PRUEBAS DE HIPOTESIS

¿Qué es una hipótesis Estadística?

Una creencia sobre la población, principalmente sobre

sus parámetros:
Creo que el %
Media de enfermos es
superior al 10%
Varianza
Proporción
Diferencia de medias entre dos poblaciones
Diferencia de proporciones entre dos poblaciones
Etc.
Identificación de hipótesis

Hipótesis nula Ho
La que contrastamos

Los datos pueden rechazarla

No debería ser rechazada sin una buena razón.

 H 0 : p = 50% =, ≤, ≥
 , , 
Hip. Alternativa H1 H
 1 : p ≠ 50 %
Niega a H0

Los datos pueden mostrar evidencia a favor

No debería ser aceptada sin una gran evidencia a favor.

Problema:
¿La osteoporosis está relacionada con el sexo?

Solución:

Traducir a lenguaje estadístico: p = 50%

Establecer ¿
su opuesto o complemento: p ≠ 50%
Seleccionar la hipótesis nula

H 0 : p = 50%
Problema:

¿El colesterol medio para la dieta mediterránea es 6

mmol/l?

Solución:

Traducir a lenguaje estadístico: µ =6

Establecer su opuesto: µ ≠6
Seleccionar la hipótesis nula

H0 : µ = 6
 Razonamiento básico
Si supongo que H0 es
cierta...
¿qué hace un
científico RECHAZA Ho
cuando su
teoría no
coincide con
sus ... el resultado del experimento sería improbable.
predicciones? Sin embargo ocurrió.

µ = 40
X = 20

... el resultado del experimento sería improbable.

Sin embargo ocurrió.
 Razonamiento básico
Si supongo que H0 es cierta...
• No hay evidencia contra H0
¿Si una teoría
hace •No se rechaza H0
predicciones
con éxito, •El experimento no es
queda probado concluyente
que es cierta?
•El contraste no es
significativo

µ = 40
X = 38

... el resultado del experimento es coherente.

 Región crítica y nivel de significación
Región crítica Nivel de significación: α
Valores ‘improbables’ si... Número pequeño: 1% , 5%
Es conocida antes de realizar el Fijado de antemano por el
experimento: resultados investigador
experimentales que rechazarían Es la probabilidad de
H0
rechazar H0 cuando es
verdadera

α=5%

Reg. Crit.
Reg. Crit.

No rechazo H0

H 0 :   40
 Contrastes o Pruebas: unilateral y bilateral
La posición de la región crítica depende de la hipótesis
alternativa

Bilateral H1: µ ≠ 40

Unilateral
Unilateral

H1: µ<40 H1: µ>40

Significación: p

No se
rechaza
H0: µ=40

α
H0: µ=40

X = 43
Significación: p
Es la probabilidad que tendría una región crítica que comenzase exactamente
en el valor del estadístico obtenido de la muestra.
Es la probabilidad de tener una muestra que discrepe aún más que la nuestra
de H0.
Es la probabilidad de que por puro azar obtengamos una muestra “más
extraña” que la obtenida.
p es conocido después de realizar el experimento aleatorio
El contraste es no significativo cuando p>α

P α

No se
rechaza
H0: µ=40
P α

X = 43
Significación : p

Se rechaza H0: µ
=40

Se acepta H1: µ
α
>40

X = 50
Significación : p
El contraste es estadísticamente significativo cuando p< α
Es decir, si el resultado experimental discrepa más de “lo tolerado” a priori.

α P

Se rechaza H0: µ
=40

Se acepta H1: µ
α P

>40

X = 50
 Riesgos al tomar decisiones
jemplo 1: Se juzga a un individuo por la presunta comisión de un delito
 H0: Hipótesis nula
 Es inocente
 H1: Hipótesis alternativa
 Es culpable
Los datos pueden
rechazarla
La que se acepta si las
pruebas no indican lo
contrario
Rechazarla por error tiene
graves consecuencias
No debería ser aceptada sin
una gran evidencia a favor.
Rechazarla por error tiene
consecuencias consideradas
menos graves que la anterior
Tipos de error al tomar una
decisión Realidad
Inocente Culpable
veredicto Inocente OK Error

Menos grave

Culpable Error OK

Muy grave
Tipos de error al contrastar
hipótesis Realidad
H0 cierta H0 Falsa
No Rechazo H0 No hay error Error tipo II
No rechazar H0 cuando es
falsa

Rechazo H0 No hay error

Error tipo I
Rechazar H 0 cuando
Acepto H1
es verdadera
TIPOS DE PRUEBAS HIPOTESIS
EXISTEN DOS TIPOS DE PRUEBAS DE HIPOTESIS, LAS
CUALES DEPENDEN DEL OBJETIVO DEL ESTUDIO.
• UNILATERALES. (UNA COLA)
• BILATERALES. (DOS COLAS)

Rechazo

ACEPTACIÓN

ACEPTACIÓN

BILATERAL
Prueba unilateral por la derecha
 HIPOTESIS RESPECTO DE LA MEDIA POBLACIONAL µ
1.- SUPUESTOS: Estadística para la dócima o
Población Normal y Varianza conocida σ
2
Prueba

ZC =
( X −µ ) 0 n
σ
Tipos de Hipótesis:

H 0 : µ = µ0  2 P( Z ≤ Z C ) si Z C < 0
Bilateral valor p = 
H1 : µ ≠ µ0  2 P( Z ≥ Z C ) si Z C > 0
H 0 : µ ≤ µ0 
Unilateral valor p = P ( Z ≥ Z C )
H1 : µ > µ0 
H 0 : µ ≥ µ0 
Unilateral valor p = P ( Z ≤ Z C )
H1 : µ < µ0 
Ejemplo
Se sabe que la variable Nivel total de proteínas en un adulto sano es
de 7.25 ,
y que se distribuye normalmente con desviación estándar 0.025. A
un paciente que cree estar enfermo, se le aplican 8 análisis de sangre
a lo largo de varios días, obteniendo los siguientes valores:
7.23 – 7.25 – 7.28 – 7.29 – 7.32 – 7.26 – 7.27 – 7.24
¿Qué hipótesis plantearía? H 0 : µ = 7.25
H1 : µ ≠ 7.25

La estadística es una variable Z

Zc =
(X −µ ) 0
n
=
( 7.268 − 7.25) 8
= 2.036
σ 0.025

v − p = 2 P ( Z > 2.036) = 2 ⋅ 0.0209 = 0.0418

Se rechaza la hipótesis nula, el paciente realmente está

enfermo
 HIPOTESIS RESPECTO DE LA MEDIA POBLACIONAL µ
2.- SUPUESTOS: Estadística para la dócima o
Población Normal y Varianza desconocida Prueba

tC =
( X −µ ) 0 n
≈ t( n −1)
S
Tipos de Hipótesis:

H 0 : µ = µ0  2 P(t( n −1) ≤ tC ) si tC < 0

Bilateral valor p = 
H1 : µ ≠ µ0  2 P (t( n −1) ≥ tC ) si tC > 0
H 0 : µ ≤ µ0 
Unilateral valor p = P (t( n −1) ≥ tC )
H1 : µ > µ0 
H 0 : µ ≥ µ0 
Unilateral valor p = P (t( n −1) ≤ tC )
H1 : µ < µ0 
Ejemplo
Se ha realizado un experimento para estudiar el efecto del ejercicio físico en la reducción del nivel
de colesterol en pacientes ligeramente obesos, con riesgo de infarto de miocardio. Ochenta
pacientes se someten a un régimen específico de ejercicios mientras mantienen una dieta
normal. Transcurridas 4 semanas se anotará la variación del nivel de colesterol. Se piensa que
el programa reducirá la media del nivel de colesterol en más de 25 puntos. Al final del estudio,
los datos obtenidos son: x  27 y s  18
¿Corroboran estos datos la teoría de la investigación?

Se trata de una hipótesis respecto a la media poblacional, unilateral.

La población se supone normal y la varianza poblacional desconocida
Como la media muestral supera al valor propuesto para la media poblacional, las hipótesis son
las siguientes:
H 0 :   25
H1 :   25

La estadística es una variable tC 

X  0  n
: t n 1
s
 27  25  80
cuyo valor es tC   0.994 y el v-p= P (t  0.994)  0.1616
18 79

Luego no hay evidencia en la muestra para rechazar la hipótesis nula, porque el valor p es muy
grande.
HIPOTESIS RESPECTO DE LA
VARIANZA
SUPUESTO:
Estadística para la prueba
Población Normal
(n  1) S 2
Tipos de hipótesis  
2
:  2
( n 1)
 02
C

H 0 :  2   02 
 Bilateral p  2 P (  2
( n 1)   2
C)
H1 :    0 
2 2

H 0 :  2   02 
2 
Unilateral p  P (  2
( n 1)   2
C)
H1 :    0 
2

H 0 :  2   02 
 Unilateral p  P (  2
( n 1)   2
C)
H1 :    0 
2 2
Ejemplo
El calcio se presenta en la sangre de los mamíferos en concentraciones de alrededor de 6 mg/100mL de
sangre total. La desviación estándar normal de esta variable es 1 mg de calcio por cada 100 mL de sangre
total. Una variabilidad mayor que ésta puede ocasionar graves trastornos en la coagulación de la sangre. Se
realizaron una serie de 9 pruebas sobre un paciente, la que dio una media de 6.2 mg de calcio por 100mL
de sangre total y una desviación estándar de 2 mg de calcio por 100mL de sangre total. ¿Hay alguna
evidencia de que el nivel medio de calcio en este paciente sea más alto que el normal? ¿Hay alguna
evidencia que la desviación estándar del nivel de calcio sea más alta que la normal?
Se trata en primer lugar de probar una hipótesis unilateral para la media poblacional. (Supuesto: la población
es normal, la varianza poblacional es conocida e igual a 1) La estadística es una N(0,1)
H0 :   6  6.2  6  9  0.6
H1 :   6 Z C  v  p  P( Z  0.6)  0.2743
1
No hay evidencia para rechazar
la hipótesis nula.
En segundo lugar, se trata de una hipótesis sobre la varianza, de tipo unilateral.
H0 : 2  1 La estadística es una variable
 2

 n  1 S 2
:  2n 1
H1 :   1
2 C
0 2

Cuyo valor es :  2

 9  1 22
 32  v  p  P(  28  32)  0.0001
C 2
1

Hay evidencia altamente significativa en la muestra para rechazar la hipótesis nula y aceptar que la
desviación estándar es más alta que la normal
 HIPOTESIS RESPECTO DE LA PROPORCION DE
EXITOS p EN LA POBLACION
Supuestos:
Estadística para la
Población Bernoulli. Tamaño grande de muestra prueba

ZC 
 pˆ  p0 
: N (0,1)
Tipos de hipótesis
p0 q0
H 0 : p  p0  n
 Bilateral p  2 P(Z  ZC )
H1 : p  p0 
H 0 : p  p0 
 Unilateral p  P( Z  ZC )
H1 : p  p0 
H 0 : p  p0 
 Unilateral p  P( Z  ZC )
H1 : p  p0 
EJEMPLO
En un estudio sobre el consumo de cigarrillos entre los adolescentes de
una región del país, se sostiene que el porcentaje de mujeres fumadoras
es mayor al 40% de las mujeres de esa población. Para probar la
hipótesis, se tomó una muestra de 200 mujeres, donde 100 de ellas
fumaban. Pruebe la hipótesis.
Se trata de una hipótesis unilateral sobre el parámetro p.

100
El estimador puntual de p es : pˆ   0.5
200
H 0 : p  0.4  0.5  0.4
  ZC   2.88 p  P ( Z  2.88)  0.002
H1 : p  0.4  0.4  0.6
200

Se rechaza la hipótesis nula y se acepta que el % de fumadoras

supera la 40%
PRUEBAS DE HIPÓTESIS PARA UNA
POBLACIÓN
DOS POBLACIONES