Pruebas Hipotesis 2pob2

PRUEBAS DE HIPÓTESIS DE DOS POBLACIONES P. Reyes/Sept.
2007
PRUEBAS DE HIPÓTESIS
DE DOS POBLACIONES
P. Reyes
Septiembre 2007
1
PRUEBAS DE HIPÓTESIS DE DOS POBLACIONES P. Reyes/Sept. 2007
CONTENIDO
1. Experimentos de comparaciones simples
2. Fórmulas para calcular los estadísticos de prueba
3. Ejemplos de pruebas de hipótesis de dos poblaciones
4. Ejercicios adicionales
2
Pruebas de hipótesis de dos poblaciones
E n esta sección se analizan ciertos experimentos que se usan para

comparar condiciones (a menudo llamadas
menudo, se denominan experimentos de comparación simples.
tratamientos). A
Ejemplo 2.1: La resistencia adhesiva a la tensión del cemento es una

característica importante del producto. Se desea probar la resistencia de
una fórmula modificada, a la que se han agregado emulsiones de
polímeros de látex durante el mezclado, contra la resistencia de la
argamasa hecha con la fórmula no modificada. Se hacen 10
observaciones de la resistencia de la fórmula modificada y otras 10 de la
fórmula no modificada. Los datos aparecen en la Tabla 1.
Tabla 1
Cemento Cement
j o
modificad original
o
J Y1j Y2j
1 16.85 17.50
2 16.40 17.63
3 17.21 18.25
4 16.35 18.00
5 16.52 17.86
6 17.04 17.75
7 16.96 18.22
8 17.15 17.90
9 16.59 17.96
1 16.57 18.15
0
Las dos fórmulas pueden considerarse como dos tratamientos, o dos

niveles de las formulaciones de factor.
3
A primera vista, estos datos dan la impresión de que la resistencia del

cemento original es mayor que la del modificado, se refuerza al
comparar los valores medios de la resistencia a la tensión, es decir, Y1 
16.76 kgf/cm2 del cemento modificado contra Y2  17.92 kgf/cm2 del

cemento original.
Una técnica de inferencia estadística llamada prueba de hipótesis

(algunos prefieren denominarla pruebas de significación), puede servir
para ayudar al experimentador al comparar estas dos fórmulas.
Inferencias sobre la diferencia de medias, diseños aleatorizados
A hora se analizan los datos de este experimento de comparación

simple, usando procedimientos de prueba de hipótesis y de
intervalos de confianza, para comparar las medias de los dos
tratamientos.
Prueba de Hipótesis
Una hipótesis estadística es una afirmación acerca de los parámetros de

una población. Por ejemplo, en el problema del cemento puede pensarse
que el nivel medio de la resistencia a la tensión de ambas formulas es
similar. Esto lo podemos expresar, formalmente, de la siguiente manera:
H0 : μ1  μ2
H1 : μ1  μ2
En donde 1 es el valor medio de la resistencia a la tensión del cemento

modificado, mientras que 2 es el valor medio de la resistencia a la
tensión del cemento original. La afirmación H0 se conoce como hipótesis
4
nula, mientras que H1 se conoce como hipótesis alterna. La hipótesis

alterna propuesta en este ejemplo es una hipótesis alterna bilateral, ya
que puede ser verdadera sí 1 < 2 o bien sí 1, > 2.
Para probar una hipótesis hay que diseñar un procedimiento para tomar
una muestra aleatoria y calcular un estadístico de prueba apropiada con
objeto de rechazar o no la hipótesis nula H0. Parte de este
procedimiento consiste en especificar el conjunto de valores del
estadístico de prueba que conduzcan al rechazo de H0. Este conjunto de
valores se denomina región crítica o región de rechazo de la prueba.
Al efectuar pruebas de hipótesis pueden cometerse dos tipos de error.

Ocurre un error de tipo I cuando la hipótesis nula es rechazada siendo
verdadera. Si la hipótesis nula no es rechazada cuando es falsa se
comete un error de tipo II. Las probabilidades de cometer estos errores
reciben un símbolo especial.
 = P(error tipo I) = P(rechazar H0H0 es verdadera)
 = P(error tipo II) = P(no rechazar H0H0 es falsa)
En ocasiones, es más conveniente trabajar con la potencia de la prueba,

donde Potencia = 1 -  P(rechazar H0 H0 es falsa)
El procedimiento general de la prueba de hipótesis consiste en

especificar un valor para , la probabilidad de error tipo I, llamado a
menudo, nivel de significación de la prueba, para después diseñar un
procedimiento que asegure un valor pequeño para la probabilidad de
error tipo II.
5
Supongamos que puede aceptarse que poseen el mismo valor las

variancias en ambas fórmulas de cemento. Una estadística de prueba
apropiada para usarse en la comparación del nivel medio de los dos
tratamientos en un diseño completamente aleatorizado es:
Y1  Y 2
to 
1 1
Sp 
n1 n2
Donde Y1 y Y 2 son las medias muéstrales, n1 y n2 el tamaño de las

muestras, Sp2 es una estimación de la variancia común 12 = 22 = 2
calculado mediante:
Sp 2 
 n1  1 S12   n2  1 S22
n1  n2  2
S12 y S22 son las dos variancias muéstrales individuales. Hay que
comparar t0 con respecto a la distribución t con n1 + n 2 - 2 grados de
libertad, para decidir si se rechaza H0: 1 = 2. Se debe rechazar H0 y
concluir que el nivel medio de la resistencia a la tensión para las dos
fórmulas de mortero de cemento Pórtland difieren si to > to/2, n1 + n2 –2,
donde to/2, n1 + n2 –2 es el punto porcentual /2 superior de la distribución t
con n1 + n2 -2 grados de libertad.
Este procedimiento se justifica de la siguiente manera: Si se realiza el

muestreo de dos poblaciones normales independientes, la distribución
de Y1  Y 2 es N{1 - 2, 2(1/n1+ 1/n2)}.
En este caso, si 2 es conocida, y sí, además, H0: 1 = 2 resulta

verdadera, la distribución de:
Y1  Y 2
Zo 
1 1
σ 
n1 n2
6
Será NID(0,1 ). Sin embargo, al reemplazar  por Sp en la Ecuación

anterior se cambia la distribución Zo de la normal estándar a t con n 1 +
n2 -2 grados de libertad. Ahora bien, si H0 es verdadera, t0 en la
Ecuación de la prueba de to tiene una distribución tn 1 + n2 -2 y, en
consecuencia, se espera que el 100(1 -) por ciento de los valores de t 0
se encuentren entre t/2, n1 + n2- 2 y t/2, n1 + n2- 2 . Una muestra que
produzca un valor de to fuera de estos límites es inusual si la hipótesis
nula es verdadera, y constituye una evidencia de que Ho debe ser
rechazada. Nótese que  es la probabilidad del error tipo I para la
prueba.
En algunos problemas el experimentador puede estar interesado en

rechazar Ho sólo si una media es mayor que la otra. En este caso se
especifica la hipótesis alterna unilateral Ho: 1 > 2 y se rechaza Ho sólo
sí to > t, n1 + n2- 2. Si se desea rechazar Ho cuando 1 es menor que 2
solo si menor que 1, la hipótesis alterna será H 1: 1 < 2 y el
experimentador debe rechazar sí H sí to < -t,n1 + n2 -2.
7
Del ejemplo, con los datos de la tabla 2.1, se tiene:
1 16.85 17.50
2 16.40 17.63
3 17.21 18.25
4 16.35 18.00
5 16.52 17.86
6 17.04 17.75
7 16.96 18.22
8 17.15 17.90
9 16.59 17.96
10 16.57 18.15
Media 16.764 17.922
D.E. 0.316 0.248
Var. 0.100 0.061
Cemento modificado:
Y1  16.76kfg/c m 2
S1 2  0.100
S1  0.316
n  10
Cemento original::
Y 2  17.92kfg / cm 2
S12  0.061
S1  0.247
n  10
Sp 2 
 n1  1 S12   n2  1 S22
n1  n2  2
9(0.100)  9(0.061)
  0.081
10  10  2
Sp  0.284
8
Nótese que no es razonable concluir que las variancias poblacionales

son iguales por el hecho de que las variancias muéstrales sean
similares. La estadística de prueba es:
Y1  Y 2
to  
1 1
Sp 
n1 n 2
16.76  17.92
 9.13
0.284 1 10  1 10
Ahora bien, el punto porcentual superior de 2.5 de la distribución t con

n1 + n2 – 2 = 10 + 10 – 2 = 18 grados de libertad, es t. 025,18 = 2.101.
Como to= 9.13 > t025,18 = 2.101, debe rechazarse Ho y concluir que
existe diferencia en el nivel medio de la resistencia a la tensión de las
dos clases de mortero.
9
2. Fórmulas para calcular los estadísticos utilizados en

las pruebas de Hipótesis de 2 poblaciones.
Fórmulas para Intervalos de confianza para parámetros de dos

poblaciones
a) Intervalo de confianza para la diferencia entre dos medias

poblacionales (1-2) con muestras grandes (n >= 30 ) y cuando ya se
cuenta con historial, o sea que  es conocida:
 12  22
IC para ( 1   2 )  ( X 1  X 2 )  Z  / 2 
n1 n2
Si las  poblacionales no se conoce entonces se usan las S de las

muestras en su lugar:
S12 S 22
IC para ( 1   2 )  ( X 1  X 2 )  Z  / 2 
n1 n2
b) Intervalo de confianza para estimar la diferencia entre dos medias

poblacionales (1-2) con muestras pequeñas (n < 30; gl  n1  n2  2 ). Con
varianzas iguales (1=2) desconocidas:
S12 (n1  1)  S 22 (n2  1) S p2 S p2

S p2  IC para ( 1   2 )  ( X 1  X 2 )  t / 2, gl 
n1  n 2  2 n1 n2
c) Intervalo de confianza para estimar la diferencia entre dos medias

poblacionales (1-2) con muestras pequeñas (n < 30; grados de
libertad = gl. Con varianzas desiguales (1  2): desconocidas:
( S12 / n1  S 22 / n2 ) 2 S12 S 22
gl  IC para (  1   2 )  ( X 1  X 2 )  t ' / 2 , gl 
( S12 / n1 ) 2 /(n1  1)  ( S 22 / n2 ) 2 /(n2  1) n1 n2
d) Intervalo de confianza para la diferencia de medias con

observaciones pareadas (gl = n-1):
10
d 
d i
; Sd 
d i
2
 nd 2
; IC para d  d  t / 2, gl
Sd
n n 1 n
e) Intervalo de confianza para estimar la diferencia de proporciones

poblacionales (1- 2):
p1 (1  p1 ) p 2 (1  p 2 )
S p1 p 2   ; IC para ( 1   2 )  ( p1  p 2 )  Z  / 2 S p1 p 2
n1 n2
Fórmulas para calcular los estadísticos utilizados en las pruebas

de Hipótesis de 2 pob.
f) Estadístico Zc para probar la diferencia entre 2 medias poblacionales

con muestras grandes
(n >= 30):
( X 1  X 2 )  ( 1   2 )
Zc 
S12 S 22 Lo normal es que. Ho : 1   2  0 o 1   2

n1 n 2
g) Estadístico Fc para probar la igualdad de varianzas
S12
Fc  2 Seleccionar que S1 sea la mayor.
S2
11
h) Estadístico tc para probar la diferencia de medias de 2 poblaciones

con muestras pequeñas
(n < 30) y donde se asume que las 1 y 2 son iguales pero
desconocidas:
S12 (n1  1)  S 22 (n2  1) ( X  X 2 )  ( 1   2 )

S p2  ; tc  1
n1  n2  2 S p2 S p2

n1 n2
i) Estadístico tc para probar la diferencia entre 2 medias poblacionales

con muestras pequeñas
(n < 30) y se asume que las 1 y 2 son desiguales y desconocidas:
( X 1  X 2 )  ( 1   2 )
t 'c 
S12 S 22

n1 n2
j) Estadístico tc para probar la igualdad de dos medias poblacionales

para observaciones pareadas:

d
d i
; Sd 
d i
2
 nd 2
; tc 
d  ( 1   2 )
n n 1 Sd
n
k) Estadísico Zc para probar la diferencia de dos proporciones

poblacionales:
p1 (1  p1 ) p 2 (1  p 2 ) ( p  p 2 )  ( 1   2 )
S p1 p 2   ; Zc  1
n1 n2 S p1 p 2
12
A continuación se presentan ejemplos de cada caso:

a) Estadístico Zc para probar la diferencia entre 2
medias poblacionales con muestras grandes
(n >= 30):
( X 1  X 2 )  ( 1   2 )
Zc 
S12 S 22 Lo normal es que. Ho : 1   2  0 o 1   2

n1 n 2
Estadístico de tablas Zalfa o Zalfa/2 en Excel

=DISTR.NORM.ESTAND.INV(alfa o alfa/2)
Estadístico de tablas Zalfa o Zalfa/2 en Minitab >Calc >Probability

distributions> Normal:
Inverse Cummulative prob; Mean = 0; Std. Dev. = 0; Input constant =
Alfa o alfa/2
Intervalo de confianza para la diferencia entre dos medias

poblacionales (1-2) con muestras grandes (n >= 30 ) y cuando ya se
cuenta con historial, o sea que  es conocida:
 12  22
IC para ( 1   2 )  ( X 1  X 2 )  Z  / 2 
n1 n2
Si las  poblacionales no se conoce entonces se usan las S de las

muestras en su lugar:
S12 S 22
IC para ( 1   2 )  ( X 1  X 2 )  Z  / 2 
n1 n2
13
El valor p de probabilidad correspondiente al estadístico Zc se

determina como sigue:
P value en Excel =DISTR.NORM.ESTAND(Zc)
P value en Minitab >Calc >Probability distributions> Normal:

Cummulative prob; Mean = 0; Std. Dev. = 0; Input constant = Zc
Prueba Minitab
>Stat >Basic statistics > 2- Sample t
Summarized data
Sample size Mean Standar deviation
First 60 587 145

Second 50 512 125
º! Assume equal variances
Options: Confidence level 98%

Test difference 0.0
Alternate Not equal
OK
14
Criterios de rechazo de Ho:
Si Zc cae en la zona de rechazo

El valor Cero de la Hipótesis no se encuentra en el Intervalo de confianza
El valor P es menor que el valor de alfa (prueba de una cola) o de alfa/2
(dos colas).
b) Estadístico Fc para probar la igualdad de varianzas
S12
Fc  2 Seleccionar que S1 sea la mayor.
S2
Estadístico de tablas Falfa/2 en Excel = DISTR.F.INV(Alfa/2, gl. n1-1,

gl. n2-1)
El valor p de probabilidad correspondiente a Fc en Minitab se determina

como sigue:
P value en Excel =DISTR.F(Fc, gl. n1-1, gl. n2-2)
P value en Minitab >Calc >Probability distributions> F:

Cummulative prob; Numerator degrees of freedom = n1- 1;
denominator degrees of freedom = n2-1; Input constant = Fc
15
Prueba Minitab
>Stat >Basic statistics > 2- Variances
Summarized data
Sample size Variance
First 60 21025
Second 50 15625
Number of trial 500 Number of events 225
OK
Resultados
Test for Equal Variances

98% Bonferroni confidence intervals for standard deviations
Sample N Lower StDev Upper

1 60 116.937 145 188.881
2 50 98.928 125 167.622
F-Test (normal distribution)

Test statistic = 1.35, p-value = 0.287
16
Si Fc cae en la zona de rechazo

(dos colas).
c) Estadístico tc para probar la diferencia de medias de

2 poblaciones con muestras pequeñas (n < 30) y donde
se asume que las 1 y 2 son iguales pero
desconocidas:
S12 (n1  1)  S 22 (n2  1) ( X  X 2 )  ( 1   2 )

S 
2
p ; tc  1
n1  n2  2 S p2 S p2

n1 n2
Estadístico de tablas Talfa o Talfa/2 en Excel =DISTR.T.INV(2*alfa o

alfa, grados de libertad n1+n2-2)
Estadístico de tablas Talfa o Talfa/2 en Minitab >Calc >Probability

distributions> :
Inverse Cummulative prob; Degrees of freedom = n1+n2-2; Input
constant = Alfa o alfa/2
Intervalo de confianza para estimar la diferencia entre dos medias

poblacionales (1-2) con muestras pequeñas (n < 30; gl  n1  n2  2 ). Con
varianzas iguales (1=2) desconocidas:
17
S12 (n1  1)  S 22 (n 2  1)
S 
2
p
n1  n2  2
S p2 S p2
IC para ( 1   2 )  ( X 1  X 2 )  t / 2, gl 
n1 n2
El valor p de probabilidad correspondiente al estadístico Tc se

P value en Excel =DISTR.T(Tc, grados de libertad = n1 + n2 - 2, 1 o 2

colas)
P value en Minitab >Calc >Probability distributions> T:

Cummulative prob; Degrees of freedom = n1 + n2 - 2; Input
constant = Tc
Si Tc cae en la zona de rechazo

(dos colas).
18
Prueba Minitab
Summarized data
First 60 587 145

Second 50 512 125

Test difference 0.0
Alternate Not equal
OK
Resultados
Two-Sample T-Test and CI
SE
Sample N Mean StDev Mean
1 60 587 145 19
2 50 512 125 18
Difference = mu (1) - mu (2)

Estimate for difference: 75.0000
19
98% CI for difference: (13.3739, 136.6261)
Si en el IC no se encuentra el 0 se rechaza la Hipótesis nula.
T-Test of difference = 0 (vs not =): T-Value = 2.87 P-Value = 0.005 DF =

108
Both use Pooled StDev = 136.2901
d) Estadístico tc para probar la diferencia entre 2

medias poblacionales con muestras pequeñas (n < 30)
y se asume que las 1 y 2 son desiguales y
desconocidas:
( X 1  X 2 )  ( 1   2 )
t 'c 
S12 S 22

n1 n2

alfa, grados de libertad calculados)

distributions> :
Inverse Cummulative prob; Degrees of freedom =calculados; Input
constant = Alfa o alfa/2
( S12 / n1  S 22 / n2 ) 2
gl 
( S12 / n1 ) 2 /( n1  1)  ( S 22 / n2 ) 2 /(n2  1)
20
Intervalo de confianza para estimar la diferencia entre dos medias

poblacionales (1-2) con muestras pequeñas (n < 30; grados de
libertad = gl. Con varianzas desiguales (1  2): desconocidas:
S12 S 22
IC para ( 1   2 )  ( X 1  X 2 )  t ' / 2, gl 
n1 n2

P value en Excel =DISTR.T(Tc, grados de libertad =calculados, 1 o 2

colas)

Cummulative prob; Degrees of freedom = calculados; Input constant =
Tc

(dos colas).
e) Estadístico tc para probar la igualdad de dos medias

poblacionales para observaciones pareadas:

d
d i
; Sd 
d i
2
 nd 2
; tc 
d  ( 1   2 )
n n 1 Sd
n
21

alfa, grados de libertad = n-1)

distributions> :
Inverse Cummulative prob; Degrees of freedom = n – 1; Input constant
= Alfa o alfa/2
Intervalo de confianza para la diferencia de medias con

observaciones pareadas (gl = n-1):
d 
d i
; Sd 
d i
2
 nd 2
; IC para d  d  t / 2, gl
Sd
n n 1 n

P value en Excel =DISTR.T(Tc, grados de libertad = n – 1, 2 colas)

Cummulative prob; Degrees of freedom = n - 1; Input constant =
Tc
22
Prueba en Minitab
>Stat >Basic statistics > Paired t
Summarized data (differences)

Sample size 81
Mean 36.5
Standar deviation 29.1

Test difference 0.0
Alternate Not equal
OK
Resultados
Paired T-Test and CI
N Mean StDev SE Mean

Difference 81 36.5000 29.1000 3.2333
99% CI for mean difference: (27.9682, 45.0318)

T-Test of mean difference = 0 (vs not = 0): T-Value = 11.29
P-Value = 0.000
23

(dos colas).
f) Estadísico Zc para probar la diferencia de dos

proporciones poblacionales:
p1 (1  p1 ) p 2 (1  p 2 ) ( p  p 2 )  ( 1   2 )
S p1 p 2   ; Zc  1
n1 n2 S p1 p 2
Estadístico de tablas Zalfa o Zalfa/2 en Excel

=DISTR.NORM.ESTAND.INV(alfa o alfa/2)
Estadístico de tablas Zalfa o Zalfa/2 en Minitab >Calc >Probability

distributions> Normal:
Inverse Cummulative prob; Mean = 0; Std. Dev. = 0; Input constant =
Alfa o alfa/2
Intervalo de confianza para estimar la diferencia de proporciones

poblacionales (1- 2):
p1 (1  p1 ) p 2 (1  p 2 )
S p1 p 2   ; IC para ( 1   2 )  ( p1  p 2 )  Z  / 2 S p1 p 2
n1 n2
24
El valor p de probabilidad correspondiente al estadístico Zc se

P value en Excel =DISTR.NORM.ESTAND(Zc)
P value en Minitab >Calc >Probability distributions> Normal:

Cummulative prob; Mean = 0; Std. Dev. = 0; Input constant = Zc
Prueba Minitab
>Stat >Basic statistics > 2- Proportion
Summarized data
Trials Events
First 120 83
Second 150 109
Confidence level 95% Test differenca 0.0

Alternative Not equal
º! Use pooled estimate of p for test
OK
Resultados
Test and CI for Two Proportions
Sample X N Sample p
25
1 83 120 0.691667
2 109 150 0.726667
Difference = p (1) - p (2)

Estimate for difference: -0.035
95% CI for difference: (-0.144150, 0.0741499)
Test for difference = 0 (vs not = 0): Z = -0.63 P-Value =
0.528
Si Zc cae en la zona de rechazo

(dos colas).
26
3. Ejemplos de pruebas de hipótesis de dos

poblaciones
Prueba Z de 2 colas
Problema 1
Se toman muestras de tamaño n2=50 y n1=60, revelan medias y
desviaciones estándar X2=512, s2 =125, X1=587, s1=145
respectivamente. A un nivel del 2% pruebe la hipótesis de que las
medias de ambas poblaciones son iguales.
Solución
a) Prueba de igualdad de varianzas
Solución
1) Ho: σ12 = σ22
Ho: σ12 ≠ σ22
2) Fc = 145*145 / 125*125 = 1.3456
3) F0.02/2,59,49 = distr.f.inv(0.01, 59, 49) = 1.92
4) Dado que Fc= 1.34 es menor que Ft= 1.92 la Ho no se rechaza a

un nivel de alfa del 2%. Indicando que las varianzas son
iguales:
5) El valor P correspondiente a Fc es: =distr.f(1.34, 59,49) = 0.1467
27
Prueba Minitab
>Stat >Basic statistics > 2- Variances

Summarized data
Sample size Variance
First 60 21025
Second 50 15625
Number of trial 500 Number of events 225

OK
RESULTADOS Y CONCLUSIONES……
Las varianzas son iguales
b) Prueba de la igualdad de medias
1) Ho: μ1 = μ2
Ho: μ1 ≠ μ2
2) S= √ (125)2 / 50 + (145) 2 / 60 = √ 312.5 + 350.42 = 25.75

Zc= (512 -587) – 0 / 25.75 = -75 / 25.75 = -2.91
3) α= 2%
0.02/2 = 0.01
Z de tablas para 0.01 = -2.32
4) Dado que Zc= -2.91 es menor a Zt=-2.32 la Ho se rechaza a un

nivel alfa del 2%.
28
Las medias de las poblaciones no son iguales
5) Valor P correspondiente a Zc es 0.0018 con =distr.norm.estand(-

2.91)
Prueba Minitab

Summarized data
First 60 587 145

Second 50 512 125

Test difference 0.0
Alternate Not equal
OK
Problema 2
Se toman muestras de tamaño n2=64 y n1=81, revelan medias y
desviaciones estándar X2=65.2 s2=21.2 X1=58.6, s1=25.3
respectivamente. A un nivel del 5% pruebe la hipótesis de que las
varianzas y después de que las medias de ambas poblaciones son
iguales.
Solución
29
a) Prueba de igualdad de varianzas
1) Ho: σ12 = σ22

Ho: σ12 ≠ σ22
2) Fc = 25.3*25.3/ 21.2*21.2 = 1.424
3) F0.05/2,80,63 = distr.f.inv(0.025, 80, 63) = 1.61
4) Dado que Fc= 1.424 es menor que Ft= 1.61 la Ho no se rechaza

a un nivel de alfa del 5%. Indicando que las varianzas son
iguales:
El valor P correspondiente a Fc para media cola es: =distr.f(1.424, 80,

63) = 0.072
Prueba con Minitab: RESULTADOS Y CONCLUSIONES……
b) Prueba de igualdad de medias

1) Ho: μ1 = μ2
Ho: μ1 ≠ μ2
2) S= √ (21.2)2 / 64 + (25.3) 2 / 81 = √ 7.02 + 7.90 = 3.86

Zc= (65.2 -58.6) – 0 / 3.86 = 1.71
3) α= 5%
0.05/2=0.025
Z de tablas para 0.025 = 1.95
30
4) Dado Zc= 1.71 menor a Zt=1.95 la Ho no se rechaza a un nivel de

confianza del 5%.
Indicando que las medias poblacionales no son diferentes
5) Valor P de la prueba para Zc = 1.71 =distr.norm.estand(-1.71) =

0.0436
Este valor es mayor que alfa/ 2 = 0.025 por tanto se rechaza Ho.
Problema 3
Determinar a un 90% de nivel de confianza si hay diferencia entre las
varianzas y las medias de los tiempos que se tarda en arreglar una
cocina y una recámara:
A) Prueba de igualdad de dos varianzas
B) Prueba de igualdad de dos medias
Cocina Recamara
25.2 18.0
17.4 22.9 Prueba con Minitab: RESULTADOS Y
22.8 26.4
CONCLUSIONES……
21.9 24.8
19.7 26.9
23.0 17.8 Problema 4
19.7 24.6
23.0 21.0 Probar si hay diferencia entre los métodos actual y
19.7 nuevo para la realización de una tarea, a un 95% de
16.9
nivel de confianza:
21.8
23.6
Los datos de los tiempos de respuesta para ambos métodos se muestran
a continuación:
Actual Nuevo
300 276
280 222
344 310
31
385 338
372 200
360 302
288 317
321 260
376 320
290 312
301 334
283 265
A) Probar la igualdad de las varianzas

B) Probar la igualdad de las medias
Prueba Z de dos colas para proporciones
Problema 5
Muestras de tamaño n1=120 y n2=150 produjeron proporciones de
p1=0.69 y p2=0.73. Pruebe la igualdad de las proporciones de las
poblaciones a un nivel del 5%.
1) Ho: π1 = π2
Ho: π1 ≠ π2
2) s= √(0.69)(1-0.69) / 120 + (0.73)(1-0.73)/150 = √0.00178 +
0.00131= 0.056
Zc= 0.69 – 0.73 / 0.056 = -0.714
3) 0.05/2 = 0.025
Z de tablas para 0.025= -1.95
4) Dado que Zc=- 0.714 es mayor que Zt=-1.95 la Ho no se rechaza
a un nivel de confianza del 5%.
32
5) El valor P correspondiente a la Zc es 0.2376 con

=distr.norm.estand(Zc = -0.714
Prueba Minitab
>Stat >Basic statistics > 2- Proportion

Summarized data
Trials Events
First 120 83
Second 150 109
Confidence level 95% Test differenca 0.0 Alternative Not equal
º! Use pooled estimate of p for test
OK
Problema 6
Yahoo hizo una encuesta para determinar el porcentaje de personas que
usaban Internet en el trabajo:
En México se encontró que el 40% de los adultos usa Internet de una

muestra de 240. En Monterrey el 32% de los adultos usaba Internet de
una muestra de 250. ¿Es mayor la proporción que usa Internet en
México que en Monterrey para un 95% de nivel de confianza?
33
4. Ejercicios adicionales:
1. Se toman 200 muestras de dos segmentos normales de clientes

identificando su preferencia en los productos de la empresa, los datos
obtenidos son: Media 1 = 6.40, Sigma 1 = 2.19, Media 2 = 6.80, Sigma
2 = 2.42.
Probar a un 95% de nivel de confianza si no hay diferencia en las

medias.
2. Los resultados para dos diferentes equipos se muestran a

continuación:
A 60.0 56.0 68.8 77.0 74.4 72.0 57.6 64.2 75.2 58.0 60.2 56.6
B 55.2 44.4 62.0 67.6 40.0 60.4 63.4 52.0 64.0 62.4 66.8 53.0
Probar a un 95% de nivel de confianza si:
a) Si no hay diferencia en las varianzas de los segmentos.
b) Si no hay diferencia en las medias de los segmentos.
3. Los tiempos de llamadas a dos servicios de Call centres en minutos

son los siguientes:
A 2.95 3.16 3.12 3.45 3.2 3.22 3.5 3.22 2.98 3.75 3.38 3.45 3.48 3.9
B 3.22 3.3 3.34 3.28 3.29 3.25 3.3 3.27 3.38 3.34 3.35 3.19 3.35 3.05
Probar a un 80% de nivel de confianza si hay diferencia:
34
a) Entre las varianzas de los dos Call Centers.
b) Entre las medias de los dos Call Centers.
4. A dos grupos de inspectores se les pidió que indicaran el porcentaje

de rechazo en dos líneas de producción:
Línea A: Lotes inspeccionados 50 Lotes rechazados 21

Línea B: Lotes inspeccionados 65 Lotes rechazados 26
Probar a un Nivel de Confianza del 98% se hay diferencia de calidad en

las dos líneas productivas.
5. Determinar a un nivel de confianza del 90% si hay diferencia entre las

medias de dos poblaciones.
25. 17. 22. 21. 19. 23. 19. 23. 19. 16. 21. 23.
Cocina 2 4 8 9 7 0 7 0 7 9 8 6
18. 22. 26. 24. 26. 17. 24. 21.
Recamara 0 9 4 8 9 8 6 0
6. Se toman muestras aleatorias de 15 mujeres sindicalizadas y 20 no

sindicalizadas con los siguientes: salarios por hora:
18. 14. 16. 20. 16. 16. 19. 16. 18. 19. 17. 17.
22.4 9 16.7 1 2 0 1 3 1 5 5 8 0 14.3 2
Sind
. No sind.
14. 15. 17. 15. 17. 13. 11. 15. 19. 11. 16. 145. 15.
17.6 4 16.6 0 7 0 6 3 2 9 2 9 7 2 3
17.0 15. 14.3 13. 14.
35
1 9 5
7. Los tiempos de terminación del programa y estadísticos del estudio de

prueba del programa se muestran a continuación:
Tecnología actual: 300 280 344 385 372 360 288 321
376 290 301 283
Nuevo programa: 276 222 310 338 200 302 317 260
320 312 334 265
8. Los tiempos de terminación para la tarea con un método mejorado y

actual son, para el mismo empleado:Pareadas
Método 1 6.0 5.0 7.0 6.2 6.0 6.4

Método 2 5.4 5.2 6.5 5.9 6.0 5.8
9. Un comprador califica un producto antes y después de ver un

comercial: pareadas
Antes 5 4 7 3 5 8 5 6
Después 6 6 7 4 3 9 7 6
10. A dos grupos de personas se les pidió que indicaran el porcentaje de

recordatorio de dos comerciales:
Comercial Lo vieron Lo recordaron

A 150 63
B 200 60
Probar a un 5% si son iguales los dos grupos
36
11. Yahoo hizo una encuesta para determinar el porcentaje de personas

que usaban Internet en el trabajo:
En México se encontró que el 40% de los adultos usa Internet de una

muestra de 240.
En Monterrey el 32% de los adultos usaba Internet de una muestra de
250.
¿Es mayor la proporción que usa Internet en México que en Monterrey?
12. Los tiempos de respuesta en días de dos procesos de atención al

cliente se muestran a continuación:
Proceso 2.9 3.1 3.4 3.2 3.2 2.9 3.7 3.3 3.4 3.4
A 5 3.16 2 5 3.2 2 3.5 2 8 5 8 5 8 3.9
3.3 3.3 3.3 3.2 3.1 3.2 3.3 3.1
3.7 3.26 6 4 3 5 8 3.2 8 5 2
Proceso 3.2 3.3 3.2 3.2 3.2 3.2 3.3 3.3 3.3 3.1 3.3 3.0
B 2 3.3 4 8 9 5 3.3 7 8 4 5 9 5 5
3.3 3.25 3.2 3.1 3.3
6 8 3.3 8 3.3 3.3 3.2 6 3
Probar a un 95% de confianza si hay diferencia entre las varianzas de las

dos muestras.
37

Pruebas Hipotesis 2pob2

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Pruebas Hipotesis 2pob2

Cargado por

Copyright:

Formatos disponibles

PRUEBAS DE HIPÓTESIS DE DOS POBLACIONES P. Reyes/Sept.

1. Experimentos de comparaciones simples

2. Fórmulas para calcular los estadísticos de prueba

3. Ejemplos de pruebas de hipótesis de dos poblaciones

Pruebas de hipótesis de dos poblaciones

E n esta sección se analizan ciertos experimentos que se usan para

Ejemplo 2.1: La resistencia adhesiva a la tensión del cemento es una

Las dos fórmulas pueden considerarse como dos tratamientos, o dos

A primera vista, estos datos dan la impresión de que la resistencia del

16.76 kgf/cm2 del cemento modificado contra Y2  17.92 kgf/cm2 del

Una técnica de inferencia estadística llamada prueba de hipótesis

Inferencias sobre la diferencia de medias, diseños aleatorizados

A hora se analizan los datos de este experimento de comparación

Una hipótesis estadística es una afirmación acerca de los parámetros de

En donde 1 es el valor medio de la resistencia a la tensión del cemento

nula, mientras que H1 se conoce como hipótesis alterna. La hipótesis

Al efectuar pruebas de hipótesis pueden cometerse dos tipos de error.

 = P(error tipo I) = P(rechazar H0H0 es verdadera)

 = P(error tipo II) = P(no rechazar H0H0 es falsa)

En ocasiones, es más conveniente trabajar con la potencia de la prueba,

El procedimiento general de la prueba de hipótesis consiste en

Supongamos que puede aceptarse que poseen el mismo valor las

Donde Y1 y Y 2 son las medias muéstrales, n1 y n2 el tamaño de las

Este procedimiento se justifica de la siguiente manera: Si se realiza el

En este caso, si 2 es conocida, y sí, además, H0: 1 = 2 resulta

Será NID(0,1 ). Sin embargo, al reemplazar  por Sp en la Ecuación

En algunos problemas el experimentador puede estar interesado en

Del ejemplo, con los datos de la tabla 2.1, se tiene:

Nótese que no es razonable concluir que las variancias poblacionales

Ahora bien, el punto porcentual superior de 2.5 de la distribución t con

2. Fórmulas para calcular los estadísticos utilizados en

Fórmulas para Intervalos de confianza para parámetros de dos

a) Intervalo de confianza para la diferencia entre dos medias

Si las  poblacionales no se conoce entonces se usan las S de las

b) Intervalo de confianza para estimar la diferencia entre dos medias

S12 (n1  1)  S 22 (n2  1) S p2 S p2

c) Intervalo de confianza para estimar la diferencia entre dos medias

d) Intervalo de confianza para la diferencia de medias con

e) Intervalo de confianza para estimar la diferencia de proporciones

Fórmulas para calcular los estadísticos utilizados en las pruebas

f) Estadístico Zc para probar la diferencia entre 2 medias poblacionales

g) Estadístico Fc para probar la igualdad de varianzas

h) Estadístico tc para probar la diferencia de medias de 2 poblaciones

S12 (n1  1)  S 22 (n2  1) ( X  X 2 )  ( 1   2 )

i) Estadístico tc para probar la diferencia entre 2 medias poblacionales

j) Estadístico tc para probar la igualdad de dos medias poblacionales

k) Estadísico Zc para probar la diferencia de dos proporciones

A continuación se presentan ejemplos de cada caso:

Estadístico de tablas Zalfa o Zalfa/2 en Excel

Estadístico de tablas Zalfa o Zalfa/2 en Minitab >Calc >Probability

Intervalo de confianza para la diferencia entre dos medias

Si las  poblacionales no se conoce entonces se usan las S de las

El valor p de probabilidad correspondiente al estadístico Zc se

P value en Excel =DISTR.NORM.ESTAND(Zc)

P value en Minitab >Calc >Probability distributions> Normal:

>Stat >Basic statistics > 2- Sample t

First 60 587 145

º! Assume equal variances

Options: Confidence level 98%

Criterios de rechazo de Ho:

Si Zc cae en la zona de rechazo

b) Estadístico Fc para probar la igualdad de varianzas

Estadístico de tablas Falfa/2 en Excel = DISTR.F.INV(Alfa/2, gl. n1-1,

2) Fc = 145145 / 125125 = 1.3456