P. 1
Clase Prueba Hipotesis Para La Media y Proporcion Poblacional(1) (1)

Clase Prueba Hipotesis Para La Media y Proporcion Poblacional(1) (1)

|Views: 2.716|Likes:
Publicado porNataly Leon Rojas

More info:

Published by: Nataly Leon Rojas on May 29, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

12/18/2015

pdf

text

original

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

95 -1.645 0 1.05 5. Ejemplo 3: 3 . No rechazamos Ho y Concluimos que la edad media de la población no es menor a 3 años.26 cae en la región de No rechazo. µ < 3 ? Solución 1.24 0.24 = = = = 1.01 años 2 3.48 0.24 − 3 0. 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 1.26 σ n 1.26 Región de No rechazo En el ejemplo.05 = -1.Estadística de Prueba x − µ0 3. encontrado en las Tablas de la Distribución Normal. Hipótesis: (Hipótesis Unilateral) H0 : µ ≥ 3 H 1 : µ < 3 (LA EDAD MEDIA DE LA POBLACIÓN ES INFERIOR A 3 AÑOS) 2. α = 0. como Zc = 1.05 (región de rechazo) 0.645 .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 = 0.05 30 1.19 Zc = 4. en lugar de preguntarse la posibilidad de concluir que µ ≠ 3 .05 ) Para un nivel de significancia de 0.05 el valor de Z 0.

24 0.Hipótesis: (Hipótesis Unilateral) H0 : µ ≤ 3 H 1 : µ > 3 ( LA EDAD MEDIA DE LA POBLACIÓN ES SUPERIOR A 3 AÑOS) 2.645. encontrado en las Tablas de la Distribución Normal.26 cae en la región de No rechazo.24 − 3 0.05 (Región de rechazo) 0.24 = = = = 1. en lugar de preguntarse la posibilidad de concluir que µ ≠ 3 .95 = 1. suponga que los investigadores se hubieran preguntado: ¿Es posible concluir que la edad media de la población es superior a 3 años.26 σ n 1.645 Región de No rechazo En el ejemplo. µ > 3 ? Solución 1.05 el valor de Z 0. No rechazamos Ho y Concluimos que la edad media de la población no es mayor a 3 años.05 ). PRUEBA DE HIPÓTESIS PARA LA MEDIA DE UNA SOLA POBLACIÓN Muestra pequeña (Varianza Desconocida) 4 .05 30 1.19 Zc = 3.26 1. α = 0.En base al ejercicio 1.05 5.48 0.Estadística de Prueba x − µ0 3.95 0 1.Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0. como Zc = 1. Para un nivel de significancia de 0.

Suponemos también que la población tiene una varianza desconocida. 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.En general se desconoce la varianza de la población en situaciones reales. Supuestos: Los 14 individuos constituyen una muestra aleatoria de una población de individuos con las mismas características. Se supone que la muestra de valores proviene de una población cuyos IMC siguen una distribución aproximadamente normal. 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 pretende saber si es posible concluir que la media del IMC para la población de la que se extrajo la muestra no es 35. desarrollada por ellos. Una de las variables de medición fue el índice de masa corporal (IMC) = peso (kg)/estatura 2 ( m 2 ). Solución 1. Los individuos estudiados fueron 14 adultos varones sanos representativos de un rango amplio de pesos corporales. Los resultados se muestran en el Cuadro Nº 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 . Los autores afirman que su técnica simplifica el procedimiento y permite la recolección de volúmenes convenientes de linfa para estudios metabólicos y cinéticos. Ejemplo 4 : Los investigadores Castillo y Lillioja describieron una técnica. Cuadro Nº 1: índice de masa corporal (IMC).

58 0 -2.05 el valor del t tabulado o teórico es t (1−α / 2.025. Utilizando el SPSS 1.74 2.85 4.1604 .5 = = = −1.1604 α / 2 = 0.1604 Región de No rechazo Como tc = -1.13) = − 2.975.n −1) = t ( 0.13 ) = 2. encontrado en la tabla de la Distribución t Student. y concluimos que la media del IMC para la población de la que se extrajo la muestra no es diferente a 35.5 − 4. no rechazamos Ho y concluimos que no rechazamos H0. Estadística de Prueba tc = x − µ0 s/ n = 30.95 t ( α . Procedimiento 6 .64 14 10. α / 2 = 0.025 (Región de rechazo) -1.64 3.025 (región de rechazo) 0.58 10.5 − 35 − 4. 3. Regla de decisión Con un nivel de significancia del 0.n−1) = t ( 0.58 cae en la región de no rechazo . Supuestos Se supone que la muestra de valores proviene de una población cuyos IMC siguen una distribución aproximadamente normal con varianza desconocida.2. Ingresemos los datos 2.

Resultados 7 .3.

58 10. 0. el valor del t tabulado o teórico es t (1−α .05 0.05 entonces no rechazamos H0.n −1) = −t ( 0.O ne-Sample Test Test Value = 35 95% Confidence Interval of the Difference Lower Upper -10.95 t ( α .138 Mean Difference -4.64 1. 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. 3.58 0 t Región de No rechazo Región de rechazo 8 .95.138 Luego p = 0.50 consideremos un nivel de significancia del 5% p = Sig.13 ) = −1.05 ).138 > 0.64 3. n −1) = −t ( 0.95.7709 .74 2.64 IMC t -1.5 − 4. Supuestos Se supone que la muestra de valores proviene de una población cuyos IMC siguen una distribución aproximadamente normal con varianza desconocida. y concluimos que la media del IMC no es diferente a 35.64 14 10.Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0. α = 0.85 4. (2-tailed) .5 − 35 − 4.583 df 13 Sig.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.Estadística de Prueba tc = x − µ0 s/ n = 30.5 = = = −1. encontrado en la tabla de la Distribución t Student. Ejemplo 5: Supongamos que en el ejemplo anterior.13) = −1. Solución 1.

Ejercicios propuestos: 9 . 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. n −1) = t( 0.64 3.05 ).58 cae en la región de no rechazo .5 = = = = − 1.58 cae en la región de no rechazo .05 0.13) = 1.Estadística de Prueba tc = 4.95.5 − 35 − 4. y concluimos que la media del IMC para la población de la que se extrajo la muestra no es menor a 35.5 − 4. no rechazamos Ho y concluimos que no rechazamos H0. y concluimos que la media del IMC para la población de la que se extrajo la muestra no es mayor a 35. no rechazamos Ho y concluimos que no rechazamos H0.64 14 10. Ejemplo 6: Supongamos que en el ejemplo anterior. Solución 1. α = 0.58 0 t( α .58 s / n 10.n −1) = t ( 0.13 ) = 1.Como tc = -1. el valor del t tabulado o teórico es t (1−α .7709 . 3. Regla de decisión x − µ 0 30.7709 t Región de rechazo Región de No rechazo Como tc = -1.95.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). 2.95 -1. Supuestos Se supone que la muestra de valores proviene de una población cuyos IMC siguen una distribución aproximadamente normal con varianza desconocida. encontrado en la tabla de la Distribución t Student.85 Consideremos un nivel de significancia del 5% ( α = 0.74 2.

52 s n 0.325 .01 (Región de rechazo) 0. encontrado en las Tablas de la Distribución Normal. rechazamos Ho y Concluimos que el nivel medio de carboxihemoglobina en pacientes no fumadores es menor que 1.96 3918 4. α = 0. Una muestra de 3918 no fumadores autodeclarados presentó un nivel medio de carboxihemoglobina de 0.9 − 1 − 0.1 = = = −6.325 0 Región de No rechazo Como Zc = -6.96 3918 0. Estadística de Prueba (muestra grande) Zc = x − µ0 0.9 con una desviación estándar de 0.1.01 ).96 .01.52 cae en la región de rechazo.52 -2. Para un nivel de significancia de 0. 10 .01 el valor de Z 0.Hipótesis: (Hipótesis Unilateral) H0 : µ = 1 H1 : µ < 1 2. Uno de los estudios de los investigadores Klesges et al. 1. tiene como propósito averiguar los factores asociados con las discrepancias entre los niveles de carboxihemoglobina y el estado de tabaquismo autodeclarado.99 -6. Se pretende saber si es posible concluir que la media de la población es menor que 1. 3.01 = -2. . Considere un nivel de significancia del 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.

25 y 30 años. 26.7 ) = 1.n−1) = t ( 0.7 ) = 1. Solución a. 27. 22. Datos: n=8 X = 25 S =4 Hipótesis: H 0 : µ = 20 µ > 20 H1 : b.54 t Región de no rechazo Región de rechazo 11 . α = 0. El doctor Jeffrey M. 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 .95 0 t ( α .n−1) = t ( 0. encontrado en la tabla de la Distribución t Student.8946 3.05 ) El valor del t tabulado o teórico es t (1−α .95.54 s/ n 4 8 4 8 Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0.05 0. 17.95. 28.2. Supuestos: Se supone que la muestra de valores proviene de una población cuyas edades siguen una distribución aproximadamente normal con varianza desconocida. Las edades de las madres eran de 25.8946 . reportó los datos correspondientes a 8 casos de prolapso del cordón umbilical. Considere un nivel de significancia del 0. Barrett de Lakeland.05.

05 0. 20 ) = 1. c. Los siguientes datos se refieren a los niveles de presión intraocular (en mm Hg) registrados en una muestra de 21 individuos de edad avanzada. Hipótesis: H 0 : µ = 14 H 1 : µ > 14 e.7247 2.95.62 S = 3.8 16.5 20. 14. 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 . 3.5 14.05 .95.0 16.Estadística de Prueba tc = 4.05 ) El valor del t tabulado o teórico es t (1−α .2 14. 3.38 d.0 17.20 s / n 3.1 12. rechazamos Ho.62 = = = 2.n −1) = t ( 0.38 21 Consideremos un nivel de significancia del 5% ( α = 0. α = 0.9 14.Como tc = 3.4 17.1 12. y concluimos que la media de las edades de las madres con casos de prolapso del cordón umbilical es mayor a 20 años.n−1) = t ( 0.9 17.0 16. encontrado en la tabla de la Distribución t Student. Regla de decisión x − µ 0 15.9 12.0 18.13) = 1.7247 .2 14. Datos: n = 21 X = 15.54 cae en la región de rechazo.38 21 3.62 − 14 1.5 12.2 12.20 t Región de rechazo Región de No rechazo 12 .9 19.0 10.4 24.6 ¿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 12.05 el valor del t tabulado o teórico es 2.1 12.0 12. Los siguientes datos son los consumos de oxígeno (en ml) durante la incubación de una muestra aleatoria de 15 suspensiones celulares 14. no rechazamos Ho.95 t ( α .7 13.14 ) = x − µ 0 13.43 = = = 4.025 (región de rechazo) 0.1448 encontrado en la tabla de la Distribución t Student.20 cae en la región de no rechazo.05.2 16.33 s / n 1.43 − 12 1.1 13.28 15 Con un nivel de significancia del 0. de que la media de la población no es igual a 12ml. 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 14.1448 α / 2 = 0.025.1 14.Como tc = 2.13) = − 2.311 .0 14.28 15 1. n −1) = t ( 0. Datos: n = 15 X = 13. α / 2 = 0.n−1) = t ( 0.0 14.2 11.? ¿Qué supuestos se debe cumplir? Solución a.975.43 S = 1. a un nivel de significancia de 0.28 b. 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.025 (Región de rechazo) 2.9 ¿Proporcionan estos datos suficiente evidencia. Estadística de Prueba tc = Regla de decisión t (1−α / 2.1448 13 4.2 11.2 14. 4.5 13.8 14.

6 − 11 100. Datos: n = 20 X = 111.33 cae en la región de rechazo. Una muestra aleatoria de 20 alumnos universitarios aparentemente sanos proporcionó los siguientes valores de capacidad respiratoria máxima.01 ¿Qué supuestos se debe cumplir? c.995.30 20 Con un nivel de significancia del 0. 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.6 S = 56. rechazamos Ho.6 = = = 7.Región de No rechazo Como tc = 4.¿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. y concluimos que la media de consumo de oxigeno por suspensiones celulares es igual a 12ml.19 ) = x − µ0 111.95 α / 2 = 0.99 s / n 56. Estadística de Prueba (muestra pequeña) tc = Regla de decisión t (1−α / 2.005 (Región de rechazo) 14 .30 20 56.005 (región de rechazo) 0. α / 2 = 0. 5.30 d.01 el valor del t tabulado o teórico es 2.8609 encontrado en la tabla de la Distribución t Student.n−1) = t ( 0.

13) = − 2. Datos n = 12 X = 157.58 − 165 − 7. Estadística de Prueba tc = x − µ 0 157.7959. y concluimos que la media máxima de respiración no es 11 litros por minuto. encontrado en la tabla de la Distribución t Student.95. rechazamos Ho. 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.4 12 7.05 ). 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 s/ n 24.05 ¿Qué supuestos se deben cumplir? Solución a.n−1) = t ( 0.417 = = = = − 1.044 Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0. 15 .t ( α .99 cae en la región de rechazo.40 b.4 12 24.99 Región de No rechazo Como tc = 7.42 − 7.8609 2.025.8609 7.11) = 1. el valor del t tabulado o teórico es t (1−α .58 S = 24. 6.n−1) = t ( 0.

05 0.05 t ( α . 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.13 ) = 1.95 .05 cae en la región de rechazo. PRUEBA DE HIPOTESIS SOBRE UNA PROPORCIÓN 16 . n −1) = t ( 0.05 α = 0.95 -1. rechazamos H0.α = 0.7959 t Región de No rechazo Región de rechazo Como tc = -1.

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

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

en una muestra de 35 individuos que tenían la alergia. Sea π : proporción poblacional de pacientes aliviados. y sostiene que la técnica tiene una efectividad superior al 30%. por tanto. Hipótesis: Ho : π ≤ 0.01 = = = 0. Zc = P −π0 π 0 (1 − π 0 ) = n 0. 95 = 1. 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%.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. y concluimos que la técnica no tiene una efectividad superior al 30% Luego.077 35 3. entonces no rechazamos Ho.65 . la técnica no tiene una efectividad superior al 30%. la técnica aludida alivió a 11 personas. 1. Regla de Decisión y conclusiones Como Z c = 0.1.006 0. no es cierto lo que sostiene el investigador. Solución: Tenemos una variable dicotómica (pacientes aliviados.05 .30 0. Un investigador clínico elaboró una técnica para aliviar una alergia.01 0.13 < Z 0 . Ejercicios Propuestos 19 . Utilice un nivel de significancia de α = 0.30( 0. P = 11/25 = 0.30 H1: π > 0. pacientes no aliviados) y una muestra de n = 25 observaciones). En un periodo de 8 horas.70 ) 0. Determine si la aseveración del psicólogo es cierta. luego X = 11 y.13 0.31.31 − 0. X : Número de pacientes aliviados. Estadístico de contraste: X = 11.31.

1. Regla de Decisión y conclusiones Como Z c = −4.90 H1: π > 0. la proporción observada de pacientes aliviados es P = 28/40 = 0.22 0. 2. 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%.22 < Z 0 .20 = −4. Hipótesis: Ho : π ≤ 0.7.90 = 0. P = 28/40 = 0. luego X = 28 y.90( 0. no es cierto lo que sostiene el investigador. entonces no rechazamos Ho.10 ) 40 3.90( 0. por tanto. Estadístico de contraste: X = 28. 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. ¿Es compatible este resultado con la hipótesis de que mas del 90% de los sujetos enuréticos podrá tener curación con este tratamiento? Utilice α = 0.90 (La proporción de individuos Curados por el tratamiento cognitivo-conductual es superior al 90%) 4.95 =1. Zc = P − π0 π 0 (1 − π 0 ) = n 0. tratamiento cognitivoconductal negativo) y una muestra de n = 40 observaciones).05 Solución: Se tiene una variable dicotómica (tratamiento cognitivo-conductal positivo. Un candidato al congreso “asegura” que el 90% de las mujeres de su distrito electoral están bajo control natal sin su consentimiento. Sea π : proporción poblacional de pacientes curados.7. 3. X : Número de pacientes curados.65 . 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 .10 ) 40 − 0. y concluimos que la curación de las personas enuréticas mediante el tratamiento no es superior al 90% Luego.70 − 0.

mujeres con control con conocimiento) y una muestra de n = 1600 observaciones). y concluimos 3 1 5 que las mujeres que están teniendo un control natal sin el conocimiento del alcalde representan menos del 90%. Estadístico de contraste: t (1−α / 2. Datos: n=1600 p=1400/1600=0. Regla de Decisión y conclusiones Como Z c =3. quienes participaron en un programa de salud.se escoge una muestra al azar formada por 1600 mujeres adultas. entonces rechazamos Ho. ¿Proporcionan estos datos evidencia suficiente que indique que la proporción de 21 . a.875 b. por tanto.975 . Solución: Tenemos una variable dicotómica (mujeres con control sin consentimiento. X : Número de pacientes aliviados.875.14 ) = d. 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.90 c.n−1) = t ( 0. 125 pruebas proporcionaron resultados positivos en cuanto a la anemia de células falciformes. luego X = 1400 y.3 >Z 0 . la proporción observada de pacientes aliviados es P = 1400/1600 = 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%.90 H1: π < 0. Hipótesis: Ho : π = 0.6 . Sea π : proporción poblacional de mujeres bajo control con consentimiento. 3. 95 = .

Antes el inicio de un programa de inmunización contra la rubeola en una ciudad metropolitana. Hipótesis: Ho : π ≤ 0. 5. Regla de Decisión y conclusiones Z c =18 .06? Considere α = 0.individuos con dicha enfermedad en la población muestreada es mayor que 0. Zc = P − π0 π 0 (1 − π 0 ) = n 0. por tanto. Estadístico de contraste: X = 125. Sea π : proporción poblacional de residentes positivos a la anemia falciforme.04 ) 1500 0.083.06( 0. Solución: Se tiene una variable dicotómica (residentes positivos a anemia falciforme. la proporción observada de pacientes aliviados es P = 125/1500 = 0.18 > Z 0.06 (La proporción de residentes con resultados positivos a la anemia falciforme es mayor al 6%) 6.65 . residentes negativos a anemia falciforme) y una muestra de n = 1500 observaciones).083 − 0.06 = 0. luego X = 125 y. 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 . 4. 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%. es cierto lo que sostiene la hipótesis.06( 0.06 H1: π > 0. la proporción de residentes con resultados positivos a la anemia falciforme es mayor al 6%.95 =1. X: Número de residentes positivos a la anemia falciforme.023 = 18. y concluimos que la Como proporción de residentes con resultados positivos a la anemia falciforme es mayor al 6%.05 . P = 125/1500 = 0. entonces rechazamos Ho.083.18 0.04 ) 1500 3. Luego.

05 .01 = = = 0.13 < Z 0 . 95 = 1. Estadístico de contraste: X = 11.31. y concluimos que la técnica no tiene una efectividad superior al 30% Luego. P = 11/25 = 0.006 0.13 0. entonces no rechazamos Ho.077 35 d. Solo esto y ya! 23 . no es cierto lo que sostiene el investigador. Regla de Decisión y conclusiones Como Z c = 0.30 H1: π > 0.65 .30( 0. a.31 − 0.70 ) 0. Datos: b.30 (La proporción de individuos que alivió la técnica es superior al 30%) c. la técnica no tiene una efectividad superior al 30%. Hipótesis: Ho : π ≤ 0.01 0. Zc = P −π0 π 0 (1 − π 0 ) = n 0.30 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.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->