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

en lugar de preguntarse la posibilidad de concluir que µ ≠ 3 .24 = = = = 1.01 años 2 3. Ejemplo 3: 3 .24 − 3 0.05 30 1.26 Región de No rechazo En el ejemplo. como Zc = 1.645 . µ < 3 ? Solución 1.26 σ n 1.645 0 1.48 0.Estadística de Prueba x − µ0 3.05 ) Para un nivel de significancia de 0.Supuestos: La muestra de las edades siguen una distribución aproximadamente normal y con varianza conocida de σ 2 = 1.95 -1.05 (región de rechazo) 0.26 cae en la región de No rechazo. No rechazamos Ho y Concluimos que la edad media de la población no es menor a 3 años. encontrado en las Tablas de la Distribución Normal. α = 0.05 = -1.24 0.19 Zc = 4. Hipótesis: (Hipótesis Unilateral) H0 : µ ≥ 3 H 1 : µ < 3 (LA EDAD MEDIA DE LA POBLACIÓN ES INFERIOR A 3 AÑOS) 2. suponga que los investigadores se hubieran preguntado: ¿Es posible concluir que la edad media de la población es inferior a 3 años.Ejemplo 2: En base al ejercicio 1.05 el valor de Z 0. Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0.05 5.

95 = 1.05 (Región de rechazo) 0. α = 0.95 0 1. µ > 3 ? Solución 1. Para un nivel de significancia de 0. en lugar de preguntarse la posibilidad de concluir que µ ≠ 3 .05 5.05 el valor de Z 0. PRUEBA DE HIPÓTESIS PARA LA MEDIA DE UNA SOLA POBLACIÓN Muestra pequeña (Varianza Desconocida) 4 . suponga que los investigadores se hubieran preguntado: ¿Es posible concluir que la edad media de la población es superior a 3 años.Estadística de Prueba x − µ0 3.24 0. como Zc = 1.Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0.05 30 1.645 Región de No rechazo En el ejemplo.645.19 Zc = 3. encontrado en las Tablas de la Distribución Normal.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.En base al ejercicio 1.05 ).48 0.26 σ n 1.24 = = = = 1.24 − 3 0. No rechazamos Ho y Concluimos que la edad media de la población no es mayor a 3 años.26 1.

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 . desarrollada por ellos. 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. Los autores afirman que su técnica simplifica el procedimiento y permite la recolección de volúmenes convenientes de linfa para estudios metabólicos y cinéticos. Solución 1. Los individuos estudiados fueron 14 adultos varones sanos representativos de un rango amplio de pesos corporales. Supuestos: Los 14 individuos constituyen una muestra aleatoria de una población de individuos con las mismas características. Suponemos también que la población tiene una varianza desconocida.En general se desconoce la varianza de la población en situaciones reales. 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. para la canulación linfática periférica en seres humanos. Se supone que la muestra de valores proviene de una población cuyos IMC siguen una distribución aproximadamente normal. Una de las variables de medición fue el índice de masa corporal (IMC) = peso (kg)/estatura 2 ( m 2 ). Ejemplo 4 : Los investigadores Castillo y Lillioja describieron una técnica. Los resultados se muestran en el Cuadro Nº 1. 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. Cuadro Nº 1: índice de masa corporal (IMC).

3.64 3. no rechazamos Ho y concluimos que no rechazamos H0.n−1) = t ( 0.05 el valor del t tabulado o teórico es t (1−α / 2.5 = = = −1.13 ) = 2. y concluimos que la media del IMC para la población de la que se extrajo la muestra no es diferente a 35.58 0 -2.n −1) = t ( 0.58 cae en la región de no rechazo . α / 2 = 0. Estadística de Prueba tc = x − µ0 s/ n = 30. encontrado en la tabla de la Distribución t Student.1604 α / 2 = 0. Ingresemos los datos 2.58 10.975.64 14 10.74 2. Supuestos Se supone que la muestra de valores proviene de una población cuyos IMC siguen una distribución aproximadamente normal con varianza desconocida. Regla de decisión Con un nivel de significancia del 0.025 (región de rechazo) 0. Utilizando el SPSS 1.025.5 − 35 − 4.1604 Región de No rechazo Como tc = -1.95 t ( α .5 − 4.2.1604 .025 (Región de rechazo) -1. Procedimiento 6 .13) = − 2.85 4.

Resultados 7 .3.

(2-tailed) .n −1) = −t ( 0.64 14 10. el valor del t tabulado o teórico es t (1−α .05 ).05 0. Solución 1.5 = = = −1.58 0 t Región de No rechazo Región de rechazo 8 . α = 0.85 4.58 10.05 entonces no rechazamos H0. y concluimos que la media del IMC no es diferente a 35. Supuestos Se supone que la muestra de valores proviene de una población cuyos IMC siguen una distribución aproximadamente normal con varianza desconocida.Estadística de Prueba tc = x − µ0 s/ n = 30.583 df 13 Sig. encontrado en la tabla de la Distribución t Student.138 Mean Difference -4.50 consideremos un nivel de significancia del 5% p = Sig.13) = −1. n −1) = −t ( 0.5 − 4.138 Luego p = 0.5 − 35 − 4.95 t ( α .7709 -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 menor que 35) 2.74 2.64 1. Ejemplo 5: Supongamos que en el ejemplo anterior.Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0. 0.95.138 > 0. 3.64 IMC t -1.95.O ne-Sample Test Test Value = 35 95% Confidence Interval of the Difference Lower Upper -10.13 ) = −1.64 3. 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 .

7709 t Región de rechazo Región de No rechazo Como tc = -1. 3. Ejercicios propuestos: 9 .74 2.05 ).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). y concluimos que la media del IMC para la población de la que se extrajo la muestra no es mayor a 35.58 cae en la región de no rechazo .5 = = = = − 1. 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. no rechazamos Ho y concluimos que no rechazamos H0.13 ) = 1.58 0 t( α . Ejemplo 6: Supongamos que en el ejemplo anterior.64 14 10. Supuestos Se supone que la muestra de valores proviene de una población cuyos IMC siguen una distribución aproximadamente normal con varianza desconocida. el valor del t tabulado o teórico es t (1−α .95 -1.Estadística de Prueba tc = 4. α = 0. Solución 1.n −1) = t ( 0.5 − 4.05 0. no rechazamos Ho y concluimos que no rechazamos H0.58 s / n 10.64 3. n −1) = t( 0.5 − 35 − 4.Como tc = -1.13) = 1.58 cae en la región de no rechazo . 2.7709 . Regla de decisión x − µ 0 30.95.95. y concluimos que la media del IMC para la población de la que se extrajo la muestra no es menor a 35.85 Consideremos un nivel de significancia del 5% ( α = 0. encontrado en la tabla de la Distribución t Student.

Una muestra de 3918 no fumadores autodeclarados presentó un nivel medio de carboxihemoglobina de 0. α = 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. Regla de decisión Consideremos un nivel de significancia del 1% ( α = 0.325 . 10 .96 3918 0. rechazamos Ho y Concluimos que el nivel medio de carboxihemoglobina en pacientes no fumadores es menor que 1. .1 = = = −6.96 .01 = -2.01 ).52 cae en la región de rechazo.99 -6. 1.96 3918 4.01 (Región de rechazo) 0.325 0 Región de No rechazo Como Zc = -6. Para un nivel de significancia de 0. Se pretende saber si es posible concluir que la media de la población es menor que 1. tiene como propósito averiguar los factores asociados con las discrepancias entre los niveles de carboxihemoglobina y el estado de tabaquismo autodeclarado.52 s n 0.1.01 el valor de Z 0. Estadística de Prueba (muestra grande) Zc = x − µ0 0.52 -2. 3.Hipótesis: (Hipótesis Unilateral) H0 : µ = 1 H1 : µ < 1 2. Considere un nivel de significancia del 0.9 − 1 − 0. Uno de los estudios de los investigadores Klesges et al.01.9 con una desviación estándar de 0. encontrado en las Tablas de la Distribución Normal.

95.05 0. 28.95 0 t ( α . Barrett de Lakeland.n−1) = t ( 0.8946 3. Las edades de las madres eran de 25.05 ) El valor del t tabulado o teórico es t (1−α . encontrado en la tabla de la Distribución t Student.05.7 ) = 1.2.n−1) = t ( 0. Datos: n=8 X = 25 S =4 Hipótesis: H 0 : µ = 20 µ > 20 H1 : b. Solución a. 22.7 ) = 1. Supuestos: Se supone que la muestra de valores proviene de una población cuyas edades siguen una distribución aproximadamente normal con varianza desconocida. α = 0. 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 . 25 y 30 años. reportó los datos correspondientes a 8 casos de prolapso del cordón umbilical. 26.95. 27. Estadística de Prueba tc = x − µ 0 25 − 20 5 = = = 3. El doctor Jeffrey M. 17.54 t Región de no rechazo Región de rechazo 11 .8946 .54 s/ n 4 8 4 8 Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0. Considere un nivel de significancia del 0.

0 16. 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.Estadística de Prueba tc = 4.7247 .n−1) = t ( 0.95.95. 14.0 17. Datos: n = 21 X = 15.9 19.62 = = = 2.8 16. α = 0.05 .62 − 14 1.4 24.1 12.9 14.6 ¿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 = 0.4 17. 3. rechazamos Ho.0 18. Regla de decisión x − µ 0 15. 20 ) = 1.7247 2. encontrado en la tabla de la Distribución t Student. Hipótesis: H 0 : µ = 14 H 1 : µ > 14 e.1 12.38 21 3.n −1) = t ( 0.95 0 t ( α .20 t Región de rechazo Región de No rechazo 12 .2 14.Como tc = 3.2 12.9 17.5 20.5 12.62 S = 3. Los siguientes datos se refieren a los niveles de presión intraocular (en mm Hg) registrados en una muestra de 21 individuos de edad avanzada.05 ) El valor del t tabulado o teórico es t (1−α . y concluimos que la media de las edades de las madres con casos de prolapso del cordón umbilical es mayor a 20 años.5 14. 3.38 21 Consideremos un nivel de significancia del 5% ( α = 0.38 d.0 16.05 0. c.0 10.20 s / n 3.9 12.2 14.54 cae en la región de rechazo.13) = 1.

? ¿Qué supuestos se debe cumplir? Solución a.28 15 Con un nivel de significancia del 0. no rechazamos Ho.1448 encontrado en la tabla de la Distribución t Student.1 14.28 15 1.025.0 14.2 14.2 16.025 (Región de rechazo) 2.1448 α / 2 = 0.05 el valor del t tabulado o teórico es 2.7 13.95 t ( α . α / 2 = 0.2 11.5 13. de que la media de la población no es igual a 12ml.0 12.43 − 12 1.311 .28 b. Estadística de Prueba tc = Regla de decisión t (1−α / 2. 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.20 cae en la región de no rechazo. Datos: n = 15 X = 13.14 ) = x − µ 0 13.43 S = 1.9 ¿Proporcionan estos datos suficiente evidencia.975.025 (región de rechazo) 0.13) = − 2. 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 14.1 13.05.2 11.1448 13 4. 4. Los siguientes datos son los consumos de oxígeno (en ml) durante la incubación de una muestra aleatoria de 15 suspensiones celulares 14.33 s / n 1.8 14.0 14.1 12.4 12.43 = = = 4.n−1) = t ( 0.Como tc = 2. a un nivel de significancia de 0. n −1) = t ( 0.

005 (región de rechazo) 0. 5.¿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 0.6 − 11 100.6 S = 56.01 el valor del t tabulado o teórico es 2.30 20 56.Región de No rechazo Como tc = 4.19 ) = x − µ0 111. 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.30 d.99 s / n 56.995. rechazamos Ho.6 = = = 7. y concluimos que la media de consumo de oxigeno por suspensiones celulares es igual a 12ml. Datos: n = 20 X = 111. Una muestra aleatoria de 20 alumnos universitarios aparentemente sanos proporcionó los siguientes valores de capacidad respiratoria máxima.33 cae en la región de rechazo.01 ¿Qué supuestos se debe cumplir? c.30 20 Con un nivel de significancia del 0.n−1) = t ( 0. Estadística de Prueba (muestra pequeña) tc = Regla de decisión t (1−α / 2.005 (Región de rechazo) 14 .8609 encontrado en la tabla de la Distribución t Student. α / 2 = 0.95 α / 2 = 0.

99 cae en la región de rechazo. rechazamos Ho.025.11) = 1.7959. Estadística de Prueba tc = x − µ 0 157.40 b.8609 7.8609 2.4 12 7.58 S = 24.42 − 7.417 = = = = − 1. y concluimos que la media máxima de respiración no es 11 litros por minuto.05 ).05 s/ n 24.n−1) = t ( 0.t ( α . 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. 6. el valor del t tabulado o teórico es t (1−α .58 − 165 − 7.99 Región de No rechazo Como tc = 7. Datos n = 12 X = 157. 15 .044 Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0. encontrado en la tabla de la Distribución t Student.13) = − 2. 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 0.05 ¿Qué supuestos se deben cumplir? Solución a.4 12 24.95.n−1) = t ( 0.

05 α = 0.05 0.95 -1.13 ) = 1.α = 0. PRUEBA DE HIPOTESIS SOBRE UNA PROPORCIÓN 16 .05 t ( α . rechazamos H0.05 cae en la región de rechazo. 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.95 .7959 t Región de No rechazo Región de rechazo Como tc = -1. n −1) = t ( 0.

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

2.1. 3.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. 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 . b) Prueba unilateral derecha: Ho : π ≤ π 0 H1: π > π 0. c) Prueba unilateral izquierda: Ho : π ≥ π 0 H1: π < π 0. H1: π ≠ π 0. Hipótesis: a) Prueba bilateral: Ho : π = π 0. n Z c se aproxima a la distribución N(0. X P= : Proporción de éxitos en los n ensayos.1) a medida que n va aumentando.

la técnica no tiene una efectividad superior al 30%.31. Sea π : proporción poblacional de pacientes aliviados. 95 = 1. la proporción observada de pacientes aliviados es P = 11/35 = 0. Un investigador clínico elaboró una técnica para aliviar una alergia.70 ) 0.13 < Z 0 . Ejercicios Propuestos 19 . en una muestra de 35 individuos que tenían la alergia. Estadístico de contraste: X = 11. entonces no rechazamos Ho. P = 11/25 = 0.30 0. 1. luego X = 11 y.006 0.30 H1: π > 0.31 − 0.30 (La proporción de individuos que alivió la técnica es superior al 30%) 2. 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%.31. En un periodo de 8 horas.01 = = = 0.01 0. Determine si la aseveración del psicólogo es cierta. por tanto.65 . y sostiene que la técnica tiene una efectividad superior al 30%. no es cierto lo que sostiene el investigador. Utilice un nivel de significancia de α = 0.1. Solución: Tenemos una variable dicotómica (pacientes aliviados.13 0. y concluimos que la técnica no tiene una efectividad superior al 30% Luego.05 . X : Número de pacientes aliviados. Hipótesis: Ho : π ≤ 0. Zc = P −π0 π 0 (1 − π 0 ) = n 0. la técnica aludida alivió a 11 personas.30( 0.077 35 3. Regla de Decisión y conclusiones Como Z c = 0. pacientes no aliviados) y una muestra de n = 25 observaciones).

3. 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%.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 . Hipótesis: Ho : π ≤ 0. luego X = 28 y.90( 0.90( 0.95 =1.70 − 0. no es cierto lo que sostiene el investigador. tratamiento cognitivoconductal negativo) y una muestra de n = 40 observaciones). 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. 2. entonces no rechazamos Ho.22 0. Estadístico de contraste: X = 28.10 ) 40 − 0. Zc = P − π0 π 0 (1 − π 0 ) = n 0.90 = 0. Un candidato al congreso “asegura” que el 90% de las mujeres de su distrito electoral están bajo control natal sin su consentimiento. Regla de Decisión y conclusiones Como Z c = −4.05 Solución: Se tiene una variable dicotómica (tratamiento cognitivo-conductal positivo.22 < Z 0 .90 (La proporción de individuos Curados por el tratamiento cognitivo-conductual es superior al 90%) 4. por tanto.90 H1: π > 0.65 . X : Número de pacientes curados. Sea π : proporción poblacional de pacientes curados.1.7. P = 28/40 = 0. y concluimos que la curación de las personas enuréticas mediante el tratamiento no es superior al 90% Luego. ¿Es compatible este resultado con la hipótesis de que mas del 90% de los sujetos enuréticos podrá tener curación con este tratamiento? Utilice α = 0.7. la proporción observada de pacientes aliviados es P = 28/40 = 0.10 ) 40 3.

n−1) = t ( 0. entonces rechazamos Ho. ¿Proporcionan estos datos evidencia suficiente que indique que la proporción de 21 .3 >Z 0 .se escoge una muestra al azar formada por 1600 mujeres adultas. de las cuales 1400 reportan que el control natal es con su consentimiento. 95 = . Regla de Decisión y conclusiones Como Z c =3. mujeres con control con conocimiento) y una muestra de n = 1600 observaciones). quienes participaron en un programa de salud.975 .14 ) = d.875.6 . Hipótesis: Ho : π = 0. y concluimos 3 1 5 que las mujeres que están teniendo un control natal sin el conocimiento del alcalde representan menos del 90%. por tanto. Sea π : proporción poblacional de mujeres bajo control con consentimiento. Datos: n=1600 p=1400/1600=0. luego X = 1400 y. Solución: Tenemos una variable dicotómica (mujeres con control sin consentimiento. 125 pruebas proporcionaron resultados positivos en cuanto a la anemia de células falciformes.90 H1: π < 0. 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%. a. Estadístico de contraste: t (1−α / 2.90 c.875 b. X : Número de pacientes aliviados. En una muestra de 1500 residentes de un barrio interior de la ciudad. la proporción observada de pacientes aliviados es P = 1400/1600 = 0. 3.

06? Considere α = 0.06 H1: π > 0. y concluimos que la Como proporción de residentes con resultados positivos a la anemia falciforme es mayor al 6%. por tanto.06( 0. Luego.06 = 0.083. 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%.083 − 0. Estadístico de contraste: X = 125. entonces rechazamos Ho. 4.06 (La proporción de residentes con resultados positivos a la anemia falciforme es mayor al 6%) 6. Sea π : proporción poblacional de residentes positivos a la anemia falciforme. es cierto lo que sostiene la hipótesis.06( 0.18 0. residentes negativos a anemia falciforme) y una muestra de n = 1500 observaciones). luego X = 125 y. Regla de Decisión y conclusiones Z c =18 . la proporción observada de pacientes aliviados es P = 125/1500 = 0.023 = 18.65 . 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 .18 > Z 0. la proporción de residentes con resultados positivos a la anemia falciforme es mayor al 6%. Antes el inicio de un programa de inmunización contra la rubeola en una ciudad metropolitana.individuos con dicha enfermedad en la población muestreada es mayor que 0.083. 5. Zc = P − π0 π 0 (1 − π 0 ) = n 0.04 ) 1500 0. Hipótesis: Ho : π ≤ 0. X: Número de residentes positivos a la anemia falciforme.04 ) 1500 3.05 . P = 125/1500 = 0.95 =1. Solución: Se tiene una variable dicotómica (residentes positivos a anemia falciforme.

P = 11/25 = 0.31.65 . Hipótesis: Ho : π ≤ 0. entonces no rechazamos Ho. Datos: b. 95 = 1.13 0.31 − 0.006 0.punto de vista de que el 50% de los niños de primaria de dicha ciudad habían sido inmunizados contra la rubeola? Considere α = 0.30 H1: π > 0. Solo esto y ya! 23 . a. Regla de Decisión y conclusiones Como Z c = 0.01 = = = 0. Zc = P −π0 π 0 (1 − π 0 ) = n 0.13 < Z 0 . la técnica no tiene una efectividad superior al 30%. no es cierto lo que sostiene el investigador. Estadístico de contraste: X = 11.30 0.077 35 d.30( 0.01 0.70 ) 0.30 (La proporción de individuos que alivió la técnica es superior al 30%) c.05 . y concluimos que la técnica no tiene una efectividad superior al 30% Luego.