t Estudent

Se aplica una prueba de autoestima a 25 personas quienes obtienen una calificación promedio de
62.1 con una desviación estándar de 5.83. Se sabe que el valor correcto de la prueba debe ser
mayor a 60. ¿existe suficiente evidencia para comprobar que no hay problemas de autoestima en
el grupo seleccionado?

DATOS:

Media muestral 𝜇 = 60 Media hipotética 𝑋̅ = 62.1

Tamaño de la muestra 𝑛 = 25 Se define la Hipótesis

Desviación estándar 𝑆𝑥 = 5.83 𝐻0 : 𝑋̅ = 𝜇

𝐻𝑖 : 𝑋̅ ≠ 𝜇
RESOLUCIÓN:

Calculamos

𝑋̅ − 𝜇
𝑡∗ =
𝑆𝑋
√𝑛
62.1 − 6
𝑡∗ =
5.83
√25

𝑡 ∗ = 1.8
APLICAION DEL MINITAB

ESTADISTICAS: -ESTADISTICAS BASICAS / -t DE UNA MUESTRA:

SELECCIONAR: DATOS RESUMIDOS

INGRSAR DATOS -REALIZAR PRUEBA DE HIPOTESIS - INTRODUCIR EL VALOR DE LA MEDIA
HIPOTETICA

OPCIONES: -INTRODUCIR NIVEL DE CONFIANZA -SELECCIONAR: HIPOTESIS ALTERNA: MEDIA ≠

MEDIA HIPOTETICA

ACEPTAR

Y NOS MOSTRARÁ EL SIGUIENTE RESULTAD0

T de una muestra
Estadísticas descriptivas
Error
estándar
de la IC de 95%
N Media Desv.Est. media para μ
25 60.00 5.83 1.17 (57.59; 62.41)
μ: media de Muestra

Prueba
Hipótesis nula H₀: μ = 62.1
Hipótesis alterna H₁: μ ≠ 62.1
Valor T Valor p
-1.80 0.084

INTERPRETACION: Como el P_Valor (0.084) es mayor que 𝛼 es decir: 𝛼 = 0.05 < 0.084,
entonces se puede afirmar que hay problemas de autoestima en el grupo seleccionado

GRAFICA DE DISTRIBUCIÓN
ELEGIMOS VER PROBABILIDAD

ACEPTAR

INTRODUCIMOS DATOS - ELEGIMOS EL MODELO DE DISTRIBUCION t - PRECISAMOS GRADOS DE

LIBERTAD

ACEPTAR

Y NOS MOSTRARA LA SIGUIENTE GRAFICA

 Gráfica de distribución
T; df=25

0.4

0.3
Densidad

0.2

0.1

0.05
0.0
0 1.708
X

INTERPRETACIÓN: como 𝛼 = 0.05 < 0.084, entonces se puede afirmar que hay problemas de
autoestima en el grupo seleccionado.
CHI-CUADRADA
Estamos interesados en comprobar la perfección de un dado cúbico (un dado normal de 6 caras).
Para esto realizamos 100 lanzamientos del dado anotando los puntos obtenidos en cada
lanzamiento. A la vista de los resultados obtenidos, ¿podemos concluir que el dado no es
perfecto? Nivel de significación (5%)

RESOLUCIÓN:

Podemos calcular de una forma muy sencilla el número esperado de resultados obtenidos en cada
clase multiplicando la probabilidad de obtener cada una de las caras (p = 1/6) por el número de
lanzamientos (n = 100).

Frecuencia Frecuencia
X P(X)
Observada Esperada
1 14 0.166 16.6
2 22 0.166 16.6
3 18 0.166 16.6
4 17 0.166 16.6
5 20 0.166 16.6
6 9 0.166 16.6

Podemos observa que los valores observados y esperados no parecen coincidir, por lo tanto, a
priori parece haber evidencias de irregularidades en el dado. Calculemos el estadístico 𝑋 2 con
ayuda del Calculator de MINITAB:
 Frecuencia Frecuencia CHI-
X P(X)
Observada Esperada CUADRADA
1 14 0.166 16.6 0.40723
2 22 0.166 16.6 1.75663
3 18 0.166 16.6 0.11807
4 17 0.166 16.6 0.00964
5 20 0.166 16.6 0.69639
6 9 0.166 16.6 3.47952
Suma de CHI-CUADRADA
Suma de CHI-CUADRADA = 6.46747

Calculemos finalmente el p-valor asociado a este estadístico. En este caso, como trabajamos con
un contraste unilateral, 𝑝 − 𝑣𝑎𝑙𝑜𝑟 = 𝑃(𝑋 2 > 6.46747) = 1 − 𝑃(𝑋 2 < 6.46747) donde
𝑋 2 sigue una distribución Chi-cuadrado con 𝑘 − 1 = 5 grados de libertad. Por tanto:

CALC – Distribuciones de probabilidad – Chi-cuadrada.

Función de distribución acumulada
Chi-cuadrada con 5 GL
x P( X ≤ x )
6.46747 0.736650

Así pues, 𝑝 − 𝑣𝑎𝑙𝑜𝑟 = 1 − 0.736650 = 0.2633. Por tanto, podemos considerar que el p-valor no
es significativo. Concluiremos, a pesar de las evidencias que habían en un principio, que no hay
evidencias para rechazar que el dato fuera correcto, i.e., no podemos rechazar la distribución
uniforme para los posibles resultados del dado.