Está en la página 1de 71

Estadística Inferencial

Período 2020-A- DAGOBERTO SALGADO HORTA

5 pasos para probar hipótesis


1
PRUEBAS DE HIPOTESIS
Período 2020-A

5 pasos para probar hipótesis


2
Temario

› Procedimiento de 5 pasos para probar una hipótesis


› Pruebas de significancia de una cola
› Prueba de significancia de 2 colas
› Pruebas para la medida de una población, desviación
estándar conocida
› Valor p en una prueba de hipótesis

3
Hipótesis
Es una declaración relativa a una poblacional.
4

Afirmación relativa a un parámetro de la población


sujeta a verificación.

Parámetro : Población
Estadístico : Muestra
Hipótesis

› En la mayoría de los casos, la población es tan grande que


no es posible estudiarla completamente.
– Entrevistar a todos los campesinos del País para saber qué tipo de
productos están sembrando.
› En muchos casos, analizar la población equivaldría a
eliminarla.
– Analizar el sabor de todo el café que el País va a exportar.
› Una opción para medir o entrevistar a toda la población, es
tomar una muestra lo suficientemente representativa que
simule ser la población.

5
Una prueba de hipótesis es un
procedimiento estadístico simple cuya
finalidad
es corroborar o desmentir alguna
afirmación que se hace con relación a un
parámetro poblacional.

6
7
8
9
10
11
12
13
Procedimiento de 5 pasos para probar una
hipótesis

› Paso 1 ➢Establecer la hipótesis nula y la alternativa


› Paso 2 ➢Seleccionar un nivel de significancia
› Paso 3 ➢Identificar el estadístico de la prueba
› Paso 4 ➢Formular una regla para tomar decisiones
› Paso 5 ➢Tomar una decisión

14
15
Paso 1: Establecer la hipótesis nula (H0) y la
hipótesis alternativa (H1)

Establecer la hipótesis que se quiere probar. Recibe el nombre de


hipótesis nula y se identifica con la letra hache en mayúscula
subíndice cero. La mayúscula representa la hipótesis y el 0 implica
que “no hay diferencia”.
Si la hipótesis nula no se rechaza con base en los datos de la
muestra, no es posible decir que la hipótesis nula sea verdadera.

𝐻0 : 𝐸𝑥𝑝𝑟𝑒𝑠𝑖ó𝑛
𝐻𝑎 : 𝐸𝑥𝑝𝑟𝑒𝑠𝑖ó𝑛 𝑐𝑜𝑛𝑡𝑟𝑎𝑟𝑖𝑎
16
Ejemplo . . .

La velocidad promedio de los automóviles que pasan por el desvío


a Lima es de 68 millas por hora.
H0 : μ = 68 Ha : μ ≠ 68

En el 2010, el salario mínimo de un graduado de la universidad


fue de L.10,000.00
H0 : μ = 10,000 Ha : μ ≠ 10,000

80% de los jugadores asiduos a la Loto jamás gana más de


L.1,000 en un juego.
H0 : μ >1,000 Ha : μ ≤ 1,000

17
𝛼
Paso 2: Seleccionar el nivel de significancia
Se representa por la letra griega Alfa. También es conocida como
“nivel de riesgo”.
No existe ningún nivel que se aplique a todas las pruebas. Existen
algunas convenciones para utilizar ciertos porcentajes; pero, todo
depende de los que realizan los estudios o investigaciones.
Convenciones
Proyectos de Investigación (consumidores) 0.05
Control de calidad 0.01
Encuestas políticas 0.10

Nivel de significancia es el complemento de nivel de confianza


18
Significancia de una y dos colas
Por la forma en que está planteada una hipótesis se determina
si es de una o de dos colas.
19

Dos colas 𝑈𝑛𝑎 𝑐𝑜𝑙𝑎 𝑈𝑛𝑎 𝑐𝑜𝑙𝑎


𝐻0 : 𝜇 = 𝑎 𝐻0 : 𝜇 ≤ 𝑎 𝐻0 : 𝜇 ≥ 𝑎
Ejemplo . . .
Un articulo reciente indicó que el tiempo de uso medio de los
aviones comerciales estadounidenses es de 15 años. Determinar la
hipótesis y el nivel de significancia.

𝐻0 : 𝜇 = 15
𝐻𝑎 : 𝜇 ≠ 15

Nivel de significancia 5%
(Nivel de riesgo)

𝛼 = 0.05 20
Ejemplo . . .
Una investigación de mercados sobre la aceptación de un dentífrico con
sabor a guanábana indicó que la edad promedio de los usuarios más
interesados menor a 12 años. Determinar la hipótesis y el nivel de
riesgo

𝐻0 : 𝜇 < 12
𝐻𝑎 : 𝜇 ≥ 12

Nivel de significancia 5%
(Nivel de riesgo)

𝛼 = 0.05
21
Ejemplo . . .
Una distribuidora de calzado está probando un nuevo diseño y ha
estado haciendo encuestas sobre las edades de los clientes que
prefieren el nuevo modelo. La edad promedio ha sido de mayores de 18
años y se desea probar que este hipótesis se mantiene con un nivel de
significancia de 0.10.
𝐻0 : 𝜇 > 18
𝐻𝑎 : 𝜇 ≤ 18

Nivel de significancia 10%


(Nivel de riesgo)

𝛼 = 0.10
22
¿por qué no se recomienda el
nivel de confiabilidad del
100%?
23

La estadística es una ciencia basada en probabilidades, por la


constante intervención del azar y el riesgo de equivocación
siempre existe.
Tipos de errores en pruebas

Hipótesis nula No rechaza H0 Rechaza H0


H0 verdadera Correcto Error tipo I
H0 falsa Error tipo II Correcto

› Es posible que una hipótesis nula se rechace aun


cuando ésta sea verdadera.
› Es posible que la hipótesis nula se acepte aun cuando
ésta sea falsa.
24
Ejemplo . . .

En un Banco se recibió un lote de plástico para tarjetas de


débito. Se tomó una muestra de 50 plásticos y reveló que 4
de ellos venían con defecto de fábrica. El estándar del Banco
indica que se acepta un 5% de plásticos con defecto de
fábrica.

En la compra de este mes, 4 de los 50 plásticos venían con


defecto de fábrica; esto indica que el 8% de la muestra viene
con defecto de fábrica.
El responsable del departamento rechazó el producto.

¿Hizo bien en rechazarlo? 25


. . . Ejemplo
¿Hizo bien en rechazarlo?
Escenario 1
› Depende
› Supongamos que los 50 plásticos que eligió es el 10% del
total de plásticos recibidos.
› El lote completo está compuesto por 500 plásticos
› Si se hubieran revisado los 500 y resultara que solo esos 4
venían dañados, eso significaría que solo el 0.8% venía con
defecto de fábrica.
› La hipótesis se rechazó y debió haberse aceptado.
26
. . . Ejemplo
¿Hizo bien en rechazarlo?
Escenario 2
› Depende
› Supongamos que los 50 plásticos que eligió es el 10% del
total de plásticos recibidos.
› El lote completo está compuesto por 500 plásticos
› Si se hubieran revisado los 500 y resultara que 30 venían
dañados, eso significaría que el 6% venía con defecto de
fábrica.
› La hipótesis se rechazó y la decisión fue correcta.
27
Ejemplo . . .

En un banco se negociado con un fabricante de tarjetas de


plástico, con el entendido de que si las tarjetas dañadas
superan el 5% del paquete, éste no será aceptado.
En esta semana, el encargado de compras recibió un paquete
de tarjetas. Seleccionó una muestra de 100 tarjetas, las que
fueron revisadas para ver su calidad; se evidenció que solo el
1% venía con daño (1 tarjeta).

El encargado de Compras aceptó el paquete.


¿Hizo bien en aceptarlo?
28
. . . Ejemplo
¿Hizo bien en aceptarlo?
Escenario 1
› Depende
› Supongamos que los 100 plásticos que eligió es el 10% del
total de plásticos recibidos.
› El lote completo está compuesto por 1,000 plásticos
› Si se hubieran revisado los 1,000 plásticos y resultara que 60
venían dañados, eso significaría que el 6% venía con defecto
de fábrica.
› La hipótesis se aceptó y debió haberse rechazado.
29
Paso 3: Seleccionar el estadístico de
prueba
Se pueden utilizar varios; los más comunes son:
z Gauss
t t-Student
F f-Fisher
Χ2 Chi cuadrada o ji-cuadrada

30
Ejemplo . . .
Se quiere probar que la velocidad media en la carretera hacia
Danlí es de 68 millas con una desviación estándar de 10
millas. Se toma una muestra de 100 vehículos los que
reportaron una media muestral de 70 millas. Calcular el
estadístico de prueba.

𝜇 = 68
𝜎 = 10 Se conoce la desviación estándar
𝑋ത = 70
𝑛 = 100
z=¿?

𝑆𝑒 𝑑𝑒𝑏𝑒 𝑒𝑙𝑒𝑔𝑖𝑟 𝑒𝑙 𝑒𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝑎𝑝𝑟𝑜𝑝𝑖𝑎𝑑𝑜 31


Ejemplo . . .
Una distribuidora de productos alimenticios factura
semanalmente un promedio de L.20,000 por cliente. Se tomó
una muestra de 60 clientes y se encontró que el promedio de
compras realizadas en la semana pasada fue de L.18,000.

𝜇 = 20,000
𝜎 =¿ ? No se conoce la desviación estándar
𝑋ത = 18,000
𝑛 = 60
t =¿?

𝑆𝑒 𝑑𝑒𝑏𝑒 𝑒𝑙𝑒𝑔𝑖𝑟 𝑒𝑙 𝑒𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝑎𝑝𝑟𝑜𝑝𝑖𝑎𝑑𝑜 32


Ejemplo . . .
En una investigación de mercados se detectó que el 75% de
los clientes prefieren los submarinos de jamón de 15”. Se
tomó una muestra de 100 clientes en el transcurso de la
semana pasado y se determinó que el 70% de ellos había
comprado submarinos de jamón de 15”.

𝜋 = 0.75
𝜎 =¿ ? No se conoce la desviación estándar
𝑝 = 0.70
𝑛 = 100
t =¿?

𝑆𝑒 𝑑𝑒𝑏𝑒 𝑒𝑙𝑒𝑔𝑖𝑟 𝑒𝑙 𝑒𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝑎𝑝𝑟𝑜𝑝𝑖𝑎𝑑𝑜 33


Paso 4: Formular la regla de decisión

Es una afirmación sobre las condiciones


específicas en que se rechaza la hipótesis nula y
aquellas en las que no se rechaza.
La región o área de rechazo define la ubicación de
todos esos valores que son tan grandes o tan
pequeños que la probabilidad de que ocurran en
una hipótesis nula verdadera es muy remota.

34
Valor crítico

Punto de división entre la región en que se rechaza la


hipótesis nula y aquella en la que se acepta.

35
Cálculo del nivel crítico dos colas

Se pide un nivel de confianza del 95%, para una hipótesis nula igual
que un valor determinado.
El nivel de significancia se mide por el área que no corresponde al
nivel de confianza.
𝐻0 : 𝜇 = 𝑎
𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎: 95% 𝐻1 : 𝜇 ≠ 𝑎
Nivel de significancia: 5%

El valor crítico es el valor z en


donde se cambia de la validez de la
hipótesis nula a la alternativa.

Z=1.96 36
Cálculo del nivel crítico una cola

Se pide un nivel de confianza del 95%, para una hipótesis nula mayor
que un valor determinado.
El nivel de significancia se mide por el área que no corresponde al
nivel de confianza.
𝐻0 : 𝜇 ≤ 𝑎
𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎: 95% 𝐻1 : 𝜇 > 𝑎
Nivel de significancia: 5%

El valor crítico es el valor z en


donde se cambia de la validez de la
hipótesis nula y la alternativa.

Z=1.65 37
Paso 5: Tomar decisión
En base a los resultados se decide si la hipótesis
se acepta o no.
Siempre existe el riesgo de que se cometa el error
de tipo I o tipo II.
Validar qué tan confiable es el resultado del
estadístico mediante el cálculo del valor p.

Valor p: Probabilidad de observar un valor


muestral tan extremo o más que el valor observado, 𝑝 ,α
si la hipótesis nula es verdadera.
38
Paso 5: Tomar decisión
Valor p de una prueba de hipótesis
𝑆𝑖 𝑝 < 𝛼 ≡ 𝐻0 𝑛𝑜 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎
𝑆𝑖 𝑝 > 𝛼 ≡ 𝐻0 𝑛𝑜 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎

IMPORTANCIA DE LA EVIDENCIA EN CONTRA DE H0


a) 0.10 hay cierta evidencia de que H0 no sea verdadera
b) 0.05 hay evidencia fuerte de que H0 no sea verdadera
c) 0.01 hay evidencia muy fuerte de que H0 no sea verdadera
d) 0.001 hay evidencia extremadamente fuerte de que H0 no sea verdadera
39
Ejemplo . . .

En una investigación de mercados, la regla de decisión está


calculada para un nivel de significancia de 0.01. La hipótesis
es a dos colas

El valor de z de la regla de decisión es ±2.58 (paso 3)

Al tomar la muestra y calcular el valor de z (datos de la


muestra) el resultado obtenido es ±1.55. (paso 5)
Al comparar con el resultado de la regla de decisión, se
observa que el valor obtenido es menor que 2.58. Por lo que
el valor de z está dentro del área de aceptación.
40
. . . Ejemplo

Regla de decisión: z = 2.58


Resultados de la muestra: z = 1.55
Nivel de significancia: 𝛼 = 0.01

Al calcular el área de la zona de rechazo para z=1.55 se


obtiene 0.0606 (0.5 – 0.4394) y al ser de 2 colas, p=0.1212.

0.1212 > 0.01 ≡ 𝑝>𝛼

La hipótesis nula no se rechaza


41
Ejemplo . . .

En una investigación de mercados, la regla de decisión está


calculada para un nivel de significancia de 0.05. La hipótesis
es a una cola con el área de rechazo es para valores mayores

El valor de z de la regla de decisión es +1.65 (paso 3)

Al tomar la muestra y calcular el valor de z (datos de la


muestra) el resultado obtenido es +1.72. (paso 5)
Al comparar con el resultado de la regla de decisión, se
observa que el valor obtenido es mayor que 1.65. Por lo que
el valor de z está dentro del área de rechazo.
42
. . . Ejemplo

Regla de decisión: z = 1.65


Resultados de la muestra: z = 1.72
Nivel de significancia: 𝛼 = 0.05

Al calcular el área de la zona de rechazo para z=1.72 se


obtiene 0.0427 (0.5 – 0.4573) y al ser de 1 cola, p=0.0427

0.0427 < 0.05 ≡ 𝑝<𝛼

La hipótesis nula no se acepta


43
𝑋ത − 𝜇
𝑧= 𝜎
Estadístico z 𝑛

Utilizado para variables continuas y se


conoce la desviación estándar de la
población
𝜎 𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑎

44
FÓRMULA PARA Z
𝑋ത − 𝜇
𝑧= 𝜎
𝑛
𝑧 = 𝑒𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜
𝑋ത = 𝑀𝑒𝑑𝑖𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙
𝜇 = 𝑀𝑒𝑑𝑖𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙
𝜎 = 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙
𝑛 = 𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎

45
Ejemplo 1 . . .
Se selecciona una muestra de 36 observaciones de una
población normal con media 50. La media muestral es de 49
y el tamaño de la muestra es 36. La desviación estándar de la
población es 5. Utilizar nivel de significancia de 0.05

1. H0 : 𝜇 =50
Ha: μ ≠ 50 z
2. 𝛼 = 0.05
3. Seleccionar el estadístico: z, t, F, χ2 :

46
. . . Ejemplo 1
4. Formular la regla de decisión:
Calcular el valor crítico.
𝛼 0.05
= = 0.005
– Es una prueba de 2 colas al 95% 2 2
– El nivel de significancia (𝛼) es de
0.05/2 por cada cola = 0.025

– Calcular el z para 0.4750


– El valor crítico es z=±1.96

47
. . . Ejemplo 1
5. Tomar la decisión
– Es una muestra de tamaño 36
– El valor de la media muestral es 49
– Calcular el valor de z utilizando el estadístico identificado (tabla
de la curva normal)

𝑋ത − 𝜇 49 − 50 −1
𝑧= 𝜎 = = = −1.20
5 0.833
𝑛 36

𝑐𝑜𝑚𝑝𝑎𝑟𝑎𝑟: 𝑧𝑟𝑒𝑔𝑙𝑎 = −1.96 𝑦 𝑧𝑚𝑢𝑒𝑠𝑡𝑟𝑎 = −1.20 48


. . . Ejemplo 1
5. Tomar la decisión
– La regla de decisión es z=±1.96
– El valor del estadístico encontrado en la muestra es z=±1.20
– Z está en el área de aceptación
– Calcular el área bajo la curva para 1.20 en la zona de rechazo.
– P(z < 1.20) = 0.05 – 0.3849 = 0.1151
– La hipótesis es de 2 colas: p=2(0.1151) = 0.2302
– Comparar con el nivel de significancia
› 0.2302 > 0.05 ≡ 𝑝 > 𝛼

– La hipótesis 𝐻0 no se acepta,
49
Ejemplo 2 . . .
Una población se distribuye normalmente con media 20 y
desviación estándar de 5. La media muestral es de 21 y el
tamaño de la muestra 36. Utilizar el nivel de significancia
0.05 para probar si la media poblacional es menor que 20.
1. 𝐻0 : 𝜇 < 20
𝐻𝑎 : 𝜇 ≥ 20
2. 𝛼 = 0.05
3. Estadística de prueba : z
4. Formular regla de decisión.
Calcular el valor crítico

50
. . . Ejemplo 2
4. Formular la regla de decisión:
Calcular el valor crítico.
– Es una prueba de 1 cola al 95%
– El nivel de significancia (𝛼) es de
0.05 en el lado derecho

– Calcular el z para 0.4500


– El valor crítico es z=1.65

5. Tomar la decisión
51
. . . Ejemplo 2
5. Tomar la decisión
– Tomar una muestra de tamaño 36
– El valor de la media muestral es 21
– Calcular el valor de z utilizando el estadístico identificado

𝑋ത − 𝜇 21 − 20 1
𝑧= 𝜎 = = = 1.20
5 0.83
𝑛 36
– Z=1.20 cae en la zona de aceptación
– Calcular la probabilidad para z=1.20
en el área de rechazo
– P(z=1.20)= 0.5 – 0.3849 = 0.1151
– 0.1151 > 0.05 ≡ 𝑝 > 𝛼

– La hipótesis no se rechaza
52
Ejemplo 3 . . .
› Una población se distribuye normalmente con media de
500 cajas diarias y desviación estándar de 30 cajas con
un 98% de confianza. Se tomó una muestra de 100 días
con una media muestral de 495 cajas diarias. Probar la
hipótesis para una media mayor a 500 cajas.
𝐻0 : 𝜇 > 500
𝐻𝑎 : 𝜇 ≤ 500
α = 0.02 (1 cola)

53
. . . Ejemplo 3
4. Formular la regla de decisión:
Calcular el valor crítico.
– Es una prueba de 1 cola al 98%
– El nivel de significancia (𝛼) es de
0.02 en el lado izquierdo

– Calcular el z para 0.4800


– El valor crítico es z=-2.06

5. Tomar la decisión
54
. . . Ejemplo 3
5. Tomar la decisión
– Tamaño de la muestra = 100
– Valor de la media muestral = 495
– Calcular el valor de z utilizando el estadístico identificado

𝑋ത − 𝜇 495 − 500 −5
𝑧= 𝜎 = = = −0.53
30 9.4868
𝑛 100
– Z=-0.53 cae en la zona de aceptación
– Calcular la probabilidad para z=0.53
en el área de rechazo
– P(z=0.53)= 0.5 – 0.2019 = 0.2981
– 0.2981 > 0.02 ≡ 𝑝 > 𝛼

– La hipótesis 𝐻0 no se rechaza
55
Temas
› Prueba de hipótesis para media poblacional y se
desconoce la desviación estándar
› Pruebas de hipótesis para proporciones
› Prueba de hipótesis para dos muestras independientes
› Prueba de hipótesis para dos proporciones
𝑋ത − 𝜇
𝑡= 𝑠
Estadístico t 𝑛

Utilizado para variables continuas y no se


conoce la desviación estándar de la
población
𝜎 𝑑𝑒𝑠𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑎

57
Es usual que la desviación
estándar de la población no
sea conocida
Se calcula la
desviación 𝑋ത − 𝜇
estándar de la 𝑡= 𝑠
muestra. 𝑠 𝑛

t - Student
Distribución t
› Si no se conoce la desviación estándar no se utiliza z, se
utiliza t.
› Se utiliza con variables continuas
› La gráfica tiene forma de campana y es simétrica
› La distribución t es plana o sea, más dispersa que la
distribución normal.
› Las muestras son pequeñas.
› La diferencia del tamaño de la muestra menos el número
de poblaciones muestreadas se conoce como “grados de
libertad”
Cómo buscar en la tabla t-Student
› Seleccionar el nivel de significancia
› Determinar los grados de libertad
› Buscar en la tabla los grados de libertad determinados
› Cruzar en la columna con el nivel de significaciones
seleccionado
› Intersectar ambos valores para obtener el valor de t.
Ejemplo 1 . . .
› En una investigación se seleccionó 0.01
como nivel de significancia en una
hipótesis de 1 cola.
› Una muestra de tamaño 16 tendrá 15
grados de libertad.
› Buscar:
– Opción de 1 cola
– Valor 0.01
– 15 grados de libertad (gl)
› t = 2.602
Ejemplo 2 . . .
› En una investigación se seleccionó 0.05
como nivel de significancia en una
hipótesis de 2 colas.
› Una muestra de tamaño 16 tendrá 15
grados de libertad.
› Buscar:
– Opción de 2 colas
– Valor 0.05
– 15 grados de libertad (gl)
› t = 2.131
Prueba de hipótesis de 1 muestra con t

› Las muestras son pequeñas (máximo


100)
› Calcular la desviación estándar de la
muestra
› Se siguen los 5 pasos para probar una
hipótesis
› Para comparar se necesitan dos valores
de t; el de la hipótesis y el obtenido en
la muestra.
Ejemplo 1. . .

El empresa Funymaq fabrica barras de contrapeso de 43


mm. Al supervisor de producción le preocupa que hayan
cambiado los ajustes de la máquina de producción de
barras. Solicita una investigación al departamento de
ingeniería, que selecciona una muestra aleatoria de 12
barras y las mide. Los resultados que aparecen son:
42 39 42 45 43 40
39 41 40 42 43 42
¿Es razonable concluir que cambió la longitud media de
las barras? Utilizar un nivel de significancia de 0.02

No se conoce σ
. . . Ejemplo 1
1. Establecer la hipótesis
H0: 𝜇 = 43 Ha: 𝜇 ≠ 43
2. Seleccionar el nivel de significancia
𝛼 = 0.02 (2 colas)

3. Identificar el estadístico de prueba

𝑋ത − 𝜇
𝑡= 𝑠
𝑛

4. Formular una regla para tomar decisiones


Prueba de 2 colas
Muestra de 12 observaciones:
. . . Ejemplo 1 𝜇 = 43

› Tamaño de la muestra : n = 12
› Grados de libertad : gl = 11
› valor de t para 0.02 a 2 colas : t = 2.718
› Media aritmética de la muestra : 𝑋ത =41.5
› Desviación estándar de muestra: s = 1.78
› Calcular t

41.5 − 43 −1.5
𝑡= = = −2.92
1.78 0.51
12
𝑡 = −2.92
. . . Ejemplo 1
› Regla de decisión: t = -2.92

› El estadístico cae en la zona de rechazo.


› La hipótesis nula se rechaza
› Las medidas no son las correctas, se debe revisar la
maquinaria para corregir el cambio de medidas
Ejemplo 2 . . .
› En una empresa el costo medio de enviar paquetes es
L.60. Una comparación con la competencia reveló que
este precio es mayor que en el resto de las compañías,
así que se tomaron medidas para reducir los gastos.
› Para evaluar el efecto de la medidas de reducción de
gastos, se tomó una muestra de 26 paquetes.
45 49 62 40 43 61 48 53 67 63 78 64 48
54 51 56 63 69 58 51 58 59 56 57 38 76
› ¿Es razonable concluir que el costo medio de paquetes
ahora es menor a L.60.00 con un nivel de significancia de
0.01?
. . . Ejemplo 2
1. Establecer la hipótesis
H0: 𝜇 ≥ 60 Ha: 𝜇 < 60
2. Seleccionar el nivel de significancia
𝛼 = 0.01
3. Identificar el estadístico de prueba
𝑋ത − 𝜇
𝑡= 𝑠
𝑛
4. Formular una regla para tomar decisiones
Prueba de 1 cola
Muestra de 26 observaciones: 1
Calcular el valor de t
Buscar el resultado en la tabla t-Student
. . .Ejemplo 2 𝜇 = 60

› Tamaño de la muestra : n = 26
› Grados de libertad : gl = 25
› valor de t para 0.01 a 1 cola : t = 2.485
› Media aritmética de la muestra : 𝑋ത =56.42
› Desviación estándar de muestra: s = 10.04
› Calcular t

56.42 − 60 −3.58
𝑡= = = −1.8181 = −1.818
10.04 1.9691
26
. . . Ejemplo 2

𝑡 = −1.818

› El valor -1.818 cae dentro del área de confiabilidad.


› La hipótesis nula no se rechaza. Se puede concluir que las
medidas tomadas han reducido los costos.