PRUEBA DE HIPÓTESIS

En la prueba de hipótesis se comienza proponiendo una hipótesis tentativa acerca de un parámetro poblacional. Esta hipótesis tentativa acerca de un parámetro poblacional se le llama hipótesis nula y se representa por H0 . A continuación se define otra hipótesis, llamada hipótesis alternativa, que es la opuesta de lo que se afirma en la hipótesis nula, se representa con H1. El procedimiento para probar una hipótesis comprende el uso de datos de una muestra para probar las dos aseveraciones representadas. FORMAS DE LA HIPÓTESIS NULA Y ALTERNATIVA Sea µ0 el valor numérico específico que se considera en las hipótesis nula y alternativa. En general, una prueba de hipótesis referente a los valores de una media de la población µ debe asumir una de las tres formas: Prueba H. Bilateral Prueba H. Unilateral Derecha Prueba H. Unilateral Izquierda t(1− α / 2;n− 1) = t( 0,9 7 ;51 4) =

Ho : µ = µ0 H 1 : µ ≠ µ0

Ho : µ ≤ µ0 H 1 : µ > µ0

H 1 : µ < µ0

PRUEBA DE HIPÓTESIS PARA LA MEDIA DE UNA SOLA POBLACIÓN (Varianza Conocida) Muestra grande n ≥ 30

Ejemplo 1: 1)Un grupo de investigadores desea conocer la edad media de cierta población. Ellos se preguntan lo siguiente: ¿Se puede concluir que la edad media de la población es diferente de 3 años? Datos: Edades de una muestra aleatoria de 30 individuos, extraída de la población de interés. A partir de esa muestra se calcula la media de 3,5 años. Suposición: Se supone que la muestra de valores proviene de una población cuyas edades siguen una distribución aproximadamente normal y una varianza conocida de σ 2 = 1.01 años 2 Solución 1.Hipótesis La hipótesis nula, es la siguiente: la edad media de la población es igual a 3. La hipótesis alternativa indica que la edad media es diferente de 3. En forma abreviada sería: 1

H0 : µ = 3 H1 : µ ≠ 3 2. Supuestos: La muestra de las edades siguen una distribución aproximadamente normal y una varianza conocida de σ 2 = 1.01 años 2 3. Estadística de Prueba Zc = x − µ0 3,24 − 3 0,24 0,24 = = = = 1,26 σ n 1,05 30 1,05 5,48 0,19

Cuando Ho es verdadera, 4. Regla de decisión

Z c tiene una distribución normal estándar.

Consideremos un nivel de significancia del 5% ( α = 0.05 ) Para un nivel de significancia de 0,05 el valor de Z 0,025 = -1,96 , encontrado en las Tablas de la Distribución Normal.

α / 2 = 0.025 (región de rechazo)
0.95 -1,96 0 Zc= 1,26 1,96

α / 2 = 0.025 (Región de rechazo)

Región de No rechazo 1) Si Zc cae en la región de rechazo, rechazamos Ho. 2) Si Zc no cae en la región de rechazo, no rechazamos Ho. En el ejemplo, como Zc = 1,26 cae en la región de No rechazo, No rechazamos Ho y Concluimos que la edad media de la población no es diferente a 3 años.

2

05 (región de rechazo) 0. No rechazamos Ho y Concluimos que la edad media de la población no es menor a 3 años. Ejemplo 3: 3 . encontrado en las Tablas de la Distribución Normal.26 σ n 1. en lugar de preguntarse la posibilidad de concluir que µ ≠ 3 .Ejemplo 2: En base al ejercicio 1. como Zc = 1.05 ) Para un nivel de significancia de 0.645 .05 el valor de Z 0.24 = = = = 1.05 = -1.26 cae en la región de No rechazo.Estadística de Prueba x − µ0 3.24 − 3 0.48 0. suponga que los investigadores se hubieran preguntado: ¿Es posible concluir que la edad media de la población es inferior a 3 años.24 0.01 años 2 3.05 30 1.Supuestos: La muestra de las edades siguen una distribución aproximadamente normal y con varianza conocida de σ 2 = 1. Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0.26 Región de No rechazo En el ejemplo. Hipótesis: (Hipótesis Unilateral) H0 : µ ≥ 3 H 1 : µ < 3 (LA EDAD MEDIA DE LA POBLACIÓN ES INFERIOR A 3 AÑOS) 2. α = 0.645 0 1.19 Zc = 4.95 -1.05 5. µ < 3 ? Solución 1.

645. α = 0.19 Zc = 3. µ > 3 ? Solución 1. como Zc = 1.05 (Región de rechazo) 0.05 30 1.48 0.05 ).24 = = = = 1.24 − 3 0.26 1. en lugar de preguntarse la posibilidad de concluir que µ ≠ 3 .Estadística de Prueba x − µ0 3. suponga que los investigadores se hubieran preguntado: ¿Es posible concluir que la edad media de la población es superior a 3 años. PRUEBA DE HIPÓTESIS PARA LA MEDIA DE UNA SOLA POBLACIÓN Muestra pequeña (Varianza Desconocida) 4 . encontrado en las Tablas de la Distribución Normal.24 0.95 = 1.05 el valor de Z 0.26 σ n 1.645 Región de No rechazo En el ejemplo. No rechazamos Ho y Concluimos que la edad media de la población no es mayor a 3 años.95 0 1.En base al ejercicio 1.05 5.26 cae en la región de No rechazo.Hipótesis: (Hipótesis Unilateral) H0 : µ ≤ 3 H 1 : µ > 3 ( LA EDAD MEDIA DE LA POBLACIÓN ES SUPERIOR A 3 AÑOS) 2. Para un nivel de significancia de 0.Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0.

Cuando el muestreo se realiza a partir de una población que sigue una distribución normal con una varianza desconocida la estadística de prueba es: tc = x − µ0 s/ n tc tiene una distribución T Student con n-1 grados de libertad. Los individuos estudiados fueron 14 adultos varones sanos representativos de un rango amplio de pesos corporales. Hipótesis (Hipótesis Bilateral) H 0 : µ = 35 H 1 : µ ≠ 35 ( la media del IMC para la población de la que se extrajo la muestra no es 35) 5 . para la canulación linfática periférica en seres humanos. Cuadro Nº 1: índice de masa corporal (IMC). Supuestos: Los 14 individuos constituyen una muestra aleatoria de una población de individuos con las mismas características.En general se desconoce la varianza de la población en situaciones reales. Se pretende saber si es posible concluir que la media del IMC para la población de la que se extrajo la muestra no es 35. Una de las variables de medición fue el índice de masa corporal (IMC) = peso (kg)/estatura 2 ( m 2 ). Solución 1. desarrollada por ellos. Ejemplo 4 : Los investigadores Castillo y Lillioja describieron una técnica. Suponemos también que la población tiene una varianza desconocida. Se supone que la muestra de valores proviene de una población cuyos IMC siguen una distribución aproximadamente normal. Los autores afirman que su técnica simplifica el procedimiento y permite la recolección de volúmenes convenientes de linfa para estudios metabólicos y cinéticos. Los resultados se muestran en el Cuadro Nº 1. mediciones para un grupo de individuos Individuo IMC Individuo IMC Individuo IMC 1 23 6 21 11 23 2 25 7 23 12 26 3 21 8 24 13 31 4 37 9 32 14 45 5 39 10 57 Datos: Los datos consisten en las mediciones del IMC de los 14 individuos.

64 14 10. Utilizando el SPSS 1.13 ) = 2. 3. Supuestos Se supone que la muestra de valores proviene de una población cuyos IMC siguen una distribución aproximadamente normal con varianza desconocida.n−1) = t ( 0.13) = − 2.5 − 35 − 4.05 el valor del t tabulado o teórico es t (1−α / 2. Procedimiento 6 .2. y concluimos que la media del IMC para la población de la que se extrajo la muestra no es diferente a 35.975.025.58 10. Estadística de Prueba tc = x − µ0 s/ n = 30. α / 2 = 0.025 (Región de rechazo) -1.n −1) = t ( 0.58 cae en la región de no rechazo . encontrado en la tabla de la Distribución t Student.025 (región de rechazo) 0.64 3.95 t ( α .85 4.5 = = = −1.1604 α / 2 = 0. Regla de decisión Con un nivel de significancia del 0.1604 .74 2.58 0 -2. no rechazamos Ho y concluimos que no rechazamos H0.1604 Región de No rechazo Como tc = -1. Ingresemos los datos 2.5 − 4.

3. Resultados 7 .

Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0.05 entonces no rechazamos H0.Hipótesis: (Hipótesis Unilateral) H 0 : µ ≥ 35 H 1 : µ < 35 ( LA media del IMC para la población de la que se extrajo la muestra es menor que 35) 2.13) = −1.n −1) = −t ( 0. Solución 1. 3.85 4.13 ) = −1.5 − 4.58 0 t Región de No rechazo Región de rechazo 8 .95 t ( α . se pretende saber si es posible concluir que la media del IMC para la población de la que se extrajo la muestra es menor que 35.7709 . n −1) = −t ( 0. y concluimos que la media del IMC no es diferente a 35.64 14 10.64 IMC t -1. Ejemplo 5: Supongamos que en el ejemplo anterior.138 Luego p = 0.50 consideremos un nivel de significancia del 5% p = Sig. (2-tailed) .583 df 13 Sig.95.5 = = = −1. encontrado en la tabla de la Distribución t Student.05 ).58 10.5 − 35 − 4.Estadística de Prueba tc = x − µ0 s/ n = 30.64 3. el valor del t tabulado o teórico es t (1−α . α = 0.05 0.7709 -1.138 > 0.O ne-Sample Test Test Value = 35 95% Confidence Interval of the Difference Lower Upper -10.64 1.138 Mean Difference -4.95. 0. Supuestos Se supone que la muestra de valores proviene de una población cuyos IMC siguen una distribución aproximadamente normal con varianza desconocida.74 2.

58 s / n 10.95.5 = = = = − 1. y concluimos que la media del IMC para la población de la que se extrajo la muestra no es menor a 35.5 − 35 − 4. α = 0.Estadística de Prueba tc = 4.5 − 4.95.n −1) = t ( 0. 2. Supuestos Se supone que la muestra de valores proviene de una población cuyos IMC siguen una distribución aproximadamente normal con varianza desconocida.13 ) = 1. n −1) = t( 0. y concluimos que la media del IMC para la población de la que se extrajo la muestra no es mayor a 35.7709 t Región de rechazo Región de No rechazo Como tc = -1.58 cae en la región de no rechazo . se pretende saber si es posible concluir que la media del IMC para la población de la que se extrajo la muestra es mayor que 35.7709 .85 Consideremos un nivel de significancia del 5% ( α = 0. no rechazamos Ho y concluimos que no rechazamos H0.64 14 10. Ejercicios propuestos: 9 .58 0 t( α .13) = 1.Como tc = -1.58 cae en la región de no rechazo .64 3. encontrado en la tabla de la Distribución t Student. el valor del t tabulado o teórico es t (1−α .05 ).05 0. Ejemplo 6: Supongamos que en el ejemplo anterior.95 -1.Hipótesis: (Hipótesis Unilateral) H 0 : µ ≤ 35 H 1 : µ > 35 (LA media del IMC para la población de la que se extrajo la muestra es mayor que 5). 3.74 2. Regla de decisión x − µ 0 30. Solución 1. no rechazamos Ho y concluimos que no rechazamos H0.

Para un nivel de significancia de 0. tiene como propósito averiguar los factores asociados con las discrepancias entre los niveles de carboxihemoglobina y el estado de tabaquismo autodeclarado.99 -6. Regla de decisión Consideremos un nivel de significancia del 1% ( α = 0.01 el valor de Z 0.52 cae en la región de rechazo. Uno de los estudios de los investigadores Klesges et al.01 ).01 = -2.Hipótesis: (Hipótesis Unilateral) H0 : µ = 1 H1 : µ < 1 2. Una muestra de 3918 no fumadores autodeclarados presentó un nivel medio de carboxihemoglobina de 0. Supuestos Se supone que la muestra de valores proviene de una población cuyos niveles de carboxihemoglobina siguen una distribución aproximadamente normal con varianza desconocida. 1. Considere un nivel de significancia del 0.96 .96 3918 0.96 3918 4. rechazamos Ho y Concluimos que el nivel medio de carboxihemoglobina en pacientes no fumadores es menor que 1.1 = = = −6. Se pretende saber si es posible concluir que la media de la población es menor que 1. . encontrado en las Tablas de la Distribución Normal.325 0 Región de No rechazo Como Zc = -6.01.9 con una desviación estándar de 0.52 -2. Estadística de Prueba (muestra grande) Zc = x − µ0 0.325 .01 (Región de rechazo) 0. 3. α = 0.9 − 1 − 0. 10 .52 s n 0.1.

encontrado en la tabla de la Distribución t Student. Estadística de Prueba tc = x − µ 0 25 − 20 5 = = = 3. Se pretende saber si es posible concluir que la media de la población de la que se supone fue extraída la muestra es mayor a 20 años .2.54 s/ n 4 8 4 8 Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0. Datos: n=8 X = 25 S =4 Hipótesis: H 0 : µ = 20 µ > 20 H1 : b. El doctor Jeffrey M. reportó los datos correspondientes a 8 casos de prolapso del cordón umbilical. 27.05 ) El valor del t tabulado o teórico es t (1−α . Considere un nivel de significancia del 0. 28. Las edades de las madres eran de 25.7 ) = 1. Solución a.8946 .n−1) = t ( 0.95.8946 3.05 0.n−1) = t ( 0. 22.54 t Región de no rechazo Región de rechazo 11 .95. Supuestos: Se supone que la muestra de valores proviene de una población cuyas edades siguen una distribución aproximadamente normal con varianza desconocida. α = 0. 25 y 30 años. 17. Barrett de Lakeland.95 0 t ( α .7 ) = 1. 26.05.

5 14.38 21 Consideremos un nivel de significancia del 5% ( α = 0.0 16.n −1) = t ( 0.5 12.4 24.9 19. rechazamos Ho.05 0.0 10. Hipótesis: H 0 : µ = 14 H 1 : µ > 14 e.9 17.95.Estadística de Prueba tc = 4.n−1) = t ( 0.1 12. Regla de decisión x − µ 0 15.38 21 3.4 17.5 20.9 14.Como tc = 3. Datos: n = 21 X = 15.20 t Región de rechazo Región de No rechazo 12 .7247 .62 − 14 1. encontrado en la tabla de la Distribución t Student.54 cae en la región de rechazo.2 12.20 s / n 3. c. y concluimos que la media de las edades de las madres con casos de prolapso del cordón umbilical es mayor a 20 años. 3.05 .13) = 1.0 18.9 12.2 14.0 17. 3.2 14.38 d. α = 0. Los siguientes datos se refieren a los niveles de presión intraocular (en mm Hg) registrados en una muestra de 21 individuos de edad avanzada.8 16.1 12. 20 ) = 1.62 = = = 2.6 ¿Es posible concluir a partir de estos datos que la media de la población de la cual se extrajo la muestra es mayor que 14? Considere α = 0.0 16.95.05 ) El valor del t tabulado o teórico es t (1−α . 14.62 S = 3. Supuestos: Se supone que la muestra de valores proviene de una población cuyos niveles de presión intralocular (en mm Hg) siguen una distribución aproximadamente normal con varianza desconocida.95 0 t ( α .7247 2.

33 s / n 1. Hipótesis H 0 : µ = 12 H 1 : µ ≠ 12 Supuestos Se supone que la muestra de valores proviene de una población cuyo consumo de oxigeno (en ml) siguen una distribución aproximadamente normal con varianza desconocida.1448 encontrado en la tabla de la Distribución t Student.1448 α / 2 = 0.9 ¿Proporcionan estos datos suficiente evidencia. a un nivel de significancia de 0.2 16.025 (Región de rechazo) 2.025 (región de rechazo) 0. 4.311 .4 12. n −1) = t ( 0.2 14.8 14.0 14.28 b.43 = = = 4. no rechazamos Ho.975.1 12.2 11. y concluimos que la media del niveles de presion intralocular (en mm Hg) para la población de la que se extrajo la muestra no es mayor a 14.? ¿Qué supuestos se debe cumplir? Solución a. de que la media de la población no es igual a 12ml. Datos: n = 15 X = 13.0 12.5 13.1 14.n−1) = t ( 0.025.0 14.43 − 12 1.Como tc = 2.1 13. α / 2 = 0.1448 13 4.20 cae en la región de no rechazo.05 el valor del t tabulado o teórico es 2.43 S = 1.28 15 Con un nivel de significancia del 0. Estadística de Prueba tc = Regla de decisión t (1−α / 2.13) = − 2.28 15 1. Los siguientes datos son los consumos de oxígeno (en ml) durante la incubación de una muestra aleatoria de 15 suspensiones celulares 14.2 11.7 13.14 ) = x − µ 0 13.05.95 t ( α .

33 cae en la región de rechazo.30 20 56.005 (Región de rechazo) 14 .6 = = = 7. Hipótesis H 0 : µ = 11 H 1 : µ ≠ 11 Supuestos Se supone que la muestra de valores proviene de una población media máxima de respiración por minuto que siguen una distribución aproximadamente normal con varianza desconocida. Estadística de Prueba (muestra pequeña) tc = Regla de decisión t (1−α / 2. Datos: n = 20 X = 111.n−1) = t ( 0. rechazamos Ho.95 α / 2 = 0.01 el valor del t tabulado o teórico es 2.6 − 11 100.8609 encontrado en la tabla de la Distribución t Student. 5.19 ) = x − µ0 111.30 20 Con un nivel de significancia del 0.99 s / n 56. y concluimos que la media de consumo de oxigeno por suspensiones celulares es igual a 12ml.Región de No rechazo Como tc = 4.005 (región de rechazo) 0. Una muestra aleatoria de 20 alumnos universitarios aparentemente sanos proporcionó los siguientes valores de capacidad respiratoria máxima.¿Es posible concluir que la media máxima de respiración no es 11 litros por minuto? 132 33 91 108 67 169 54 203 190 133 96 30 187 21 63 166 84 110 157 138 Considere un nivel d significancia del 0.30 d.6 S = 56.995.01 ¿Qué supuestos se debe cumplir? c. α / 2 = 0.

Estadística de Prueba tc = x − µ 0 157.05 ¿Qué supuestos se deben cumplir? Solución a.417 = = = = − 1.11) = 1.n−1) = t ( 0.05 s/ n 24. y concluimos que la media máxima de respiración no es 11 litros por minuto.42 − 7. Datos n = 12 X = 157.n−1) = t ( 0.58 − 165 − 7. Hipótesis H 0 : µ = 165 H 1 : µ < 165 Supuestos Se supone que la muestra de valores proviene de una población cuyas presiones sistólicas sanguíneas (en mm Hg) siguen una distribución aproximadamente normal con varianza desconocida.8609 2.8609 7.58 S = 24. encontrado en la tabla de la Distribución t Student.13) = − 2.95.05 ).044 Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0.4 12 24.4 12 7.40 b.t ( α .7959. 15 . Los siguientes datos son las presiones sistólicas sanguíneas (en mm Hg) de 12 pacientes sometidos a terapia con medicamentos contra la hipertensión: 183 152 178 157 194 163 144 114 178 152 118 158 ¿Es posible concluir en base a estos datos que la media de la población es menor a 165? Con un nivel de significancia del 0. el valor del t tabulado o teórico es t (1−α .025. rechazamos Ho. 6.99 cae en la región de rechazo.99 Región de No rechazo Como tc = 7.

05 cae en la región de rechazo. n −1) = t ( 0. y concluimos que la media de las presiones sistólicas de los pacientes que fueron sometidos a un tratamiento con medicamentos para la hipertensión es menor a 165 mmHg.α = 0.95 .7959 t Región de No rechazo Región de rechazo Como tc = -1.95 -1. rechazamos H0. PRUEBA DE HIPOTESIS SOBRE UNA PROPORCIÓN 16 .05 0.13 ) = 1.05 t ( α .05 α = 0.

es decir. en consecuencia. acierto-error. y por eso significa que podemos utilizar la distribución binomial para diseñar contrastes de hipótesis sobre proporciones.1). la variable: σ X = nπ (1 − π ) σP = π (1 − π ) n Z= X − nπ P −π = nπ (1 − π ) π (1 − π ) n se distribuirá N (0. Pruebas de Hipótesis sobre una proporción 17 . utilizar la distribución normal para diseñar contrastes de hipótesis sobre proporciones. recuperados. varón.INTRODUCCIÓN : En el área de ciencias de la salud y otras áreas. las distribuciones de X y P se aproximan a la distribución normal con parámetros: E ( X ) = nπ E( P) = π En consecuencia. La distribución muestral de los estadísticos X : Número de éxitos y P : Proporción de éxitos. éxito y fracaso a los dos niveles de una variable de este tipo. verdadero-falso.El Modelo binomial. por tanto. mujer. nos proporciona probabilidades asociadas a los estadísticos X y P. Podemos. también. con variables que sólo pueden tomar dos valores. etc. Podemos llamar . Además sabemos que a medida que n va aumentando. frecuentemente se suele encontrarse con variables dicotómicas . ambos se distribuyen según el modelo binomial con parámetros n (número de ensayos) y π : proporción de éxitos . no recuperados. aprobados desaprobados.

1) a medida que n va aumentando. n Z c se aproxima a la distribución N(0. Hipótesis: a) Prueba bilateral: Ho : π = π 0. b) Prueba unilateral derecha: Ho : π ≤ π 0 H1: π > π 0. 2. Regla de decisión: a) Contraste Bilateral: Se rechaza Ho si Z c < − Zα / 2 o Z c > Zα / 2 b) Contraste unilateral derecha: Se rechaza Ho si Z c > Z 1−α / 2 c) Contraste unilateral izquierda: Se rechaza Ho si Z < − Zα / 2 Ejemplo: 18 .1. H1: π ≠ π 0. X P= : Proporción de éxitos en los n ensayos.Estadística de Prueba: Zc = donde : nπ o ( 1 − π 0 ) X − nπ 0 = π o (1 − π 0 ) n P − π0 X : Número de éxitos en los n ensayos. 3. c) Prueba unilateral izquierda: Ho : π ≥ π 0 H1: π < π 0.

Regla de Decisión y conclusiones Como Z c = 0. Determine si la aseveración del psicólogo es cierta. Hipótesis: Ho : π ≤ 0.1.30 (La proporción de individuos que alivió la técnica es superior al 30%) 2. la proporción observada de pacientes aliviados es P = 11/35 = 0. la técnica aludida alivió a 11 personas.05 . Ejercicios Propuestos 19 .31.077 35 3. la técnica no tiene una efectividad superior al 30%.01 0. y sostiene que la técnica tiene una efectividad superior al 30%. En un periodo de 8 horas. Estadístico de contraste: X = 11.31 − 0.30 0. 1.006 0. Zc = P −π0 π 0 (1 − π 0 ) = n 0. Utilice un nivel de significancia de α = 0.01 = = = 0. Solución: Tenemos una variable dicotómica (pacientes aliviados.13 0.65 . 95 = 1.70 ) 0.31. Un investigador clínico elaboró una técnica para aliviar una alergia. X : Número de pacientes aliviados.13 < Z 0 . entonces no rechazamos Ho. por tanto.30( 0. luego X = 11 y. Sea π : proporción poblacional de pacientes aliviados. pacientes no aliviados) y una muestra de n = 25 observaciones). P = 11/25 = 0. en una muestra de 35 individuos que tenían la alergia. Vamos a efectuar un contraste sobre π para determinar si la verdadera proporción de pacientes aliviados con la aplicación de la técnica es superior al 30%. y concluimos que la técnica no tiene una efectividad superior al 30% Luego.30 H1: π > 0. no es cierto lo que sostiene el investigador.

En una muestra aleatoria de 40 sujetos con problemas de enuresis se ha aplicado un tratamiento cognitivo-conductal y se han obtenido resultados positivos en 28 casos. Sea π : proporción poblacional de pacientes curados. Zc = P − π0 π 0 (1 − π 0 ) = n 0.05 Solución: Se tiene una variable dicotómica (tratamiento cognitivo-conductal positivo. Estadístico de contraste: X = 28. Regla de Decisión y conclusiones Como Z c = −4.22 < Z 0 .90 = 0. ¿Es compatible este resultado con la hipótesis de que mas del 90% de los sujetos enuréticos podrá tener curación con este tratamiento? Utilice α = 0. la proporción observada de pacientes aliviados es P = 28/40 = 0.20 = −4. Contraste este punto de vista respecto a la hipótesis que establece que dicho porcentaje es menor que el 90% Para llevar a cabo esta investigación 20 . y concluimos que la curación de las personas enuréticas mediante el tratamiento no es superior al 90% Luego. 3. no es cierto lo que sostiene el investigador. por tanto.7.65 .10 ) 40 3.90 (La proporción de individuos Curados por el tratamiento cognitivo-conductual es superior al 90%) 4. 2. P = 28/40 = 0.90 H1: π > 0.90( 0. entonces no rechazamos Ho. Hipótesis: Ho : π ≤ 0.95 =1. Un candidato al congreso “asegura” que el 90% de las mujeres de su distrito electoral están bajo control natal sin su consentimiento.70 − 0. luego X = 28 y.22 0. tratamiento cognitivoconductal negativo) y una muestra de n = 40 observaciones). Vamos a efectuar un contraste sobre π para determinar si la verdadera proporción de pacientes curados por el tratamiento cognitivo-conductual es superior al 30%.90( 0.1. X : Número de pacientes curados.7.10 ) 40 − 0.

90 c. Vamos a efectuar un contraste sobre π para determinar si la verdadera proporción de pacientes aliviados con la aplicación de la técnica es superior al 30%.se escoge una muestra al azar formada por 1600 mujeres adultas. por tanto. Solución: Tenemos una variable dicotómica (mujeres con control sin consentimiento. quienes participaron en un programa de salud.6 . Estadístico de contraste: t (1−α / 2. a.875. de las cuales 1400 reportan que el control natal es con su consentimiento. En una muestra de 1500 residentes de un barrio interior de la ciudad.n−1) = t ( 0. Hipótesis: Ho : π = 0. ¿Proporcionan estos datos evidencia suficiente que indique que la proporción de 21 . y concluimos 3 1 5 que las mujeres que están teniendo un control natal sin el conocimiento del alcalde representan menos del 90%. luego X = 1400 y. Regla de Decisión y conclusiones Como Z c =3.14 ) = d. 125 pruebas proporcionaron resultados positivos en cuanto a la anemia de células falciformes.3 >Z 0 .90 H1: π < 0. entonces rechazamos Ho. 3. 95 = . Sea π : proporción poblacional de mujeres bajo control con consentimiento. mujeres con control con conocimiento) y una muestra de n = 1600 observaciones). X : Número de pacientes aliviados. Datos: n=1600 p=1400/1600=0. la proporción observada de pacientes aliviados es P = 1400/1600 = 0.975 .875 b.

Sea π : proporción poblacional de residentes positivos a la anemia falciforme. Regla de Decisión y conclusiones Z c =18 . la proporción observada de pacientes aliviados es P = 125/1500 = 0.06 H1: π > 0. es cierto lo que sostiene la hipótesis. Vamos a efectuar un contraste sobre π para determinar si la verdadera proporción de residentes con resultados positivos a la anemia falciforme es mayor al 6%. Zc = P − π0 π 0 (1 − π 0 ) = n 0. la proporción de residentes con resultados positivos a la anemia falciforme es mayor al 6%.083 − 0.18 0. entonces rechazamos Ho. y concluimos que la Como proporción de residentes con resultados positivos a la anemia falciforme es mayor al 6%. P = 125/1500 = 0.05 .06( 0. residentes negativos a anemia falciforme) y una muestra de n = 1500 observaciones). luego X = 125 y. Solución: Se tiene una variable dicotómica (residentes positivos a anemia falciforme. 5.65 .083. X: Número de residentes positivos a la anemia falciforme.18 > Z 0.06( 0.06? Considere α = 0.083. Luego.04 ) 1500 3. Hipótesis: Ho : π ≤ 0.06 (La proporción de residentes con resultados positivos a la anemia falciforme es mayor al 6%) 6. Antes el inicio de un programa de inmunización contra la rubeola en una ciudad metropolitana. Estadístico de contraste: X = 125. una encuesta reveló que 150 integrantes de una muestra de 500 niños de primaria habían sido inmunizados contra esta enfermedad ¿Son estos datos compatibles con el 22 .023 = 18.04 ) 1500 0.06 = 0.95 =1. 4. por tanto.individuos con dicha enfermedad en la población muestreada es mayor que 0.

30 H1: π > 0.70 ) 0. entonces no rechazamos Ho. Hipótesis: Ho : π ≤ 0. Zc = P −π0 π 0 (1 − π 0 ) = n 0.31 − 0. la técnica no tiene una efectividad superior al 30%.30( 0.31.13 < Z 0 . no es cierto lo que sostiene el investigador.30 (La proporción de individuos que alivió la técnica es superior al 30%) c. Regla de Decisión y conclusiones Como Z c = 0. Estadístico de contraste: X = 11.01 = = = 0. Datos: b.006 0. Solo esto y ya! 23 . 95 = 1. y concluimos que la técnica no tiene una efectividad superior al 30% Luego.65 . a.punto de vista de que el 50% de los niños de primaria de dicha ciudad habían sido inmunizados contra la rubeola? Considere α = 0.077 35 d.01 0.30 0. P = 11/25 = 0.13 0.05 .

Sign up to vote on this title
UsefulNot useful