Está en la página 1de 47

CORPORACIÓN UNIVERSIDAD DE LA COSTA

ESTADÍSTICA II
MODALIDAD VIRTUAL
Unidad II:
PRUEBA DE HIPÓTESIS

1. Introducción prueba de hipótesis – Tipos de hipótesis, Regla de decisión,


Errores de Tipo I y de Tipo II
2. Prueba de Hipótesis para la media
3. Prueba de Hipótesis para la varianza y para la proporción
4. Prueba de Hipótesis para el cociente varianza y para la diferencia de medias.
5. Prueba de Hipótesis para la diferencia de medias y la diferencia de
proporciones

Dr. Freddy Marín González, 2017.


Propósito general de la unidad temática

• Probar hipótesis estadísticas aplicando el método general y las


funciones de potencia y curvas de operación característica.

• Realizar correctamente prueba de hipótesis estadística de


parámetros.

Dr. Freddy Marín González, 2017.


Unidad II:
PRUEBAS DE HIPÓTESIS

INTRODUCCIÓN PRUEBA DE HIPÓTESIS

En capítulos anteriores, hemos visto que la información obtenida a partir de muestras aleatorias sirve
para estimar los parámetros desconocidos de la población mediante el cálculo de los estimadores
puntuales o intervalos de confianza. En este capítulo, veremos que la información muestral también se
puede utilizar para probar la validez de una afirmación, conjetura o hipótesis acerca del valor del
parámetro de la población.

Definición:Una hipótesis estadística es una afirmación cuantitativa acerca de una o más poblaciones, o
mejor, como es más frecuente, afirmaciones sobre uno o más parámetros de una o más poblaciones.

Probar una hipótesis es juzgar si cierta característica supuesta para una población es compatible con lo
observado en la muestra de ella.

Dr. Freddy Marín González, 2017.


EJEMPLO:
X es precipitación ~ ℕ 150; 100
n = 12 (estaciones metereológicas)
𝑥ҧ = 153,217
𝑠 2 = 103,23
- Hay un parámetro supuesto para la población
- Se sospecha que el parámetro ha cambiado
- Con base en los resultados muestrales se debe decidir si el parámetro ha cambiado

Dr. Freddy Marín González, 2017.


HIPÓTESIS NULA Y ALTERNATIVA:

Hipótesis Nula (𝐻0 ): Representa las condiciones “supuestas” para los parámetros.

Para el ejemplo: 𝐻0 ∶ 𝜇 = 150

Hipótesis Alternativa (𝐻𝑎 ): Representa los cambios que se sospechan se dan en el parámetro.

Para el ejemplo:
1. 𝐻𝑎 ∶ 𝜇 > 150 (de una cola)
2. 𝐻𝑎 ∶ 𝜇 < 150 (de una cola)
3. 𝐻𝑎 ∶ 𝜇 ≠ 150 (de dos colas)

ERRORES DE TIPO I Y DE TIPO II:


Generalmente se acostumbra discutir las decisiones con respecto a la hipótesis nula. Hay dos posibles decisiones:
1. Aceptar la hipótesis nula (o rechazar la alternativa).
2. Rechazar la hipótesis nula (o aceptar la alternativa).

Dr. Freddy Marín González, 2017.


Error de Tipo I: Si rechazamos la hipótesis nula cuando en realidad es verdadera, hemos
cometido un error; este evento lo llamamos un error de tipo I.
Error de Tipo II: Si aceptamos la hipótesis nula cuando es falsa, hemos cometido otro tipo de
error; lo llamamos un error de tipo II.

- P(error de tipo I) = P(rechazar 𝐻0 /𝐻0 es verdadera) = α.


- P(error de tipo II) = P(aceptar𝐻0 /𝐻0 es falsa) = β.

La probabilidad α se llama nivel de significancia, 1−α es el llamado grado de confianza y la probabilidad 1−β se
llama potencia de la prueba.

EJEMPLO: Suponga que un nuevo procedimiento y más caro para detectar el cáncer de mama en las mujeres se
está probando para ver si es superior al método usado generalmente. Las hipótesis estadísticas son:
𝐻0 : El nuevo método no es mejor que el comúnmente usado.
𝐻1 : El nuevo método es mejor que el comúnmente usado.

Obsérvese que las consecuencias de cometer un error de tipo I incrementarían los costos médicos. En cambio, las
de cometer un error de tipo II serian una menor eficacia de la prueba y, posiblemente, una mayor proporción de
muertes por cáncer.

Dr. Freddy Marín González, 2017.


ESTADÍSTICO DE PRUEBA Y REGIÓN CRÍTICA:

Un estadístico de prueba es una función que sólo depende de la información muestral que se
utiliza para determinar si se rechaza, o no, la hipótesis nula. (es un valor que determina si
aceptar o rechazar una hipótesis nula).

La región crítica es el conjunto de todos los valores del estadístico de prueba para los cuales la hipótesis nula será
rechazada.

Entonces, la hipótesis nula será rechazada si y sólo si el valor observado o calculado del estadístico de prueba se
ubica en la región de rechazo.

El estadístico de prueba se determina teniendo en cuenta el parámetro sobre el cual se hace la hipótesis y la
naturaleza de la distribución muestral del estadístico pertinente.

Dr. Freddy Marín González, 2017.


PRUEBA DE HIPÓTESIS PARA LA MEDIA

Caso de Muestras Grandes:


Cuando estemos considerando o bien una población normal (con cualquier tamaño de
muestra) o bien una población de forma desconocida con muestras grandes (n ≥ 30) y bajo el
supuesto de que la varianza poblacional es conocida o desconocida, aunque sea por razones
distintas, los resultados son los mismos. En estos casos, la distribución muestral de la media
muestral es la distribución normal.

Para cualquiera de los tres casos siguientes que podemos considerar para la hipótesis nula :

𝐻0 : µ=µ0 , 𝐻0 : µ ≥µ0 , 𝐻0 : µ ≤ µ0 .

Dr. Freddy Marín González, 2017.


REGLAS DE DECISIÓN PARA LA PRUEBA DE MEDIA (Muestras Grandes)

Tipo de hipótesis Regla de decisiones


𝐻0 : 𝜇 = 𝜇0
Si 𝑧 ≥ 𝑧𝛼Τ2 o si 𝑧 ≤ −𝑧𝛼Τ2
𝐻1 : 𝜇 ≠ 𝜇0 entonces, se Rechaza H0 de lo
contrario, se acepta H0
Dos colas (Prueba bilateral)

𝐻0 : 𝜇 ≥ 𝜇0 Si 𝑧 ≤ −𝑧𝛼 entonces, se
𝐻1 : 𝜇 < 𝜇0 Rechaza H0 de lo contrario, se
acepta H0
Cola a la izquierda (Prueba unilateral)
𝐻0 : 𝜇 ≤ 𝜇0 Si 𝑧 ≥ 𝑧𝛼 entonces, se
𝐻1 : 𝜇 > 𝜇0 Rechaza H0 de lo contrario, se
acepta H0
Cola a la derecha (Prueba unilateral)

Dr. Freddy Marín González, 2017.


Teorema:
Sea 𝑥ഥ la media de una muestra aleatoria de tamaño n tomada de una población con
media µ y varianza σ2 > 0. Supongamos que se cumple alguna de las siguientes
condiciones:
- La población es normal y σ2 es conocida (no importa el tamaño de n).
- La población es normal, σ2 es desconocida y n ≥ 30.
- La forma de la población es desconocida (o no normal), σ2 es conocida o
desconocida y n ≥ 30.
Entonces, una prueba de hipótesis con nivel de significancia α para la media µ:
ҧ µ
𝑥−
Siendo z = σ el estadístico de prueba correspondiente y 𝑍α/2 el valor de una variable aleatoria a la
𝑛
derecha del cual se tiene un área de α/2 en la distribución normal.
σ
Si la población es finita de tamaño N y el muestreo se hace sin reemplazo, se reemplaza por
𝑛
σ 𝑁−𝑛
. Además, en los casos en que la varianza sea desconocida y n ≥ 30, reemplazamos la
𝑛 𝑁−1
desviación poblacional σ por la desviación muestral.

Dr. Freddy Marín González, 2017.


Ejemplo 1: Como parte de un proceso de ensamblaje, se usa un taladro para hacer agujeros
en una lámina de metal. Cuando el taladro funciona adecuadamente, los diámetros de estos
agujeros tienen una distribución normal con media de 2 centímetros y desviación típica de
0,06 centímetros. Periódicamente, se miden los diámetros de una muestra aleatoria de
agujeros para controlar que el taladro funciona adecuadamente. Asumamos que la desviación
típica no varía. Una muestra aleatoria de nueve medidas da un diámetro medio de 1,95
centímetros. Probar la hipótesis de que la media poblacional es 2 centímetros frente a la
alternativa de que no es así. Use un nivel de significancia de 0,05.
Solución:
Sea µ el diámetro medio poblacional (en centímetros). Entonces, queremos contrastar la hipótesis:
𝐻0 : µ = 2
𝐻1 : µ ≠ 2.
Tenemos que la población es normal con:
σ = 0,06 (conocida),
n=9
𝑥=
ҧ 1,95

Obsérvese que se cumple el supuesto (a). En este caso, µ0 = 2 y el valor del estadístico de prueba está
dado por:

Dr. Freddy Marín González, 2017.


𝑥ҧ − µ 1,95 − 2
z= σ = = −2,50
0,06
𝑛 9

Para una prueba al nivel del 5%, tenemos que 𝛼 = 0,05 y 𝑧α/2 = 𝑧0,025 = 1,96. Entonces si 𝑧 ≥ 𝑧𝛼Τ2 o
si 𝑧 ≤ −𝑧𝛼Τ2 , se Rechaza H0 de lo contrario, se acepta H0

Entonces, como 𝑧 = −2,50 es menor que −𝑧𝛼Τ2 = −1,96 se rechaza la hipótesis nula al nivel de
significancia del 5%.

Dr. Freddy Marín González, 2017.


Ejemplo 2: Una empresa eléctrica fabrica baterías de celular que tienen una duración que se
distribuye de forma aproximadamente normal con una media de 800 horas y una desviación
estándar de 40 horas. Si una muestra aleatoria de 30 baterías tiene una duración promedio de
788 horas. ¿Muestran los datos suficiente evidencia para decir que la duración media es
menor de 800 con un nivel de significancia del 4%?

Solución:

𝐻0 : 𝜇 > 800 ℎ𝑜𝑟𝑎𝑠


𝐻0 : 𝜇 < 800 ℎ𝑜𝑟𝑎𝑠

Tenemos:
𝜇 = 800 ℎ𝑜𝑟𝑎𝑠
𝜎 = 40 ℎ𝑜𝑟𝑎𝑠
𝑥ҧ = 788 ℎ𝑜𝑟𝑎𝑠
𝑛 = 30

Dr. Freddy Marín González, 2017.


El valor del estadístico de prueba está dado por:
ҧ µ
𝑥− 788 − 800
z= σ = 40 = −1,643
𝑛 30

Para una prueba al nivel del 4%, tenemos que 𝛼 = 0,04 y 𝑧α = 𝑧0,04 = 1,75. Entonces si 𝑧 ≤ −𝑧𝛼 , se
Rechaza H0 de lo contrario, se acepta H0

Entonces, como 𝑧 = −1,643 es mayor que −𝑧𝛼 = −1,75 se acepta la hipótesis nula al nivel de
significancia del 4%.

Dr. Freddy Marín González, 2017.


Teorema (Caso muestras pequeñas):

Sea 𝑥ҧ y 𝑠 2 la media y la varianza de una muestra aleatoria de tamaño n < 30, tomada de una
población con media µ y varianza σ2 desconocida. Entonces, una prueba de hipótesis con
nivel de significancia α para la media µ es como se presenta en la tabla anterior. Siendo
ҧ µ
𝑥−
t = s el estadístico de prueba correspondiente y 𝑡α/2 el valor de una variable aleatoria a la
𝑛

derecha del cual se tiene un área de α/2 en la distribución . en la distribución t de Student con n−1 grados de
libertad.

𝑠 𝑠 𝑁 −𝑛
Si la población es finita de tamaño N, se reemplaza por . Es importar enfatizar que cuando la forma de
𝑛 𝑛 𝑁−1

la distribución de la población es desconocida o es no normal, entonces, no hay ningún método general para
establecer una prueba de hipótesis para la media poblacional µ.

Dr. Freddy Marín González, 2017.


REGLAS DE DECISIÓN PARA LA PRUEBA DE MEDIA (Muestras Pequeñas)

Tipo de hipótesis Regla de decisiones


𝐻0 : 𝜇 = 𝜇0
Si 𝑡 ≥ 𝑡𝛼Τ2 o si 𝑡 ≤ −𝑡𝛼Τ2
𝐻1 : 𝜇 ≠ 𝜇0 entonces, se Rechaza H0 de lo
Dos colas (Prueba bilateral) contrario, se acepta H0

𝐻0 : 𝜇 ≥ 𝜇0 Si 𝑡 ≤ −𝑡𝛼 entonces, se
𝐻1 : 𝜇 < 𝜇0 Rechaza H0 de lo contrario, se
acepta H0
Cola a la izquierda (Prueba unilateral)
𝐻0 : 𝜇 ≤ 𝜇0 Si 𝑡 ≥ 𝑡𝛼 entonces, se
𝐻1 : 𝜇 > 𝜇0 Rechaza H0 de lo contrario, se
acepta H0
Cola a la derecha (Prueba unilateral)

Dr. Freddy Marín González, 2017.


Ejemplo 3: Las especificaciones para cierta clase de cinta piden una media de la resistencia al
rompimiento de 185 libras. Si cinco piezas seleccionadas aleatoriamente de diferentes rollos
tienen una resistencia al rompimiento de:
171,6; 191,8; 178,3; 184,9; 189,1 libras

Pruebe la hipótesis nula 𝜇 > 185 contra la hipótesis alternativa μ < 185 libras en el nivel 0,05 de significancia

SOLUCIÓN:
𝐻0 : 𝜇 > 185
𝐻1 : μ < 185

Rechace la hipótesis nula si 𝑡 ≤ −2,132 (𝑡 0,05;4 = 2,132), donde:


ҧ
𝑥−𝜇
𝑡= 𝑠
𝑛
Primero se calculan la media y la desviación estándar, se obtiene 𝑥ҧ = 183,1 𝑦 𝑠 = 8,2. Entonces, al sustituir estos
valores junto con 𝜇 = 185 𝑦 𝑛 = 5, en la fórmula para 𝑡 se obtiene
183,1−185
𝑡= 8,2 = −0,49
5
Puesto que 𝑡 = −0,49 es mayor que −2,132, la hipótesis nula se acepta.

Dr. Freddy Marín González, 2017.


PRUEBA DE HIPÓTESIS PARA LA PROPORCIÓN

Teorema:
Sea 𝑝Ƹ la proporción de éxitos en una muestra aleatoria de tamaño n, procedente de un
población con proporción p éxitos. Supongamos que se cumple alguna de las dos siguientes
condiciones:
a) 𝑛 ≥ 30
b) 𝑛𝑝 ≥ 5 𝑦 𝑛(1 − 𝑝) ≥ 5

Entonces, una prueba de hipótesis con nivel de significancia 𝛼 para la proporción 𝑝 es como se presenta en la tabla.
ො 0
𝑝−𝑝
siendo Z = , el estadístico de prueba correspondiente y 𝑍α/2 el valor de una variable aleatoria a la derecha
𝑝0 (1−𝑝0 )
𝑛
del cual se tiene un área de α/2 en la distribución normal.

𝑝0 (1−𝑝0 ) 𝑝0 (1−𝑝0 ) 𝑁−𝑛


Para el caso de una población finita de tamaño N, debemos reemplazar por la cantidad
𝑛 𝑛 𝑁−1

Dr. Freddy Marín González, 2017.


REGLAS DE DECISIÓN PARA LA PRUEBA DE P (Muestras Grandes)

Tipo de hipótesis Regla de decisiones


𝐻0 : 𝑝 = 𝑝0
Si 𝑧 ≥ 𝑧𝛼Τ2 o si 𝑧 ≤ −𝑧𝛼Τ2
𝐻1 : 𝑝 ≠ 𝑝0 entonces, se Rechaza H0 de lo
Dos colas (Prueba bilateral) contrario, se acepta H0

𝐻0 : 𝑝 ≥ 𝑝0 Si 𝑧 ≤ −𝑧𝛼 entonces, se
𝐻1 : 𝑝 < 𝑝0 Rechaza H0 de lo contrario, se
acepta H0
Cola a la izquierda (Prueba unilateral)
𝐻0 : 𝑝 ≤ 𝑝0 Si 𝑧 ≥ 𝑧𝛼 entonces, se
𝐻1 : 𝑝 > 𝑝0 Rechaza H0 de lo contrario, se
acepta H0
Cola a la derecha (Prueba unilateral)

Dr. Freddy Marín González, 2017.


Ejemplo 4: De una muestra aleatoria de 802 clientes de supermercados, suponga que 378
pagaron sus artículos con tarjetas de crédito. Contrastar el nivel del 10%, la hipótesis nula de
que al menos la mitad de los compradores pagan sus artículos con tarjetas de crédito frente a
la alternativa de que la proporción poblacional es menor de la mitad.

SOLUCIÓN:
Sea 𝑃෠ la proporción poblacional de compradores que pagan sus artículos con tarjetas de crédito. Queremos probar
la hipótesis

𝐻0 : 𝑝 ≥ 0,50, versus
𝐻1 : 𝑝 < 0,50

Obsérvese que puede aplicar el teorema, porque el supuesto (a) del teorema se cumple. En este caso, el valor del
estadístico de prueba está dado por

378
𝑝Ƹ = = 0,471
802

Dr. Freddy Marín González, 2017.


𝑝Ƹ − 𝑝0 0,471 − 0,50
z= = = −1,64
𝑝0 (1 − 𝑝0 ) 0,50 (0,50)
𝑛 802

𝐻1 : 𝑝 <

Para una prueba al nivel del 10%, tenemos que 𝛼 = 0,10 𝑦 𝑧𝛼 = 𝑧0,10 = 1,28. Entonces, como 𝑧 = −1,64 es
menor que −𝑧𝛼 = −1,28, se rechaza la hipótesis nula al nivel de significancia del 10%.

Dr. Freddy Marín González, 2017.


PRUEBA DE HIPÓTESIS PARA LA VARIANZA

En esta sección, el interés se centra en pruebas de hipótesis relacionadas con la varianza de


una población distribuida normalmente. Para ello, supondremos que 𝑠^2 es la varianza de
una muestra aleatoria de tamaño n, tomada de una población distribuida normalmente con
media µ y varianza σ^2. Entonces, se desean probar las hipótesis que consideran la
uniformidad de una población, dadas por:

𝐻0 : 𝜎 2 = 𝜎02 , 𝐻0 : 𝜎 2 ≤ 𝜎02 ; 𝐻0 : 𝜎 2 ≥ 𝜎02

El estadístico de prueba tiene la forma:


𝑛 −1 𝑠 2
𝛘2 = 𝜎2

Y corresponde al valor de una variable aleatoria que tiene distribución chi-cuadrada con n − 1 grados de libertad.

Dr. Freddy Marín González, 2017.


Teorema:
Si 𝑆 2 es la varianza de una muestra aleatoria de tamaño n, tomada de una población
distribuida normalmente con media µ y varianza 𝜎 2 , entonces, una prueba de hipótesis con
nivel de significancia α para la varianza 𝜎 2 es como se presenta en la tabla, siendo:

2 (𝑛 −1)𝑠 2
𝛘 = σ2

El estadístico de prueba correspondiente. Además,


𝛘2α y 𝛘1−
2
α
2 2

α α
Son los valores de una variable aleatoria que deja un área de y 1 − , respectivamente, a la derecha de la
2 2
distribución chi-cuadrado con n−1 grados de libertad.

Dr. Freddy Marín González, 2017.


REGLAS DE DECISIÓN PARA LA PRUEBA DE LA VARIANZA

Tipo de hipótesis Regla de decisiones


𝐻0 : 𝜎 2 = 𝜎02
Si 𝜒 2 ≥ 𝜒𝛼2Τ2 o si 𝜒 2 ≤ 𝜒1−
2
𝛼Τ
2
𝐻1 : 𝜎 2 ≠ 𝜎02 entonces, se Rechaza H0 de lo
Dos colas (Prueba bilateral) contrario, se acepta H0

𝐻0 : 𝜎 2 ≥ 𝜎02 2
Si 𝜒 2 ≤ 𝜒1−𝛼 entonces, se
𝐻1 : 𝜎 2 < 𝜎02 Rechaza H0 de lo contrario, se
acepta H0
Cola a la izquierda (Prueba unilateral)
𝐻0 : 𝜎 2 ≤ 𝜎02 Si 𝜒 2 ≥ 𝜒𝛼2 entonces, se
𝐻1 : 𝜎 2 > 𝜎02 Rechaza H0 de lo contrario, se
acepta H0
Cola a la derecha (Prueba unilateral)

Dr. Freddy Marín González, 2017.


Ejemplo 5: Con el fin de cumplir las normas establecidas, es importante que la varianza en el
porcentaje de impurezas de unas remesas de productos químicos no supere el 4%. Una
muestra aleatoria de 20 envíos dio una varianza muestral de 5,62 en el porcentaje de
impureza. Al nivel del 10%, contrastar la hipótesis nula de que la varianza de la población no
es mayor que 4. Supóngase que la distribución de la población es normal.

SOLUCIÓN:
Sea σ2 la varianza poblacional de la concentración de impureza. Queremos contrastar la hipótesis
𝐻0 : σ2 ≤ 4
𝐻1 : σ2 > 4

Tenemos que 𝑠 2 = 5,62 𝑛 = 20 𝑦 σ20 = 4

Observemos que podemos aplicar el teorema En este caso, el valor del estadístico de prueba está dado por:

2
(𝑛 − 1)𝑠 (19)(5,62)
𝛘2 = 2 = = 26,69
σ0 4

Dr. Freddy Marín González, 2017.


2 2
Para una prueba al nivel del 10%, tenemos que 𝛼 = 0,10 𝑦 𝜒α;19 = 𝜒0,10; 19 = 27,204
con ν = n−1 = 19 grados de libertad.

2
Entonces, como 𝜒 2 = 26,695 es menor que 𝜒0,10; 19 = 27,204, no puede rechazarse la hipótesis nula al nivel del
10%. Por lo tanto, los datos no contienen una evidencia particularmente importante contra la hipótesis de que la
varianza poblacional del porcentaje de impureza no es mayor que 4.

Dr. Freddy Marín González, 2017.


PRUEBA DE HIPÓTESIS PARA EL COCIENTE DE LA VARIANZA

Teorema: Si 𝑠12 y 𝑠22 son las varianzas de muestras aleatorias independientes de tamaño
𝑛1 y 𝑛2 tomadas de poblaciones normales con varianzas σ12 𝑦 σ22 , respectivamente,
σ21
entonces, una prueba de hipótesis con nivel de significancia α para la razón de varianzas σ2 es
2
como se presenta en la tabla, siendo:

𝑠12
𝑓= , el estadístico de prueba correspondiente.
𝑠22

Además, 𝐹α/2 (𝑣1, 𝑣2 ) es el valor de una variable aleatoria que deja un área de α/2 a la derecha de la distribución 𝑓
con 𝑣1= 𝑛1 − 1 y 𝑣2 = 𝑛2 − 1 grados de libertad.

Dr. Freddy Marín González, 2017.


REGLAS DE DECISIÓN PARA LA PRUEBA DEL COCIENTE DE LA VARIANZA

Tipo de hipótesis Regla de decisiones


𝐻0 : 𝜎12 = 𝜎22
Si 𝑓 ≥ 𝑓𝛼Τ2 o si 𝑓 ≤ 𝑓1−𝛼Τ2
𝐻1 : 𝜎12 ≠ 𝜎22 entonces, se Rechaza 𝐻0 de lo
contrario, se acepta 𝐻0
Dos colas (Prueba bilateral)

𝐻0 : 𝜎12 ≥ 𝜎22 Si 𝑓 ≤ 𝑓1−𝛼 entonces, se


𝐻1 : 𝜎12 < 𝜎22 Rechaza 𝐻0 de lo contrario, se
acepta 𝐻0
Cola a la izquierda (Prueba unilateral)
𝐻0 : 𝜎12 ≤ 𝜎22
Si 𝑓 ≥ 𝑓𝛼 entonces, se Rechaza
𝐻1 : 𝜎12 > 𝜎22 𝐻0 de lo contrario, se acepta 𝐻0
Cola a la derecha (Prueba unilateral)

Dr. Freddy Marín González, 2017.


Ejemplo 6: Se compararon las varianzas de los vencimientos de dos tipos de bonos. Para una
muestra aleatoria de 17 bonos del primer tipo, la varianza de los vencimientos (en años al
cuadrado) fue de 123,35. Para una muestra aleatoria independiente de 11 bonos del segundo
tipo, la varianza de los vencimientos fue de 8,02. Al nivel del 2%, determinar si las dos
varianzas poblacionales son diferentes. Asuma que las dos poblaciones tienen distribución
normal.

SOLUCIÓN:
Sean σ12 𝑦 σ22 las respectivas varianzas poblacionales. Queremos contrastar la hipótesis:
𝐻0 : σ12 = σ22
𝐻1 : σ12 ≠ σ22

Tenemos que 𝑛1 = 17 𝑠12 = 123,35 𝑛2 = 11 𝑠22 = 8,02

Observemos que podemos aplicar el teorema. En este caso, el valor del estadístico de prueba está dado por:

𝑠12 123,35
𝑓= 2= = 15,38
𝑠2 8,02

Dr. Freddy Marín González, 2017.


Para una prueba al nivel del 2%, tenemos que 𝛼 = 0,02 e, interpolando, 𝑓α/2(16,10) =
𝑓0,01(16,10) = 4,53
Con 𝑣1 = 𝑛1 − 1 = 16 y 𝑣2 = 𝑛2 − 1 = 10 grados de libertad.

Claramente, 𝑓 = 15,38 es mucho mayor que 𝑓0,01(16,10) = 4,53, es decir, podemos rechazar la hipótesis nula al
nivel del 2%. Por consiguiente, hay abrumadora evidencia de que las varianzas en los vencimientos son diferentes
para estos dos tipos de bonos.

Dr. Freddy Marín González, 2017.


PRUEBA DE HIPÓTESIS PARA DIFERENCIA DE MEDIAS

PRIMER CASO: Varianzas poblacionales conocidas o desconocidas y muestras grandes

Como ya se explicado en capítulos anteriores, en esta situación, la distribución muestral de la


diferencia de dos medias muestrales es la distribución normal. Las hipótesis que podemos
probar para la diferencia de dos medias poblacionales µ1 𝑦 µ2 son las siguientes:

𝐻0 : µ1 − µ2 =𝑑0 , 𝐻0 : µ1 − µ2 ≥ 𝑑0 , 𝐻0 : µ1 − µ2 ≤ 𝑑0

El estadístico de prueba tiene la forma:

(𝑥ҧ1 − 𝑥ҧ2 ) − 𝑑0
z=
σ12 σ22
+
𝑛1 𝑛2

Dr. Freddy Marín González, 2017.


Teorema: Sean 𝑥ҧ1 𝑦 𝑥ҧ2 las medias de muestras aleatorias independientes de tamaños
𝑛1 𝑦 𝑛2 de poblaciones con medias µ1 , µ2 y varianzas σ12 , σ22 respectivamente. Supongamos
que se cumple alguna de las siguientes condiciones:

a) Ambas poblaciones son normales y ambas varianzas poblaciones σ12 , σ22 son conocidas.
b) Ambas poblaciones son desconocidas o no normales, ambas varianzas poblacionales σ12 , σ22 son conocidas o
desconocidas y 𝑛1 ≥ 30, 𝑛2 ≥ 30.

Entonces, una prueba de hipótesis con nivel de significancia α para la diferencia µ1 − µ2 es como se presenta en la
tabla, siendo:
(𝑥ҧ1 − 𝑥ҧ2 ) − 𝑑0
z=
σ12 σ22
+
𝑛1 𝑛2

El estadístico de prueba correspondiente y 𝑧α/2 el valor de una variable aleatoria a la derecha del cual se tiene un
área de α/2 en la distribución normal.

Dr. Freddy Marín González, 2017.


REGLAS DE DECISIÓN PARA LA DIFERENCIA DE MEDIAS
PRIMER CASO: Varianzas poblacionales conocidas o desconocidas y muestras grandes

Tipo de hipótesis Regla de decisiones


𝐻0 : 𝜇1 − 𝜇2 = 𝑑0
Si 𝑧 ≥ 𝑧𝛼Τ2 o si 𝑧 ≤ −𝑧𝛼Τ2
𝐻1 : 𝜇1 − 𝜇2 ≠ 𝑑0 entonces, se Rechaza H0 de lo
contrario, se acepta H0
Dos colas (Prueba bilateral)

𝐻0 : 𝜇1 − 𝜇2 ≥ 𝑑0 Si 𝑧 ≤ −𝑧𝛼 entonces, se
𝐻1 : 𝜇1 − 𝜇2 < 𝑑0 Rechaza H0 de lo contrario, se
acepta H0
Cola a la izquierda (Prueba unilateral)
𝐻0 : 𝜇1 − 𝜇2 ≤ 𝑑0 Si 𝑧 ≥ 𝑧𝛼 entonces, se
𝐻1 : 𝜇1 − 𝜇2 > 𝑑0 Rechaza H0 de lo contrario, se
acepta H0
Cola a la derecha (Prueba unilateral)

Dr. Freddy Marín González, 2017.


Ejemplo 7: Se llevó a cabo un estudio entre expertos matemáticos para conocer su opinión
sobre las mujeres matemáticas. Se les pidió que evaluaran en una escala de 1 (totalmente en
desacuerdo) a 5 (totalmente de acuerdo) la afirmación: “Las mujeres matemáticas tienen la
misma oferta de trabajo que los hombres”. Para una muestra aleatoria de 186 hombres de
esta profesión, la respuesta media fue de 4.059 con una desviación típica poblacional de
0,839. Para una muestra aleatoria independiente de 172 mujeres matemáticas, la respuesta
media fue 3.680 con una desviación típica poblacional de 0,966. Utilice un nivel de
significancia del 5% para contrastar la hipótesis nula de que las dos medias poblacionales son
iguales frente a la alternativa de que ambas sean diferentes.
SOLUCIÓN:
Sean µ1 𝑦 µ2 las respectivas medias poblacionales de hombres y mujeres matemáticas. Queremos contrastar la
hipótesis:

𝐻0 : µ1 − µ2 = 0
𝐻1 : µ1 − µ2 ≠ 0

Dr. Freddy Marín González, 2017.


Tenemos que:

𝑛1 = 186, 𝑥ҧ1 = 4,059, σ1 = 0,839


𝑛2 = 172, 𝑥ҧ2 = 3,680, σ2 = 0,966

En este caso, 𝑑0 = 0 y el valor del estadístico de prueba está dado por:

(𝑥ҧ1 − 𝑥ҧ2 ) − 𝑑0 (4,059 − 3,680) −0


𝑧= = = 3,95
σ12 σ22 0,8392 0,9662
+
+ 186 172
𝑛1 𝑛2

Para una prueba al nivel del 5%, tenemos que 𝛼 = 0,05 y 𝑧𝛼Τ2 = 𝑧0,025 = 1,96. Entonces, como 𝑧 = 3,95 es mayor
que 𝑧𝛼 = 1,96, se rechaza la hipótesis nula al nivel de significancia del 5%.

Dr. Freddy Marín González, 2017.


PRUEBA DE HIPÓTESIS PARA DIFERENCIA DE MEDIAS

SEGUNDO CASO: Varianzas poblacionales iguales, desconocidas y muestras pequeñas

Ahora, trataremos el caso en el cual los tamaños muestrales no son grandes y las varianzas.

𝐻0 : µ1 − µ2 =𝑑0 , 𝐻0 : µ1 − µ2 ≥ 𝑑0 , 𝐻0 : µ1 − µ2 ≤ 𝑑0

El estadístico de prueba tiene la forma:


(𝑥ҧ1 − 𝑥ҧ2 ) − 𝑑0
𝑡=
𝑠2 𝑠2
𝑛1 + 𝑛2
Corresponde al valor de una variable aleatoria que tiene distribución 𝑡 de Student con 𝑣 = 𝑛1 + 𝑛2 − 2
grados de libertad. En la expresión anterior:
2 2
𝑛1 − 1 𝑠1 + (𝑛 2 − 1)𝑠2
𝑠2 =
𝑛1 + 𝑛2 − 2
Esto es, varianza combinada.

Dr. Freddy Marín González, 2017.


Teorema: Sean 𝑥ҧ1 y 𝑥ҧ2 las medias de muestras aleatorias independientes de tamaños 𝑛1 < 30
y 𝑛2 < 30 de poblaciones normales con medias µ1 , µ2 y varianzas σ12 , σ22 iguales y
desconocidas.

Entonces, una prueba de hipótesis con nivel de significancia α para la diferencia de medias µ1 − µ2 es como se
presenta en la tabla, siendo:
(𝑥ҧ1 − 𝑥ҧ2 ) − 𝑑0
𝑡=
𝑠2 𝑠2
+
𝑛1 𝑛2

Es el estadístico de prueba correspondiente. En la expresión anterior:


2 2
𝑛1 − 1 𝑠1 + (𝑛2 − 1)𝑠2
𝑠2 =
𝑛1 + 𝑛2 − 2

Además, 𝑡𝛼/2 el valor de una variable aleatoria de una variable aleatoria que tiene distribución t de Student con ν =
𝑛1 + 𝑛2 − 2 grados de libertad a la derecha del cual se tiene un área de α/2 en esta distribución.

Dr. Freddy Marín González, 2017.


REGLAS DE DECISIÓN PARA LA DIFERENCIA DE MEDIAS
SEGUNDO CASO: Varianzas poblacionales iguales, desconocidas y muestras pequeñas

Tipo de hipótesis Regla de decisiones


𝐻0 : 𝜇1 − 𝜇2 = 𝑑0
Si 𝑡 ≥ 𝑡𝛼Τ2 o si 𝑡 ≤ −𝑡𝛼Τ2
𝐻1 : 𝜇1 − 𝜇2 ≠ 𝑑0 entonces, se Rechaza H0 de lo
contrario, se acepta H0
Dos colas (Prueba bilateral)

𝐻0 : 𝜇1 − 𝜇2 ≥ 𝑑0 Si 𝑡 ≤ −𝑡𝛼 entonces, se
𝐻1 : 𝜇1 − 𝜇2 < 𝑑0 Rechaza H0 de lo contrario, se
acepta H0
Cola a la izquierda (Prueba unilateral)
𝐻0 : 𝜇1 − 𝜇2 ≤ 𝑑0 Si 𝑡 ≥ 𝑡𝛼 entonces, se
𝐻1 : 𝜇1 − 𝜇2 > 𝑑0 Rechaza H0 de lo contrario, se
acepta H0
Cola a la derecha (Prueba unilateral)

Dr. Freddy Marín González, 2017.


Ejemplo 8: Se llevó a cabo un estudio que pretendía valorar el efecto de la presencia de un
moderador sobre el número de ideas generadas por un grupo. Se observaron cuatro
miembros, con y sin moderadores. Para una muestra aleatoria de cuatro grupos con
moderador, el número medio de ideas generadas por grupo fue de 78, con una desviación
típica de 24,4. Para una muestra aleatoria independiente de cuatro grupos sin moderador, el
número medio de ideas generadas por grupo fue de 63,5, con una desviación típica de 20,2.
Asumiendo que las distribuciones poblacionales son normales con igual varianza, contrastar la
hipótesis nula de que las medias poblacionales son iguales frente a la alternativa de que la
verdadera media es mayor para los grupos con moderador. Use un nivel de significancia del
10%.
SOLUCIÓN:
Sean µ1 , µ2 las respectivas medias poblacionales para los grupos con y sin moderador. Queremos contrastar la
hipótesis.

𝐻0 : µ1 − µ2 = 0
𝐻1 : µ1 − µ2 > 0

Dr. Freddy Marín González, 2017.


Tenemos que:

𝑛1 = 4, 𝑥ҧ1 = 78,0, 𝑠1 = 24,4


𝑛2 = 4, 𝑥ҧ2 = 63,5, 𝑠2 = 20,2

𝑛1 −1 𝑠12 +(𝑛2 −1)𝑠22 (3)24,42 +(3)20,22


𝑠2 = = = 501,7
𝑛1 + 𝑛2 −2 4+4−2

Además, el valor del estadístico de prueba está dado por:


(𝑥ҧ1 − 𝑥ҧ2 ) − 𝑑0 (78,0 − 63,5) −0
𝑡= = = 0,915
𝑠 2 𝑠 2
501,7 501,7
+
𝑛1 𝑛2 4 + 4

Para una prueba al nivel del 10%, tenemos que 𝛼 = 0,10 y 𝑡𝛼 = 𝑡0,10 = 1,44 con ν = 𝑛1 + 𝑛2 − 2 = 6 grados de
libertad.
Entonces, como 𝑡 = 0,915 es menor que 𝑡𝛼 = 1,44, no puede rechazarse la hipótesis nula de igualdad de medias
frente a la alternativa unilateral al nivel de significancia del 10%. Por lo tanto, los datos de la muestra no contienen
suficiente evidencia que sugiera que, en promedio, se generan más ideas en los grupos con moderador.

Dr. Freddy Marín González, 2017.


PRUEBA DE HIPÓTESIS PARA DIFERENCIA DE MEDIAS

TERCER CASO: Varianzas poblacionales diferentes, desconocidas y muestras pequeñas

Ahora, estudiaremos el caso en el cual los tamaños muestrales no son grandes y las varianzas
poblacionales son diferentes pero desconocidas. En esta situación, para probar las hipótesis.

𝐻0 : µ1 − µ2 =𝑑0 , 𝐻0 : µ1 − µ2 ≥ 𝑑0 , 𝐻0 : µ1 − µ2 ≤ 𝑑0

El estadístico de prueba tiene la forma:


(𝑥ҧ1 − 𝑥ҧ2 ) − 𝑑0
𝑡=
𝑠12 𝑠22
+
𝑛1 𝑛2
𝑠2 2 2
1 + 𝑠2
𝑛1 𝑛2
Corresponde al valor de una variable aleatoria que tiene distribución t de Student con: 𝑣 = 2 2
𝑠2
1 𝑠2
2
𝑛1 𝑛2
𝑛1 −1
+ 𝑛 −1
2
Grados de libertad.

Dr. Freddy Marín González, 2017.


Teorema: Sean 𝑥ҧ1 𝑦 𝑥ҧ2 las medias de muestras aleatorias independientes de tamaños 𝑛1 <
30 y 𝑛2 < 30 de poblaciones normales con medias µ1 , µ2 y varianzas σ12 , σ22 diferentes y
desconocidas.

Entonces, una prueba de hipótesis con nivel de significancia 𝛼 para la diferencia de medias µ1 − µ2 es como se
presenta en la tabla, siendo:
(𝑥ҧ1 − 𝑥ҧ 2 ) − 𝑑0
𝑡=
𝑠2 2
1 + 𝑠2
𝑛1 𝑛2

Es el estadístico de prueba correspondiente.

Además, 𝑡α/2 el valor de una variable aleatoria de una variable aleatoria que tiene distribución t de Student con:
𝑠2 𝑠 2 2
1+ 2
𝑛1 𝑛2
𝑣= 2 2 ; grados de libertad.
𝑠2
1 𝑠2
2
𝑛1 𝑛2
+
𝑛1 −1 𝑛2 −1

Dr. Freddy Marín González, 2017.


REGLAS DE DECISIÓN PARA LA DIFERENCIA DE MEDIAS
TERCER CASO: Varianzas poblacionales diferentes, desconocidas y muestras pequeñas

Tipo de hipótesis Regla de decisiones


𝐻0 : 𝜇1 − 𝜇2 = 𝑑0
Si 𝑡 ≥ 𝑡𝛼Τ2 o si 𝑡 ≤ −𝑡𝛼Τ2
𝐻1 : 𝜇1 − 𝜇2 ≠ 𝑑0 entonces, se Rechaza H0 de lo
contrario, se acepta H0
Dos colas (Prueba bilateral)

𝐻0 : 𝜇1 − 𝜇2 ≥ 𝑑0 Si 𝑡 ≤ −𝑡𝛼 entonces, se
𝐻1 : 𝜇1 − 𝜇2 < 𝑑0 Rechaza H0 de lo contrario, se
acepta H0
Cola a la izquierda (Prueba unilateral)
𝐻0 : 𝜇1 − 𝜇2 ≤ 𝑑0 Si 𝑡 ≥ 𝑡𝛼 entonces, se
𝐻1 : 𝜇1 − 𝜇2 > 𝑑0 Rechaza H0 de lo contrario, se
acepta H0
Cola a la derecha (Prueba unilateral)

Dr. Freddy Marín González, 2017.


Ejemplo 9: El departamento de zoología de cierto instituto llevó a cabo un estudio para
estimar la diferencia en la cantidad de cierta sustancia química medida en dos estaciones
diferentes de un río. La sustancia se mide en miligramos por litro. Se reunieron 15 muestras
de la estación 1 y 12 muestras de la estación 2. Las 15 muestras de la estación 1 tuvieron un
contenido promedio de sustancia química de 3,84 miligramos por litro y una desviación
estándar de 3,07 miligramos por litro, mientras que las 12 muestras de la estación 2 tuvieron
un contenido promedio de 1,49 miligramos por litro y una desviación estándar de 0,80
miligramos por litro. Al nivel del 5% determine si los contenidos promedios reales de
sustancia en estas dos estaciones son diferentes. Suponga que las observaciones vienen de
poblaciones normalmente distribuidas con varianzas diferentes.
SOLUCIÓN:
Sean µ1 𝑦 µ2 las respectivas medias poblacionales para contenidos promedios reales de sustancia en las dos
estaciones. Queremos contrastar la hipótesis

𝐻0 : µ1 − µ2 = 0
𝐻1 : µ1 − µ2 ≠ 0

Dr. Freddy Marín González, 2017.


Tenemos que:

𝑛1 = 15, 𝑥ҧ1 = 3,84, 𝑠1 = 3,07


𝑛2 = 12, 𝑥ҧ2 = 1,49, 𝑠2 = 0,80

El valor del estadístico de prueba está dado por:


(𝑥ҧ1 − 𝑥ҧ2 ) − 𝑑0 (3,84 − 1,49) −0
𝑡= = = 2,846
3,072 0,802
𝑠12 𝑠22 + 12
15
𝑛1 + 𝑛2
Para una prueba al nivel del 5%, tenemos que 𝛼 = 0,05 y 𝑡α/2 = 𝑡0,025 = 2,120 con
𝑠2 𝑠 2 2 2
1+ 2 3,072 0,802
𝑛1 𝑛2 + 12
15
𝑣= 2 2 = 2 2 = 16,3 se aproxima a 16 grados de libertad.
𝑠2
1 𝑠2
2 3,072 0,802
𝑛1 𝑛2 15 12
+ 14
+ 11
𝑛1 −1 𝑛2 −1

Entonces, como 𝑡 = 2,846 es mayor que 𝑡𝛼/2 = 2,120, puede rechazarse la hipótesis nula de igualdad de medias
frente a la alternativa bilateral al nivel del 5%. Por lo tanto, podemos concluir que los contenidos promedio reales
de sustancia para estos dos lugares son diferentes.

Dr. Freddy Marín González, 2017.


Referencias Bibliográficas

Referencias bibliográficas de apoyo:

1. G.C Canavos. Probabilidad y Estadística – Aplicaciones y Métodos. Mc. Graw Hill. México.

2. J. E. Freund, I Miller & M. Miller. Estadística Matemática Con Aplicaciones. Pearson Prentice Hall, Mexico

3. Walpole, Myers. Probabilidad y Estadística para Ingeniería y ciencias. Pearson. México.

Dr. Freddy Marín González, 2017.

También podría gustarte