Conceptos Básicos de

Verificación de
Hipótesis y Pruebas
de Hipótesis sobre
una Media y
proporción
Semana 8
Mag. Soledad canaza
 CONTENIDO DE HOY

01 02 03
¿Estimar o Decidir? H₀ y H₁ Errores y Decisión
De IC a prueba de hipótesis: Hipótesis nula, alternativa y Error Tipo I (α), Tipo II (β),
nuevo enfoque tipos de prueba valor crítico, p-valor

04 05 06
Prueba para μ Prueba para p Ejercicios Prácticos
Estadístico Z y t — pasos Proporción poblacional con Casos resueltos de negocios
generales aproximación normal Z internacionales - SPSS
Introducción:
Semana 7: Los IC nos daban un rango plausible: "El gasto promedio está
entre $262 y $298"

Estimación por Intervalo (S7) Prueba de Hipótesis (S8) — NUEVO

Pregunta: Pregunta:
"¿Cuánto vale el parámetro?" "¿La evidencia es suficiente para
rechazar esta afirmación?"
VS
Resultado:
Un rango: [LI ; LS] Resultado:
SÍ rechazar H₀ ó NO rechazar H₀
Ejemplo:
"Con 95% de confianza, μ está entre Ejemplo:
$262 y $298" "¿Es μ = $300? → Con los datos,
rechazamos esa afirmación"

La prueba de hipótesis nos lleva a una DECISIÓN BINARIA con respaldo estadístico
 FORMULACIÓN DE HIPÓTESIS: H₀ y H₁

H₀ — Hipótesis NULA H₁ — Hipótesis ALTERNATIVA

• La afirmación que se pone a

• Contradice a H₀
prueba
• Lo que el investigador quiere
• Representa el "status quo"
demostrar
• Siempre lleva signo de
• NUNCA contiene igualdad
igualdad (=, ≤, ≥)
(≠, <, >)
• Se asume VERDADERA al
inicio
Tipos de prueba:
Ejemplos: H₁: μ ≠ 48 → Bilateral (two-tailed)
H₀: μ = 48 (despacho aduanero) H₁: p > 0.15 → Unilateral derecha
H₀: p ≤ 0.15 (cuota de mercado) H₁: μ < μ₀ → Unilateral izquierda
H₀: μ = μ₀ (costo de envío)

REGLA: H₀ y H₁ son mutuamente excluyentes y colectivamente exhaustivas. El signo en H₁ determina el tipo

de prueba.
TIPOS DE PRUEBA: BILATERAL Y UNILATERAL

BILATERAL Pregunta: ¿Cambió? Ej:

La región de rechazo está en AMBOS Inspector verifica si el peso
H₁: μ ≠ μ₀ extremos. Rechazamos si el valor es promedio de bolsas (100 g) es
diferente al declarado.
muy alto O muy bajo.

UNILATERAL Pregunta: ¿Mejoró / Ej:

DERECHA Aumentó? Empresa prueba si el nuevo
Región de rechazo solo en la cola
H₁: μ > μ₀ derecha. Rechazamos si el valor es
proceso aumenta la vida útil de
baterías más allá de 500 h.
significativamente ALTO.

UNILATERAL Pregunta: ¿Disminuyó? Ej:

IZQUIERDA Consumidores verifican si
Región de rechazo solo en la cola
H₁: μ < μ₀ izquierda. Rechazamos si el valor es
botellas contienen menos de 355
ml de lo que indica la etiqueta.
significativamente BAJO.

Bilateral: ≠ | Unilateral derecha: > | Unilateral izquierda: <

→ El signo de H₁ determina la cola de rechazo
 En una prueba bilateral, la hipótesis alternativa (H 1) busca
Tipos de Pruebas: evidencia de una diferencia en cualquier dirección con
respecto a lo establecido en la hipótesis nula (H 0). No nos
importa si el valor del parámetro poblacional es mayor o
Prueba Bilateral menor que el hipotetizado en H0, solo si es diferente.

(Two-tailed) H1 utiliza: El signo " ≠ " (diferente de).

Busca evidencia de: Diferencia en cualquier dirección
(mayor o menor).
Región de rechazo: La región donde rechazamos H0 se
encuentra en ambas colas (extremos) de la distribución de
muestreo. Esto significa que valores muy altos o muy
bajos del estadístico de prueba nos llevarán a rechazar
H0.

Ejemplo: Imagina que un fabricante afirma que el peso

promedio de sus bolsas de papas fritas es de 100 gramos.
Un inspector de calidad sospecha que el peso promedio
podría no ser 100 gramos, pero no sabe si es mayor o
menor.
H0: El peso promedio de las bolsas es igual a 100 gramos
H1 : µ ≠ µ0 se denomina (μ=100).
H1: El peso promedio de las bolsas es diferente de 100
prueba bilateral de dos colas gramos (μ ≠ 100).
En este caso, si la muestra recolectada tiene un peso
promedio significativamente mayor o significativamente
menor que 100 gramos, el inspector rechazará H0 y
concluirá que el peso promedio es diferente de 100
gramos.
 Tipos de Pruebas:
En una prueba unilateral derecha, la hipótesis alternativa
Prueba Unilateral (H1) busca evidencia específica de que el parámetro
poblacional es mayor que el valor establecido en la hipótesis
Derecha (Right- nula (H0). Nos interesa saber si hay un aumento o
superioridad.
tailed)
H1 utiliza: El signo ">" (mayor que).
Busca evidencia de: Aumento o superioridad.
Región de rechazo: La región donde rechazamos H0 se
encuentra únicamente en la cola derecha de la distribución
de muestreo. Solo valores altos del estadístico de prueba
nos llevarán a rechazar H0.

Ejemplo: Una empresa de tecnología ha desarrollado un

nuevo proceso de fabricación y cree que aumentará la vida
útil promedio de sus baterías, que actualmente es de 500
horas.

H0: La vida útil promedio de las baterías es menor o igual a

500 horas (μ≤500). (A menudo se simplifica a μ=500 para el
cálculo, pero la idea es que no hay un aumento significativo).
H1 : µ > µ0 se denomina H1: La vida útil promedio de las baterías es mayor que 500
horas (μ>500).
prueba unilateral cola
derecha La empresa realizaría esta prueba para ver si hay evidencia
estadística de que el nuevo proceso realmente incrementa la
vida útil de las baterías. Solo si la vida útil promedio de una
muestra de baterías fabricadas con el nuevo proceso es
significativamente mayor que 500 horas se rechazará H0.
Tipos de Pruebas:
En una prueba unilateral izquierda, la hipótesis alternativa (H1)
Prueba Unilateral busca evidencia específica de que el parámetro poblacional es
menor que el valor establecido en la hipótesis nula (H0). Nos
Izquierda (Left- interesa saber si hay una disminución o inferioridad.

tailed) H1 utiliza: El signo "<" (menor que).

Busca evidencia de: Disminución o inferioridad.
Región de rechazo: La región donde rechazamos H0 se
encuentra únicamente en la cola izquierda de la distribución de
muestreo. Solo valores bajos del estadístico de prueba nos
llevarán a rechazar H0.

Ejemplo: Un grupo de defensa del consumidor sospecha que el

contenido promedio de llenado de las botellas de refresco de
una marca popular es menor que los 355 ml que indica la
etiqueta.

H0: El contenido promedio de las botellas es mayor o igual a 355

ml (μ≥355). (Similar al caso anterior, puede simplificarse a
μ=355).
H1: El contenido promedio de las botellas es menor que 355 ml
H1 : µ < µ0 se denomina (μ<355).
prueba unilateral cola
izquierda El grupo de defensa del consumidor realizaría esta prueba para
determinar si hay evidencia estadística de que la marca está
llenando las botellas con menos refresco de lo anunciado. Solo
si el contenido promedio de una muestra de botellas es
significativamente menor que 355 ml se rechazará H0.
ERRORES EN LA TOMA DE DECISIÓN

Analogía con un juicio: H₀ = "El acusado es inocente" (se asume

verdadera hasta que la evidencia lo contradiga)

ERROR TIPO I (α) ERROR TIPO II (β)

¿Qué es? ¿Qué es?
Rechazar H₀ cuando en realidad ES NO rechazar H₀ cuando en realidad ES
VERDADERA FALSA
Analogía:
Condenar a un inocente Analogía:
Absolver a un culpable
Probabilidad = α (nivel de
significancia) Probabilidad = β
Lo fija el investigador ANTES de la Depende de: α, n, σ, diferencia real
prueba Potencia de la prueba = 1 − β
Valores comunes: 0.01 | 0.05 | 0.10
MATRIZ DE DECISIÓN
H₀ es VERDADERA (realidad) H₀ es FALSA (realidad)
Rechazamos H₀ Error Tipo I (α) ✗ Decisión CORRECTA ✓
No rechazamos H₀ Decisión CORRECTA ✓ Error Tipo II (β) ✗
Estadístico de
Valor calculado a partir de los datos
Prueba muestrales.

Mide qué tan lejos está el resultado

muestral de lo que se esperaría bajo
H0 .

Su fórmula depende del parámetro

que se prueba y de la información
disponible (ej. Z, t, Chi-cuadrado).

Nivel de Significancia (α): Es la máxima

probabilidad de cometer un Error Tipo I
que estamos dispuestos a aceptar. Se fija
antes de la prueba (valores comunes:
0.05, 0.01, 0.10). Define qué tan "fuerte"
debe ser la evidencia para rechazar H0 .
CÓMO DECIDIR: VALOR CRÍTICO Y p-VALOR

p-valor: Probabilidad de obtener un resultado tan extremo (o más) que el

observado, ASUMIENDO que H₀ es verdadera. Mide qué tan 'sorprendentes'
son nuestros datos si H₀ fuera cierta.

Método del VALOR CRÍTICO Método del p-VALOR

1. Calcular el estadístico de prueba (Z o

1. Calcular el estadístico de prueba
t)
2. Comparar con el valor crítico Zα o tα 2. Obtener el p-valor de la distribución
3. Si estadístico > valor crítico → 3. Comparar p-valor con α
Rechazar H₀
Rechazar H₀ si el estadístico cae Rechazar H₀ si p-valor < α
en la Región de Rechazo (método más usado con software)

p > α → NO rechazar H₀ p ≤ α → RECHAZAR H₀

(evidencia insuficiente) (evidencia suficiente)
Región de Rechazo Región de Rechazo: Conjunto de valores del
y Valor(es) estadístico de prueba que nos llevan a
rechazar H0 . Su tamaño está determinado por
Crítico(s) α.

Valor Crítico: El valor (o valores) que separa

la región de rechazo de la región de no
rechazo. Se obtiene de la tabla de la
distribución del estadístico de prueba (Z, t, etc.)
usando α y los grados de libertad (si aplica).
 LOS 7 PASOS DE UNA PRUEBA DE HIPÓTESIS

Seleccionar
Formular Establecer Nivel
① Hipótesis → ② de Significancia → ③ Estadístico de
→ → Prueba
Establecer H₀ y H₁. Identificar → → Seleccionar la fórmula adecuada:
Elegir α (0.01, 0.05 ó 0.10)
tipo de prueba (bilateral / Z (σ conocida o n≥30) | t (σ
antes de tomar los datos
unilateral) desconocida, n<30)

Formular Regla de Calcular el

④ Decisión → ⑤ Estadístico → ⑥ Tomar la Decisión
→ →
Determinar la region de → →
Sustituir los datos Rechazar H₀ o No rechazar
rechazo/valor crítico O la
muestrales en la fórmula H₀ según la regla de
regla del p-valor (comparer
del estadístico decisiòn establecida
con α

Interpretar en
⑦ Contexto
Explicar en términos del
problema de negocio
original, qué significa la
decisión
Pruebas de Objetivo: Tomar una decisión sobre una
afirmación específica acerca del valor de la
Hipótesis para media poblacional μ.
una Media
Hipótesis Comunes:
poblacional (μ)
H0 :μ=μ0 vs H1 :μ ≠ μ0 (Bilateral)

H0 :μ≤μ0 vs H1 :μ>μ0 (Unilateral Derecha)

H0 :μ≥μ0 vs H1 :μ<μ0 (Unilateral Izquierda)

(μ0 es el valor específico que se está
probando)
PRUEBA DE HIPÓTESIS PARA LA MEDIA POBLACIONAL (μ)

Bilateral: H₀: μ=μ₀ vs H₁: μ≠μ₀ | Unilateral derecha: H₀: μ≤μ₀ vs H₁: μ>μ₀
| Unilateral izquierda: H₀: μ≥μ₀ vs H₁: μ<μ₀
CASO 1: Estadístico Z CASO 2: Estadístico t (Student)
Cuándo: Cuándo:
σ poblacional es CONOCIDA σ poblacional es DESCONOCIDA
o bien n ≥ 30 (muestra grande) y n < 30 (muestra pequeña)

Z = (x̄ − μ₀) / (σ/√n) t = (x̄ − μ₀) / (s/√n)

Z → N(0,1) t ~ t(gl = n−1)

Regla de decisión: Regla de decisión:

Bilateral: |Zcalculado| > Zα/2 (tabla) Bilateral: |tcalculado| > tα/2,gl (tabla)
Unilateral d: Zcalculado > Zα (tabla) Unilateral d: tcalculado > tα,gl (tabla)
Unilateral i: Zcalculado < −Zα (tabla) Unilateral i: tcalculado < −tα,gl (tabla)

t es siempre > Z para el mismo α | Aplicaciones: tiempos, costos, volúmenes de exportación, días de
procesamiento...
 Este caso se utiliza para pruebas de hipótesis cuando
la varianza poblacional (σ2) es conocida. Aunque en
Caso 1: Varianza la práctica es raro conocer σ exactamente, si el
Poblacional (σ2) tamaño de la muestra (n) es grande (n≥30), la
prueba t se aproxima mucho a la prueba Z.
Conocida (o muestra
grande n≥30) Nota: Algunos textos usan Z en este caso al aproximar
σ≈s (donde s es la desviación estándar muestral). Sin
embargo, se mostrará la prueba t ya que es la que usa
el software SPSS.

Estadístico de Prueba (Prueba Z teórica):

El estadístico de prueba Z se calcula de la siguiente
manera:

Donde:
Z: Es el valor del estadístico de prueba Z.
xˉ: Es la media muestral.
μ0: Es la media poblacional bajo la hipótesis nula (H0).
σ: Es la desviación estándar poblacional conocida.
n: Es el tamaño de la muestra.
N(0,1): Indica que el estadístico Z sigue una
distribución Normal Estándar (con media 0 y
desviación estándar 1).
 Esta es la situación más común en la práctica, donde la varianza
poblacional (σ2) es desconocida.
En este caso, debemos usar la desviación estándar muestral (s)
Caso 2: Varianza para estimar la desviación estándar poblacional (σ).
Poblacional (σ2) El estadístico de prueba que se utiliza es la prueba t (o t de
Desconocida Student).

Estadístico de Prueba (Prueba t)

El estadístico de prueba t se calcula de la siguiente manera:

Donde:
t: Es el valor del estadístico de prueba t.
xˉ: Es la media muestral.
μ0: Es la media poblacional bajo la hipótesis nula (H0).
s: Es la desviación estándar muestral (el estimador de σ).
n: Es el tamaño de la muestra.

Distribución y Regla de Decisión

Distribución: La t calculada sigue una Distribución t de Student
con df=n−1 grados de libertad (donde n es el tamaño de la
muestra).

Regla de Decisión: Para tomar una decisión sobre la hipótesis nula,

se debe:
1. Comparar el tcalculado con el tcrıtico (obtenido de la tabla t,
usando α, los grados de libertad df, y el tipo de prueba —
una o dos colas).
2. O comparar el p-valor con el nivel de significancia (α).
 Ejercicio 1: Prueba t (o Z con n grande) - Valor de
Exportaciones
Una asociación de exportadores afirma que el valor promedio
anual de exportación de sus empresas asociadas es de
Ejercicios 500,000USD(μ). Para verificar esta afirmación, se toma una
muestra aleatoria de n=100 empresas asociadas,
Desarrollados encontrando un valor promedio de exportación xˉ=485,000
USD y una desviación estándar muestral s=60,000 USD.
¿Existe evidencia estadística suficiente para afirmar que el
valor promedio real es inferior al declarado por la asociación?
Utilice un nivel de significancia α=0.05.

Resolución Paso a Paso:

1. Hipótesis:
H0 :μ≥500,000 USD (El promedio es al menos 500,000)
H1 :μ<500,000 USD (El promedio es inferior a 500,000 -
prueba unilateral izquierda)

2. Nivel de Significancia: α=0.05.

3. Estadístico de Prueba: σ es desconocida, usamos la

prueba t. df=n−1=100−1=99. (Aunque n es grande y Z daría
resultado similar, t es formalmente correcto y lo que usará
SPSS).

4. Regla de Decisión (p-valor): Rechazar H0 si p-

valor<0.05.
 5. Cálculo del Estadístico de Prueba (t)
Utilizamos la fórmula para la prueba t de una muestra:

Ejercicios Datos:
Media poblacional = 500,000
Desarrollados Media muestral = 485,000
Desviación estándar muestral (s) = 60,000
Tamaño de la muestra (n) = 100

Sustitución:
 6. Obtención del p-valor
Dado que es una prueba unilateral izquierda, el p-valor
Ejercicios es la probabilidad de que T sea menor o igual a -2.50
con df = 99 grados de libertad:
Desarrollados

Consultando una tabla t o software estadístico (como

SPSS): p-valor ≈ 0.007 (o 0.7%)

Usando software (Ej. Excel: DISTR.T( -2.50, 99,

VERDADERO) o [Link](-2.50, 99, TRUE)), el p-valor
≈0.007.

7. Decisión Estadística: Como p-valor(0.007)<α(0.05),

rechazamos H0 .

8. Interpretación en Contexto: Con un nivel de

significancia del 5%, existe evidencia estadística
suficiente para concluir que el valor promedio anual de
exportación de las empresas asociadas es inferior a los
500,000 USD declarados por la asociación.
 EJEMPLO RESUELTO — Prueba t para μ (Exportaciones)
Contexto: Una asociación afirma que el valor promedio anual de
exportación de sus empresas es ≥ $500,000 USD. Una consultora toma una
muestra de n=100 empresas: x̄=$485,000, s=$60,000. ¿La afirmación es falsa?
α=0.05.
Hipótesis Nivel α
① H₀: μ ≥ 500,000 | H₁: μ < 500,000 ② α = 0.05
→ Unilateral izquierda
Estadístico Valor crítico
③ n=100 ≥ 30 y σ desconocida → ④ t crítico = −t(0.05, 99) ≈ −1.660 →
t (gl = n−1 = 99) Rechazar si t < −1.660
Calcular t

⑤ t = (485,000 − 500,000) / (60,000/√100)

= −15,000/6,000 = −2.50
Decisión Interpretar
⑥ −2.50 < −1.660 → Rechazamos H₀ ⑦ Con α=0.05, hay evidencia para concluir
que μ < $500,000
RESULTADO FINAL
Con un nivel de significancia del 5%, existe suficiente evidencia estadística para concluir que el valor
promedio anual de exportación es inferior a los $500,000 USD declarados por la asociación.
Ejercicio 2: Prueba t El procedimiento estándar en un banco para procesar una Carta de
(n pequeño) - Crédito (L/C) internacional tiene un tiempo objetivo promedio de
Tiempo μ0 =5 días hábiles. Un gerente sospecha que el proceso se ha
Procesamiento L/C vuelto más lento. Toma una muestra aleatoria de n=16 L/C
recientes y encuentra que el tiempo promedio de procesamiento fue
xˉ=5.8 días con una desviación estándar s=1.2 días. ¿Proporcionan
estos datos evidencia suficiente para decir que el tiempo promedio
de procesamiento es ahora diferente de 5 días? Use α=0.10.

Resolución Paso a Paso:

1. Hipótesis:
H0 :μ=5 días (El promedio es 5 días)
H1 :μ ≠ 5 días (El promedio es diferente de 5 días - prueba
bilateral)

2. Nivel de Significancia: α=0.10.

3. Estadístico de Prueba: σ es desconocida, n=16<30. Usamos la

prueba t. df=n−1=16−1=15.

4. Regla de Decisión (Valor Crítico): Para prueba bilateral con

α=0.10 y df=15, buscamos tcritico con α/2=0.05 en cada cola.

tcritico =t0.05,15 ≈±1.753.

Rechazamos H0 si ∣ tcalculado ∣>1.753.

 5. Cálculo del Estadístico t:

Ejercicio 2: Prueba t (n
pequeño) - Tiempo
Procesamiento L/C 6. Decisión Estadística (usando Valor Crítico):
Como ∣tcalculado∣=2.667 es mayor que tcritico=1.753, rechazamos
H0 .

7. Decisión Estadística (usando p-valor): Se calcula la

probabilidad de obtener un t tan extremo o más que el
tcalculado​, dado el número de grados de libertad (df).
Cálculo: Se calcularía P(tdf=15​≥2.667) o P(tdf=15​≤−2.667).

Con Software (Ej. Excel): Usando funciones como

DISTR.T.2C(2.667, 15) o [Link].2T(2.667, 15), se obtiene un
p-valor≈0.018 (para una prueba de dos colas).

Nivel de significancia (α): 0.10 (10%).

Decisión: Como el p-valor(0.018) es menor que α(0.10),
rechazamos la Hipótesis Nula (H0​).

8. Interpretación en Contexto: Con un nivel de significancia

del 10%, existe evidencia estadística suficiente para concluir
que el tiempo promedio actual para procesar una L/C
internacional en este banco es diferente de los 5 días hábiles
objetivo. (Específicamente, la evidencia sugiere que es mayor).
Introducción a Interfaz de SPSS
SPSS y sus La interfaz de SPSS es intuitiva y fácil de navegar,
facilitando el acceso a diversas herramientas de análisis
funcionalidades de datos.

Funcionalidades de análisis
SPSS proporciona diversas funcionalidades para el
análisis de datos, incluidas estadísticas descriptivas y
pruebas t.

Pruebas t en SPSS
Las pruebas t en SPSS permiten comparar medias y
analizar diferencias entre grupos, facilitando la
interpretación de los datos.
Video para instalar el SPSS
[Link]
atis&rlz=1C1ONGR_esMX1016MX1016&oq=videp+para+
o%5Cimsta%3Bar+spss&gs_lcrp=EgZjaHJvbWUqCggDE
AAYgAQYogQyBggAEEUYOTIHCAEQABjvBTIHCAIQABj
vBTIKCAMQABiABBiiBNIBCTcxOTk3ajBqN6gCCLACAfE
Fpeptw_p0t7w&sourceid=chrome&ie=UTF-
8#fpstate=ive&vld=cid:b4a9fb9c,vid:pdXbei_w02Q,st:0
Procedimiento para Datos para ingresar en SPSS (una sola
llevar a cabo pruebas t columna, por ejemplo, llamada
en SPSS – Ejercicio 2 Tiempo_LC):

5.5
6.0
4.9
6.9
5.2
6.5
5.9
4.5
6.8
8.5
5.0
6.2
3.0
5.7
6.1
6.3
Procedimiento para 1. Abre SPSS.
llevar a cabo pruebas t 2. Ve a la pestaña "Vista de Variables" ( abajo a la
en SPSS – Ejercicio 2 izquierda).
3. Crea una nueva variable:
1. Nombre: Escribe Tiempo_LC (sin espacios).
2. Tipo: Asegúrate que sea "Numérico".
3. Decimales: Puedes poner 1 o 2 decimales.
4. Etiqueta: Escribe una descripción más larga,
ej., Tiempo de Procesamiento L/C (días).
5. Medida: Selecciona "Escala".
4. Ve a la pestaña "Vista de Datos" (abajo a la
izquierda).
5. Verás una columna con el encabezado
Tiempo_LC. Ingresa los 16 valores listados arriba,
uno en cada fila.

Ahora tienes los datos brutos en SPSS y puedes

proceder con el análisis: Analizar > Comparar Medias
> Prueba T para una muestra..., seleccionando
Tiempo_LC como variable de prueba e ingresando 5
como valor de prueba.
 Tabla "Estadísticas para una muestra": Muestra N, Media
Interpretación (xˉ), Desviación Típica (s), Error Típ. de la media (s/n ).
del Output de Tabla "Prueba para una muestra":
Valor de prueba: Confirma el μ0 usado.
SPSS:
t: El valor calculado del estadístico t. (Debería coincidir con el
cálculo manual).
gl: Grados de libertad (n−1).
Sig. (bilateral): Este es el p-valor para una prueba bilateral
(H1 :μ ≠ μ0 ). ¡Importante!
Si la prueba es bilateral, comparar este valor directamente
con α.
Si la prueba es unilateral (H1 :μ>μ0 o H1 :μ<μ0 ), dividir este
"Sig. (bilateral)" por 2 ANTES de compararlo con α.
(Asegurarse también de que la diferencia de medias (xˉ−μ0 )
tenga el signo correcto según H1 ).
Diferencia de medias: xˉ−μ0 .
Intervalo de confianza para la diferencia: Muestra el IC para
(μ−μ0 ). Si este intervalo NO contiene al 0, es equivalente a
rechazar H0 :μ=μ0 en una prueba bilateral.

Comparar los resultados de SPSS con los cálculos manuales.

 1. Una empresa de transporte afirma que el tiempo
Ejercicios promedio de entrega de sus paquetes es de 48 horas.
propuestos: Un gerente, sospechando que el tiempo de entrega
ha disminuido debido a mejoras logísticas, decide
realizar una prueba de hipótesis.
Se toma una muestra aleatoria de 35 paquetes y se
registra su tiempo de entrega. La media de la muestra
fue de 45.5 horas y la desviación estándar de la
muestra fue de 7 horas.
Utiliza un nivel de significancia de α=0.05.

a) Formula las hipótesis nula (H0) y alternativa (H1).

b) Identifica el tipo de prueba (unilateral izquierda,
derecha o bilateral).
c) Calcula el estadístico de prueba apropiado.
d) Determina el valor crítico o el p-valor para tomar
una decisión.
e) Indica si se rechaza o no la hipótesis nula.
f) Escribe una conclusión en el contexto del
problema.
 2. El fabricante de un nuevo tipo de bombilla LED
Ejercicios asegura que la vida útil promedio de estas bombillas
es de 15,000 horas. Un laboratorio independiente
propuestos desea verificar si esta afirmación es precisa, es decir,
si la vida útil promedio es diferente de 15,000 horas.
Se prueba una muestra aleatoria de 40 bombillas
LED. La vida útil promedio observada en la muestra
fue de 14,800 horas con una desviación estándar de
la muestra de 900 horas.
Utiliza un nivel de significancia de α=0.01.

a) Formula las hipótesis nula (H0) y alternativa (H1).

b) Identifica el tipo de prueba (unilateral izquierda,
derecha o bilateral).
c) Calcula el estadístico de prueba apropiado.
d) Determina los valores críticos o el p-valor para
tomar una decisión.
e) Indica si se rechaza o no la hipótesis nula.
f) Escribe una conclusión en el contexto del
problema.
PRUEBA DE HIPÓTESIS PARA UNA PROPORCIÓN (p)

Estadístico Z: Z = (p̂ − p₀) / √[p₀(1−p₀)/n]

Condición para usar Z Hipótesis posibles

n · p₀ ≥ 5 o 10 Bilateral: H₀: p=p₀ vs H₁: p≠p₀

n · (1−p₀) ≥ 5 o 10
Unilateral derecha: H₀: p≤p₀ vs H₁: p>p₀
Si se cumple → la distribución muestral de
p̂ se aproxima a una Normal Unilateral izquierda: H₀: p≥p₀ vs H₁: p<p₀

REGLAS DE DECISIÓN (con valor crítico Z):

Bilateral Unilateral derecha Unilateral izquierda
|Zcalculado| > Zα/2(tabla) Zcalculado > Zα(tabla) Zcalculado < −Zα(tabla)

p̂ = x/n donde x = número de 'éxitos' en la muestra | p₀ = proporción hipotetizada bajo H₀

¿Qué es una Proporción? Una proporción (denotada por p para la población y p^ para la muestra) es la fracción o
porcentaje de individuos en una población o muestra que poseen una característica particular de interés. Por
ejemplo, la proporción de consumidores en Brasil que prefieren comprar productos en línea, la proporción de envíos
internacionales que llegan a tiempo, o la proporción de pequeñas empresas que participan en exportaciones.
Formulación de Similar a las pruebas para la media, establecemos una
hipótesis nula (H0) y una hipótesis alternativa (H1). La
la Hipótesis hipótesis nula generalmente establece que la proporción
poblacional es igual a un valor específico (p0). La hipótesis
alternativa reflejará lo que queremos probar.
• Prueba Bilateral:
H0:p=p0 (La proporción poblacional es igual al valor
hipotetizado)
H1:p ≠ p0 (La proporción poblacional es diferente al
valor hipotetizado)
• Prueba Unilateral Derecha:
H0:p≤p0 (La proporción poblacional es menor o igual al
valor hipotetizado)
H1:p>p0 (La proporción poblacional es mayor al valor
hipotetizado - busca evidencia de un
aumento/superioridad)
• Prueba Unilateral Izquierda:
H0:p≥p0 (La proporción poblacional es mayor o igual al
valor hipotetizado)
H1:p<p0 (La proporción poblacional es menor al valor
hipotetizado - busca evidencia de una
disminución/inferioridad)
Condiciones para Usar Para poder utilizar la distribución normal
estándar (Distribución Z) como base para
la Aproximación nuestra prueba (lo cual es muy común y lo que
Normal (Prueba Z) hacen la mayoría de los softwares),
necesitamos que el tamaño de la muestra (n)
sea lo suficientemente grande. Esto se verifica
generalmente si se cumplen las siguientes
condiciones (basadas en la proporción
hipotetizada bajo H0, que es p0):

n⋅p0≥5 (Algunos textos usan 10 en lugar de 5,

pero 5 es un criterio común)
n⋅(1−p0)≥5

Si estas condiciones se cumplen, la distribución

muestral de la proporción muestral (p^) se
puede aproximar por una distribución normal.
 Si se cumplen las condiciones para la aproximación normal
Estadístico de (generalmente n⋅p0≥10 y n⋅(1−p0)≥10), el estadístico de prueba
que calculamos a partir de nuestra muestra es un valor Z.
Prueba
(Estadístico Z) El valor Z mide cuántas desviaciones estándar (del error
para proporciones estándar) se encuentra nuestra proporción muestral (p^) del
valor de la proporción hipotetizada bajo H0 (p0).

La Fórmula del Estadístico Z

La fórmula para calcular el estadístico de prueba Z es:
Donde:

p^: Es la proporción muestral. Se calcula como , donde

x es el número de "éxitos" (o el evento de interés) en la muestra.
p0: Es la proporción poblacional hipotetizada bajo la hipótesis
nula (H0).
n: Es el tamaño de la muestra.

El denominador es el error estándar de la

proporción muestral bajo la suposición de que H0 es cierta.
Distribución
Bajo la hipótesis nula (H0) y si las condiciones de tamaño de
muestra se cumplen, este estadístico Z sigue aproximadamente
una distribución Normal Estándar (Z∼N(0,1)).
Regla de Decisión La decisión de rechazar o no rechazar H0 se toma
comparando el estadístico de prueba calculado
(nuestro valor Z) con uno o dos valores críticos de la
distribución Normal Estándar (determinados por el
nivel de significancia α y el tipo de prueba) o
comparando el p-valor con α.
• Prueba Bilateral: Rechazar H0 si ∣Zcalculado∣>Zα/2 o si
p-valor ≤α. La región de rechazo está en ambas
colas.
• Prueba Unilateral Derecha: Rechazar H0 si
Zcalculado>Zα o si p-valor ≤α. La región de rechazo
está en la cola derecha.
• Prueba Unilateral Izquierda: Rechazar H0 si
Zcalculado<−Zα o si p-valor ≤α. La región de rechazo
está en la cola izquierda.
El p-valor es la probabilidad de obtener un resultado
muestral tan extremo o más extremo que el
observado, asumiendo que H0 es verdadera. Un p-
valor pequeño (< α) proporciona evidencia contra H0.
 7 PASOS: PRUEBA DE HIPÓTESIS PARA UNA PROPORCIÓN (p)

Estadístico: Z = (p̂ − p₀) / √[p₀(1−p₀)/n]

Condición: n·p₀ ≥ 5 y n·(1−p₀) ≥ 5
Distribución: Z ~ N(0,1)
Verificar
Formular Nivel de Calcular p̂ y
① Hipótesis ② Significancia ③ Condición
Normal
④ Estadístico Z
Bilateral:
H₀: p=p₀ vs H₁: p≠p₀ Valores comunes: n · p₀ ≥ 5 ✓
p̂ = x / n
Unilateral d: α = 0.10 | 0.05 | 0.01 n · (1 − p₀) ≥ 5 ✓
Z = (p̂ − p₀) /
H₀: p≤p₀ vs H₁: p>p₀ Determina la 'fuerza' de Si no se cumple → no
√[p₀(1−p₀)/n]
Unilateral i: evidencia requerida usar aproximación Z
H₀: p≥p₀ vs H₁: p<p₀

Determinar valor Tomar la Interpretar en

⑤ Crítico o p-valor ⑥ Decisión ⑦ Contexto
Bilateral:
Bilateral: Zα/2
Rechazar si |Zcalculado| > Zα/2
(ej: Z₀.₀₂₅ = 1.96) Con α=0.05, existe suficiente
Unilateral d:
Unilateral d: Zα evidencia para concluir que la
Rechazar si Zcalculado > Zα
(ej: Z₀.₀₅ = 1.645) proporción de [evento] es
Unilateral i:
Unilateral i: −Zα [mayor/menor/diferente] de p₀
Rechazar si Zcalculado < −Zα
(ej: −Z₀.₀₅ = −1.645)
O bien: Rechazar si p-valor < α
REGLA CLAVE: Rechazar H₀ si p-valor < α ó si el estadístico Z cae
en la Región de Rechazo (según el tipo de prueba)
 Ejercicio 1: Preferencia de Marca en un Nuevo Mercado
Ejercicios Una empresa multinacional de bebidas está considerando
lanzar un nuevo producto en el mercado chileno. Antes del
lanzamiento masivo, realiza una encuesta a una muestra de
consumidores para estimar la proporción que mostraría interés
en comprar el producto. Históricamente, productos similares
lanzados en otros mercados latinoamericanos han tenido una
proporción de interés de alrededor del 40%. La gerencia de
marketing quiere saber si el interés en Chile es mayor a este
40%.
Se encuesta a una muestra aleatoria de 250 consumidores en
Chile, y 115 de ellos expresan interés en comprar el producto.
Realiza una prueba de hipótesis con un nivel de significancia de
α=0.05 para determinar si la proporción de interés en Chile es
significativamente mayor al 40%.

1. Formula las hipótesis nula (H0) y alternativa (H1).

2. Identifica el tipo de prueba.
3. Verifica las condiciones para la aproximación normal.
4. Calcula la proporción muestral (p^).
5. Calcula el estadístico de prueba Z.
6. Determina el valor crítico o el p-valor.
7. Indica si se rechaza o no la hipótesis nula.
8. Escribe una conclusión en el contexto del problema de
negocios internacionales.
 Escenario: Interés en un nuevo producto en Chile.
Pregunta/Afirmación a probar: El interés es mayor al 40%.
Solución Datos Muestrales: n = 250, x (número de interesados) = 115.
Nivel de Significancia: α=0.05.
1. Formulación de Hipótesis:
H0: La proporción de consumidores interesados en Chile es menor
o igual al 40% (p≤0.40).
H1: La proporción de consumidores interesados en Chile es mayor
al 40% (p>0.40).
2. Tipo de Prueba:
Es una prueba unilateral derecha porque H1 usa el signo ">".
3. Verificación de las Condiciones para la Aproximación
Normal: Debemos verificar si n⋅p0≥5 y n⋅(1−p0)≥5, usando p0=0.40.
n⋅p0=250⋅0.40=100
n⋅(1−p0)=250⋅(1−0.40)=250⋅0.60=150
Ambos valores (100 y 150) son mayores o iguales a 5. Por lo
tanto, las condiciones se cumplen y podemos usar la
aproximación normal (prueba Z).
4. Cálculo de la Proporción Muestral (p^):
 5. Cálculo del Estadístico de Prueba Z:

Solución
El valor del estadístico de prueba es Z≈1.936
6. Determinación del Valor Crítico o p-valor y Decisión:
6.1. Usando Valor Crítico: Para una prueba unilateral derecha con
α=0.05, buscamos el valor Z que deja el 5% del área en la cola
derecha de la distribución Normal Estándar. Este valor crítico Z es
aproximadamente 1.645.
Regla de Decisión: Rechazar H0 si Zcalculado>Zcrıtico.
Comparación: 1.936 > 1.645.
6.2. Usando p-valor: Calculando el p-valor para Z = 1.936 en la cola
derecha de la distribución Normal Estándar, obtenemos un p-valor
aproximado de 0.0264.
Regla de Decisión: Rechazar H0 si p-valor ≤α.
Comparación: 0.0264 ≤ 0.05.
7. Decisión:
Dado que el estadístico de prueba calculado (1.936) es mayor que el
valor crítico (1.645), O dado que el p-valor (0.0264) es menor que el
nivel de significancia (0.05), se rechaza la hipótesis nula (H0).
8. Conclusión:
Con un nivel de significancia del 0.05, existe suficiente evidencia
estadística para concluir que la proporción de consumidores que
mostrarían interés en comprar el nuevo producto en Chile es
significativamente mayor al 40%. Esto sugiere que el mercado
chileno podría ser favorable para el lanzamiento del producto.
 EJEMPLO RESUELTO — Prueba Z para p (Mercado Chileno)

Contexto: Empresa multinacional encuesta 250 consumidores en Chile.

115 muestran interés. Históricamente el interés en Latinoamérica es del 40%.
¿Chile supera ese umbral? α=0.05.
Hipótesis Verificar condición
H₀: p ≤ 0.40 | H₁: p > 0.40 → n·p₀ = 250×0.40 = 100 ≥ 5 ✓ |
① Unilateral derecha ② n(1−p₀) = 150 ≥ 5 ✓ → usamos Z

Estadístico Z
p̂ muestral
③ ④ Z = (0.46 − 0.40) / √[0.40×0.60/250]
p̂ = 115/250 = 0.46 (46%)
= 0.06/0.031 ≈ 1.936
Valor crítico Interpretar
Decisión
5 Unilateral derecha, α=0.05 → Z 6 Con α=0.05, la proporción de
⑤ 1.936
crítico>=1.645
1.645 → Rechazamos H₀ | interés en Chile es
p-valor ≈ 0.026 < 0.05 ✓ significativamente > 40%

RESULTADO FINAL
El mercado chileno muestra una proporción de interés significativamente mayor al
40% histórico. Esto sugiere que el mercado chileno es favorable para el lanzamiento
del producto.
Usando Excel:
1. Unilateral Izquierda
Se usa cuando H1: μ < μ0. Buscamos el área en la cola inferior.
• Z de tabla (Crítico): Como Excel siempre mide desde la izquierda, el valor será
negativo.
=[Link](alpha)
• p-valor: Es simplemente el área acumulada hasta tu Zcalculado.
=[Link].N(Z_calc; VERDADERO)
2. Unilateral Derecha
Se usa cuando H1: μ > μ0. Buscamos el área en la cola superior.
• Z de tabla (Crítico): Queremos el valor que deja el α a la derecha (o 1-α a la
izquierda).
=[Link](1 - alpha)
• p-valor: Restamos al total (1) el área que queda a la izquierda.
=1 - [Link].N(Z_calc; VERDADERO)

3. Bilateral (Dos colas)

Se usa cuando H1: μ = μ0. El riesgo (α) se divide en dos partes iguales (α/2).
• Z de tabla (Crítico): Obtendrás dos valores (uno positivo y uno negativo).
Normalmente se reporta el positivo.
=[Link](1 - α/2)
• p-valor: Calculas el área de una cola y la multiplicas por 2.
=(1 - [Link].N(ABS(Z_calc); VERDADERO)) * 2
Nota: Usamos ABS para asegurar que tome la cola extrema sin importar el signo
del estadístico.
 Ejercicio 2: Tasa de Éxito en Negociaciones con
Proveedores Extranjeros
El departamento de compras de una empresa importa
Ejercicios componentes electrónicos de Asia. Históricamente, la tasa de
éxito en cerrar negociaciones con nuevos proveedores
asiáticos ha sido del 60%. Un nuevo director del departamento
cree que, con las nuevas estrategias de negociación
implementadas, la tasa de éxito ha cambiado (puede ser
mayor o menor).
Se revisan los registros de las últimas 80 negociaciones con
nuevos proveedores extranjeros, y se encuentra que 55 de
ellas fueron exitosas.
Realiza una prueba de hipótesis con un nivel de significancia
de α=0.10 para determinar si la tasa de éxito en las
negociaciones ha cambiado.

1. Formula las hipótesis nula (H0) y alternativa (H1).

2. Identifica el tipo de prueba.
3. Verifica las condiciones para la aproximación normal.
4. Calcula la proporción muestral (p^).
5. Calcula el estadístico de prueba Z.
6. Determina el valor crítico o el p-valor.
7. Indica si se rechaza o no la hipótesis nula.
8. Escribe una conclusión en el contexto del problema de
negocios internacionales.
 Escenario: Tasa de éxito en negociaciones con proveedores
extranjeros.
Pregunta/Afirmación a probar: La tasa de éxito ha cambiado
Solución del 60%.
Datos Muestrales: n = 80, x (número de negociaciones
exitosas) = 55.
Nivel de Significancia: α=0.10.

1. Formulación de Hipótesis:
H0: La tasa de éxito en las negociaciones es igual al 60%
(p=0.60).
H1: La tasa de éxito en las negociaciones es diferente al
60% (p ≠ 0.60).
2. Tipo de Prueba:
Es una prueba bilateral porque H1 usa el signo " ≠ ".
3. Verificación de las Condiciones para la Aproximación
Normal: Debemos verificar si n⋅p0≥5 y n⋅(1−p0)≥5, usando
p0=0.60.

Ambos valores (48 y 32) son mayores o iguales a 5. Por lo

tanto, las condiciones se cumplen y podemos usar la
aproximación normal (prueba Z).
4. Cálculo de la Proporción Muestral (p^):
 Escenario: Tasa de éxito en negociaciones con proveedores extranjeros.
Pregunta/Afirmación a probar: La tasa de éxito ha cambiado del 60%.
Solución Datos Muestrales: n = 80, x (número de negociaciones exitosas) = 55.
Nivel de Significancia: α=0.10.

1. Formulación de Hipótesis:
H0: La tasa de éxito en las negociaciones es igual al 60% (p=0.60).
H1: La tasa de éxito en las negociaciones es diferente al 60% (p ≠ 0.60).
2. Tipo de Prueba:
Es una prueba bilateral porque H1 usa el signo " ≠ ".
3. Verificación de las Condiciones para la Aproximación Normal:
Debemos verificar si n⋅p0≥5 y n⋅(1−p0)≥5, usando p0=0.60.
n⋅p0=80⋅0.60=48
n⋅(1−p0)=80⋅(1−0.60)=80⋅0.40=32
Ambos valores (48 y 32) son mayores o iguales a 5. Por lo tanto, las
condiciones se cumplen y podemos usar la aproximación normal
(prueba Z).
4. Cálculo de la Proporción Muestral (p^):

5. Cálculo del Estadístico de Prueba Z:

El valor del estadístico de prueba es Z≈1.598

 6. Determinación de los Valores Críticos o p-valor y Decisión:
Solución Usando Valores Críticos: Para una prueba bilateral con α=0.10, el
nivel de significancia se divide en dos colas (α/2=0.10/2=0.05).
Buscamos los valores Z que dejan el 5% del área en cada cola de la
distribución Normal Estándar. Estos valores críticos Z son
aproximadamente 1.645.
Regla de Decisión: Rechazar H0 si Zcalculado<ZcrıticoInferior o si
Zcalculado>ZcrıticoSuperior.
Comparación: -1.645 < 1.598 < 1.645. El estadístico calculado
NO cae en las regiones de rechazo.
Usando p-valor: Calculando el p-valor bilateral para Z = 1.598 de la
distribución Normal Estándar (la probabilidad de obtener un Z ≤ -1.598
o Z ≥ 1.598), obtenemos un p-valor aproximado de 0.1101.
Regla de Decisión: Rechazar H0 si p-valor ≤α.
Comparación: 0.1101 $> $ 0.10.
7. Decisión:
Dado que el estadístico de prueba calculado (1.598) NO es menor que
el valor crítico inferior (-1.645) ni mayor que el valor crítico superior
(1.645), O dado que el p-valor (0.1101) es mayor que el nivel de
significancia (0.10), no se rechaza la hipótesis nula (H0).
8. Conclusión:
Con un nivel de significancia del 0.10, no existe suficiente evidencia
estadística para concluir que la tasa de éxito en las negociaciones con
nuevos proveedores extranjeros ha cambiado del 60%. La evidencia
muestral no es lo suficientemente fuerte para descartar que la tasa
sigue siendo del 60%.
Ejercicios Ejercicio 1: Control de Calidad en Insumos
Propuestos Tecnológicos
Una planta ensambladora afirma que el 5% de los
microchips que recibe de su proveedor principal son
defectuosos. El gerente de calidad sospecha que
este porcentaje ha aumentado debido a quejas
recientes. Se toma una muestra aleatoria de 120
chips y se encuentran 10 defectuosos.
Realiza una prueba de hipótesis con α=0.05
siguiendo los mismos pasos:

[Link] H0 y H1.
[Link] el tipo de prueba (una cola o dos colas).
[Link] las condiciones de aproximación normal
Calcula
[Link] el estadístico Z.
[Link] el p-valor.
[Link] si se rechaza H0.
[Link] la interpretación.
Ejercicios Ejercicio 2: Efectividad de un Nuevo Software de Gestión
(ERP)
propuestos Históricamente, el 70% de los empleados de una entidad
completan sus reportes diarios a tiempo. Tras implementar un
nuevo módulo en el sistema de gestión, se quiere determinar
si la proporción de cumplimiento ha cambiado. Se evalúan los
registros de 150 empleados y se observa que 115 cumplieron
con el plazo.

Utiliza un nivel de significancia de α = 0.01 para realizar la

prueba de hipótesis completa.

Ejercicio 3: Lealtad del Cliente en Servicios Digitales

Una plataforma de educación virtual reportó el año pasado que
el 40% de sus usuarios activos renovaron su suscripción anual.
Para este periodo, el equipo de marketing implementó una
campaña de fidelización y desea saber si la tasa de renovación
ha mejorado. En una muestra de 200 usuarios, 92 renovaron
su suscripción.

Realiza la prueba de hipótesis con α = 0.10 y determina si la

campaña tuvo un efecto estadísticamente significativo.
SÍNTESIS DE LAS PRUEBAS DE HIPÓTESIS PARA LA MEDIA
POBLACIONAL: CASO σ CONOCIDA
SÍNTESIS DE LAS PRUEBAS DE HIPÓTESIS PARA LA
MEDIA POBLACIONAL: CASO σ DESCONOCIDA
SÍNTESIS DE LAS PRUEBAS DE HIPÓTESIS PARA LA PROPORCIÓN

NOTA: El valor de la proporción (𝑷) se obtiene con los datos de la muestra

 Conclusión
Conceptos clave Errores de decisión

✓
La prueba lleva a una decisión BINARIA: rechazar
H₀ o no rechazarla
Error Tipo I: Rechazar H₀ siendo verdadera
✓
El signo en H₁ define el tipo: bilateral (≠), derecha α → 'condenar un inocente'
(>), izquierda (<)

✓
α fija el Error Tipo I — se elige ANTES de ver los
datos Error Tipo II: No rechazar H₀ siendo falsa →
β 'absolver un culpable'
✓
Rechazar H₀ si p-valor < α ó estadístico cae en
región de rechazo

Comparación: Media vs Proporción

Prueba para μ (Media) Prueba para p (Proporción)

Estadístico Z = (x̄−μ₀)/(σ/√n) ó t = (x̄−μ₀)/(s/√n) Z = (p̂−p₀) / √[p₀(1−p₀)/n]

Distribución Z ~ N(0,1) ó t ~ t(gl=n−1) Z ~ N(0,1)

Condición n≥30 (Z) ó n<30 y σ desconocida (t) n·p₀ ≥ 5 y n·(1−p₀) ≥ 5

¿Por qué es importante aprenderlas?

Decisiones de mercado: ¿El Exportaciones: ¿Nuestro costo Control de calidad: ¿El proceso
nuevo producto supera la cuota es competitivo respecto al estándar cumple con los tiempos o
histórica de aceptación? internacional? proporciones declarados?