“Estadística para

Administración”
Prof. Juan Narro Lavi

MBA Gerencial
 Sesiones 15 y 16:
Pruebas de Hipótesis II
 Error tipo II (β)
• Probabilidad de aceptar la hipótesis nula como
verdadera cuando en realidad es falsa.
– ¿Cómo calcular el error tipo II?
– ¿Cómo disminuir el error tipo II manteniendo el
mismo error tipo I?
• Curva Operacional
– Nos muestra la probabilidad de aceptar una
hipótesis falsa cuando debimos rechazarla.
– Varía de acuerdo a: n, error estándar y alfa (α).
• Curva de poder o poder discriminador
– Representa la probabilidad de NO cometer un
error tipo II, es decir (1-β).
– A > n > poder discriminador.
 Resultados de Probabilidades
H0: Inocente

Juicio Prueba de Hipótesis

Lo Cierto Lo Cierto

Veredicto Inocente Culpable Decisión H 0 Verd. H 0 Falsa

No Error
Inocente Correcto Error Rechazar 1- a Tipo II
H0 ()

Error Prueba de
Rechazar
Culpable Error Correcto Tipo I Poder
H0 (α) (1 -  )
 Error tipo II (β)
Usted es Jefe de Logística de una empresa dedicada a
confeccionar pasadores de sujeción tipo chaveta de diferentes
dimensiones; se ha efectuado la adquisición de un lote de
varillas de acero.
La experiencia a revelado que la verdadera resistencia
promedio de los lotes recibidos es 10,000 PSI con una σ de 400
PSI.
Para tomar una decisión acerca de los embarques recibidos, la
empresa ha establecido una norma a seguir por el Control de
Calidad: “Tomar una muestra de 100 varillas, si la resistencia
promedio se encuentra entre 9,922 y 10,078 PSI, se acepta el
lote; si no lo rechazamos”.
¿Cuál será la probabilidad de aceptar el lote como “bueno”,
cuando en realidad la media del lote no es 10,000 PSI, sino
9,900 PSI, a un nivel de significancia de 0.05?
¿Cómo disminuir el error tipo II, manteniendo el mismo error
tipo I?
 Error tipo II (β)
1. Hipotesis nula y alternativa

H 0 : 0  1000 PSI
H1 : 0  1000 PSI

“El promedio de la resistencia no es significativamente diferente

de 10,000 PSI”

2. Nivel de significación
Prueba de dos colas
a
a  0.05 2 a
2
a / 2  0.025 Región de Aceptación
 Error tipo II (β)
3. Estadístico de Prueba
Como se trata de una prueba de una media poblacional con n≥30,
y se conoce σ, usamos Z.

x
z

n

4. Regla de decisión (crítico)

zCritico  za / 2  z0.025 No Rechazo H0 si:

zCritico  1.96  zCritico  zCalc.  zCritico

 Error tipo II (β)

a
2 a
1a 2

x Crit.  9,922 0  10,000 10,078

zCrit.  1.96 zCrit.  1.96


1 
1  9,900 9,922  x Crit.1
zCrit .1  ?
 Error tipo II (β)
xCrit.1  1 9922  9900 22
zCrit.1  zCrit.1  
 400 40
n 100
zCrit.1  0.55
Aplicando
Distribución Normal
Std. obtendremos el
área bajo la curva.
1 

zcrit.1  0.55
Área = 0.7088 (acumulada, 1-β)

Área (β) = 1- 0.7088 = 0.2912 La probabilidad de aceptar un

lote malo es de 0.2912
 Error tipo II (β)
¿Cómo dismimuir el erro tipo II manteniendo el mismo erro tipo I?

1. Establecer el valor crítico del estadístico de prueba tanto para α

como para β, de acuerdo al nivel de significancia deseado.

2. Igualar las ecuaciones del estadístico de prueba y despejar n.

a
2 a
1a 2

x Crit.  9,922 0  10,000 10,078

zCrit.  1.96 zCrit.  1.96


1 
1  9,900 9,922  x Crit .1
zCrit .1  ?
 Error tipo II (β)
1. Valor crítico del estadistico para α como para β.

x Crit.  0 x Crit.1  1
zCrit.  zCrit.1 
 
n n
a  0.05   0.01
zCrit.  1.96 zCrit.1  2.33

2. Igualar y despejar n.
x Crit.  x Crit.1
x Crit.  zCrit. x  0 zCrit. x  0  zCrit.1 x  1
x Crit.1  zCrit.1 x  1
 Error tipo II (β)
En la cola izquierda:

zCrit. x  0  zCrit.1 x  1

 400   400 
 1.96   10,000  2.33   9,900
 n  n
784 932
  10,000   9,900
n n
2
 1716 
n   294.4656  295
 100 
Para mantener α=0.05 y disminuir β de 0.2912 a 0.01, debemos
efectuar una prueba a 295 muestras.
 Curva Operacional - Poder

1
Alfa
0.9
0.8
0.7
0.6 beta
Prob.

0.5 1-beta

0.4
0.3
0.2
0.1
Resistencia
0
10000

10020

10060

10100

10120

10180
9820

9880

9900

9940

9980
 Curva Característica de Operación (CO)
Error I P(x<=2)
1.0000
α (AQL,1-α)
0.9000

0.8000

0.7000
n Tamaño Muestra
Plan Muestral
0.6000 c Número Defectos
0.5000

0.4000

0.3000

0.2000
(LTPD,β)
0.1000
Error II β Zona Indiferencia
0.0000
0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50
Lotes P(x<=2) Lotes Malos
Buenos
AQL LTPD
Acceptance Quality Level Lot Tolerance Percent Defective
“Estadística para
Administración”
Prof. Juan Narro Lavi

MBA Gerencial