Instituto Tecnológico Superior de Coatzacoalcos

División de Ingeniería Industrial

AGOSTO-DICIEMBRE 2018
Nombre del

Alumno: ____Sánchez______________Zaragoza_____________Carlos_____

Apellido Paterno Apellido Materno Nombre(s)

ASIGNATURA: ESTADÍSTICA INFERENCIAL 1

UNIDAD III PRUEBAS DE HIPÓTESIS
_______________

No. Control: 17081126 Semestre: 3ero Grupo: B

Jiménez ventura Bricio
Nombre del Docente: ___________________________________________________

Apellido Paterno Apellido Materno Nombre (s

Fecha de entrega: 26 DE OCTUBRE DE 2018

ÍNDICE

Introducción 1

3.1 Introducción. 2

3.2 Confiabilidad y significancia. 3

3.3 Errores tipo I y tipo II. 4

3.4 Potencia de la prueba. 5

3.5 Formulación de Hipótesis estadísticas. 6

3.6 Prueba de hipótesis para la media. 7

3.7 Prueba de hipótesis para la diferencia de medias. 8

3.8 Prueba de hipótesis para la proporción. 9

3.9 Prueba de hipótesis para la diferencia de proporciones. 10

3.10 Prueba de hipótesis para la varianza. 11

3.11 Prueba de hipótesis para la relación de varianzas 12

Conclusión 13

Bibliografía 14
INTRODUCCION

Una hipótesis es una creencia sobre un parámetro o una tendencia en la población

de estudio. En una PDH (prueba de hipótesis) s e denomina hipótesis nula (H 0 ) a
la que considera que ambos tratamientos son iguales y si, en el supuesto de que
sea cierta, la probabilidad de que se observe una diferencia tan grande o mayor
que la obtenida en nuestro estudio es muy baja (usualmente el valor crítico es
0,05) se rechaza dicha hipótesis y se acepta la contraria, denominada hipótesis
alternativa, que establece que ambos tratamientos son diferentes. La
nomenclatura utilizada en una PDH suele ser la siguiente: Las PDH: Pedro
Romero Saker.

Se acepta H 0 si las diferencias obtenidas experimentalmente se deben sólo al

azar; mientras que se la rechaza y se acepta H 0 si se considera que las
diferencias obtenidas no se deben únicamente al azar, si no que la administración
de un tratamiento u otro ha provocado respuestas sensiblemente distintas entre
ellos. Según sean los estadísticos que se desean contrastar, la expresión de la
hipótesis nula toma diversas formas, tal como se muestra a continuación: Las
PDH: Pedro Romero Saker.
3 UNIDAD PRUEBAS DE HIPOTESIS
INTRODICCION

La experiencia sobre el comportamiento de algún índice de un proceso, o la

exigencia del cumplimiento de alguna norma nos lleva a realizar proposiciones
sobre el valor de algún parámetro estadístico.

Estas proposiciones se deben contrastar con la realidad (mediante el muestreo de

datos) para tomar una decisión entre aceptar o rechazar la proposición

Estas proposiciones se denominan Hipótesis y el procedimiento para decidir si se

aceptan o se rechazan se denomina Prueba de Hipótesis.

Una prueba de hipótesis es una herramienta de análisis de datos que puede en

general formar parte de un experimento comparativo más completo

Ejemplo: Consideremos el ejemplo anterior de la rapidez de combustión. Aquí se

tenía: H0: m = 50 cm/seg

H1: m  50 cm/seg

Aceptación de H0.- Un valor de la media muestral x “muy cercano” a 50 cm/seg es

una evidencia que apoya a la hipótesis nula, sin embargo es necesario introducir
un criterio para decidir que tanto es muy cercano, para el ejemplo este criterio
pudiera ser: 48.5  x  51.5, si esto ocurre se acepta H0

De lo contrario, es decir, si x < 48.5 o x >51.5, se acepta H1

3.2. CONFIABILIDAD Y SIGNIFICANCIA

Prueba de Hipótesis:-

Denominada también prueba de significación, tiene como objetivo

principal evaluar suposiciones o afirmaciones acerca de los valores estadísticos de
la población, denominados parámetros.

La palabra docimar significa probar, cuando se hace indispensable tomar una

decisión sobre la validez de la representación de una población, con base en los
resultados obtenidos a través de una muestra, se dicen que se toman decisiones
estadísticas. Para tomar una decisión es necesario, ante todo plantear
posibilidades acerca de la característica o características a estudiar en una
población determinada. La suposición puede ser cierta o falsa. Estas suposiciones
se llaman hipótesis estadísticas.

Hipótesis Estadística:-

Es un supuesto acerca de un parámetro o de algún valor estadístico de una

población. Con esta definición encontramos que no todas las hipótesis son
hipótesis estadísticas. Se debe tomar con referencia a un parámetro, ya sea una
media aritmética, una proporción (porcentaje) o varianza para que sea hipótesis
estadística.

Una hipótesis estadística también puede considerarse, como la afirmación de una

característica ideal de una población sobre la cual hay inseguridad en el momento
de formularla y que, a la vez, es expresada de tal forma que puede ser realizada.

3.3. ERRORES TIPO 1 Y TIPO 2

El procedimiento anterior puede llevarnos a una de dos conclusiones erróneas:

Error Tipo I.- Se rechaza H0 cuando ésta es verdadera
Error Tipo II.- Se acepta H0 cuando ésta es falsa

En el ejemplo se cometerá un error de tipo I cuando µ =50, pero x para la muestra

considerada cae en la región crítica.
Y se cometerá un error de tipo II cuando µ  50 pero x para la muestra
considerada cae en la región de aceptación.

A la probabilidad de cometer un error de Tipo I se denota por a, y se le llama el

nivel o tamaño de significancia de la prueba es decir

a = P(error Tipo I)= P(rechazar H0 | H0 es verdadera)

Ejemplo: Calcular a para el ejemplo de la rapidez de combustión para una

muestra de N=10 datos, suponiendo que la desviación estándar de la rapidez de
combustión es Ϭ=2.5 cm/seg.

Solución: en este caso a = P(x caiga en la región crítica | µ=50), es decir:

a = P(x < 48.5) + P(x > 51.5)

Recordando que La distribución de x es Normal con media µ=50 y desviación

estándar s/N =0.79, por lo tanto, usando Matlab:

a = normcdf(48.5,50,0.79) + (1-normcdf(51.5,50,0.79))

= 0.288+ 0.288 = 0.0576

Esto significa que el 5.76% de las muestras de tamaño 10 conducirán al rechazo

de la Hipótesis H0: µ=50 cm/seg, cuando ésta es verdadera.

Es claro que a se puede reducir de dos maneras:

- Aumentando la región de aceptación

 - Aumentando el tamaño de la muestra

Ejemplo: recalcular a del ejemplo anterior para a) los nuevos límites de la región
de aceptación 48 y 52. b) Para N=16 con los límites originales c) con ambas
modificaciones

Solución:

a) a = normcdf(48,50,0.79) + (1-normcdf(52,50,0.79)) = 0.0114

b) a = normcdf(48.5,50,0.625)+(1-normcdf(51.5,50,0.625)) = 0.0164

c) a = normcdf(48,50,0.625)+(1-normcdf(52,50,0.625)) = 0.0014

ERROR TIPO II

Para evaluar un experimento de prueba de hipótesis también se requiere calcular

la probabilidad del error de Tipo II, denotada por β, es decir

β = P(error Tipo II) = P(aceptar H0 | H0 es falsa)

Sin embargo, no es posible calcular β si no se tiene una hipótesis alternativa

específica, es decir, un valor particular del parámetro bajo prueba en lugar de un
rango de valores

Por ejemplo, supongamos que es importante rechazar H0 si la rapidez promedio

de combustión µ es mayor que 52 cm/seg o menor que 48 cm/seg. Dada la
simetría sólo se requiere evaluar la probabilidad de aceptar H 0: µ=50 cuando el
valor verdadero es µ=52.
De acuerdo a la figura: β = P(48.5  x  51.5 | µ=52)

Usando Matlab:

Β = normcdf(51.5,52,0.79) - normcdf(48.5,52,0.79) = 0.2643

La probabilidad de obtener un error de tipo II aumenta muy rápido a medida que el

valor verdadero m tiende al valor hipotético, por ejemplo, si suponemos que
µ=50.5, y recalculamos β, obtenemos.

Usando Matlab:

β = normcdf(51.5,50.5,0.79) - normcdf(48.5,50.5,0.79) = 0.8923

β también depende del tamaño de la muestra, por ejemplo, si N=16 obtenemos en

el ejemplo cuando µ=52: Ϭ=0.625, por lo tanto.

β = normcdf(51.5,52,0.625) - normcdf(48.5,52,0.625) = 0.2119

Es decir, β disminuye cuando N aumenta, excepto si el valor real de µ está muy

cerca del hipotético.

3.4. POTENCIA DE LA PRUEBA

Potencia de prueba: la gran ausente en muchos trabajos científicos. Se

pretende destacar la importancia dela consideración del error tipo II y por ende la
potencia dela prueba en la investigación científica, particularmente en el campo
del diseño experimental. Se presenta su uso con base en un ejemplo hipotético y
en un ejemplo real de un experimento en el campo agronómico en el que se
estudió el efecto dela concentración de fertilizante sobre la vida útil y la calidad de
las flores de Phalaenopsis y se concluyó, sustentando en una potencia de prueba
alta, que aplicando fertilizante foliar en baja concentración es posible aumentar la
calidad de las flores sin detrimento de su vida útil.

La Potencia de una prueba β representa la probabilidad de que la hipótesis nula

no sea rechazada cuando de hecho es falsa y debería rechazársele. La potencia
de prueba 1-β representa la sensibilidad de la prueba estadística para detectar
cambios que se presentan al medir la probabilidad de rechazar la hipótesis nula
cuando de hecho es falsa y debería ser rechazada. La potencia de prueba
estadística depende de qué tan diferente en realidad es la media verdadera de la
población del valor supuesto. Una prueba de un extremo es más poderosa que
una de dos extremos, y se debería utilizar siempre que sea adecuado especificar
la dirección de la hipótesis alternativa. Puesto que la probabilidad de cometer un
error tipo I y la probabilidad de cometer un error tipo II tienen una relación inversa
y esta última es el complemento de la potencia de prueba (1-β), entonces α y la
potencia de la prueba varían en proporción directa. Un aumento en el valor del
nivel de significación escogido, tendría como resultado un aumento en la potencia
y una disminución en α tendría como resultado una disminución en la potencia. Un
aumento en el tamaño de la muestra escogida tendría como resultado un aumento
en la potencia de la prueba, una disminución en el tamaño de la muestra
seleccionada tendría como resultado una disminución en la potencia.

3.5. FORMULACION DE HIPOTESIS ESTADISTICAS

Objetivos:
1. Identificar los elementos básicos de una hipótesis.
2 .Distinguir entre las diferentes clases de hipótesis.
3. Formular hipótesis de investigación, nulas y alternativas.
4. Reconocer la función e importancia de las hipótesis.
5. Reconocer la importancia de definir los conceptos y variables.
6. Reconocer y efectuar definiciones conceptuales, instrumentales y operacionales
para variables e hipótesis.

Con el fin de establecer guías precisas hacia el problema de investigación, se

proponen hipótesis que indican lo que estamos buscando o tratando de probar.
Constituyen un puente entre la teoría y la investigación empírica. Es a través de la
comprobación de los cuerpos hipotéticos que la ciencia busca la sistematización,
generalización e interpretación.
Las hipótesis son consideradas como explicaciones tentativas respecto al
problema planteado, presentadas a manera de proposiciones. Pero no toda
conjetura o suposición es una hipótesis científica. Cumple su función sólo si está
relacionada con el conocimiento existente; si reúne lo ya conocido con lo que se
busca.

Son afirmaciones a manera de conjeturas respecto a las relaciones entre dos o

más variables expresada por medio de oraciones declarativas, sujetas a
comprobación empírica.
Según Rojas (1980), las ciencias sociales enfrentan problemas teórico-
metodológicos para probar hipótesis surgidas en investigación. Muchos de los
conceptos acuñados carecen de referentes empíricos y por otro lado el
comportamiento humano no sigue patrones uniformes lo que impide generalizar
los resultados y conservar la validez a través del tiempo.

Esto conduce a que la búsqueda de relaciones significativas en estas ciencias se

limite a situaciones concretas y universos reducidos.
Para que una hipótesis sea considerada como correcta, debe referirse a dos o
más variables potencialmente medibles y especificar al mismo tiempo de qué
manera se relacionan dichas variables (Kerlinger, 1988). Deben referirse a una
situación real, los términos tienen que ser comprensibles, precisos y lo más
concretos posible; la relación entre variables propuesta debe ser clara y verosímil
(lógica) y deben estar relacionadas con técnicas disponibles para probarlas
(Hernández, 1993; Rojas, 1981).

3.6. PRUEBA DE HIPOTESIS PARA LA MEDIA

Cuando se van a realizar pruebas de hipótesis relativas a la media poblacional m

se debe saber si la varianza poblacional s es conocida o desconocida, ya que la
distribución subyacente al estadístico de prueba será la normal estándar si la
varianza es conocida, y la distribución t en caso contrario.

Las diferentes hipótesis que se pueden presentar son las siguientes:

1) Ho: m = m0 H1: m > m0

2) Ho: m = m0 H1: m < m0

3) Ho: m = m0 H1: m ¹ m0

Las pruebas de hipótesis para la media se basan en el estadístico dado por la

media muestral cuya distribución tiende a la distribución normal (m, s
/n) para muestras grandes.

EJEMPLO: 1

Una encuesta revela que los 100 autos particulares, que constituyen una muestra
aleatoria, se condujeron a un promedio de 12500 Km. Durante un año, con una
desviación estándar de 2400 Km. Con base en esta información, decimar la
hipótesis donde, en promedio, los autos particulares se condujeron a 12000 Km
durante un año, f rente a la alternativa de que el promedio sea superior. Utilizar el
nivel de significación.

SOLUCIÓN:
Z=ẋ-µ
S/ √n

H0: μ = 12000
Ha: μ > 12000
n = 100
ẋ =12500
S = 2400
α = 0.05
Zcalc = 2.083

Rechazamos la hipótesis de que μ es igual a 12000, luego aceptamos que los

autos se condujeron en un promedio superior durante ese año, al nivel del 5%.

0 Zα

PRU DE HIP. PARA UNA O 2 MUESTRAS DE MEDIAS

EJEMPLO: 2

Un criador de pollos sabe por experiencia que el peso de los pollos de cinco
meses es 4,35 libras. Los pesos siguen una distribución normal. Para tratar de
aumentar el peso de dichas aves se le agrega un aditivo al alimento. En una
muestra de pollos de cinco meses se obtuvieron los siguientes pesos (en libras).

4,41 4,37 4,33 4,35 4,30 4,39 4,36 4,38

4,40 4,39
En el nivel 0,01, el aditivo a ha aumentado el peso medio de los pollos? Estime el
valor de p.

3.7. PRUEBA DE HIPOTESIS PARA LA DIFERENCIA DE MEDIAS.

Hipótesis

Como en los casos anteriores se puede plantear uno de los siguientes tres tipos
de hipótesis:

- Prueba de hipótesis a dos colas

H0 : = ó H0 : - =k

H1 : ó H1 : - k

- Prueba de hipótesis a una cola superior

H0 : = ó H0 : - k

H1 : > ó H1 : - >k

- Prueba de hipótesis a una cola inferior

H0 : = ó H0 : - k

H1 : < ó H1 : - <k

La estadística de trabajo depende de las características de las poblaciones y del

tamaño de las muestras.

FORMULA:

REGLA DE DECISION

- Si se ha planteado la hipótesis alternativa como:

H1 : > ó H1 : - > k se tiene una prueba de hipótesis a dos colas, por lo

tanto, el nivel de significancia ( ) se divide en dos partes iguales, quedando estos
valores en los extremos de la distribución como se aprecia en la figura 3.1

y pertenecen a una distribución Normal estándar. Si el valor de la

estadística de trabajo está entre y no se rechaza la hipótesis nula, en
caso contrario se rechaza H o lo cual implica aceptar H 1. Es decir,

- Si se ha planteado la hipótesis alternativa como:

H1: > ó H1 : - > k, se tiene una prueba de hipótesis a una cola superior,
quedando el nivel de significancia ( ) en la parte superior de la distribución, como
se aprecia en la figura 3.2
 Pertenece a una distribución Normal estándar. Si el valor de la estadística de
trabajo es menor que se acepta la hipótesis nula, en caso contrario se
rechaza H0 lo cual implica aceptar H<sub>1. Es decir,

- Si se ha planteado la hipótesis alternativa como:

H1 : < ó H1 : - < k, se tiene una prueba de hipótesis a una cola inferior,

quedando el nivel de significancia ( ) en la parte inferior de la distribución, como
se aprecia en la figura 3.3

Z pertenece a una distribución Normal estándar. Si el valor de la estadística de

trabajo es mayor que Z no se rechaza la hipótesis nula, en caso contrario se
rechaza H0 lo cual implica aceptar H1. Es decir,

Estimación y Prueba de Hipótesis:-

La información siguiente muestra la producción Fito planctónica (clorofila)
por estanques ( E1, E2 ) fertilizados con Nutrilake y superfosfato triple de fósforo
(SPT). Se desea estudiar la diferencia de medias poblacionales, contando con
muestras n1  15
( E1  Es tan que1 ) Y n2  19 ( E2  es tan que2 ).
Para ‫ = ﻻ‬0.90

La información es:

N1  26
n1  15 ;

6250, 25000, 25000, 37250, 30000, 125000, 37500,

37250, 43750, 50000, 12500, 43750,37500, 250000,
28400.

N2  26
n2  19
 25600, 10000, 12500, 50000, 30000, 37500, 10000,
26100, 30000, 350000, 43750, 57500, 12500, 6250,
10000, 12500, 12500, 6250, 32500.

n1  15  30, 2  ? ; n2  18  30, 2  ? usamos “t”

1  2 : ( x1  x2 )  ( t / 2 , n1  n2  2 ) ˆx1  x2

1 1
 x1 x 2 = 2
sc (  )
n1 n2

(n1  1) sc  (n2  1) sc
2 2
sc 
2

n1  n2  2

En n1 , x1  30110.00000

s1  12676.44328 , s1  160692214.2
2

En n2 , x2  24234.21053

s2  15614.92389 , s2  243825848
2

(15  1)(160692214.2)  (19  1)( 243825848)

ss 
2

15  19  2

sc  840180476.6
2

1 1
 x1 x 2  840180476.6(  )  10011.596
15 19

1  2  (30110.00000  24234.21053)  (0.6944)(10011.596)

‫ = ﻻ‬0.90,   0.10

0.10
t( / 2, n1  n2  2)  t ,15  19  2)  (0.05,32)  0.6944
2

: 5875.79  6952.05
 5875.798 – 6952.05 , 5875.79 + 6952.05
-1076.26 12827.84

P (  1076.26  1  2  12872.84)  0.90

La probabilidad de la diferencia en producción de clorofila en los dos estanques

fertilizados oscila de 0 – 12872.84, al 0.90.

EJEMPLO: 1

Un constructor está considerando dos lugares alternativos para construir un centro

comercial. Como los ingresos de los hogares de la comunidad son una
consideración importante en ésta selección, desea probar que el ingreso promedio
de la primera comunidad excede al promedio de la segunda comunidad en cuando
menos $1.500 diarios. Con la información de un censo realizado el año anterior
sabe que la desviación estándar del ingreso diario de la primera comunidad es de
$1.800 y la de la segunda es de $2.400

Para una muestra aleatoria de 30 hogares de la primera comunidad, encuentra

que el ingreso diario promedio es de $35.500 y con una muestra de 40 hogares de
la segunda comunidad el ingreso promedio diario es de $34.600. Pruebe la
hipótesis con un nivel de confianza del 95 por ciento.

Solución

Se desea probar si la diferencia entre los ingresos de la comunidad 1 y la 2 es de

$1.500 o más, por lo tanto:

H0 : - 1.500

H1 : - < 1.500

El tamaño de las muestras es grande y las varianzas poblacionales son conocidas,

por consiguiente la estadística de trabajo a utilizar es la expresión 3.9

Para un nivel de confianza del 95 por ciento, en la tabla de la distribución normal

se tiene un valor de Z de -1,64. Como puede observarse en la figura 3.13, la
estadística de trabajo se ubica en la zona de aceptación de la hipótesis nula; por lo
tanto, con una confiabilidad del 95 por ciento, la diferencia entre el ingreso
promedio por hogar en las dos comunidades es mayor a $1.500 diarios.

EJEMPLO: 2

Una muestra de 80 alambres de acero producidos por la fábrica A presenta una

resistencia promedio a la ruptura de 1.230 lbs. con una desviación estándar de
120 lbs .. Una muestra de 100 alambres de acero producidos por la fábrica B
presenta una resistencia promedio a la ruptura de 1.110 lbs. Con una desviación
estándar de 90 lbs .. Con base en ésta información pruebe si la resistencia
promedio a la rotura de los alambres de acero de la marca A es significativamente
mayor que la de los alambres de acero de la marca B. Asuma un nivel de
confianza del 99 por ciento.

Solución:

H0 : A = B

H1 : A > B

El tamaño de las muestras es grande, las varianzas poblacionales son

desconocidas, por la tanto la estadística de trabajo a utilizar es la expresión 3.10
Con un nivel del confianza del 99 por ciento, en la tabla de la distribución normal el
valor de Z es 2,33. Como puede observarse en la figura 3.14, la estadística de
trabajo está en la zona de rechazo de la hipótesis nula, por consiguiente, con una
confiabilidad del 99 por ciento se acepta que la resistencia promedio de los
alambres de la marca A es significativamente mayor que la resistencia promedio
de los alambres de la marca B.

Figura 3.14 Regla de decisión para una prueba de hipótesis a una cola superior.

EJEMPLO: 3

Se desea probar si la cantidad promedio de cera superficial en el lado interno (I)

de las bolsas de papel encerado es mayor que la cantidad promedio en el lado
externo (E). Para tal efecto se tomó una muestra aleatoria de 25 bolsas,
midiéndose la cantidad de cera en cada lado de esas bolsas, obteniéndose los
siguientes resultados:
Con base en esta información cuál es su conclusión? Asuma un nivel de
confianza del 90 por ciento.

Solución:

Con la información suministrada se obtienen los estimadores necesarios:

En consideración a que el tamaño de las muestras es pequeño, antes de realizar

la prueba de hipótesis para la diferencia de medias, se debe probar si las
varianzas poblacionales son iguales o diferentes.

H0 : / =1

H1 : / 1

Para la estadística de trabajo se utiliza la expresión 3.8:

Con una confiabilidad del 90 por ciento, en la tabla de la distribución F con 24

grados de libertad en el numerador y 24 grados de libertad en el denominador, el
valor de Z 0,05 es 0,505 y el valor de Z 0,95 es 1,98. Como puede observarse en
la figura 3.15, la estadística de trabajo cae en la zona de no rechazo de la
hipótesis nula, por consiguiente las varianzas poblacionales son iguales.
Como las varianzas poblacionales son iguales, para realizar la prueba de hipótesis
para la diferencia de medias se usa la expresión 3.11

H0 : I E

H1 : I > E

Con una confiabilidad del 90 por ciento, en la tabla de la distribución t con 48

grados de libertad, el valor de Z es 1,3. Como puede observarse en la figura 3.16,
la estadística de trabajo se encuentra en la zona de no rechazo de la hipótesis
nula, por lo tanto, con una confiabilidad del 90 por ciento se concluye que la
cantidad promedio de cera en el lado interno no es mayor que la cantidad
promedio de cera en el lado externo.

Figura 3.16 Regla de decisión para una prueba de hipótesis a una cola superior

REGLA DE DECISIÓN

La regla de decisión es la misma que en los casos anteriores pero los valores de
la tabla se hallan en una distribución t con k grados de libertad, siendo:
 (3.13)

EJEMPLO: 4

Un fabricante de bombillos sospecha que una de sus líneas de producción está

produciendo bombillos con una duración promedio menor que la de otra línea.
Para probar su sospecha toma una muestra aleatoria de 16 bombillos de la línea
sospechosa (s) y 18 de la otra línea (c), obteniendo los siguientes resultados:

Con ésta información cuál es su conclusión si se asume un nivel de confianza del

90 por ciento.

Solución

Como el tamaño de las muestras es pequeño, para decidir cuál es la estadística

de trabajo adecuada para la prueba de hipótesis de la diferencia de medias,
primero se debe probar si las varianzas poblacionales son iguales o no.

H0 : / =1

H1 : / 1

La estadística de trabajo es:

Con una confiabilidad del 90 por ciento, en la tabla de la distribución F con 15

grados de libertad en el numerador y 17 grados de libertad en el denominador, el
valor de Z 0,05 es 0,43 y el valor de Z 0,95 es 2,31. como puede observarse en la
figura 3.17, la estadística de trabajo cae en la zona de rechazo de la hipótesis
nula, por consiguiente las varianzas poblacionales son diferentes.
Figura 3.17 Regla de decisión para una prueba de hipótesis a dos colas

Considerando que las varianzas poblacionales son diferentes, la estadística de

trabajo a utilizar para la prueba de hipótesis para la diferencia de medias es la
expresión 3.12

H0 : S = C

H1 : S < C

La estadística de trabajo es:

Con la expresión 3.13 se calculan los grados de libertad de la distribución t

En la tabla de la distribución t, con 26 grados de libertad y una confiabilidad del 90

por ciento, el valor de Z es -1,315. Como se observa en la figura 3.18, la
estadística de trabajo cae en la zona de no rechazo de la hipótesis nula, por lo
tanto, con una confiabilidad del 90 por ciento se concluye que no hay diferencia en
el promedio de producción de las dos líneas.

Figura 3.18 Regla de decisión para una prueba de hipótesis a una cola infer

3.8. PRUEBA DE HIPOTESIS PARA LA PROPORCION

Hipótesis Científica:- la proporción de días cuya producción de clorofila oscila de

600 – 25000 es igual a 0.50

Hipótesis Estadística:- H 0 P = 0.50

Solución: trabajar para: ‫ = ﻻ‬0.98

1. H 0 P = 0.50
H 0 P  0.50

2.   0.05
RR/ H 0 RR/ H 0
pP
3. Z   z / 2  2.33 0 z / 2  2.33
PQ
n
RA/ H 0
4. H1 :
  0.05
Z
‫ = ﻻ‬0.9800
 0.9800
‫=ﻻ‬  0.4900
2
Para 0.4900 Normal = Z / 2 = 2.33

RA/ H 0 : -2.33 <z < 2.33

RR/ H 0 : z  2.33 ò z  2.33

5. En base a la información de la muestra anterior

x nº dediascuya produccion oscilade 600  2500

p 
n 24dìas

13
p=  0.5417
24

p  P 0.5417  05000
Zc  =  0.41
PQ (0.50)(0.50)
n 24

6. Z tabla vs Z c
2.33 >0.41 Z c e RA/ H 0
7. Se acepta H 0

8. la proporción de días cuya producción de clorofila oscila de 6000 – 25000 es

igual a 0.50.

EJEMPLO: 1

El expendio Pollos Deliciosos asegura que 90% de sus órdenes se entregan en

menos de 10 minutos. En una muestra de 100 órdenes, 82 se entregaron dentro
de ese lapso. Puede concluirse en el nivel de significancia 0,01, que menos de
90% de las órdenes se entregan en menos de 10 minutos?

SOLUCION:
EJERCICIO: 2

Un artículo reciente, publicado en el diario USA today, indica que solo a uno de
cada tres egresados de una universidad les espera un puesto de trabajo. En una
investigación a 200 egresados recientes de su universidad, se encontró que 80
tenían un puesto de trabajo. Puede concluirse en el nivel de significancia 0,02, que
en su universidad la proporción de estudiantes que tienen trabajo es mayor ?

SOLUCION:
EJERCICIO 3

A una muestra a nivel nacional (en Estados Unidos) de ciudadanos influyentes de

los partidos republicano y demócratas, se les preguntó entre otras cosas, si
estaban de acuerdo con la disminución de los estándares ambientales para
permitir el uso del carbón con alto contenido de azufre como combustible. Los
resultados fueron:

Republicanos
Demócratas

Cantidad muestreada 1000 800

Cantidad a favor 200 168

Al nivel de significancia 0,02, puede decirse que hay una proporción mayor de
Demócratas a favor de reducir los estándares?
3.9. PRUEBA DE HIPOTESIS PARA LA DIFERENCIA DE PROPORCCIONES

Cuando se tienen dos poblaciones y se han tomado muestras aleatorias de

tamaños n 1 y n 2, para observar una característica o cualidad, se puede
comparar el comportamiento de dicha característica en las poblaciones a través de
la diferencia de proporciones.

Hipótesis

Como en los casos anteriores se puede plantear uno de los siguientes tres tipos
de hipótesis:

- Prueba de hipótesis a dos colas

H0 : 1 = 2 ó H0 : 1 - 2 = k

H1 : 1 2 H1 : 1 - 2 k

- Prueba de hipótesis a una cola superior

H0 : 1 = 2 ó H0 : 1 - 2 k

H1 : 1 > 2 H1 : 1 - 2 > k

- Prueba de hipótesis a una cola inferior

H0 : 1 = 2 ó H0 : 1 - 2 k

H1 : 1 < 2 H1 : 1 - 2 < k

La estadística de trabajo es la expresión 1.14:

(3.14)
REGLA DE DECISION

Como en los casos anteriores depende del tipo de hipótesis que se haya
planteado.

- Si se ha planteado la hipótesis alternativa como:

H1 : 1 2 ó H1 : p 1 - p 2 ¹ k se tiene una prueba de hipótesis a dos colas, por lo

tanto, el nivel de significancia ( ) se divide en dos partes iguales, quedando estos
valores en los extremos de la distribución como se aprecia en la figura 3.1

y pertenecen a una distribución Normal estándar. Si el valor de la

estadística de trabajo (Zp1-p2 ) está entre y no se rechaza la hipótesis nula,
en caso contrario se rechaza H0 lo cual implica aceptar H1 . Es decir, si < Zp1-
p2 < no se rechaza H0 .

- Si se ha planteado la hipótesis alternativa como:

H1 : 1 > 2 ó H1 : 1 - 2 > k, se tiene una prueba de hipótesis a una cola

superior, quedando el nivel de significancia ( ) en la parte superior de la
distribución, como se aprecia en la figura 3.2

pertenece a una distribución Normal estándar. Si el valor de la estadística de

trabajo es menor que no se rechaza la hipótesis nula, en caso contrario se
rechaza H0 lo cual implica aceptar H1 . Es decir, si Zp1-p2 < no se rechaza H0 .

- Si se ha planteado la hipótesis alternativa como:

H1 : 1 < 2 ó H1 : 1 - 2 < k, se tiene una prueba de hipótesis a una cola

inferior, quedando el nivel de significancia ( ) en la parte inferior de la
distribución, como se aprecia en la figura 3.3

Z pertenece a una distribución Normal estándar. Si el valor de la estadística de

trabajo (Zp1-p2) es mayor que Z no se rechaza la hipótesis nula, en caso contrario
se rechaza H o lo cual implica aceptar H1 . Es decir, si Zp1-p2 > Z no se rechaza
H0 .

EJEMPLO: 1

Se seleccionó una muestra aleatoria de 100 hombres y 100 mujeres de un

departamento de Colombia; se halló que de los hombres 60 estaban a favor de
una ley de divorcio y de las mujeres 55 estaban a favor de dicha ley. Con base en
ésta información, pruebe que la proporción de hombres que favorece ésta ley es
mayor que la proporción de mujeres. Asuma un nivel de confianza del 99 por
ciento.

Solución

H0 : H = M

H1 : H > M

Se utiliza la expresión 3.14

Por la hipótesis alternativa se trabaja a una cola superior. En la tabla de la

distribución normal con una confiabilidad del 99 por ciento, el valor de Z es 2,33.
La estadística de trabajo está en la zona de no rechazo de la hipótesis nula (figura
3.19), es decir, con una seguridad del 99 por ciento se concluye que no hay
diferencia en la proporción de hombres y mujeres que favorecen la ley de divorcio.

Figura 3.19 Regla de decisión para una prueba de hipótesis a una cola superior.

EJERCICIO 2

Harry Hutchings es propietario de un gimnasio y afirma que la ingestión de ciertas

vitaminas aumente la fuerza corporal. Se seleccionan aleatoriamente 10
estudiantes atletas y se les aplica una prueba de fuerza muscular. Después de dos
semanas de tomar las vitaminas y de entrenamiento se les aplica nuevamente la
prueba. Los resultados se muestran a continuación:

EJERCICIO 3

Se realizó un estudio sobre la cantidad de plomo en sangre en mujeres puérperas

– ciudad de México, años 2005 y 2006, se trabajó con una población de 102
mujeres en el año 2005( N1  102 ) y con 120 mujeres en el año 2006 ( N2  120 ).
Para efectos de estudio comparativo sobre la cantidad de plomo en sangre
superior a 11 g / dl en mujeres puérperas, se trabaja con una muestra de 30
mujeres puérperas ( n1  30 ) en el año 2005 y con una muestra aleatoria de 38
mujeres ( n2  38 ) en el año 2006.

Sobre esta investigación. ¿Será diferente la proporción de mujeres puérperas con

cantidad de plomo en sangre superior a 11 g / dl en los dos años de realizada la
investigación en ciudad México?

La información está dada por:

n1  30 (Año 2005) n2  38 (Año 2006)

10.0, 12.9, 6.9, 6.4, 11.6, 9.1, 9.2, 10.5, 6.4, 12.4, 14.2, 9.7,

17.0, 23.3, 10.0, 11.5, 11.7, 7.2,
5.6, 12.4, 4.6, 8.8, 15.9, 8.2, 7.6,
7.9, 10.3, 5.3, 5.1, 12.3, 11.5,
20.0, 4.9, 5.1, 11.4, 5.9
6.8, 7.8, 5.2, 9.2, 5.9, 10.5,
6.8, 5.1, 13.3, 21.0, 12.7, 23.1,
9.8, 2.9, 7.4, 18.9, 9.8, 8.5, 21.0,
7.1, 8.5, 13.1, 10.7, 5.5, 14.5,
14.4, 6.9, 8.8, 9.4, 7.4, 12.9, 11.0

ESTIMACIÒN PARA LA DIFERENCIA DE PROPORCIONES

x = mujer puérpera con plomo en sangre superior a 11 g / dl

x1 11 x2 11
p1    0.37 p2    0.29
n1 30 n2 38
Para un ‫ = ﻻ‬94%

P1Q1 P2Q2
p1  p2 : p1  p2  Z / 2 
n1 n2

(0.37)(0.63) (0.29)(0.71)
0.37 – 0.29  1.88 
30 38

 0.94
Si ‫ = ﻻ‬0.94,   0.4700 z= 1.88 (tabla normal Pág. 19)
2 2

: 0.08  0.22

P (  0.14  P1  P2  0.30 ) = 0.94

Al 0.94 de confiabilidad la diferencia de proporciones de mujeres puérperas en la

ciudad de México en los años 2005 – 2006 de plomo en sangre es superior a 11
g / dl , oscila de 0 – 0.30

3.10. PRUEBA DE HIPOTESIS PARA LA VARIANZA

Es frecuente que se desee comprobar si la variación o dispersión de una variable

ha tenido alguna modificación, lo cual se hace con la prueba de hipótesis para la
varianza.

Hipótesis
Se puede plantear uno de los siguientes tres tipos de hipótesis:
- Prueba de hipótesis a dos colas
H0 : =k
H1 : k
- Prueba de hipótesis a una cola superior
H0 : = k ó H0 : k
H1 : > k ó H1 : >k
- Prueba de hipótesis a una cola inferior
H0 : = k ó H1 : k
H1 : < k ó H1 : <k
En este caso se tienen dos situaciones, dependiendo de si se utiliza la varianza
muestral sin corregir o corregida.
• Si se utiliza la varianza sin corregir ( ) la estadística de trabajo es la expresión
(1.4):

(3.6)
• Si se utiliza la varianza corregida, la estadística de trabajo es la expresión (1.5):

REGLA DE DECISION

- Si se ha planteado la hipótesis alternativa como:

H1 : k se tiene una prueba de hipótesis a dos colas, por lo tanto, el nivel de

significancia ( ) se divide en dos partes iguales, quedando estos valores en los
extremos de la distribución como se aprecia en la figura 3.8

Figura 3.8 Regla de decisión para una prueba de hipótesis a dos colas

y pertenecen a una distribución X2 con (n-1) grado de libertad. Si el valor

de la estadística de trabajo (T) está entre y no se rechaza la hipótesis
nula, en caso contrario se rechaza H0 lo cual implica aceptar H1 . Es decir, si <
T< no se rechaza H0.

- Si se ha planteado la hipótesis alternativa como:

H1 : > k, se tiene una prueba de hipótesis a una cola superior, quedando el
nivel de significancia ( ) en la parte superior de la distribución, vease figura 3.9

Figura 3.9 Regla de decisión para una prueba de hipótesis a una cola superior

Z1- pertenece a una distribución X2 con (n-1) grado de libertad. Si el valor de la

estadística de trabajo (T) es menor que no se rechaza la hipótesis nula, en
caso contrario se rechaza H0 lo cual implica aceptar H1 . Es decir, si T < no se
rechaza H0 .

- Si se ha planteado la hipótesis alternativa como:

H1 : < k, se tiene una prueba de hipótesis a una cola inferior, quedando el nivel
de significancia ( ) en la parte inferior de la distribución, vease figura 3.10

Figura 3.10 Regla de decisión para una prueba de hipótesis a una cola inferior

Z pertenece a una distribución X2 con (n-1) grado de libertad. Si el valor de la

estadística de trabajo (T) es mayor que Z no se rechaza la hipótesis nula, en
caso contrario se rechaza H0 lo cual implica aceptar H1 . Es decir, si T >Z no se
rechaza H0.
 EJEMPLO: 1

Se supone que los diámetros de cierta marca de válvulas están distribuidos

normalmente con una varianza poblacional de 0,2 pulgadas 2 , pero se cree que
últimamente ha aumentado. Se toma una muestra aleatoria de válvulas a las que
se les mide su diámetro, obteniéndose los siguientes resultados en pulgadas: 5,5
5,4 5,4 5,6 5,8 5,4 5,5 5,4 5,6 5,7

Con ésta información pruebe si lo que se cree es cierto.

Solución:

Se cree que la varianza poblacional ha aumentado, es decir es superior a 0,2; por

lo tanto:

H0 : = 0,2

H1 : > 0,2

Para realizar esta prueba de hipótesis se utiliza la expresión 3.6

Asumiendo un nivel de confianza del 95 por ciento, en la tabla de la distribución

chi-cuadrado con 9 grados de libertad, se obtiene un valor para Z de 16,919.
Como puede observarse en la figura 3.11, el valor de la estadística de trabajo se
ubica en la zona de no rechazo de la hipótesis nula, por consiguiente con una
confiabilidad del 95 por ciento se puede afirmar que la varianza poblacional no ha
aumentado.
3.11. PRUEBA DE HIPOTESIS PARA LA RELACION DE VARIANZAS

PARA COSIENTES DE VARIANZAS

Si de dos poblaciones con distribución normal se seleccionan dos muestras

aleatorias independientes de tamaños n1 y n2 , se puede comparar la
homogeneidad o variabilidad de dichas poblaciones a través de una prueba de
hipótesis para el cociente de varianzas.

Cuando se planteen las hipótesis debe quedar en el numerador la población cuya

muestra tenga mayor varianza. Es decir que la población 1 será la que tenga
mayor varianza muestral.

Hipótesis

Se puede plantear uno de los siguientes tres tipos de hipótesis:

- Prueba de hipótesis a dos colas

H0 : = ó H0 : / =1

H1 : ó H1 : / 1

- Prueba de hipótesis a una cola superior

H0 : = ó H0 : / 1

H1 : > ó H1 : / >1

- Prueba de hipótesis a una cola inferior

H0 : = ó H0 : / 1

H1 : < ó H1 : / <1

La estadística de trabajo es la expresión (1.15)

(3.8)
REGLA DE DECISION

Si se ha planteado la hipótesis alternativa como:

H1 : ó H1 : / 1 se tiene una prueba de hipótesis a dos colas, por lo

tanto, el nivel de significancia ( ) se divide en dos partes iguales, quedando estos
valores en los extremos de la distribución como se aprecia en la figura 3.8

y pertenecen a una distribución F con (n1 -1) grado de libertad en el

numerador y (n2-1) grado de libertad en el denominador. Si el valor de la
estadística de trabajo (T) está entre y no se rechaza la hipótesis nula, en
caso contrario se rechaza H0 lo cual implica aceptar H1 . Es decir, si <T<
no se rechaza H0 .

- Si se ha planteado la hipótesis alternativa como:

H1 : > ó H1 : / > 1 , se tiene una prueba de hipótesis a una cola

superior, quedando el nivel de significancia ( ) en la parte superior de la
distribución, como se aprecia en la figura 3.9

Z 1- a pertenecer a una distribución F con (n 1 -1) grado de libertad en el

numerador y (n 2 -1) grado de libertad en el denominador. Si el valor de la
estadística de trabajo (T) es menor que Z 1- a no se rechaza la hipótesis nula, en
caso contrario se rechaza H o lo cual implica aceptar H 1 . Es decir, si T < Z 1- a
no se rechaza H o .

- Si se ha planteado la hipótesis alternativa como:

H1 : < ó H1 : / < 1 , se tiene una prueba de hipótesis a una cola

inferior, quedando el nivel de significancia ( ) en la parte inferior de la
distribución, como se aprecia en la figura 3.10

Z a pertenecer a una distribución F con (n1 -1) grado de libertad en el numerador y

(n2 -1) grado de libertad en el denominador. Si el valor de la estadística de trabajo
(T) es mayor que Z a no se rechaza la hipótesis nula, en caso contrario se rechaza
H o lo cual implica aceptar H 1 . Es decir, si T > Z a no se rechaza H0 .

EJEMPLO 1

Dos fuentes de materias primas están siendo consideradas. Ambas fuentes

parecen tener características similares, pero no se está seguro de su
homogeneidad. Una muestra de 10 grupos de la fuente A produce una varianza de
250 y una muestra de 11 grupos de la fuente B produce una varianza de 195. Con
base en ésta información se puede concluir que la varianza de la fuente A es
significativamente mayor que la de la fuente B?. Asuma un nivel de confianza del
99 por ciento.

Solución

H0: A= B

H1 : A> B

Con un nivel de confianza del 99 por ciento, en la tabla de la distribución F con 9

grados de libertad en el numerador y 10 grados de libertad en el denominador, se
obtiene un valor para Z de 4,94. Como puede observarse en la figura 3.12, el valor
de la estadística de trabajo está en la zona de no rechazo de la hipótesis nula, por
lo tanto, con una confiabilidad del 99 por ciento, no se puede rechazar que la
variabilidad de las dos fuentes de materia prima es igual.
CONCLUSION

Las Hipótesis "son tentativas de explicación de los fenómenos a estudiar, que se

formulan al comienzo de una investigación mediante una suposición o conjetura
verosímil destinada a ser probada por la comprobación de los hechos" (María
Antonieta Tapia B, 2000). "Es una predicción científica, una conjetura, la supuesta
solución a un problema, a cuya comprobación se dedica la investigación y como
es lógico puede ser comprobada o rechazada" (Dr. C. Carlos A. Córdova
Martínez).

En muchos casos se formula una hipótesis estadística con el solo fin de rechazarla
o anularla. Es el caso de decidir si un procedimiento es mejor que otro, entonces
se formula la hipótesis de que no existe diferencia entre los procedimientos. Esas
hipótesis se denominan hipótesis de nulidad y se denotan por Ho. Cualquiera
hipótesis que contradiga a Ho será llamada por hipótesis alternativa H1. En
términos estadísticos, supóngase que se quiere examinar la validez o no, de una
hipótesis referida a un parámetro de la población, digamos que se quiere probar
que la media poblacional ( no es igual a un valor determinado (o; lo expresado se
acostumbra a representar .
BIBLIOGRAFÍA

 estadística básica – Ciro Martínez bencedrino (2008

 estadística básica – Adriana guerrero

 file:///C:/Users/CARLOS%20SANCHEZ/Downloads/304698355-Analisis-de-
Regresion.pdf

 https://es.scribd.com/doc/304698355/Analisis-de-Regresion