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

26 cae en la región de No rechazo.05 5. Ejemplo 3: 3 .01 años 2 3. encontrado en las Tablas de la Distribución Normal. Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0.05 30 1.24 = = = = 1.Ejemplo 2: En base al ejercicio 1.19 Zc = 4.Estadística de Prueba x − µ0 3.95 -1.Supuestos: La muestra de las edades siguen una distribución aproximadamente normal y con varianza conocida de σ 2 = 1.48 0.24 − 3 0.05 el valor de Z 0. No rechazamos Ho y Concluimos que la edad media de la población no es menor a 3 años. µ < 3 ? Solución 1.645 .24 0.05 ) Para un nivel de significancia de 0.05 = -1. α = 0. en lugar de preguntarse la posibilidad de concluir que µ ≠ 3 .05 (región de rechazo) 0.26 Región de No rechazo En el ejemplo.645 0 1.26 σ n 1. suponga que los investigadores se hubieran preguntado: ¿Es posible concluir que la edad media de la población es inferior 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. como Zc = 1.

645 Región de No rechazo En el ejemplo. µ > 3 ? Solución 1.05 el valor de Z 0.24 = = = = 1.Estadística de Prueba x − µ0 3.Hipótesis: (Hipótesis Unilateral) H0 : µ ≤ 3 H 1 : µ > 3 ( LA EDAD MEDIA DE LA POBLACIÓN ES SUPERIOR A 3 AÑOS) 2.95 0 1.05 (Región de rechazo) 0.24 − 3 0.24 0.19 Zc = 3. No rechazamos Ho y Concluimos que la edad media de la población no es mayor a 3 años.645.En base al ejercicio 1.05 5. en lugar de preguntarse la posibilidad de concluir que µ ≠ 3 .95 = 1.26 1. suponga que los investigadores se hubieran preguntado: ¿Es posible concluir que la edad media de la población es superior a 3 años.26 cae en la región de No rechazo.05 ). como Zc = 1. encontrado en las Tablas de la Distribución Normal.48 0.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 . Para un nivel de significancia de 0.05 30 1. α = 0.26 σ n 1.

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

Ingresemos los datos 2.025. Regla de decisión Con un nivel de significancia del 0. y concluimos que la media del IMC para la población de la que se extrajo la muestra no es diferente a 35.5 = = = −1.85 4.1604 α / 2 = 0.1604 .025 (Región de rechazo) -1. 3. Procedimiento 6 .975.64 3. no rechazamos Ho y concluimos que no rechazamos H0.74 2. encontrado en la tabla de la Distribución t Student.58 10.1604 Región de No rechazo Como tc = -1.n −1) = t ( 0. Estadística de Prueba tc = x − µ0 s/ n = 30.n−1) = t ( 0. Utilizando el SPSS 1. α / 2 = 0.025 (región de rechazo) 0.64 14 10.13 ) = 2.58 cae en la región de no rechazo .5 − 4.05 el valor del t tabulado o teórico es t (1−α / 2. Supuestos Se supone que la muestra de valores proviene de una población cuyos IMC siguen una distribución aproximadamente normal con varianza desconocida.5 − 35 − 4.58 0 -2.13) = − 2.95 t ( α .2.

Resultados 7 .3.

85 4.7709 -1.n −1) = −t ( 0.05 0.74 2.5 = = = −1.95 t ( α .64 3.5 − 35 − 4.58 0 t Región de No rechazo Región de rechazo 8 . Solución 1.64 IMC t -1.64 14 10.95.95.64 1.138 > 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 menor que 35) 2. 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 ).138 Luego p = 0. n −1) = −t ( 0. encontrado en la tabla de la Distribución t Student. Ejemplo 5: Supongamos que en el ejemplo anterior.138 Mean Difference -4. el valor del t tabulado o teórico es t (1−α . 0.Estadística de Prueba tc = x − µ0 s/ n = 30.5 − 4.58 10.13) = −1. 3.Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0.05 entonces no rechazamos H0.13 ) = −1. α = 0. (2-tailed) .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.583 df 13 Sig. y concluimos que la media del IMC no es diferente a 35.50 consideremos un nivel de significancia del 5% p = Sig.7709 .

Como tc = -1. Ejemplo 6: Supongamos que en el ejemplo anterior. y concluimos que la media del IMC para la población de la que se extrajo la muestra no es menor a 35.7709 . Supuestos Se supone que la muestra de valores proviene de una población cuyos IMC siguen una distribución aproximadamente normal con varianza desconocida. 2.58 cae en la región de no rechazo . encontrado en la tabla de la Distribución t Student. 3. y concluimos que la media del IMC para la población de la que se extrajo la muestra no es mayor a 35.95.05 0.58 cae en la región de no rechazo . no rechazamos Ho y concluimos que no rechazamos H0.13) = 1.64 3.7709 t Región de rechazo Región de No rechazo Como tc = -1.58 s / n 10.74 2.64 14 10. el valor del t tabulado o teórico es t (1−α . α = 0.13 ) = 1.95 -1. no rechazamos Ho y concluimos que no rechazamos H0.Hipótesis: (Hipótesis Unilateral) H 0 : µ ≤ 35 H 1 : µ > 35 (LA media del IMC para la población de la que se extrajo la muestra es mayor que 5). n −1) = t( 0.85 Consideremos un nivel de significancia del 5% ( α = 0.95.5 = = = = − 1. Regla de decisión x − µ 0 30.05 ).5 − 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. Ejercicios propuestos: 9 .58 0 t( α .5 − 35 − 4. Solución 1.Estadística de Prueba tc = 4.n −1) = t ( 0.

10 . . encontrado en las Tablas de la Distribución Normal.325 0 Región de No rechazo Como Zc = -6.9 con una desviación estándar de 0. Una muestra de 3918 no fumadores autodeclarados presentó un nivel medio de carboxihemoglobina de 0. α = 0.52 s n 0.Hipótesis: (Hipótesis Unilateral) H0 : µ = 1 H1 : µ < 1 2.9 − 1 − 0. 1.96 .325 .1 = = = −6. Estadística de Prueba (muestra grande) Zc = x − µ0 0. tiene como propósito averiguar los factores asociados con las discrepancias entre los niveles de carboxihemoglobina y el estado de tabaquismo autodeclarado. Uno de los estudios de los investigadores Klesges et al.01 el valor de Z 0. 3.01 (Región de rechazo) 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.01 ). Regla de decisión Consideremos un nivel de significancia del 1% ( α = 0. rechazamos Ho y Concluimos que el nivel medio de carboxihemoglobina en pacientes no fumadores es menor que 1. Para un nivel de significancia de 0.96 3918 4.01 = -2.01.52 cae en la región de rechazo. Considere un nivel de significancia del 0.52 -2.1. Se pretende saber si es posible concluir que la media de la población es menor que 1.96 3918 0.99 -6.

7 ) = 1. encontrado en la tabla de la Distribución t Student. Las edades de las madres eran de 25.95 0 t ( α . α = 0. 17. 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 . El doctor Jeffrey M. reportó los datos correspondientes a 8 casos de prolapso del cordón umbilical. 28.7 ) = 1. Estadística de Prueba tc = x − µ 0 25 − 20 5 = = = 3.2. Supuestos: Se supone que la muestra de valores proviene de una población cuyas edades siguen una distribución aproximadamente normal con varianza desconocida. Solución a.95. Considere un nivel de significancia del 0.05.54 t Región de no rechazo Región de rechazo 11 . 25 y 30 años.05 0.05 ) El valor del t tabulado o teórico es t (1−α .8946 3.95. Datos: n=8 X = 25 S =4 Hipótesis: H 0 : µ = 20 µ > 20 H1 : b. 22.8946 .n−1) = t ( 0.54 s/ n 4 8 4 8 Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0. 27. 26. Barrett de Lakeland.n−1) = t ( 0.

Datos: n = 21 X = 15.9 19. Regla de decisión x − µ 0 15. 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 ) El valor del t tabulado o teórico es t (1−α . α = 0.20 t Región de rechazo Región de No rechazo 12 .n −1) = t ( 0.2 12.54 cae en la región de rechazo.5 20.0 16.8 16.95.05 .38 d.38 21 3.1 12.2 14.5 14. rechazamos Ho.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. 3.05 0. y concluimos que la media de las edades de las madres con casos de prolapso del cordón umbilical es mayor a 20 años.20 s / n 3.9 12. c.0 10.7247 2.0 17. Hipótesis: H 0 : µ = 14 H 1 : µ > 14 e.n−1) = t ( 0.0 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.5 12.1 12.Estadística de Prueba tc = 4. 20 ) = 1.62 = = = 2.95 0 t ( α . encontrado en la tabla de la Distribución t Student.7247 .62 − 14 1.4 17. 14.38 21 Consideremos un nivel de significancia del 5% ( α = 0. 3.13) = 1.9 17.4 24.Como tc = 3.95.2 14.62 S = 3.0 18.

1 12. 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. Estadística de Prueba tc = Regla de decisión t (1−α / 2.43 S = 1. a un nivel de significancia de 0.5 13. no rechazamos Ho.975.13) = − 2.0 12.n−1) = t ( 0. α / 2 = 0.33 s / n 1.025 (Región de rechazo) 2.28 15 Con un nivel de significancia del 0.1448 α / 2 = 0.2 11.2 14.? ¿Qué supuestos se debe cumplir? Solución a. 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. de que la media de la población no es igual a 12ml.2 11.0 14.05.025.28 15 1.Como tc = 2.1448 encontrado en la tabla de la Distribución t Student. Los siguientes datos son los consumos de oxígeno (en ml) durante la incubación de una muestra aleatoria de 15 suspensiones celulares 14.28 b.0 14.1 14.43 = = = 4. 4.2 16.14 ) = x − µ 0 13.8 14.9 ¿Proporcionan estos datos suficiente evidencia.05 el valor del t tabulado o teórico es 2. n −1) = t ( 0.1448 13 4.95 t ( α . Datos: n = 15 X = 13.311 .025 (región de rechazo) 0.1 13.20 cae en la región de no rechazo.7 13.4 12.43 − 12 1.

6 − 11 100. rechazamos Ho. Una muestra aleatoria de 20 alumnos universitarios aparentemente sanos proporcionó los siguientes valores de capacidad respiratoria máxima.n−1) = t ( 0.8609 encontrado en la tabla de la Distribución t Student.995.30 d. 5. Estadística de Prueba (muestra pequeña) tc = Regla de decisión t (1−α / 2. α / 2 = 0.30 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. y concluimos que la media de consumo de oxigeno por suspensiones celulares es igual a 12ml.01 ¿Qué supuestos se debe cumplir? c.19 ) = x − µ0 111.95 α / 2 = 0.6 S = 56.005 (región de rechazo) 0.6 = = = 7. Datos: n = 20 X = 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 0.30 20 56.99 s / n 56.33 cae en la región de rechazo.Región de No rechazo Como tc = 4.01 el valor del t tabulado o teórico es 2.005 (Región de rechazo) 14 .

8609 2.044 Regla de decisión Consideremos un nivel de significancia del 5% ( α = 0. Estadística de Prueba tc = x − µ 0 157.40 b.417 = = = = − 1.99 Región de No rechazo Como tc = 7. Hipótesis H 0 : µ = 165 H 1 : µ < 165 Supuestos Se supone que la muestra de valores proviene de una población cuyas presiones sistólicas sanguíneas (en mm Hg) siguen una distribución aproximadamente normal con varianza desconocida. 15 . y concluimos que la media máxima de respiración no es 11 litros por minuto.42 − 7.n−1) = t ( 0.95. 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. 6.4 12 7.05 ¿Qué supuestos se deben cumplir? Solución a.05 ).t ( α .025. Datos n = 12 X = 157.13) = − 2. encontrado en la tabla de la Distribución t Student.99 cae en la región de rechazo.7959.58 S = 24.05 s/ n 24.58 − 165 − 7.n−1) = t ( 0.11) = 1. rechazamos Ho.8609 7.4 12 24. el valor del t tabulado o teórico es t (1−α .

n −1) = t ( 0.05 t ( α . PRUEBA DE HIPOTESIS SOBRE UNA PROPORCIÓN 16 .05 cae en la región de rechazo.95 -1.95 . rechazamos H0.α = 0.7959 t Región de No rechazo Región de rechazo Como tc = -1.13 ) = 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 α = 0.05 0.

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

X P= : Proporción de éxitos en los n ensayos. Hipótesis: a) Prueba bilateral: Ho : π = π 0. c) Prueba unilateral izquierda: Ho : π ≥ π 0 H1: π < π 0. n Z c se aproxima a la distribución N(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.1) a medida que n va aumentando.1. 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. 2. 3.

077 35 3. luego X = 11 y. y sostiene que la técnica tiene una efectividad superior al 30%. por tanto. 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.65 . Hipótesis: Ho : π ≤ 0. Sea π : proporción poblacional de pacientes aliviados.30( 0.70 ) 0. En un periodo de 8 horas. 95 = 1.30 H1: π > 0.31 − 0. Ejercicios Propuestos 19 . P = 11/25 = 0. Estadístico de contraste: X = 11. 1.30 (La proporción de individuos que alivió la técnica es superior al 30%) 2.1.31. Un investigador clínico elaboró una técnica para aliviar una alergia. pacientes no aliviados) y una muestra de n = 25 observaciones). la técnica aludida alivió a 11 personas. la proporción observada de pacientes aliviados es P = 11/35 = 0.13 0.13 < Z 0 . no es cierto lo que sostiene el investigador. en una muestra de 35 individuos que tenían la alergia. Zc = P −π0 π 0 (1 − π 0 ) = n 0.30 0. Regla de Decisión y conclusiones Como Z c = 0. Solución: Tenemos una variable dicotómica (pacientes aliviados. Determine si la aseveración del psicólogo es cierta.01 = = = 0.006 0. y concluimos que la técnica no tiene una efectividad superior al 30% Luego. Utilice un nivel de significancia de α = 0.01 0.05 .31. entonces no rechazamos Ho. la técnica no tiene una efectividad superior al 30%.

entonces no rechazamos Ho. P = 28/40 = 0. Hipótesis: Ho : π ≤ 0.20 = −4.90( 0.7. ¿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( 0. no es cierto lo que sostiene el investigador. 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 H1: π > 0. luego X = 28 y. Estadístico de contraste: X = 28. tratamiento cognitivoconductal negativo) y una muestra de n = 40 observaciones). Un candidato al congreso “asegura” que el 90% de las mujeres de su distrito electoral están bajo control natal sin su consentimiento.95 =1. X : Número de pacientes curados.7.90 = 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%.22 < Z 0 . Regla de Decisión y conclusiones Como Z c = −4.65 .1. 3.05 Solución: Se tiene una variable dicotómica (tratamiento cognitivo-conductal positivo.22 0. por tanto.10 ) 40 3. 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. y concluimos que la curación de las personas enuréticas mediante el tratamiento no es superior al 90% Luego.90 (La proporción de individuos Curados por el tratamiento cognitivo-conductual es superior al 90%) 4. Zc = P − π0 π 0 (1 − π 0 ) = n 0.70 − 0. la proporción observada de pacientes aliviados es P = 28/40 = 0.10 ) 40 − 0. Sea π : proporción poblacional de pacientes curados.

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

083 − 0.06 = 0. Antes el inicio de un programa de inmunización contra la rubeola en una ciudad metropolitana.04 ) 1500 0. Estadístico de contraste: X = 125. la proporción observada de pacientes aliviados es P = 125/1500 = 0. 4.05 .95 =1.18 > Z 0. 5. 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%.18 0.06( 0. Hipótesis: Ho : π ≤ 0.individuos con dicha enfermedad en la población muestreada es mayor que 0. X: Número de residentes positivos a la anemia falciforme.06 H1: π > 0. es cierto lo que sostiene la hipótesis. luego X = 125 y.083. P = 125/1500 = 0. entonces rechazamos Ho.06 (La proporción de residentes con resultados positivos a la anemia falciforme es mayor al 6%) 6. Luego. Solución: Se tiene una variable dicotómica (residentes positivos a anemia falciforme.04 ) 1500 3. por tanto. Sea π : proporción poblacional de residentes positivos a la anemia falciforme.65 .06( 0. Regla de Decisión y conclusiones Z c =18 . residentes negativos a anemia falciforme) y una muestra de n = 1500 observaciones).023 = 18. Zc = P − π0 π 0 (1 − π 0 ) = n 0.083. y concluimos que la Como proporción de residentes con resultados positivos a la anemia falciforme es mayor al 6%.06? Considere α = 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%.

01 0. Regla de Decisión y conclusiones Como Z c = 0. Zc = P −π0 π 0 (1 − π 0 ) = n 0.65 .13 < Z 0 . la técnica no tiene una efectividad superior al 30%.30( 0.13 0. entonces no rechazamos Ho. a.30 (La proporción de individuos que alivió la técnica es superior al 30%) c. no es cierto lo que sostiene el investigador.31 − 0.31. Datos: b.70 ) 0.01 = = = 0. Estadístico de contraste: X = 11.077 35 d. Hipótesis: Ho : π ≤ 0.30 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. P = 11/25 = 0. Solo esto y ya! 23 .30 0. y concluimos que la técnica no tiene una efectividad superior al 30% Luego.006 0.05 . 95 = 1.

Sign up to vote on this title
UsefulNot useful