PRUEBAS DE HIPOTESIS DE LAS

MEDIAS DE MUESTRAS PEQUEÑAS.

a) Prueba de dos extremos para
medias

Mediante el siguiente ejemplo

explicaremos el razonamiento a
seguir para demostrar una prueba
de hipótesis de dos extremos con
una muestra menor a 30, en donde
aplicaremos la distribución t.
Ejemplo 1.-
Un especialista en personal que labora en una gran
corporación, está reclutando un vasto número de
empleados para un trabajo en el extranjero. Durante la
realización de pruebas, la gerencia pregunta cómo
marchan las cosas y el especialista contesta: “Bien, creo
que la puntuación promedio en el test de actitudes será
90”. Cuando la gerencia revisa 20 de los resultados de la
prueba, averigua que la puntuación media es 84 y la
desviación estándar de esta puntuación es 11. Si la
gerencia quiere probar la hipótesis del especialista en
personal en el nivel de significancia de 0.10, ¿cuál será el
procedimiento a que recurra?
 = 90’’
n = 20
Datos: = 84
xs = = 11
 = 0.10
 Las hipótesis son:
Ho:  = 90’’
H1 :   90’’
El error estándar estimado de la media será:

ˆ 11 11
x 
ˆ ˆx  ˆx  ˆx  2.46
n 20 4.472
En la tabla t de Student se localiza  = 0.10 y gl = 20 – 1, o
sea gl = 19 y se encuentra que: t = 1.729 ˆx
Con estos datos ya podemos determinar los limites superior
e inferior del intervalo de confianza, mediante la

Lc    tˆx
expresión:

Lc = 90”  1.729 (2.46) Ls = 90” + 4.246 Ls = 94.25”

Li = 90” – 1.729 (2.46) Li = 90” – 4.246 Li = 85.75”

Gráficamente esto sucede:

Como la media muestral cae en la zona de rechazo, entonces se
rechaza la hipótesis nula y se acepta la hipótesis alternativa.
Concluimos que la gerencia tiene suficientes evidencias
para demostrar que el especialista está equivocado,
que la puntuación media no es 90.
 b) Prueba de un extremo para
medias

Para este caso, ya sabemos que el nivel de

significancia (zona de rechazo) sólo abarca
un extremo o cola de la campana de
Gauss.
Ejemplo 2.-
Una persona tomó una muestra aleatoria de 7
casas en un suburbio muy elegante de una gran
ciudad y encontró que el valor promedio
estimado del mercado era de $560,000, con
una desviación estándar de $49,000. Pruebe la
hipótesis de que, para todas las casas del área,
el valor medio estimado es de $600,000,
contra la alternativa de que sea menor que
$600,000. Use el nivel de significancia de 0.05.
n = 7 casas
= $560,000
Datos: s = = $49,000
x = $600,000
ˆ
 = 0.05
Las hipótesis son:
Ho :  = $600,000
H1 :   $600,000
Calculando el error estimado de la muestra, se tiene que:

ˆ 49,000 49,000
ˆx  ˆx  ˆx  ˆx  $18,518.52
n 7 2.646

Sabemos que el nivel de significancia es de 0.05, para una

cola, por lo que se supone, que si fuera una prueba para
dos colas, cada una tendría 0.05, es decir, el nivel de
significancia  = 0.10. Por lo tanto 0.10 es el valor que
debemos localizar en la tabla correspondiente de la
distribución t de Student, con 6 grados de libertad (7 – 1).
Encontramos entonces que t = 1.943 ˆx
Con estos datos, ya podemos determinar el límite inferior del
intervalo de confianza en donde se encuentra la
verdadera media de la población.

Li    t ˆx
Li = 600,000 – 1.943 (18,518.52) Li = $564,018.52

En la campana de Gauss:
 Como la media muestral cae la zona de rechazo,
entonces se rechaza la hipótesis nula y se acepta la
hipótesis alternativa.
Comprobando lo anterior, se tiene que:

560,000  600,000  40,000

Z Z Z  2.16x
18,518.52 18,518.52

Podemos concluir que el valor medio estimado

del valor de todas las casas es menor de
$600,000.
C) Prueba de hipótesis para proporciones
de muestras pequeñas.
Si usamos la distribución t para una prueba hipótesis para
proporciones en muestras pequeñas, de dos colas, seguimos el
mismo procedimiento que se utilizó en la prueba para medias de
muestras pequeñas.
Lo mismo sucede si se trata de una prueba de un extremo,
recordando que, para obtener el valor apropiado de t en un nivel
de significancia de 0.05 con 10 grados de libertad, buscaremos en la
tabla de la distribución t bajo la columna 0.10, frente al renglón 10
grados de libertad. Esto es verdad porque la columna 0.10 del
área bajo la curva contenida en ambos extremos
combinados; por ello también representa 0.05 del área
bajo la curva contenida en cada uno de los extremos. Por
esta razón en lugar de buscar en la columna 0.05, se busca
0.10.