  , a la máxima probabilidad de
cometer el error tipo 1. Es decir:


  max P rechazar H0 H0 es verdadera  
05. Conjunto Nulo y Conjunto Alterno.
Todo contraste de hipótesis genera una partición  H0 ,H1  sobre el espacio paramétrico  Así por ejemplo:
En una población Normal , X N   , 2  :
H0 :   4 vs. H1 :   4  H0     :   4 , H1     :   4
H0 :  2  6 vs. H1 :  2  6  H0  6 , H1   2  0 :  2  6

En una población Bernoulli , X B   :

H0 :   0, 45 vs. H1 :   0, 45  H0   : 0    0, 45 , H1   : 0, 45    1
H0 :   0,27 vs. H1 :   0,27  H0  0,27  , H1   : 0    1    0,27 

06. Potencia de una Prueba

Consideremos un contraste H0 vs. H1 asociado con el parámetro desconocido  de una determinada población X. Sea
 X1 ,..., X n  una muestra aleatoria de dicha población y RC la región crítica considerada.
Llamamos potencia de la prueba, y la representamos por P , a la probabilidad de rechazar la hipótesis nula. Es decir a la
probabilidad de que la muestra aleatoria caiga en la región crítica. En otras palabras:

P    P  X 1 ,...X n   RC 

Si   H0  P   es la probabilidad de cometer el error tipo 1.

Si   H1  P   es la probabilidad de no cometer el error tipo 2

De lo anterior, es deseable que la región crítica genere funciones de potencia que sean lo más baja posible en el
conjunto nulo H 0 y lo más alto posible en el conjunto alterno H1 . Además , a menos que el conjunto nulo esté formado
por un solo elemento, lo cual ocurre en pruebas de dos colas, existen infinitas probabilidades de cometer el error tipo 1.
La mayor de dichas probabilidades es el nivel de significación de la prueba, que en la mayoría de los casos ocurre en el
valor frontera que separa los conjuntos nulos y alterno. Si  0 es dicho valor frontera, entonces admitimos que:

  P  0 
Si 1  H1 , la función de potencia en dicho punto es la probabilidad de no cometer el error tipo 2 cuando   1 .
También suele decirse que es la probabilidad de que la prueba o contraste detecte un desvío igual a 1  0 .

Por ejemplo en el contraste H0 :   4 vs. H1 :   4 , el nivel de significación de la prueba es   P   4  mientras

que la probabilidad de que la pruebe detecte un desvío de 2 unidades es P   6  que a su vez es la probabilidad de no
cometer el error tipo 2 cuando   6

07. Obtención de la región Crítica a partir del Intervalo de confianza.

Sea T1  X 1 ,..., X n ;   ,T2  X 1 ,..., X n ;    un intervalo del 100  % para el parámetro  . Sea  el nivel de significación
de la prueba. Entonces la región crítica para la prueba H0 vs. H1 tiene la siguiente forma:

 x1 ,..., x n  : T2  X 1 ,..., X n ;1  2   0  si H1 :   0



RC  x1 ,..., x n ;     x1 ,..., x n  : T1  X 1 ,..., X n ;1  2   0  si H1 :   0 (1)

 x1 ,..., x n  : T2  X 1 ,..., X n ;1     0  T1  X 1 ,..., X n ;1     0  si H1 :   0


Ejemplo 1. Sea X N   , 2  ,  2 conocida , vamos a determinar la región crítica para los contrastes:
 a) H0 :   0 vs H1 :   0 , b) H0 :   0 vs H1 :   0 , c) H0 :   0 vs H1 :   0
solución
Recuerde que un intervalo de confianza para  con  2 conocida es:
 
T1  x  Z1  , T2  x  Z1 
2 n 2 n
a) H0 :   0 vs H1 :   0
De acuerdo con (1)

  
      
RC  x1 ,..., x n ;     x1 ,..., x n  : x  Z 11 2  0    x1 ,..., x n  : x  Z1  0    x1 ,..., x n  : x  0  Z1  

 2 n 
  n   n
  
  x1 ,..., x n  : x  0  Z 
 n
b) H0 :   0 vs H1 :   0
De acuerdo con (1)

   
     
RC  x1 ,..., x n ;     x1 ,..., x n  : x  Z11 2  0    x1 ,..., x n  : x  Z1  0    x1 ,..., x n  : x  0  Z1  

 2 n  
 n   n
c) H0 :   0 vs H1 :   0
De acuerdo con (1)

   

RC  x1 ,..., x n ;     x1 ,..., x n  : x  Z 1 1   0  x  Z 1 1   0  

 2 n 2 n 


    
    
 x1 ,..., x n  : x  Z1   0  x  Z   0    x1 ,..., x n  : x  0  Z   x  0  Z  

 2 n 1 
2 n 
   1 
2 n 2 n

08. El p-valor de un contraste.

El rechazo o no de una prueba de hipótesis depende del nivel de significación  seleccionado. Para ciertos valores de
dicho nivel se rechazará la hipótesis nula y para otros niveles no se rechazará la hipótesis nula. Se define el p-valor de
una prueba como el menor nivel de significación que conduce al rechazo de la hipótesis nula. En otras palabras si
denotamos el p valor de una prueba por “ p-valor” por  el nivel de significación de la prueba, podemos establecer una
condición alterna a la región crítica para el rechazo de la hipótesis nula , de acuerdo con

Si   p  valor  se rechaza H0
Si   p  valor  no se rechaza H0

Conocida la región crítica, en términos del nivel de significación es fácil obtener la expresión del p-valor de la prueba. Así
el p-valor asociado a los contrastes del Ejemplo 1 vienen dados por:

a) H0 :   0 vs H1 :   0
  
RC  x1 ,..., x n ;     x1 ,..., x n  : x  0  Z 
 n
 
 x  0  x  0 
x  0  Z  Z   p  valor  P  Z  
n    
n  n 
b) H0 :   0 vs H1 :   0
  
RC  x1 ,..., x n ;     x1 ,..., x n  : x  0  Z1  
 n
 
 x  0  x  0 
x  0  Z1   Z1    p  valor  P  Z  
n    
n  n 
c) H0 :   0 vs H1 :   0
   
RC  x1 ,..., x n ;     x1 ,..., x n  : x  0  Z   x  0  Z  
 1
2 n 2 n 
  
  x  0  x  0 
 x  0  Z   Z      2 P Z  
 1 
2 n 1
2
        
 n 
 n   
  x  0   x  0  
  p  valor  2 max P  Z   ,P  Z  
          
  x  0  x  0    n   n  
 x  0  Z   Z 

   2P  Z 
 

 2 n 2 
 n  n 

09. Redacción de la conclusión

Si la decisión es el rechazo de la hipótesis nula, la conclusión debe redactarse de la siguiente manera:

Existen evidencia muestrales al 100  % de

significación que permiten concluir que
“contenido de la hipótesis alterna”

Si la decisión es el no rechazo de la hipótesis nula, la conclusión debe redactarse de la siguiente manera:

No existen evidencia muestrales al 100  %

de significación que permiten concluir que
“contenido de la hipótesis alterna”