Prueba z de una muestra

La prueba z de una muestra compara la media de una muestra con una media hipotética cuando la desviación estándar poblacional se conoce por estudios previos o datos históricos. Los datos deben ser continuos, aleatorios e independientes, y con distribución normal o con un tamaño de muestra mayor que 20 sin asimetría severa. Si se desconoce la desviación estándar, use la prueba t de una muestra. La salida incluye el estadístico z, el valor p y el intervalo de confianza.

Última revisión:

Idea clave

Una prueba z de una muestra determina si la media de una muestra difiere significativamente de una media poblacional hipotética cuando se conoce la desviación estándar poblacional, mediante la distribución normal estándar.

En esta página
  1. ¿Qué es la prueba z de una muestra?
  2. ¿Cuándo usar la prueba z de una muestra?
    1. Condiciones para usar una prueba z de una muestra:
  3. Pautas para el uso correcto de la prueba z de una muestra
  4. Alternativas: cuándo no usar la prueba z de una muestra
  5. ¿Ejemplo de prueba z de una muestra?
  6. Cómo realizar la prueba z de una muestra
  7. Cómo realizar la prueba z de una muestra para datos resumidos

¿Qué es la prueba z de una muestra?

La prueba z de una muestra es un procedimiento fundamental de la estadística inferencial que se usa para determinar si la media de una muestra difiere significativamente de una media poblacional conocida. Esta prueba paramétrica es aplicable cuando se conoce la desviación estándar poblacional, los puntos de datos son independientes y los datos siguen una distribución normal o el tamaño de muestra es lo bastante grande (mayor que 20, con datos sin asimetría severa) para que la media muestral sea aproximadamente normal. Es versátil, ya que puede aplicarse a una muestra, a dos muestras o a proporciones en las pruebas de hipótesis. La prueba z puede clasificarse en prueba de cola izquierda, de cola derecha y bilateral, según la naturaleza de los datos y la hipótesis que se somete a prueba. La prueba consiste en comparar la media muestral con la media poblacional mediante la distribución normal estándar para calcular los valores críticos.

La prueba z de una muestra evalúa si la media muestral es significativamente mayor que, menor que o distinta de la media poblacional. La hipótesis nula establece que no existe una diferencia significativa entre la media muestral y la media poblacional. Se calcula el estadístico de prueba y se compara con los valores críticos; si cae en la región crítica, se rechaza la hipótesis nula.

¿Cuándo usar la prueba z de una muestra?

Se usa generalmente cuando se tiene una sola muestra y se desea compararla con un valor poblacional conocido.

Condiciones para usar una prueba z de una muestra:

  1. Desviación estándar poblacional conocida: la desviación estándar poblacional (σ) debe ser conocida.
  2. Tamaño de muestra: si los datos no tienen distribución normal, el tamaño de muestra debe ser mayor que 20 y los datos no deben presentar asimetría severa.
  3. Distribución normal: la población subyacente de la que se extrae la muestra debe seguir una distribución normal, especialmente con tamaños de muestra pequeños (20 o menos). Sin embargo, con tamaños de muestra mayores, la prueba z es robusta frente a la falta de normalidad.
  4. Puntos de datos independientes: los puntos de datos de la muestra deben ser independientes entre sí. Esto significa que el valor de un punto de datos no influye en el valor de otro.

Estos son algunos escenarios en los que podría usar una prueba z de una muestra:

  • Control de calidad: una fábrica produce piezas y usted desea saber si el peso de las piezas es coherente con la especificación del cliente. En este caso, puede tomar una muestra de piezas, medir su peso y compararlo con la especificación del cliente.
  • Investigación médica: se ha desarrollado un nuevo fármaco para reducir la presión arterial y usted desea saber si es eficaz. Puede tomar una muestra de pacientes con presión arterial alta, administrarles el fármaco y medir su presión arterial transcurrido cierto tiempo. Después puede comparar la presión arterial promedio de la muestra con la media poblacional.
  • Satisfacción del cliente: una empresa desea saber si sus clientes están satisfechos con sus productos. En este caso, la empresa puede tomar una muestra aleatoria de clientes y pedirles que califiquen su satisfacción en una escala del 1 al 10. Después, la empresa puede comparar la puntuación promedio de satisfacción de la muestra con la media poblacional.

Pautas para el uso correcto de la prueba z de una muestra

  • Use la prueba z de una muestra si se conoce la desviación estándar poblacional
  • Use datos continuos para el análisis, como los pesos de paquetes
  • Use la tasa de Poisson de una muestra para datos de recuento y una proporción para datos de tipo pasa/no pasa
  • El tamaño de muestra debe ser mayor que 20 y los datos no deben presentar asimetría severa
  • Seleccione los datos de la muestra al azar y asegúrese de que cada observación sea independiente
  • Determine un tamaño de muestra adecuado para obtener estimaciones precisas e intervalos de confianza estrechos, y para protegerse frente a errores.

Alternativas: cuándo no usar la prueba z de una muestra

Si no conoce la desviación estándar de la población, debe utilizar la prueba t de una muestra.

¿Ejemplo de prueba z de una muestra?

Un científico de una empresa que fabrica alimentos procesados desea evaluar el porcentaje de grasa de la salsa embotellada de la empresa. El porcentaje declarado es del 15%. El científico mide el porcentaje de grasa en 20 muestras aleatorias. Mediciones previas indican que la desviación estándar poblacional es del 2.6%. El científico realiza una prueba z de una muestra para determinar si el porcentaje de grasa difiere del 15%. Los pasos son los siguientes:

  1. Se reunieron los datos necesarios.
One sample z-test — figure 1
  1.  A continuación, analice los datos en Zometric Statistical Software en https://statsai.zometric.com/.
  2.  Para encontrar One sample z-test, elija Statistical module> Graphical analysis> One sample z-test.
  3.  Dentro de la herramienta, introduzca los datos junto con las demás entradas de la siguiente manera:
  4. Tras usar la herramienta mencionada, se obtiene la siguiente salida:
One sample z-test — figure 2One sample z-test — figure 3One sample z-test — figure 4

Cómo realizar la prueba z de una muestra

La guía es la siguiente:

  1. Inicie sesión en Zometric Statistical Software en https://statsai.zometric.com/
  2. En la página de inicio, elija Statistical Tool> Graphical analysis >One sample z-test.
  3. Haga clic en One sample z-test para llegar al tablero.
  4. A continuación, introduzca los datos manualmente o copie todos los datos (Ctrl+C) de una hoja de Excel y péguelos (Ctrl+V) aquí.
  5. A continuación, debe introducir los valores del nivel de confianza, la desviación estándar conocida y la media hipotética.
  6. Por último, haga clic en calculate en la parte inferior de la página para obtener los resultados deseados.

En el tablero de One sample z-test, la ventana está dividida en dos partes.

One sample z-test — figure 5

En la parte izquierda se encuentra el panel de datos (Data Pane). En el Data Pane, cada fila forma un subgrupo. Los datos pueden introducirse manualmente o copiarse por completo (Ctrl+C) desde una hoja de Excel y pegarse (Ctrl+V) aquí.

Load example: Se cargarán los datos de ejemplo.

Load File: Se usa para cargar directamente los datos de Excel.

En la parte derecha hay varias opciones, como las siguientes:

  • Confidence level: En las pruebas de hipótesis, el nivel de confianza representa el grado de certeza o confianza que tenemos en nuestro análisis estadístico. Es un valor de probabilidad que indica la probabilidad de que el verdadero parámetro poblacional se encuentre dentro del rango de valores especificado. Normalmente, el nivel de confianza se expresa como porcentaje y se denota por (1 - α), donde α es el nivel de significancia o la probabilidad de rechazar una hipótesis nula verdadera. Por ejemplo, si tenemos un nivel de confianza del 95%, estamos diciendo que tenemos un 95% de confianza en que el verdadero parámetro poblacional se encuentra dentro de nuestra estimación por intervalo, y que existe un 5% de probabilidad de cometer un error de tipo I (rechazar una hipótesis nula verdadera). En términos prácticos, un nivel de confianza más alto significa que tenemos más confianza en nuestro análisis estadístico y en los resultados. Sin embargo, aumentar el nivel de confianza también aumenta la amplitud del intervalo de confianza, lo que dificulta detectar efectos pequeños. Por lo tanto, la elección del nivel de confianza depende del contexto del estudio y de los objetivos del investigador.
  • Known standard deviation: la desviación estándar poblacional (σ), conocida por estudios previos o datos históricos en lugar de estimada a partir de la muestra. El estadístico de prueba z se calcula como la diferencia entre la media muestral y la media hipotética, dividida por el error estándar de la media (σ dividida por la raíz cuadrada del tamaño de muestra), y se compara con la distribución normal estándar.
  • Hypothesized mean: La media hipotética, también conocida como media esperada o media poblacional, es un valor especificado en la hipótesis nula que representa el valor promedio de la variable sometida a prueba. Es un valor teórico que se usa para compararlo con la media muestral real y determinar si la diferencia es estadísticamente significativa o se debe al azar.
  • Alternative hypothesis: En las pruebas de hipótesis, la hipótesis alternativa (también llamada hipótesis de investigación) es un enunciado que representa una conclusión distinta de la de la hipótesis nula. La hipótesis nula suele representar el statu quo o el supuesto de que no existe una diferencia o relación significativa entre dos o más grupos o variables. La hipótesis alternativa es el enunciado que se pone a prueba y propone que existe una diferencia o relación significativa entre los grupos o variables estudiados.
  • Box Plot: Si se marca, se obtiene la gráfica de caja; de lo contrario, no.
  • Histogram: Si se marca, se obtiene el histograma; de lo contrario, no.
  • Label:  Define las etiquetas de datos, con tres opciones:
    • Outlier: valores de datos que están lejos de los demás valores y pueden afectar con fuerza a los resultados.
    • All quartiles: los cuartiles son valores que dividen una muestra de datos en cuatro partes iguales. Permiten evaluar rápidamente la dispersión y la tendencia central de un conjunto de datos.
    • Mean: la media en una gráfica de caja, para aportar información adicional sobre la tendencia central de los datos.
    • Individual Data: Un dato individual es una única observación o valor de un conjunto de datos.
  • Download as Excel: Muestra el resultado en formato Excel, que puede editarse fácilmente y volver a cargarse para los cálculos mediante la opción load file.

Cómo realizar la prueba z de una muestra para datos resumidos

La guía es la siguiente:

  1. Inicie sesión en Zometric Statistical Software en https://statsai.zometric.com/
  2. En la página de inicio, elija Statistical Tool> Graphical analysis >One sample z-test for summarized data
  3. Haga clic en One sample z-test for summarized data para llegar al tablero.
  4. A continuación, introduzca los datos manualmente o copie todos los datos (Ctrl+C) de una hoja de Excel y péguelos (Ctrl+V) aquí.
  5. A continuación, debe introducir los valores del tamaño de muestra, la media muestral, la desviación estándar conocida, la media hipotética y el nivel de confianza.
  6. Por último, haga clic en calculate en la parte inferior de la página para obtener los resultados deseados.

En el tablero de One sample z-test for summarized data, la ventana solo tiene la parte izquierda.

Load File: Se usa para cargar directamente los datos de Excel.

One sample z-test — figure 6

En esta parte hay varias opciones, como las siguientes:

  • Sample size: El tamaño de muestra se refiere al número de individuos, objetos o eventos seleccionados de una población para ser estudiados con el fin de extraer conclusiones sobre toda la población. En otras palabras, es el número de observaciones o participantes incluidos en un estudio. El tamaño de la muestra puede tener un impacto significativo en la exactitud y la fiabilidad de los resultados del estudio. Un tamaño de muestra mayor suele ofrecer una imagen más representativa de la población y ayuda a reducir los efectos del error de muestreo aleatorio. Por lo tanto, es importante determinar un tamaño de muestra adecuado antes de realizar la investigación para garantizar que los resultados sean estadísticamente válidos y fiables.
  • Sample mean: La media muestral es el valor promedio de un conjunto de observaciones o puntos de datos seleccionados de una población mayor. Se calcula sumando todos los valores de la muestra y dividiendo entre el número de observaciones. La media muestral se usa a menudo como estimador de la media poblacional, que es el valor promedio de toda la población.
  • Confidence level: En las pruebas de hipótesis, el nivel de confianza representa el grado de certeza o confianza que tenemos en nuestro análisis estadístico. Es un valor de probabilidad que indica la probabilidad de que el verdadero parámetro poblacional se encuentre dentro del rango de valores especificado. Normalmente, el nivel de confianza se expresa como porcentaje y se denota por (1 - α), donde α es el nivel de significancia o la probabilidad de rechazar una hipótesis nula verdadera. Por ejemplo, si tenemos un nivel de confianza del 95%, estamos diciendo que tenemos un 95% de confianza en que el verdadero parámetro poblacional se encuentra dentro de nuestra estimación por intervalo, y que existe un 5% de probabilidad de cometer un error de tipo I (rechazar una hipótesis nula verdadera). En términos prácticos, un nivel de confianza más alto significa que tenemos más confianza en nuestro análisis estadístico y en los resultados. Sin embargo, aumentar el nivel de confianza también aumenta la amplitud del intervalo de confianza, lo que dificulta detectar efectos pequeños. Por lo tanto, la elección del nivel de confianza depende del contexto del estudio y de los objetivos del investigador.
  • Known standard deviation: la desviación estándar poblacional (σ), conocida por estudios previos o datos históricos en lugar de estimada a partir de la muestra. El estadístico de prueba z se calcula como la diferencia entre la media muestral y la media hipotética, dividida por el error estándar de la media (σ dividida por la raíz cuadrada del tamaño de muestra), y se compara con la distribución normal estándar.
  • Hypothesized mean: La media hipotética, también conocida como media esperada o media poblacional, es un valor especificado en la hipótesis nula que representa el valor promedio de la variable sometida a prueba. Es un valor teórico que se usa para compararlo con la media muestral real y determinar si la diferencia es estadísticamente significativa o se debe al azar.
  • Alternative hypothesis: En las pruebas de hipótesis, la hipótesis alternativa (también llamada hipótesis de investigación) es un enunciado que representa una conclusión distinta de la de la hipótesis nula. La hipótesis nula suele representar el statu quo o el supuesto de que no existe una diferencia o relación significativa entre dos o más grupos o variables. La hipótesis alternativa es el enunciado que se pone a prueba y propone que existe una diferencia o relación significativa entre los grupos o variables estudiados.
  • Download as Excel: Muestra el resultado en formato Excel, que puede editarse fácilmente y volver a cargarse para los cálculos mediante la opción load file.

Preguntas frecuentes

¿Qué es una prueba z de una muestra?

Una prueba z de una muestra determina si la media de una muestra difiere significativamente de una media poblacional conocida cuando se conoce la desviación estándar poblacional. El estadístico z es la diferencia entre la media muestral y la media hipotética dividida por el error estándar, es decir, sigma dividida por la raíz cuadrada del tamaño de muestra. Puede ejecutarse como prueba de cola izquierda, de cola derecha o bilateral.

¿Cuáles son las condiciones de una prueba z de una muestra?

La desviación estándar poblacional debe ser conocida y los puntos de datos deben ser independientes, continuos y obtenidos por muestreo aleatorio. Los datos deben seguir una distribución normal, especialmente con tamaños de muestra de 20 o menos; si los datos no son normales, el tamaño de muestra debe ser mayor que 20 y los datos no deben presentar asimetría severa, de modo que la media muestral sea aproximadamente normal.

¿Cuál es la diferencia entre una prueba z de una muestra y una prueba t?

La prueba z se usa cuando se conoce la desviación estándar poblacional. Si se desconoce y debe estimarse a partir de la muestra, use en su lugar la prueba t de una muestra. Para datos de recuento use la prueba de tasa de Poisson de una muestra, y para datos de tipo pasa/no pasa use una proporción.

¿Cómo se ejecuta una prueba z de una muestra en Zometric Statistical Software?

Abra la herramienta One sample z-test, introduzca o pegue los datos, defina el nivel de confianza, la desviación estándar conocida, la media hipotética y la hipótesis alternativa, y haga clic en Calculate. Una versión para datos resumidos acepta el tamaño de muestra, la media muestral, la desviación estándar conocida, la media hipotética y el nivel de confianza en lugar de los datos sin procesar.