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

645 0 1.26 σ n 1.24 = = = = 1.Supuestos: La muestra de las edades siguen una distribución aproximadamente normal y con varianza conocida de σ 2 = 1.05 5. No rechazamos Ho y Concluimos que la edad media de la población no es menor a 3 años. Hipótesis: (Hipótesis Unilateral) H0 : µ ≥ 3 H 1 : µ < 3 (LA EDAD MEDIA DE LA POBLACIÓN ES INFERIOR A 3 AÑOS) 2.Estadística de Prueba x − µ0 3.95 -1.05 el valor de Z 0. encontrado en las Tablas de la Distribución Normal. µ < 3 ? Solución 1.05 30 1.645 .01 años 2 3. α = 0.05 = -1.05 ) Para un nivel de significancia de 0.48 0. Ejemplo 3: 3 . suponga que los investigadores se hubieran preguntado: ¿Es posible concluir que la edad media de la población es inferior a 3 años. Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0.Ejemplo 2: En base al ejercicio 1. en lugar de preguntarse la posibilidad de concluir que µ ≠ 3 .19 Zc = 4.26 Región de No rechazo En el ejemplo.24 − 3 0.26 cae en la región de No rechazo.05 (región de rechazo) 0. como Zc = 1.24 0.

05 el valor de Z 0. como Zc = 1. No rechazamos Ho y Concluimos que la edad media de la población no es mayor a 3 años. α = 0. PRUEBA DE HIPÓTESIS PARA LA MEDIA DE UNA SOLA POBLACIÓN Muestra pequeña (Varianza Desconocida) 4 .26 1.95 = 1.24 0.19 Zc = 3.05 5.Estadística de Prueba x − µ0 3.26 σ n 1.645.05 ).26 cae en la región de No rechazo. suponga que los investigadores se hubieran preguntado: ¿Es posible concluir que la edad media de la población es superior a 3 años. en lugar de preguntarse la posibilidad de concluir que µ ≠ 3 .95 0 1. µ > 3 ? Solución 1. Para un nivel de significancia de 0.En base al ejercicio 1. encontrado en las Tablas de la Distribución Normal.05 (Región de rechazo) 0.Hipótesis: (Hipótesis Unilateral) H0 : µ ≤ 3 H 1 : µ > 3 ( LA EDAD MEDIA DE LA POBLACIÓN ES SUPERIOR A 3 AÑOS) 2.24 − 3 0.05 30 1.24 = = = = 1.48 0.645 Región de No rechazo En el ejemplo.Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0.

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

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. encontrado en la tabla de la Distribución t Student.58 cae en la región de no rechazo .5 − 4. Regla de decisión Con un nivel de significancia del 0.95 t ( α .1604 α / 2 = 0.n−1) = t ( 0. y concluimos que la media del IMC para la población de la que se extrajo la muestra no es diferente a 35. Procedimiento 6 .025.74 2. no rechazamos Ho y concluimos que no rechazamos H0.64 3.05 el valor del t tabulado o teórico es t (1−α / 2.5 − 35 − 4. 3.025 (Región de rechazo) -1.2.58 10.1604 Región de No rechazo Como tc = -1.975.13) = − 2. Ingresemos los datos 2.025 (región de rechazo) 0.58 0 -2.13 ) = 2.64 14 10. α / 2 = 0.1604 . Utilizando el SPSS 1.5 = = = −1.85 4.n −1) = t ( 0.

3. Resultados 7 .

05 0.13 ) = −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. (2-tailed) .Estadística de Prueba tc = x − µ0 s/ n = 30.583 df 13 Sig.95 t ( α .n −1) = −t ( 0.05 entonces no rechazamos H0. Solución 1.138 > 0.64 1.64 3.5 = = = −1. 0. el valor del t tabulado o teórico es t (1−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 -1.05 ). y concluimos que la media del IMC no es diferente a 35.50 consideremos un nivel de significancia del 5% p = Sig.5 − 4.7709 .13) = −1.58 10. α = 0. 3.Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0.138 Mean Difference -4.64 IMC t -1. Ejemplo 5: Supongamos que en el ejemplo anterior.O ne-Sample Test Test Value = 35 95% Confidence Interval of the Difference Lower Upper -10. 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 0 t Región de No rechazo Región de rechazo 8 .95. encontrado en la tabla de la Distribución t Student.85 4.5 − 35 − 4.64 14 10.95.138 Luego p = 0. n −1) = −t ( 0.

Ejercicios propuestos: 9 .7709 t Región de rechazo Región de No rechazo Como tc = -1.7709 . no rechazamos Ho y concluimos que no rechazamos H0.05 0.58 0 t( α . 3.13 ) = 1.95.n −1) = t ( 0.95 -1. y concluimos que la media del IMC para la población de la que se extrajo la muestra no es menor a 35. 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 35.95. encontrado en la tabla de la Distribución t Student.64 14 10.5 − 4.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).58 s / n 10.58 cae en la región de no rechazo . n −1) = t( 0.58 cae en la región de no rechazo .64 3. 2. el valor del t tabulado o teórico es t (1−α .5 = = = = − 1.05 ). 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 35.74 2. Supuestos Se supone que la muestra de valores proviene de una población cuyos IMC siguen una distribución aproximadamente normal con varianza desconocida.85 Consideremos un nivel de significancia del 5% ( α = 0.Estadística de Prueba tc = 4. Ejemplo 6: Supongamos que en el ejemplo anterior. α = 0.Como tc = -1. Regla de decisión x − µ 0 30. Solución 1.13) = 1.5 − 35 − 4.

99 -6. Se pretende saber si es posible concluir que la media de la población es menor que 1. Uno de los estudios de los investigadores Klesges et al. . Regla de decisión Consideremos un nivel de significancia del 1% ( α = 0. Considere un nivel de significancia del 0.01 (Región de rechazo) 0. 3.52 cae en la región de rechazo. rechazamos Ho y Concluimos que el nivel medio de carboxihemoglobina en pacientes no fumadores es menor que 1. Supuestos Se supone que la muestra de valores proviene de una población cuyos niveles de carboxihemoglobina siguen una distribución aproximadamente normal con varianza desconocida.325 . Una muestra de 3918 no fumadores autodeclarados presentó un nivel medio de carboxihemoglobina de 0.1. tiene como propósito averiguar los factores asociados con las discrepancias entre los niveles de carboxihemoglobina y el estado de tabaquismo autodeclarado.9 con una desviación estándar de 0. Para un nivel de significancia de 0. encontrado en las Tablas de la Distribución Normal.01 ).Hipótesis: (Hipótesis Unilateral) H0 : µ = 1 H1 : µ < 1 2.52 -2.52 s n 0.01. 10 . 1.96 3918 0.1 = = = −6. Estadística de Prueba (muestra grande) Zc = x − µ0 0.325 0 Región de No rechazo Como Zc = -6. α = 0.9 − 1 − 0.96 .96 3918 4.01 = -2.01 el valor de Z 0.

27. encontrado en la tabla de la Distribución t Student.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 0.8946 3.95. Solución a. 26.7 ) = 1.05 0. 17. El doctor Jeffrey M. Barrett de Lakeland. 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.7 ) = 1.n−1) = t ( 0. Las edades de las madres eran de 25. 28. Supuestos: Se supone que la muestra de valores proviene de una población cuyas edades siguen una distribución aproximadamente normal con varianza desconocida.95 0 t ( α .95.05 ) El valor del t tabulado o teórico es t (1−α .54 t Región de no rechazo Región de rechazo 11 .n−1) = t ( 0. Datos: n=8 X = 25 S =4 Hipótesis: H 0 : µ = 20 µ > 20 H1 : b. reportó los datos correspondientes a 8 casos de prolapso del cordón umbilical. Estadística de Prueba tc = x − µ 0 25 − 20 5 = = = 3. 22. α = 0.8946 .05.2.

Como tc = 3.9 12.9 14.05 ) El valor del t tabulado o teórico es t (1−α .0 17.13) = 1. y concluimos que la media de las edades de las madres con casos de prolapso del cordón umbilical es mayor a 20 años. α = 0.95.5 12.0 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.7247 .7247 2.n −1) = t ( 0.0 10.62 = = = 2.2 14. encontrado en la tabla de la Distribución t Student. 3. Regla de decisión x − µ 0 15. Hipótesis: H 0 : µ = 14 H 1 : µ > 14 e.Estadística de Prueba tc = 4.6 ¿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. Datos: n = 21 X = 15.20 s / n 3.54 cae en la región de rechazo. 3.9 19.0 18.2 14.62 − 14 1. rechazamos Ho.2 12.95.05 0.95 0 t ( α .n−1) = t ( 0.38 21 3. 20 ) = 1.62 S = 3.9 17.4 24.0 16.8 16.38 21 Consideremos un nivel de significancia del 5% ( α = 0. c.05 . Los siguientes datos se refieren a los niveles de presión intraocular (en mm Hg) registrados en una muestra de 21 individuos de edad avanzada.5 20.20 t Región de rechazo Región de No rechazo 12 .4 17. 14.38 d.5 14.1 12.1 12.

2 16.7 13.2 11.025.13) = − 2. a un nivel de significancia de 0. n −1) = t ( 0. de que la media de la población no es igual a 12ml.1448 α / 2 = 0.1448 encontrado en la tabla de la Distribución t Student.05. no rechazamos Ho.28 15 1.05 el valor del t tabulado o teórico es 2.5 13.20 cae en la región de no rechazo. 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.4 12.43 S = 1.43 − 12 1.2 11.0 14.2 14.025 (región de rechazo) 0. 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 14.? ¿Qué supuestos se debe cumplir? Solución a.28 b.0 12. α / 2 = 0.8 14. Los siguientes datos son los consumos de oxígeno (en ml) durante la incubación de una muestra aleatoria de 15 suspensiones celulares 14.43 = = = 4.Como tc = 2.975.025 (Región de rechazo) 2.n−1) = t ( 0.1448 13 4. 4.1 13.1 12.28 15 Con un nivel de significancia del 0.95 t ( α .311 .14 ) = x − µ 0 13.33 s / n 1.9 ¿Proporcionan estos datos suficiente evidencia. Datos: n = 15 X = 13.0 14. Estadística de Prueba tc = Regla de decisión t (1−α / 2.

95 α / 2 = 0.005 (Región de rechazo) 14 .995.6 = = = 7.8609 encontrado en la tabla de la Distribución t Student. Estadística de Prueba (muestra pequeña) tc = Regla de decisión t (1−α / 2.99 s / n 56.005 (región de rechazo) 0.6 S = 56.30 20 Con un nivel de significancia del 0. y concluimos que la media de consumo de oxigeno por suspensiones celulares es igual a 12ml.30 d.Región de No rechazo Como tc = 4.01 ¿Qué supuestos se debe cumplir? c. 5. Datos: n = 20 X = 111.01 el valor del t tabulado o teórico es 2. 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.n−1) = t ( 0.6 − 11 100. rechazamos Ho.¿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 20 56. α / 2 = 0. Una muestra aleatoria de 20 alumnos universitarios aparentemente sanos proporcionó los siguientes valores de capacidad respiratoria máxima.33 cae en la región de rechazo.19 ) = x − µ0 111.

05 s/ n 24.t ( α .99 cae en la región de rechazo. rechazamos Ho.58 − 165 − 7.13) = − 2. encontrado en la tabla de la Distribución t Student.8609 2. 6.05 ¿Qué supuestos se deben cumplir? Solución a. 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.n−1) = t ( 0.11) = 1.95.4 12 24.99 Región de No rechazo Como tc = 7.58 S = 24.7959. el valor del t tabulado o teórico es t (1−α .025. Datos n = 12 X = 157.417 = = = = − 1. 15 .8609 7.42 − 7.044 Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0. Estadística de Prueba tc = x − µ 0 157.05 ).40 b.4 12 7. y concluimos que la media máxima de respiración no es 11 litros por minuto. 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.n−1) = t ( 0.

05 cae en la región de rechazo.05 α = 0.13 ) = 1.05 t ( α . n −1) = t ( 0.α = 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.05 0. PRUEBA DE HIPOTESIS SOBRE UNA PROPORCIÓN 16 .95 .7959 t Región de No rechazo Región de rechazo Como tc = -1. rechazamos H0.95 -1.

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

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

entonces no rechazamos Ho. X : Número de pacientes aliviados. luego X = 11 y. Regla de Decisión y conclusiones Como Z c = 0.31 − 0.13 < Z 0 .006 0. Un investigador clínico elaboró una técnica para aliviar una alergia.30 (La proporción de individuos que alivió la técnica es superior al 30%) 2.01 0.31. En un periodo de 8 horas. en una muestra de 35 individuos que tenían la alergia. 95 = 1. y sostiene que la técnica tiene una efectividad superior al 30%.13 0. 1.1. P = 11/25 = 0.30( 0. pacientes no aliviados) y una muestra de n = 25 observaciones). y concluimos que la técnica no tiene una efectividad superior al 30% Luego.30 0. Estadístico de contraste: X = 11. Sea π : proporción poblacional de pacientes aliviados.31. Determine si la aseveración del psicólogo es cierta. Utilice un nivel de significancia de α = 0.65 . 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%.01 = = = 0.30 H1: π > 0. no es cierto lo que sostiene el investigador.05 . Hipótesis: Ho : π ≤ 0. Ejercicios Propuestos 19 . la técnica aludida alivió a 11 personas.70 ) 0.077 35 3. por tanto. Solución: Tenemos una variable dicotómica (pacientes aliviados. la técnica no tiene una efectividad superior al 30%. Zc = P −π0 π 0 (1 − π 0 ) = n 0. la proporción observada de pacientes aliviados es P = 11/35 = 0.

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 . ¿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. Sea π : proporción poblacional de pacientes curados. P = 28/40 = 0.22 < Z 0 .22 0. 2. 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.20 = −4.90( 0.7.1.65 . luego X = 28 y.05 Solución: Se tiene una variable dicotómica (tratamiento cognitivo-conductal positivo. Hipótesis: Ho : π ≤ 0. y concluimos que la curación de las personas enuréticas mediante el tratamiento no es superior al 90% Luego.10 ) 40 − 0.90 H1: π > 0.95 =1.10 ) 40 3. no es cierto lo que sostiene el investigador. 3.70 − 0. por tanto.90 (La proporción de individuos Curados por el tratamiento cognitivo-conductual es superior al 90%) 4. 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. Zc = P − π0 π 0 (1 − π 0 ) = n 0.7. X : Número de pacientes curados. entonces no rechazamos Ho.90 = 0.90( 0. la proporción observada de pacientes aliviados es P = 28/40 = 0. 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%. Estadístico de contraste: X = 28. tratamiento cognitivoconductal negativo) y una muestra de n = 40 observaciones).

Datos: n=1600 p=1400/1600=0. de las cuales 1400 reportan que el control natal es con su consentimiento. Hipótesis: Ho : π = 0.875 b. Estadístico de contraste: t (1−α / 2. Sea π : proporción poblacional de mujeres bajo control con consentimiento.se escoge una muestra al azar formada por 1600 mujeres adultas.90 H1: 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%.14 ) = d. luego X = 1400 y. 3.90 c.875. Solución: Tenemos una variable dicotómica (mujeres con control sin consentimiento. la proporción observada de pacientes aliviados es P = 1400/1600 = 0. entonces rechazamos Ho.3 >Z 0 . quienes participaron en un programa de salud. ¿Proporcionan estos datos evidencia suficiente que indique que la proporción de 21 . 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%. En una muestra de 1500 residentes de un barrio interior de la ciudad. por tanto. 125 pruebas proporcionaron resultados positivos en cuanto a la anemia de células falciformes.n−1) = t ( 0. X : Número de pacientes aliviados. a. mujeres con control con conocimiento) y una muestra de n = 1600 observaciones). 95 = .6 . Regla de Decisión y conclusiones Como Z c =3.975 .

95 =1.65 . Estadístico de contraste: X = 125.04 ) 1500 0. entonces rechazamos Ho. es cierto lo que sostiene la hipótesis.18 0. Solución: Se tiene una variable dicotómica (residentes positivos a anemia falciforme.023 = 18.083 − 0. X: Número de residentes positivos a la anemia falciforme.individuos con dicha enfermedad en la población muestreada es mayor que 0. Regla de Decisión y conclusiones Z c =18 .06 H1: π > 0. luego X = 125 y.06( 0. Luego. Sea π : proporción poblacional de residentes positivos a la anemia falciforme.06( 0. por tanto.06 = 0. residentes negativos a anemia falciforme) y una muestra de n = 1500 observaciones).18 > Z 0.083. Hipótesis: Ho : π ≤ 0. 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 . la proporción de residentes con resultados positivos a la anemia falciforme es mayor al 6%. la proporción observada de pacientes aliviados es P = 125/1500 = 0. 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. y concluimos que la Como proporción de residentes con resultados positivos a la anemia falciforme es mayor al 6%. 5. P = 125/1500 = 0.083.06? Considere α = 0.04 ) 1500 3.05 .06 (La proporción de residentes con resultados positivos a la anemia falciforme es mayor al 6%) 6. 4. Antes el inicio de un programa de inmunización contra la rubeola en una ciudad metropolitana.

30( 0. Regla de Decisión y conclusiones Como Z c = 0.01 = = = 0. Datos: b. Estadístico de contraste: X = 11.30 0.05 .13 < Z 0 . entonces no rechazamos Ho. Solo esto y ya! 23 .70 ) 0. P = 11/25 = 0. Hipótesis: Ho : π ≤ 0.31.13 0.65 .30 (La proporción de individuos que alivió la técnica es superior al 30%) c.31 − 0. y concluimos que la técnica no tiene una efectividad superior al 30% Luego. Zc = P −π0 π 0 (1 − π 0 ) = n 0.006 0. 95 = 1. la técnica no tiene una efectividad superior al 30%.30 H1: π > 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. no es cierto lo que sostiene el investigador.01 0.077 35 d. a.

Sign up to vote on this title
UsefulNot useful