8.

TEST DE HIPTESIS

CONTENIDO

8.1 INTRODUCCIN .................................................................................................. 162

8.2 HIPTESIS NULA Y ALTERNATIVA................................................................... 162

8.3 PRUEBA DE HIPTESIS PARA LA MEDIA POBLACIONAL .......................... 164

8.4 ERROR TIPO I Y ERROR TIPO II ......................................................................... 166

8.5 CONSTRUCCIN DE LA REGLA DE DECISIN ................................................ 167

8.6 CLCULO DEL TAMAO DE MUESTRA............................................................ 171

8.7 ENFOQUE DEL VALOR P PARA LAS PRUEBAS DE HIPTESIS..................... 172

8.8 EJERCICIOS PROPUESTOS............................................................................... 173

 162

8. TEST DE HIPTESIS

8.1 INTRODUCCIN

En el captulo anterior se describi el procedimiento de estimar, en base a una muestra

aleatoria, el valor de un parmetro de la poblacin, desarrollando un rango de valores dentro
del cual se espera, con cierta probabilidad, est contenido el verdadero valor del parmetro.
Otro de los procedimientos de inferencia estadstica ampliamente utilizado es valorar la
evidencia muestral a favor de alguna hiptesis que se enuncia acerca de una poblacin. Este
procedimiento recibe el nombre de test o prueba de hiptesis.
En general, para las pruebas de hiptesis que veremos en el curso, el test de hiptesis es slo
otra forma de tomar una decisin a la cual se podra haber arribado con un intervalo de
confianza para el parmetro en cuestin.

8.2 HIPTESIS NULA Y ALTERNATIVA

Qu es una hiptesis?
Es una afirmacin acerca de la poblacin; por ejemplo, que un parmetro de la misma tiene un
valor especfico ( = 5, = 2, p = 0.05) 1.
Es una suposicin que se hace en funcin de la sospecha sobre lo que realmente est
ocurriendo en la poblacin.
La comprobacin de esta sospecha debera hacerse estudiando toda la poblacin, pero ya se
ha visto que en la mayora de los problemas, esto es impracticable.
Para ello, se utilizan las pruebas de hiptesis, como un procedimiento de inferencia estadstica
que se basa en la evidencia muestral y en la teora de probabilidad para determinar si la
hiptesis es un enunciado razonable para la poblacin en estudio.
Cuando se observan los datos obtenidos en una muestra, stos, en general sugieren que algo
especfico est sucediendo en la poblacin de la cual se ha obtenido la muestra. La pregunta
es si ese resultado o efecto aparente observado en la muestra, es realmente un indicio de lo
que ocurre en la poblacin en cuestin o solamente es fruto de una variacin aleatoria.
Las pruebas estadsticas de hiptesis constituyen una manera de estimar si ese efecto
aparente indica lo que en la realidad est ocurriendo.
La conclusin siempre estar referida a una poblacin y por lo tanto, como primer paso, debe
establecerse claramente cul es la poblacin en estudio y seguidamente, identificar el
parmetro sobre el que tomamos la decisin.

Estructura del problema

En el procedimiento de prueba se concentra la atencin en dos conjuntos posibles de valores
del parmetro, o dos hiptesis estadsticas, ambas opuestas. Se las llama hiptesis nula e
hiptesis alternativa.

1
Podramos preguntarnos tambin acerca de la forma de la poblacin y hacer supuestos (hiptesis) sobre ella (Test
de Bondad de Ajuste). Pero esta situacin no ser trabajada en la asignatura.

G.Carnevali-E.Franchelli-G.Gervasoni
 163

Hiptesis nula (H0): es la creencia convencional, afirma que no hay ningn cambio o
efecto en la poblacin.

Hiptesis alternativa (Ha): representa el efecto que se sospecha puede ser cierto.
Establece que un determinado parmetro difiere del valor que le otorga la hiptesis
nula.

Cmo decidir si sustentamos lo especificado por la hiptesis nula o lo rechazamos?

La base del procedimiento es analizar la evidencia muestral y valorar si la misma es tan

improbable bajo la hiptesis nula, que sta debera ser rechazada.
En forma sencilla, el proceso de la toma de decisiones es de la siguiente manera:
Se plantean dos hiptesis sobre una poblacin de inters: H0 y Ha.
Para decidir cul de estas dos hiptesis parece ms razonable, recolectamos datos,
los analizamos y nos preguntamos: son estos datos probables de ser observados
si H0 fuera cierta?
Si los datos son poco probables de ocurrir cuando H0 es cierta  rechazo H0 y
sustentamos la otra teora (Ha)2.
Las pruebas de hiptesis se proponen valorar la evidencia proporcionada por los datos
muestrales en contra de una hiptesis nula y a favor de la hiptesis alternativa.

Distintos planteos de pruebas de hiptesis para los parmetros de una poblacin:

Considerando que es un parmetro de la poblacin, y siendo 0 un posible valor del

parmetro, se pueden plantear 3 tipos de pruebas:

a) Prueba bilateral o de dos colas

H0) = 0 (El parmetro es igual a 0), contra

Ha) 0 (el valor de se ha modificado)

b) Prueba unilateral de cola izquierda

H0) 0 (El parmetro es igual a 0 o mayor), contra

Ha) < 0 (el valor de ha disminuido)

c) Prueba unilateral de cola derecha

H0) 0 (El parmetro es igual a 0 o menor), contra

Ha) > 0 (el valor de ha aumentado)

Observacin: el signo igual aparece siempre en la hiptesis nula.

2
El no rechazo de la hiptesis nula no indica necesariamente que la hiptesis que se sustenta sea cierta, significa
que no hay evidencia suficiente para rechazarla.

G.Carnevali-E.Franchelli-G.Gervasoni
 164

Criterio de decisin

Para establecer si los datos muestrales son o no compatibles con H0, debe determinarse una
regla o criterio; este criterio se basa en la distribucin muestral del estimador del parmetro
sobre el cual estamos planteando las hiptesis.
Se comienza suponiendo que H0 es cierta. Luego, si H0 es cierta, los valores del estadstico en
esta distribucin, slo indican una variacin debida al azar.
La distribucin muestral del estadstico, suponiendo cierta la hiptesis nula, brinda informacin
relativa a posibles valores que el estadstico asumir en las muestras y las probabilidades
correspondientes, es decir, el porcentaje de muestras en que el estadstico asumir
determinados valores en el conjunto de infinitas muestras posibles.

8.3 PRUEBA DE HIPTESIS PARA LA MEDIA POBLACIONAL

Ilustraremos la prueba de hiptesis para una media poblacional con un ejemplo:

Supongamos que una cadena de talleres de servicio rpido tiene un servicio estndar para
realizar cambios de aceite y verificar el funcionamiento bsico del automvil. Sus normas
establecen que el tiempo promedio para dar el servicio debera ser 12,5 minutos por automvil,
pero la empresa desea mejorar el tiempo de atencin, disminuyndolo. El tiempo para dar el
servicio es una variable con distribucin normal y de experiencias anteriores se ha determinado
que la desviacin estndar es de 1,2 minutos. Para lograr disminuir el tiempo de atencin se
decide realizar modificaciones en uno de los servicios.
Una disminucin en los valores del tiempo para dar el servicio (X), significara un corrimiento en
la distribucin de probabilidad. Si el modelo persiste y el desvo es el conocido, entonces esta
disminucin se ver reflejada en una disminucin en el valor de .
Una vez realizadas las modificaciones, para determinar si el tiempo promedio de atencin ha
disminuido, recurriremos a implementar una prueba de hiptesis.

1 paso:

Establecer:
Poblacin: tiempo para dar el servicio ( X ) X ~ N ( desconocido, = 1,2)
Parmetro: nos interesa saber si el cambio ha producido alguna disminucin en el tiempo de
atencin promedio, por lo tanto planteamos una decisin sobre .

2 paso:
Se establecen las hiptesis de la prueba

H0) 12,5
Ha) < 12,5

La hiptesis nula dice que no hay diferencias entre las dos condiciones de trabajo, lo que
implica que el tiempo promedio no se ha modificado. La hiptesis alternativa se establece como
el opuesto de la hiptesis nula y representa la conclusin deseada: el tiempo promedio de
atencin disminuy.

G.Carnevali-E.Franchelli-G.Gervasoni
 165

3 paso:
Establecer el estadstico, su distribucin muestral y establecer el criterio para tomar la decisin.
El estimador del parmetro , ya sabemos que es el promedio muestral X cuya distribucin
de probabilidad muestral, ya se ha estudiado. Podemos decir, entonces que es una distribucin
normal con promedio , y desvo estndar .
n
En el ejemplo, suponiendo que el desvo estndar de la variable no se ha modificado, el desvo
estndar del promedio muestral es 1,2 , siendo n el tamao de la muestra con la que se
n
trabajar.

Si suponemos cierta la hiptesis nula, entonces = 12,5 y X ~ N ( = 12,5; x = 1,2 )

n
Grficamente3:

En base a esta distribucin pueden observarse cules seran valores de Z ms compatibles

con H0 y cules, en cambio, seran poco probables si sta fuera la distribucin que estara
actuando (es decir si H0 fuera cierta):

Si el valor del estadstico obtenido en la muestra, x , fuese mucho menor que 0 = 12,5,
x 12.5
z = tambin sera mucho ms pequeo respecto de E(z) = 0, y entonces
1,2
n
estaramos en posicin de suponer que este dato aporta evidencia en contra de que H0 es
cierta, ya que este valor no ocurrira casi nunca por azar si el verdadero valor de fuera
12,5. Por lo tanto, nos inclinamos a pensar que el efecto que se sospech en el planteo, es
muy probable que exista ante esta evidencia.
Cuando rechazamos H0 a favor de Ha, se dice que los datos son estadsticamente
significativos.
Los datos son estadsticamente significativos si ellos son poco probables de ser
observados bajo el supuesto de que H0 es cierta

Si en cambio, el valor obtenido en la muestra no estuviera tan lejos de 0 = 12,5, ese valor
podra ocurrir frecuentemente por azar cuando la media poblacional es 12,5 y entonces
decimos que no se puede rechazar H0 con esta evidencia.

3
Los grficos del captulo 8 fueron realizados por Natalia Anselmi, ayudante de la ctedra de Probabilidad y
Estadstica de la carrera de ISI.

G.Carnevali-E.Franchelli-G.Gervasoni
 166

Cun lejos deben estar los valores para rechazar H0?

Cmo determinar la regla de decisin?

El paso final para construir la regla o criterio de decisin consiste en asociar los valores del
estadstico que utilizamos para probar la hiptesis con la probabilidad de que ocurran
suponiendo cierta la hiptesis nula y decidir en consecuencia cules son los valores que nos
conducen al rechazo de la hiptesis nula (a favor de lo postulado por la hiptesis alternativa) y
cules son los valores no concluyentes para rechazarla.

No olvidemos:
Las hiptesis nula y alternativa son afirmaciones sobre la poblacin que compiten entre
s y las pruebas de hiptesis se basan en la informacin que brinda una muestra; por lo
tanto se debe considerar la posibilidad de errores.
La decisin se toma en base a datos muestrales y en consecuencia stos pueden
llevarnos a decisiones errneas.

Cules son esos errores y los riesgos asociados?

8.4 ERROR TIPO I Y ERROR TIPO II

Un diagrama de
errores y conclusiones correctas en prueba de hiptesis
la situacin :

Poblacin
H0 verdadera Ha verdadera

No rechazar H0  Decisin correcta Error de tipo II

Decisin
Rechazar H0  Error de tipo I Decisin correcta

En cualquier prueba de hiptesis pueden cometerse dos tipos de errores, que se denominan
error de tipo 1 ( eI ) y error de tipo 2 (eII ).

eI : es el error que se comete cuando la regla nos lleva a rechazar H0, cuando en
realidad es cierta.
eII : es el error que se comete cuando la regla nos lleva a no rechazar H0, cuando en
realidad es falsa.

En el contexto del ejemplo considerado:

eI : es el error que se comete si se concluye que el tiempo promedio de atencin ha

disminuido cuando en realidad no disminuy.
eII : es el error que se comete si se concluye que el tiempo promedio de atencin no ha
disminuido cuando en realidad disminuy.

G.Carnevali-E.Franchelli-G.Gervasoni
 167

Como es de notar, se habla de rechazar o no la H0, ya que es la nica que se prueba y es

rechazada cuando los datos muestrales bajo la regla construida son demasiado poco probables
para el modelo poblacional bajo la H0.

Si bien no podemos eliminar la posibilidad de errores en la prueba de hiptesis, s podemos

considerar la probabilidad de su ocurrencia y tratar de controlarlos.

Usaremos la siguiente notacin para indicar las probabilidades de cometer esos errores:

= probabilidad de cometer un error tipo I (nivel de significacin)

= probabilidad de cometer un error tipo II

P(eI ) = P( rechazar H0 / H0 cierta) =

P(eII ) = P( no rechazar H0 / H0 es falsa ) =

y son probabilidades de errores, son los riesgos asociados con la prueba.

8.5 CONSTRUCCIN DE LA REGLA DE DECISIN

Ahora s consideremos el

Paso final para construir la regla o criterio de decisin:

Puede operarse de dos maneras:

establecer el nivel de significacin de la prueba () y calcular el valor crtico a partir del

cual se concluye el rechazo de H0, o
calcular el valor p y concluir el rechazo de H0, para valores muy bajos de p, menores
que el nivel de significacin .

Veamos la primer situacin:

- Fijar el valor (nivel de significacin de la prueba), implica establecer la mxima probabilidad
de equivocarnos en rechazar H0 cuando en realidad es cierta.
- Luego se encuentra el valor crtico del estadstico ( xc ) para el cual esa probabilidad se
verifica y se divide el rango de los valores posibles de promedios muestrales en aquellos que
llevarn al rechazo de H0 y aquellos a partir de los cuales no se rechaza que H0 sea cierta.
La P ( eI ) cuando la prueba es unilateral de cola izquierda es:

P ( eI ) = P ( X < x c ) =

Bajo esta regla de decisin:

Si x obs. > xc  no se rechaza H0
Si x obs. < xc  se rechaza H0

G.Carnevali-E.Franchelli-G.Gervasoni
 168

La P ( eI ) cuando la prueba es unilateral de cola derecha es:

P ( eI ) = P ( X > xc ) =

Bajo esta regla de decisin:

Si x obs. < xc  no se rechaza H0
Si x obs. > xc  se rechaza H0

Volviendo a nuestro ejemplo, supongamos que el gerente del servicio, despus de aplicados
los cambios, quiere decidir sobre las hiptesis planteadas y para ello va a cronometrar
aleatoriamente 30 tiempos de servicio (una muestra aleatoria), fijando un nivel de significacin
= 0,05 (es decir especifica la mxima probabilidad permisible de cometer un error de tipo I) 4.
Busquemos para esta probabilidad de error que se est dispuesto a correr, el valor xc para el
cual esa probabilidad se verifica:

valor de xc tal que: P ( eI ) = P ( X < xc ) = = 0,05

x c 12,5
El xc es equivalente a zc = 1,2 = -1,65
30

despejando x c = 12,5 1,65 * 1,2 = 12,14

30

El valor 12,14 divide a la distribucin muestral del estadstico de prueba en dos regiones, una
regin de rechazo o regin crtica y una regin de no rechazo, como se observa en la figura
siguiente:

La regla de decisin que asumimos para el ejemplo es la siguiente:

Si x obs. > 12,14 ( xc )  no se rechaza H0

Si x obs. < 12,14 ( xc )  se rechaza H0

4
Los valores usuales que se eligen para son 0,05 o valores menores, siendo frecuente el valor 0,01. La opcin de
elegir cierto nivel de riesgo de cometer un error tipo I depende del costo de cometer dicho error en el contexto del
problema.

G.Carnevali-E.Franchelli-G.Gervasoni
 169

En general, para una prueba de hiptesis unilateral, el valor crtico se obtiene:

Prueba de cola izquierda x c = 0 zc

n

Prueba de cola derecha x c = 0 + zc

n

Supongamos ahora que a partir de la muestra aleatoria extrada de 30 tiempos de servicio se

obtuvo un promedio de atencin de 12,29 minutos ( x obs. ) Qu decisin debera tomarse?

Decisin  como 12,29 > 12,14 ( xc )  no se rechaza H0

Grficamente:

Y el error de tipo 2?

- Supongamos que se quiere evaluar la probabilidad de no rechazar la hiptesis nula cuando el

promedio de la variable ha disminuido a 12,2 minutos. Aqu, lo que se quiere ver es cul es el
riesgo que se corre con esta regla de decisin de cometer un error de tipo II, si el verdadero
valor de fuera 12,2.

Luego: P ( eII ) = P ( X > xc / a = 12,2 ) = (12,2)

= P ( X > 12,14 / a = 12,2 ) = 1 - P ( X < 12,14 / a = 12,2) =

12,14 12,2
= 1 - P (Z < ) = 1 P ( Z < - 0,27) = 0,6064
1,2 30

G.Carnevali-E.Franchelli-G.Gervasoni
 170

Observemos que con este criterio de decisin el riesgo que se corre de no rechazar H0 si el
verdadero valor de fuera 12,2 es muy alto.
Si repitiramos la experiencia de seleccionar una muestra de 30 tiempos de servicio cuando el
tiempo promedio de atencin en la poblacin fuera de 12,2, el 60% de las muestras no
detectar la disminucin del promedio de 12,5 a 12,2. Una probabilidad alta de un error de tipo
II para una determinada alternativa, significa que la prueba no es suficientemente sensible para
detectar la alternativa.

- Veamos ahora cul es la probabilidad de error de tipo 2, si el verdadero valor de fuera 12

minutos:

P ( eII ) = P ( X > x c / a = 12 ) = (12)

= P ( X > 12,14 / a = 12 ) = 1 - P ( X < 12,14 / a = 12 ) =

12,14 12
= 1 - P (Z < ) = 1 P ( Z < 0,64) = 1 - 0,7389 = 0,26
1,2 30

G.Carnevali-E.Franchelli-G.Gervasoni
 171

Comparando las dos situaciones anteriores vemos que al situarnos en un valor de ms

alejado del supuesto en la hiptesis nula, el error de tipo II es ms pequeo.
Es evidente que es muy deseable minimizar ambas probabilidades de decisiones incorrectas,
es decir, P(eI) y P(eII) . Observaremos que ambas estn relacionadas, ya que para dos valores
posibles de (el de la H0 y otro que se corresponda con la Ha), disminuir una lleva al aumento
de la otra, salvo en el caso de un aumento en el tamao de la muestra, lo que en la prctica, no
es siempre posible.
El aumento del tamao de la muestra incrementa la potencia del test (reduce la probabilidad
del error de tipo II) cuando el nivel de significacin se mantiene fijo.
Si al disear un test se fijan los errores I y II que se quieren cometer, el tamao de muestra
queda determinado por ellos.
Apoyndonos en el ejemplo, supongamos que se quiera trabajar con un nivel de significacin
=0,05 y con una probabilidad de error II = 0,1 cuando es 12,2, con qu tamao de
muestra se debera trabajar?

8.6 CLCULO DEL TAMAO DE MUESTRA

La frmula para su clculo es la siguiente5:

( z + z )2 2
n=
( a 0 ) 2

5
Esta frmula se deduce al resolver el siguiente sistema de ecuaciones:
P (e I ) =

P (e II = a ) =

G.Carnevali-E.Franchelli-G.Gervasoni
 172

(1,65 + 1,28) 2 1,2 2

Luego, para la situacin planteada: n= = 137,36 n 138
(12,2 12,5) 2
Observamos que para disminuir la probabilidad de error II () a 0,1 se necesitan 108
observaciones ms en la muestra.

8.7 ENFOQUE DEL VALOR P PARA LAS PRUEBAS DE HIPTESIS

Consideremos ahora el segundo enfoque para decidir: calcular el valor p y concluir el
rechazo de H0, para valores muy bajos de p, menores que el nivel de significacin .
A que se llama valor p?

El valor p es la probabilidad de obtener un valor del estimador igual o ms extremo que el

resultado obtenido a partir de los datos muestrales, bajo el supuesto de que la hiptesis nula es
en realidad cierta. En otras palabras podemos decir que el valor p es la probabilidad de que
un resultado se encuentre al menos tan alejado de 0, como el valor observado, en direccin a
la hiptesis alternativa.
Cuanto menor es esta probabilidad, ms fuerte ser la evidencia en contra de la hiptesis nula.
Si en cambio este valor no es tan pequeo, indicar que este resultado no es tan poco
probable si la hiptesis nula es cierta, y entonces diremos que la evidencia muestral no es
concluyente para decidir el rechazo de la hiptesis supuesta como cierta.
Los valores p pequeos constituyen una evidencia en contra de H0, ya que indican que el valor
observado es poco probable de ocurrir slo por azar, sin embargo los valores ms grandes de
p no constituyen ninguna evidencia en contra de H0.
Un valor p menor que el fijado se considera estadsticamente significativo. Es slo una
manera de decir que difcilmente se producira un resultado tan extremo, slo por azar.

Volviendo al ejemplo de los tiempos de atencin, el x obs . fue de 12,29 minutos. Luego el valor
p para esta situacin resulta:

Valor P = P ( X < x obs. ) = P ( X < 12,29) = P (Z< z obs. ) =

12,29 12,5
= P (Z< ) = P (Z< -0,96) = 0,1685
1,2
30

Como el valor p resulta mayor al nivel de significancia asumido 0,05, luego no se rechaza la H0.
Grficamente:

G.Carnevali-E.Franchelli-G.Gervasoni
 173

8.8 EJERCICIOS PROPUESTOS

1.- Con referencia al ejercicio N 5 del Apunte 6 Distribuciones Muestrales la construccin de
los 800 km arroj una ganancia inferior a los 300 millones de pesos por lo que el contratista
sospecha que ha habido una disminucin en la esperanza matemtica del espesor. Los
espesores de 1.440 observaciones obtenidas de esta carretera fueron los siguientes:

CANTIDAD DE
ESPESOR
OBSERVACIONES

100 x < 110 37

110 x < 120 70
120 x < 130 128
130 x < 140 300
140 x < 150 470
150 x < 160 265
160 x < 170 117
170 x < 180 53
Total 1.440

a) Formule la hiptesis nula y alternativa para determinar si el espesor promedio ha

disminuido.
b) Explique, en este contexto, cundo se cometera un error de tipo I y cundo uno de tipo
II.
c) Qu puede concluir con respecto a la sospecha del contratista? (Considere un nivel de
significacin = 0,05 y que el desvo estndar de la variable no se ha modificado)
d) Cul sera su decisin si considera el valor p de la prueba?
e) Cmo podra llegarse a la misma conclusin que en el punto c) a travs de un intervalo
de confianza? Cul es la informacin adicional que proporciona el mismo?

2.- Una fbrica produce llantas cuya vida til es una variable aleatoria distribuda normalmente
con un promedio de 60.000 km y una desviacin estndar de 1.900 km.
Un ingeniero de diseo sospecha que la introduccin de un nuevo compuesto de caucho
incrementa la vida til de las llantas produciendo un desplazamiento de la distribucin sin
modificar la dispersin de la misma.
A tal fin, se prueban 16 llantas fabricadas con el nuevo compuesto de caucho hasta
alcanzar el fin de la vida til de las mismas.
Los datos obtenidos, en km, resultaron:

60.613 59.836 59.554 60.252

59.784 61.221 60.311 55.040
60.545 60.257 60.000 59.997
64.947 60.135 60.220 60.523

a) Formule la hiptesis nula y alternativa para determinar si la vida til promedio se ha

incrementado

G.Carnevali-E.Franchelli-G.Gervasoni
 174

b) Explique, en este contexto, cundo se cometera un error de tipo I y cundo uno de tipo
II.
c) Qu puede concluir respecto de la sospecha del ingeniero de diseo? (Considere un
nivel de significacin = 0,05 y que el desvo estndar de la variable no se ha
modificado)
d) Cul sera su decisin si considera el valor p de la prueba?
e) Calcule la probabilidad de no rechazar la hiptesis nula cuando el promedio de la
variable ha aumentado a 61000 km.
f) Cuntas observaciones adicionales son necesarias si se quiere reducir la probabilidad
del punto e) a 0,10?
g) Cmo podra llegarse a la misma conclusin que en el punto c) a travs de un intervalo
de confianza? Cul es la informacin adicional que proporciona el mismo?

3.- Una compaa decide verificar el peso de los rollos grandes de papel de aluminio que
produce una de sus plantas. Los rollos deben tener un peso promedio de 600 kg pero los
costos crecientes de la materia prima han llevado a la administracin a sospechar que este
promedio ha aumentado.
Estudios preliminares indican que la desviacin estndar de los pesos de los rollos es de 5,8
kg.
La administracin decide llevar a cabo una prueba en base al peso de 250 rollos elegidos al
azar. Desea correr un riesgo de a lo sumo 5% de concluir que el peso promedio ha
aumentado cuando en realidad no es as.
a) Plantee la hiptesis nula y la alternativa.
b) Establezca la regla de decisin.
c) Explique en este contexto cuando se cometera un error de tipo II y calcule la probabilidad
de cometerlo cuando = 602 kg.
d) Despus de revisar la situacin de riesgo junto con el costo que supone pesar en forma
individual 250 rollos, la administracin decide que han previsto en la prueba una precisin
mayor de la que estn dispuestos a pagar. Despus de meditar cuidadosamente, deciden
determinar el tamao de muestra necesario para continuar con la probabilidad de error de
tipo I plantea anteriormente pero con una probabilidad de 0,96 de detectar un aumento
en el peso promedio a 602 kg. Cuntos rollos debern seleccionarse?

G.Carnevali-E.Franchelli-G.Gervasoni