Σ
SDCalc
AvanzadoAvanzado·14 min

Pruebas de hipótesis con desviación estándar

Aprenda cómo se utiliza la desviación estándar en las pruebas de hipótesis. Comprenda las pruebas t, las pruebas z y cómo determinar la significancia estadística.

Visión general

La prueba de hipótesis es un método estadístico para tomar decisiones sobre poblaciones basándose en datos muestrales. La desviación estándar desempeña un papel fundamental para determinar si las diferencias observadas son estadísticamente significativas o se deben simplemente al azar.

1

Plantear las hipótesis

Formular la hipótesis nula (H₀) y la hipótesis alternativa (H₁)
2

Elegir el nivel de significancia

Seleccionar el nivel de significancia (α), generalmente 0.05
3

Calcular el estadístico de prueba

Calcular el estadístico de prueba utilizando la desviación estándar
4

Comparar con el valor crítico

Comparar con el valor crítico o calcular el valor p
5

Tomar la decisión

Decidir: rechazar o no rechazar H₀

Prueba Z

Utilice una prueba Z cuando conozca la desviación estándar poblacional (σ) y tenga un tamaño de muestra grande (n ≥ 30).

Estadístico de prueba Z

z = (x̄ - μ₀) / (σ / √n)

Ejemplo

Un fabricante afirma que las baterías duran en promedio 100 horas (μ₀ = 100). Usted prueba 36 baterías y obtiene x̄ = 98 horas. Si σ = 12 horas: z = (98 - 100) / (12 / √36) = -2 / 2 = -1 Con z = -1 y α = 0.05 (bilateral), no se rechaza H₀. La diferencia no es estadísticamente significativa.

Prueba t

Utilice una prueba t cuando no conozca la desviación estándar poblacional y deba estimarla a partir de la muestra (usando s en lugar de σ).

Estadístico de prueba t

t = (x̄ - μ₀) / (s / √n)

Cuándo usar la prueba t frente a la prueba Z

- Prueba Z: σ conocida, n ≥ 30 - Prueba t: σ desconocida (se usa s), cualquier tamaño de muestra En la práctica, las pruebas t son mucho más frecuentes porque rara vez se conoce el verdadero σ poblacional.

Error estándar

El error estándar (EE) mide cuánto varían las medias muestrales respecto a la media poblacional. Es el vínculo clave entre la desviación estándar y las pruebas de hipótesis.

Error estándar de la media

SE = σ / √n (o s / √n cuando se usa la DE muestral)

El error estándar disminuye a medida que aumenta el tamaño de la muestra. Muestras más grandes proporcionan estimaciones más precisas y facilitan la detección de diferencias reales.

Significancia estadística

Un resultado es estadísticamente significativo cuando la probabilidad de observarlo por azar (valor p) está por debajo del umbral elegido (α).

Si valor p < α

Se rechaza H₀. El resultado es estadísticamente significativo.

Si valor p ≥ α

No se rechaza H₀. El resultado podría deberse al azar.

Significancia estadística vs. significancia práctica

Un resultado estadísticamente significativo no es necesariamente importante en la práctica. Con muestras muy grandes, diferencias minúsculas pueden ser "significativas" pero carecer de relevancia práctica. Siempre considere el tamaño del efecto junto con los valores p.

Further Reading

← Centro de Aprendizaje

How to Read This Article

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goalWhat to focus onCommon mistake
DefinitionWhat the metric is and what quantity it summarizesTreating the formula as self-explanatory
Formula choiceSample versus population assumptions and notationUsing n when n-1 is required or vice versa
InterpretationWhether the result indicates concentration, spread, or riskCalling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.