Carrera: Procesos Industriales Área Manufactura

Alumno: Oscar Torres Rivera

Materia: Estadística

Maestro: Lic. Gerardo Edgar Mata Ortiz

Grado y sección: 2° “C”

Conceptos de prueba de hipótesis

HIPOTESIS: Enunciado acerca del valor de un parametro poblacional.

PRUEBA DE HIPOTESIS: Procedimiento basado en la evidencia muestral y en la teoria de probabilidad que se emplea para determinar si la hipotesis es un enunciado razonable y no debe rechazarse o si es irracionable y debe ser rechazada.

•Hipotesis Nula.- Una afirmacion o enunciado tentativo que se realiza acerca del valor de un parametro poblacional. Por lo comun en una afirmacion de que el parametro de poblacion tiene valor especifico.

 Se rechaza la hipótesis nula a un nivel de significación de 0.05.

•Hipotesis Alternativa.- Una afirmacion o enunciado que se aceptara si los datos muestrales proporcionan amplia evidencia de que la hipotesis nula es falsa. Hay dos tipos de hipótesis alternativa: * La Unilateral: Se especifica una dirección: > ó< (Unilateral). * La Bilateral: No se especifica una dirección: ≠ (Bilateral).

Explicación breve de las pruebas de hipótesis

En general, en un trabajo de investigación se plantean dos hipótesis mutuamente excluyentes: la hipótesis nula o hipótesis de nulidad (H0) y la hipótesis de investigación o Alternativa (Ha). El análisis estadístico de los datos servirá para determinar si se puede o no aceptar Ho. Cuando se rechaza Ho, significa que el factor estudiado ha influido significativamente en los resultados y es información relevante para apoyar la hipótesis de investigación planteada. Es muy importante tener presente que la hipótesis de investigación debe coincidir con la hipótesis alternativa. Plantear hipótesis de investigación que coincidan con Ho supondría una aplicación incorrecta del razonamiento estadístico.

Las hipótesis son proposiciones provisionales y exploratorias y, por tanto, su valor de veracidad o falsedad depende críticamente de las pruebas empíricas. En este sentido, la replicabilidad de los resultados es fundamental para confirmar una hipótesis como solución de un problema. La hipótesis es el elemento que condiciona el diseño de la investigación y responde provisionalmente al problema, verdadero motor de la investigación.

El propósito de la prueba de hipótesis es determinar si el valor supuesto (hipotético de un parámetro poblacional, como la medida de la población, debe aceptarse como verosímil con base en evidencia muéstrales. Recuerda que sobre la distribución de muestreo, se dijo que, en general, una media muestral diferirá en valor de la media poblacional. Si el valor observado de una estadística muestral, como la media muestral, el valor de la media poblacional.

Si el valor observado de una estadística muestral, muestral, se acerca al valor para métrico supuesto y solo difiere de él en un monto que cabria esperar del muestreo aleatorio, el valor hipotético no se rechaza. Si la estadística muestral difiere de la supuesta en un monto que no es posible atribuir al azar, la hipótesis se rechaza por inverosímil.

Se han desarrollado tres procedimientos distintos para la prueba de hipótesis, todos los cueles conducen a las mismas decisiones cuando se emplean los mismos estándares de probabilidad (y riesgo). En este capítulo describiremos primeramente el método del valor crítico para la prueba de hipótesis. De acuerdo con este método, se determinan los así llamados valores críticos de la estadística de prueba que dictarían el rechazo de una hipótesis, tras de lo cual la estadística de prueba observada se compara con los valores críticos.

Este fue el primer método en desarrollarse, motivo por la cual buena parte de la terminología de las pruebas de hipótesis se derivan de él. Más recientemente, el método del valor P ha cobrado popularidad a causa de ser el más fácilmente aplicable a software de computo. Este método se basa en la determinación de la probabilidad condicional de que el valor observado de una estadística muestral pueda ocurrir al zar, dado que su supuesto particular sobre el valor del parámetro poblacional asociado sea en efecto correcto.

Finalmente, el método d intervalos de confianza se basa en la observación de si el valor supuesto de un parámetro poblacional está incluido en el rango de valores que define a un intervalo de confianza para ese parámetro.