Prueba de Hipotesis Ok

6
PRUEBA DE HIPTESIS
6.1 INTRODUCCIN
Los mtodos estudiados en el captulo anterior usan la informacin proporcionada por los
estadsticos muestrales para estimar con cierta probabilidad el valor de un parmetro
poblacional. En ste captulo se introducir la prueba de hiptesis que es un enfoque diferente.
En ste caso, se supone a priori el valor del parmetro y sobre la base de la informacin
obtenida en una muestra se somete a prueba la suposicin, para luego tomar con cierta
probabilidad, la decisin de rechazar o no rechazar la hiptesis. En ste punto es importante
sealar que la expresin no rechazar pudiera ser sustituida por aceptar, sin embargo antes
de hacerlo es necesario atender cuidadosamente algunas explicaciones que se darn ms
adelante. La prueba de hiptesis tambin conocida como docimasia o contrastacin de
hiptesis es uno de los mtodos estadsticos ms usados en las ciencias naturales por ser un
procedimiento que le proporciona al investigador un criterio objetivo para tomar decisiones
con base a un nmero limitado de observaciones. Frecuentemente el bilogo tiene que decidir:
a) al comparar magnitudes de propiedades fsicas, qumicas o biolgicas en dos o ms
condiciones o categoras, como es el caso de confrontar el valor medio de la presin arterial en
personas pertenecientes a dos grupos etarios; b) al valorar los efectos de diferentes niveles de
algn factor ambiental como la temperatura, la humedad, el contenido de oxgeno sobre algn
proceso, caracterstica o propiedad de un organismo; y c) al relacionar dos o ms variables,
como la intensidad lumnica y la tasa fotosinttica. En ste captulo y en los siguientes se
trataran varios procedimientos para probar hiptesis que dan respuesta a este tipo de
problemas o a otros similares.
6.2 LA PRUEBA DE HIPTESIS: UN PROCEDIMIENTO DE DECISIN

Antes de estudiar las distintas etapas y casos de las que consta el procedimiento para la prueba
de hiptesis, consideraremos un ejemplo que servir para mostrar los fundamentos del proceso
de docimasia y la toma de decisiones.
Ejemplo 6.1. Con el propsito de determinar el efecto de una nueva dieta sobre el desarrollo
de ratones de laboratorio un investigador necesita formar varios grupos de ratones recin
nacidos todos con un mismo peso. De manera que conforma varios lotes de 36 ratones con un
peso aproximado a los 30 g. Para verificar si los grupos son homogneos en cuanto al peso,
vuelve a pesar cuidadosamente los 36 ratones de cada grupo y le calcula el valor promedio y la
desviacin estndar. El investigador sabe que al ser el peso una variable aleatoria y por estar
trabajando con una muestra es difcil que cada grupo tenga un peso promedio exactamente
igual a 30 g, aunque si bastante aproximado a ste valor. Sin embargo el investigador se
Samuel Segnini
Fundamentos de Bioestadstica
Captulo 6
109
encuentra ante una disyuntiva: a) si el valor promedio de peso para cada grupo se considera
como una simple desviacin fortuita de los 30 g dada la variabilidad caracterstica de las
muestras aleatorias, no hay necesidad de reorganizar el grupo, y b) si el valor medido esta
verdaderamente desviado del valor esperado de 30 g es necesario reorganizar el grupo
sustituyendo los ratones causantes de la desviacin.
A fin de tener un criterio objetivo que le ayude a tomar la mejor decisin, el investigador
establece como premisa que el peso promedio de la poblacin de donde provienen los pesos
de los ratones es de 30 g. Si es cierto que = 30 es de esperar que el valor promedio del grupo
o muestra x sea muy cercano a dicho valor y su probabilidad de ocurrencia sea alta. Si esto
sucede se acepta la hiptesis y se considera que la desviacin del peso promedio de la muestra
con respecto a la media esperada, x - , es producto de la naturaleza aleatoria de la variable
peso, siendo innecesario reorganizar el grupo de ratones. Pero an siendo cierto que = 30,
es posible que los 36 ratones tengan un peso promedio alejado del peso esperado de 30 g, lo
cual es improbable, En ste caso, el investigador puede aceptar que = 30 y considerar que
ocurri un hecho poco probable o alternativamente decidir que en lugar de haber sucedido
algo poco probable considerar que el valor de la media poblacional es menor a 30 ( < 30).
Ilustremos la situacin anterior en forma real y supongamos que el investigador encontr que
uno de los grupos dio como resultado un promedio de 29.3 g con una desviacin de 2 g. De
acuerdo a lo dicho anteriormente, para poder tomar la decisin de reorganizar o no el grupo de
ratones, se debe proceder a determinar si 29.3 ocurre con una probabilidad alta o baja teniendo
como hiptesis que = 30. Como el peso promedio observado es menor a 30 se debe proceder
a hallar la P( X 30 ). Para tal fin tenemos que saber como es la distribucin de la media
muestral. Aunque desconocemos la distribucin de la variable peso promedio, como el tamao
de la muestra es grande (n = 36) se puede afirmar, de acuerdo al Teorema del Lmite Central,
que dicha variable se distribuye normalmente con media igual a 30 y desviacin igual a
S x = 2 36 = 0.33 . Por lo tanto la probabilidad buscada ser:
29.3 30
P ( X 29.3) = P ( Z z ) = P ( Z
= P ( Z 2.1) = 0.0179
2 36
Esta probabilidad tan baja (Figura 6.1),
tiene dos explicaciones: a) La hiptesis de
que = 30 es cierta y ocurri un hecho casi
imposible como el de obtener un peso
promedio igual a 29.3 el cul esta muy
alejada del valor esperado de 30 g, y b) la
hiptesis anterior no es cierta y el valor
esperado es mucho menor a 30. La
explicacin b resulta obviamente ms
razonable.
Figura 6.1.
Pero veamos que habra ocurrido si el valor de la media muestral hubiese sido ms prximo a
30, por ejemplo 29.9. En ste caso la probabilidad de que ocurra un valor igual o menor a 29.9
sera:
Samuel Segnini
P ( X 29.9) = P ( Z
Captulo 6
110
29.9 30
= P ( Z 0.3) = 0.382
2 36
Esta es una probabilidad de ocurrencia alta

(Figura 6.2), siempre y cuando = 30. Por
lo tanto resulta razonable aceptar la
presuncin de que el peso promedio del
grupo todava es igual a 30 g.
Pero si la media muestral hubiese dado un
valor ni tan prximo ni tan alejado de 30 la
decisin no sera tan clara. Por ejemplo si
el valor de la media muestral hubiese sido
29.5 Cul sera la decisin?.
P ( X 29.6) = P ( Z
Figura 6.2
29.6 30
= P ( Z 1.2) = 0.1151
2 36
En este caso la probabilidad no es tan baja

(Figura 6.3) para rechazar de inmediato
que = 30 y tampoco es tan alta para
aceptar sin mayores consideraciones que
= 30. Esta situacin de incertidumbre
siempre estar presente para cualquier
valor con probabilidades moderadas de
ocurrencia.
Figura 6.3
La mejor manera de resolver el problema es estableciendo previamente un criterio o valor

lmite para aceptar o rechazar la hiptesis y as poder tomar una decisin inmediata. Este valor
lmite debe excluir los valores que ocurren con menor probabilidad. Por lo general se excluyen
aquellos valores cuya probabilidad de ocurrencia es igual o menor a 0.05. Tambin se pueden
utilizar otros criterios como aquellos que establecen una probabilidad de ocurrencia igual o
menor a 0.01 0.001. Ms adelante sern discutidas las razones que fundamentan la
escogencia de un valor lmite de probabilidad como criterio para rechazar o no una hiptesis.
Por ahora es necesario concentrarse en comprender el proceso de encontrar este valor crtico.
Una vez que se elige el valor de probabilidad que sirve de criterio para tomar una decisin, se
pueden conocer cules valores de la variable cumplen con sta decisin. Si decidimos que el
valor de probabilidad crtico es 0.05, todos los valores que rechazan la hiptesis establecida
son aquellos cuya P(X x ) = 0.05. A partir de sta expresin se puede encontrar cul es valor
de X a partir del cual la probabilidad de ocurrencia es menor a 0.05. Sabemos que P(X x ) =
0.05 es equivalente a P(Z z) = 0.05, siendo z igual a
z=
x x
Sx
Samuel Segnini
Captulo 6
111
El valor de Z a la izquierda del cul se encuentra el 0.05% del rea de la distribucin de

probabilidades de la media muestral es -1.64, por lo tanto, si se despeja x de la expresin
anterior se tiene que,
x = x + z (0.05) S x n = 30 + (1.64)(2 / 36) = 30 0.5412 = 29, 46
Este valor es ahora nuestro lmite para

tomar la decisin de aceptar o rechazar la
presuncin de que = 30. Si la media del
grupo de ratones es menor a 29.46 se
rechaza la premisa y si es mayor se acepta
(Figura 6.4). Ahora sabemos que 0.54 es la
mxima desviacin que se puede aceptar
para concluir que la diferencia entre la
media observada y la esperada es
Figura 6.4
simplemente aleatoria.
Volviendo al caso de los ratones, el investigador ahora conociendo el peso promedio de cada
grupo puede tomar rpidamente una decisin para mantener o reorganizar el grupo,
simplemente comparando la media obtenida con el valor crtico de 29.46 g.
6.3 PROCEDIMIENTO GENERAL PARA LA PRUEBA DE HIPOTESIS

En el procedimiento usado para resolver el problema del Ejemplo 6.1 se pueden identificar
varias etapas fundamentales, las cuales se pueden reordenar e identificar en la forma siguiente:
1. Formulacin de hiptesis
2. Especificacin de un valor de probabilidad crtico o nivel de significacin.
3. Eleccin de un estadstico de la muestra y de su distribucin para someter a prueba las
hiptesis.
4. Establecimiento de una zona de rechazo para Ho.
5. Cmputos necesarios.
6. Decisin.
En lo que sigue nos permitiremos dos concesiones: supondremos que todas las variables
usadas siguen una distribucin normal y la mayora de las veces usaremos la media
poblacional como ejemplo del parmetro a docimar.
Formulacin de hiptesis. Por lo general toda investigacin en el campo de las ciencias
naturales se inicia a partir de una hiptesis la cual es una explicacin tentativa que se da a un
hecho observado. La misma puede surgir a partir de una teora general que explica cierta
realidad a la cual pertenece el fenmeno observado, o por la experiencia propia o de otros
investigadores, o por simple intuicin. Ahora bien, en la formulacin de cualquier hiptesis
est implcita una hiptesis alternativa. Por ejemplo, se puede plantear como hiptesis de
investigacin que el ejercicio constante disminuye el nivel de colesterol en el plasma
sanguneo, pero asociada a esta hiptesis existe otra premisa alterna que se opone, en ste
caso la alternativa sera que el ejercicio constante no disminuye el nivel de colesterol en el
Samuel Segnini
Captulo 6
112
plasma sanguneo. Estas hiptesis de investigacin para poderse someter a prueba deben
concretarse en trminos cuantitativos, transformndose en hiptesis estadsticas. Para el
ejemplo anterior, se puede proponer como hiptesis estadstica que bajo cierto programa de
ejercicio la tasa promedio de disminucin de la concentracin del colesterol ser mayor a 30
unidades. Consecuentemente existe una hiptesis estadstica alternativa que en este caso
plantea que con el ejercicio la tasa promedio de disminucin del colesterol ser igual a 30
unidades. De manera que las hiptesis de investigacin se derivan de las teoras que se estn
probando y las hiptesis estadsticas hacen factible su contrastacin.
En forma general las hiptesis estadsticas son afirmaciones que involucran una propiedad de
la distribucin probabilstica de la variable aleatoria que se est estudiando, propiedades como
son la media (), la varianza (2), un valor de proporcin () o la forma de la distribucin. De
modo que el primer paso en un proceso de decisin es formular las hiptesis estadstica, las
cuales reciben el nombre de hiptesis nula (H0) e hiptesis alternativa (H1). La hiptesis nula
se dice que es una hiptesis simple, porque es una afirmacin de igualdad con un valor
especifico, mientras que las hiptesis alternativa se dicen que es compuesta porque puede
asumir diferentes valores.
Si se representa un parmetro poblacional por letra griega y con o un valor cualquiera del
parmetro, la forma genrica de la hiptesis nula sera una igualdad entre el parmetro y un
valor especfico del mismo,
H0 : =
Por su parte la hiptesis alternativa se puede representar con una de las tres posibilidades
siguientes:
>
H1: <

La expresin > se interpreta como que el parmetro puede asumir cualquier valor mayor
a y se dice que la prueba de hiptesis es de una cola a la derecha. Por su parte < indica
que el parmetro puede ser cualquier valor menor a y la prueba de hiptesis se llama de
una cola a la izquierda. Finalmente representa la posibilidad que el parmetro asuma
cualquier valor diferente (mayor o menor) al valor y la prueba de hiptesis se denomina de
dos colas. Ms adelante, cuando se trate lo referente al establecimiento de la zona de decisin,
se aclarar la razn de esta nomenclatura.
Para el caso del ejemplo del programa de ejercicios y la disminucin del nivel de colesterol en
la sangre, las hiptesis se pueden plantear de la manera siguiente:
Hiptesis nula
Hiptesis alternativa :
H0 : = 30
H1: > 30
La hiptesis nula establece que un parmetro como la tasa media de disminucin de la

concentracin de colesterol es igual al valor de 30, mientras que la hiptesis alternativa
predice que su valor ser mayor a 30.
Aqu podemos darnos cuenta que la proposicin que el investigador quiere probar, como es
que la disminucin promedio de colesterol ser mayor a 30 unidades, est recogida por la
hiptesis alternativa, mientras que la hiptesis nula asume la proposicin que se quiere negar.
La utilidad de plantear las hiptesis de sta manera se explica porque el rechazo de H0 es un
veredicto mucho ms robusto que su no rechazo, puesto que es necesario acumular evidencia
Samuel Segnini
Captulo 6
113
cientfica muy fuerte para poder rechazar una hiptesis nula. Por lo tanto la consecuencia de
rechazar una hiptesis nula es un gran apoyo a la hiptesis alternativa. Ilustremos esta
situacin con la analoga siguiente: en los procesos judiciales donde hay alguien acusado de
un delito, hay dos hiptesis: inocente (H0) y culpable (H1). El fiscal pblico tiene inters en
probar que el acusado es culpable. Para poder llegar a una decisin de culpable es necesario
presentar suficientes evidencias que garanticen que la decisin es correcta. De no tenerse
evidencias fuertes la hiptesis nula de inocencia no puede ser rechazada, pero esto no significa
que se comprob la inocencia del acusado, sino que no se logr acumular suficientes
elementos para rechazar H0. De hecho es posible que con nuevas investigaciones se determine
la culpabilidad del acusado. Por el contrario habindose obtenido fuertes evidencias de
culpabilidad, se acepta la hiptesis alternativa, decisin que es mucho ms difcil revertir. En
otras palabras la probabilidad de cometer un error es mucho menor al rechazar H0 que al no
rechazarla. En la prctica jurdica, si la evidencia es dbil es preferible equivocarse declarando
inocente a alguien culpable que condenando a un inocente. Un razonamiento similar a ste es
el que usan los investigadores cuando plantean como hiptesis alternativa el evento que se
quiere probar. Si los datos usados para probar las hiptesis proporcionan suficiente evidencia
para rechazar la hiptesis nula, como consecuencia inmediata la hiptesis alternativa recibe un
respaldo muy fuerte. Pero si el investigador hubiese planteado el mismo evento como hiptesis
nula, su no rechazo no demuestra que el evento de inters sea verdad, sino que los datos no
proporcionaron evidencia para rechazarla, dejando abierta la posibilidad de poder ser refutada
con otro conjunto de datos o que otra hiptesis sea la verdadera. Por esta razn, es que la
sustitucin del trmino no rechazar H0 por el trmino aceptar H0, no es muy conveniente y
de hacerlo se debe estar consciente que la aceptacin de H0 es slo temporal. Veamos un
ejemplo biolgico: durante mucho tiempo los taxnomos, al describir los mamferos le
asignaban como una caracterstica nica el hecho de ser vivparos, es decir que los individuos
se desarrollaban en el vientre de la madre y cuando nacan ya haban completado en gran parte
su desarrollo, lo cual los diferenciaba de los animales ovparos y ovovivparos cuyo desarrollo
se completa dentro de un huevo. Esta era una hiptesis que haba recibido mucho respaldo,
puesto que cada vez que apareca una nueva especie de mamfero reciba apoyo la hiptesis.
Pero esto fue as hasta finales del siglo XVIII cuando fueron descubiertos los ornitorrincos,
mamferos que viven en Oceana que junto con los equidna, descubiertos posteriormente, son
los nicos mamferos ovparos porque sus cras se desarrollan dentro de huevos fuera del
cuerpo de la madre. Es decir que la hiptesis de la viviparidad que pareca un hecho
fuertemente comprobado se vino abajo cuando apareci la primera evidencia contradictoria.
En otras palabras la hiptesis alternativa implcita que era que no todos los mamferos eran
vivparos, qued definitivamente comprobada al negarse la hiptesis nula. Esto demuestra lo
conveniente de probar un hecho no por el aporte directo de evidencias sino por el rechazo de
un hecho opuesto.
Volviendo al ejemplo del colesterol, si se refuta H0: = 30, es porque los datos obtenidos en
la muestra fueron concluyentes, por lo cual la hiptesis alternativa H1: > 30 recibe un apoyo
muy fuerte. Por el contrario si no se rechaza H0 las implicaciones de este hecho no son
concluyentes. El no rechazo no significa que necesariamente = 30, porque se hubiese
llegado a la misma conclusin con cualquier otro valor de menor a 30, lo cual deja muchas
dudas con relacin al verdadero valor de . Tambin el no rechazo de H0 solo indica que la
proposicin es aceptada temporalmente dado que puede ser revertida con un nuevo conjunto
de datos. El ejemplo que sigue puede aclarar la temporalidad de una aceptacin de H0.
Samuel Segnini
Captulo 6
114
Suponga que alguien afirma que todos los granos de frijol que hay en un saco son de color
verde. Para probarlo toma un puado de granos y observa su color. Si todos los frijoles del
puado son verdes, no significa que prob su premisa, solamente le dio apoyo. Puede repetir el
ensayo muchas veces con el mismo resultado, pero mientras existan granos de frijol en el saco
su hiptesis no esta probada, porque si en alguno de los ensayos encuentra un solo grano de
otro color, la hiptesis nula queda definitivamente negada y por el contrario la hiptesis
alternativa implcita de que no todos los granos de frijol del saco son verdes queda plenamente
confirmada.
Como vimos existen tres formas distintas de planteamiento para la hiptesis alternativa. La
seleccin de una de ellas depende de la naturaleza del problema que se quiere docimar.
Algunos ejemplos pueden ayudar a entender la lgica para seleccionar una hiptesis
alternativa.
Ejemplo 6.2. Un bilogo sospecha que debido a la escasez de alimento que hay en un ro, la
talla promedio de las truchas adultas que viven en el mismo no alcanza el tamao mnimo de
pesca permitido que es de 25 cm. Si se comprueba la sospecha del investigador se prohibir la
pesca de truchas en ese ro, de lo contrario no se tomar ninguna medida.
Puesto que el planteamiento que quiere probar el bilogo es que la talla promedio de las
truchas es menor al valor mnimo permitido, las hiptesis a probar deben ser las siguientes:
H0 : = 25
H1: < 25
Ejemplo 6.3. Se quiere saber si una nueva droga es eficaz como tratamiento del SIDA. Para
lo cual a un grupo de paciente se le aplica un tratamiento con la droga.
La eficacia de la droga implica que la mayora de los pacientes, es decir que ms de la mitad
de los pacientes a los cuales se les aplic el tratamiento con la droga, respondieron
positivamente a la enfermedad. Si se considera que es la proporcin de la poblacin de
pacientes para los cuales la droga es eficaz, las hiptesis que se deben someter a prueba sern
las siguientes:
H0 : = 0.5
H1: > 0.5
Ejemplo 6.4. Un especialista en nutricin sospecha que el contenido de protena total en la
sangre de pacientes que estn sometidos a cierto rgimen de alimentacin no es el mismo que
el registrado en otro grupo de pacientes sometidos a otro tratamiento, para el cual se sabe que
el contenido de protena total tiene un valor promedio igual a 7.0 unidades.
El especialista sospecha que el contenido de protena total no es el mismo en los dos grupos de
pacientes, lo cual implica que el valor de esta variable para el grupo problema puede ser
mayor, menor o igual al grupo de referencia, por lo tanto las hiptesis a probar deben ser las
siguientes:
H1: 7.0
H0 : = 7.0
Samuel Segnini
Captulo 6
115
La formulacin de hiptesis no siempre es una tarea fcil debido a que no todas las
situaciones son tan obvias como las planteadas en los ejemplos anteriores. Como no existen
normas ni procedimientos que se puedan aplicar para plantear correctamente las hiptesis
estadsticas, el investigador debe apelar a la experiencia y a su conocimiento del sistema bajo
estudio. Muchas veces, se plantean las hiptesis con base a los resultados obtenidos en una
muestra. Pero esto no es correcto, porque de hacerlo, se estara usando la informacin que
proporciona la muestra con el doble propsito de formular y docimar las hiptesis. Esta
manera de proceder puede llevar a cometer errores graves. Ilustremos esta situacin con el
caso del Ejemplo 6.4. Como vimos se plante una hiptesis alternativa de diferencia, lo cual
conduce a una prueba de hiptesis de dos colas. Supngase que la hiptesis nula ( = 7.0) es
cierta. Si la formulacin de hiptesis se hubiese hecho despus de obtener los datos de una
muestra, en lugar de plantearse una hiptesis alternativa de dos colas, necesariamente se
hubiese tenido que plantear una hiptesis de una sola cola, hacia la derecha o la izquierda,
porque difcilmente una muestra hubiese dado un valor promedio igual a 7.0. Las
consecuencias de este proceder es que aumenta la posibilidad de rechazar la hiptesis nula
cuando de hecho es verdadera. Esto quedar ms claro cuando se traten los problemas que se
derivan de la toma de decisiones estadsticas.
Especificacin del nivel de significacin. Cualquier decisin dentro del proceso de prueba de
hiptesis lleva asociado cierto riesgo de fallar. Es decir que siempre existe la posibilidad de
tomar una decisin equivocada, slo que en este tipo de prueba se tiene la ventaja de conocer
de antemano la probabilidad de equivocarse. En la Tabla 6.1 se muestran las posibles
consecuencias de tomar una decisin con relacin a la hiptesis nula.
Tabla 6.1. Situaciones derivadas de una decisin estadstica
CONDICIN REAL
DECISIN
Rechazar Ho
No Rechazar Ho
H0 cierta
Error (Tipo I)
Acierto
H0 falsa
Acierto
Error (Tipo II)
El razonamiento bsico del proceso de

prueba de hiptesis supone que si el
planteamiento de la hiptesis nula es cierto,
por ejemplo que H0 = , la mayora de las
muestras proporcionaran valores del
estadstico muestral muy prximos a
, y por lo tanto caern dentro de la zona
de aceptacin (Figura 6.5).
Figura 6.5
Samuel Segnini
Pero tambin una minora de observaciones

puede no caer en la zona de aceptacin a pesar
que H0 sea cierta, provocando que se tome una
decisin errada, aunque se tiene a favor que
se conoce la magnitud de ese error. Por
ejemplo cuando se define una zona de
aceptacin donde se espera caigan el 95% de
las observaciones si H0 es cierta, tambin se
est determinando que en un 5% de los casos
se puede cometer una equivocacin al
rechazar H0 cuando de hecho es cierta. Es
decir que la probabilidad de cometer una falla
es igual a 0.05. Este tipo de error se llama
Error Tipo I (Tabla 6.1) y su probabilidad se
identifica con la letra (Figura 6.6a).
Tambin se puede cometer un error si se
acepta H0 cuando de hecho es falsa. Esto
sucede cuando una observacin cae dentro de
la zona de aceptacin de H0, siendo otra
hiptesis H1 la verdadera (Figura 6.6b). En
este caso la observacin muestral queda
dentro de la zona de aceptacin de H0, pero
siendo verdadera H1. Este tipo de error se
conoce como Error Tipo II (Tabla 6.1) y su
probabilidad se identifica con la letra
(Figura 6.6b)
Captulo 6
116
a)
b)
Figura 6.6
En trminos de probabilidad los dos tipos de errores se expresan de la forma siguiente:

P{Error Tipo I} = P{ Zona rechazo / H0 cierta} =
P{Error Tipo II} = P{ Zona aceptacin / H1 cierta} =
Como se puede notar tanto como son probabilidades condicionadas. Los valores de ambos
errores no pueden calcularse en un sentido absoluto. Para calcular es necesario asumir que
H0 es cierta y para calcular se asume que H1 es cierta.
En cualquier prueba de hiptesis lo ms conveniente ser que ambos tipos de errores sean lo
ms pequeo posible, pero esto no es fcil de lograr, porque al intentar disminuir uno el otro
aumenta proporcionalmente (Figura 6.7).
Figura 6.7
Samuel Segnini
Captulo 6
117
Afortunadamente al incrementar el tamao n de la muestra es posible disminuir la

probabilidad de cometer el Error Tipo II, manteniendo constante la probabilidad de cometer el
Error Tipo I. En la Figura 6.8 se muestra como al aumentar el tamao de la muestra se reduce
la varianza de las distribuciones e igualmente el valor de , mientras que el valor de se
mantiene en 0.05.
Figura 6.8
De acuerdo a lo visto hasta ahora, sera lgico concluir que es necesario conocer la magnitud
con la cual ambos errores operan en una prueba de hiptesis. Lamentablemente, esto slo es
posible para el Error Tipo I. Debido a la naturaleza del procedimiento, al formular una
hiptesis nula no slo se supone el valor de un parmetro, sino que se presume la ubicacin de
la distribucin de probabilidades del estadstico de prueba. La consecuencia de esto es que
puede fijarse un valor de y establecerse la respectiva regin de rechazo de H0. Esto no es
posible para el caso del Error Tipo II. Aun cuando se rehace H0 se desconoce el valor de la
hiptesis alternativa y por lo tanto la ubicacin de la distribucin probabilstica del estadstico
de prueba, no pudindose fijar el valor de .
Por tales razones en toda prueba de hiptesis una vez que se han formulado la hiptesis se fija
el valor de con el cual se cuantifica el riesgo que se esta dispuesto a correr al rechazar una
hiptesis nula cierta. El valor de se conoce como nivel de significacin, trmino con el cual
se quiere destacar que cualquier estadstico cuya probabilidad de ocurrencia sea igual o menor
al valor de , mantiene una diferencia tan grande con el valor del parmetro supuesto que se
puede concluir que no pertenece a la distribucin con la cual se est trabajando y por lo tanto
asegurar que H0 es falsa y otra hiptesis es la verdadera.
Comnmente los niveles de significacin usados son 0.05, 0.01 y 0.001. El grado de
importancia de la significacin se califica de distintas formas dependiendo de donde se ubique
el valor de probabilidad del estadstico.
Si 0.05 > P( ) > 0.01 se dice que la prueba de hiptesis es significativa (*).
Si 0.01 > P( ) > 0.001 se dice que la prueba de hiptesis es muy significativa (**).
Si 0.001 > P( ) se dice que la prueba de hiptesis es altamente significativa (***).
El nmero de asteriscos es una forma de indicar en un texto o en una tabla de resultados el

grado de significacin de los estadsticos de prueba. Tomemos como ejemplo los resultados
que se presenta en la tabla siguiente:
Samuel Segnini
Captulo 6
118
Tabla 6.2. Densidad promedio de cuatro gneros de

Ephemeroptera (Insecta) en dos ros de montaa.
Gnero
Baetis
Thraulodes
Leptohyphes
Baetodes
Ro A
64.6
22.7
40.7
256.8
Ro B
***
107.1
**
38.5
*
57.9
ns
259.4
* = diferencias significativas (P < 0.05).

** = diferencias muy significativas (P < 0.01).
*** = diferencias altamente significativas (P < 0.001).
ns = diferencias no significativas (P > 0.05).
Tambin dentro de los textos cientficos se suele presentar el resultado de una prueba
estadstica indicando el nivel de significacin o el rango de probabilidad dentro del cual se
ubica el estadstico de prueba, Ejemplo: ... la densidad de insectos no mostr relacin con
los valores acumulados de precipitacin (rs = 0.14; p < 0.05)....
Seleccin del estadstico de prueba. Para poder someter a prueba las hiptesis formuladas, es
necesario usar alguna propiedad o estadstico de las muestras que est relacionado con el
parmetro objeto de la inferencia. Estas propiedades muestrales reciben el nombre genrico de
estadsticos de prueba. En la Tabla 6.3 se muestran algunos parmetros y sus estadsticos de
prueba correspondiente.
Tabla 6.3. Parmetros y estadsticos de prueba ms comunes
Parmetro
Estadstico de prueba
Media ()
Diferencia de Medias (2-1)
x 2 x1
Varianza (2)
s2
Proporcin ()
Coeficiente de correlacin ()
Sin embargo, por razones prcticas, muchas veces los estadsticos de prueba no se usan en su
forma original sino con otras formas equivalentes o derivadas (Tabla 6.4)
Samuel Segnini
Captulo 6
119
Tabla 6.4. Estadsticos de prueba para algunos parmetros poblacionales.

Parmetro
Estadstico de prueba
Media ()
Diferencia de medias
(2 1)
x 2 x1
z = ( x ) (
n)
z = ( x ) (s
n)
t = ( x ) (s
n)
Z = ( x 2 x1 ) ( 2 1 )
22 12
+
n 2 n1
Z = ( x 2 x1 ) ( 2 1 )
s 22 s 12
+
n 2 n1
T = ( x 2 x1 ) ( 2 1 )
s 22 s 12
+
n 2 n1
2 = (n 1) s 2 02
Varianza
Razn de varianzas
2 1
Estadsticos de prueba derivados
F = ( s 22 22 ) ( s 12 12 )
La utilidad de estos y otros estadsticos de prueba se ver cuando se traten particularmente las
pruebas de hiptesis para algunos parmetros.
Establecer una zona de aceptacin para H0. Una vez conocido el estadstico de prueba a
utilizar, as como su distribucin, es necesario definir en la distribucin del estadstico
muestral una zona de aceptacin y una zona de rechazo de la hiptesis nula. La zona de
aceptacin de H0 est formada por todos los valores del estadstico de prueba con una
probabilidad de ocurrencia mayor al establecido en el nivel de significacin.. Por el contrario
la zona de rechazo est formada por todos los valores del estadstico de prueba cuya
probabilidad de ocurrencia es igual o menor al valor establecido en el nivel de significacin.
La zona de rechazo a diferencia de la zona de aceptacin y dependiendo de la hiptesis
alternativa planteada puede estar orientada en diferentes direcciones a lo largo del eje de
valores de la variable aleatoria.
Zona de rechazo a la derecha: esta formada por todos los valores del estadstico de prueba
ubicados a la derecha del parmetro cuya probabilidad de ocurrencia es menor a la del
nivel de significacin. Esta zona se especifica cuando H1: > 0 y la docimasia se llama
prueba de una cola a la derecha (Figura 6.9A)
Samuel Segnini
Captulo 6
120
Zona de rechazo a la izquierda: esta formada por todos los valores del estadstico de prueba
ubicados a la izquierda del parmetro cuya probabilidad de ocurrencia es menor a la del
nivel de significacin. Esta zona se especifica cuando H1: < 0 y la docimasia se llama
prueba de una cola a la izquierda (Figura 6.9B)
Zona de rechazo doble: La zona de rechazo puede ser dividida en dos partes iguales ubicadas
a cada lado del parmetro. La zona de la derecha y de la izquierda estn formadas por todos
los valores del estadstico de prueba cuya probabilidad de ocurrencia es menor a la mitad de
la probabilidad del nivel de significacin . Esta zona se especifica cuando H1: 0 y la
docimasia se llama prueba de dos colas (Figura 6.9C).
Figura 6.9: Posible ubicacin de la zona de rechazo de H0. A) A la derecha; B) A la izquierda,

y C) Ambos lados. = parmetro; o =valor del parmetro y k = valor crtico.
Para concretar una decisin, es necesario encontrar un valor crtico ( k ), que como se ve en la
Figura 6.9 es el valor del estadstico de prueba que separa la regin de aceptacin de la regin
de rechazo. Esto explica la importancia de conocer la distribucin del estadstico de prueba.
Este valor crtico por lo general se expresa en trminos de los estadsticos de prueba derivados
debido a la facilidad de encontrar el valor requerido usando las tablas de probabilidad
acumulada de las distribuciones de probabilidad que estos estadsticos siguen. Como se
observa en la Figura 6.9 y la Tabla 6.5 la cuanta del valor crtico depende, adems de la
distribucin de probabilidad, del valor de .
Tabla 6.5: Algunos valores crticos de Z y T usados en las pruebas de hiptesis
= 0.100
= 0.050
= 0.025
= 0.010
z (0.90) = 1.29
z (0.95) = 1.65
z (0.975) = 1.96
z (0.99) = 2.33
t(0.90; 10) = 1.372

t(0.95; 10) = 1.812
t(0.975; 10) = 2.228
t(0.99; 10) = 2.764
Samuel Segnini
Captulo 6
121
El valor crtico del estadstico de prueba marca el punto de separacin de las zonas de
aceptacin y de rechazo de la hiptesis nula. En la Tabla 6.6 se muestra algunos de estos
valores cuando se somete a prueba la hiptesis nula = 0. Se seleccion como estadstico de
prueba a Z y el nivel de confianza especificado fue = 0.05.
Tabla 6.6
Cmputos necesarios. Con los datos proporcionados por una muestra de tamao n se calcula
el estadstico de prueba. La mayora de las veces no se usa el estadstico de prueba
directamente sino alguna de sus formas equivalentes (Tabla 6.4), algunas de las cuales
requieren para su uso que tambin se calcule la desviacin estndar (s). La otra cantidad que
hay que cuantificar es el valor crtico el cual depende del nivel de significacin especificado y
de la distribucin probabilstica que siga el estadstico de prueba.
Decisin. En la ltima etapa en el procedimiento de prueba de hiptesis se debe tomar la
decisin de rechazar o no la hiptesis nula. Si el estadstico de prueba cae dentro de la regin
de rechazo, se considera que la diferencia entre el parmetro que se est docimando y el
estadstico de prueba es significativa y que la misma no puede atribuirse nicamente a las
variaciones aleatorias de las muestras, por lo tanto se rechaza la hiptesis nula y se declara
como falsa. Si por el contrario el estadstico de prueba se ubica en la zona de aceptacin se
considera que la diferencia entre el parmetro que se est docimando y el estadstico de prueba
es no significativa y que dicha diferencia es simplemente aleatoria, en consecuencia se
puede aceptar la hiptesis nula planteada. Aqu es necesario recordar que la decisin de
aceptar H0 es una forma corta de decir que no existe suficiente evidencia para rechazarla y que
en modo alguno se est concluyendo que la hiptesis nula es verdadera. Slo se est aceptando
temporalmente, hasta que se pruebe lo contrario.
Un aspecto importante, para la toma de una decisin esta relacionada con la escogencia del
nivel de significacin. Como hemos visto, los valores de son fijados previamente al clculo
del estadstico de prueba y usualmente los valores escogidos son 0.05 y 0.01. De modo que el
rechazo o la aceptacin de H0 dependen de que el estadstico de prueba se ubique o no dentro
Samuel Segnini
Captulo 6
122
de la regin de rechazo previamente definida. Sin embargo, un investigador puede tomar una
decisin diferente. Por ejemplo, si la probabilidad de ocurrencia de un estadstico de prueba es
muy cercana a la regin de rechazo, digamos que la P( ) = 0.0614, se debe aceptar H0 con un
= 0.05 si se acta estrictamente. Pero el investigador puede decidir rechazar H0 puesto que
la probabilidad de cometer un error tipo I no aumento mucho, siempre y cuando quede
explicito en el informe de investigacin el valor del nivel de significacin usado.
Actualmente, esta forma de proceder es muy usada debido a la facilidad que ofrecen los
paquetes estadsticos y otros programas de aplicacin de calcular los valores de P para
cualquier estadstico de prueba. Por esta razn es comn ver dentro de un texto cientfico
afirmaciones parecidas a las siguientes: se encontr que el nivel promedio de calcio en los
huesos del grupo de personas enfermas con osteoporosis fue significativamente menor al del
grupo de personas sanas (P < 0.08).
En los inicios de ste captulo se dijo que la resolucin de todo problema cientfico se iniciaba
con la formulacin de las hiptesis de investigacin, que luego eran transformadas en
hiptesis estadsticas, que como hemos visto son las premisas sometidas al proceso de
docimasia. De modo que para cerrar el ciclo del proceso, es necesario que las conclusiones
estadsticas se transformen en conclusiones de investigacin. Si regresamos al ejemplo del
programa de ejercicios y la disminucin del nivel de colesterol en la sangre las hiptesis de
investigacin que se formularon fueron las siguientes:
H0: El ejercicio constante no disminuye el nivel de colesterol en el plasma sanguneo.
H1: El ejercicio constante disminuye el nivel de colesterol en el plasma sanguneo.
Las hiptesis estadsticas fueron las siguientes:
H0: = 30 (La tasa media de disminucin de la concentracin de colesterol es igual a 30 unidades).
H1: > 30 (La tasa media de disminucin de la concentracin de colesterol es mayor a 30 unidades).
Si despus de efectuar todo el proceso de prueba de hiptesis se tomo la decisin de rechazar
H0: = 30, la conclusin del investigador en relacin con el problema de investigacin
planteado es que los datos de la muestra proporcionaron evidencia concluyente para apoyar la
suposicin que el ejercicio fsico disminuye el nivel de colesterol en la sangre. La diferencia
entre ambas es que la conclusin estadstica esta particularizada a un aspecto de la situacin,
en esta caso al valor de 30, mientras que la conclusin de investigacin es generalizada a una
parte o todos los valores de la variable estudiada.
Finalmente es importante enfatizar que las decisiones de un investigador no tienen que ser
siempre consecuentes con las decisiones estadsticas. Los mtodos estadsticos slo
proporcionan elementos de juicios objetivos y poderosos, que deben ser tomados en cuenta por
el investigador al momento de decidir, pero no son los nicos, hay otros elementos de juicio
de naturaleza no estadstica que el cientfico puede considerar para tomar una decisin. En
otras palabras decidir entre dos o ms alternativas siempre queda a juicio del investigador.
Samuel Segnini
Captulo 6
123
6.4 PRUEBA DE HIPTESIS PARA UNA MEDIA POBLACIONAL.

En la investigacin biolgica es frecuente que se quiera conocer si la media poblacional de
una variable aumento, disminuy o no cambi con relacin a una situacin anterior. Se puede
querer saber si el contenido de protenas totales en la sangre de los animales de una poblacin
silvestre aument al finalizar un perodo en el cual la oferta de alimentos fue abundante; o si el
tratamiento con una solucin clorada disminuy el nmero promedio de bacterias en el agua
usada para el consumo humano en cierta regin; o verificar si la aplicacin de una droga altera
el valor promedio de la presin arterial de los conejos usados en pruebas de laboratorio. La
respuesta a cada una de estas situaciones se puede lograr poniendo a prueba la hiptesis nula
de que la media poblacional es igual a un valor determinado, = o. Sin embargo el proceso
de docimasia de hiptesis para una media poblacional, al igual que en el caso de la estimacin
de , depende de varios aspectos: i) de la distribucin probabilstica que siga la variable
estudiada; ii) del conocimiento de la varianza poblacional, y iii) del tamao de la muestra. A
continuacin estudiaremos mediante ejemplos las distintas situaciones o casos que se pueden
presentar en la prueba de hiptesis sobre una media poblacional.
6.4.1. Prueba de hiptesis acerca de la media poblacional cuando la muestra proviene de
una poblacin distribuida normalmente y con varianza conocida.
Ejemplo 6.5. Un mdico traumatlogo afirma que el contenido de calcio en los huesos de
mujeres que padecen osteoporosis despus de aplicrsele cierto tratamiento es mayor al valor
promedio observado para la poblacin femenina que padece est enfermedad, el cual se sabe
es igual a 270 mg/g con una desviacin de 120 mg/g. Para probar su premisa el investigador
determin el contenido de calcio en los huesos de 36 individuos que fueron sometidos al
tratamiento y pudo determinar que dicha muestra arroja un valor promedio de calcio igual a
310 mg/g. La concentracin de calcio es una variable que se distribuye normalmente.
Las hiptesis de investigacin son las siguientes:
Ho : El tratamiento para la osteoporosis no tiene ningn efecto
H1 : El tratamiento para la osteoporosis aumenta los niveles de calcio en los huesos.
Prueba de las hiptesis estadsticas
a. Formulacin de hiptesis
Ho : = 270
H1 : > 270
b. Especificacin de un valor de probabilidad crtico o nivel de significacin.
Ante la ausencia de una especificacin particular, se puede escoger como nivel de
significacin un valor de = 0.05
Samuel Segnini
Captulo 6
124
c. Eleccin de un estadstico de la muestra y de su distribucin para someter a prueba las

hiptesis.
Puesto que el parmetro involucrado en la docimasia es la media poblacional , y la
variable se distribuye normalmente con varianza conocida lo ms conveniente es usar
como estadstico de prueba la media muestral en su forma derivada Z.
Z = ( x ) (
n)
d. Establecer una zona de aceptacin para Ho.

Como H1: > o se trata de una prueba de una cola hacia la derecha, siendo la zona de
aceptacin la siguiente:
ZA = {Z / Z < z (1)}
e. Cmputos necesarios.
e.1) Estadstico de prueba: Z = ( x ) (
n ) = (310 270) (120
36) = 40 20 = 2
e.2) Zona de aceptacin: Z = {Z / Z < z(0.95)} = {Z / Z < 1.65}

f. Decisin.
Como z = 2 > z(0.95) = 1.65 el valor del estadstico de prueba se encuentra dentro de la
zona de rechazo. Por lo tanto se concluye que los datos proporcionan suficiente evidencia
para rechazar Ho.
La informacin obtenida de la muestra permite afirmar que se tiene un 95% de confianza

que el tratamiento aplicado a los pacientes enfermos de osteoporosis aumenta el nivel de
calcio en los tejidos seos.
una poblacin distribuida normalmente, con varianza desconocida y tamao de muestra
grande (n > 30).
Ejemplo 6.6. Un entomlogo sospecha que en cierta zona endmica para el dengue el valor de
la tasa neta reproductiva (Ro) de una poblacin del mosquito Aedes aegypti vector de dicha
Samuel Segnini
Captulo 6
125
enfermedad, ha cambiado en relacin con el valor determinado hace 5 aos el cual era igual a
205 individuos. Con tal propsito determin el valor de Ro a 40 hembras criadas en el
laboratorio y pertenecientes a una cepa desarrollada a partir de mosquitos capturados en la
zona estudiada. Los resultados fueron los siguientes:
N
1
2
3
4
5
6
7
8
9
10
Ro
228
173
182
197
205
260
233
289
158
199
N
11
12
13
14
15
16
17
18
19
20
Ro
201
212
162
282
216
181
249
174
196
220
N
21
22
23
24
25
26
27
28
29
30
Ro
141
169
163
159
192
231
257
174
206
149
N
31
32
33
34
35
36
37
38
39
40
Ro
144
226
228
192
205
237
223
226
182
195
El investigador sabe que la variable se distribuye normalmente y quiere someter a prueba su

hiptesis no queriendo equivocarse en ms del 5% de las veces.
Ho : La tasa neta de reproduccin no ha cambiado
H1 : La tasa neta de reproduccin de modific despus de cinco aos.
Ho : = 205
H1 : 205 (Analice porque la hiptesis alternativa es de diferencia)
El nivel de significacin especificado es = 0.05
hiptesis.
variable se distribuye normalmente con varianza desconocida y el tamao de la muestra
grande lo ms conveniente es usar como estadstico de prueba la media muestral en su
forma derivada Z. El valor de la desviacin de la muestra se usa para estimar el valor de .
Z = ( x ) (s
n)
Samuel Segnini
Captulo 6
126

Como H1: o se trata de una prueba de dos colas, siendo la zona de aceptacin la
siguiente:
ZR = {Z / -z(1/2) < Z < z (1/2)}
e.1) Media: 202.9
e.2) Desviacin estndar: s = 36.17
e.3) Estadstico de prueba:
Z = ( x ) (s
n ) = (203 205) (36.17
40) = 2 5.719 = 0.35
e.4) Zona de aceptacin:

ZA = {Z / -z(1/2) < Z < z (1/2)} = {Z / -z (0.975) < Z < z (0.975)} = {Z / -1.96 < Z < + 1.96}
f. Decisin.
Como z = -0.35, el valor del estadstico de prueba se encuentra dentro de la zona de
aceptacin de Ho. Por lo tanto se concluye que los datos no proporcionan suficiente
evidencia para rechazar Ho
La sospecha del investigador que la tasa de reproduccin de la poblacin de mosquito se

haba modificado fue rechazada con un 95% de confianza a la luz de la informacin
proporcionada por la muestra.
una poblacin distribuida normalmente, con varianza desconocida y tamao de muestra
pequeo (n < 30).
Ejemplo 6.7. Un ecofisilogo vegetal desea verificar si el contenido de nitrgeno en las hojas
jvenes de la especie Rhizophora mangle, es menor en las plantas que viven en una zona
ambientalmente protegida con relacin al de plantas que viven en una zona que est siendo
Samuel Segnini
Captulo 6
127
afectada por la contaminacin con fertilizantes y cuyo valor promedio se cuantific en 14.6
mg/g de nitrgeno. El anlisis de 25 hojas jvenes provenientes de la zona protegida produjo
los resultados siguientes:
N
1
2
3
4
5
N2
10,5
15.0
12,4
6,8
7,9
N
6
7
8
9
10
N2
13,1
11,6
8,2
9,5
11,7
N
11
12
13
14
15
N2
14,2
13,8
15,1
6,9
8,9
N
16
17
18
19
20
N2
9,5
11,1
10,3
10,2
9,9
N
21
22
23
24
25
N2
8,9
10,8
9,8
7,8
8,1
Si la concentracin de nitrgeno se distribuye normalmente, apoya la evidencia

proporcionada por la muestra la presuncin que las plantas de la zona protegida contienen
menos nitrgeno?. El error tipo I no debe ser mayor al 1%.
Ho : La concentracin de nitrgeno en las hojas jvenes de Rhizophora mangle en ambas
regiones es la misma
H1 : La concentracin de nitrgeno en las hojas jvenes de Rhizophora mangle es menor en la
regin protegida.
Ho : = 14.6
H1 : < 14.6
hiptesis.
variable se distribuye normalmente con varianza desconocida y el tamao de la muestra es
pequeo lo ms conveniente es usar como estadstico de prueba la media muestral en su
forma derivada T. El valor de la desviacin de la muestra se usa para estimar el valor de .
T = ( x ) (s
n)

Como H1: < o se trata de una prueba de una cola hacia la izquierda, siendo la zona de
Samuel Segnini
Captulo 6
128
ZA = {T / T > -t(1; n-1) }

e.1) Media: x = 10.48
e.2) Desviacin estndar: s = 2.41
T = ( x ) (s
n ) = (10.48 14.6) (2.41
25) = 4.12 0.482 = 8.55

ZA = {T / T > -t(1; n-1) } = {T / T > -t(0.99; 24)} = {T / T > -2.492}
f. Decisin.
Como t = - 8.55 < -t(0.99; 24) = -2.492 el valor del estadstico de prueba se encuentra dentro
de la zona de rechazo de Ho. Por lo tanto se concluye que los datos proporcionan
suficiente evidencia para rechazar Ho
De acuerdo a la informacin obtenida de la muestra se puede afirmar con un 99% de confianza

que la concentracin de nitrgeno en las hojas jvenes de Rhizophora mangle en ambas
regiones es la misma.
una poblacin con distribucin no normal y tamao de muestra grande (n 30).
Cuando la muestra proviene de una poblacin con distribucin no normal pero el tamao de la
muestra es grande se puede aplicar el Teorema del Lmite Central y considerar que la media
muestral se distribuye normalmente. Si la desviacin poblacional es conocida se usa
Z = ( x ) n como estadstico de prueba. En caso de no conocerse la desviacin
poblacional se utiliza la desviacin de la muestra y Z = ( x ) s
n ser el estadstico de
prueba usado.
Ejemplo 6.8. En cierto nervio del cuerpo humano, los impulsos elctricos viajan a una
velocidad promedio de 4.3 m/seg con una desviacin igual a 1.2 m/seg. Un fisilogo observ
Samuel Segnini
Captulo 6
129
que la velocidad promedio de conduccin del impulso elctrico en 45 individuos con una
distrofia fue de 3.7 m/seg. Basado en estos resultados el investigador presume que con
relacin a los individuos sanos en los individuos con distrofia el impulso elctrico viaja a
menor velocidad en el nervio estudiado. Soportan sta hiptesis los resultados obtenidos?.
Las hiptesis de investigacin son:
Ho : En los individuos con distrofia la velocidad de transmisin del impulso nervioso es igual
a la observada en individuos normales.
H1 : En los individuos con distrofia la velocidad de transmisin del impulso nervioso es
menor a la observada en individuos normales.
Prueba de las hiptesis estadsticas.
Ho : = 4.3
H1 : < 4.3
Como no se especific el nivel de significacin se puede selecciona = 0.05
hiptesis.
Aunque no se conoce la distribucin de la variable, como el tamao de la muestra es
grande se aplica el Teorema del Lmite Central. Por lo tanto se puede considerar que la
media muestral se distribuye normalmente y lo ms conveniente es usar Z como
estadstico de prueba.
Z = ( x ) ( n )
Como H1: < o se trata de una prueba de una cola hacia la izquierda, siendo la zona de
rechazo la siguiente:
ZA = {Z / Z > -z(1) }
e.1) Estadstico de prueba: Z = ( x ) (
n ) = (3.7 4.3) (1.2
45) = 0.6 0.18 = 3.33
e.2) Zona de aceptacin: ZA = {Z / Z > -z(1) } = {Z / Z > -z(0.95)} = {Z / Z > -1.65}
Samuel Segnini
Captulo 6
130
f. Decisin.
Como z = -3.33 < -z(0.95) = -1.65, el valor del estadstico de prueba se encuentra dentro de
la zona de rechazo de Ho. Por lo tanto se concluye que los datos proporcionan suficiente
Los datos soportan la suposicin del investigador que en los individuos con distrofia la
velocidad de transmisin del impulso nervioso es menor a la observada en individuos
normales.
Cul debe ser el menor valor de x que permite rechazar Ho?
Ejemplo 6.9. Una compaa productora de leche pasteurizada tiene como norma no aceptar
leche cruda con un contenido de grasa superior a los 34 g/100g. Una muestra de 36 litros de
leche obtenidos de otras tantas vacas pertenecientes a una misma finca, dio un valor medio del
contenido de grasa en la leche de 35.2 g/100g con una desviacin de 4.1 g/100g. Puede ser
aceptada la leche por la pasteurizadora? La compaa admite un nivel de error del 1%.
Ho : El contenido promedio de grasa en la leche es igual al valor mximo permitido para su
procesamiento.
H1 : El contenido promedio de grasa en la leche es superior al valor mximo permitido para su
procesamiento
Ho : = 34
H1 : > 34
hiptesis.
Samuel Segnini
Captulo 6
131

media muestral se distribuye normalmente y lo ms conveniente es usar Z como
estadstico de prueba y a la desviacin muestral (s) como estimador de .
Z = ( x ) (s
n)

Como H1: > o se trata de una prueba de una cola hacia la derecha, siendo la zona de
ZA = {Z / Z < z(1) }
e.1) Estadstico de prueba: Z = ( x ) ( s
n ) = (35.2 34) (4.1
36) = 1.2 0.68 = 1.75
e.2) Zona de aceptacin: ZA = {Z / Z < z(1) } = {Z / Z < z(0.99)} = {Z / Z < 2.33}

f. Decisin.
Como z = 1.75 < z(0.99) = 2.33 el valor del estadstico de prueba se encuentra dentro de la
zona de aceptacin de Ho. Por lo tanto se concluye que los datos no proporcionan
suficiente evidencia para rechazar Ho
Se puede concluir que el contenido promedio de grasa en la leche de la finca tiene un valor
igual al valor mximo permitido para su procesamiento.
6.5 PRUEBA DE HIPTESIS PARA DOS MEDIAS POBLACIONALES.

Posiblemente la situacin ms frecuente en la investigacin en el campo de las ciencias
naturales sea la de decidir entre dos alternativas. Por lo general cuando se requiere escoger
entre dos mtodos, determinar si un tratamiento fue ms efectivo que otro o decidir si existen
diferencias para una misma variable entre dos grupos de individuos, se recurre a una prueba de
hiptesis para dos medias poblacionales. Esta prueba consiste bsicamente en determinar si
dos muestras estiman la misma media poblacional, ya sea porque se supone que las muestras
Samuel Segnini
Captulo 6
132
provienen de una misma poblacin o de poblaciones diferentes con la misma media. El

procedimiento de docimasia a seguir depende del conocimiento que se tenga de varios
aspectos como son: la distribucin de probabilidades de la variable estudiada, las varianzas
poblacionales y el tamao de las muestras. Las diferentes situaciones y procedimientos se
mostraran a travs de algunos ejemplos.
6.5.1. Prueba de hiptesis para dos medias poblacionales cuando las muestras provienen
de poblaciones distribuidas normalmente y con varianzas conocidas.
Ejemplo 6.10. De acuerdo a los estudios efectuados sobre el contenido de estroncio en los
seres humanos se sabe que sta variable se distribuye normalmente con varianza 2 = 144. Los
mismos estudios indican que el contenido de este elemento en los huesos disminuye con la
edad de las personas. En una investigacin relacionada con ste problema, un qumico
determin mediante la espectrofotometra de absorcin atmica, el contenido de estroncio en
muestras de huesos fracturados de pacientes femeninos pertenecientes a dos grupos etreos
diferentes. Los resultados fueron los siguientes:
Niveles de estroncio g/g
35-44 aos
45-54 aos
40,45
48,21
55,15
23,37
67,59
25,42
80,58
41,94
78,09
40,65
68,09
44,75
72,06
51,69
Esto resultados apoyan la hiptesis de la disminucin de los niveles de estroncio en el tejido
seo al incrementar la edad de las personas? Use = 0.03.
Ho : El contenido de estroncio en los huesos no se modifica con la edad de las personas.
H1 : El contenido de estroncio en los huesos disminuye con la edad de las personas.
a. Formulacin de hiptesis: si se considera que la poblacin de edades entre 35 y 44 aos
tiene una media 1 y que la poblacin con edades entre 45 y 54 aos tiene una media 2,
las hiptesis estadsticas a probar son las siguientes:
H0 : 1 = 2 1 - 2 = 0
H1 : 1 > 2 1 - 2 > 0
Samuel Segnini
Captulo 6
133

hiptesis.
Puesto que la variable concentracin de estroncio se distribuye normalmente con varianza
conocida y como se trata de una prueba de hiptesis sobre la diferencia de dos medias
poblacionales se puede usar el estadstico de prueba Z.
Z = ( x1 x 2 ) ( 1 2 )
12 22
+
n1 n 2

Como H1: 1 > 2 se trata de una prueba de una cola hacia la derecha, siendo la zona de
ZA = {Z / Z < z(1)}
e.1) Media de las muestras:
x 1 = 66.0 ; x 2 = 39.43

Z = ( x 2 x1 ) ( 2 1 )
22 12
+
= ( 66.0 39.43) 0
n 2 n1
144 144
+
= 26.57 6.41 = 4.14
7
7
e.3) Zona de aceptacin: ZA = {Z / Z < z(1) } = {Z / Z < z(0.97)} = {Z / Z < 1.88}

f. Decisin.
Como z = 4.14 >> z(0.97) = 1.88 el valor del estadstico de prueba se encuentra dentro de la
zona de rechazo de Ho. Por lo tanto se concluye que los datos proporcionan suficiente
Samuel Segnini
Captulo 6
134
Se puede concluir con un 97% de confianza que la evidencia aportada por la muestra
apoya la hiptesis de la disminucin del nivel de estroncio en los huesos de las personas
con la edad.
de poblaciones distribuidas normalmente, con varianzas desconocidas y tamao de
muestras grandes (n1 y n2 30).
Ejemplo 6.11. En el Departamento de Toxicologa del Ministerio de Salud se necesita saber si
el contenido de nicotina en dos marcas de cigarrillos importados es la misma. Con el propsito
de resolver la situacin se le determina el contenido de nicotina a un lote de cigarrillos de
cada marca, encontrndose los resultados siguientes:
Contenido de nicotina (mg)
Marca Kill me softly
Marca Little life
49
36
24.0
25.2
2.30
2.90
n
Media
Desviacin estndar
Si se sabe que la cantidad de nicotina se distribuye normalmente, determine con un nivel de

confianza del 10% si las dos marcas tienen la misma cantidad de nicotina.
Ho : La cantidad de nicotina en los cigarrillos de las dos marcas es la misma.
H1 : La cantidad de nicotina en los cigarrillos de las dos marcas es diferente.
a. Formulacin de hiptesis: si se considera a 1 y 2 como el valor promedio del contenido
de nicotina en los cigarrillos Kill me softly y Little life respectivamente, las hiptesis
estadsticas a probar son las siguientes:
H0 : 1 = 2 1 - 2 = 0
Samuel Segnini
Captulo 6
135
H1 : 1 2 1 - 2 0
hiptesis.
Puesto que el parmetro involucrado en la docimasia es la diferencia de medias
poblacionales 1 2, y como la variable se distribuye normalmente con varianza
desconocida y tamao de la muestra grande lo ms conveniente es usar como estadstico
de prueba la diferencia de medias muestrales en su forma derivada Z. El valor de la
2
2
2
2
varianzas s1 y s 2 de las muestras se usa para estimar el valor de 1 y 2 .
Z = ( x 2 x1 ) ( 2 1 )
s 12 s 22
+
n1 n 2

Como H1: 1 2 se trata de una prueba de dos colas, siendo la zona de aceptacin la
siguiente:
ZA = {Z / -z(1/2) < Z < z(1/2) }
e.2) Varianzas:
2
s1 = (2.3) = 5.29 ; s 2 = (2.9) = 8.41

Z = ( x 2 x1 ) ( 2 1 )
s 22 s 12
+
= ( 24.0 25.2 ) 0
n 2 n1
5.29 8.41
+
= 1.2 0.58 = 2.06
49
36

ZA = {Z / -z(1/2) < Z < z(1/2)} = {Z / -z(0.95) < Z < z(0.95)} = {Z / -1.65 < Z < 1.65}
f. Decisin.
Como z = -2.06 < z(0.95) = -1.65 el valor del estadstico de prueba se encuentra dentro de la
Samuel Segnini
Captulo 6
136
Se puede concluir que la evidencia aportada por la muestra apoya como hiptesis que el
contenido de nicotina en las dos marcas es diferente.
de poblaciones distribuidas normalmente, con varianzas desconocidas y tamao de
muestras pequeas (n1 y n2 < 30).
Cuando se presenta una situacin de ste tipo, es necesario considerar adicionalmente si las
dos varianzas poblacionales, aunque desconocidas, son iguales o diferentes. Si se supone que
las varianzas son iguales se debe utilizar como estadstico de prueba a:
T=
( x 2 x1 ) ( 2 1 )
s 2p
n2
s 2p
; donde s 2p =
( n 1) s 12 + ( n 1) s 22
n1 + n 2 2
n1
Si se presume que las varianzas son diferentes, y si la prueba de hiptesis para la diferencia de
medias es de dos colas, se debe usar como estadstico de prueba a:
T=
( x 2 x1 ) ( 2 1 )
s 22 s 12
+
n 2 n1
y se usa t* como valor crtico para la zona de rechazo.
t (*1 2 )
s 12
t (1-
n
= 1
s 22
+
t (1-
2;n 1 1)
n2
s 12 s 22
+
n1 n 2
2;n 2 1)
Ejemplo 6.12. En un estudio sobre la condicin ecolgica de los ros altiandinos, se determin
la temperatura del agua en ros de pramo (> 2800 m.s.n.m.) y de selva nublada (1800 <
m.s.n.m. < 2800), obtenindose los resultados siguientes:
Samuel Segnini
Captulo 6
137
Temperatura del agua (C)

Ros
s
1
2
3
4
5
6
7
8
9
10 11 12 13 14 15 16
x
Pramo 10,5 15,0 14,5 8,5 7,5 13,5 15,0 11,5 17,0 13,0 13,5 14,5 13,5 15,0 10,5 10,0 12,69 2,66
Selva
19,5 17,0 13,5 9,0 12,0 16,5 16,5 18,0 18,0 18,0 12,0 16,0 12,0 14,5 16,5 17,0 15,38 2,9
Conociendo que la temperatura del agua es una variable que se distribuye normalmente, se
quiere saber si los ros de selva son ms calientes.
Ho : La temperatura del agua en los ros es la misma en las dos unidades ecolgicas
H1 : La temperatura del agua es mayor en los ros de la zona de selva.
a. Formulacin de hiptesis: si se considera a 1 y 2 como el valor promedio de la
temperatura del agua en los ros de pramo y de selva nublada respectivamente, las
hiptesis estadsticas a probar son las siguientes:
H0 : 1 = 2 1 - 2 = 0
H1 : 2 > 1
2 - 1 > 0

Como no se especific ninguno, por defecto se puede definir = 0.05
hiptesis.
poblacionales 2 1, y como la variable se distribuye normalmente con varianzas
desconocidas y el tamao de la muestra es pequeo, para poder seleccionar el estadstico
de prueba a usar, se debe en primer lugar determinar si las varianzas poblacionales se
pueden considerar iguales o diferentes. Para esto se puede hacer uso de las reglas prcticas
para la comparacin de varianzas (Captulo 5: seccin 5.3.2).
s 22
(2.9) 2
=
= 1.19 es menor a 2.5 se acepta que las dos
s 12 (2.66) 2
varianzas son iguales. Por lo tanto se debe usar como estadstico de prueba a:
Como = 0.05 y RV =
T=
( x 2 x1 ) ( 2 1 )
s 2p
n2
s 2p
n1
Samuel Segnini
Captulo 6
138

Como H1: 2 > 1 se trata de una prueba de una cola hacia la derecha, siendo la zona de
ZA = {T / T < t(1 ;n1 + n2-2) }
e.2) Varianzas ponderada s 2p .
s 2p
( n1 1) s 12 + ( n 2 1)
n1 + n 2 2
s 22
(16 1)( 2.66 ) 2 + (16 1)( 2.9 ) 2

16 + 16 2
= 7.74

T=
( x 2 x1 ) ( 2 1 ) (15.38 12.69 ) 0
s 2p
n2
s 2p
n1
7.74 7.74
+
16
16
2.69
= 2.73
0.9836

ZA = {T / T < t(1 ;n1 + n2-2) } = {T / T < t(0.95 ; 30)} = {T / T < 1.697}
f. Decisin.
Como T = 2.73 > t(0.95 ; 30) = 1.697 el valor del estadstico de prueba se encuentra dentro de
la zona de rechazo de Ho. Por lo tanto se concluye que los datos proporcionan suficiente
evidencia para rechazar Ho.
Se puede concluir que se tiene un 95% de confianza que la temperatura del agua es mayor en
los ros de selva nublada que en los ros de pramo.
Ejemplo 6.1.3. Un investigador que trabaja sobre la interaccin insecto/planta piensa que las
plantas cianognicas, es decir las que producen HCN, tienden a ser rechazadas por los
insectos herbvoros no especializados. Para poner a prueba sta hiptesis se efectu un
Samuel Segnini
Captulo 6
139
experimento en el cual se le ofreci a las larvas de un insecto generalista hojas de una planta
cianognica como la parchita (Passiflora capsularis) y hojas de una planta no cianognica
como la espinaca (Spinacia olercea). Como una medida de la aceptacin o rechazo del
alimento ofrecido se determin el peso de tejido foliar consumido por las larvas de la polilla
Spodoptera frugiperda. Los resultados fueron los siguientes:
Especie Vegetal
Passiflora capsularis
Spinacia olercea
n
5
5
Peso consumido (mg/larva)

s
x
74.70
20.13
124.44
8.28
Sabiendo que la variable peso de hoja consumida se distribuye normalmente se quiere

determinar si la sospecha del investigador es cierta para un = 0.01
Ho : La presencia de sustancias cianognicas no interfiere el consumo de tejido vegetal por los
insectos herbvoros no especialistas.
H1 : La presencia de sustancias cianognicas disminuye el consumo de tejido vegetal por parte
de los insectos herbvoros no especialistas.
g. Formulacin de hiptesis: si se considera a 1 y 2 como el peso promedio de hojas de
parchita y espinaca que respectivamente consumen las larvas del insecto, las hiptesis
estadsticas a probar son las siguientes:
H0 : 1 = 2 1 - 2 = 0
H1 : 1 < 2 1 - 2 < 0
h. Especificacin de un valor de probabilidad crtico o nivel de significacin.
Nivel de significacin especificado = 0.01
i. Eleccin de un estadstico de la muestra y de su distribucin para someter a prueba las
hiptesis.
poblacionales 1 2, como la variable se distribuye normalmente con varianzas
desconocidas y el tamao de la muestra es pequeo, para poder seleccionar el estadstico
de prueba a usar, se debe en primer lugar determinar si las varianzas poblacionales se
pueden considerar iguales o diferentes. Para esto se puede hacer uso de las reglas prcticas
para la comparacin de varianzas (Captulo 5: seccin 5.3.2).
Samuel Segnini
Captulo 6
140
s 12 (20.13) 2
=
= 5.9 es mayor a 3.5 se acepta que las dos varianzas
s 22
(8.28) 2
son diferentes. Por lo tanto se debe usar como estadstico de prueba a:
Como = 0.01 y RV =
T=
( x 2 x1 ) ( 2 1 )
s 22 s 12
+
n 2 n1
j. Establecer una zona de aceptacin para Ho.

Como H1: 1 < 2 se trata de una prueba de una cola hacia la izquierda. Adems por ser
2
2
*
1 2 se debe usar t (1 ) como valor crtico de la zona de aceptacin.
*
ZA = {T / T > - t (1 ) } = {T / T > - t (0.99 ) }

k. Cmputos necesarios.
T=
( x1 x 2 ) ( 1 2 ) = ( 74.70 124.44 ) 0
s 12 s 22
( 20.13) 2 + ( 8.28) 2
+
n1
n2
49.74
= 5.11
9.73
t (*0.99 ) =
s 12
s 22
t ( 0.99;4 ) + t ( 0.99;4 )
n1
n2
s 12 s 22
+
n1 n 2
(20.13) 2
(8.28) 2
(3.747)
+
(3.747) 355.05
5
5
=
=
= 3.75
94.76
(20.13) 2 (8.28) 2
ZA = {T / T > - t *(0.99) } = {T / T > -3.75}

l. Decisin.
*
Como T = -5.11 < t (0.99) = -3.75 el valor del estadstico de prueba se encuentra dentro de
la zona de rechazo de Ho. Por lo tanto se afirma que los datos proporcionan suficiente
evidencia para rechazar Ho.
Samuel Segnini
Captulo 6
141
Se puede concluir que se tiene un 99% de confianza que las larvas de Spodoptera frugiperda
tienden a rechazar los tejidos de plantas cianognicas.
de poblaciones con distribucin no normal y tamao de muestras grandes (n1 y n2 30).
Cuando las muestras provienen de dos poblaciones con distribucin no normal pero el tamao
de las muestras es grande se puede aplicar el Teorema del Lmite Central y considerar que la
diferencia de medias muestrales, x 2 x 1 , se distribuye normalmente. Si las varianzas
poblacionales se conocen el estadstico de prueba a usar es:
Z = ( x 2 x1 ) ( 2 1 )
22 12
+
n 2 n1
En caso de no conocerse las varianzas poblacionales, estas se sustituyen por las varianzas de
las muestras y el estadstico de prueba a usar es:
Z = ( x 2 x1 ) ( 2 1 )
s 22 s 12
+
n 2 n1
Ejemplo 6.14. Se sabe que el contenido de calcio en los huesos de los animales de cierta
especie se distribuye normalmente con una varianza 12 = 57.6 para las hembras y una
2
varianza 2 = 51.2 para los machos. Con el propsito de determinar si existen diferencias en el
contenido de calcio entre machos y hembras se le determin a 31 hembras y 33 machos el
contenido de calcio en el tejido seo encontrndose que para la muestra de hembras el valor
promedio fue de 400.45 g/g y para la muestra de machos fue de 395.24 g/g. Cul debe ser
la respuesta?. Use a = 0.05.
Ho : El contenido de calcio en los huesos de los animales de los dos sexos es el mismo.
H1 : El contenido de calcio en los huesos de los animales de ambos sexos es diferente.
Samuel Segnini
Captulo 6
142

a. Formulacin de hiptesis: si se considera que la concentracin de calcio en las hembras
tiene una media 1 y en los machos una media 2, las hiptesis estadsticas a probar son las
siguientes:
H0 : 1 = 2 1 - 2 = 0
H1 : 1 2 1 - 2 0
hiptesis.
diferencia de medias muestrales se distribuye normalmente y lo ms conveniente es usar Z
como estadstico de prueba.
Z = ( x 2 x1 ) ( 2 1 )
22 12
+
n 2 n1

siguiente:
ZA = {Z / -z(1/2) < Z < z(1/2)}
Z = ( x1 x 2 ) ( 1 2 )
12 22
+
= ( 400.45 395.24 ) 0
n1 n 2
57.6 51.2
+
= 5.21 1.84 = 2.83
31
33

ZA = {Z / -z(1/2) < Z < z(1/2)} = {Z / -z(0.975) < Z < z(0.975)} = {Z / -1.96 < Z < 1.96}
f. Decisin.
Como z = 2.83 > z(0.975) = 1.96 el valor del estadstico de prueba se encuentra dentro de la
Samuel Segnini
Captulo 6
143
Se puede afirmar con un 95% de confianza que el nivel de calcio en los huesos de los
animales de los dos sexos es diferente.
Ejemplo 6.15. En una investigacin sobre el papel que juega el marsupial Marmosa robinsoni
sobre la dispersin de semillas de dos especies de cactus, se piensa que este animal prefiere las
semillas de uno de los dos tipos de cactus que hay en la zona de estudio. Para averiguar si esto
es cierto, se determin bajo condiciones de laboratorio la cantidad (grs) de pulpa del fruto de
las dos especies de cactus que fue consumida por el marsupial. Los resultados encontrados
fueron los siguientes:
Especie de cactus
Stenocereus griseus
Subpilocereus repandus
n
32
38
x
19.99
21.20
s
2.37
1.47
Si se acepta un 1% como mxima probabilidad de equivocarse cul de las dos especies es

preferida por la marmosa?
Ho : La marmosa no tiene preferencia por ninguno de los dos tipos de frutos
H1 : La marmosa prefiere uno de los dos tipos de frutos
a. Formulacin de hiptesis: si se considera que la cantidad de pulpa consumida de la especie
Stenocereus griseus tiene una media 1 y que la cantidad de pulpa consumida de la especie
Subpilocereus repandus tiene una media 2, las hiptesis estadsticas a probar son las
siguientes:
H0 : 1 = 2 1 - 2 = 0
H1 : 1 2 1 - 2 0
b. Especificacin de un valor de probabilidad crtico o nivel de significacin: = 0.01
Samuel Segnini
Captulo 6
144

hiptesis.
diferencia de medias muestrales se distribuye normalmente. Se puede usar Z como
estadstico de prueba y estimar las varianzas poblacionales a partir de las desviaciones de
las muestras.
s 12 s 22
Z = ( x 2 x1 ) ( 2 1 )
+
n1 n 2
siguiente:
ZA = {Z / -z(1/2) < Z < z(1/2)}
Z=
( x 2 x1) ( 2 1 )
s 12 s 22
+
n1 n 2
(19.99 21.20) 0 1.21

=
= 2.51
(2.37) 2 (1.47) 2 0.482
+
32
38

ZA = {Z / -z(1/2) < Z < z(1/2)} = {Z / -z(0.995) < Z < z(0.995)} = {Z / -2.58 < Z < 2.58}
f. Decisin.
Como -z(0.995) = -1.96 < z = -2.51 < z(0.995) = 1.96 el valor del estadstico de prueba se
encuentra dentro de la zona de aceptacin de Ho. Por lo tanto se concluye que los datos
proporcionan suficiente evidencia para aceptar Ho
Se puede afirmar con un 99% de confianza que la marmosa no tiene preferencia por ninguno
de los dos frutos.
Samuel Segnini
Captulo 6
145
6.5.5. Prueba de hiptesis para dos medias poblacionales usando observaciones apareadas.
La efectividad con la cual las pruebas de hiptesis pueden detectar diferencias entre dos
medias poblacionales, depende de que las dos muestras sean independientes, es decir que los
valores obtenidos en cada una unidad de muestra no afecten los valores de la otra muestra.
Adems, la variacin dentro de las muestras no debe ser tan grande que impida detectar las
eventuales diferencias entre las medias. Si se pone atencin a las ecuaciones de los estadsticos
de prueba usados para comparar dos medias poblacionales, es fcil deducir la importancia de
la variacin dentro de las muestras. Cualquier aumento de la variacin dentro de las muestras
disminuye el valor del estadstico de prueba, anulando cualquier pequea diferencia que
pudiera existir entre las medias muestrales, diferencia que eventualmente podra permitir
rechazar H0. Por ejemplo, cuando se obtienen dos muestras pequeas de poblaciones normales
con las mismas varianzas, el valor del estadstico,
( x x 2 ) ( 1 2 )
T= 1
s 2p s 2p
+
n1 n 2
2
disminuir a medida que incrementa el valor de s p , aumentando su probabilidad de caer en la

zona de aceptacin de H0 y por lo tanto de rechazar la hiptesis alternativa de diferencia entre
las medias.
La variabilidad dentro de cada muestra esta compuesta por la variacin aleatoria debido a los
mtodos de medicin, el ambiente y las diferencias naturales entre los individuos. Igualmente
la variabilidad entre las muestras tiene estos mismos componente de variacin ms la
variacin aadida o controlada por el investigador. Pero en muchas ocasiones estn presentes
factores extraos al experimento que aumentan la variabilidad dentro y entre las muestras que
ocultan cualquier pequea diferencia entre las medias muestrales que pudiera haber conducido
a rechazar la hiptesis nula.
El ejemplo siguiente puede ilustrar la
influencia de estos factores extraos en
ocultar diferencias existentes entre dos
medias poblacionales o por el contrario
mostrar diferencias donde no existen. Para
comprobar cual de dos fertilizantes es
mejor, se siembran dos parcelas con maz.
Al suelo de una parcela se le aade el
fertilizante A y al de la otra parcela el
fertilizante B (Figura 6.10 ). Una prueba de
hiptesis puede determinar que la
produccin de las dos parcelas es diferente
y concluirse que uno de los fertilizantes es
mejor, sin embargo la diferencia puede
Figura 6.10
deberse a la accin de los factores
ambientales que no son controlados.
Otro resultado posible es que se acepte la hiptesis nula de no diferencia entre los fertilizantes,
cuando realmente hay diferencia y la misma qued encubierta por la variabilidad originada
por los factores extraos. Una manera de superar estas dificultades es apareando las
Samuel Segnini
Captulo 6
146
observaciones de las muestras. Esto significa que las unidades muestrales donde se quiere
medir el efecto de las variables controladas por el investigador sean lo ms parecida posibles.
En el ejemplo de los fertilizantes, tendran que ubicarse los cultivos en parcelas muy parecidas
en cuanto a las condiciones ambientales. Otras maneras de aparear es usando un mismo
individuo y medir la respuesta antes y despus de aplicrsele un tratamiento. Si no es posible
usar el mismo sujeto se buscan pares de individuos muy parecidos en cuanto a edad, sexo,
peso, raza, estatura, etc. Tambin se puede dividir un mismo material en dos partes y efectuar
las experiencias que interesan, como probar la eficiencia de dos mtodos de medicin.
Una vez que se tienen las muestras emparejadas, en lugar de trabajar individualmente con cada
una, es mejor usar la diferencia entre las respuestas, di = xi1 xi2. Los diferentes valores de di
se diferencias entre s principalmente por los efectos del factor controlado por el investigador,
puesto que la sustraccin del valor de una observacin al valor de la otra observacin, elimina
la mayor parte de la variacin debido a los factores extraos.
Si las muestras provienen de poblaciones distribuidas normalmente la media, D , de las
diferencias di = xi1 xi2, es una variable aleatoria que se distribuye normalmente alrededor de
una media d con una desviacin s d = s d n
Bajo esta nueva situacin, la hiptesis nula a contrastar sera d = 0, lo que equivale a
contrastar la hiptesis nula 1 2 = 0. Por lo tanto, cuando las observaciones son pareadas;
H0 : d = 0 y H1 : d 0 son las hiptesis a plantear. El estadstico de prueba a usar es:
T = (d d ) ( s d n ) y la zona de rechazo sera ZR = {T / -t(1/2; n-1) > T > t(1/2; n-1)}
Ejemplo 6.16. - La -dimetil digoxina es una droga que afecta el ritmo cardaco. En un
estudio efectuado para determinar los efectos agudos de esta droga se le determin la
frecuencia cardiaca a 10 acures (Cavia porcellus) antes y despus de la administracin de la
droga. En la tabla siguiente se muestran los resultados.
Acure N
Frecuencia inicial (lat/min)
Frecuencia final (lat/min)
di
1
2
3
4
5
6
7
8
9
10
260
390
350
400
380
240
360
270
410
270
230
350
290
420
330
190
370
240
350
260
30
40
60
-20
50
50
-10
30
60
10
Samuel Segnini
Captulo 6
147
Sabiendo que la frecuencia cardaca de los acures se distribuye normalmente, determine con
un nivel de significacin igual 0.05 si la droga altera dicha variable.
g. Formulacin de hiptesis
Ho : d = 0
H1 : d 0
h. Especificacin de un valor de probabilidad crtico o nivel de significacin.
i. Eleccin de un estadstico de la muestra y de su distribucin para someter a prueba las
hiptesis.
Puesto que se trata de la comparacin de muestras apareadas el estadstico de prueba es:
T = (d d ) ( s d
n)
j. Establecer una zona de aceptacin para Ho.

ZA = {T / -t(1/2; n-1) < T < t(1/2; n-1)}
k. Cmputos necesarios.
e.1) Media: d = 30
e.2) Desviacin estndar: sd = 28.28
T = (d d ) ( s d
n ) = (30 0) (28.28 10) = 30 8.94 = 3.35
e.4) Zona de rechazo:

ZA = {T / -t(1/2; n-1) < T < t(1/2; n-1)} = {T / -t(0.975; 9) < T < t(0.975; 9)} = {T / -2.26 <T < 2.26}
l. Decisin.
Como t = 3.35 > t(0.975; 8) = 2.26 el valor del estadstico de prueba se encuentra dentro de la
Samuel Segnini
Captulo 6
148
De acuerdo a la informacin obtenida de la muestra se puede afirmar con un 95% de confianza

que la droga altera la frecuencia cardiaca de los acures.
Utilice estos mismos datos y haga una prueba de hiptesis para dos medias considerando las
muestras en forma independiente (sin aparear) y compare los resultados. Observe los cambios
que se producen en la desviacin de los estadsticos de prueba usados en los dos
procedimientos.
6.6 PRUEBA DE HIPTESIS PARA DOS VARIANZAS POBLACIONALES.

En la Seccin 6.5.3 vimos que para efectuar algunas comparaciones de medias poblacionales
se debe averiguar si las muestras proceden de poblaciones con la misma varianza. Sin
embargo este conocimiento es importante para otro tipo de situacin. Por ejemplo, al comparar
la precisin de dos mtodos, o al confrontar la variabilidad caractersticas presentes en dos
individuos, dos taxa, dos poblaciones, dos procesos, etc. De modo que es muy valioso
disponer de un mtodo estadstico que con mayor formalidad que las reglas prcticas dadas en
la seccin 5.3.2, precise si dos varianzas son o no homogneas. Una forma de hacerlo es
comparar mediante una prueba de hiptesis las varianzas poblacionales. Para esto es necesario,
adems de plantear las hiptesis, disponer de un estadstico de prueba y del modelo de
distribucin de probabilidad que este estadstico sigue. Afortunadamente, ambas cosas se
conocen. Veamos entonces el procedimiento de contrastacin de hiptesis para las varianzas
de dos poblaciones. Esta docimasia tiene como condicin que las muestras sean
independientes y las dos poblaciones estn distribuidas normalmente.
Hiptesis
El planteamiento de las hiptesis sobre las varianzas es algo particular por el hecho de que las
varianzas no son aditivas y el planteamiento de igualdad entre varianzas de la hiptesis nula
no se puede hacer como una ecuacin de diferencia igualada a cero ( 22 12 = 0 ) , sino como
de igualdad entre las varianzas ( 22 = 12 ) o igualando a uno la razn entre las dos varianzas
( 22
12 = 1) . En trminos generales el planteamiento de las hiptesis sera el siguiente:
Samuel Segnini
Hiptesis nula:
H0 : 22 = 12
Captulo 6
149
22 12 = 1
Hiptesis alternativas:
22 12 22 12 1
H1: 22 > 12 22 12 > 1
22 < 12 22 12 < 1
Como estadstico de pruebas se usa la razn de las varianzas muestrales, Fo = s 22 s 12 . Es
conveniente por razones prcticas que veremos ms adelante, que las hiptesis se planteen de
forma que la varianza mayor siempre este en el numerador. Si las muestras provienen de dos
poblaciones con la misma varianza o de una misma poblacin, la distribucin de
probabilidades de la razn de varianzas sigue el modelo probabilstico conocido como
distribucin F de Snedecor, cuya funcin de probabilidad es la siguiente:
h( f ) =
[ ( 1 + 2 ) 2]
( 1 / 2 ) 1 2 f
( 1 2) ( 2 2)
( 1 2)
- 1 [1 + ( ) f ] 1
2
(1 2)( 1 + 2 )
f >0
donde: 1 y 2 = grados de libertad; = funcin gama. Los valores de 1 y 2 son estimados

a partir del tamao de las muestras menos uno: 1 = (n1 1) y 2 = (n2 1)
En realidad la distribucin de F es una familia de distribuciones, existiendo una distinta para
cada combinacin de 1 y 2 . La mayora de las distribuciones son asimtricas positivas con
una giba, como se ve en la Figura 6.11.
Figura 6.11. Distribuciones de F con diferentes valores para 1 y 2 .

Dada la utilidad de la distribucin de F para muchos procedimientos estadsticos, se han
elaborado tablas de la funcin acumulada ( ( f ) ) para diferentes valores de 1 y 2 (Tabla 6.7).
Samuel Segnini
Captulo 6
150
Tabla 6.7. Percentiles de la distribucin de F.
La tabla tiene dos entradas: los grados de libertad del numerador (1) que identifican las
columnas y los grados de libertad del denominador (2) que identifican las filas. Cada fila est
subdividida en hileras que corresponden a seis diferentes niveles de significacin (1-).
Los valores que se encuentran en la
interseccin de una hilera con una columna
corresponden a un percentil, es decir a un
valor de f a la izquierda del cual se
encuentra una porporcin 1- del rea. Por
ejemplo si se tiene que 1 = 12 y 2 = 13,
entonces un 0.95 del rea bajo la curva de
F se encuentra a la izquierda del percentil
f = 2.6 (Tabla 6.7 y Figura 6.12).
Figura 6.12
Suponiendo que la razn de varianzas de dos muestras es menor al valor lmite 2.6, eso
significa que su probabilidad de ocurrencia es mayor a 0.05. En ste caso se considera que las
diferencias entre las dos varianzas muestrales son aleatorias. Pero si la razn de varianza es
mayor a 2.6, es porque su probabilidad de ocurrencia es menor a 0.05, de lo que se deduce que
las diferencias entre las dos varianzas muestrales no son simplemente fortutas y por tanto las
varianzas son diferentes. En trminos generales se puede decir que cuando se trata de una
Samuel Segnini
Captulo 6
151
prueba con una cola a la derecha el valor f(1- ; 1/2) define el lmite entre las zonas de
aceptacin y rechazo de la hiptesis nula (H0 : 22 = 12 ).
Cuando la prueba de hiptesis es de dos
colas, debido a la asimetra de la
distribucin de F, la zona de rechazo de H0
es diferente para ambos lados de la
distribucin. El valor f(1- /2; 1/2) sera el
lmite de la derecha y el valor f(/2; 1/2) el
lmite de la izquierda (Figura 6.13). Aqu
surge un pequeo inconveniente, porque
las tablas de la funcin acumulada slo
Figura 6.13
presentan valores de f para la cola derecha.
Esta situacin se puede solventar de dos maneras. La forma ms fcil es plantear las hiptesis
de modo que la varianza muestral mayor siempre quede en el numerador. La otra solucin es
calcular el valor crtico de la cola izquierda mediante la expresin siguiente:
1
f ( 2 ; 1 2 ) =
f (1- 2) ; 2 1 )
Por ejemplo, si f ( 0.975 ; 8 12) = 3.5 es el lmite crtico para la cola de la derecha, en las tablas no
se encuentra el valor de f ( 0.025 ; 8/12) que sera el lmite crtico de la cola de la izquierda, pero se
puede calcular usando la relacin anterior. En primer lugar se encuentra el valor de
f ( 0.975 ; 12 8) = 4.2 (observe que los grados de libertad se intercambiaron), luego se obtiene el
inverso de 4.2, siendo entonces f ( 0.025 ; 8/12) = 0.238. Este mismo procedimiento se debe usar
para calcular el valor crtico de la zona de rechazo cuando la prueba de hiptesis es de una
cola a la izquierda.
Ejemplo 6.17. En un estudio taxonmico sobre una especie de insecto se quiere usar una
caracterstica morfolgica del cuerpo para estimar el tamao de los adultos. Se escoger como
carcterstica aquella que tenga la menor variabilidad. Con ste propsito se midieron en 10
individuos la longitud del ala anterior y la longitud total del cuerpo. Con base a los resultados
que se presentan a continuacin y sabiendo que las dos variables se distribuyen normalmente,
escoja la que mejor estima el tamao de los insectos?
N de Individuo
Alas anteriores (mm)
Tamao del cuerpo (mm)
1
17,1
17,6
2
17
16,5
3
17,1
15,5

Hiptesis nula:
Hiptesis alternativas:
H0 : 22 12 = 1
H1 : 22 12 1
4
16,3
16,9
5
16,9
17,1
6
15,9
15,2
7
16,2
16,7
8
17,2
17,7
9
17,1
16,9
10
16,8
15,1
Samuel Segnini
Captulo 6
152

hiptesis.
Puesto que se trata de la comparacin de dos varianzas el estadstico de prueba es:
s2
Fo = 22
s1
ZA = {F / f (
2 ; n 2 -1 n 1 -1) <
F < f (1-
2 ; n 2 -1 n 1 -1) }
2
e.1) Varianzas muestrales: s1 = 0.2093 ; s 2 = 0.8907

e.2) Grados de libertad: 2 = n2 1 = 10-1 = 9 ; 1 = n1 1 = 10-1 = 9
Fo =
s 22 0.8907
=
= 4.26
s 12 0.2093

ZA = {F / f (
2 ; n 2 -1 n 1 -1) C <
F < f (1-
f (0.025;9 / 9) =
2 ; n 2 -1 n 1 -1) } = {F/f (0.025; 9/9)
1
f (0.975;9 / 9)
1
= 0.248
4.03
ZA = {F/ 0.248< F< 4.03}

f. Decisin.
Como Fo = 4.26 > f(0.975; 9/9) = 4.03 el valor
del estadstico de prueba se encuentra
dentro de la zona de rechazo de Ho. Por lo
tanto se concluye que los datos
proporcionan suficiente evidencia para
rechazar Ho. Entonces, de acuerdo a la
informacin obtenida de la muestra se
puede afirmar con un 95% de confianza
que las varianzas de las dos variables
morfomtricas son diferentes, siendo la
longitud de las alas una variable ms
homognea.
< F<f (0.975;9/9) }
Samuel Segnini
Captulo 6
153
Ejemplo 6.18. Un eclogo afirma que la temperatura del agua en los ros de pramo es ms
homognea que la temperatura del agua en los ros de selva nublada, para lo cual determin la
temperatura mxima diaria en ros de ambas zonas.Apoyan los resultados la hiptesis del
investigador?. Se sabe que la temperatura tiene una distribucin normal y se dispone de la
informacin siguiente:
Pramo
17.0
11.9
1.39
N ros
Media
Desviacin
Selva nublada
26.0
16.5
2.28
a. Formulacin de hiptesis: Si se considera que 1 y 2 son las varianzas de la temperatura

del agua en los ros de pramo y selva nublada respectivamente, y adems que la
temperatura del agua en los ros de pramo es menos variable, entonces las hiptesis a
plantear son las siguientes:
Hiptesis nula:
H0 : 22 12 = 1
Hiptesis alternativa:
H1 : 22 12 > 1

hiptesis.
Puesto que se trata de la comparacin de dos varianzas el estadstico de prueba es:
s2
Fo = 22
s1
ZA = {F / F < f (1- ; n 2 -1 n1 -1) }
2
e.1) Varianzas muestrales: s1 = (s1 ) = 1.392 = 1.93 ; s 2 = (s 2 ) = 2.282 = 5.2

e.2) Grados de libertad: 2 = n2 1 = 17-1 = 16 ; 1 = n1 1 = 26-1 = 25
Fo =
s 22 5.2
=
= 2.69
s 12 1.93
Samuel Segnini
Captulo 6
154

ZA = {F/F < f (1- ; n 2 -1 n 1 -1 ) } = {F / F < f (0.95;25/16) } = {F / F < 2.23}
f. Decisin.
Como Fo = 2.69 > f(0.95; 25/16) = 2.23 el
valor del estadstico de prueba se encuentra
dentro de la zona de rechazo de Ho. Por lo
tanto se concluye que los datos
proporcionan suficiente evidencia para
rechazar Ho. Entonces, de acuerdo a la
informacin obtenida de la muestra se
puede afirmar con un 95% de confianza
que las varianzas de la temeperatura del
agua en en los ros de selva nublada es
mayor que la de los ros de pramo.
6.7 EJERCICIOS
6.7.1)
Compruebe la hiptesis nula Ho: = 22 frente a la alternativa H1: + 22 con un nivel

de significacin = 5% en base a la siguiente informacin suministrada por una
muestra: media = 23.5; desviacin = 1,2 y n = 230.
6.7.2)
La distancia recorrida por dos sustancias orgnicas en 13 corridas cromatogrficas

fueron las siguientes:
Corrida
n
1
2
3
4
5
6
7
8
9
10
11
12
13
Distancia recorrida (cm) Distancia recorrida (cm)

Sustancia 1
Sustancia 2
5.8
4.0
6.6
6.1
7.3
4.5
6.3
4.9
5.9
5.2
6.5
5.1
6.0
5.2
6.9
5.2
5.6
5.4
5.7
5.6
6.2
3.8
5.6
4.3
6.2
5.7
Usando un nivel de confianza de 95% para todos los casos.
Samuel Segnini
Captulo 6
155
6.7.2.1) Se podra afirmar que la distancia recorrida por la primera sustancia es

mayor a 5,85 cm?
6.7.2.2) Se podra afirmar que la distancia promedio recorrida por la segunda
sustancia es igual a 5.3 cm?
6.7.3)
Un investigador cree que la concentracin de glucsidos en las larvas de una especie

de Mariposa es de 0.15 unidades. Para poner a prueba tal hiptesis, examin 75 larvas
del insecto y encontr los siguientes valores: media = 0.2 unidades y varianza =
0.012. Use un = 0.05.
6.7.4)
El Profesor de Mtodos Estadsticos supone que el CI de los alumnos del curso actual
es superior al promedio de los cursos anteriores que ha sido igual a 100 con una
desviacin igual a 10. Para poner a prueba tal suposicin le midi el CI a los 25 alumnos del curso presente y encontr que el CI fue de 104. Tiene razn el profesor?.
Use un = 0.04
6.7.5)
Despus de haberse realizado una campaa publicitaria sobre los efectos dainos del
cigarrillo sobre la salud de las personas, el Ministerio de Sanidad, quiere comprobar
si la misma tuvo efecto y si como consecuencia de la misma disminuy el consumo
medio de cigarrillos por adulto, valor que al inicio de la campaa era de 10
cigarrillos/dia con una desviacin de 1.5 cigarrillos/dia. Para tal fin eligieron
aleatoriamente 144 individuos y encontraon que la media muestral fue de 8.5
cigarrillos/dia. tuvo la campaa algun efecto benfico a un nivel de significacin de
0.01.
6.7.6)
Veinticinco estudiantes varones universitarios, observados en forma aleatoria,

presentan un peso promedio de 74 kg. con una desviacin de 5 kg. Son estas
observaciones consistentes con el supuesto de que el peso medio de todos los
estudiantes de la Universidad para el momento de la medicin era de de 71 kg.
6.7.7)
Un mdico dice haber elaborado una crema para la comezn, y que la misma es
efectiva en mas del 70%. El Dpto. de Control de Medicamentos del MSAS, piensa lo
contrario y decide probar tal afirmacin con una probabilidad no mayor al 0.01 de
tomar una decisin equivocada. El efecto de la crema se evaluo en 200 pacientes, de
los cuales 125 dijeron haber experimentado un alivio inmediato. Quin tiene la
razn?.
6.7.8)
La produccin media de una variedad de hongos bajo cierto rgimen de cuidado ha

sido de 31 Kg. en un perodo estndar. Se introdujo un nuevo sistema, que aunque
mas costoso, si la produccin es mayor a 45 kg. dara bastantes beneficios. Para
decidir si se adopta el nuevo sistema, el Productor siembra 40 parcelas, que atendidas
con el nuevo sistema dan una produccin media de 48 kg. y una desviacin de 4,5
kg.. El productor acepta como mximo un 10% de error. Que decisin debe tomar el
Productor?
Samuel Segnini
6.7.9)
Captulo 6
156
En el caso del problema 6.7.2 sobre cromatografa Se podra afirmar que la distancia
promedio recorrida por cada sustancia es distinta?
6.7.10) El coeficiente de inteligencia de 16 estudiantes del curso de estadstica de 1990 di

una media de 112 con una desviacin tpica de 8, mientras que el C.I. de 14
estudiantes del curso de 1992 dio una media de 107 con una desviacin tpica de 10
Hay diferencias significativas entre los dos grupos al nivel de 0,01 y 0,05.
6.7.11) Para averiguar si un nuevo fertilizante para la produccin de trigo es mas efectivo que
el antiguo, se dividi un terreno en 100 parcelas de iguales dimensiones. Se aplic el
nuevo fertilizante en 50 parcelas y el antiguo en las otras 50 parcelas. El promedio de
trigo cosechado en cada parcela con el nuevo fertilizante fue de 25,5 kg. con una
varianza de 22. En las parcelas donde se utiliz el viejo fertilizante el promedio de
produccin fue de 24,6 kg. con una varianza de 19. Es el nuevo fertilizante mas
eficiente que el antiguo?.
6.7.12) Se desea comparar la duracin de una enfermedad segn que el enfermo presente o
no un acceso de fiebre al principio de la enfermedad. La duracin observada de la
enfermedad ha sido por trmino medio de 11 dias para 5 enfermos no fbriles y de 17
dias para enfermos febriles. La estimacin comn de la varianza de la duracin de la
enfermedad es S = 20 Que conclusin se puede sacar? = 0,01.
6.7.13) Un qumico metalrgico ha hecho cuatro determinaciones del punto de fusin del
manganeso: 1269 C, 1271 C, 1263 C y 1265 C. Si la variable Punto de fusin
(C) se distribuye normalmente, estan esos datos de acuerdo con el valor publicado de
1260 C, aceptndose un error de 5%.?
6.7.14) Una muestra de 10 mediciones del dimetro de la cpsula ceflica de un insecto da
una media de 4,08 mm y una desviacin de 0,05 mm. Es esta informacin
consistente con el hecho de que la poblacin tiene una media = 4 mm, dado =
0,05?.
6.7.15) El Club Atltico Ese Gordito asegura en su publicidad que las personas que sigan
por dos das una dieta y su programa de ejercicios perdern peso en forma
significativa. A fin de comprobar la veracidad de sta publicidad, la Oficina del
Instituto Nacional de Capacitacin al Usuario (INDECU), seleccion aleatoriamente
33 personas inscritas en el programa y determin que las mismas perdieron en dos
das un promedio de 0,37 kg con una desviacin de 0.98 kg. Compruebe con un nivel
de significacin del 95% si la aseveracin de la propaganda es correcta.
6.7.16) El contenido mximo de estao que se considera incuo en los tejidos de cierto
vegetal comestible es de 50 g/g . La valoracin de 8 porciones del mismo vegetal
cultivado cerca de un yacimiento de estao proporcion un valor medio igual a 55.89
g/g con una desviacin de 8.8 g/g Estar contaminado el vegetal?. Suponga que la
concentracin de estao se distribuye normalmente. La probabilidad de cometer el
error tipo I no debe ser mayo a 0.01.
Samuel Segnini
Captulo 6
157
6.7.17) El requerimiento humano de sal es de 220 mg/da. Si una muestra de 38 raciones

iguales de un cereal para el desayuno tiene un contenido promedio de Na Cl de 196
mg con una desviacin de 24.5 mg, se podra afirmar que una racin de este cereal
satisface el requerimiento diario de cloruro de sodio? Se sabe que la concentracin de
esta sustancia en el cereal se distribuye normalmente. Use = 0 0.05
6.7.18) Un investigador sospecha que el contenido de albmina en la sangre de ciertos
animales es mayor al valor promedio de 40 g/l que se seala en la literatura. Con el
fin de confirmar su sospecha examin el contenido de albmina en la sangre de 32
animales y encontr que su valor promedio fue de 42.8 g/l con una desviacin de 10
g/l. Cul es la conclusin del investigador?.
6.7.19) Una surtidora automticas es utilizada para llenar envases con 16 ml de un
medicamento. El volumen servido se puede considerar como una variable aleatoria que
se distribuye normalmente. El Departamento de Control de Medicamentos del
Ministerio de Sanidad sospecha que el volumen de llenado es menor que lo estipulado.
Para comprobar sto a 10 frascos seleccionados aleatoriamente se les mide el volumen
envasado, encontrandose los resultados siguientes:
16; 15.6; 15.97; 16.04; 16.05; 15.98; 15.96; 16.02; 16.05; 16.02
6.7.19.1) Es correcta la apreciacin del Departamento de Control?
6.7.19.2) A que se debe la variacin en las medidas?
6.7.20) A fin de determinar la eficiencia de un nuevo mtodo para medir mercurio, se
hicieron varias mediciones de la cantidad de este elemento en una solucin patrn
que contiene un 40% de mercurio. El resultado de 9 mediciones produjo un valor
promedio de 37.8% y una desviacin de 1.9%. Suponindo que la variable se
distribuye normalmente se puede afirmar que el mtodo est fallando?. Use =
0.01.
6.7.21) Una muestra de 16 hojas de una determinada variedad de tomate present los siguientes
valores de longitud:
X(cm) = 3.00, 5.20, 8.00, 2.30, 4.50, 3.25, 2.80, 3.22, 9.24, 2.75, 1.08, 4.83, 2.49, 9.00, 5.00, 2.10.
6.7.22) Sera la media poblacional mayor o menor a 6 cm? La probabilidad de cometer el

error tipo I no debe ser mayor a 1%. Supoga que la variable longitud se distribuye
normalmente.
6.7.23) Un entomlogo esta probando el efecto de un nuevo insecticida sobre las larvas
(gusanos) de una especie de mariposa. Para efectuar el experimento necesita un grupo
de larvas cuyo tamao promedio debe ser al menos de 5.0 cm. Si el tamao promedio
es significativamente menor a 5 cm el investigador elimina el grupo de larvas y busca
otro. A fin de concretar el primer ensayo el investigador seleccion aleatoriamente 16
individuos y midi su longitud obteniendo un valor promedio de 4.90 cm y una
Samuel Segnini
Captulo 6
158
desviacin de 0.02 cm. Cual debe ser la decisin del entomlogo?. La variable talla
se distribuye normalmente. La probabilidad mxima de cometer error es igual a 0.01.
6.7.24) Un pas con una carencia crtica de alimentos recibe como ayuda internacional un
cargamento de varias toneladas de yuca, la cual se contamin en el viaje con una toxina
que afecta el sistema nervioso. Estudios de la Organizacin Mundial de la Salud han
demostrado que alimentos que contengan concentraciones iguales o menores a 40 ppm
de la toxina pueden ser ingeridos sin mayor riesgo. Las autoridades sanitarias del pas
en cuestin determinan la presencia de la toxina en 100 muestras tomadas al azar del
cargamento (el costo y el tiempo requerido del anlisis no permite hacer ms
determinaciones) y obtienen una concentracin promedio de la toxina de 37.8 ppm. con
una desviacin tpica de 10 ppm.. A Ud. se le consulta para decidir si el cargamento
debe utilizarse o destruirse. En base a la informacin suministrada y teniendo en cuenta
que lo siguiente:
6.7.24.1) Cual nivel de significacin escogera para probar la hiptesis? Por qu?
Recuerde que estan en juego la salud y/o vida de miles de personas.
6.7.24.2) Haga los clculos correspondientes y formule su decisin estadstica?
6.7.24.3) Que recomendara hacer con el cargamento de yuca?. Tenga presente que su
decisin puede implicar a) impedir que miles de personas mueran de
inanicin o b) envenenarlas con la toxina.
6.7.25) En un estudio sobre el ciclo de vida de un insecto, se desea determinar si existen
diferencias en cuanto a la duracin entre las fases de huevo y de larva. A una muestra
de 12 huevos y a otra muestra de 12 larvas se les determina el tiempo de duracin, los
cuales resultan ser los siguientes:
Huevos
(horas)
31
34
29
26
32
35
38
34
30
29
32
31
Larvas
(horas)
26
24
28
29
30
29
32
26
31
29
32
28
Suponga que la variable tiempo de duracin se distribuye normalmente. La

probabilidad de cometer el error tipo I no debe ser mayor 0,05%.
Samuel Segnini
Captulo 6
159
6.7.26) El oxgeno consumido (ml) durante la incubacin de dos suspensiones de clulas, una
en un buffer y la otra no, fue el siguiente:
Suspensin con Suspensin sin
buffer
buffer
13.0
6.7
13.2
7.2
15.0
9.1
13.2
8.3
14.2
7.6
14.8
9.2
14.1
7.8
12.2
8.7
12.1
6.9
13.4
6.8
13.8
7.7
13.1
7.2
13.5
8.5
14.7
7.5
15.1
7.8
12.9
7.5
15.0
13.9
Existen diferencias en el consumo de oxgeno entre los dos grupos de clulas?. El
error tipo I debe ser igual o menor a 0,01%.
6.7.27) Dos mtodos de recuperacin de nitrgeno se utilizaron para analizar 36 porciones de
un material orgnico. Los resultados fueron los siguientes:
Media
Desviacin
Mtodo A Mtodo B
75.8%
76.0%
3.10%
2.50%
Es el mtodo B mejor que el A?

6.7.28) Se examin el oxigeno (ppm) disuelto en el agua de un ro a dos altitudes diferentes,
en 25 ocasiones. Los resultados fueron los siguientes:
Media
Desviacin
1000 m.s.n.m.
6.5
1.11
2.700 m.s.n.m.
8.4
1.65
Existen diferencias en el contenido de oxgeno con la altitud?
Samuel Segnini
Captulo 6
160
6.7.29) Se sabe que la maquinaria para llenar un medicamento en polvo lo vierte en frascos
de un detrminado tamao con una desviacin estndar de 0.6 g. A fin de mantener
ajustada la maquina, diariamente se verifican los pesos netos de las cajas. Dos
muestras tomadas en dos das presentan la informacin siguiente:
Media
n
Muestra 1 Muestra 2
18.7 g
21.9 g
30
35
6.7.29.1) Est la maquinaria ajustada para servir 20 g, en el primer da?

6.7.29.2) Est ajustada la mquina para servir 20 g, en el segundo da?
6.7.29.3) Se verific algn cambio en el ajuste de la mquina entre los dos das?.
6.7.30) Los datos que siguen corresponden al nmero de individuos / litro de dos especies de
invertebrados que se hallaron en una laguna en seis profundidades diferentes.
Profundidad
(m)
1
2
3
4
5
6
Nmero de individuos /
litro
Especie A
Especie B
35
37
32
27
29
30
28
31
32
30
28
27
Utilizando = 0.05 y suponiendo que el nmero de individuos se distribuye

normalmente, responda:
6.7.30.1) Se podra afirmar que la abundancia de la especie A es mayor que 27
indiv./L, si se sabe que A = 6 ?
6.7.30.2) Se podra afirmar que la abundancia de la especie B es igual a 28 indiv/L?
6.7.30.3) Se podra afirmar que la abundancia promedio de las dos especies es
distinta?
6.7.31) Un qumico esta tratando de determinar si dos materiales orgnicos de distinta
procedencia tiene el mismo contenido de fsforo. Para tal fn seleccion dos muestras
de 25 porciones del mismo peso de cada material y utilizando la msma metodologa
midi el contenido de fsforo en ambas muestras, encontrando que en el material A el
contenido medio del elemento fue de 37.75 g con una desviacin de 4.71 g y en el
material B el contenido medio fue de 35.00 g con una desviacin del 3.89 g.
Suponiendo que el contenido de fsforo es una variable que se distribuye normalmente
Cul debe ser la conclusin del investigador?
Samuel Segnini
Captulo 6
161
6.7.32) Se est investigando el efecto de la concentracin inicial de un fertilizante sobre el

tamao de las plantas de un determinado cultivo. Para tal fn se fertilizaron dos
parcelas de terreno con dos concentraciones del producto (800 y 200 mg/l). Despues
de seis semanas, se midi la altura en cinco plantas elegidas aleatoriamente dentro de
cada parcela encontrndose los valores siguientes:
Altura de las plantas
(cm)
Planta N 800 mg/l 200 mg/l
1
58.2
52.9
2
57.2
49.9
3
58.4
50.0
4
55.8
51.7
5
54.5
56.3
Tiene la concentracin inicial del fertilizante algn efecto sobre el tamao promedio
de las plantas?. La variable altura se distribuye normalmente, siendo iguales las
varianzas poblacionales?
6.7.33) Se quiere determinar si dos mtodos para detectar Ca en tejidos vegetales tienen la
misma eficiencia. Para tal fin se eligieron 10 tomates de la misma variedad. Cada
tomate se dividi en dos partes iguales. A una de las partes se le determin el Ca por
uno de los mtodos y a la otra parte se le determin el Ca por el otro mtodo. Se
puede admitir que los mtodos son igualmente eficientes? si los resultados fueron los
siguientes: Use = 0.001
Mtodo A
31.90
31.88
32.14
32.85
31.82
32.11
31.63
31.79
31.05
31.86
Mtodo B
31.51
31.30
31.50
31.81
31.66
31.65
31.57
31.42
31.76
31.71
6.7.34) A Ud. como profesional al Servicio del Ministerio del Ambiente le corresponde
investigar la denuncia de un grupo de cultivadores de ajo en la poblacin de
Mucuchis que afirman que los efluvios de una planta industrial instalada en los
alrededores de los plantos y que son vertidos en un canal de aguas servidas, estan
disminuyendo el tamao de los ajos que cultivan. Como primer paso Ud. hace analizar
muestras de las aguas residuales de la planta y en repetidos intentos no logra detectar
ninguna sustancia que se pueda suponer afecte a los ajos. Como segundo paso decide
verificar si hay evidencias de que los ajos sembrados en las riberas del canal son de
menosr peso que los de otras zonas de los cultivos. Para ello toma una muestra de 51
cabezas de ajos de plantas situadas en la ribera del canal de desage y otra muestra de
Samuel Segnini
Captulo 6
162
igual tamao y tomada con un procedimiento anlogo de una zona de los cultivos fuera
de la influencia del canal y procedi a pesar las cabezas. Los resultados del pesaje
fueron los siguientes: para las plantas fuera de la influencia del canal el promedio de la
muestra fue de 29.9 g con una desviacin de 2.44 g; para las plantas en la zona de
influencia la muestra proporcion una media de 28.7 g con una desviacin de 2.89 g.
Se podra afirmar, que existen diferencias en el peso promedio de los ajos cultivados
en ambas zonas?. Para responder la pregunta anterior use el nivel de significacin que
le parezca ms adecuado y explique las razones de esta seleccin.
Adulto de la Familia Perlidae (Insecta: Plecoptera)

Prueba de Hipotesis Ok

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Prueba de Hipotesis Ok

Cargado por

Copyright:

Formatos disponibles

6

6.2 LA PRUEBA DE HIPTESIS: UN PROCEDIMIENTO DE DECISIN

Esta es una probabilidad de ocurrencia alta

En este caso la probabilidad no es tan baja

La mejor manera de resolver el problema es estableciendo previamente un criterio o valor

El valor de Z a la izquierda del cul se encuentra el 0.05% del rea de la distribucin de

Este valor es ahora nuestro lmite para

6.3 PROCEDIMIENTO GENERAL PARA LA PRUEBA DE HIPOTESIS

La hiptesis nula establece que un parmetro como la tasa media de disminucin de la

Error (Tipo II)

El razonamiento bsico del proceso de

Pero tambin una minora de observaciones

En trminos de probabilidad los dos tipos de errores se expresan de la forma siguiente:

Afortunadamente al incrementar el tamao n de la muestra es posible disminuir la

El nmero de asteriscos es una forma de indicar en un texto o en una tabla de resultados el

Tabla 6.2. Densidad promedio de cuatro gneros de

* = diferencias significativas (P < 0.05).

Diferencia de Medias (2-1)

Tabla 6.4. Estadsticos de prueba para algunos parmetros poblacionales.

Estadsticos de prueba derivados

Figura 6.9: Posible ubicacin de la zona de rechazo de H0. A) A la derecha; B) A la izquierda,

t(0.90; 10) = 1.372

6.4 PRUEBA DE HIPTESIS PARA UNA MEDIA POBLACIONAL.

c. Eleccin de un estadstico de la muestra y de su distribucin para someter a prueba las

d. Establecer una zona de aceptacin para Ho.

n ) = (310 270) (120

e.2) Zona de aceptacin: Z = {Z / Z < z(0.95)} = {Z / Z < 1.65}

La informacin obtenida de la muestra permite afirmar que se tiene un 95% de confianza

El investigador sabe que la variable se distribuye normalmente y quiere someter a prueba su

d. Establecer una zona de aceptacin para Ho.

n ) = (203 205) (36.17

40) = 2 5.719 = 0.35

e.4) Zona de aceptacin:

La sospecha del investigador que la tasa de reproduccin de la poblacin de mosquito se

Si la concentracin de nitrgeno se distribuye normalmente, apoya la evidencia

d. Establecer una zona de aceptacin para Ho.

ZA = {T / T > -t(1; n-1) }

n ) = (10.48 14.6) (2.41

25) = 4.12 0.482 = 8.55

e.4) Zona de aceptacin:

De acuerdo a la informacin obtenida de la muestra se puede afirmar con un 99% de confianza

poblacional se utiliza la desviacin de la muestra y Z = ( x ) s

n ) = (3.7 4.3) (1.2

45) = 0.6 0.18 = 3.33

e.2) Zona de aceptacin: ZA = {Z / Z > -z(1) } = {Z / Z > -z(0.95)} = {Z / Z > -1.65}

Aunque no se conoce la distribucin de la variable, como el tamao de la muestra es

d. Establecer una zona de aceptacin para Ho.

n ) = (35.2 34) (4.1

36) = 1.2 0.68 = 1.75

e.2) Zona de aceptacin: ZA = {Z / Z < z(1) } = {Z / Z < z(0.99)} = {Z / Z < 2.33}

6.5 PRUEBA DE HIPTESIS PARA DOS MEDIAS POBLACIONALES.

provienen de una misma poblacin o de poblaciones diferentes con la misma media. El

b. Especificacin de un valor de probabilidad crtico o nivel de significacin.

d. Establecer una zona de aceptacin para Ho.

e.2) Estadstico de prueba:

e.3) Zona de aceptacin: ZA = {Z / Z < z(1) } = {Z / Z < z(0.97)} = {Z / Z < 1.88}

Si se sabe que la cantidad de nicotina se distribuye normalmente, determine con un nivel de

d. Establecer una zona de aceptacin para Ho.

s1 = (2.3) = 5.29 ; s 2 = (2.9) = 8.41

e.3) Zona de aceptacin:

y se usa t* como valor crtico para la zona de rechazo.

Temperatura del agua (C)

b. Especificacin de un valor de probabilidad crtico o nivel de significacin.

d. Establecer una zona de aceptacin para Ho.