1

Tópicos
Con Aplicaciones en Excel

EMA-2606
Tecnología Aplicada a la
Enseñanza de las Ciencias
Elaborado por la sección de
matemática del CUED

Desarrollo Temático y Tecnológico

M.Sc. Ricardo Quan Ferrera
 2

UNIVERSIDAD PEDAGÓGICA NACIONAL

FRANCISCO MORAZÁN

CENTRO UNIVERSITARIO
DE EDUCACIÓN A DISTANCIA

UNIVERSIDAD PEDAGÓGICA NACIONAL

FRANCISCO MORAZÁN

CENTRO UNIVERSITARIO DE EDUCACIÓN A

DISTANCIA

SECCIÓN DE MATEMÁTICA

GUÍA ACADÉMICA

EMA 2606 Tecnología Aplicada a la Enseñanza de las

Ciencias
ORIENTACIÓN EN ESTADÍSTICA

PREPARADO POR

RICARDO QUAN FERRERA

MAURICIO MONCADA

TEGUCIGALPA, HONDURAS, AÑO 2015

 3

INDICE
Guía Académica……………………………………………………..pag. 5
Primera Visita. Laboratorio 1. …………………………..pag. 7
Introducción …………………………...pag. 8
Definiciones b{sicas …………………………...pag, 9
Ejemplo 1 ……………………………pag. 17
Ejemplo 2 …………………………...pag. 22
Prueba de Hipótesis para una media poblacional.
Muestra pequeña ……………………………pag. 25
Ejemplo 3 ……………………………pag. 27
Ejemplo 4 ……………………………pag. 29
Ejercicios laboratorio 1. ……………………………pag. 34
Visita 2.
Prueba de Hipótesis para dos poblaciones ……………………….pag. 38
Diferencias entre dos medias poblacionales.
Muestras grandes …………………………...pag. 39
Ejemplo 1 …………………………... pag. 41
Ejemplo 2 ……………………………pag. 44
Prueba de Hipótesis para dos poblaciones.
Muestras pequeñas …………………………...pag. 49
Ejemplo 1 …………………………...pag. 51
Ejemplo 2 …………………………...pag. 53
Ejercicios visita 2. …………………………..pag. 58
Visita 3. …………………………..pag. 60
Estimación de Proporciones …………………………...pag. 61
Ejemplo 1 …………………………..pag. 64
Ejemplo 2 …………………………..pag. 68
Prueba de Hipótesis para 2 proporciones …………………………pag. 70
Ejemplo 1 …………………………..pag. 73
Ejemplo 2 ………………………….pag. 76
Ejercicios 3 visita. ………………………….pag. 79
Visita 4. ………………………….pag. 80
Prueba de Hipótesis para k proporciones ………………………..pag. 81
Ejemplo 1 ………………………….pag. 82
Ejercicios 4 visita ………………………… pag 86
Quinta visita ………………………… Pag 88
Tablas de Contingencia …………………………pag. 89
Ejemplo 1 ………………………… .pag. 89
Ejercicios 5 visita ………………………….pag. 94
Anexos …………………………...pag. 96
 4

Tablas
Tabla z pág. 87
Tabla t pág. 88
Tabla Chi Cuadrado pág. 89
 5

GUÍA ACADÉMICA

1) DATOS GENERALES

ESPACIO FORMATIVO ESPECÍFICO: EMA 2606 TECNOLOGIA APLICADA A

LA ENSEÑANZA DE LA MATEMATICA.

2) PRESENTACION DEL CURSO

Este curso comprende temática sobre la hoja electrónica Microsoft Excel aplicada
a la Estadística; MINITAB, software para Estadística, se estudiaran los temas
sobre Pruebas de Hipótesis para la media, proporciones y tablas de
contingencias. El curso se desarrollará haciendo laboratorios digitales de
computación y asignación de tareas donde el estudiante participa activamente en
la ejecución de los mismos.

3) OBJETIVOS GENERALES

 Conocer los fundamentos del módulo estadístico de Excel para las pruebas
de hipótesis.

 Conocer el software MINITAB , en las aplicaciones de pruebas de hipótesis.

 Desarrollar habilidades creativas y conocimientos formativos sobre la

estadística y sus aplicaciones en la investigación

 Desarrollar pensamiento crítico en la toma de decisiones en base a los

cálculos efectuados

4) DISTRIBUCIÓN TEMÁTICA: El curso se desarrollará en cuatro unidades

distribuidas así:

 PRIMERA VISITA: Pruebas de Hipótesis para la media aritmética, una

población.
 SEGUNDA VISITA: Pruebas de Hipótesis para dos poblaciones,
respecto a la media aritmética.
 TERCERA VISITA: Pruebas de hipótesis para proporciones.
 CUARTA VISITA: Prueba de hipótesis para k proporciones.
 6

 QUINTA VISITA: Tablas de contingencia.

5) EVALUACION DEL ESPACIO FORMATIVO

El curso se evaluará de la siguiente forma:

 Asistencia a los laboratorios: 20 %

 Presentación de informes de laboratorios: 30%
 Examen Final: 50%

6) RECURSOS DE APRENDIZAJE

 Laptop, USB, guías de laboratorio, Data Show

 Copia del material de estudio elaborado por el profesor

7) SUGERENCIAS METODOLÓGICAS

 Participación activa: El desarrollo de los temas requieren que el estudiante

participe activamente en todas las actividades que se planean durante el
transcurso del espacio formativo.

 Laboratorios: El estudiante deberá participar en el desarrollo de los

laboratorios que se planean en cada visita y asignaciones a través de la
plataforma o correo electrónico

 Resolución de guías: La tareas en forma de guías o laboratorios forman

parte del desarrollo del espacio formativo y es obligación del estudiante su
realización
 7

PRIMERA VISITA.

LABORATORIO 1:
PRUEBAS DE HIPÓTESIS.

Tema
PRUEBAS DE HIPÓTESIS

Objetivo Al final de la sesión, utilizando la herramienta EXCELL Y

MINITAB, el estudiante podrá:

Realizar pruebas de hipótesis por medio de EXCEL Y

MINITAB, para facilitar la toma de decisiones.

Herramienta de
MINITAB 1. SUM (entre filas y columnas), PROMEDIO, MEDIA,
MODA, VAR, DESVEST y fórmulas en celdas para
calcular totales.
2. Asistente de Gráficos

Materiales
Auxiliares 1. Memoria USB.

Actividades a
realizar por el 1. Abrir una hoja electrónica nueva y guardarla en la USB.
estudiante con un nombre apropiado o el que asigne el profesor(a).
2. En el ejemplo 1 de esta guía se explicarán los pasos a
seguir para la resolución de los problemas.
.
3. Seguir las instrucciones del material para poder resolver
los problemas asignados.
 8

INTRODUCCIÓN

El propósito del análisis estadístico es reducir el nivel de incertidumbre en el

proceso de toma de decisiones. Los gerentes pueden tomar decisiones sólo si
tienen suficiente información a su disposición. La prueba de hipótesis es una
herramienta analítica muy efectiva para obtener esta valiosa información, bajo una
gran variedad de circunstancias.
Se usará el software MINITAB 17, de MINITAB INC. y la hoja electrónica EXCEL,
Potentes herramientas para el análisis estadístico. Se usara la siguiente
metodología: los ejemplos se resolverán en forma analítica-matemática y
utilizando MINITAB y /o Excel.
 9

DEFINICIONES BÁSICAS.

PRUEBAS DE HIPÓTESIS DE UNA POBLACIÓN.

La prueba de hipótesis inicia con un supuesto llamado hipótesis, que se hace con
respecto a un parámetro de población, enseguida se recolectan datos de una
muestra, se producen estadísticos de muestra y se usa esa información para decidir
qué tan probable es que sea correcto el parámetro de la población acerca del cual
se hizo la suposición.
En una prueba de hipótesis de una población, se seguirá el siguiente esquema:

 Suponer un cierto valor para una media de población. (Ho)

 Recolectar datos de muestra y calcular la diferencia entre el valor hipotético
y el valor real de la media de la muestra.
 Juzgar si esa diferencia es significativa o no, usando un estadístico de
prueba apropiado.
Mientras más pequeña sea la diferencia calculada, mayor será la probabilidad que
el valor hipotético. (Ho), sea correcto, y al contrario, mientras mayor sea la
diferencia más pequeña será esa probabilidad.
Lo que se pretende con la prueba de hipótesis es dar un proceso objetivo que
permita decidir si se acepta o se rechaza el supuesto planteado, tomando como
base la información de la muestra.

DEFINICIONES BASICAS.
 HIPOTESIS NULA.
En la prueba de hipótesis, se debe establecer el valor supuesto o hipotético
del parámetro de la población (μ) antes de comenzar a tomar la muestra.
Esta suposición que se someterá a prueba se llama hipótesis nula, se denota
por H0. Por ejemplo, si se desea probar la hipótesis que la media de una
población es igual a 650, entonces se plantea en forma simbólica así:
H0 : μ = 650 , lo cual se lee: la hipótesis nula H0 es igual a 650.
 10

NOTA: El término hipótesis nula viene de las primeras aplicaciones de estadística

en agricultura y medicina.
 HIPOTESIS ALTERNATIVA.
Si los resultados de la muestra no respaldan H0 entonces se debe concluir
que se cumple o se acepta otra cosa, esa otra cosa se llama hipótesis
alternativa, la cual se denota por H1

Para H0:μ = 650, se consideran tres hipótesis alternativas posibles:

1. H1:μ≠650 , se denomina prueba de dos extremos.
2. H1:μ>650 , se denomina prueba del extremo derecho.
3. H1:μ<650 , se denomina prueba del extremo izquierdo.
 NIVEL DE SIGNIFICANCIA.
Después que se definen las dos hipótesis, nula y alternativa, el siguiente
paso consiste en decidir qué criterio utilizar para decidir si aceptar o
rechazar la hipótesis nula.

El objetivo de la prueba de hipótesis no es cuestionar el valor calculado del

estadístico de muestra sino de emitir un juicio acerca de la diferencia entre
el estadístico y el parámetro hipotético.

Si se toma el 5% como el nivel de significancia para probar una hipótesis

nula si la diferencia entre la estadística de muestra y el parámetro de
población hipotético es lo bastante grande como para que ocurra esta u otra
diferencia mayor, en promedio, solo cinco o menos veces en cada 100
muestras, cuando H0 es correcta.

Lo anterior se puede ver en la siguiente gráfica.

 11

Regiones de diferencia significativa y de diferencia no significativa a un nivel de

significancia del 5%.

La figura 2 dice que el 95% del área es la región de aceptación de la hipótesis

nula H0, cuando se eligió el 5% como el nivel de significancia, y las dos áreas
sombreadas son las de rechazo.

Selección del nivel de significancia.

No existe un solo nivel de significancia para probar una hipótesis. Los
niveles más usuales son 5% y 1% aunque es posible probar una hipótesis a
cualquier nivel de significancia, pero mientras más alto sea el nivel de
 12

significancia que se utiliza para probar una hipótesis, mayor será la

probabilidad de rechazar una hipótesis nula cuando sea cierta.
Las siguientes figuras muestran tres niveles de significancia:

Nivel de significancia del 1%

Nivel de significancia del 10%

Nivel de significancia del 50%

 13

TABLA DE DECISIONES

La validez o bondad de una prueba estadística de una hipótesis se mide

mediante las probabilidades de cometer un error tipo I o de tipo II. El
rechazo de una hipótesis nula cuando es cierta se llama error tipo I, y su
probabilidad es el nivel de significancia, y se simboliza por α ( alfa). Aceptar
una hipótesis nula cuando es falsa se llama error tipo II, su probabilidad se
simboliza por β (beta).
Hay un equilibrio entre los dos tipos de errores: la probabilidad de cometer
un tipo de error puede ser reducido si y solo si se incrementa la
probabilidad de cometer el otro tipo de erro. Lidiar con este equilibrio,
depende de asunto a decidir en la vida real.

HIPOTESIS NULA

DECISION VERDADERA FALSA

RECHAZAR H0 ERROR TIPO I DECISION CORRECTA

ACEPTAR H0 DECISION CORRECTA ERROR TIPO II

Propiedades de Alfa y Beta.

1. El valor de alfa se fija al escoger la región de rechazo.
2. El valor de beta dependerá de la hipótesis alternativa que se escoja. Es
más fácil detectar diferencias grandes con el valor de la hipótesis nula de
un parámetro, que detectar diferencias pequeñas. Si se quieren detectar
diferencias pequeñas con el valor de la hipótesis nula de un parámetro,
beta será grande. Si se desea detectar diferencias grandes, beta será
pequeña.
3. Para un tamaño maestral fijo, al aumentar la región de rechazo alfa (α),
beta (β) disminuye. Si alfa decrece, beta aumentara.
4. Al aumentar el tamaño de la muestra n, alfa y beta decrecerán a la vez.
 14

DECISION SOBRE EL TIPO DE DISTRIBUCION A UTILIZAR EN LA PRUEBA

DE HIPOTESIS.

Después de decidir el nivel de significancia a utilizar, el paso siguiente está en

determinar la distribución de probabilidad adecuada. El cuadro siguiente resume
que tipo de distribución de probabilidad utilizar:

CUANDO SE CONOCE CUANDO NO SE

LA DESVIACION CONOCE LA
ESTANDAR DE LA DESVIACION
POBLACION (σ) ESTANDAR DE LA
POBLACION (σ)
EL TAMAÑO DE LA DISTRIBUCION DISTRIBUCION
MUESTRA n ES MAYOR NORMAL . NORMAL .
QUE 30 TABLA Z TABLA Z
EL TAMAÑO DE LA DISTRIBUCION T. DISTRIBUCION T.
MUESTRA n ES MENOR TABLA T TABLA T
O IGUAL A 30 SE
SUPONE QUE LA
POBLACION ES
NORMAL O
APROXIMADAMENTE
NORMAL

PRUEBA DE HIPOTESIS DE DOS EXTREMOS.

En una prueba de dos extremos de una hipótesis, se rechazará la hipótesis nula si

la media de la muestra es significativamente mayor o menor que la media
hipotética de la población. Existen dos regiones de rechazo.
Esta prueba se aplica cuando la hipótesis nula es iguala una constante real o valor
numérico especifico, ( H0: μ = k) donde k es un valor especifico, y la hipótesis
alternativa es H1: μ ≠ k. Ver figura siguiente:
 15

PRUEBA DE HIPOTESIS DE UN SOLO EXTREMO.

Hay situaciones en las que no es posible aplicar una prueba de dos extremos, si la
hipótesis nula es de la forma H0 : μ = k y la hipótesis alternativa es de la forma
H1: μ > k, o bien H1: μ < k entonces se utiliza la prueba del extremo derecho o del
extremo izquierdo respectivamente, Ver las siguientes figuras:

Prueba de hipótesis del extremo derecho

 16

Prueba de hipótesis del extremo izquierdo

PASOS PARA UNA PRUEBA DE HIPOTESIS.

En general, consideraremos los siguientes pasos:

1. Planteamiento de la hipótesis nula H0.

2. Planteamiento de la hipótesis alternativa H1.
3. Plantear el criterio de decisión ( nivel de significancia)
4. Calcular el estadístico de prueba.
5. Conclusión.
 17

PRUEBA DE HIPOTESIS PARA UNA MEDIA POBLACIONAL.

MUESTRA GRANDE.

Analizaremos dos casos:

a) Cuando se conoce la desviación est{ndar de la población σ

b) Cuando no se conoce la desviación estándar de la población.

a) Prueba de hipótesis para una población, n es grande (n > 30), y se conoce o

desconoce σ. Los pasos son:
1. Hipótesis nula: H0 : μ = k
2. Hipótesis alternativa adecuada:
H1 : μ ≠ k ( prueba de dos extremos)
H1 : μ > k ( prueba del extremo derecho)
H1 : μ < k ( prueba del extremo izquierdo)
3. Criterio de decisión: (nivel de significancia)
 18

4. Estadístico de prueba:
x x
z 
x 
n
Si se desconoce , sustituir este valor por la desviación estándar de la
muestra s.
5. Conclusión.
Se compara el paso 4 con el paso 3.

EJEMPLO 1.
La producción diaria en libras de cierta planta industrial que produce cierto
producto químico registrada durante n = 50 días, reporta una media de la muestra
de x  871libras, con una desviación de la muestra de s = 21 libras. Probar la
hipótesis nula que el promedio de la producción diaria del producto químico es de
μ = 880 libras diarias y una desviación estándar de la muestra s = 21 libras. Probar
la hipótesis nula que el promedio de la producción diaria del producto químico es
de μ = 880 libras diarias, contra la hipótesis alternativa que μ es distinta de 880
libras, usar un nivel de significancia de α = 0.05.

Solución:

PASO 1. H0: μ = 880 libras. (Hipótesis Nula)

PASO 2. H1: μ ≠ 880 libras. (Hipótesis Alternativa)

PASO 3. Criterio de decisión

 19

Grafica del criterio de decisión del ejemplo 1


Si α = 0.05, entonces  0.025 , 0.5 -0.025 = 0.475, para un de área = 0.475, e valor de
2
es, z = 1.96

Si z < -1.96 o z > 0.1.96 entonces H0se rechaza, caso contrario se acepta.

PASO 4. ESTADISTICO DE PRUEBA.

X  871  880 9
Como X = 871 y s = 21, entonces z     3.03 ,
 21 21
n 50 7.07
PASO 5.CONCLUSION.

Como -3.03 < -1.96 , entonces H0 se rechaza.

EJEMPLO 1 CON MINITAB.

Los pasos 1, 2, 3 son iguales, solo el paso 4 se hará con MINITAB.
PASO 1. H0 : μ = 880 libras. (Hipótesis Nula)

PASO 2. H1 : μ ≠ 880 libras. (Hipótesis alternativa)

PASO 3. Criterio de decisión

PASO 4. ESTADISTICO DE PRUEBA.

a) Abrir MINITAB, despliega la siguiente pantalla:
 20

b) Presionar el botón : Estadísticas, luego Estadísticas básicas, despliega la

siguiente página:
 21

c) En estadísticas básicas, presionar z de 1 muestra, en esta ventana marcar

datos resumidos e ingresar el valor de n, de la media de la muestra, y la
desviación de la muestra, marcar: Realizar prueba de hipótesis, introducir el
valor de la hipótesis nula.

d) Presionar opciones, introducir nivel de confianza e hipótesis alternativa,

e) Clic en aceptar, luego clic en aceptar, se despliega la siguiente pantalla:

 22

Paso 5. Conclusión
Como +3.03 < -1.96, entonces H0 se rechaza.

Ejemplo 2.

Un vendedor de autos nuevos calcula que su compañía tiene que promediar más
de 4.8% de ganancias en las ventas de autos nuevos. Una muestra de n = 80 autos,
proporcionó una media y desviación del promedio de ganancias por vehículo de
X = 4.87 % y s = 3.9 %. ¿ Aportan los datos suficiente evidencia que indique que la
política del gerente de ventas al aprobar los precios genera una ganancia media
superior al 4.8 % por coche?. Usar un nivel de significancia de 0.01.
Solución:

PASO 1. H0 : μ=4.8
PASO 2. H1 : μ>4.8
PASO 3. Criterio de decisión.
 23

GRAFICA DEL CRITERIO DE DECISION.

Como α = 0.01, entonces z = 2.33. (Hacer curva normal para estos valores)
Si z > 2.33 entonces H0 se rechaza, caso contrario se acepta.

PASO 4. Estadístico de Prueba.

4.87  4.80
Si X = 4.87 y s = 3.9, entonces z   0.16
3.9
80

Con MINITAB.
Abrir MINITAB e ingresar los siguientes datos: n=80, X = 4.87, s = 3.9, nivel de
significación = 0.99, elegir la opción datos sumarizados (datos resumidos)
 24

Después, clic en opciones para ingresar el nivel de confianza 99.0 y la hipótesis alternativa del
extremo derecho;

Luego clic en OK, luego ok., se despliega la siguiente pantalla:

 25

PASO 5. Como 0.16 <2.33 , entonces H0 se acepta.

PRUEBA DE HIPOTESIS PARA UNA POBLACION, MUESTRA PEQUEÑA.

Para muestras pequeñas, el estadístico de prueba se define por :

x
t ..
s
n
 26

Los criterios de decisión son los siguientes:

HIPOTESIS RECHAZAR LA ACEPTAR LA

ALTERNATIVA HIPOTESIS NULA SI: HIPOTESIS NULA SI:
μ < μ0 t < - t0 t ≥-t0

μ > μ0 t > t0 t ≤ t0

μ ≠ μ0 t < - t0 t  t  t
o t > t0 2 2

En forma gráfica, los criterios de decisión son los siguientes:

Hipótesis alternativa unilateral μ > μ0

 27

Hipótesis alternativa unilateral μ < μ0

Hipótesis alternativa bilateral μ ≠ μ0

 28

Ejemplo 3.

Supóngase que se desea demostrar, sobre la base de una muestra aleatoria de

tamaño 6, si el peso promedio de los caballos de un grupo grande de caballos de
silla americanos es mayor que 1000 libras. ¿Qué podemos concluir en el nivel de
significación de 0.01 , los valores de la muestra son: 987 , 1146, 995, 1010, 1183 y
1075.
Solución:

PASO 1. Hipótesis nula: H0: μ = 1000

PASO 2. Hipótesis alternativa: H1: μ > 1000

PASO 3. Criterio de decisión.

Como α = 0.01, n = 6, entonces gl = 6-1 = 5.
El valor crítico de t, buscando en la tabla es t = 3.365.
Si t <3.365, entonces H0 es verdadera, caso contrario se rechaza.

La gráfica es:

PASO 4. Estadístico de prueba:

Para los datos, 987, 1146, 995, 1010, 1183 y 1075, la media es 1066 , s = 83.17.
 29

1066  1000
t  1.94
83.17
6

CON MINITAB:

No olvidar los pasos con minitab:

Entrar a MINITAB, clic en Estadísticas, luego Estadísticas Básicas, elegir “t de una
muestra”

PASO 5. Conclusión: como 1.94 <3.365 , entonces H0 se acepta.

 30

Ejemplo 4.

Queremos probar, en base a una muestra aleatoria de n=5 ejemplares, si el contenido de

grasa de cierto tipo de helado es menor que 12%. ¿Podemos rechazar la hipótesis nula µ
= 12%, contra la alternativa µ < 12%, en el nivel de significación del 0.01 , si la muestra
tiene una media de
x = 11.3% , y desviación s = 0.38%.
Solución:
PASO 1. H0 = µ =12 %
PASO 2. H1 = µ < 12%
PASO 3. CRITERIO DE DECISIÓN.
Como n = 5, gl = 5-1 = 4 , buscando en la tabla t , para 0.01, t = 3.7469.
Si t < - 3.7469 , entonces H0 se acepta, caso contrario se rechaza.
Veamos la gráfica:

PASO 4. ESTADÍSTICO DE PRUEBA.

11.3  12
t  4.12
Como x = 11.3% , s = 0.38%, 0.38
5
Con MINITAB:
31
32
 33

Paso 5. Conclusión:
Como -4.12 < - 3.747, entonces H0 se rechaza.
 34

EJERCICIOS LABORATORIO 1.

1) El editor de una revista deportiva desea saber si el tiempo promedio real

que requiere un corredor para completar la ruta de más de 26 millas del
maratón de Boston es 3.5 horas. Si en una muestra de 50 corredores el
tiempo promedio que tardan en completar la ruta es 3.25 horas con
desviación estándar de 0.75 horas, ¿existe, con nivel se significancia de 0.05,
la evidencia suficiente para rechazar la hipótesis nula   3.5 horas?

2) Con el fin de interesar a una compañía de autobuses para que ofrezca

transporte entre una ciudad pequeña y su aeropuerto cercano, la cámara de
comercio afirma que cuando menos 2500 personas utilizan el aeropuerto
cada día. Para verificar esta información, la compañía contrató a una firma
de investigación que concluyó que un promedio de 2100 personas, con una
desviación estándar de 267 personas, pasaba por el aeropuerto en 35 días
seleccionados al azar. Con un nivel de significancia de 0.05 pruebe que la
hipótesis nula   2500 contra la hipótesis alternativa   2500 .

3) Los datos recolectados de los usuarios de un horno de microondas

específico indican que el tiempo que tardan en cocinar un alimento simple
es una variable aleatoria que tiene una media de 10.50 minutos y una
desviación estándar de 0.50 minutos. Un grupo de 60 usuarios del horno de
microondas es seleccionado al azar y recibe un curso breve sobre el uso
adecuado y eficiente de los hornos de microondas. Al término del curso a
cada participante se le pide cocinar el mismo alimento simple que antes. El
tiempo de cocción promedio es 10.25 minutos.
a) ¿Constituye esto evidencia, con un nivel de significancia de 0.01 de que
después de la participación en el curso, el tiempo medio requerido para
cocinar un alimento simple en un horno de microondas sea menor?

b) Si la diferencia del inciso a) es significativa, ¿también es importante para

los usuarios de hornos de microondas?

4) Al investigar una queja de un comprador de que el peso del producto

comprado es inferior, un fabricante toma una muestra al azar de 36 latas de
café de 32 onzas de un cargamento grande y descubre que el peso medio es
 35

31 onzas con una desviación estándar de 0.06 onzas. ¿Constituye esto

evidencia de que el peso es inferior en el nivel de significancia de 0.01?

5) Según la especificación, el peso medio de una caja que contiene galletas es

45.6 libras. ¿Qué se puede concluir en el nivel de significación de 0.01 acerca
de un cargamento grande de cajas de galletas si una muestra tomada al azar
de 50 cajas de este cargamento tiene un peso combinado de 2305 libras y
una desviación estándar de 1.8 libras?

6) El gerente de producción de una compañía manufacturera grande estima

que la edad media de sus empleados es 22.8 años. El tesorero de la firma
necesita una cifra de la edad media de los empleados más exacta a fin de
estimar el costo de una prestación por antigüedad que se considera para los
empleados. El tesorero toma una muestra al azar de 70 trabajadores y
observa que la edad media de los empleados muestreados es de 26.2 años
con una desviación estándar de 4.6 años. En el nivel de significancia de 0.01,
¿Qué puede concluir el tesorero acerca de la exactitud de la estimación del
gerente de producción?

7) Un proceso de producción está diseñado para agregar 55 galones de agua a

cada uno de los numerosos recipientes de una mezcla. El número medio de
galones de agua varía en ocasiones, pero la desviación estándar se considera
estable y fija en 2.8 galones. Con el objeto de verificar que las mezclas
reciban 55 galones de agua, un ingeniero de producción observa
detenidamente el mezclado de una muestra de 100 recipientes y determina
el volumen neto medio de galones de agua agregados. ¿Para qué valores de
x debe rechazar el ingeniero la hipótesis nula   55 si utiliza una
alternativa bilateral y un nivel de significación de 0.01?

8) Repita el ejercicio anterior utilizando:

a) La hipótesis alternativa unilateral   55 galones, que podría ser más
apropiada en este ejemplo si se dañara la mezcla al agregar menos de 55
galones de agua.

b) Los productores y consumidores pueden verse negativamente afectados

si obtienen más o menos de lo fijado por cierta norma. Sugiera algunos
ejemplos ilustrativos prácticos de este caso.
 36

9) En una serie de ensayos de agotamiento de energía, un automóvil eléctrico

alimentado por baterías cargadas en su totalidad operó sin recargas sus
baterías durante 9, 11, 11, 18, 10, 13, 11, 8, 9 y 10 horas. ¿Constituye esto
evidencia, con un nivel de significación de 0.01, de que las baterías se
agotaran en 11 horas en promedio?

10) Una muestra tomada al azar de clientes por correspondencia de un

proveedor de productos del mar revelo que siete pedidos telefónicos
recibidos el mismo día tardaron 1, 4, 3, 2, 6, 3 y 2 días en ser procesados.
Utilice el nivel de significación de 0.01 para probar la afirmación de que en
promedio los pedidos por correo se procesan en dos días. Elija la hipótesis
alternativa en tal forma que el rechazo de la hipótesis nula   2 días
implique que se tarda más tiempo.

11) Un fabricante garantiza que cierto rodamiento tiene un diámetro exterior

medio de 0.8525 de pulgada con una desviación estándar de 0.0003 de
pulgada. Si una muestra tomada al azar de nueve rodamientos de un lote
grande de estas partes tiene un diámetro medio de 0.8529 de pulgada, en el
nivel de significancia de 1%, ¿cumple este lote la garantía del fabricante con
respecto al diámetro medio exterior?

12) En diversos anuncios se afirma que el contenido promedio de nicotina de

cierto cigarrillo es 0.30 miligramos. Al sospechar que esta cifra es demasiado
baja, una agencia de protección al consumidor toma una muestra al azar de
15 de estos cigarrillos de diversos lotes de producción y advierte que su
contenido de nicotina tiene una media de 0.33 miligramos con una
desviación estándar de 0.018 miligramos. Utilice el nivel de significación de
0.05 para probar la hipótesis nula   0.30 contra la hipótesis   0.30
alternativa.

13) Un fabricante de automóviles asevera que cierto tipo de unidad tiene un

rendimiento promedio por galón de gasolina de 40 millas. Sospechando que
esta cifra es demasiado alta, una agencia de protección al consumidor utiliza
una muestra de 20 de estos automóviles de diversas plantas de ensamblaje y
determina que su consumo de gasolina tiene una media de 34 millas por
galón con una desviación estándar de 6.3 millas por galón. Emplee el nivel
 37

de significación de 0.05 para probar la hipótesis nula   40 contra la

hipótesis   40 alternativa.
 38

VISITA 2.

PRUEBAS DE HIPOTESIS PARA DOS POBLACIONES.

Tema
PRUEBAS DE HIPÓTESIS PARA DOS
POBLACIONES RESPECTO A LA MEDIA
ARITMETICA.

Objetivo Al final de la sesión, utilizando la herramienta EXCELL Y

MINITAB, el estudiante podrá:

Realizar pruebas de hipótesis para dos poblaciones ,

respecto a la media aritmética, por medio de EXCEL Y
MINITAB, para facilitar la toma de decisiones.

Herramienta de
MINITAB Funciones de la estadística básica.
Herramienta de FUNCIONES ESTADISTICAS
EXCEL
Materiales
Auxiliares Memoria usb.

Actividades a
realizar por el Abrir una hoja electrónica nueva y guardarla en la USB.
estudiante con un nombre apropiado o el que asigne el profesor(a).
En el ejemplo 1 de esta guía se explicarán los pasos a
seguir para la resolución de los problemas.
.
Seguir las instrucciones del material para poder resolver los
problemas asignados.
 39

DIFERENCIAS ENTRE DOS MEDIAS POBLACIONALES.

MUESTRAS GRANDES.

En los problemas donde debamos decidir si una diferencia observada entre dos
medias de muestras se puede atribuir a la casualidad, aplicaremos la siguiente
teoría: Si X1 y X 2 son las medias de dos muestras aleatorias independientes
grandes de tamaño n1 y n2, la función de distribución de la estadística ( X1  X 2 )
Se puede calcular muy aproximadamente con una curva normal que tenga de

 
2 2

media a  X  X  1  2 y una desviación estándar de  X  X  1 2

, donde
1 2 1 2
n1 n2
µ1 , µ2 , σ1 , σ2 son las medias y las desviaciones de las dos poblaciones de las
cuales provienen las dos muestras.
Muestras independientes significa que la selección de una no afecta a la
selección de la otra, por lo tanto la teoría no se aplica a comparaciones “antes
después”.
En la mayoría de los casos σ1 y σ2 , son valores desconocidos, por lo tanto , en
caso de muestras grandes (n1 y n2 mayores que 30) podemos usar las
desviaciones de las muestras como estimaciones de σ1 y σ2 respectivamente, y
basar la prueba de hipótesis nula μ1 – μ2 = 0 en el estadístico:

X1  X 2
z
2 2
s 1
 s 2

n 1 n 2

Que tiene aproximadamente la distribución normal estándar.

Los criterios de decisión son los siguientes:

 40

Para la prueba de Hipótesis de dos extremos

Para la prueba del extremo derecho.

Para la prueba del extremo izquierdo.

 41

Ejemplo 1.
En un estudio de una tienda de departamentos diseñado para probar si el saldo
promedio en las cuentas de un mes es el mismo en sus dos sucursales de una
ciudad, dos muestras tomadas al azar arrojan los siguientes resultados:

n1 = 80 X 1 = $ 64.20 s1 = $16.00
n2 = 100 X 2 = $ 71.41 s2 = $22.13
Probar la hipótesis alternativa que μ1 < μ2 , con un nivel del 0.05.
Solución:
Paso 1. H0 : μ1 - μ2 = 0
Paso 2. H1 : μ1 < μ2
Paso 3. Criterio de decisión:
Para el nivel de confianza del 95%, z = -1.645 ( ver tabla z)
Si z > -1.645 , entonces H0 se acepta, caso contrario se rechaza.
Gráfica:

Paso 4. Estadístico de prueba .

Calculamos z,

X1  X 2 64.20  71.41
z   2.53
2 2
256 489.7369
s 1
 s 2 
80 100
n 1 n 2
Ahora desarrollaremos el paso 4 utilizando MINITAB.
 42

Abrir MINITAB en la forma usual, luego seleccionar Estadísticas, estadísticas

Básicas, y luego 2-sample t ( esta opción es tanto para muestras pequeñas como
grandes)

Enseguida
 43

Presionar Ok, luego Ok , y se genera el siguiente resultado,

Observemos que el el valor es t = -2.53 ( lo tomaremos como z ya que las

muestras son grandes).
Paso 5. Conclusión.
Como -2.53 < - 1.645 , entonces H0 se rechaza.
 44

Ejemplo 2.

Sean los siguientes datos, obtenidos de dos poblaciones con distribución normal
cada una:

Muestra n1 : 39 22 28 11 33 47 25 24 34 28 15 40 27 33 27 23 27

18 46 33 17 38 38 19 13 30 20 38 37 33 17 28 36 23

27 34 24 38 35 10 37 23 29 32 38 21 43 27 35 28 18

39 23 20 30 28 17 33 47 28 16 23 37

Muestra n2 : 41 47 27 27 36 24 28 36 46 34 36 44 13 23 46 48 48

44 45 26 36 21 30 35 36 23 36 34 36 48 38 44 35 36

46 36 36 24 26 24 23 23 51 37 37 17 46 34 28 41 30

25 46 33 26 44 36 38 28 34 45 46 36.

Probar si las medias de las dos poblaciones son iguales, utilizando un nivel de
significación de 0.05.

Solución:

Paso 1. H0 : μ1 = μ2 ( Las medias son iguales)

Paso 2. H1 : μ1 ≠ μ2 ( Las medias son distintas)
Paso 3. Criterio de decisión:
Para el nivel del 0.05 , y prueba de dos extremos , el criterio es :
Si z > - 1.96 o z > 1.96 entonces H0 se acepta, caso contrario se rechaza.
 45

PASO 4. ESTADISTICO DE PRUEBA.

Para calcular el valor de z , necesitamos las medias y las desviaciones de las

muestras. Haremos en Excel esos cálculos.
 46

28.6  34.97
z  4.030
2 2
8.86 8.88

63 63

Ahora con Excel.

 47

Ahora con MINITAB, abrir MINITAB, ingresar los datos da cada muestra en las
columnas C1 y C2 respectivamente,
 48

Por cuestiones de espacio solo aparecen los primeros 8 de 63 datos,

En seguida , seleccionar estadísticas, estadísticas básicas, 2 sample t, aca elegir
´”cada muestra en su columna” clic en Muestra 1, seleccionar C1, clic en muestra
2 , seleccionar C2, luego clic en opciones; acá elegir el nivel de confianza (95.0) el
valor de la hipótesis nula (0) y luego elegir la hipótesis alternativa(dos
extremos), luego clic en OK y clic en OK, MINITAB genera el siguiente
resultado:

Luego clic en OK y clic en OK, MINITAB genera el resultado siguiente:

 49

Observemos que hay una pequeña diferencia en el valor de z = -3.96, de 7

centésimas, que en nada afecta la conclusión.

PASO 5. CONCLUSION

Como - 4.03 < -1.96 entonces H0 se rechaza.

PRUEBA DE HIPOTESIS PARA DOS POBLACIONES CON MUESTRAS

PEQUEÑAS.

El estadístico t a probar si las medias son diferentes se puede calcular como sigue:

Donde

Aquí es la desviación estándar combinada, 1 = grupo uno, 2 = grupo 2. El

denominador de t es el error estándar de la diferencia entre las dos medias.

Por prueba de significancia, los grados de libertad de esta prueba se obtienen como
2n − 2 donde n es el número de participantes en cada grupo.

Diferentes tamaños muestrales, iguales varianzas[editar]

 50

Esta prueba se puede utilizar únicamente si se puede asumir que las dos
distribuciones poseen la misma varianza. (Cuando este presupuesto se viola, mirar
más abajo). El estadístico t si las medias son diferentes puede ser calculado como
sigue:

Donde

Nótese que las fórmulas de arriba, son generalizaciones del caso que se da cuando
ambas muestras poseen igual tamaño (sustituyendo n por n1 y n2).

es un estimador de la desviación estándar común de ambas muestras: esto

se define así para que su cuadrado sea un estimador sin sesgo de la varianza
común sea o no la media iguales. En esta fórmula, n = número de participantes, 1 =
grupo uno, 2 = grupo dos. n − 1 es el número de grados de libertad para cada
grupo, y el tamaño muestral total menos dos (esto es, n1 + n2 − 2) es el número de
grados de libertad utilizados para la prueba de significancia.

Diferentes tamaños muestrales, diferentes varianzas[editar]

Esta prueba es también conocida como prueba t de Welch y es utilizada

únicamente cuando se puede asumir que las dos varianzas poblacionales son
diferentes (los tamaños muestrales pueden o no ser iguales) y por lo tanto deben
ser estimadas por separado. El estadístico t a probar cuando las medias
poblacionales son distintas puede ser calculado como sigue:

donde
 51

Aquí s2 es el estimador sin sesgo de la varianza de las dos muestras, n = número de

participantes, 1 = grupo uno, 2 = grupo dos. Nótese que en este caso, no es la
varianza combinada. Para su utilización en pruebas de significancia, la distribución de este
estadístico es aproximadamente igual a una distribución t ordinaria con los grados de
libertad calculados según:

Esta ecuación es llamada la ecuación Welch–Satterthwaite. Nótese que la verdadera

distribución de este estadístico de hecho depende (ligeramente) de dos varianzas
desconocidas.

Ejemplo 1.

En dos estudios individuales concernientes al número de horas que los

odontólogos trabajan, una muestra al azar de 25 odontólogos de la ciudad A arrojó
que trabajaron 36.5 horas en promedio por semana con una desviación estándar de
4.47 horas; y una muestra similar de 20 dentistas de la ciudad B trabajaron 38.2
horas en promedio por semana con una desviación de 5.13 horas. Probar con un
nivel de 0.05 si la diferencia entre las medias es significativa.

Solución:

PASO 1. H0 : μ1 - μ2 = 0
PASO 2. H1 : μ1 ≠ μ2

PASO 3. CRITERIO DE DECISION.

Como la muestra 1 tiene 25 elementos y la muestra 2 tiene 20, entonces los

grados de libertad son gl = 25 + 20 -2 = 43, y para el nivel del 0.05 , el valor de t en
la tabla es
 52

t43,0.025  2.0167

Si -2.0167 < t < 2.0167 entonces H0 se acepta, caso contrario se rechaza.

Veamos el gráfico:

PASO 4. ESTADISTICO DE PRUEBA.

36.5  38.2 1.7

t   1.168921
4.472 5.132 2.115081

25 20
Ahora con MINITAB,
Abrir MINITAB , elegir estadísticas, estadísticas básicas, 2 sample t, elegir datos
resumidos e ingresar la información requerida:
 53

Luego clic en Ok, clic en OK, se genera el resultado siguiente:

Pueden observar el resultado de t = -1.17

PASO 5. CONCLUSIÓN.

Como -2.0167 < -1.168921<2.0167 entonces H0 se acepta.

Ejemplo 2.

Una empresa fabrica llantas para automóviles en dos turnos de 12 horas cada
uno. El gerente de la empresa cree que la producción del turno nocturno es más
que en el turno diario, para probar esa suposición se toman dos muestras , la
siguiente tabla muestra la producción en ambos turnos:

Turno Producción en miles

Turno diario: 107.5 118.6 124.6 101.6 113.6 119.6 120.6 109.6 105.9
Turno noche: 115.6 109.4 121.6 128.7 136.6 125.4 121.3 108.6 117.5

Indican estos datos que la producción nocturna es mayor que la diaria, utilizar
un nivel del 0.01 .

Solución:

PASO 1. HIPOTESIS NULA.

H0 : μ1 = μ2
PASO 2. HIPOTESIS ALTERNATIVA.
H1 : μ1 < μ2
 54

PASO 3. CRITERIO DE DECISIÓN.

Como n1 = 9 , n2 = 9 entonces GL = 18 – 2 =16. Como α = 0.01, entonces el
valor de t 16,o.o1 = - 2.5835 (ver tabla t).

t = - 2.5835
Si t < -.5835 entonces H0 se rechaza, caso contrario se acepta.

PASO 4. ESTADISTICO DE PRUEBA.

Necesitamos las medias y las varianzas de los datos, nos valdremos de

EXCEL para eso:
 55

113.51  120.52 7.01

t   1.76
60.93 81.27 15.8

9 9
 56

Ahora con EXCEL:

Usaremos prueba de hipótesis para dos muestras con varianzas desiguales.

Ahora con MINITAB,

Abrir MINITAB , ingresar los datos en las columnas C1 y C2 respectivamente, en

ingresar después la información requerida , al igual que los ejemplos anteriores:

MINITAB genera el siguiente resultado:

 57

Qué diferencia observa usted, entre EXCELL Y MINITAB?

Qué programa para usted es más amigable?

PASO 5.
Conclusión .

Como - 1.7638 es menor que -2.5835 entonces H0 se acepta.

 58

EJERCICIOS 2.

1. Una universidad culminó recientemente un estudio del número de horas

que los estudiantes afirman dedicar el estudio cada semana. Si 75 alumnos de
primer ingreso y de segundo año de la universidad dedican un promedio de
26.7 horas por semana con una desviación estándar de 3.9 horas, y 80 alumnos
de penúltimo y último año promedian 24.8 horas con una desviación estándar
de 4.6 horas, pruebe, en el nivel de significación de   0.01 , si la diferencia
entre estas dos muestras es significativa.

2. En dos estudios individuales concernientes al número de horas que los

odontólogos trabajan, una muestra tomada al azar de 25 dentistas de la
ciudad A arrojó que trabajaron 36.5 horas por semana con una desviación
estándar de 4.47 horas; y en una muestra similar de 20 dentistas de la
ciudad B trabajaron 38.2 horas por semana con una desviación estándar de
5.13 horas. ¿Es significativa la diferencia entre estas dos medias en el nivel
de significación de 0.05?
3. Supóngase que un distribuidor de lechugas desea investigar si el precio
unitario de la lechuga es mayor en la ciudad A que en la ciudad B. Si una
muestra de precios tomada al azar de 35 mercados de la ciudad A muestra
un precio promedio de 52.50 por paquete con una desviación estándar de
3.12, mientras que una muestra de 35 mercados de la ciudad B muestra un
precio promedio de 50.61 el paquete con una desviación estándar de 3.64,
probar la hipótesis nula 1  2  0 , contra la alternativa 1  2  0 , con un nivel
de significación del 99 %.
4. Las siguientes son calificaciones de pruebas obtenidas en un examen estandarizado que se
aplicó a una muestra obtenida al azar de 15 estudiantes da la escuela A y 10 estudiantes
de la escuela B. Las calificaciones de la escuela A son: 75, 88, 65, 100, 100, 95, 82, 57, 42,
100, 72, 49, 100, 85 y 90 ; y las calificaciones de la escuela B son: 95, 80, 72, 63, 100, 45,
81, 92, 50 y 72. Utilice un nivel de significación del 0.05 para probar si la diferencia entre
las muestras es significativa.
5. Como parte de un programa de instrucción para alumnos de preparatoria algunos de los
estudiantes son instruidos por estudiantes de la sociedad honoraria y otros por maestros
privados, Se toman al azar muestras de 5 estudiantes instruidos por ambos métodos. Las
que siguen son las calificaciones obtenidas en una prueba de aptitud escolar; por
instructores estudiantes, 475, 525, 500, 450 y 600; instructores privados, 600, 750, 600,
550 y 475.
Utilice un nivel del 99% para probar la aseveración que la instrucción impartida por los
maestros privados es superior a la impartida por los estudiantes de la sociedad honoraria.
 59

6. En la comparación de la duración de dos marcas de focos eléctricos, una agencia de

comprobación nota que una muestra de s10 focos de la marca A se fundían después de
427 horas con una desviación de 14 horas, mientras que una muestra de 10 focos de focos
de la marca B se funden después de 400 horas con una desviación de 9 horas. Usar un
nivel de significación de 99% para probar si existe una diferencia significativa entre las
dos marcas de focos.
 60

VISITA 3.

PRUEBAS DE HIPOTESIS PARA PROPORCIONES.

Tema

PRUEBAS DE HIPÓTESIS PARA UNA Y DOS

PROPORCIONES.

Objetivo Al final de la sesión, utilizando la herramienta EXCELL Y

MINITAB, el estudiante podrá:

Realizar pruebas de hipótesis para una y dos proporciones

, por medio de EXCEL Y MINITAB, para facilitar la toma
de decisiones.

Herramienta de
MINITAB Funciones de la estadística básica.
Herramienta de FUNCIONES ESTADISTICAS
EXCEL
Materiales
Auxiliares Memoria usb.

Actividades a
realizar por el Abrir una hoja electrónica nueva y guardarla en la USB.
estudiante con un nombre apropiado o el que asigne el profesor(a).
En el ejemplo 1 de esta guía se explicarán los pasos a
seguir para la resolución de los problemas.
.
Seguir las instrucciones del material para poder resolver los
problemas asignados.
 61

ESTIMACION DE PROPORCIONES.

x
Una proporción, porcentaje o probabilidad se define por p  , donde x es el
n
número de veces que ha ocurrido un evento en n ensayos. Por ejemplo, si una
tienda tiene una muestra aleatoria de 500 ventas de las cuales 347 se pagaron con
x 347
tarjeta de crédito, entonces p   se puede utilizar como una estimación de
n 500
la proporción real de compras de la tienda que fueron pagadas con tarjeta de
crédito.
En el estudio de las proporciones, se supondrá que las situaciones teóricas
cumplen (o al menos aproximadamente) las condiciones de la distribución
binomial, es decir, n ensayos independientes, dos posibles resultados para cada
ensayo y la probabilidad de un acierto se mantiene constante en cada ensayo.

PRUEBA DE HIPÓTESIS PARA UNA PROPORCION PARA MUESTRAS

GRANDES.

Analizaremos la prueba de hipótesis que permite decidir en base a datos

maestrales, si el valor verdadero de una proporción (porcentaje o probabilidad) es
igual, mayor o menor que una constante dada.
Cuando la muestra es pequeña, la prueba de hipótesis se basa en la distribución
binomial, este caso no lo estudiaremos.
Cuando n es grande, las pruebas de hipótesis concernientes a proporciones
verdaderas se basan en la aproximación de la curva normal a la binomial.
Seguiremos los siguientes pasos:

PASO 1: Hipótesis nula: H0 : p = k , donde k es el valor hipotético de la proporción.

PASO 2. Hipótesis alternativa:
H1 : p ≠ k (prueba de dos extremos)

H1 : p > k (prueba del extremo derecho)

H1 : p < k (prueba del extremo izquierdo)

PASO 3. Criterio de decisión.

Son los mismos criterios para pruebas de hipótesis de una población con
respecto a la media aritmética.
 62

HIPOTESIS RECHAZAR LA ACEPTAR LA

ALTERNATIVA HIPOTESIS NULA SI: HIPOTESIS NULA SI:
p <k z < - z0 z ≥-z0

z > z0 z ≤ z0
p >k

p≠k o
z < - z0
z > z0
 z  z  z
2 2

Las gráficas de los criterios de decisión son :

Para hipótesis alternativa del extremo izquierdo

 63

Para hipótesis alternativa del extremo derecho.

Para hipótesis alternativa de dos extremos.

No olvidar que las zonas sombreadas son las regiones de rechazo..

PASO 4. Estadístico de prueba

x  np
z
np(1  p)
Donde n es el tamaño de la muestra, x es el número de aciertos y p es el valor de
la hipótesis nula.
 64

PASO 5: Conclusión.

EJEMPLO 1. Ser afirma que las familias de la ciudad A que se mudan a la ciudad
B es de al menos 30%. Si una muestra tomada al azar de varias empresas de
mudanzas revela que de 600 familias que salieron de la ciudad A, se mudaron 153
a la ciudad B. Probar la hipótesis nula que p = 0.30 contra la hipótesis alternativa
p < 0.30 con un nivel de significación del 0.01.

Solución:

PASO 1: Hipótesis nula: H0 : p = 0.30

PASO 2: Hipótesis alternativa: H1 : p < 0.30
PASO 3: Criterio de decisión:

Como α= 0.01 , entonces z = -2.33 . Ver tabla z

Si z < -2.33 entonces H0 se rechaza, caso contrario se acepta.

Z= -2.33

PASO 4:Estadístico de prueba.

n = 600 , x = 153, p = 0.30

153  600(0.30) 27

z   2.40535
600(0.30)(0.70) 11.22497216

PASO 5. Conclusión.
Como -2.41 < -2.33 , entonces H0 se rechaza.
 65

Con MINITAB

Los pasos 1,2,3,se repiten, solo el paso 4 se desarrolla con MINITAB. Ya que excell no tiene
la opción para proporciones.

1. Abrir MINITAB

Esta es la página de ingreso de datos.

2. Presionar stat , luego basic statistics,
 66

3. Presionar 1 Proportion…, elegir Summarized data, ingresar el valor de x (Number of

events), ingresar el tamaño de la muestra (Number of trials), marcar Perform
hypothesis test, ingresar el valor de la hipótesis nula((Hypothezised proportion .

4. Presionar Options, en Options , escribir el nivel de confianza (confidence level), elegir

la hipótesis alternativa (Alternative hypothesis , aca elegir Proportion < hypothesized
 67

proportion) elegir el método Method , aca elegir Normal approximation, clic en OK,
luego clic en OK en la ventana One-sample proportion.

Esto es lo que genera MINITAB, observemos que el valor de z , es el mismo que

cuando lo hicimos en forma teórica –matemática.

Por lo tanto es la misma conclusión. (PASO 5)

 68

Ejemplo 2.

El rendimiento de una computadora se observa en un periodo de 2 años (104) semanas

para verificar la afirmación que la probabilidad es de 0.20 de que el tiempo perdido por
fallas exceda a 5 horas en una semana cualquiera. Al probar la hipótesis nula que p=0.20
contra la alternativa
p≠ 0.20 , ¿Qué se puede concluir con un nivel α= 0.05 , si solo hubo 11 semanas en las
cuales el tiempo perdido de la computadora excedió las 5 horas?

SOLUCION.
PASO 1. H0 : p = 0.20
PASO 2. H1 : p ≠ 0.20
PASO 3, Criterio de decisión.

Como α = 0.05 , entonces  0.025 , por lo tanto z = 1.96
2

-1.96 1.96

PASO 4. ESTADISTICO DE PRUEBA.

Como n = 104, x = 11 , p = 0.20, entonces

11  104(0.20)
z  2.4024
104(0.20)(0.80)

PASO. CONCLUSION.
Como -3.93 < -1.96 , entonces la hipótesis nula se rechaza.

Ahora con MINITAB.

 69

Recuerden que solo el paso 4 se realiza con MINITAB.

Abrir Minitab, presionar stat, luego basic statistics e ingresar los datos , en forma similar al
ejemplo 1.

Por último los resultados de MINITAB

 70

Observen el mismo valor de z. Por lo tanto la misma conclusión.

PRUEBA DE HIPOTESIS DE DOS PROPORCIONES.

El método aplicado para demostrar si la diferencia observada entre dos

proporciones de muestras se puede atribuir a la casualidad o si es estadísticamente
significativa se basa en la teoría siguiente:
Si x1 y x2 son los números de aciertos que se obtienen en n1 ensayos de un tipo y n2
de otro, todos los ensayos independientes, las probabilidades correspondientes de
lograr un acierto son p1 y p2 respectivamente, entonces la función de muestreo o de
x x
probabilidad de 1  2 tiene media p1 – p2 y desviación estándar, llamada error
n1 n2
estándar de la diferencia entre dos proporciones,

p1 (1  p1 ) p2 (1  p2 )
 .
n1 n2

Los pasos de la prueba de hipótesis para dos proporciones son:

PASO 1 . Hipótesis nula: H0 : p1 = p2 (no hay diferencias entre las proporciones)

PASO 2. Hipótesis alternativa: H1: p1 ≠ p2 ( prueba de dos extremos)
H1: p1 > p2 ( prueba del extremo derecho)
 71

H1 : p1 < p2 ( prueba del extremo izquierdo)

PASO 3. Criterio de decisión:
Son los mismos criterios de la prueba de hipótesis de la media aritmética.

HIPOTESIS RECHAZAR LA ACEPTAR LA

ALTERNATIVA HIPOTESIS NULA SI: HIPOTESIS NULA SI:
p1 < p2 z < - zα z ≥-zα

z ≤ zα
p1 > p2 z > zα

p1 ≠ p2
z < - zα/2
o z > zα/2
 z  z  z
2 2

Las gráficas de los criterios de decisión son:

Para hipótesis alternativa del extremo izquierdo

 72

Para hipótesis alternativa del extremo derecho.

Para hipótesis alternativa de dos extremos.

No olvidar que las zonas sombreadas son las regiones de rechazo.

PASO 4. Estadístico de Prueba.

Para muestras grandes, el estadístico se define por:

x1 x2

n1 n2 x1  x2
z donde p
1 1 n1  n2
p(1  p)(  )
n1 n2
 73

Que tiene aproximadamente la distribución normal.

PASO 5. Conclusión.

Ejemplo 1.

El proceso de producción de cierta empresa generó 28 piezas defectuosas de una

muestra tomada al azar de tamaño 400, mientras que de otra muestra de 300 ,
mostró 15 piezas defectuosas de otro proceso de producción. Demuestre la
hipótesis nula que p1 = p2 ( los dos procesos generan proporciones iguales de
unidades defectuosas), contra la alternativa p1 ≠ p2 , usando un nivel de confianza
del 95%.

Solución:

PASO 1. Hipótesis nula: H0 : p1 = p2

PASO 2. Hipótesis alternativa: H1 : p1 ≠ p2
PASO 3. Criterio de decisión:

Como α = 0.05, entonces = 0.025, luego z = 1.96
2
Si z < -1.96 ó z > 1.96 , entonces H0 se acepta, caso contrario se rechaza.

-1.96 1.96

PASO 4. Estadístico de prueba.

 74

28  15
p  0.061
Como x1 = 28, x2 = 15 , n1 = 400 , n2 = 300, 400  300

28 15

z 400 300  1.10
1 1
(0.061)(0.939)(  )
400 300

Ahora con MINITAB .

Abrir MINITAB, abrir stat , luego basic statistics y 2- proportions

 75

Hay una pequeña diferencia entre el valor calculado de z y el valor que da

MINITAB (1.12) del paso 4, pero no tiene incidencia en la conclusión.
 76

PASO 5. Conclusión.

H0 es verdadera ya que -1.96 < 1.10 < 1.96

EJEMPLO 2.

En un estudio de la pérdida de dientes, 68 de 160 niños de una muestra recibieron

un tratamiento con FLUOR y tuvieron pocas caries, mientras que otro tratamiento
químico fue exitoso en 38 de 110 niños en otra muestra. ¿Podemos determinar con
un nivel de significación del 95% que el tratamiento con FLUOR da mejor
resultado que el tratamiento Químico?

Solución:

PASO 1. H0 : p1 = p2
PASO 2. H1 : p1 > p2
PASO 3. Criterio de decisión.
Como α = 0.05 , entonces z = 1.645.
Si z < 1.645 entonces H0 se acepta, caso contrario se rechaza.

1.645

PASO 4. ESTADISTICO DE PRUEBA,

68  38
p  0.3925
Como Como x1 = 68, x2 = 38 , n1 = 160 , n2 = 110, 160  110
 77

68 38

z 160 110  1.315215217
1 1
0.3925(1  0.3925)(  )
160 110

Con MINITAB:
 78

PASO 5. CONCLUSION.

Como 1.32 < 1.645 entonces H0 se acepta.

 79

EJERCICIOS 3 VISITA.

1. Una silla de oficina que cuenta con respaldo acojinado, es responsable

del incremento de la productividad de 85 de 1000 trabajadores, en tanto
que una silla más cara, que tiene respaldo y soporte para los brazos, ha
incrementado la productividad en 115 de 950 empleados. Utilice un nivel
de significación de α = 0.01 para demostrar la hipótesis nula que las dos
sillas son igualmente eficaces para aumentar la productividad, contra la
alternativa de que la silla más costosa es más eficaz.
2. Una compañía dedicada a pintar casas advirtió que, de 500 casas
pintadas con la pintura A, solo 120 mostraron indicios de
resquebrajaduras después del primer año; y de 800 casas pintadas con la
pintura B, 310 presentaron resquebrajaduras después del primer año.
Determine con el nivel de 0.01 si la marca A es más durable.
3. Un vivero comercial desea probar la eficacia de ciertos fertilizantes en el
crecimiento de las plantas. A 400 plantas se les da tratamiento con el
fertilizante A y a otras 400 plantas se les da fertilizante B. De las 400
plantas tratadas con el fertilizante A, 350 florecen en dos semanas
mientras que de las 400 tratadas con el fertilizante B, sólo 210 florecen en
dos semanas. ¿Se puede concluir con un nivel de significación de 0.05,
que las dos marcas de fertilizantes no son igualmente eficaces?
 80

CUARTA VISITA.

PRUEBA DE HIPOTESIS PARA TRES O MAS

PROPORCIONES.

Tema

PRUEBAS DE HIPÓTESIS PARA TRES O

MAS PROPORCIONES.

Objetivo Al final de la sesión, utilizando la herramienta EXCELL Y

MINITAB, el estudiante podrá:

Realizar pruebas de hipótesis TRES O MAS proporciones ,

por medio de EXCEL Y MINITAB, para facilitar la toma de
decisiones.

Herramienta de
MINITAB Funciones de la estadística básica.
Herramienta de FUNCIONES ESTADISTICAS
EXCEL
Materiales
Auxiliares Memoria usb.

Actividades a
realizar por el Abrir una hoja electrónica nueva y guardarla en la USB.
estudiante con un nombre apropiado o el que asigne el profesor(a).
En el ejemplo 1 de esta guía se explicarán los pasos a
seguir para la resolución de los problemas.
.
Seguir las instrucciones del material para poder resolver los
problemas asignados.
 81

PRUEBA DE HIPOTESIS PARA K PROPORCIONES.

Existen muchos problemas en los cuales debemos decidir si las diferencias

observadas entre tres o más proporciones maestrales se pueden atribuir a la
casualidad o si son indicios que no todas las proporciones poblacionales son
iguales.

Para probar la hipótesis nula que todas las k proporciones son iguales, se
comparan las frecuencias observadas de las muestras con aquellas se esperarían
sucedieran, si la hipótesis nula fuera verdadera. Se aceptará dicha hipótesis si las
diferencias son mínimas entre las observadas (o) y las esperadas (e), por el
contrario, si las discrepancias son grandes, la hipótesis nula debe ser falsa.
Los pasos de la prueba de hipótesis son los mismos de las pruebas anteriores,

PASO 1. HIPÓTESIS NULA.

H0 : p1 = p2 = … = pk
PASO 2. HIPOTESIS ALTERNATIVA
H1 : No todas las proporciones son iguales,

PASO 3. CRITERIO DE DECISIÓN.

Como sólo hay una Hipótesis Alternativa, el criterio de decisión es:

Zona de rechazo.

0 2

Para calcular el valor de X2 necesitamos los grados de libertad , que se definen por
Gl = k -1 , donde k es el número de muestras.

PASO 4. ESTADISTICO DE PRUEBA.

 82

( o  e) 2
 
2
, donde o es el número de frecuencias observadas de las
e
muestras y e las esperadas. Para calcular las frecuencias esperadas en una tabla de contingencia,
multiplicaremos el total de las columnas de la celda por el total de la fila a la cual
pertenece, dividido este producto entre en el gran total.

PASO 5. CONCLUSION.

EJEMPLO 1.

En un estudio, se toman tres muestras independientes y se les pregunta si les gusta

el sabor de una nueva pasta dental, los resultados se presentan en la siguiente
tabla:

HOMBRES MUJERES NIÑOS

LES GUSTA EL SABOR 60 67 49

40 63 41
NO LES GUSTA EL SABOR

TOTAL 100 130 90

Las proporciones de persona a quienes les gusta el sabor son

60 67 49
 0.60,  0.52,  0.54 en relación a los tres grupos. Demostrar, con el nivel del
100 130 90
95%, si las tres proporciones son iguales.

SOLUCIÓN:

PASO 1. H0 : p1 = p2 = p3

PASO 2. H1 : No todas las proporciones son iguales.

PASO 3. Criterio de decisión.

Como k = 3, gj = 3-1 = 2 , α = 0.05 . Buscando en la tabla Chi. Cuadrado tenemos que:

0.05,2
2
 6.00
 83

Si X2 < 6.00 entonces H0 se acepta.

PASO 4.

Muestras independientes Hombres Mujeres Niños Totales

Valores
60 67 49 176
Le gusta el observados
sabor Valores
(55) (71.5) (49) (176)
calculados
Valores
40 63 41 144
No le gusta observados
el sabor Valores
(45) (58.5) (40.5) (144)
calculados
Totales 100 130 90 320

Para la celda 60, el valor esperado se calcula así: (100 x 176) / 320 = 55
Y así el resto de celdas.

(60  55)2 (67  71.5)2 (49  49.5)2 (40  45) 2 (63  58.5) 2 (41  40.5)2
2       =1.65
55 71.5 49.5 45 58.5 40.5

AHORA CON MINITAB:

 ABRIR MINITAB
 INGRESAR LOS DATOS EN TRES COLUMNAS
 84

 PRESIONAR STAT, LUEGO TABLES Y LUEGO CHI- SQUARE TEST FOR ASSOCIATION,

 Elegir Summarised data in a two way table, clic en Rows para elegir los
datos, luego clic en Statistics
 85

 Clic en OK, luego en OK.

Observemos que se obtiene el mismo valor de Chi-cuadrado.

PASO 5. CONCLUSION.

Como 1.65 < 6.00 entonces la hipótesis nula se acepta.

 86

EJERCICIOS CUARTA VISITA

1. En cuatro muestras tomadas al azar de los registros para la concesión de

licencias de conducir, 31 de 250 aspirantes de la ciudad A, 35 de 250
aspirantes de la ciudad B, 28 de 250 aspirantes de la ciudad C y 37 de 250
aspirantes de la ciudad C , reprobaron el examen escrito. Usar el nivel de
significación del 0.05 para probar la hipótesis nula que no hay diferencias
entre la proporción verdadera de aspirantes que reprobaron el examen
escrito en las cuatro ciudades.
2. La tabla que sigue muestra el resultado de un estudio en el cual se pregunta
a una muestra de 400 soldadores de tres compañías si utilizarían un nuevo
tipo de anteojos protectores:

Co. A Co. B Co. C

Lo usarían 62 87 102

No lo usarían 38 53 58

Usar el nivel de significación α = 0.05 para probar la hipótesis nula que no hay
diferencias entre las proporciones de la población.
3. Entre 400 administradores de hospitales entrevistados en cada una de
cuatro regiones del país, hubo 90, 106, 98 y 79 que predijeron que el índice
de utilización de camas del hospital disminuiría en forma drástica para el
año siguiente. Con un nivel de significación del 0.05, demostrar la hipótesis
nula de igualdad de proporciones.

4. En un reciente estudio. Al personal de ventas de una compañía de

computación se le preguntó si sus ventas se verían acrecentadas por una
reducción en el precio de las computadoras o por una mejora en la calidad
del servicio que se ofrece a los usuarios , Se tomaron muestras al azar de
vendedores de cuatro territorios de ventas, estos son los resultados:
 87

Norte sur este oeste

24 49 52 53
Menor precio
36 51 78 147
Mejor servicio

Utilice un nivel de significación α = 0.05 para probar la hipótesis nula que las
proporciones verdaderas de los vendedores que se expresan en favor de la
reducción de los precios son las mismas en las cuatro áreas geográficas.
 88

QUINTA VISITA

TABLAS DE CONTINGENCIA

Tema

TABLAS DE CONTINGENCIA

Objetivo Al final de la sesión, utilizando la herramienta EXCELL Y

MINITAB, el estudiante podrá:

Realizar pruebas de hipótesis TRES O MAS proporciones ,

por medio de EXCEL Y MINITAB, para facilitar la toma de
decisiones, en problemas donde los datos se recogen por
conteo o enumeración.

Herramienta de
MINITAB Funciones de la estadística básica.
Herramienta de FUNCIONES ESTADISTICAS
EXCEL
Materiales
Auxiliares Memoria usb.

Actividades a
realizar por el Abrir una hoja electrónica nueva y guardarla en la USB.
estudiante con un nombre apropiado o el que asigne el profesor(a).
En el ejemplo 1 de esta guía se explicarán los pasos a
seguir para la resolución de los problemas.
.
Seguir las instrucciones del material para poder resolver los
problemas asignados.
 89

TABLAS DE CONTINGENCIA

El estadístico X2 también se utiliza en problemas donde la información se recoge

por medio de métodos de conteo o enumeración y no por medición.
Los datos se presentan en tablas de doble entrada, llamadas tablas de contingencia,
formadas por r filas y c columnas, (tablas rxc).
La hipótesis nula se plantea en términos de independencia de las variables y los
grados de libertad son gl = (r-1)(c-1) , en relación a α.

EJEMPLO 1
Se desea investigar si existe en realidad una relación entre el desempeño de un
trabajador en un programa de capacitación de una compañía y su éxito final en el
trabajo. Se toma una muestra aleatoria de 400 casos, de trabajadores que
completaron el programa, los resultados son:

DESEMPEÑO EN EL PROGRAMA

Inferior a Normal Superior a

Lo normal lo normal
23 60 29
Deficiente

Triunfo en el Normal 28 79 60
trabajo
Muy bueno 9 49 63

Usar un nivel de α = 0.01.

Solución:

PASO 1. H0 : El triunfo en el trabajo es independiente del desempeño en el

programa de capacitación.
PASO 2. H1 ; El triunfo en el trabajo no es independiente del desempeño en el
programa de capacitación.

PASO 3. CRITERIO DE DECISIÓN .

Como r = 3. C = 3, entonces gl = 2x2 = 4
 90

0.01,4
2
 13.3

Si X2 < 13.3 la hipótesis nula se acepta. Caso contrario se rechaza.

Zona de rechazo.

13.3

PASO 4. ESTADISTICO DE PRUEBA.

Construiremos la tabla con las frecuencias observadas y calcularemos las esperadas

y X2

Total

23 60 29 112
(16.8) (52.6) (42.6)

28 79 60 167
(25) (78,5) (63,5)
9 49 63 121
(18,2) (56,9) (45,9)
Total 60 188 152 400

Para 23 , e = 112x60/400 = 16.8

Para 60 , e = 112x188/400=52.6
Etc-
 91

(23  16.8)2 (60  52.6) 2 (29  42.6) 2 (28  25) 2 (79  78.5) 2 (60  63.5)2 (9  18.2)2 (49  56.9) 2 (63  45.9) 2
2           20.34
16.8 52.6 42.6 25 78.5 63.5 18.2 56.9 45.9

Ahora con MINITAB:

Abrir Minitab y seguir los pasos del ejemplo 1 de la Cuarta Visita.:

92
 93

MINITAB da el valor de 20.179 , ya que usa más decimales.

PASO 5. CONCLUSION.

Como 13.3 < 20 , por lo tanto H 0 se acepta, o sea el Triunfo en el trabajo es

independiente del desempeño en el programa de capacitación.
 94

EJERCICIOS QUINTA VISITA.

TABLAS DE CONTINGENCIA.

1. Realice la prueba de hipótesis, en la siguiente tabla de contingencia para

probar si son significativas las diferencias en las reacciones al sabor de la
nueva pasta dental, usando un nivel de 0.05.

Reacción del consumidor al sabor de la nueva pasta dental

Hombres mujeres niños

52 56 45
Les gusta el sabor

15 23 11
Les resulta indiferente
33 51 34
No les gusta el sabor

Total 100 130 90 220

 95

2. A fin de determinar si existe relación entre el tipo de sangre y la severidad

de los resfriados , se realizó un estudio y se obtuvieron los siguientes
resultados

Tipo de sangre

A B AB O

34 57 82 55
Frío severo

53 45 37 37
Frío moderado

213 198 181 188

No hay frío

Con un nivel de 0.05, ¿existe relación?

 96

ANEXOS

Tabla Distribución Normal

97
98

Tabla t student
99
 100

Tabla Chi Cuadrado

101