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

24 0.05 (región de rechazo) 0. suponga que los investigadores se hubieran preguntado: ¿Es posible concluir que la edad media de la población es inferior a 3 años.Supuestos: La muestra de las edades siguen una distribución aproximadamente normal y con varianza conocida de σ 2 = 1.01 años 2 3.Estadística de Prueba x − µ0 3. µ < 3 ? Solución 1.05 el valor de Z 0.95 -1. α = 0.Ejemplo 2: En base al ejercicio 1.05 30 1.05 ) Para un nivel de significancia de 0.24 − 3 0.26 Región de No rechazo En el ejemplo. Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0.645 .645 0 1.19 Zc = 4.05 = -1. Hipótesis: (Hipótesis Unilateral) H0 : µ ≥ 3 H 1 : µ < 3 (LA EDAD MEDIA DE LA POBLACIÓN ES INFERIOR A 3 AÑOS) 2. Ejemplo 3: 3 . en lugar de preguntarse la posibilidad de concluir que µ ≠ 3 .24 = = = = 1.48 0.05 5. 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. encontrado en las Tablas de la Distribución Normal.26 σ n 1. como Zc = 1.

05 5. suponga que los investigadores se hubieran preguntado: ¿Es posible concluir que la edad media de la población es superior a 3 años.En base al ejercicio 1.24 = = = = 1.19 Zc = 3. en lugar de preguntarse la posibilidad de concluir que µ ≠ 3 .Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0. PRUEBA DE HIPÓTESIS PARA LA MEDIA DE UNA SOLA POBLACIÓN Muestra pequeña (Varianza Desconocida) 4 .95 = 1.95 0 1.645 Región de No rechazo En el ejemplo.26 1.48 0. µ > 3 ? Solución 1.26 cae en la región de No rechazo.26 σ n 1. α = 0.05 el valor de Z 0.24 − 3 0.Estadística de Prueba x − µ0 3. encontrado en las Tablas de la Distribución Normal.24 0.05 ).05 (Región de rechazo) 0.645.05 30 1.Hipótesis: (Hipótesis Unilateral) H0 : µ ≤ 3 H 1 : µ > 3 ( LA EDAD MEDIA DE LA POBLACIÓN ES SUPERIOR A 3 AÑOS) 2. como Zc = 1. No rechazamos Ho y Concluimos que la edad media de la población no es mayor a 3 años. Para un nivel de significancia de 0.

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

5 − 4.025 (región de rechazo) 0.58 cae en la región de no rechazo . encontrado en la tabla de la Distribución t Student. Regla de decisión Con un nivel de significancia del 0.58 0 -2.95 t ( α . Procedimiento 6 .64 3.13) = − 2.2.58 10.025.n −1) = t ( 0.975.1604 α / 2 = 0.n−1) = t ( 0.13 ) = 2.74 2. y concluimos que la media del IMC para la población de la que se extrajo la muestra no es diferente a 35.1604 .5 − 35 − 4.05 el valor del t tabulado o teórico es t (1−α / 2. 3.85 4.5 = = = −1.64 14 10. Ingresemos los datos 2. no rechazamos Ho y concluimos que no rechazamos H0.025 (Región de rechazo) -1. Estadística de Prueba tc = x − µ0 s/ n = 30.1604 Región de No rechazo Como tc = -1. α / 2 = 0. Utilizando el SPSS 1. Supuestos Se supone que la muestra de valores proviene de una población cuyos IMC siguen una distribución aproximadamente normal con varianza desconocida.

3. Resultados 7 .

13) = −1.05 entonces no rechazamos H0.64 3.n −1) = −t ( 0.5 = = = −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. Ejemplo 5: Supongamos que en el ejemplo anterior.13 ) = −1.95 t ( α .85 4.5 − 4. 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. Solución 1.64 14 10. encontrado en la tabla de la Distribución t Student. 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 35.05 ).5 − 35 − 4.58 10.95. (2-tailed) .58 0 t Región de No rechazo Región de rechazo 8 . α = 0.05 0.138 Mean Difference -4.7709 -1.64 IMC t -1. 0.138 Luego p = 0.64 1.74 2. n −1) = −t ( 0.Estadística de Prueba tc = x − µ0 s/ n = 30.95.Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0. 3.138 > 0.583 df 13 Sig. el valor del t tabulado o teórico es t (1−α .7709 .O ne-Sample Test Test Value = 35 95% Confidence Interval of the Difference Lower Upper -10.50 consideremos un nivel de significancia del 5% p = Sig.

13) = 1.7709 t Región de rechazo Región de No rechazo Como tc = -1.58 cae en la región de no rechazo . 3. n −1) = t( 0. Solución 1.n −1) = t ( 0.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).Estadística de Prueba tc = 4.95 -1.5 = = = = − 1.58 s / n 10. Ejemplo 6: Supongamos que en el ejemplo anterior.5 − 35 − 4. 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 35.95.74 2.13 ) = 1. y concluimos que la media del IMC para la población de la que se extrajo la muestra no es mayor a 35. 2.5 − 4. Ejercicios propuestos: 9 .85 Consideremos un nivel de significancia del 5% ( α = 0. Regla de decisión x − µ 0 30.64 3.58 cae en la región de no rechazo .64 14 10. el valor del t tabulado o teórico es t (1−α .05 0.58 0 t( α .95.Como tc = -1. no rechazamos Ho y concluimos que no rechazamos H0.05 ). y concluimos que la media del IMC para la población de la que se extrajo la muestra no es menor a 35. α = 0.7709 . 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. no rechazamos Ho y concluimos que no rechazamos H0.

01 el valor de Z 0. rechazamos Ho y Concluimos que el nivel medio de carboxihemoglobina en pacientes no fumadores es menor que 1. 1.01.52 cae en la región de rechazo. encontrado en las Tablas de la Distribución Normal. Una muestra de 3918 no fumadores autodeclarados presentó un nivel medio de carboxihemoglobina de 0. α = 0.96 3918 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. Uno de los estudios de los investigadores Klesges et al.Hipótesis: (Hipótesis Unilateral) H0 : µ = 1 H1 : µ < 1 2.01 = -2. 10 . .01 ).9 − 1 − 0. tiene como propósito averiguar los factores asociados con las discrepancias entre los niveles de carboxihemoglobina y el estado de tabaquismo autodeclarado.96 3918 4.01 (Región de rechazo) 0.325 0 Región de No rechazo Como Zc = -6.52 s n 0. Se pretende saber si es posible concluir que la media de la población es menor que 1. Para un nivel de significancia de 0.96 .99 -6. 3.325 . Regla de decisión Consideremos un nivel de significancia del 1% ( α = 0.9 con una desviación estándar de 0.1.1 = = = −6. Considere un nivel de significancia del 0. Estadística de Prueba (muestra grande) Zc = x − µ0 0.52 -2.

22.8946 3. encontrado en la tabla de la Distribución t Student. 17. 25 y 30 años.54 t Región de no rechazo Región de rechazo 11 . Estadística de Prueba tc = x − µ 0 25 − 20 5 = = = 3. Barrett de Lakeland. Solución a.7 ) = 1. α = 0.n−1) = t ( 0. 28.2.95.n−1) = t ( 0. Las edades de las madres eran de 25.95 0 t ( α .54 s/ n 4 8 4 8 Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0.7 ) = 1. 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 . Considere un nivel de significancia del 0.05. 27.05 ) El valor del t tabulado o teórico es t (1−α . Supuestos: Se supone que la muestra de valores proviene de una población cuyas edades siguen una distribución aproximadamente normal con varianza desconocida. 26. reportó los datos correspondientes a 8 casos de prolapso del cordón umbilical. El doctor Jeffrey M. Datos: n=8 X = 25 S =4 Hipótesis: H 0 : µ = 20 µ > 20 H1 : b.8946 .05 0.95.

20 t Región de rechazo Región de No rechazo 12 .2 14.1 12. rechazamos Ho. 14.0 18. Datos: n = 21 X = 15.7247 .95. c.n −1) = t ( 0.5 12.9 19.38 21 Consideremos un nivel de significancia del 5% ( α = 0.9 12.0 10. 3.54 cae en la región de rechazo.5 14.0 16.95 0 t ( α .95.9 17. α = 0. 3.9 14.Como tc = 3.62 = = = 2. Regla de decisión x − µ 0 15.6 ¿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 = 0.20 s / n 3.n−1) = t ( 0.62 − 14 1.4 17.1 12.05 ) El valor del t tabulado o teórico es t (1−α . encontrado en la tabla de la Distribución t Student.13) = 1.7247 2.Estadística de Prueba tc = 4. Hipótesis: H 0 : µ = 14 H 1 : µ > 14 e.2 14. 20 ) = 1.05 . y concluimos que la media de las edades de las madres con casos de prolapso del cordón umbilical es mayor a 20 años.38 21 3.0 17. 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.05 0.4 24.0 16.62 S = 3.5 20.8 16. Los siguientes datos se refieren a los niveles de presión intraocular (en mm Hg) registrados en una muestra de 21 individuos de edad avanzada.38 d.2 12.

975.28 15 1.2 16.28 b.33 s / n 1.5 13.025 (Región de rechazo) 2.2 11.43 = = = 4.1448 α / 2 = 0.311 .1 12.05 el valor del t tabulado o teórico es 2.0 14.2 11.n−1) = t ( 0. 4.4 12.1 14. Estadística de Prueba tc = Regla de decisión t (1−α / 2.7 13.43 − 12 1. n −1) = t ( 0. α / 2 = 0. 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.Como tc = 2.8 14.20 cae en la región de no rechazo.28 15 Con un nivel de significancia del 0.1448 13 4. Los siguientes datos son los consumos de oxígeno (en ml) durante la incubación de una muestra aleatoria de 15 suspensiones celulares 14.9 ¿Proporcionan estos datos suficiente evidencia.025. Datos: n = 15 X = 13. a un nivel de significancia de 0.95 t ( α .025 (región de rechazo) 0.14 ) = x − µ 0 13.13) = − 2.2 14. de que la media de la población no es igual a 12ml.43 S = 1. no rechazamos Ho.1 13.? ¿Qué supuestos se debe cumplir? Solución a.0 14.0 12.05. 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.

01 ¿Qué supuestos se debe cumplir? c.005 (región de rechazo) 0.30 20 Con un nivel de significancia del 0.30 d.6 = = = 7.30 20 56.Región de No rechazo Como tc = 4. rechazamos Ho.8609 encontrado en la tabla de la Distribución t Student. α / 2 = 0.6 S = 56.6 − 11 100.95 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. y concluimos que la media de consumo de oxigeno por suspensiones celulares es igual a 12ml. 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.01 el valor del t tabulado o teórico es 2. Datos: n = 20 X = 111.005 (Región de rechazo) 14 .n−1) = t ( 0. Estadística de Prueba (muestra pequeña) tc = Regla de decisión t (1−α / 2.99 s / n 56.19 ) = x − µ0 111.¿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. 5.995.

05 ¿Qué supuestos se deben cumplir? Solución a.044 Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0.40 b.05 s/ n 24.025.99 Región de No rechazo Como tc = 7.n−1) = t ( 0.58 − 165 − 7.8609 7.n−1) = t ( 0.4 12 24.417 = = = = − 1. Datos n = 12 X = 157.42 − 7.t ( α . 15 . Estadística de Prueba tc = x − µ 0 157.05 ).13) = − 2. encontrado en la tabla de la Distribución t Student. 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. y concluimos que la media máxima de respiración no es 11 litros por minuto.7959. rechazamos Ho. 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 0.8609 2. 6.95. el valor del t tabulado o teórico es t (1−α .58 S = 24.99 cae en la región de rechazo.4 12 7.11) = 1.

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. n −1) = t ( 0.7959 t Región de No rechazo Región de rechazo Como tc = -1. PRUEBA DE HIPOTESIS SOBRE UNA PROPORCIÓN 16 .α = 0.05 α = 0.13 ) = 1.05 t ( α .95 . rechazamos H0.95 -1.05 cae en la región de rechazo.

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

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

luego X = 11 y. pacientes no aliviados) y una muestra de n = 25 observaciones). En un periodo de 8 horas.13 < Z 0 . y concluimos que la técnica no tiene una efectividad superior al 30% Luego. Solución: Tenemos una variable dicotómica (pacientes aliviados. en una muestra de 35 individuos que tenían la alergia.30 H1: π > 0.05 .006 0.30( 0. 1.65 .31. no es cierto lo que sostiene el investigador. P = 11/25 = 0.01 = = = 0. entonces no rechazamos Ho. Regla de Decisión y conclusiones Como Z c = 0. Utilice un nivel de significancia de α = 0.30 (La proporción de individuos que alivió la técnica es superior al 30%) 2.077 35 3.13 0.31.30 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%. la técnica no tiene una efectividad superior al 30%. Zc = P −π0 π 0 (1 − π 0 ) = n 0. Hipótesis: Ho : π ≤ 0. X : Número de pacientes aliviados. Sea π : proporción poblacional de pacientes aliviados. Determine si la aseveración del psicólogo es cierta.1. Estadístico de contraste: X = 11.31 − 0. por tanto.70 ) 0. 95 = 1. y sostiene que la técnica tiene una efectividad superior al 30%.01 0. la proporción observada de pacientes aliviados es P = 11/35 = 0. Un investigador clínico elaboró una técnica para aliviar una alergia. Ejercicios Propuestos 19 . la técnica aludida alivió a 11 personas.

Zc = P − π0 π 0 (1 − π 0 ) = n 0.22 0.10 ) 40 − 0. Regla de Decisión y conclusiones Como Z c = −4. 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 = 0.10 ) 40 3.90 H1: π > 0.90( 0.1.90 (La proporción de individuos Curados por el tratamiento cognitivo-conductual es superior al 90%) 4. tratamiento cognitivoconductal negativo) y una muestra de n = 40 observaciones). 3.20 = −4. 2. entonces no rechazamos Ho. luego X = 28 y.22 < Z 0 .95 =1.05 Solución: Se tiene una variable dicotómica (tratamiento cognitivo-conductal positivo. Estadístico de contraste: X = 28. P = 28/40 = 0.90 = 0. Sea π : proporción poblacional de pacientes curados. Un candidato al congreso “asegura” que el 90% de las mujeres de su distrito electoral están bajo control natal sin su consentimiento. no es cierto lo que sostiene el investigador.65 .7.70 − 0. la proporción observada de pacientes aliviados es P = 28/40 = 0. Hipótesis: Ho : π ≤ 0. por tanto. 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. 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%.7. 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 .90( 0. X : Número de pacientes curados.

luego X = 1400 y. Estadístico de contraste: t (1−α / 2. 95 = .se escoge una muestra al azar formada por 1600 mujeres adultas. Datos: n=1600 p=1400/1600=0. Solución: Tenemos una variable dicotómica (mujeres con control sin consentimiento. y concluimos 3 1 5 que las mujeres que están teniendo un control natal sin el conocimiento del alcalde representan menos del 90%. En una muestra de 1500 residentes de un barrio interior de la ciudad. quienes participaron en un programa de salud.875 b.875.3 >Z 0 .975 . de las cuales 1400 reportan que el control natal es con su consentimiento.14 ) = d.n−1) = t ( 0. la proporción observada de pacientes aliviados es P = 1400/1600 = 0. Regla de Decisión y conclusiones Como Z c =3.90 H1: π < 0. entonces rechazamos Ho. ¿Proporcionan estos datos evidencia suficiente que indique que la proporción de 21 . a.6 . por tanto. Hipótesis: Ho : π = 0. 125 pruebas proporcionaron resultados positivos en cuanto a la anemia de células falciformes. mujeres con control con conocimiento) y una muestra de n = 1600 observaciones). 3. 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%. X : Número de pacientes aliviados.90 c. Sea π : proporción poblacional de mujeres bajo control con consentimiento.

5.083 − 0. Hipótesis: Ho : π ≤ 0.65 .083.06( 0.04 ) 1500 0.04 ) 1500 3.18 > Z 0.06 = 0. luego X = 125 y. 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%.95 =1. Solución: Se tiene una variable dicotómica (residentes positivos a anemia falciforme.05 . X: Número de residentes positivos a la anemia falciforme. P = 125/1500 = 0. por tanto.083.06? Considere α = 0. Estadístico de contraste: X = 125.06( 0.individuos con dicha enfermedad en la población muestreada es mayor que 0. 4. es cierto lo que sostiene la hipótesis. la proporción observada de pacientes aliviados es P = 125/1500 = 0. 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%. Luego. Antes el inicio de un programa de inmunización contra la rubeola en una ciudad metropolitana.18 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 .06 H1: π > 0.06 (La proporción de residentes con resultados positivos a la anemia falciforme es mayor al 6%) 6.023 = 18. entonces rechazamos Ho. residentes negativos a anemia falciforme) y una muestra de n = 1500 observaciones). la proporción de residentes con resultados positivos a la anemia falciforme es mayor al 6%. Regla de Decisión y conclusiones Z c =18 . Sea π : proporción poblacional de residentes positivos a la anemia falciforme.

30 H1: π > 0. Zc = P −π0 π 0 (1 − π 0 ) = n 0.006 0.30 (La proporción de individuos que alivió la técnica es superior al 30%) c. entonces no rechazamos Ho.13 0.13 < Z 0 . Hipótesis: Ho : π ≤ 0.70 ) 0. a.077 35 d.31.65 .01 0. Solo esto y ya! 23 . P = 11/25 = 0. Estadístico de contraste: X = 11. y concluimos que la técnica no tiene una efectividad superior al 30% Luego. no es cierto lo que sostiene el investigador.30( 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. Datos: b. la técnica no tiene una efectividad superior al 30%. 95 = 1. Regla de Decisión y conclusiones Como Z c = 0.05 .01 = = = 0.31 − 0.

Sign up to vote on this title
UsefulNot useful