Professional Documents
Culture Documents
Prueba de hipótesis
Contenidos:
Definición de hipótesis estadística
Hipótesis nula y alternativa
Tipos de errores
Tipos de pruebas de hipótesis
Región crítica y regla de decisión
Procedimiento general de la prueba de hipótesis
Pruebas de normalidad
Hipótesis para una muestra bajo la existencia de normalidad: para
una media, varianza, proporción y muestras relacionadas
Aplicación
Prueba de hipótesis
Todos los días de la vida se toman
decisiones. Algunas de dichas
decisiones son de gran importancia;
otras son aparentemente
insignificantes. Todas las decisiones
siguen el mismo patrón básico. Se
analizan las alternativas; luego, con
base en las creencias, preferencias y
cualquier evidencia disponible, se
llega a una decisión y se toma la
acción que se considera más
adecuada.
Prueba de hipótesis estadística
La prueba de hipótesis estadística sigue en gran
parte el mismo proceso, excepto que involucra
información estadística. En esta sección se
desarrollan muchos de los conceptos y actitudes de
la prueba de hipótesis mientras se observan varias
situaciones de toma de decisiones sin usar ningún
estadístico.
Hipótesis y procedimientos de prueba
Error tipo II
Decisión correcta
𝐇𝟎 es falsa
(P = 1 − 𝛽)
(P = 𝛽)
Tipos de errores
Error tipo I: Es el error que se comete cuando se rechaza una
hipótesis nula que es verdadera en la población.
La probabilidad de cometer error tipo I se denota por 𝜶, entonces:
𝜶 =P(error tipo I) = P(rechazar 𝐇𝟎 𝒄𝒖𝒂𝒏𝒅𝒐 𝐇𝟎 es verdadera)
Se denomina nivel de significación 𝜶 de una prueba de hipótesis a
la probabilidad de cometer error tipo I.
Error tipo II: Es el error que se comete cuando se acepta una
hipótesis nula que es falsa en la población.
La probabilidad de cometer error tipo II se denota por 𝜷, entonces:
𝜷 =P(error tipo II) = P(aceptar 𝐇𝟎 𝒄𝒖𝒂𝒏𝒅𝒐 𝐇𝟎 es falsa)
Comúnmente se controla el error tipo I al establecer el riesgo que
se está dispuesto a tolerar en términos de rechazo de una hipótesis
nula verdadera.
La potencia de prueba (𝟏 − 𝜷) es la probabilidad de rechazar una
hipótesis nula que es falsa.
Tipos de errores
Una buena regla de decisión debe garantizar que la probabilidad de cometer tanto
error tipo I y II sea pequeña. Sin embargo, no es fácil, por no decir imposible,
minimizar las dos probabilidades simultáneamente. Una solución es plantear las
hipótesis de tal manera que el error tipo I sea menos grave que el error tipo II y
garantizar únicamente que la probabilidad de cometer error tipo I sea pequeña. Una
falla evidente de este procedimiento es que no se controla la magnitud del error tipo
II.
Ejemplo:
Con respecto al ejemplo de la importación de motocicletas se tiene:
𝑯𝟎 : 𝝁 ≤ 𝟓, 𝟓 vs 𝑯𝟏 : 𝝁 > 𝟓, 𝟓
El error tipo I implica rechazar 𝝁 ≤ 𝟓, 𝟓 cuando realmente 𝝁 ≤ 𝟓, 𝟓 , esto es
motocicletas que emiten una cantidad permitida de CO no pasan la prueba. Esto
puede causar pérdidas económicas para la empresa que fabrica y la empresa que
importa las motocicletas.
El error tipo II implica no rechazar (“aceptar”) 𝝁 ≤ 𝟓, 𝟓 cuando en realidad 𝝁 > 𝟓, 𝟓;
esto es motocicletas que emiten una gran cantidad de CO pasan la prueba y pueden
ser importadas. Esto causará la contaminación del medio ambiente.
Tipos de errores
Si el experto del tema considera más grave la pérdida económica de las
empresas que la contaminación del medio ambiente, se puede
mantener el sistema de hipótesis anterior. Mientras que si la prioridad
es conservar el medio ambiente, el sistema de hipótesis seria:
𝑯𝟎 : 𝝁 ≥ 𝟓, 𝟓 vs 𝑯𝟏 : 𝝁 < 𝟓, 𝟓
En este ejemplo, el espacio paramétrico de 𝝁 es 𝚯𝟎 = [𝟓, 𝟓; ∞) y 𝚯𝟏 =
(𝟎; 𝟓, 𝟓); para el primer sistema de hipótesis propuesto (𝑯𝟎 : 𝝁 ≤ 𝟓, 𝟓
vs 𝑯𝟏 : 𝝁 > 𝟓, 𝟓 ) es 𝚯𝟎 = (𝟎; 𝟓, 𝟓] y 𝚯𝟏 = 𝟓, 𝟓; ∞ . Como puede
observar se cumple 𝚯𝟎 ∩ 𝚯𝟏 = ∅.
En el procedimiento de buscar reglas de decisión (como se verá mas
adelante) solo se está teniendo en cuenta la magnitud del error tipo I,
sin considerarse el error tipo II; por lo tanto, el usuario de las técnicas
de pruebas de hipótesis debe asociarse con el experto del tema
específico, y plantear el sistema donde el error tipo I es menos grave
que el error tipo II.
Tipos de errores
Existe una analogía jurídica de estos conceptos,
teniendo en cuenta el ejemplo del juicio que se le sigue
a un acusado de un delito. La presunción de inocencia
de que goza un acusado es precisamente la hipótesis
nula que ensaya el juez. Si el juez rechaza esta
hipótesis y el acusado es en realidad inocente, estaría
cometiendo un error tipo I. Si el juez no rechaza la
hipótesis y el acusado es en realidad culpable, estaría
cometiendo un error tipo II. Condenar a un inocente
es un error de tipo I y absolver a un culpable es un
error tipo II. Cuando el juez absuelve, no asegura que
el acusado sea inocente, sino simplemente, que no han
habido pruebas de su culpabilidad.
Pruebas de normalidad
Existen muchas pruebas estadísticas para verificar la normalidad entre las
que destacan las siguientes:
Prueba de Karl Pearson, basada en la distribución chi cuadrado y que
corresponde a una prueba de bondad de ajuste.
Prueba de Kolmogorov- Smirnov, la cual analiza las diferencias de la
distribución teórica y empírica.
Prueba de Cramer-Von Mises, es útil para pequeñas muestras y usa los
momentos como criterio.
Prueba de Gram-Charlier, usa la distribución del mismo nombre para
inferir si la muestra es normal.
Prueba de Jarque y Bera, utiliza un estadístico en la prueba que
involucra la curtosis y la asimetría.
Prueba de R.C. Geary, usa los valores acumulados muestrales, sus
medias y desviaciones estándar.
Otras, como la de Shapiro- Wilk y aquéllas basadas en métodos
numéricos.
Prueba de Pearson (Bondad de Ajuste)
Primero se deben agrupar los datos en una tabla de frecuencia de tal
manera que se puedan obtener los valores observados 𝐎𝐢 y compararlos con
los valores esperados 𝐄𝐢 calculados a partir de la distribución Normal.
Donde
𝑿𝟐 es chi cuadrado calculado
𝐎𝐢 es la frecuencia observada
𝐂𝐢 corresponde a cada uno de las
categorías observadas
Supuestos: muestra al azar. 𝐄𝐢 es la frecuencia esperada que es
igual a : 𝐄𝐢 = 𝐧𝐏𝐢
Estadístico de prueba: 𝐏𝐢 es la probabilidad de ser escogida la
𝒌 𝟐
𝟐
𝑶𝒊 − 𝑬𝒊 categoría en cada observación
𝑿 = 𝐗 𝟐𝛂 es el valor de chi cuadrado que
𝑬𝒊
𝒊=𝟏
aparece en las tablas para el valor de
Criterio de rechazo de 𝑯𝟎 : 𝑿𝟐 > 𝑿𝟐𝜶 significación dado y el grado de
libertad (k-1)
Ejemplo de prueba de Pearson (Bondad de Ajuste)
En cierta máquina Expendedora de Refrescos existen 4 canales que expiden el mismo tipo de
bebida. Interesa averiguar si la elección de cualquiera de estos canales se hace de forma
aleatoria o por el contrario existe algún tipo de preferencia en la selección de alguno de ellos
por los consumidores. La siguiente tabla muestra el número de bebidas vendidas en cada uno
de los 4 canales durante una semana. Contrastar la hipótesis de que los canales son
seleccionados al azar a un nivel de significación del 5%.
𝑯𝟎 : Los canales son seleccionados al azar
𝑯𝟏 : Los canales no son seleccionados por algún tipo de preferencia
Canal # de bebidas 𝒌
𝑶𝒊 − 𝑬𝒊 𝟐
(𝑪𝒊 ) consumidas (𝑶𝒊 ) 𝑿𝟐 =
𝑬𝒊
1 13 𝒊=𝟏
𝟏𝟑 − 𝟏𝟕, 𝟓𝟎 𝟐 𝟐𝟐 − 𝟏𝟕, 𝟓𝟎 𝟐 𝟏𝟖 − 𝟏𝟕, 𝟓𝟎 𝟐 𝟏𝟕 − 𝟏𝟕, 𝟓𝟎 𝟐
2 22 𝑿𝟐 = + + +
𝟏𝟕, 𝟓𝟎 𝟏𝟕, 𝟓𝟎 𝟏𝟕, 𝟓𝟎 𝟏𝟕, 𝟓𝟎
3 18
𝑿𝟐 = 𝟐, 𝟑𝟒𝟐𝟖
4 17
𝑿𝟐𝜶 = 𝟕, 𝟖𝟏𝟒𝟕 para 𝜶 = 𝟎, 𝟎𝟓 (columna) y 𝒌 = 𝟑 (fila)
70
𝟏 Puesto que el valor del estadístico (𝑿𝟐 = 𝟐, 𝟑𝟒𝟐𝟖) es menor que el valor
𝐄𝐢 = 𝐧𝐏𝐢 = 𝟕𝟎 ∗ = 𝟏𝟕, 𝟓𝟎 crítico (𝑿𝟐𝜶 = 𝟕, 𝟖𝟏𝟒𝟕), no se puede rechazar la hipótesis de que los datos se
𝟒
ajustan a una distribución uniforme. Es decir, que los canales son
Criterio de rechazo de 𝑯𝟎 : 𝑿𝟐 > 𝑿𝟐𝜶 seleccionados aleatoriamente entre los consumidores.
Ejercicios para el trabajo autónomo
1.- Se asegura que las medidas de los diámetros de ciertos tipos de pernos, tienen una
desviación estándar de 0,016 in. Se tomó una muestra y se encontró que 16 pernos
produjeron una varianza de 0,00014 in. ¿Hay suficientes razones para asegurar que
la desviación estándar es diferente a 0,016 in? Use un nivel de significación del 1%.
2.- Estamos interesados en comprobar la perfección de un dado cúbico (un dado
normal de 6 caras). Para esto realizamos 100 lanzamientos del dado anotando los
puntos obtenidos en cada lanzamiento. A la vista de los resultados obtenidos,
¿podemos concluir que el dado no es perfecto?. Nivel de significación (5%)
ഥ −𝝁
𝑿 ഥ −𝝁
𝑿
𝒁= 𝒁=
𝝈 𝑵−𝒏 𝑺 𝑵−𝒏
∗ ∗
𝒏 𝑁−1 𝒏 𝑁−1
Procedimiento general (clásico) de la prueba de hipótesis
𝑯 : 𝝁 −𝝁 =𝒅
Si la región de rechazo está al lado izquierdo de curva 𝑯𝟎 : 𝝁 𝟏 − 𝝁 𝟐 < 𝒅 𝟎
𝟏 𝟏 𝟐 𝟎
𝑯𝟎 : 𝝁𝟏 − 𝝁𝟐 = 𝒅𝟎
Si la región de rechazo está al lado derecho de curva
𝑯𝟏 : 𝝁𝟏 − 𝝁𝟐 > 𝒅𝟎
𝑯𝟎 : 𝝁𝟏 − 𝝁𝟐 = 𝒅𝟎
Si la región de rechazo está a ambos lados de la curva
𝑯𝟏 : 𝝁𝟏 − 𝝁𝟐 ≠ 𝒅𝟎
Pruebas para diferencias de medias poblacionales en relación a medias muestrales
2.-
Ejercicio de prueba de hipótesis relacionando dos medias
Un fabricante afirma que la resistencia de un alambre eléctrico puede reducirse en más de
0,060 ohm mediante aleaciones. Para probar esta afirmación se toman 35 valores obtenidos de
alambre ordinario cuyo promedio fue de 0,14 ohm y desviación estándar de 0,002 ohm; y 36
valores obtenidos con el alambre fabricado a base de aleaciones, cuyo promedio fue de 0,079
ohm y desviación estándar 0,003 ohm ¿A qué conclusión se puede llegar, con relación a la
afirmación del fabricante, a un nivel de significación de 5%?
3.- Estadístico de prueba: en este proceso se aplica el estadístico Z puesto que (𝒏𝟏 = 𝟑𝟓 ≥
𝟑𝟎; 𝒏𝟐 = 𝟑𝟔 ≥ 𝟑𝟎), para ello se utiliza la tabla de la normal estándar, donde se obtiene 𝒁𝟏−𝜶 =
𝒁𝟎,𝟗𝟓 = 𝟏, 𝟔𝟒𝟓 y la fórmula siguiente para determinar la Z de prueba
Datos:
1.- 𝑯𝒐 : 𝝁𝟏 − 𝝁𝟐 = 𝟎, 𝟎𝟔𝟎 4.-
𝑯𝟏 : 𝝁𝟏 − 𝝁𝟐 > 𝟎, 𝟎𝟔𝟎 𝑿ഥ 𝟏 − ഥ
𝑿 𝟐 − 𝒅𝟎
ഥ 𝟏 = 𝟎, 𝟏𝟒 𝒁 =
𝑿
ഥ 𝟐 = 𝟎, 𝟎𝟕𝟗
𝑿 𝝈𝟏 𝟐 𝝈𝟐 𝟐
+
𝑺𝟏 = 𝟎, 𝟎𝟎𝟐 ≈ 𝝈𝟏 𝒏𝟏 𝒏𝟐
𝑺𝟐 = 𝟎, 𝟎𝟎𝟑 ≈ 𝝈𝟐
𝒏𝟏 = 𝟑𝟓
𝒏𝟐 = 𝟑𝟔 𝟎, 𝟏𝟒 − 𝟎, 𝟎𝟕𝟗 − 𝟎, 𝟎𝟔
𝒁= El valor de Z calculado z = 1,657 es mayor al valor z
𝒅𝟎 = 𝟎, 𝟎𝟔 𝟎, 𝟎𝟎𝟐 𝟐 𝟎, 𝟎𝟎𝟑 𝟐 =1,645; por tanto cae en la región de rechazo de 𝑯𝟎 ; con lo
2.- 𝜶 = 𝟓% → 𝟎, 𝟎𝟓 𝟑𝟓
+ 𝟑𝟔 cual se rechaza la hipótesis nula y se acepta la alterna 𝑯𝟏 .
𝒁𝟏−𝜶 = 𝟏, 𝟔𝟒𝟓.
La cual es, que la resistencia del alambre eléctrico se
puede disminuir en más de 0,060 ohm; a un nivel de
𝒁 = 1,657
significación del 5%.
Ejercicios para trabajar en clases
Un vendedor de máquinas troqueladoras de lámina, afirma que su máquina puede
trabajar con cierto producto con más rapidez que la máquina que está instalada en
una fábrica. Se realizaron 10 ensayos independientes troquelando el mismo artículo en
cada máquina y se obtuvo que con la máquina instalada el promedio de troquelado
fue de 34,21 segundos con una desviación estándar de 4,81 segundos; en tanto que con
la nueva máquina fue de 32,56 segundos con una desviación estándar de 4,47
segundos. Utilizando un nivel de significación del 5% ¿Se puede respaldar la
afirmación del vendedor? Suponer que las desviaciones estándar poblacionales, son
iguales.
ഥ𝟏 − 𝑿
ഥ 𝟐 − 𝒅𝟎 ഥ𝟏 − 𝑿
𝑿 ഥ 𝟐 − 𝒅𝟎
𝑿 𝒕=
𝒁= 𝟏 𝟏
𝑺𝒑 𝒏 + 𝒏
𝝈𝟏 𝟐 𝝈𝟐 𝟐 𝟏 𝟐
𝒏𝟏 + 𝒏𝟐
𝟐 𝒏𝟏 − 𝟏 𝑺𝟏 𝟐 + 𝒏𝟐 − 𝟏 𝑺𝟐 𝟐
𝑺𝒑 =
𝒏𝟏 + 𝒏𝟐 − 𝟐
Ejercicios para el trabajo autónomo
Un fabricante afirma que el coeficiente a la tensión de una fibra A excede el
coeficiente promedio a la tensión de una fibra B a lo sumo en 12 kilogramos.
Para probar tal afirmación se someten a prueba 60 piezas de cada tipo de
fibra bajo condiciones similares. La fibra de tipo A tiene un coeficiente
promedio a la tensión de 78,9 kilogramos, con una desviación estándar de 5,8
kg; mientras que la fibra de tipo B tiene un coeficiente promedio a la tensión
de 66,2 kg, con desviación estándar de 4,67 kg. Probar la afirmación del
fabricante, utilizando un nivel de significación del 1%.
Un estudio sobre reparaciones de dos tipos de fotocopiadoras reveló que 70
fallas del primer tipo de equipo fueron reparadas en un tiempo promedio de
82,5 minutos con una desviación estándar de 18,9 minutos; mientras que 80
fallas del equipo del segundo tipo fueron reparadas en un tiempo de 93
minutos, con una desviación estándar de 21,2 minutos. Pruebe si existe
diferencia significativa entre los promedios poblacionales de los tiempos de
reparación de los dos tipos de equipo. Use un nivel de significación del 5%.
Pruebas para una proporción
En algunos problemas puede interesar el estudio de las proporciones relacionadas con
alguna población. Por ejemplo, se puede requerir determinar si 0,03 es la proporción
verdadera de piezas defectuosas que salen de una planta de ensamblaje.
En los problemas relacionados con una población lo que se quiere probar es si la proporción
poblacional P, es igual a un valor específico 𝑷𝟎 , en contra de la alternativa que sean
diferentes. Tomando muestras de tamaño n.
Región de rechazo:
Prueba para 𝑯𝟎 : 𝒑 = 𝒑𝟎 𝒁 ≤ 𝒁𝜶
Cola izquierda 𝑯𝟏 : 𝒑 < 𝒑𝟎
Prueba para 𝑯𝟎 : 𝒑 = 𝒑𝟎 𝒁 ≥ 𝒁𝟏−𝜶
Cola derecha 𝑯𝟏 : 𝒑 > 𝒑𝟎
Prueba para 𝑯𝟎 : 𝒑 = 𝒑𝟎 𝒁 ≥ 𝒁𝟏−𝜶Τ𝟐 𝒐 𝒁 ≤ 𝒁𝜶Τ𝟐
Dos colas 𝑯𝟏 : 𝒑 ≠ 𝒑𝟎
ෝ−𝒑𝒐
𝒑
Estadístico de prueba para 𝐧 < 𝟑𝟎 𝒁= 𝒑𝒐 𝒒𝒐
𝒏
Estos procedimientos de prueba son válidos siempre que 𝒏𝒑𝟎 ≥ 𝟏𝟎 y 𝒏𝒒𝟎 ≥ 𝟏𝟎
𝑿−𝒏𝒑𝒐
Estadístico de prueba para 𝐧 ≥ 𝟑𝟎 𝒁= 𝒏𝒑𝒐 𝒒𝒐
Estos procedimientos de prueba son válidos siempre que 𝒏𝒑𝟎 ≥ 𝟓 y 𝒏𝒒𝟎 ≥ 𝟓; siendo X la
parte proporcional de la variable de interés de la muestra considerada.
Pruebas para dos proporciones
En los problemas en donde se desea probar la hipótesis nula de que dos proporciones
poblacionales P1 y P2 son iguales o difieren en algún valor específico, en contraposición
a que sean diferentes o que su diferencia es distinta a un valor específico, utilizando
muestras grandes, se plantean así:
Región de rechazo:
Prueba para 𝑯𝟎 : 𝒑𝟏 − 𝒑𝟐 = 𝒅𝟎 𝒁 ≤ 𝒁𝜶
Cola izquierda 𝑯𝟏 : 𝒑𝟏 − 𝒑𝟐 < 𝒅𝟎
Prueba para 𝑯𝟎 : 𝒑𝟏 − 𝒑𝟐 = 𝒅𝟎 𝒁 ≥ 𝒁𝟏−𝜶
Cola derecha 𝑯𝟏 : 𝒑𝟏 − 𝒑𝟐 > 𝒅𝟎
Prueba para 𝑯𝟎 : 𝒑𝟏 − 𝒑𝟐 = 𝒅𝟎 𝒁 ≥ 𝒁𝟏−𝜶Τ𝟐 𝒐 𝒁 ≤ 𝒁𝜶Τ𝟐
Dos colas 𝑯𝟏 : 𝒑𝟏 − 𝒑𝟐 ≠ 𝒅𝟎
El estadístico de prueba relacionado con proporciones poblacionales, con valores de
𝑿 𝑿
proporción muestral 𝒑𝟏 = 𝒏𝟏 y 𝒑𝟐 = 𝒏𝟐 : viene dado por la fórmula.
𝟏 𝟐
Pruebas para una proporción
Una empresa fabricante de equipos mecánicos patrocina un curso de adiestramiento para
su personal de venta y servicio. Los anales del curso demuestran que un 64% de los
alumnos, aprueban los exámenes finales. Se efectúan ciertos cambios en el programa de
adiestramiento, con objeto de mejorarlo y, al año siguiente de 29 alumnos del curso, 20
aprueban ¿A nivel de significación de 0,01, podría considerarse este hecho como una
demostración de la efectividad de las reformas introducidas en el programa?
Datos:
𝑯𝒐 : 𝒑 = 𝟎, 𝟔𝟒 ෝ − 𝒑𝒐
𝒑
𝒁=
𝑯𝟏 : 𝒑 > 𝟎, 𝟔𝟒 𝒑𝒐 𝒒𝒐
𝒑𝒐 = 𝟎, 𝟔𝟒 𝒏
𝒒𝒐 = 𝟎, 𝟑𝟔 𝟎, 𝟔𝟗 − 𝟎, 𝟔𝟒
𝟐𝟎 𝒁=
ෝ=
𝒑 = 𝟎, 𝟔𝟗 𝟎, 𝟔𝟒 𝟎, 𝟑𝟔
𝟐𝟗
𝒏 = 𝟐𝟗 𝟐𝟗
𝜶 = 𝟎, 𝟎𝟏 𝟎, 𝟎𝟓
𝒏𝒑𝒐 = 𝟐𝟗 ∗ 𝟎, 𝟔𝟒 = 𝟏𝟖, 𝟓𝟔 ≥ 𝟏𝟎 𝒁=
𝟎, 𝟎𝟖𝟗𝟏
𝒏𝒒𝒐 = 𝟐𝟗 ∗ 𝟎, 𝟑𝟔 = 𝟏𝟎, 𝟒𝟒 ≥ 𝟏𝟎
𝒁𝟏−𝜶 = 𝟐, 𝟑𝟐𝟔 𝒁 = 𝟎, 𝟓𝟔
El valor de Z calculado Z = 1,94 es mayor al valor de Z crítica 𝒁𝟏−𝜶 = 𝟏, 𝟔𝟒𝟓 ; por tanto
cae en la región de rechazo; con lo cual se rechaza la hipótesis nula y se acepta la alterna,
la cual es que la proporción de las refacciones que se fabrican en un proceso de
manufactura es mayor al 7%; con nivel de significación del 5%.
Pruebas para dos proporciones
Un fabricante está evaluando dos tipos de equipo para fabricar un artículo. Se obtiene una
muestra aleatoria de 𝒏𝟏 = 𝟔𝟎 para la primera marca de equipo y se encuentra que 8 de
ellos tienen defectos. Se obtiene una muestra aleatoria de 𝒏𝟐 = 𝟗𝟎 para la segunda marca y
se encuentra que 9 de ellos tienen defectos. Pruebe si existe diferencia significativa entre los
dos tipos de equipo para fabricar un artículo. Utilice un nivel de significación del 5%.
Datos: 𝒑𝟏 − 𝒑𝟐 − 𝒅𝒐
𝑯𝒐 : 𝒑𝟏 − 𝒑𝟐 = 𝟎 𝒁=
𝒑𝟏 𝒒𝟏 𝒑𝟐 𝒒𝟐
𝑯𝟏 : 𝒑𝟏 − 𝒑𝟐 ≠ 𝟎 𝒏𝟏 + 𝒏𝟐
𝒑𝟏 = 𝟎, 𝟏𝟑𝟑
𝒒𝟏 = 𝟎, 𝟖𝟔𝟕 𝟎, 𝟏𝟑𝟑 − 𝟎, 𝟏𝟎 − 𝟎
𝒁=
𝒑𝟐 = 𝟎, 𝟏𝟎 𝟎, 𝟏𝟑𝟑 ∗ 𝟎, 𝟖𝟔𝟕 𝟎, 𝟏𝟎 ∗ 𝟎, 𝟗𝟎
+
𝒒𝟐 = 𝟎, 𝟗𝟎 𝟔𝟎 𝟗𝟎
𝒅𝟎 = 𝟎 𝟎, 𝟎𝟑𝟑
𝒏𝟏 = 𝟔𝟎 𝒁=
𝒏𝟐 = 𝟗𝟎 𝟎, 𝟎𝟎𝟏𝟗𝟐𝟏𝟖𝟓 + 𝟎, 𝟎𝟎𝟏
𝜶 = 𝟎, 𝟎𝟓 𝟎, 𝟎𝟑𝟑
𝜶 𝒁=
= 𝟎, 𝟎𝟐𝟓 𝟎, 𝟎𝟎𝟐𝟗𝟐𝟏𝟖𝟓
𝟐
𝒁𝜶 = −𝟏, 𝟗𝟔
𝟐 𝒁 = 𝟎, 𝟔𝟏
El valor de Z calculado z = 0,61 es menor al valor 𝒁𝟏−𝜶 = 𝟏, 𝟗𝟔; por tanto cae en la
𝟐
región de aceptación; con lo cual se acepta la hipótesis nula o equivalentemente que no
hay razones suficientes para rechazarla; a un nivel de significación del 5%. Se sugiere
aumentar el tamaño de la muestra.
Ejercicio para desarrollar en clases
Se tiene que reparar una máquina en cierta fábrica si produce más de 12% de artículos
defectuosos del lote producido en un día. Una muestra de 150 artículos de la producción
diaria contiene 20 defectuosos, el jefe de control de calidad decide que debe reparar la
máquina ¿Es acertada su decisión? Use nivel de significación del 1%.
El Director de una universidad nueva afirma que el 18 % de los estudiantes no están de
acuerdo con actual gestión. En una encuesta aplicada a los estudiantes 90 de 450
manifestaron estar en desacuerdo, ¿se podría afirmar con una significación del 5% que la
proporción en desacuerdo es mayor al 18%?
ෝ−𝒑𝒐
𝒑
Estadístico de prueba para 𝐧 < 𝟑𝟎 𝒁= 𝒑𝒐 𝒒𝒐
𝒏
Estos procedimientos de prueba son válidos siempre que 𝒏𝒑𝟎 ≥ 𝟏𝟎 y 𝒏𝒒𝟎 ≥ 𝟏𝟎
𝑿−𝒏𝒑𝒐
Estadístico de prueba para 𝐧 ≥ 𝟑𝟎 𝒁= 𝒏𝒑𝒐 𝒒𝒐
Estos procedimientos de prueba son válidos siempre que 𝒏𝒑𝟎 ≥ 𝟓 y 𝒏𝒒𝟎 ≥ 𝟓; siendo X
la parte proporcional de interés de la muestra considerada.
Ejercicio para el trabajo autónomo
1.- En un estudio para investigar si ciertos detonadores empleados con explosivos
en una mina de carbón cumplen con los requerimientos de que al menos el 86%
encenderá el explosivo al ser detonado, se encontró que 167 de 199 detonadores
funcionaron de manera adecuada. Pruebe si la proporción de detonadores que
encenderán los explosivos al ser detonados es inferior a 86%, a un nivel de
significación del 5%.
2.- Un fabricante de bombas de pozo profundo asegura que el 30% de sus bombas
requieren reparaciones en los primeros 4 años. Si en una muestra de 110 bombas
se tiene que 46 requirieron reparación en los primeros 4 años. Pruebe si la
proporción de bombas difiere del 30%. Use nivel de significación del 5%.
3.- Si 28 de 178 neumáticos de la marca A y 24 de 180 neumáticos marca B, no
duraron 15000 millas. Pruebe si hay diferencia significativa entre los rendimientos
de los dos tipos de neumáticos. Use un nivel de significación del 5%.
Ejercicio para el taller
1.- Un fabricante de cuerdas, ha establecido con base en el análisis de una muestra
de 60 artículos, que las cuerdas tienen una fuerza media de ruptura de 15,9 libras,
con una desviación estándar de 2,3 libras. Se efectúa un cambio en el proceso de
fabricación, y se obtiene una muestra de 64 artículos cuya fuerza media de ruptura
es de 15 libras, con una desviación estándar de 2,2 libras. ¿Proporcionan estos
resultados, al nivel de significancia del 5%, suficiente evidencia de que la
resistencia de las cuerdas existentes es superior a la resistencia de las cuerdas
fabricadas con el nuevo proceso?
2.- En una muestra de 50 ladrillos, fabricados por cierta ladrillera de forma
artesanal, cinco de ellos no cumplen las normas de calidad. Un profesional de la
construcción sostiene que el 12% de estos ladrillos no satisfacen dicha norma al
nivel del 5%. ¿Se podrá decir que este profesional exagera el porcentaje?
Prueba de hipótesis con la varianza
Se pueden destacar varias razones por las cuales es
relevante probar hipótesis relacionadas a las varianzas
de poblaciones. En relación a aplicaciones directas, por
ejemplo, un fabricante que requiere cumplir
especificaciones, tendrá que realizar pruebas de
variabilidad de un producto; las pruebas de varianzas
a menudo son requisitos de pruebas concernientes a
otros parámetros. Es decir, interesa la prueba de
hipótesis relacionadas con la uniformidad de una
población o, quizás, la comparación de la uniformidad
de una población con la de otra segunda población.
Prueba de hipótesis con una varianza
Considere el problema de probar la hipótesis nula de que la varianza
de la población 𝝈𝟐 es igual a un valor específico 𝝈𝟐𝐨 en contra de una
que sea diferente. Las hipótesis estadísticas vienen dadas por:
Región de rechazo:
Prueba para 𝑯𝟎 : 𝝈𝟐 = 𝝈𝟐𝒐 𝑿𝟐 < 𝑿𝟐 𝟏−𝜶
Cola izquierda 𝑯𝟏 : 𝝈𝟐 < 𝝈𝟐𝒐
Prueba para 𝑯𝟎 : 𝝈𝟐 = 𝝈𝟐𝒐 𝑿𝟐 > 𝑿𝟐 𝜶
Cola derecha 𝑯𝟏 : 𝝈𝟐 > 𝝈𝟐𝒐
Prueba para 𝑯𝟎 : 𝝈𝟐 = 𝝈𝟐𝒐 𝑿𝟐 < 𝑿𝟐 𝟏−𝜶Τ𝟐 𝒐 𝑿𝟐 > 𝑿𝟐 𝜶Τ𝟐
Dos colas 𝑯𝟏 : 𝝈𝟐 ≠ 𝝈𝟐𝒐
𝐧−𝟏 𝐒 𝟐
𝐗𝟐 =
𝝈𝟐𝒐
Prueba de hipótesis con dos varianzas
Ahora consideremos el problema de probar la hipótesis nula de que las
varianzas de dos poblaciones sean iguales, en contra de que sean diferentes.
Las hipótesis estadísticas vienen dadas por:
Región de rechazo:
Prueba para 𝑯𝟎 : 𝝈𝟐𝟏 − 𝝈𝟐𝟐 = 𝒅𝒐 𝑭 < 𝒇𝟏−𝜶 (𝒗𝟏 , 𝒗𝟐 )
Cola izquierda 𝑯𝟏 : 𝝈𝟐𝟏 − 𝝈𝟐𝟐 < 𝒅𝒐
Prueba para 𝑯𝟎 : 𝝈𝟐𝟏 − 𝝈𝟐𝟐 = 𝒅𝒐 𝑭 > 𝒇𝜶 (𝒗𝟏 , 𝒗𝟐 )
Cola derecha 𝑯𝟏 : 𝝈𝟐𝟏 − 𝝈𝟐𝟐 > 𝒅𝒐
Prueba para 𝑯𝟎 : 𝝈𝟐𝟏 − 𝝈𝟐𝟐 = 𝒅𝒐 𝑭 < 𝒇𝟏−𝜶 (𝒗𝟏 , 𝒗𝟐 ) y 𝑭 > 𝒇𝟏−𝜶 (𝒗𝟏 , 𝒗𝟐 )
𝟐 𝟐
Dos colas 𝑯𝟏 : 𝝈𝟐𝟏 − 𝝈𝟐𝟐 ≠ 𝒅𝒐
El valor calculado de X2 = 29,44 es mayor al valor 2 26,119 0,025 c = ; por tanto cae en la
región de rechazo; con lo cual se rechaza la hipótesis nula y se acepta la alterna, la cual es
que la dispersión poblacional es significativamente diferente a 4 mm; con nivel de
significación del 5%.
Prueba de hipótesis con dos varianzas
Supóngase que se quiere comparar la variación de los diámetros de una pieza para un tipo de
motor que fabrican dos compañías. Se tomaron muestras de piezas de cada compañía y los
resultados fueron: para la primera compañía se midieron 19 piezas y se obtuvo una varianza
de 0,0002; en tanto que para la segunda compañía 11 piezas tuvieron una varianza de 0,0004
¿Presentan los datos suficiente información para indicar que la variación de los diámetros de
la pieza fabricada por la primera compañía es menor a la fabricada por la segunda
compañía? Usar el nivel de significación del 5%.
Datos:
1.- 𝑯𝟎 : 𝝈𝟐𝟏 − 𝝈𝟐𝟐 = 𝟎
𝑯𝟏 : 𝝈𝟐𝟏 − 𝝈𝟐𝟐 < 𝟎 3.- 𝐅 =
𝑺𝟐𝟏
𝑺𝟐𝟐
2.- 𝜶 = 𝟎, 𝟎𝟓
𝑺𝟐𝟏 = 𝟎, 𝟎𝟎𝟎𝟐 𝟎, 𝟎𝟎𝟎𝟐
𝐅=
𝑺𝟐𝟐 = 𝟎, 𝟎𝟎𝟎𝟒 𝟎, 𝟎𝟎𝟎𝟒
𝒗𝟏 = 𝟏𝟗 − 𝟏 = 𝟏𝟖
𝐅 = 𝟎, 𝟓
𝒗𝟐 = 𝟏𝟏 − 𝟏 = 𝟏𝟎
𝟏 𝟏
𝒇𝟏−𝜶 𝒗𝟏 , 𝒗𝟐 = 𝒇𝟏−𝟎,𝟎𝟓 𝟏𝟖, 𝟏𝟎 = 𝒇𝟎,𝟗𝟓 𝟏𝟖, 𝟏𝟎 = = = 𝟎, 𝟒𝟏𝟓
𝒇𝟎,𝟎𝟓 𝟏𝟎, 𝟏𝟖 𝟐, 𝟒𝟏
El valor calculado de 𝐅 = 𝟎, 𝟓 es mayor al valor 𝒇𝟏−𝜶 𝟎, 𝟒𝟏𝟓; por tanto cae en la región de
aceptación de 𝑯𝟎 ; con lo cual se acepta la hipótesis nula, a un nivel de significación del 5%.
Equivalente a que no hay suficientes razones para rechazarla, se sugiere aumentar el tamaño
de la muestra.