Inferencia estadística

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

Una hipótesis estadística o simplemente hipótesis es

una pretensión o aseveración sobre el valor de un
solo parámetro (característica de una población o
característica de una distribución de probabilidad),
sobre los valores de varios parámetros o sobre la
forma de una distribución de probabilidad completa.
Un ejemplo de una hipótesis es la pretensión de que
𝝁 = 𝟎, 𝟕𝟓, donde 𝝁 es el diámetro interno promedio
verdadero de un cierto tipo de tubo de PVC. Otro
ejemplo es la proposición p < 0,10, donde p es la
proporción de tarjetas de circuito defectuosas entre
todas las tarjetas de circuito producidas por un cierto
fabricante.
En éste capítulo, la atención se concentra en hipótesis
en relación con parámetros.
En cualquier problema de prueba de
hipótesis, existen dos hipótesis
contradictorias consideradas. Una podría
ser la pretensión de que 𝝁 = 𝟎, 𝟕𝟓 y la
otra 𝝁 ≠ 𝟎, 𝟕𝟓 o las dos proposiciones
contradictorias podrían ser 𝒑 ≥ 𝟎, 𝟏𝟎 y
𝒑 < 𝟎, 𝟏𝟎. El objetivo es decidir, con base
en información muestral, cuál de las dos
hipótesis es la correcta.
Existe una analogía conocida de esto en
un juicio criminal. Una pretensión es la
aseveración de que el individuo acusado
es inocente. En el sistema judicial
estadounidense, esta es la pretensión que
inicialmente se cree que es cierta. Sólo de
cara a una fuerte evidencia que diga lo
contrario el jurado deberá rechazar esta
pretensión a favor de la aseveración
alternativa de que el acusado es culpable.
En este sentido, la pretensión de
inocencia es la hipótesis favorecida o
protegida y el proceso de comprobación
recae en la pretensión alternativa.
Asimismo, al probar hipótesis estadísticas, el
problema se formulará de modo que una de las
pretensiones sea inicialmente favorecida. Esta
pretensión inicialmente favorecida no será
rechazada a favor de la pretensión alternativa a
menos que la evidencia muestral la contradiga y
apoye fuertemente la aseveración alternativa.
 Definición hipótesis estadística
La hipótesis estadística es cualquier
aseveración o conjetura que se hace acerca de
la distribución de una o más poblaciones.
Además se puede decir que una prueba de
hipótesis trata de verificar si una afirmación
acerca del parámetro puede considerarse como
válida basándose en una muestra observada.
Ejemplos:
Para la importación de ciertas motocicletas, la
entidad ambiental del país importador necesita
verificar si el nivel de monóxido de carbono
(CO) producido por estas motocicletas supera
los 5,5 g/km
 Otros ejemplos

El ingreso mensual promedio de los obreros de la

construcción en Portoviejo es de $405 𝝁 = 𝟒𝟎𝟓
La edad media de los estudiantes de la UTM es 21 años
𝝁 = 𝟐𝟏

La proporción de piezas rotas por 𝒎𝟐 de una

determinada calidad de cerámica es menor al 10%
𝝅 < 𝟎, 𝟏𝟎
La fracción de unidades defectuosas producidas en
cierto proceso es menor a 7% 𝝅 < 𝟎, 𝟎𝟕
 Definición de hipótesis nula y alternativa
La hipótesis nula denotada por 𝐇𝟎 , es la pretensión que inicialmente se
supone cierta (la pretensión de “creencia previa”) y cuya validez será
sometida a verificación experimental. Los resultados experimentales
permitirán seguir aceptándola como verdadera o si se debe rechazar
como tal.
La hipótesis alternativa denotada por 𝐇𝟏 , es la hipótesis que se acepta
en caso de que la hipótesis nula sea rechazada. 𝐇𝟏 es la suposición
contraria a 𝐇𝟎 . También es conocida como hipótesis del investigador.
La hipótesis nula será rechazada en favor de la hipótesis
alternativa sólo si la evidencia muestral determina que
𝐇𝟎 es falsa. Si la muestra no contradice fuertemente a
𝐇𝟎 , se continuará creyendo en la verdad de la hipótesis
nula. Las dos posibles conclusiones derivadas de un
análisis de prueba de hipótesis son entonces rechazar 𝐇𝟎
o no rechazar 𝐇𝟎 .
 Tipos de errores
Al tomarse una decisión respecto a una hipótesis nula
(𝐇𝟎 ), se puede presentar cuatro posibles casos que
determinan si la decisión tomada es correcta o
incorrecta, esto se presenta en la siguiente tabla:

Decisión estadística en base a la muestra

Situación real en
base a la No rechazar 𝐇𝟎 Rechazar 𝐇𝟎
población

Decisión correcta Error tipo I

𝐇𝟎 es verdadera
(P = 1 − 𝛼) (P = 𝛼)

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%)

Puntuación en # de veces que se

el dado (Ci) obtiene al
puntuación (Oi)
1 14
2 22
3 18
4 17
5 20
6 9 Criterio de rechazo de 𝑯𝟎 : 𝑿𝟐 > 𝑿𝟐𝜶
෍ 90
 Prueba de hipótesis para la media

Una prueba de hipótesis es un método de

utilizar datos muestrales para decidir si la
hipótesis nula debe ser rechazada. Por
consiguiente se podría probar 𝑯𝟎 : 𝝁 = 𝟎, 𝟕𝟓
contra la 𝑯𝟏 : 𝝁 ≠ 𝟎, 𝟕𝟓. Sólo si los datos
muestrales sugieren fuertemente que es otra
diferente de 0,75 deberá ser rechazada la
hipótesis nula. Sin semejante evidencia, 𝑯𝟎
no deberá ser rechazada, puesto que sigue
siendo bastante plausible.
 Prueba de hipótesis para la media
En ocasiones un investigador no desea aceptar una
aseveración particular a menos y hasta que los datos
apoyan fuertemente la aseveración. Como ejemplo,
supóngase que una compañía está considerando aplicar
un nuevo tipo de recubrimiento en los cojinetes que
fabrica. Se sabe que la vida de desgaste promedio
verdadera con el recubrimiento actual es de 1000 horas.
Si 𝝁 denota la vida promedio verdadera del nuevo
recubrimiento, la compañía no desea cambiar a menos
que la evidencia sugiera fuertemente que 𝝁 excede de
1000. Una formulación apropiada del problema
implicaría probar 𝑯𝟎 : 𝝁 = 𝟏𝟎𝟎𝟎 contra 𝑯𝟏 : 𝝁 > 𝟏𝟎𝟎𝟎.
La conclusión de que se justifica un cambio, está
identificada con 𝑯𝟏 y se requeriría evidencia conclusiva
para justificar el rechazo de 𝑯𝟎 y cambiar al nuevo
recubrimiento.
 Tipos de pruebas de hipótesis
Para evaluar a un parámetro se pueden considerar 3 tipos de
pruebas de hipótesis, de acuerdo a la hipótesis alternativa (𝑯𝟏 )
estas pueden ser:
Prueba Bilateral
Cuando se desea probar si el parámetro es diferente a un valor
hipotético.
Prueba Unilateral
Cuando se desea probar si el parámetro es mayor (unilateral
derecha) o menor (unilateral izquierda) que un valor hipotético.
 Región crítica y regla de decisión
La regla de decisión involucra la división de la distribución muestral
del valor estadístico de la prueba en dos partes mutuamente
excluyentes: la región de rechazo o región crítica (R.R.) de la hipótesis
nula, y la región de no rechazo (R.N.R.) de la hipótesis nula (región de
aceptación).
La región de rechazo o región crítica es el conjunto conformado por
todos los valores del estadístico de prueba que conducen a la decisión
de rechazar 𝑯𝟎 .
La división depende de la forma de la hipótesis alternativa, del nivel
de significación y de la distribución muestral del valor estadístico.
 Prueba de significación de una cola (unilateral izquierda)
Si 𝑯𝟏 es formulada mediante el uso del signo menor o menor o igual, la prueba es de
una cola Izquierda y la cola vale 𝜶. Ejemplo:

𝑯𝟎 : El ingreso económico medio de las mujeres es mayor o igual que el ingreso

medio de los hombres.
𝑯𝟏 : El ingreso económico medio de las mujeres es menor que el ingreso medio de
los hombres.
 Prueba de significación de una cola
Si 𝑯𝟏 es formulada mediante el uso del signo mayor o mayor o igual, la prueba es de
una cola derecha y la cola vale 𝜶. Ejemplo:

𝑯𝟎 : El ingreso económico medio de las mujeres es menor o igual que el ingreso

medio de los hombres.
𝑯𝟏 : El ingreso económico medio de las mujeres es mayor que el ingreso medio de
los hombres.
 Prueba de significación de dos colas

Es decir, si no se especifica dirección según la hipótesis alterna, se aplica una

prueba de dos colas, por ejemplo:

H0: No hay diferencia entre el ingreso económico medio de los hombres y el

ingreso económico medio de las mujeres (es igual)

H1: Existe diferencia entre el ingreso económico medio de los hombres y el

ingreso económico medio de las mujeres (no es igual)
 Fórmulas de cálculo de estimativo de prueba

En las pruebas de hipótesis El valor estadístico Z, En la prueba para una

para la media (𝝁), cuando se para muestra grande y media poblacional con
conoce la desviación estándar desviación estándar muestra pequeña y
(𝝈) poblacional, o cuando el poblacional desconocida desviación estándar
valor de la muestra es grande se determina por la poblacional desconocida se
(30 o más), el valor estadístico ecuación: utiliza el valor estadístico
de prueba es Z y se determina de prueba t.
a partir de: ഥ −𝝁
𝑿
𝒁= 𝝈
ൗ 𝒏 ഥ −𝝁
𝑿
ഥ −𝝁
𝑿 𝒕= 𝑺
𝒁= 𝝈 ൗ 𝒏
ൗ 𝒏 ഥ−𝝁 𝒏
𝑿
𝒁=
𝝈 ഥ−𝝁
𝑿 𝒏
ഥ−𝝁
𝑿 𝒏 En este caso se 𝒕=
𝒁= considera 𝑺 ≈ 𝝈 𝑺
𝝈
 Otras fórmulas de cálculo de estimativo de prueba

Las anteriores ecuaciones se aplican para poblaciones

infinitas, pero cuando la población es finita y el tamaño
de la muestra n constituye más del 5% del tamaño de
𝒏
la población N, es decir, ∗ 𝟏𝟎𝟎% > 𝟓%.
𝑵
En este caso se debe usar el factor finito de corrección
para modificar las desviaciones estándar, por lo tanto
se aplica las siguientes ecuaciones para (𝝈) conocida y
desconocida, respectivamente.

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

Un resumen del procedimiento de la prueba de hipótesis de un

parámetro es el siguiente:
1.- Formular la hipótesis nula (𝑯𝟎 ) y la hipótesis alternativa
(𝑯𝟏 ).
2.- Elegir el nivel de significación 𝜶.
3.- Seleccionar la prueba estadística apropiada (E crítico), cuya
distribución depende del valor estadístico utilizado y Hallar el
valor calculado de la prueba estadística.
4.- Determinar la regla de decisión, estableciendo las regiones de
rechazo y de aceptación de la prueba.
5.- Conclusiones. Decidir el rechazo de la hipótesis nula si Ec cae
en la región crítica. En caso contrario, no rechazar la hipótesis
nula.
 Ejemplo
El jefe de la Biblioteca de la UTM, manifiesta que el número promedio de lectores por
día es de 350. Para confirmar o no este supuesto se controla la cantidad de lectores que
utilizaron la biblioteca durante 30 días, se considera el nivel de significancia de 0,05
Solución: Se trata de un problema con una media Día Usuarios Día Usuarios Día Usuarios
poblacional, muestra grande y desviación estándar 1 356 11 305 21 429
poblacional desconocida. 2 427 12 413 22 376

Paso 1.- Se selecciona la hipótesis nula y la hipótesis 3 387 13 391 23 328

alternativa. 4 510 14 380 24 411

𝑯𝟎 : 𝝁 = 𝟑𝟓𝟎 (El número medio de lectores por día es 350) 5 288 15 382 25 397
𝑯𝟏 : 𝝁 ≠ 𝟑𝟓𝟎 (El número medio de lectores por día es 350) 6 290 16 389 26 365
7 320 17 405 27 405
Paso 2.- 8 350 18 293 28 369
𝑵𝑪 = 𝟗𝟓% = 𝟎, 𝟗𝟓 = 𝟏 − 𝜶 9 403 19 276 29 429
𝑵𝑺 = 𝟓% = 𝟎, 𝟎𝟓 = 𝜶 10 329 20 517 30 364
Paso 3: Seleccionar la prueba estadística apropiada y Hallar el valor
calculado de la prueba estadística.
Se determina que el estadístico de prueba es Z, debido a que el número de la muestra es igual a 30. Se
conoce la media poblacional, pero la desviación estándar de la población es desconocida; en este caso se
ത
𝑋−𝜇
determina la desviación estándar de la muestra y se aplica Z = 𝜎
𝑛
σ 𝑿 𝟏𝟏𝟐𝟖𝟒 Día Usuarios ഥ 𝟐
Día Usuarios ഥ 𝟐
Día Usuarios ഥ 𝟐
ഥ=
𝑿 = = 𝟑𝟕𝟔, 𝟏𝟑 𝑿−𝑿 𝑿−𝑿 𝑿−𝑿
𝒏 𝟑𝟎 1 356 405,35 11 305 5059,95 21 429 2794,88
2 427 2587,42 12 413 1359,15 22 376 0,02
ഥ
σ 𝑿−𝑿 𝟐 𝟗𝟖𝟏𝟕𝟕, 𝟒𝟔 3 387 118,08 13 391 221,02 23 328 2316,82
𝟐
𝑺 = = = 𝟑𝟑𝟖𝟓, 𝟒𝟑 4 510 17920,28 14 380 14,95 24 411 1215,68
𝒏−𝟏 𝟐𝟗
5 288 7767,48 15 382 34,42 25 397 435,42
6 290 7418,95 16 389 165,55 26 365 123,95
𝑺= 𝟑𝟑𝟖𝟓, 𝟒𝟑 = 𝟓𝟖, 𝟏𝟖 ≈ 𝝈
7 320 3150,95 17 405 833,28 27 405 833,28
8 350 682,95 18 293 6911,15 28 369 50,88
Se calcula el estadístico de prueba.
9 403 721,82 19 276 10026,68 29 429 2794,88
𝑿ഥ − 𝝁 𝟑𝟕𝟔, 𝟏𝟑 − 𝟑𝟓𝟎
𝐙= 𝝈 = = 𝟐, 𝟒𝟔 10 329 2221,55 20 517 19843,42 30 364 147,22
𝟓𝟖, 𝟏𝟖
𝒏 𝟑𝟎 total 3660 42994,84 3751 44469,58 3873 10713,04
Paso 04: Formulación de la regla de decisión.
La regla de decisión se la formula teniendo en cuenta que esta es una prueba de dos
colas, la mitad de 0,05; es decir, 0,025 en cada cola. El área en la que no se rechaza 𝑯𝟎
está entre las dos colas, es por consiguiente 0,95. El valor crítico para 0,025 da un valor
de 𝒁𝜶Τ𝟐 = −𝟏, 𝟗𝟔. Por consiguiente la regla de decisión es: rechazar la hipótesis nula y
aceptar la hipótesis alternativa, si el valor de Z calculado no queda entre la región
compendiada entre −𝟏, 𝟗𝟔 𝒚 + 𝟏, 𝟗𝟔. En caso contrario, si Z calculado queda entre
− 𝟏, 𝟗𝟔 𝒚 + 𝟏, 𝟗𝟔, no se rechaza la hipótesis nula.

Paso 05: Toma de decisión.

En este último paso se compara el
estadístico de prueba calculado que
es 𝐙 = 𝟐, 𝟒𝟔 con el valor crítico de
𝒁𝟏−𝜶Τ𝟐 = 𝟏, 𝟗𝟔. Como el estadístico
de prueba calculado cae a la derecha
del valor crítico de 𝒁𝟏−𝜶Τ𝟐 , se
rechaza 𝑯𝟎 por tanto no se confirma
el supuesto del Jefe de la Biblioteca.
 Ejercicio ilustrativo
La duración media de una muestra de 300 focos producidos por una compañía resulta ser de 1620 horas.
Se conoce que desviación típica de la población es 150 horas. Comprobar la hipótesis 𝝁 = 𝟏𝟔𝟎𝟎 contra la
hipótesis alternativa 𝝁 ≠ 𝟏𝟔𝟎𝟎 horas con un nivel de significación de 0,05 si la muestra de 5000 focos.
Datos:
1) 𝑯𝟎 : 𝝁 = 𝟏𝟔𝟎𝟎 (La duración media de los focos es igual a 1600 H.)
𝑯𝟏 : 𝝁 ≠ 𝟏𝟔𝟎𝟎 (La duración media de los focos es diferente de 1600 H.)
𝒏 = 𝟑𝟎𝟎
ഥ = 𝟏𝟔𝟐𝟎
𝑿 3) Al observar 𝑯𝟏 : 𝝁 ≠ 𝟏𝟔𝟎𝟎 se trata de una prueba
𝝁 = 𝟏𝟔𝟎𝟎 a dos colas, luego como se tiene una muestra grande 4) Regla de decisión
𝝈 = 𝟏𝟓𝟎 mayor al 5% de la población, se aplica:
ഥ−𝝁
𝑿
𝑵 = 𝟓𝟎𝟎𝟎 𝒁=
𝝈 𝑵−𝒏
∗ 𝑁−1
2) 𝜶 = 𝟎, 𝟎𝟓 𝒏
𝜶
= 𝟎, 𝟎𝟐𝟓
𝟐 𝟏𝟔𝟐𝟎 − 𝟏𝟔𝟎𝟎
𝒁𝜶Τ𝟐 = 𝟏, 𝟗𝟔 𝒁=
𝒏 𝟏𝟓𝟎 𝟓𝟎𝟎𝟎 − 𝟑𝟎𝟎
∗ 𝟏𝟎𝟎% = 𝟔% ∗
𝑵 𝟑𝟎𝟎 𝟓𝟎𝟎𝟎 − 1
𝒁 = 𝟐, 𝟐𝟒
5) Decisión: Dado que 𝟐, 𝟐𝟒 > 𝒁𝜶Τ𝟐 = 𝟏, 𝟗𝟔, se rechaza la 𝑯𝟎 y se acepta 𝑯𝟏 , esto
implica que duración promedio de los focos es mayor a 1600 horas
 Ejercicio para desarrollar en clases
1.- En una planta eléctrica se supone que la presión en cierta línea
se mantiene a un promedio de 102 lb/pulg2 en un período de cinco
horas con una desviación estándar de 3 lb/pulg2. Si la presión media
es mayor que 102 lb/pulg2 durante un período de 5 horas, podrían
surgir problemas graves. Durante un período de 5 horas, se toman
40 mediciones al azar, obteniendo una presión media de 105
lb/pulg2. Con base a estas mediciones ¿Es probable que se presenten
problemas graves en el funcionamiento de la planta eléctrica, a un
nivel de significación del 5%?
2.- Una empresa fabrica focos que tienen una duración que se
distribuye de forma aproximadamente normal con una media de
800 horas y una desviación estándar de 40 horas. Pruebe la
hipótesis de que 𝝁 ≠ 𝟖𝟎𝟎 horas, si una muestra aleatoria de 30
focos tiene una duración promedio de 788 horas. Utilice un nivel de
significancia de 0,04.
 Ejercicios para el trabajo autónomo
1.- Un fabricante de neumáticos desea saber, si el promedio de vida útil de ciertos
tipos de neumáticos es inferior a 30000 millas. Para verificar esto, se instalan 50
neumáticos en sus vehículos y se obtuvo una vida útil promedio de 29461 millas con
una desviación estándar de 1342 millas. En base a esta información ¿Se puede
concluir que la vida útil de los neumáticos ha disminuido? Tomar un nivel de
significación del 1%.
2.- Un tipo de fusible está diseñado para fundirse cuando la corriente llega a 20 amperios. Se
toma una muestra de 28 fusibles de un lote de 500 y se encuentra que el punto promedio de
fusión de esta muestra es 20,8 amperios, con una desviación estándar de 1,5 amperios ¿A qué
conclusión se puede llegar, con respecto a las especificaciones del lote, a un nivel de
significación del 1%?
3.- Una empresa que se dedica a hacer encuestas se queja de que un agente realiza
en promedio 53 encuestas por semana. Se ha introducido una forma más moderna
de realizar las encuestas y la empresa quiere evaluar su efectividad. Los números
de encuestas realizadas en una semana por una muestra aleatoria de agentes son:
53 57 50 55 58 54 60 52 59 62 60 60 51 59 56
En el nivel de significancia 0,05, ¿puede concluirse que la cantidad media de
entrevistas realizadas por los agentes es superior a 53 por semana?
 Pruebas para dos medias poblacionales
En los problemas en donde se tienen muestras independientes, tomadas de
dos poblaciones con medias 𝝁𝟏 y 𝝁𝟐 y sus respectivas varianzas, las hipótesis
estadísticas relacionadas con diferencias de medias poblacionales vienen
expresadas como sigue:
Si la prueba es de una cola o unilateral, las hipótesis se expresan como sigue:

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

Si la prueba es de dos colas o bilateral, las hipótesis se expresan como sigue

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

El estadístico de prueba relacionado con diferencias de medias poblacionales, con

ഥ𝟏 𝒚 𝑿
valores de medias muestrales 𝑿 ഥ 𝟐 , tamaños de muestras 𝒏𝟏 𝒚 𝒏𝟐 y sus respectivas
varianzas; viene dado por alguna de las siguientes fórmulas, según sea el caso.
ഥ𝟏 − 𝑿
𝑿 ഥ 𝟐 − 𝒅𝟎
𝒁=
Si se conocen 𝝈𝟏 𝒚 𝝈𝟐 . Utilizando distribución Z: 𝝈𝟏 𝟐 𝝈𝟐 𝟐
𝒏𝟏 + 𝒏𝟐
ഥ𝟏 − 𝑿
𝑿 ഥ 𝟐 − 𝒅𝟎
𝒕=
𝟏 𝟏
Con 𝒗 = (𝒏𝟏 + 𝒏𝟐 − 𝟐) grados de libertad, 𝝈𝟏 = 𝝈𝟐 desconocidas. 𝑺𝒑 𝒏 + 𝒏
𝟏 𝟐

Utilizando la distribución t de Student (𝑺𝟏 𝟐 y 𝑺𝟐 𝟐 varianzas muestrales)

𝟐 𝒏𝟏 − 𝟏 𝑺𝟏 𝟐 + 𝒏𝟐 − 𝟏 𝑺𝟐 𝟐
𝑺𝒑 =
𝒏𝟏 + 𝒏𝟐 − 𝟐

Con grados de libertad 𝒗. Utilizando la distribución t de Student. 𝝈𝟏 ≠ 𝝈𝟐 y desconocidas

 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%?
Solución:
Se debe someter a prueba la hipótesis nula de que la diferencia de las medias
poblacionales de los dos tipos de alambre se mantenga en 0,060 ohm, en
contraposición a la alterna de que la diferencia sea mayor a 0,060 ohm. La prueba
a aplicar es de una cola o unilateral.
Sea 𝝁𝟏 : El promedio de resistencia del alambre eléctrico ordinario.
𝝁𝟐 : El promedio de resistencia del alambre eléctrico sometido a aleación.
1.-

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

Como la Z calculada es menor que la Z crítica, implica que el estadístico de prueba ha

recaído en zona de aceptación de la hipótesis nula. En consecuencia no se puede considerar
que las reformas introducidas en el programa, han generado la efectividad esperada
 Pruebas para una proporción
Un jefe de control de calidad, se plantea la hipótesis de que no más del 7% de las
refacciones que se fabrican en un proceso de manufactura tienen defectos. Para una
muestra aleatoria de 90 refacciones, se encuentra que 11 están defectuosas. Someta a prueba
esta hipótesis a un nivel de significación del 5%.
Datos: 𝑿 − 𝒏𝒑𝒐
𝑯𝒐 : 𝒑 = 𝟎, 𝟎𝟕 𝒁=
𝒏𝒑𝒐 𝒒𝒐
𝑯𝟏 : 𝒑 > 𝟎, 𝟎𝟕
𝒑𝒐 = 𝟎, 𝟎𝟕 𝟏𝟏 − 𝟔, 𝟑
𝒒𝒐 = 𝟎, 𝟗𝟑 𝒁=
𝟗𝟎 ∗ 𝟎, 𝟎𝟕 ∗ 𝟎, 𝟗𝟑
𝑿 = 𝟏𝟏
𝒏 = 𝟗𝟎 ≥ 𝟑𝟎 𝟒, 𝟕
𝒁=
𝜶 = 𝟎, 𝟎𝟓 𝟓, 𝟖𝟓𝟗
𝒏𝒑𝒐 = 𝟗𝟎 ∗ 𝟎, 𝟎𝟕 = 𝟔, 𝟑 ≥ 𝟓
𝟒, 𝟕
𝒏𝒒𝒐 = 𝟗𝟎 ∗ 𝟎, 𝟗𝟕 = 𝟖𝟑, 𝟕 ≥ 𝟓 𝒁=
𝒁𝟏−𝜶 = 𝟏, 𝟔𝟒𝟓 𝟐, 𝟒𝟐
𝒁 = 𝟏, 𝟗𝟒

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

Utilizando la distribución chi cuadrada, el estadístico de prueba es:

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

Utilizando la distribución F, el estadístico de prueba es:

𝑺𝟐𝟏
𝐅= 𝟐
𝑺𝟐
Donde 𝑺𝟐𝟏 y 𝑺𝟐𝟐 son las varianzas muestrales.
 Prueba de hipótesis con dos varianzas
La región crítica: Una vez establecido el valor de significación 𝜶 y los
grados de libertad 𝒗𝟏 = 𝒏𝟏 − 𝟏 𝒚 𝒗𝟐 = 𝒏𝟐 − 𝟏; se utiliza la tabla 6
anexa, y se determina la región crítica en los siguientes términos:
Para la alternativa unilateral izquierda (𝝈𝟐𝟏 − 𝝈𝟐𝟐 < 𝒅𝒐 ), la región de
rechazo de la hipótesis nula es todo valor 𝑭 < 𝒇𝟏−𝜶 (𝒗𝟏 , 𝒗𝟐 ) . De lo
contrario se acepta la hipótesis nula.
Para la alternativa unilateral derecha ( 𝝈𝟐𝟏 − 𝝈𝟐𝟐 > 𝒅𝒐 ), la región de
rechazo de la hipótesis nula es todo valor 𝑭 > 𝒇𝜶 (𝒗𝟏 , 𝒗𝟐 ). De lo contrario
se acepta la hipótesis nula.
Para la alternativa bilateral derecha (𝝈𝟐𝟏 − 𝝈𝟐𝟐 ≠ 𝒅𝒐 ), la región de rechazo
de la hipótesis nula es todo valor 𝑭 < 𝒇𝟏−𝜶 (𝒗𝟏 , 𝒗𝟐 ) y 𝑭 > 𝒇𝟏−𝜶 (𝒗𝟏 , 𝒗𝟐 ).
𝟐 𝟐
De lo contrario se acepta la hipótesis nula.
 Prueba de hipótesis con la varianza
Se dice que una máquina despachadora de bebidas gaseosas está fuera de control si la
varianza de los contenidos excede en 1,15 dl. Si una muestra aleatoria de 25 bebidas
de esta máquina tiene una varianza de 2,03 dl, ¿esto indica con un nivel de
significancia de 0,05 que la máquina está fuera de control?. Suponga que los
contenidos se distribuyen de forma aproximadamente normal.
Datos:
𝑯𝟎 : 𝝈𝟐 = 𝟏, 𝟏𝟓
𝑯𝟏 : 𝝈𝟐 > 𝟏, 𝟏𝟓 𝟐
𝐧 − 𝟏 𝐒
𝝈𝟐𝒐 = 𝟏, 𝟏𝟓 𝐗𝟐 =
𝐧 = 𝟐𝟓 𝝈𝟐𝒐
𝐒 𝟐 = 𝟐, 𝟎𝟑
𝜶 = 𝟎, 𝟎𝟓 𝟐𝟓 − 𝟏 𝟐, 𝟎𝟑
𝐗𝟐 =
𝑿𝟐 𝜶 = 𝟑𝟔, 𝟒𝟏𝟓 𝟏, 𝟏𝟓
𝐗 𝟐 = 𝟒𝟐, 𝟑𝟔𝟓

Considerando que el estadístico de prueba (𝑿𝟐 = 𝟒𝟐, 𝟑𝟔𝟓) ha recaído en la zona de

rechazo de la hipótesis nula; entonces se acepta la hipótesis alternativa. En
consecuencia se puede determinar que la máquina está fuera de control.
 Prueba de hipótesis con una varianza
Basado en las especificaciones dadas por un ingeniero, se plantea la hipótesis de que la
desviación estándar de los diámetros de ciertas piezas es diferente de 4 mm. Para una
muestra de 15 piezas, se encontró una desviación estándar muestral de 5,8 mm ¿Se puede
afirmar que existe variación significativa en la dispersión de los diámetros de las piezas?
Use un nivel de significación del 5%.
Datos:
𝑯𝟎 : 𝝈𝟐 = 𝟏𝟔 𝟐
𝐧 − 𝟏 𝐒𝟐
𝐗 =
𝑯𝟏 : 𝝈𝟐 ≠ 𝟏𝟔 𝝈𝟐𝒐
𝝈𝟐𝒐 = 𝟏𝟔
𝐧 = 𝟏𝟓 𝟏𝟓 − 𝟏 𝟑𝟑, 𝟔𝟒
𝐗𝟐 =
𝐒 𝟐 = 𝟐𝟕, 𝟎𝟒 𝟏𝟔
𝜶 = 𝟎, 𝟎𝟓
𝜶 𝟒𝟕𝟎, 𝟗𝟔
= 𝟎, 𝟎𝟐𝟓 𝐗𝟐 =
𝟐 𝟏𝟔
𝑿𝟐 𝟏−𝜶 = 𝟓, 𝟔𝟐𝟗 𝐗 𝟐 = 𝟐𝟗, 𝟒𝟒
𝟐
𝑿𝟐 𝜶 = 𝟐𝟔, 𝟏𝟏𝟗
𝟐

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.