Apuntes Unidad 4

UNIDAD IV Prueba de Hipótesis
4.1 Introducción
Se ha mostrado cómo puede estimarse un parámetro a partir de los datos contenidos en una muestra.
Puede encontrarse ya sea un sólo número (estimador puntual) o un intervalo de valores posibles
(intervalo de confianza). Sin embargo, muchos problemas de ingeniería, ciencias, y administración,
requieren que se tome una decisión entre aceptar o rechazar una proposición sobre algún parámetro.
Esta proposición recibe el nombre de hipótesis. Este es uno de los aspectos más útiles de la
inferencia estadística, puesto que muchos tipos de problemas de toma de decisiones, pruebas o
experimentos en el mundo real pueden formularse como problemas de prueba de hipótesis.
Una hipótesis estadística es una proposición o supuesto sobre los parámetros de una o más
poblaciones.
Suponga que un embotellador de bebidas suaves debe determinar si el peso promedio del contenido
de sus botellas es de 325 ml. ( = 325 ). Esto puede expresarse de forma siguiente:
Ho : = 325
Ha : 325
La proposición H o : = 325, se conoce como hipótesis nula, mientras que la proposición H a :

325, recibe el nombre de hipótesis alternativa. Puesto que la hipótesis alternativa especifica valores
que pueden ser mayores o menores que 325, también se conoce como hipótesis alternativa
bilateral. Suponiendo que α = 0.05, las regiones de rechazo y aceptación se muestran en la figura
4.1.
Figura 4.1 Prueba de hipótesis alternativa bilateral
Ing. Jorge Antonio Mijangos López 107

En algunas situaciones, lo que se desea es formular una hipótesis alternativa unilateral:
Cuya región de rechazo (α = 0.05), se encuentra en el extremo derecho o cola derecha, como se
muestra en la figura 4.2.
Ho : ≤ 325
Ha : 325
Figura 4.2 Prueba de hipótesis alternativa unilateral (cola derecha)
Cuya región de rechazo (α = 0.05), se encuentra en el extremo izquierdo o cola izquierda, como se
muestra en la figura 4.3.
Ho : ≥ 325
Ha : 325
Figura 4.3 Prueba de hipótesis alternativa unilateral (cola izquierda)

Es importante recordar que las hipótesis siempre son proposiciones sobre la población o distribución
bajo estudio, no proposiciones sobre la muestra. Por lo general, el valor del parámetro de la
población especificado en la hipótesis nula se determina en una de tres maneras diferentes:
1. Puede ser resultado de la experiencia pasada o del conocimiento del proceso, entonces el
objetivo de la prueba de hipótesis usualmente es determinar si ha cambiado el valor del
parámetro.
2. Puede obtenerse a partir de alguna teoría o modelo que se relaciona con el proceso bajo
estudio. En este caso, el objetivo de la prueba de hipótesis es verificar la teoría o modelo.
3. Cuando el valor del parámetro proviene de consideraciones externas, tales como las
especificaciones de diseño o ingeniería, o de obligaciones contractuales. En esta situación, el
objetivo usual de la prueba de hipótesis es probar el cumplimiento de las especificaciones.
Un procedimiento que conduce a una decisión sobre una hipótesis en particular recibe el nombre de
prueba de hipótesis. Los procedimientos de prueba de hipótesis dependen del empleo de la
información contenida en la muestra aleatoria de la población de interés. Si esta información es
consistente con la hipótesis, se concluye que ésta es verdadera; sin embargo si esta información es
inconsistente con la hipótesis, se concluye que esta es falsa. Debe hacerse hincapié en que la verdad
o falsedad de una hipótesis en particular nunca puede conocerse con certidumbre, a menos que
pueda examinarse a toda la población. Usualmente esto es imposible en muchas situaciones
prácticas. Por tanto, es necesario desarrollar un procedimiento de prueba de hipótesis teniendo en
cuenta la probabilidad de llegar a una conclusión equivocada.
La hipótesis nula, representada por H o , es la afirmación sobre una o más características de

poblaciones que al inicio se supone cierta.
La hipótesis alternativa, representada por H a , es la afirmación contradictoria a H o , y ésta es la

hipótesis del investigador.
La hipótesis nula se rechaza en favor de la hipótesis alternativa, sólo si la evidencia muestral sugiere
que H o es falsa. Si la muestra no contradice decididamente a H o , se continúa creyendo en la
validez de la hipótesis nula. Entonces, las dos conclusiones posibles de un análisis por prueba de
hipótesis son rechazar Ho o no rechazar Ho.
En muchos casos no es obvia la elección de H o y H a y se necesita criterio para seleccionar la

forma adecuada. Sin embargo es necesario tomar en cuenta que la parte de igualdad de la expresión
(sea =, ≤, o ≥), aparece siempre en la hipótesis nula.
PASOS A SEGUIR EN UNA PRUEBA DE HIPOTESIS
1. Identificar la aseveración o hipótesis específica que se probará y expresarla en forma

simbólica.
2. De las dos expresiones simbólicas obtenidas, usar como hipótesis nula H o la que contenga
la condición de igualdad; H a será la otra declaración.
3. Escoger el nivel de significación .

4. Identificar el estadístico pertinente para esta prueba y determinar su distribución de
muestreo.
5. Determinar los valores críticos, la región crítica y el estadístico de prueba. Dibujar una
gráfica e incluir el estadístico de prueba, el o los valores críticos y la región crítica.
6. Rechazar H o si el estadístico de prueba está en la región crítica. No rechazar H o si el
estadístico de prueba no está en la región crítica.
7. Expresar la decisión anterior en términos sencillos, no técnicos.
4.2 Errores tipo I y tipo II
La hipótesis nula y alternativa son aseveraciones sobre la población que compiten entre sí. O la
hipótesis nula H o es verdadera, o la hipótesis alternativa H a , pero no ambas. En el caso ideal,
procedimiento de prueba hipótesis debe conducir a la aceptación de H o cuando sea verdadera y al
rechazo de H o cuando H a sea verdadera. Desafortunadamente no siempre son posibles las
conclusiones correctas. Como las pruebas de hipótesis se basan en información de muestras,
debemos considerar la posibilidad de errores. En la siguiente tabla se muestra los dos tipos de
errores que se pueden cometer en la prueba de hipótesis.
Condición de la población
H o verdadera H a verdadera
Conclusión
Conclusión
Aceptar H o Error de tipo II

correcta
Conclusión
Rechazar H o Error de tipo I
correcta
El primer renglón de esta tabla muestra lo que puede suceder cuando la conclusión es aceptar H o . Si
H o es verdadera, esta conclusión es correcta. Sin embargo, si H a es verdadera, hemos cometido un
error de tipo II, esto es hemos aceptado H o siendo falsa. El segundo renglón muestra lo que puede
suceder cuando la conclusión es rechazar H o . Si H o es verdadera, hemos cometido un error de
tipo I, esto es hemos rechazado H o siendo verdadera. Sin embargo si H a es verdadera, es correcto
rechazar H o .
Suponga que determinado modelo de automóvil actualmente funciona con un rendimiento promedio
de 24 millas por galón. Un grupo de investigación ha inventado un nuevo sistema de inyección de
combustible, diseñado para aumentar el rendimiento. Para evaluar el nuevo sistema se fabricarán
varios de ellos, se instalarán en automóviles y se someterán a pruebas de manejo. Las hipótesis nula
y alternativa para este estudio son:
H o : ≤ 24
H a : > 24

La hipótesis alternativa H a : > 24 indica que los investigadores buscan evidencia a partir de la
muestra que respalde la conclusión de que la media de las millas por galón son más de 24. En esta
aplicación, el error tipo I de rechazar H o cuando ésta es verdadera, corresponde a que los
investigadores digan que el nuevo sistema mejora el rendimiento en millas por galón (µ > 24),
cuando en realidad el nuevo sistema no es mejor que el actual. En contraste, el error tipo II, de
aceptar H o cuando es falsa, corresponde a que los investigadores lleguen a la conclusión de que el
nuevo sistema no es mejor que el actual ( ≤ 24) cuando en realidad, si mejora el rendimiento en
millas por galón.
En la práctica la persona que efectúa la prueba de hipótesis especifica la máxima probabilidad

permisible, llamada nivel de significación para la prueba, de cometer un error de tipo I, se
acostumbran valores de 0.1, 0.05, 0.01 y 0.001 para el nivel de significación..
α = probabilidad de cometer error tipo I

ß = probabilidad de cometer error tipo II
Probabilidad de cometer error tipo II.
Encontrar probabilidad de cometer error tipo II es más complejo que encontrar la probabilidad de
cometer error tipo I. La probabilidad de cometer error tipo I se da en un problema o es expresada por
el investigador antes de continuar con el estudio. Un error tipo II, ß varía con posibles valores del
parámetro alternativo. Por ejemplo, suponga que un investigador lleva a cabo una prueba estadística
sobre las siguientes hipótesis:
H o : = 12 onzas
H a : < 12 onzas
Un error tipo II se puede cometer sólo cuando el investigador no rechaza la hipótesis nula y la
hipótesis nula es falsa. En estas hipótesis, si la hipótesis nula = 12 onzas, es falsa, ¿cuál es el valor
verdadero para la media poblacional?. ¿Es la media realmente 11.99, 11.90, 11.50 o 10 onzas?. Para
cada uno de estos posibles valores de la media poblacional, el investigador puede calcular la
probabilidad de cometer un error tipo II. A veces cuando la hipótesis nula es falsa, el valor de la
media alternativa se desconoce, de modo que el investigador calculará la probabilidad de cometer
errores tipo II para varios valores posibles. ¿Cómo puede calcularse la probabilidad de cometer un
error tipo II para un valor alternativo específico de la media?
Suponga que al probar las hipótesis precedentes, una muestra de 60 latas de bebida da una media
muestral de 11.985 onzas con una desviación estándar de 0.1 onzas. De α = 0.05 y una prueba de
una cola, el valor de Z 0.05 es -1.645. El valor que se observa desde los datos muestrales es:
11 .985 12
Z0 1.16
0. 1
60
De este valor que se observa de Z o , determina no rechazar la hipótesis nula. Al no rechazar la
hipótesis nula, el investigador toma una decisión correcta o comete un error tipo II. ¿Cuál es la
probabilidad de cometer un error tipo II en este problema si la media poblacional en realidad es
11.99?

El primer paso para determinar la probabilidad de un error tipo II es calcular un valor crítico para la
media muestral, x C . Al probar la hipótesis nula por el método del valor crítico, este valor se usa
como el corte para la región de aceptación. Para cualquier media muestral obtenida que sea menor a
x C (o mayor para una región de rechazo de cola superior), la hipótesis nula se rechaza. Cualquier
media muestral mayor a x C ( o menos para una región de rechazo de cola superior) ocasiona que el
investigador no rechace la hipótesis nula. La resolución del valor crítico de la media da:
xC
ZC
S/ n
x C 12
1.645
0.1 / 60
xC 11 .979
La figura 4.4 en la parte de arriba, muestra la distribución de valores cuando la hipótesis nula es
verdadera. Contiene un valor crítico para la media, x C 11 .979 onzas, abajo del cual la hipótesis
nula será rechazada. La figura 4.4 en la parte de abajo, muestra la distribución cuando se acepta la
hipótesis nula = 12 onzas, siendo que realmente es 1 = 11.99 onzas.
xC 1 11 .979 11 .99
Z1 0.85
S/ n 0.10 / 60
El valor de Z da un área de 0.3023. La probabilidad de cometer un error tipo II es toda el área a la

derecha de x C 11 .979 , esto es 0.3023 + 0.5 = 0.8023. En consecuencia hay un 80.23% de
probabilidad de cometer un error tipo II, si la media es 11.99 onzas.
Figura 4.4 Error tipo II para el ejemplo de = 12 onzas, cuando 1= 11.99

Recalcule la probabilidad de cometer un error tipo II, para el mismo ejemplo si 1= 11.96 onzas.
xC 1 11 .979 11 .96
Z1 1.47
S/ n 0.10 / 60
La probabilidad de que Z ≥ 1.47 es 0.0708. Entonces la probabilidad de cometer un error tipo II es

7.08%, si la media es 11.96 onzas, como se muestra en la figura 4.5.
Figura 4.5 Error tipo II para el ejemplo de = 12 onzas, cuando 1 = 11.96
4.3 Potencia de la prueba.
Debido a que la probabilidad de cometer un error tipo II cambia para cada valor diferente del
parámetro alternativo, es mejor en la toma de decisiones gerenciales examinar una serie de posibles
valores alternativos. Las probabilidades de cometer un error tipo II (ß) para varias medias
alternativas posibles, para el ejemplo de bebidas gaseosas analizado anteriormente, en el que la
hipótesis nula es H o : = 12 onzas y α = 0.05.
Media alternativa Probabilidad de cometer un Potencia

error tipo II (ß) (1 – ß)
a = 11.999 0.94 0.06
a = 11.995 0.89 0.11
a = 11.99 0.80 0.2
a = 11.98 0.53 0.47
a = 11.97 0.24 0.76
a = 11.96 0.07 0.93
a = 11.95 0.01 0.99

Potencia de la prueba es la probabilidad de rechazar la hipótesis nula cuando es falsa y representa la
decisión correcta de seleccionar la hipótesis alternativa cuando es verdadera. Potencia es igual a 1 –
ß. Estos valores se pueden ver gráficamente como se muestra en las figuras 4.6 y 4.7 .
Figura 4.6 Curva característica de operación para el ejemplo de gaseosas
0.8
0.6
Beta
0.4
0.2
0
11.94 11.96 11.98 12 12.02
Valores de la media alternativa
Figura 4.7 Curva de potencia para el ejemplo de gaseosas
1.2
1
0.8
potencia
0.6
0.4
0.2
0
11.94 11.96 11.98 12 12.02
Valores de la media alternativa
4.4 Formulación de hipótesis estadística. Se incluye en el punto 4.1 de Introducción.

4.5 Prueba de hipótesis para la media.
Las tres formas de una prueba hipótesis acerca de una media poblacional son las siguientes:
Dos colas Cola Derecha Cola Izquierda

Hipótesis nula Ho : o Ho : o Ho : o
Hipótesis alternativa Ha : o Ha : o Ha : o
Donde o es el valor de la media a probar.
Prueba de hipótesis para una media poblacional con el uso del estadístico Z
x 0
Se usa el estadístico de prueba Z 0 para probar hipótesis sobre una media poblacional para
n
cuando el tamaño de la muestra es grande ( n ≥ 30 ) para cualquier población y para muestras
pequeñas ( n < 30 ) si se sabe que x está normalmente distribuida y se conoce σ.
Ejercicio 4.1
Una encuesta de contadores públicos titulados de Estados Unidos encontró que el ingreso neto
promedio para un contador es $ 74914. Como esta encuesta tiene ahora más de siete años de
antigüedad, un investigador de contabilidad desea probar esta cifra, para determinar si cambió esta
cantidad de ingreso neto, por lo que toma una muestra aleatoria de 112 contadores, arrojando una
media muestral de $ 78695. Suponga que $14530 es la desviación estándar poblacional de ingresos
netos
Seguiremos los pasos mencionados en la introducción:
Solución:
Paso 1 y 2
Ho : = 74914
Ha : ≠ 74914
Paso 3 = 0.05
x 0
Paso 4 Debido a que se conoce σ y el tamaño de muestra es 112, se usa el estadístico Z 0
n
78695 74914
Z0 2.75
14539
112
Paso 5 Valores Críticos: como es una prueba de dos colas, se obtiene Z /2 Z 0.025 1.96

Figura 4.8 Región de rechazo y aceptación para el ejercicio 4.1
Paso 6 Como el estadístico de prueba, Z 0 = 2.75, es mayor que el valor crítico de Z / 2 = 1.96 en la
cola derecha de la distribución, la conclusión estadística de la prueba es rechazar la hipótesis nula.
Paso 7 Se toma la decisión gerencial, la evidencia reunida indica que el promedio nacional pudo
haber aumentado respecto a la media de $74914 de ingreso neto.
Uso del método del valor de p (probabilidad) para probar hipótesis.
Otra forma de llegar a una conclusión estadística en problemas de prueba de hipótesis es con el uso
del método del valor p. Este adquiere importancia con el creciente uso de paquetes estadísticos de
computadora. No se tiene el valor preestablecido de α en el método de valor p. En lugar de ello, la
probabilidad de obtener una estadística de prueba al menos tan extrema como la estadística de
prueba observada, se calcula bajo la suposición de que la hipótesis nula es verdadera. Prácticamente
todos los programas estadísticos de computadora proporcionan esta probabilidad (valor p). El valor
p define el valor más pequeño de alfa para el cual la hipótesis nula se puede rechazar.
Del ejercicio anterior el valor p se calcula de la forma siguiente:
p = P ( Z ≥ Z0 )
p = P ( Z ≥ 2.75) = 0.5 – 0.49702 = 0.00298
Como la prueba es de dos colas se multiplica 2 por p, obteniendo 0.00596, para así comparar contra
el valor de α. O también se puede comparar únicamente el valor de p contra el valor de α/2.Ver
figura 4.9.

Figura 4.9 Valor de p en la prueba estadística.
Con esta información, el investigador rechazaría la hipótesis nula para α = 0.01, 0.05 o cualquier
valor mayor a 0.00596. El investigador no rechazaría la hipótesis nula para cualquier valor de alfa
menor o igual a 0.00596.
Uso del método del valor crítico para probar hipótesis.
Es otro método para probar hipótesis. En el ejercicio de ingresos de contadores públicos, la hipótesis
nula se rechazó porque el valor calculado de Z 0 estaba en la zona de rechazo. ¿Cuál ingreso medio
sería necesario para hacer que el valor de Z que se observa esté en la zona de rechazo?. El método
del valor crítico determina el valor medio crítico necesario para que Z esté en la región de rechazo
y usarlo para probar las hipótesis.
Se obtiene los valores críticos de la forma siguiente:
xC
ZC
/ n
De la sustitución de valores del ejercicio de ingresos de contadores públicos se obtiene:
x C 74914
1.96
14530 / 112
14530
x C 74914 1.96 74914 2691
112
Y los valores críticos son: x C = 72223 y x C = 77605
En la figura 4.10 se describe las regiones de rechazo y aceptación en términos de medias en lugar de
los estadísticos de Z.

Figura 4.10 Regiones de rechazo y aceptación para método de valor crítico
Ejercicio 4.2
En un intento por determinar por qué el servicio a clientes es importante para gerentes en el Reino
Unido unos investigadores entrevistaron a directores de plantas manufactureras en Escocia. Una de
las razones propuestas es que el servicio a clientes sirve para retener clientes. En una escala de 1 a 5,
donde 1 es bajo y 5 es alto, quienes respondieron la encuesta clasificaron esta razón más alto que
cualesquiera de las otras, con una respuesta media de 4.30. Suponga que investigadores de Estados
Unidos piensan que gerentes de manufactura estadounidenses clasificarían esta razón también como
alta y harían una prueba de hipótesis para demostrar su teoría. Alfa se establece en 0.05. Se reúnen
datos y se obtienen los siguientes resultados. Utilice estos datos para determinar si gerentes de
Estados Unidos clasifican esta razón significativamente más abajo que la media de 4.30 alcanzada
en el Reino Unido.
Datos:
3 4 5 5 4 5 5 4 4 4 4 4 4 4 4 5
4 4 4 3 4 4 4 3 5 4 4 5 4 4 4 5
Solución:
Paso 1 y 2
Ho : ≥ 4.30
Ha : < 4.30
Paso 3 = 0.05
Paso 4 Debido a que no se conoce σ se estima con S, pero como el tamaño de muestra es n = 32, se
x 0
usa el estadístico Z 0
n

En calculadora o en Excel obtenemos x 4.156 y S = 0.574
4.156 4.3
Z0 1.42
0.574
32
Paso 5 Valor Crítico: como es una prueba de una cola (izquierda), se obtiene Z Z 0.05 1.645
Paso 6 Como el estadístico de prueba, Z 0 = -1.42, se encuentra en la región de aceptación, la

conclusión estadística de la prueba es no rechazar la hipótesis nula.
Paso 7 La evidencia reunida indica que la clasificación de la razón de los gerentes de Estados
Unidos no es menor de 4.30 alcanzada en el Reino Unido.
Estadística con Minitab.
Prueba Z
Paso 1. Seleccionar el menú deaplegable Stat
Paso 2. Seleccionar Basic Statistics
Paso 3. Seleccionar 1-Sample Z
Paso 4. Cuando aparezca el cuadro de dialogo
Seleccionar: Variables C1
Introducir Sigma: 0.574
Introducir Test mean: 4.3
Seleccionar el boton Options...
Paso 5 Introducir Confidence level: 95.0
Seleccionar: Alternative less than
Seleccionar OK
Seleccionar OK

Figura 4.12 Salida Minitab para el ejercicio 4.2
One-Sample Z: Razón
Test of mu = 4.3 vs mu < 4.3
The assumed sigma = 0.574
Variable N Mean StDev SE Mean
Razón 32 4.156 0.574 0.101
Variable 95% Upper Bound Z p
Razón 4.323 -1.42 0.078
Prueba de hipótesis para la media poblacional con el uso del estadístico t.
A veces un investigador prueba hipótesis sobre una sola media poblacional y por razones como lo es
tiempo, dinero, comodidad o disponibilidad, puede reunir sólo una pequeña muestra ( n < 30 ) de
datos. En tales casos si los datos están normalmente distribuidos en la población y como la mayoría
de las veces no se conoce σ, entonces se usa el estadístico t.
x 0
Estadístico de prueba t 0
S
n
Ejercicio 4.3
La compañía Farmer construye grandes cosechadoras. Para que una cosechadora esté debidamente
balanceada cuando opera, en uno de sus costados se instala una placa de 25 libras. La máquina que
produce estas placas se halla ajustada para dar placas que promedian 25 libras. La distribución de
placas producidas de la máquina tiene un comportamiento normal, pero el supervisor del taller está
preocupado porque la máquina se encuentra fuera de ajuste y está produciendo placas que no
promedian 25 libras. Para probar esta preocupación, al azar selecciona 20 de las placas producidas el
día anterior y las pesa, obteniendo los resultados siguientes:
22.6 22.2 23.2 27.4 24.5 27.0 26.6 28.1 26.9 24.9
26.2 25.3 23.1 24.2 26.1 25.8 30.4 28.6 23.5 23.6
Solución:
Paso 1 y 2
Ho : = 25 libras
Ha : ≠ 25 libras
Paso 3 = 0.05
x 0
Paso 4 Debido a que no se conoce σ y el tamaño de muestra es 20, se usa el estadístico t 0
S
n

25 .51 25 .00
t0 1.04
2.1933
20
Paso 5 Valores Críticos: como es una prueba de dos colas, se obtiene t / 2,v t 0.025,19 2.093
Paso 6 Como el estadístico de prueba, t 0 = 1.04 y se encuentra dentro de la región de aceptación, la

Paso 7 Según la evidencia muestral, la máquina está produciendo placas de acuerdo a las
especificaciones de 25 libras.

Prueba t
Paso 3. Seleccionar 1-Sample t
Seleccionar: Variables C1
Introducir Test mean: 25
Por omisión la prueba de la alternativa es no igual
Seleccionar OK
One-Sample T: Peso
Test of mu = 25 vs mu not = 25
Peso 20 25.510 2.193 0.490
Variable 95.0% CI T p

Peso ( 24.484 26.536 ) 1.04 0.311
Ejercicio 4.4
Suponga que una investigadora de agroindustria piensa que el tamaño promedio de granjas aumentó
de la media de 471 acres. Para probar esta noción, se muestrean al azar 23 granjas, obteniendo los
siguientes resultados. Con un nivel de significación de 5%, probar la hipótesis de la investigadora.
445 489 474 505 553 477 454 463 466 557 502 449
438 500 466 477 557 433 545 511 590 561 560
Solución:
Paso 1 y 2
Ho : ≤ 471
Ha : > 471
Paso 3 = 0.05
x 0
S
n
498 .78 471

t0 2.84
46 .94
23
Paso 5 Valor Crítico: como es prueba de una cola (derecha), se obtiene t ,v t 0.05, 22 1.717

Paso 6 Como el estadístico de prueba, t 0 = 2.84 y se encuentra dentro de la región de rechazo, la
conclusión estadística de la prueba es rechazar la hipótesis nula.
Paso 7 Según la evidencia muestral, el tamaño promedio de granjas es mayor a 471 acres
One-Sample T: Acres
Test of mu = 471 vs mu > 471
Acres 23 498.78 46.94 9.79
Variable 95% Lower Bound T p
Acres 481.97 2.84 0.005
Ejercicio 4.5
Suponga que un estudio reporta que el precio promedio de un galón de gasolina regular sin plomo y
autoservicio es de $1.16. Usted piensa que esta cantidad es más alta en la zona donde vive y decide
probar esto, al azar llama a varias gasolineras, y una encuesta que también hace al azar a 25
gasolineras produce los siguientes precios.
1.27 1.29 1.16 1.20 1.37 1.20 1.23 1.19 1.20 1.24 1.16 1.07 1.27
1.09 1.35 1.15 1.23 1.14 1.05 1.35 1.21 1.14 1.14 1.07 1.10
Suponga que los precios de gasolina para una región están normalmente distribuidos, ¿Los datos
obtenidos proporcionan suficiente evidencia para rechazar esta reclamación?. Use un nivel de
significación de 1%.
Solución:
Paso 1 y 2
Ho : ≤ 1.16
Ha : > 1.16
Paso 3 = 0.01
x 0
S
n
1.1948 1.16
t0 1.96
0.0889
25

Paso 5 Valor Crítico: como es prueba de una cola (derecha), se obtiene t ,v t 0.01, 24 2.492
Paso 6 Como el estadístico de prueba, t 0 = 1.96 y se encuentra dentro de la región de aceptación, la

Paso 7 Según la evidencia muestral, el precio promedio de un galón de gasolina regular sin plomo y
autoservicio es de $1.16.
Estadística con Minitab
One-Sample T: Precio
Test of mu = 1.16 vs mu > 1.16
Precio 25 1.1948 0.0889 0.0178
Variable 99% Lower Bound T p
Precio 1.1505 1.96 0.031

4.6 Prueba de hipótesis para la diferencia de medias.
Las tres formas de una prueba hipótesis acerca de una diferencia de medias poblacionales son las
siguientes:

Hipótesis nula Ho : 1 2 Ho : 1 2 Ho : 1 2
Hipótesis alternativa Ha : 1 2 Ha : 1 2 Ha : 1 2
O también se puede escribir como:

Hipótesis nula Ho : 1 2 d Ho : 1 2 d Ho : 1 2 d
Hipótesis alternativa Ha : 1 2 d Ha : 1 2 d Ha : 1 2 d
Donde d = diferencia entre las medias a probar.
Prueba de hipótesis para la diferencia entre las medias de dos distribuciones normales cuando
ambas desviaciones estándares son conocidas
x1 x2 d
Se usa el estadístico de prueba Z 0 para probar hipótesis sobre una diferencia de
2 2
1 2
n1 n2
medias poblacionales para cuando el tamaño de las muestra son grandes ( n1 30 y n 2 30 ) para
cualquier población y para muestras pequeñas ( n1 30 y n 2 30 ) si se sabe que las poblaciones
están normalmente distribuidas y se conocen ambas desviaciones estándar.
Para incluir mayor número de ejercicios se reducirán los pasos a seguir en la prueba de hipótesis.
Ejercicio 4.6
Una muestra aleatoria de tamaño n1 25 , tomada de una población normal con una desviación
estándar de 1 = 5.2, tiene una media x 1 = 81. Una segunda muestra aleatoria de tamaño n 2 = 36,
tomada de una diferente población normal con una desviación estándar de 2 = 3.4, tiene una media
x 2 = 76. Pruebe la hipótesis de que 1 2 en contraposición a la alternativa 1 2 . Use α =
0.05.
Paso 1. Planteamiento de hipótesis: Ho : 1 2
Ha : 1 2

x1 x2 d
Paso 2 Se usa el estadístico: Z 0
2 2
1 2
n1 n2
81 76 0
El estadístico de prueba es: Z0 4.22
(5.2) 2 (3.4) 2
25 36
Paso 3 Valores Críticos: como es una prueba de dos colas, se obtiene Z /2 Z 0.025 = ±1.96
Paso 4 Como el estadístico de prueba, Z 0 = 4.22 se encuentra dentro de la región de rechazo, la

Paso 5 Según la evidencia muestral, la media de la población 1 es mayor que la media de la

población 2.
Prueba de hipótesis para la diferencia entre las medias de dos distribuciones normales:
caso de muestra grande ( n1 30 y n 2 30 ) cuando ambas desviaciones estándar son
desconocidas y se estiman mediante S 1 y S 2 . El estadístico de prueba a usar es:
x1 x2 d
Z0
S 12 S 22
n1 n2

Ejercicio 4.7
Como parte de la encuesta nacional de salud de Estados Unidos, se recolectaron datos de los pesos
de hombres. Para 100 hombres con edades entre los 25 y los 34 años, la media es de 176 lb y la
desviación estándar es de 35 lb. Para 120 hombres con edades entre los 65 y los 74 años, la media y
la desviación estándar son 164 y 27 lb, respectivamente. Pruebe la aseveración de que los hombres
mayores provienen de una población cuya media es menor que la media para los hombres del grupo
de edades de 25 – 34. Utilice un nivel de significación de 1%.
Solución:
Población 1: Hombres del grupo de edades 65 – 74: n1 = 120 x 1 = 164 S 1 = 27
Población 2: Hombres del grupo de edades 25 – 34: n 2 = 100 x 2 = 176 S 2 = 35
Ha : 1 2
x1 x2 d
Paso 2. Se usa el estadístico: Z 0
S12 S 22
n1 n2
164 176 0
27 2 35 2
120 100
Paso 3 Valor Crítico: como es una prueba de una cola (izquierda), se obtiene Z Z 0.01 = -2.33

Paso 4 Como el estadístico de prueba, Z 0 2.8 se encuentra dentro de la región de rechazo, la
Paso 5 Según la evidencia muestral, los hombres mayores provienen de una población cuya media es
menor que la media para los hombres del grupo de edades de 25 – 34.
Ejercicio 4.8
Utilice los siguientes datos para probar las siguientes hipótesis: H o : 1 2 y Ha : 1 2 ,

con α = 0.02.
Muestra 1
90 88 80 88 87 91 81 84 84 88 90 91 89 95 97
88 83 94 81 83 88 87 87 93 88 84 83 95 93 97
Muestra 2
78 85 82 90 80 76 77 75 79 82 83 88 80 90 74
81 75 76 83 88 77 86 90 75 80 80 74 89 84 79
Solución:
Ha : 1 2
x1 x2 d
S12 S 22
n1 n2
Las medias, las varianzas y los tamaños muestrales son:
n1 = 30 n 2 = 30
x 1 = 88.2 x 2 = 81.2
S 12 = 22.74 S 22 = 26.65
88 .2 81 .2 0
22 .74 26 .65
30 30
Paso 3 Valores Críticos: como es una prueba de dos colas, se obtiene Z /2 Z 0.01 = ±2.33

Paso 4 Como el estadístico de prueba, Z 0 5.46 se encuentra dentro de la región de rechazo, la

Paso 5 Según la evidencia muestral, la media de la población 1 es diferente y mayor que la media de
la población 2.
Estadística con Excel.
En este ejercicio no se conocen las varianzas de las dos poblaciones, sin embargo como los tamaños
de muestra son mayores o iguales que 30, se usa el estadístico Z y se estiman las varianzas de
población por medio de las varianzas muestrales.
Capturar los datos de la Muestra 1 en las celdas A2:A31 y los datos de Muestra 2 en las celdas
B2:B13.
Prueba z para medias de dos muestras

Paso 1. Seleccione el menú desplegable Herramientas
Paso 2. Elija Análsisi de datos
Paso 3. Cuando aparezca el cuadro de diálogo Análisis de datos,
Elija Prueba z para medias de dos muestras
De clic en Aceptar.
Paso 4. Cuando aparezca el cuadro de diálogo Prueba z para medias de dos
muestras.
Teclee A2:A31 en el cuadro Rango para la variable 1:
Teclee B2:B31 en el cuadro Rango para la variable 2:
Teclee 0 en Diferencia hipotética entre las medias.
Introduzca 22.74 en Varianza para la variable 1 (conocida):
Introduzca 26.65 en Varianza para la variable 2 (conocida):
Teclee 0.02 en el cuadro Alfa.
Seleccione Rango de Salida y teclee D1 en el cuadro.
De clic en Aceptar.

Figura 4.22 Excel para el ejercicio 4.8
Prueba z para medias de dos muestras

Actual Nuevo
Media 88.23333333 81.2
Varianza (conocida) 22.734 26.646
Observaciones 30 30
Diferencia hipotética de las medias 0
z 5.482091566
P(Z<=z) una cola 2.10674E-08
Valor crítico de z (una cola) 2.053747519
P(Z<=z) dos colas 4.21348E-08
Valor crítico de z (dos colas) 2.326347
Prueba de hipótesis en muestras pequeñas ( n1 < 30 y/o n 2 < 30 ), para la diferencia entre las
medias, donde las desviaciones estándar son desconocidas y se suponen iguales.
Si x 1 y x 2 son las medias de muestras aleatorias pequeñas independientes de tamaños n1 y n2

respectivamente, a partir de poblaciones aproximadamente normales, El estadístico de prueba a usar
es:
x1 x 2 d
t0
1 1
Sp
n1 n 2
n1 1 S12 n 2 1 S 22
SP
n1 n 2 2
donde v n1 n2 2 grados de libertad.
S p = estimación combinada de la desviación estándar poblacional
Ejercicio 4.9
Un nuevo programa de cómputo que se ha desarrollado para ayudar a los analistas de sistemas a
reducir el tiempo requerido para diseñar, desarrollar e implementar un sistema de información. El
investigador a cargo del proyecto de evaluación del nuevo programa espera demostrar que ese
paquete permite un menor tiempo promedio de terminación del proyecto. En consecuencia el busca
pruebas que le permitan concluir que 2 es menor que 1 ; en este caso la diferencia entre las dos
medias poblacionales, 1 2 será mayor que cero. La hipótesis de investigación, 1 2 0 , es
la hipótesis alternativa. Use α = 0.05.
Tiempos de terminación usando tecnología actual

300 280 344 385 372 360 288 321 376 290 301 283
Tiempos de terminación usando nuevo programa de cómputo

276 222 310 338 200 302 317 260 320 312 334 265

Solución:
Paso 1. Planteamiento de hipótesis: Ho : 1 2 0

Ha : 1 2 0
Paso 2 Se usa el estadístico: Para usar esta ecuación primero se realizó la prueba con Excel, para
x1 x 2 d
suponer si las varianzas son iguales o diferentes, resultando que son iguales: t 0
1 1
Sp
n1 n 2
n1 = 12 n 2 = 12
x 1 = 325 x 2 = 288
2
S = 1599.64
1 S 22 = 1935.82
El estadístico de prueba es:

11 * 1599 .64 11 * 1935 .82
SP = 42.044
12 12 2
325 288 0
t0 = 2.16
1 1
42 .044
12 12
Paso 3 Valor Crítico: v = 12 + 12 – 2 = 22, como es una prueba de una cola (derecha), se obtiene
t ,v t 0.05,22 1.717

Paso 4 Como el estadístico de prueba, t o = 2.16 se encuentra dentro de la región de rechazo, la
Paso 5 Según la evidencia muestral, permite que el investigador concluya que 1 2 0 y que el
nuevo programa de computo si permite menores tiempos promedio de terminación.
Prueba para la diferencia de medias

Paso 1. Seleccionar el menú desplegable Stat
Seleccionar el boton Samples in different columns
Introducir en First: C1
Introducir en Second: C2
Seleccionar Assume equal variances
Seleccionar: Alternative greater than
Seleccionar OK
Seleccionar OK
Capturar los datos de la Actual en las celdas A2:A13 y los datos de Nueva en las celdas B2:B13
Prueba de diferencia de medias, suponiendo varianzas iguales

Elija Prueba t para dos muestras suponiendo varianzas iguales
De clic en Aceptar.
Paso 4. Cuando aparezca el cuadro de diálogo Prueba t para dos muestras
suponiendo varianzas iguales.
De clic en Aceptar.

Figura 4.24 Salida Minitab y Excel para el ejercicio 4.9
Two-Sample T-Test and CI: Actual, Nuevo

Two-sample T for Actual vs Nuevo
N Mean StDev SE Mean
Actual 12 325.0 40.0 12
Nuevo 12 288.0 44.0 13
Difference = mu Actual - mu Nuevo
Estimate for difference: 37
95% lower bound for difference: 7.5
T-Test of difference = 0 (vs >): T-Value = 2.16 P-Value = 0.021 DF = 22
Both use Pooled StDev = 42.0
Prueba t para dos muestras suponiendo varianzas desiguales

Actual Nuevo
Media 325 288
Varianza 1599.636364 1935.818182
Observaciones 12 12
Varianza agrupada 1767.727273
Grados de libertad 22
Estadístico t 2.155607659
P(T<=t) una cola 0.021158417
Valor crítico de t (una cola) 1.717144187
P(T<=t) dos colas 0.042316835
Valor crítico de t (dos colas) 2.073875294
Ejercicio 4.10
Suponga que durante años la media de la población 1 ha sido aceptada como igual a la media de la
población 2, pero que ahora se piensa que la población 1 tiene mayor media que la población 2. Si se
hace α = 0.01 y se supone que las poblaciones están normalmente distribuidas con varianzas
iguales. Use los siguientes datos para probar esta idea.
Muestra 1
43.6 44.0 45.2 40.8 48.3 45.7 49.1 45.6 46.5 45.0
Muestra 2
40.1 42.2 43.1 37.5 41.0 36.4 42.3 38.8 43.3 40.2
Solución:

Ha : 1 2 0

x1 x 2 d
suponer si las varianzas son iguales o diferentes, resultando que son iguales: t 0
1 1
Sp
n1 n 2
n1 = 10 n 2 = 10
x 1 = 45.38 x 2 = 40.49
S 12 = 5.555 S 22 = 5.548

9 * 5.555 9 * 5.548
SP = 2.356
10 10 2
45 .38 40 .49 0
t0 = 4.64
1 1
2.356
10 10
Paso 3 Valor Crítico: v = 10 + 10 – 2 = 18, como es una prueba de una cola (derecha), se obtiene
t ,v t 0.01,18 2.552

Paso 5 Según la evidencia muestral, la población 1 tiene mayor media que la población 2.

Estadística con Minitab y Excel.
Two-Sample T-Test and CI: Muestra 1, Muestra 2

Two-sample T for Muestra 1 vs Muestra 2
Muestra 1 10 45.38 2.36 0.75
Muestra 2 10 40.49 2.36 0.74

Difference = mu Muestra l - mu Muestra 2
Estimate for difference: 4.89
99% lower bound for difference: 2.20
Both use Pooled StDev = 2.36

Actual Nuevo
Media 45.38 40.49
Varianza 5.555111111 5.547666667
Observaciones 10 10
Varianza agrupada 5.551388889
P(T<=t) una cola 0.000101596
P(T<=t) dos colas 0.000203192
Prueba de hipótesis en muestras pequeñas ( n1 < 30 y/o n 2 < 30 ), para la diferencia entre las
medias, donde las desviaciones estándar son desconocidas y se suponen diferentes.
Si x 1 y x 2 son las medias de muestras aleatorias pequeñas independientes de tamaños n1 y n2

respectivamente, a partir de poblaciones aproximadamente normales con varianzas desconocidas y
diferentes, el estadístico de prueba esta dado por:
x1 x2 d
t0
S12 S 22
n1 n2
y los v grados de libertad se obtiene mediante la formula:

2
S12 S 22
n1 n2
v 2 2
S12 S 22
n1 n2
n1 1 n2 1
Ejercicio 4.11
Los siguientes datos representan los tiempos de duración de las películas producidas por dos
compañías cinematográficas:
Compañía Tiempo (minutos)

1 102 86 98 109 92
2 81 165 97 134 92 87 114
Pruebe la hipótesis de que el tiempo de duración promedio de las películas producidas por la
compañía 2 excede al de la compañía 1 en 5 minutos, utilice un nivel de significación de 5% y
asuma que las distribuciones de los tiempos son aproximadamente normales.
Solución:

Ha : 2 1 5
x 2 x1 d
suponer si las varianzas son iguales o diferentes, resultando que son diferentes: t 0
S 22 S12
n2 n1
n1 = 5 n2 = 7
x 1 = 97.4 x 2 = 110
S 12 = 78.8 2
S = 913.33
2
110 97 .4 5
t0 = 0.628
913 .33 78 .8
7 5

2
78 .8 913 .33
Paso 3 Valor Crítico: v 5 7 = 7.4, v se redondea al entero inmediato anterior,
2 2
78 .8 913 .33
5 7
4 6
por lo tanto v = 7, como es una prueba de una cola (derecha), se obtiene t ,v t 0.05,7 1.895
Paso 4 Como el estadístico de prueba, t o = 0.628 se encuentra dentro de la región de aceptación, la

Paso 5 Según la evidencia muestral, la duración promedio de las películas producidas por la
compañía 2 no excede al de la compañía 1 en 5 minutos

Seleccionar el boton Options
Seleccionar: Options...
Seleccionar: Alternative greater than
Seleccionar OK
Seleccionar OK

Capturar los datos de la Compañía 1 en las celdas A2:A6 y los datos de compañía 2 en las celdas
B2:B8
Prueba de diferencia de medias, suponiendo varianzas desiguales

Elija Prueba t para dos muestras suponiendo varianzas desiguales
De clic en Aceptar.
Paso 4. Cuando aparezca el cuadro de diálogo Prueba t para dos muestras
suponiendo varianzas desiguales.
De clic en Aceptar.
Two-Sample T-Test and CI: Compañia 2, Compañia 1

Two-sample T for Compañia 2 vs Compañia 1
Compañía 1 7 110.0 30.2 11
Compañía 2 5 97.40 8.88 4.0
Difference = mu Compañia 2 - mu Compañia 1
Estimate for difference: 12.6
95% lower bound for difference: -10.3

Variable 1 Variable 2
Media 110 97.4
Varianza 913.3333333 78.8
Observaciones 7 5
P(T<=t) una cola 0.274821452
P(T<=t) dos colas 0.549642903

Ejercicio 4.12
Un estudio en el Departamento de Zoología para determinar si existe una diferencia significativa en

la densidad de organismos en dos estaciones diferentes. Los siguientes datos das las mediciones de
densidad, en número de organismos por metro cuadrado, de las dos estaciones colectoras:
Cantidad de organismos por metro cuadrado

Estación 1 Estación 2
5030 4980 13700 2800 2810
11910 10730 8130 4670 1330
11400 26850 860 6890 3320
17660 2200 22800 7720 1230
4250 1130 15040 7030 2130
1690 7330 2190
¿Puede concluirse en el nivel de significación de 0.05, que las densidades promedio en las dos
estaciones son iguales?. Suponga que las observaciones vienen de poblaciones normales.
Solución:

Ha : 1 2 0
x 2 x1 d
suponer si las varianzas son iguales o diferentes, resultando que son diferentes: t 0
S 22 S12
n2 n1
n1 = 16 n 2 = 12
x 1 = 9897.5 x 2 = 4120.83
2
S = 62005060
1 S 22 = 6147935.6

9897 .5 4120 .83
t0 = 2.758
62005060 6147935 .6
16 12
2
62005060
6147935 .6
Paso 3 Valores Críticos: v 16 12 = 18.8, v se redondea al entero
2 2
62005060 6147935 .6
16 12
15 11
inmediato anterior, por lo tanto v = 18, como es una prueba de dos colas, se obtiene
t / 2,v t 0.025,18 2.101.


Paso 5 Según la evidencia muestral, las densidades promedio en las dos estaciones son diferentes.

Two-Sample T-Test and CI: Estación 1, Estación 2
Two-sample T for Estación 1 vs Estación 2
Estación 1 16 9898 7874 1969
Estación 2 12 4121 2480 716

Difference = mu Estación 1 - mu Estación 2
Estimate for difference: 5777
95% CI for difference: (1376, 10177)
T-Test of difference = 0 (vs not =): T-Value = 2.76 P-Value = 0.013 DF = 18

Estación 1 Estación 2
Media 9897.5 4120.833333
Varianza 62005060 6147935.606
Observaciones 16 12
P(T<=t) una cola 0.006260767
P(T<=t) dos colas 0.012521534

Prueba de hipótesis para d 1 2 en el caso de observaciones en pares.
Si d y S d son la media y la desviación estándar de las diferencias distribuidas normalmente de n

pares aleatorios de mediciones.
Las tres formas de una prueba hipótesis acerca de una diferencia de medias poblacionales son las
siguientes:

Hipótesis nula Ho : d d Ho : d d Ho : d d
Hipótesis alternativa Ha : d d Ha : d d Ha : d d
Donde d = diferencia entre las medias a probar.
El estadístico de prueba a usar es:

d d
t0
Sd
n
Ejercicio 4.13
Quince hombres adultos, cuyas edades fluctúan entre 35 y 50 años, participan en un estudio para
evaluar el efecto de la dieta y el ejercicio sobre los niveles de colesterol en la sangre. El colesterol
total fue medido al inicio en cada sujeto, y tres meses después de participar en un programa de
ejercicio aeróbico y de haber cambiado a una dieta baja en grasas. Los datos aparecen en la tabla
siguiente. ¿Estos datos apoyan la afirmación de que la dieta y el ejercicio aeróbico bajan los niveles
de colesterol en la sangre ?. Considere un nivel de significación de 5%.
Nivel de Colesterol en la sangre Diferencia d i

Sujeto Antes Después Después - Antes
1 265 229 -36
2 240 231 -9
3 258 250 -8
4 295 270 -25
5 251 248 -3
6 245 248 3
7 287 280 -7
8 314 300 -14
9 260 247 -13
10 279 269 -10
11 283 275 -8
12 240 225 -15
13 238 219 -19
14 225 226 1
15 247 240 -7

Solución:
Paso 1. Planteamiento de hipótesis: Ho : d 0

Ha : d 0
donde d despues antes
d d
Paso 2 Se usa el estadístico: t 0
Sd
n
La media y la desviación estándar de las diferencias son:

d = -11.3333
S d = 9.8971
11 .3333 0
El estadístico de prueba es: t0 4.435
9.8971
15
Paso 3 Valor Crítico: como es una prueba de una cola (izquierda), se obtiene t ,v t 0.05,14
-1.761
Paso 4 Como el estadístico de prueba, t o = -1.761 se encuentra dentro de la región de rechazo, la

Paso 5 Según la evidencia muestral, la dieta y el ejercicio aeróbico bajan los niveles de colesterol en
la sangre


Paso 3. Seleccionar Paired t
Introducir en First Sample: C2
Introducir en Second Sample: C1
Seleccionar: Alternative less than.
Seleccionar OK
Seleccionar OK
Capturar los datos de colesterol antes en las celdas A2:A16 y los datos de colesterol después en las
celdas B2:B16
Prueba de diferencia de medias, para datos en pares
Elija Prueba t para medias de dos muestras emparejadas.
De clic en Aceptar.
Paso 4. Cuando aparezca el cuadro de diálogo Prueba t para medias
de dos muestras emparejadas
De clic en Aceptar.
Paired T-Test and CI: Despues, Antes

Paired T for Despues - Antes
Después 15 250.47 23.70 6.12
Antes 15 261.80 24.96 6.45
Difference 15 -11.33 9.90 2.56
95% upper bound for mean difference: -6.83
T-Test of mean difference = 0 (vs < 0): T-Value = -4.44 P-Value = 0.000

Prueba t para medias de dos muestras emparejadas
Media 250.466667 261.8
Varianza 561.695238 623.171429
Observaciones 15 15
Coeficiente de correlación de Pearson 0.91856769
Estadístico t -4.43502215
P(T<=t) una cola 0.00028271
P(T<=t) dos colas 0.00056543
Ejercicio 4.14
Una compañía de taxis está tratando de decidir si el uso de neumáticos radiales en lugar de otros
comunes con cinturón mejora la economía del combustible. Se equiparon 12 automóviles con
neumáticos y recorrieron una trayectoria de prueba prescrita. Sin cambiar de conductores, se equipó
a los mismos vehículos con neumáticos regulares y de nuevo recorrieron el mismo trayecto. Se
registró el consumo de gasolina en kilómetros por litro, como sigue:
Kilómetros por litro

Diferencia d i
Automóvil Neumáticos Neumáticos
Radiales Normales Radiales - Normales
1 4.2 4.1 0.1
2 4.7 4.9 -0.2
3 6.6 6.2 0.4
4 7.0 6.9 0.1
5 6.7 6.8 -0.1
6 4.5 4.4 0.1
7 5.7 5.7 0
8 6.0 5.8 0.2
9 7.4 6.9 0.5
10 4.9 4.7 0.2
11 6.1 6.0 0.1
12 5.2 4.9 0.3
En el nivel de significación de 0.025 , ¿puede concluirse que los vehículos equipados con
neumáticos radiales dan una mejor economía de combustible que aquellos equipados con
neumáticos normales?. Suponga que las poblaciones están normalmente distribuidos.
Solución:
Paso 1. Planteamiento de hipótesis: Ho : d 0

Ha : d 0

donde d radialess normales
d d
Paso 2 Se usa el estadístico: t 0
Sd
n
La media y la desviación estándar de las diferencias son:

d = 0.14167
S d = 0.19752
0.14167 0
El estadístico de prueba es: t0 2.485
0.19752
12
Paso 3 Valor Crítico: como es una prueba de una cola (derecha), se obtiene t ,v t 0.025,11 2.201

Paso 5 Según la evidencia muestral, los vehículos equipados con neumáticos radiales dan una mejor
economía de combustible que aquellos equipados con neumáticos normales.

Paired T-Test and CI: Radiales, Normales

Paired T for Radiales - Normales
Radiales 12 5.750 1.053 0.304
Noramles 12 5.608 0.994 0.287
Difference 12 0.1417 0.1975 0.057
97.5% lower bound for mean difference: 0.0162
T-Test of mean difference = 0 (vs > 0): T-Value = 2.48 P-Value = 0.015
Prueba t para medias de dos muestras emparejadas

Media 5.75 5.60833333
Varianza 1.10818182 0.98810606
Observaciones 12 12
Coeficiente de correlación de Pearson 0.98300241
P(T<=t) una cola 0.01516475
P(T<=t) dos colas 0.03032951
4.7 Prueba de hipótesis para la proporción.
El análisis de datos que se emplea en la toma de decisiones en negocios a veces tiene proporciones
para describir aspectos tales como participación de mercado, composición de consumidores,
defectos de calidad, porcentaje de entregas a tiempo, acciones rentables entre otras. Es frecuente que
las encuestas de negocios produzcan información expresada en forma de proporción como lo es 0.45
de los negocios que ofrecen trabajo por hora o 0.88 de los negocios que tienen sitios Web.
El planteamiento de la hipótesis puede ser:

Hipótesis nula H o : p po H o : p po H o : p po
Hipótesis alternativa Ha : p po Ha : p po Ha : p po
Donde p o es el valor de la proporción a probar:

p p0
El estadístico de prueba a es: Z 0
p0 1 p0
n
Ejercicio 4.15
Un fabricante piensa que exactamente 8% de sus productos contienen al menos un defecto de menor
importancia. Suponga que un investigador de la compañía desea probar este dicho, para eso
selecciona al azar una muestra de 200 productos, inspecciona cada artículo que tiene defectos y
determina que 33 artículos tienen al menos una falla de menor importancia. Si el nivel de
significación es de 10%. Probar la hipótesis.
Solución:
Paso 1
H o : p = 8%
H a : p ≠ 8%
p p0
p0 1 p0
n
33
p 0.165
200
0.165 0.08
Z0 4.43
0.08 * 0.92
200
Paso 3 Valores Críticos: como es una prueba de dos colas, se obtiene Z /2 Z 0.05 1.645

Paso 5 Según la evidencia muestral, la proporción de artículos con al menos un defecto de menor
importancia no es igual a 8%, es mayor al 8%.

Prueba para la proporción
Paso 3. Seleccionar 1-Proportion
Seleccionar el boton Summarized data
Introducir Number of trials: 200
Introducir Number of successes: 33
Seleecionar el boton Options
Introducir Test proportion: 0.08
Seleccionar: Alternative not equal
Seleccionar Use test and interval based on normal distribution.
Seleccionar OK
Seleccionar OK
Test and CI for One Proportion

Test of p = 0.08 vs p not = 0.08
Sample X N Sample p 90.0% CI Z-Value p-value
1 33 200 0.165000 (0.121828, 0.208172) 4.43 0.000
Ejercicio 4.16
Una encuesta del mercado de bebidas matutinas muestra que para 17% los estadounidenses la
bebida básica para el desayuno es la leche. Una gran productora de leche en Wisconsin considera
que esta cantidad es más alta para Wisconsin. Para probar esta idea se comunica con una muestra
aleatoria de 550 residentes de Wisconsin y les pregunta cuál bebida básica consumieron en el
desayuno ese día. Suponga que 115 contestaron que la leche fue la bebida básica. Con el uso de un
nivel de significancia de 0.05, pruebe la idea de que la cifra para leche es mas alta para Wisconsin.
Solución:
Paso 1
H o : p ≤ 17%
H a : p > 17%

p p0
p0 1 p0
n
115
p 0.209
550
0.209 0.17
Z0 2.43
0.17 * 0.83
550
Paso 3 Valor Crítico: como es una prueba de una cola (derecha), se obtiene Z Z 0.05 1.645

Paso 6 Según la evidencia muestral, la proporción de los que consumen leche en el desayuno en
Wisconsin, es mayor que 17%.
Test and CI for One Proportion

Test of p = 0.17 vs p > 0.17
Sample X N Sample p 95.0% Lower Bound Z-Value p-value
1 115 550 0.209091 0.180569 2.44 0.007

4.8 Prueba de hipótesis para la diferencia de proporciones.
Con frecuencia en el mundo de los negocios surgen problemas que requieren de la comparación
entre dos proporciones de poblaciones diferentes: la proporción de defectos producidos por un
método, comparado con los producidos por un segundo método; o la proporción de deudas vencidas
en una empresa comparada con la de otra empresa.
Las tres formas de una prueba hipótesis acerca de una diferencia de proporciones poblacionales son
las siguientes:

Hipótesis nula H o : p1 p 2 d H o : p1 p 2 d H o : p1 p 2 d
Hipótesis alternativa H a : p1 p2 d H a : p1 p2 d H a : p1 p2 d
Donde d = diferencia entre las proporciones a probar.
El estadístico de prueba a usar es:
( pˆ 1 pˆ 2 ) d
Zo
pˆ1 pˆ 2
Cuando d ≠ 0
pˆ 1 (1 pˆ 1 ) pˆ 2 (1 pˆ 2 )
pˆ1 pˆ 2
n1 n2
Cuando d = 0
1 1
pˆ1 pˆ 2 pˆ (1 pˆ )
n1 n2
donde el número total de éxitos en la muestra combinada es ( y1 y2 ) y
y1 y2
pˆ 1 pˆ 2 pˆ
n1 n2
Ejercicio 4.17
En fechas recientes se han llevado a cabo campañas para impulsar a la gente que ahorre energía
compartiendo automóviles para ir al trabajo. Algunas ciudades han creado un incentivo para
compartir automóviles designando ciertos carriles de las autopistas como “exclusivos para
automóviles compartidos”. Con objeto de evaluar la efectividad de este plan, el personal de las
casetas de cobro en una ciudad vigiló 2000 automóviles seleccionados al azar antes del
establecimiento de los carriles exclusivos para automóviles compartidos y 1500 automóviles

después de establecerse dichos carriles. ¿Los datos indican que la fracción de automóviles con
pasajeros que comparten el transporte aumentó durante este período?. Utilice = 0.05.
Antes de establecer carriles de Después de establecer carriles

autos compartidos de autos compartidos
Tamaño de muestra 2000 1500
Pasajeros en autos compartidos 652 576
Solución:
Paso 1. Planteamiento de hipótesis: H o : p1 p2 0

H a : p1 p2 0
( pˆ1 pˆ 2 ) d1 1 1
Paso 2 Se usa el estadístico: Z o pˆ1 pˆ 2 pˆ (1 pˆ )
pˆ1 pˆ 2 n1 n2
X1 X2
pˆ1 pˆ 2 pˆ
n1 n2
Las proporciones muestrales son:
652 576
pˆ 1 0.326 pˆ 2 0.384
2000 1500
652 576
p̂ 0.351
2000 1500
0.326 0.384 0
Zo 3.56
1 1
(0.351)(0.649)
2000 1500
Paso 3 Valor Crítico: como es una prueba de una cola (izquierda), se obtiene Z Z 0.05 -1.645

Paso 4 Como el estadístico de prueba, Z o = -3.56 se encuentra dentro de la región de rechazo, la
Paso 5 Según la evidencia muestral, la proporción de automóviles con pasajeros que comparten el
transporte ha aumentado después de establecerse los carriles para automóviles compartidos.

Prueba para la diferencia de proporciones
Paso 3. Seleccionar 2-Proportions
Seleccionar el boton Summarized data:
Introducir en First sample: Trials: 2000
Introducir en First sample: Successes: 652
Introducir en Second sample: Trials: 1500
Introducir en Second sample: Successes: 576
Seleccionar el boton Options....
Introducir Test difference: 0
Seleccionar: Alternative less than
Seleccionar: Use pooled estimate of p for test
Seleccionar OK
Seleccionar OK
Test and CI for Two Proportions

Sample X N Sample p
1 652 2000 0.326000
2 576 1500 0.384000
Estimate for p(1) - p(2): -0.058
95% upper bound for p(1) - p(2): -0.0310948
Test for p(1) - p(2) = 0 (vs < 0): Z = -3.56 P-Value = 0.000
Ejercicio 4.18
Recientemente Jonson Manufacturing ha experimentado un incremento en el número de unidades

defectuosas. El supervisor de producción considera que el turno de la noche produce una proporción
más elevada de defectos que los del turno de día. Para comparar la proporción de defectos, se toma
una muestra de 500 unidades de la producción del turno de día y revela 14 defectos. Una muestra de
700 unidades del turno de la noche muestra 22 defectos. Si una proporción más grande de defectos
se origina en la producción nocturna, el supervisor pretende instituir un programa de capacitación
para que los trabajadores mejoren sus destrezas laborales. ¿A un nivel de significación de 1%,
debería implementarse el programa?.

Solución:
Paso 1. Planteamiento de hipótesis: H o : pN pD 0

H a : pN pD 0
Paso 2 Se usa el estadístico Z:
Las proporciones muestrales son:

14 22
pˆ D 0.028 pˆ N 0.0314
500 700
14 22
p̂ 0.03
500 700
0.0314 0.028 0
Zo 0.34
1 1
(0.03)(0.97)
500 700
Paso 3 Valor Crítico: como es una prueba de una cola (derecha), se obtiene Z Z 0.01 2.33
Paso 4 Como el estadístico de prueba, Z o = 0.34 se encuentra dentro de la región de aceptación, la

Paso 5 Según la evidencia muestral, la tasa de defectos de los trabajadores del turno de la noche no
es mayor que la del turno de día. No debe instituirse el programa de capacitación.

Test and CI for Two Proportions

Sample X N Sample p
1 22 700 0.031429
2 14 500 0.028000
Estimate for p(1) - p(2): 0.00342857
99% lower bound for p(1) - p(2): -0.0195916
Test for p(1) - p(2) = 0 (vs > 0): Z = 0.34 P-Value = 0.366
4.9 Prueba de hipótesis para la varianza.
A veces un investigador necesita probar hipótesis sobre una varianza poblacional. Por ejemplo en el
área de control estadístico de calidad, los fabricantes tratan de producir equipo y piezas que sean
consistentes en sus medidas. Suponga que una compañía produce alambre industrial que está
especificado para tener un grosor particular. Debido al proceso de producción, el grosor del alambre
varia ligeramente de un extremo al otro. Al realizar pruebas de hipótesis para la varianza de las
mediciones de grosor, el personal de control de calidad puede vigilar variaciones en el proceso que
sean demasiado grandes.
Las tres formas de una prueba hipótesis acerca de una varianza poblacional son las siguientes:

Hipótesis nula Ho : 2 2
o Ho : 2 2
o Ho : 2 o
2
Hipótesis alternativa Ha : 2 2
o Ha : 2 2
o Ha : 2 2
o
2
Donde o es el valor de la varianza a probar:
2 (n 1) S 2
El estadístico de prueba a es: o 2
o
Ejercicio 4.19
Un pequeño negocio tiene 37 empleados. Debido a la incierta demanda de su producto, la compañía

suele pagar tiempo extra en cualquier semana dada. La compañía supuso que se requieren unas 50
hors en total de tiempo extra y que la varianza sobre esta figura es de alrededor de 25. Los directores
de la compañía desean saber si ha cambiado la varianza de horas de tiempo extra. A continuación se
da una muestra de 16 semanas de datos de tiempo extra (en horas por semana). Suponga que las
horas de tiempo extra están normalmente distribuidas. Utilice estos datos para probar la hipótesis
nula de que la varianza de tiempo extra es de 25. Sea = 0.10.
57 56 52 44 46 53 44 44 48 51 55 48 63 53 51 50

Solución:
Paso 1
2
Ho : = 25
2
Ha : ≠ 25
2 (n 1) S 2
Paso 2 Se usa el estadístico: o 2
o
La varianza muestral es: S 2 = 28.063

2 15 * 28.063
El estadístico de prueba es: o 16.84
25
Paso 3 Valores Críticos: como es una prueba de dos colas, se obtiene el valor crítico del extremo
2 2 2 2
derecho / 2 ,v 0.05,15 25 y el valor crítico del extremo izquierdo 1 / 2 ,v 0.95,15 7.26
Paso 4 Como el estadístico de prueba, o2 16 .84 se encuentra dentro de la región de aceptación, la

Paso 5 Según la evidencia muestral, la varianza de horas de tiempo extra es igual a 25.
Prueba para la varianza de una población

Paso 1. Introducir en las celdas A2:A17, los 16 datos de tiempo extra
Paso 2. Teclee 25 en la celda C2
Paso 3. Calcule el tamaño de la muestra en la celda C5, con la función:
=CONTAR(A2:A17)
Paso 4. Calcule la varianza muestral en la celda C6, con la función:

=VAR(A2:A17)
Paso 5. Calcule es estadístico de prueba en la celda C7 con la expresión:
=(C5-1)*C6/C2
Paso 6. Calcule el valor p en la celda C8 con la función:
=DISTR.CHI(C7,C5-1)
Figura 4.44 Salida Excel para el ejercicio 4.19
A B C
1 Tiempo Prueba de Hipótesis
2 57 Prueba de varianza 25
3 56
4 52 Resultados de la muestra:
5 44 Tamaño de la muestra 16
6 46 Varianza muestra 28.0625
. . Estadístico de prueba 16.8375
. . Valor p 0.328671
. .
15 53
16 51
17 50
El valor de p= 0.328671 calculado con Excel, se puede escribir P( o2 16 .8375 ) = 0.328671, se

puede apreciar en la figura 4.44 que esta probabilidad es mayor que el 5% en la cola derecha, por lo
tanto la hipótesis nula no se rechaza.
Ejercicio 4.20
Una compañía manufacturera produce cojinetes. Una línea de cojinetes está especificada para medir
1.64 cm. de diámetro. Un cliente importante exige que la varianza de los cojinetes sea de no más de
0.001 cm2. Se pide al productor probar los cojinetes antes que sean embarcados, y por ello los
diámetros de 16 cojinetes se miden con un instrumento preciso, resultando en los valores que
aparecen a continuación. Suponga que los diámetros de los cojinetes están normalmente
distribuidos. Utilice los datos y = 0.01 para probar la hipótesis para determinar si la población de
estos cojinetes debe ser rechazada por tener una varianza demasiado alta.
1.69 1.62 1.63 1.70 1.66 1.63 1.65 1.71

1.64 1.69 1.57 1.64 1.59 1.66 1.63 1.65
Solución:
Paso 1
2
Ho : ≤ 0.001
2
Ha : > 0.001

2 (n 1) S 2
Paso 2 Se usa el estadístico: o 2
o
La varianza muestral es: S 2 = 0.00145

2 15 * 0.00145
El estadístico de prueba es: o 21.75
0.001
Paso 3 Valor Crítico: como es una prueba de una cola, se obtiene el valor crítico del extremo
2 2
derecho / 2 ,v 0.01,15 30.58
Paso 4 Como el estadístico de prueba, o2 21 .75 se encuentra dentro de la región de aceptación,

la conclusión estadística de la prueba es no rechazar la hipótesis nula.
Paso 5 Según la evidencia muestral, la varianza de diámetros de los cojinetes no es demasiado alta.
4.10 Prueba de hipótesis para la relación de varianzas.
A veces estamos interesados probar hipótesis acerca de la diferencia entre dos varianzas
poblacionales. En control de calidad, los analistas examinan una medida de tendencia central (media
o proporción) y una medida de variabilidad. Suponga que una planta fabricó dos lotes de un artículo,
artículos producidos en dos máquinas diferentes o producidos en dos turnos diferentes. Podría ser de
interés para la administración comparar las varianzas entre dos lotes o dos máquinas para determinar
si hay más variabilidad en una que en otra.
Al probar hipótesis sobre dos varianzas poblacionales, se usan varianzas de la muestra. Tiene
sentido que si dos muestras provienen de la misma población (o poblaciones con varianzas iguales),
la razón entre las varianzas de la muestra S12 / S 22 debería ser alrededor de uno. No obstante debido
al error de muestreo, algunas varianzas van a variar. Esta razón entre dos varianzas de la muestra
formula lo que se llama valor F.

Las tres formas de una prueba hipótesis acerca de una relación de varianzas poblacionales son las
siguientes:
Hipótesis nula Hipótesis alternativa Estadístico de prueba Se rechaza H o si
2 2 2 2
S M2 F0 F , vM , vm
1 2 1 2
F0
S m2 2
S12
2
1 ≤ 2
2
2
1
2
2
F0 F0 F , v1 , v 2
S 22
S 22
2
1 ≥ 2
2
2
1
2
2
F0 F0 F , v 2 , v1
S12
Donde:
S M2 = varianza de la muestra que tiene el mayor valor
S m2 = varianza de la muestra que tiene el mayor menor
v M = grados de libertad que corresponde a la muestra que arrojó mayor varianza
v m = grados de libertad que corresponde a la muestra que arrojó menor varianza
Ejercicio 4.21
Se recolectaron datos de muestra en un estudio de suplementos de calcio y sus efectos sobre la
presión arterial. Un grupo de placebo y un grupo de calcio iniciaron el estudio con mediciones de
presión arterial. En el nivel de significación de 0.10, pruebe la aseveración de que los dos grupos de
muestra provienen de poblaciones con la misma desviación estándar. Si el experimento requiere
grupos con desviaciones estándar iguales, ¿son aceptables estos grupos?
Placebo
124.6 104.8 96.5 116.3 106.1 128.8 107.2 123.1 118.1 108.5 120.4 122.5 113.6
Calcio
129.1 123.4 102.7 118.1 114.7 120.9 104.4 116.3
109.6 127.7 108.0 124.3 106.6 121.4 113.2
Solución:
Ha : 1 2
Paso 2 Se usa el estadístico F:
Las varianzas muestrales son: S M2 = 89.493 y S m2 = 71.722

Los grados de libertad son: v M = 13 – 1 = 12 y v m = 15 – 1 = 14

S M2 89.493
F0 1.248
S m2 71.722
Paso 3 Valores Críticos: como es una prueba de dos colas, pero interesa únicamente la cola derecha
se obtiene F , v M , v m F0.05,12,14 = 2.53
2
Paso 4 Como el estadístico de prueba, F0 = 1.248 se encuentra dentro de la región de aceptación, la

Paso 5 Según la evidencia muestral, los dos grupos de muestra provienen de poblaciones con la
misma desviación estándar. Por lo tanto, son aceptables estos grupos.

Paso 3. Seleccionar 2-Variances
Seleccionar OK
Seleccionar OK

Capturar los datos de Placebo en las celdas A2:A14 y los datos de Calcio en las celdas B2:B16
Prueba F para varianzas de dos muestras

Elija Prueba F para varianzas de dos muestras.
De clic en Aceptar.
Paso 4. Cuando aparezca el cuadro de diálogo Prueba F para
varianzas de dos muestras:
Teclee 0.10 en el cuadro Alfa
Seleccione Rango de Salida y teclee D5 en el cuadro
De clic en Aceptar.
Test for Equal Variances: Placebo vs Calcio

Level1 Placebo
Level2 Calcio
ConfLvl 90.0000
Bonferroni confidence intervals for standard deviations
Lower Sigma Upper N Factor Levels
6.78367 9.46006 15.6160 13 Placebo
6.20030 8.46889 13.3563 15 Calcio
F-Test (normal distribution)
Test Statistic: 1.248
P-Value 0.685

Media 114.6538462 116.0266667
Varianza 89.49269231 71.72209524
Observaciones 13 15
Grados de libertad 12 14
F 1.247770189
P(F<=f) una cola 0.342587854
Valor crítico para F (una cola) 2.053713644
El resultado P(F<=f) = 0.3426 es el área unilateral asociada con el estadístico de prueba F =

1.24777. Por tanto el valor p bilateral es 2(0.3426) = 0.6852.

Ejercicio 4.22
La varianza en un proceso de producción es un indicador importante de la calidad del mismo. Una

varianza grande indica, con frecuencia, que hay oportunidades de mejorar el proceso, determinando
maneras de reducir la variabilidad del producto. Los datos que muestran el peso en gramos de
bolsitas de té preparadas con dos máquinas se ven en la tabla de abajo. Realice una prueba
estadística para determinar si hay una diferencia significativa entre las varianzas de pesos de bolsitas
obtenidas con las dos máquinas. Use un nivel de significancia de 0.05. ¿Cuál es su conclusión?
¿Cuál máquina, si es que la hay, ofrece las mayores oportunidades de mejora de la calidad?
Máquina 1
2.95 3.45 3.50 3.75 3.48 3.26 3.33 3.20 3.16 3.20 3.22 3.38 3.90
3.36 3.25 3.28 3.20 3.22 2.98 3.45 3.70 3.34 3.18 3.35 3.12
Máquina 2
3.22 3.30 3.34 3.28 3.29 3.25 3.30 3.27 3.38 3.34 3.35 3.19 3.35
3.05 3.36 3.28 3.30 3.28 3.30 3.20 3.16 3.33
Solución:
2 2
2 2
Ha : 1 2
Paso 2 Se usa el estadístico F:
Las varianzas muestrales son: S M2 = 0.048889 y S m2 = 0.0059013

Los grados de libertad son: v M = 25 – 1 = 24 y v m = 22 – 1 = 21
S M2 0.048889
F0 2
8.28
S m 0.0059013
Paso 3 Valores Críticos: como es una prueba de dos colas, pero interesa únicamente la cola derecha
se obtiene F , v M , v m F0.025, 24 , 21 = 2.37
2

Paso 4 Como el estadístico de prueba, F0 = 8.28 se encuentra dentro de la región de rechazo, la
Paso 5 Según la evidencia muestral, los dos grupos de muestra provienen de poblaciones con
varianza diferente. Por lo tanto, la máquina 1 ofrece las mayores oportunidades de mejora de la
calidad.
Estadística con Excel y Minitab.
Test for Equal Variances: Máquina 1 vs Máquina 2

Level1 Máquina 1
Level2 Máquina 2
ConfLvl 95.0000
Bonferroni confidence intervals for standard deviations
Lower Sigma Upper N Factor Levels
0.166897 0.221109 0.323646 25 Máquina 1
0.057022 0.076820 0.116025 22 Máquina 2
F-Test (normal distribution)
Test Statistic: 8.284
P-Value 0.000

Media 3.3284 3.27818182
Varianza 0.048889 0.0059013
Observaciones 25 22
Grados de libertad 24 21
F 8.28444762
P(F<=f) una cola 3.6108E-06
Valor crítico para F (una cola) 2.05400497

PROBLEMAS PROPUESTOS DE PRUEBA DE HIPÓTESIS
1. Un nuevo programa de dieta se anuncia diciendo que los participantes perderán en promedio,
cuando menos 8 kg. durante la primer semana del programa. Una muestra aleatoria de 40
participantes dió como resultado una perdida promedio de 7 kg., con una desviación estándar de la
muestra de 3.2 kg. Con = 0.05 ¿Cuál es la conclusión sobre lo que dice el anuncio?
2. La familia de Tuxtla gasta en promedio $90 diarios. Suponer que una muestra de 25 familias tiene
un promedio diario de $84.5 de gastos con desviación estándar de $14.5. Probar la hipótesis nula de
que es igual a $90, contra la alternativa de que es diferente de $90. A un nivel de significación de
1%. ¿Cuál es la conclusión?
3. Una muestra de 16 estudiantes tomadas de un área de una ciudad tienen coeficiente intelectual
(C.I.) de 110, con una desviación estándar de 10, mientras que una muestra de 16 estudiantes de otra
área de la ciudad tienen C.I. medio de 105 con desviación estándar de 8. Probar la hipótesis de que
las medias de las poblaciones correspondientes son iguales, contra la hipótesis de que son diferentes.
Suponer que las varianzas son iguales. = 5%.
4. Se diseña una línea de producción suponiendo que la diferencia entre la media de los tiempos de
ensamble entre dos operaciones es de cuando mucho 3 minutos. En pruebas independientes para las
dos operaciones se obtuvieron los siguientes resultados:
OPERACIÓN A: n = 25 media = 14.8 min. S = 1.2 min.
OPERACIÓN B: n = 20 media = 10.4 min. S = 0.8 min.
Con = 2% probar la hipótesis indicando la conclusión.
NOTA: Probar si las varianzas son iguales o diferentes.
5. Se debe maquinar determinada parte con tolerancias muy estrechas, para que los clientes la
puedan aceptar. Las especificaciones del producto piden que la varianza máxima de las longitudes
de las partes sea 0.0004. Suponga que con 30 partes, la varianza de la muestra resultó ser 0.0005.
Pruebe con = 0.05 si se ha violado la especificación de varianza de población.
6. Se requiere que la resistencia al rompimiento de una fibra utilizada en la fabricación de ropa no

sea menor que 160 psi. La experiencia pasada indica que la desviación estándar de la resistencia al
rompimiento es de 3 psi. Se prueba una muestra aleatoria de 4 especímenes y se encuentra que la
resistencia promedio al rompimiento es 158 psi. ¿Debe considerarse aceptable la fibra con = 5%.
7. Se afirma que las mediciones de resistencia a la tensión de una varilla de acero de 12 mm.
Deberían en promedio ser por lo menos de 8 unidades ( N / mm 2 ) mayores que las correspondientes
a una varilla con diámetro de 10 mm. Las muestras independientes, cada una para los dos tamaños
de varillas, dieron los resultados siguientes:
Varilla de 10 mm. n1 = 20 x 1 = 545 S 1 = 24
Varilla de 12 mm. n 2 = 25 x 2 = 555 S 2 = 18
¿ Se justifica la afirmación con el nivel de significación de 5%?

8. Un fabricante de cigarros afirma que sus cigarros no contienen más de 25 mg. de nicotina. Una
muestra de 16 cigarros tuvo una media de 26.4 mg. y una desviación estándar de 2 mg. ¿
Proporcionan los datos suficiente evidencia para refutar la afirmación del fabricante con = 10%?
9. Las tensiones de ruptura de los cables fabricados por una empresa tienen media de 1800 lb. y una
desviación estándar de 100 lb. Se desea comprobar si un nuevo proceso de fabricación aumenta
dicha tensión media. Para ello se toma una muestra de 50 cables y se encuentra que su tensión media
de ruptura es 1850 lb. ¿ Se puede afirmar la mejoría del nuevo proceso al nivel de significación de
1%?.
10. Supóngase que se desea investigar si en promedio el sueldo del hombre excede en más de $18
por mes, al de la mujer en cierta empresa. Si los datos revelan que 25 hombres ganan en promedio
x 1 = $285 por mes con una desviación estándar de S 1 = $15, mientras que 25 mujeres perciben en
promedio x 2 = $254.5 por mes con una desviación estándar de S 2 = $18. ¿ Qué puede concluirse
con un nivel de significación de 1%?
11. Los neumáticos nuevos fabricados por una empresa deben durar en promedio, cuando menos
28000 km.. Las pruebas con 30 neumáticos dan como resultados de la muestra 27500 km de
duración, con una desviación estándar de 1000 km.. Si usa un nivel de significación de 0.05, si hay
evidencia suficiente para rechazar la aseveración de la media mínima de 28000 km. ¿Cuál es el valor
p?
12. Decoración Joan se especializa en arreglos de jardines resindenciales. El costo estimado de

mano de obra en determinada oferta de decoración se basa en la cantidad de árboles, arbustos, etc.
que se plantan en el proyecto. Para fines de estimación de costos, los gerentes dos horas de mano de
obra para plantar un árbol mediano. Los tiempos reales en horas para una muestra de 10 árboles
durante el mes pasado son los siguientes:
1.9 1.7 2.8 2.4 2.6 2.5 2.8 3.2 1.6 2.5
Con un nivel de significación de 5%, pruebe si la media del tiempo de plantación de árboles es
mayor de 2 horas. ¿ Cuál es su conclusión y cuáles sus recomendaciones a los gerentes?
13. El gerente de almacenes modernos supone que la media del ingreso anual de sus clientes de
tarjeta de crédito es cuando menos de $28000. En una muestra de 58 tarjetahabientes se determina
una media de $27200 y una desviación estándar de $3000. Al nivel de significación de 0.05, ¿debe
rechazarse esta hipótesis?
14. Un proceso de fabricación de jabón de tocador debe producir un promedio de 120 barras por
lote. No se desea tener cantidades mayores ni menores que el estándar. Una muestra de 10 lotes dio
como resultado las siguientes cantidades de barras de jabón.
108 118 120 122 119 113 124 122 120 123
Con un nivel de significación de 0.05 pruebe si los resultados de esta muestra indican que el proceso
de manufactura está trabajando en forma correcta.
15. Se necesita que la resistencia media de cierto tipo de fibras sea de por lo menos 200 psi. La
experiencia indica que la desviación estándar de la resistencia es 5 psi. Si en una muestra de 8
pedazos de fibra se encontró que se rompieron bajo las siguientes presiones: 210, 195, 198, 202,

197, 196, 199 y 196. ¿Concluiría con un nivel de significación de 5%, que la fibra es
inaceptable?.
16. El productor de una nueva llanta de fibra de vidrio manifiesta, que la vida promedio de estas
llantas es de por lo menos 40000 kilómetros. Para verificarlo se prueba una muestra de 12 llantas. Se
obtuvieron los siguientes tiempos de vida (en miles de kilómetros): 36.1 40.2 33.8 38.5 42 35.8
37 41 36.8 37.2 33 36. Pruebe lo que manifiesta el productor con un nivel de significación de 5%.
17. Bienes raíces unión dice en sus anuncios que la media del tiempo para la venta de una casa
residencial es de 40 días o menos. Una muestra de 60 casas vendidas recientemente indica una
media del tiempo de venta de 44 días y una desviación estándar de 7 días. Con 4% de nivel de
significación, probar la validez de la afirmación de la empresa.
18. En la universidad Westen la media histórica de calificación de los alumnos que ingresan ha sido
de 900, con una desviación estándar de 180. Cada año se toma una muestra de las solicitudes para
ver si se conserva el mismo nivel de calificaciones que en años anteriores. La hipótesis nula que se
prueba es: Ho: μ= 900. Una muestra de 200 alumnos que ingresaron este año da como resultado una
calificación promedio de 935. Use un nivel de significancia de 0.05.
a).- Con un intervalo de confianza, lleve a cabo una prueba de la hipótesis.
b).- Use estadístico de prueba para probar esta hipótesis.
c).- ¿Cuál es el valor de p para esta prueba?
19. En febrero de 1995, la media del costo de viaje redondo en avión, con descuento, era de $258
dólares. En una muestra aleatoria de 15 boletos de viaje redondo con descuento durante el mes de
marzo se obtuvieron los siguientes datos.
310 260 255 300 310 230 250 265 280 290 240 285 250 260
Usando = 0.05, pruebe si el costo promedio del viaje redondo con descuento ha aumentado en
marzo. ¿Cuál es su conclusión?
¿Cuál es el valor de p?
20. Las mujeres sindicalizadas ganan $2.50 dólares por hora más que las que no están
sindicalizadas. Suponga que se toman muestras aleatorias independientes de 15 mujeres
sindicalizadas y 20 no sindicalizadas, y que se obtuvieron los siguientes salarios por hora.
Mujeres sindicalizadas.
22.40 18.90 16.70 14.05 16.20 20.00 16.10 16.30 19.10
16.50 18.50 19.80 17.00 14.30 17.20
Mujeres no sindicalizadas.
17.60 14.40 16.60 15.00 17.65 15.00 17.55 13.30 11.20 15.90
19.20 11.85 16.65 15.20 15.30 17.00 15.10 14.30 13.90 14.50
a).-Deseamos determinar un estimado de intervalo por la diferencia de las medias de los salarios de
mujeres sindicalizadas. ¿Qué hipótesis debemos de hacer acerca de las dos poblaciones?
b).- ¿Parece haber alguna diferencia en la media del salario entre estos dos grupos? Explique su
respuesta.

21. Los sueldos anuales para quienes comienzan la profesión de contador público y planeador
financiero aparecieron en Fortune, 26 de junio de 1995. A continuación vemos los sueldos en una
muestra de 12 contadores públicos y los de 14 planeadores financieros. Los datos están en miles de
dólares.
Contador: 30.6 31.2 28.9 35.2 25.1 33.2 31.3 35.3 31 30.1 29.9 24.4
Planeador financiero: 31.6 26.6 25.5 25 25.9 32.9 26.9 25.8 27.5 29.6 23.9 26.9 24.4 25.5
Use = 0.05, y pruebe si hay diferencia entre la media de los sueldos iniciales en las dos
profesiones. ¿Cuál es la conclusión?
22. Se llevó a cabo una encuesta entre los miembros del Club del Libro del Mes, para determinar si
pasan más tiempo viendo televisión que leyendo. Suponga que una muestra de 15 encuestados se
obtuvieron las horas semanales que se dedican a ver televisión y las que se dedican a la lectura, estas
se muestran en la tabla adjunta. Con un nivel de significado de 0.05, ¿Se puede llegar a la
conclusión que los miembros del Club del Libro del Mes pasan más tiempo, en promedio, viendo
televisión que leyendo?
Encuestados: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Televisión: 10 14 16 18 15 14 10 12 4 8 16 5 8 19 11
Leyendo: 16 8 10 10 8 14 14 7 8 5 10 3 10 6 10
23. Un fabricante de semiconductores produce controladores que se emplean en aplicaciones de

motores automovilísticos. El cliente requiere que la fracción de controladores defectuosos en uno de
los pasos de manufactura críticos no sea mayor que 0.05, y que el fabricante demuestre esta
característica del proceso de fabricación con este nivel de calidad, utilizando = 0.05. El fabricante
de semiconductores toma una muestra aleatoria de 200 dispositivos y encuentra que cuatro de ellos
son defectuosos. ¿El fabricante puede demostrar al cliente la calidad del proceso?
24. Se evalúan dos tipos diferentes de soluciones para pulir, para su posible uso en una operación de
pulido en la fabricación de lentes intraoculares utilizados en el ojo humano después de una cirugía
de cataratas. Se pulen 300 lentes con la primera solución y, de éstos, 253 no presentaron defectos
inducidos por el pulido. Después se pulen otros 300 lentes con la segunda solución, de los cuales
196 resultan satisfactorios. ¿Existe alguna razón para creer que las dos soluciones para pulir son
diferentes? Utilícese = 0.01.
25. En un programa de capacitación industrial, algunos aprendices son instruidos con el método A y
algunos son capacitados con el método B, las calificaciones obtenidas en una prueba son:
Muestra del Método A: 71, 75, 65, 69, 73, 66, 68, 71, 74, 68
Muestra del Método B: 72, 77, 84, 78, 69, 70, 77, 73, 65, 75, 85, 82
Usar un nivel de significación de 5% para probar la afirmación de que el método B es más eficaz.
26.Los siguientes datos en libras, que se seleccionaron al azar de una población normalmente
distribuida de valores representan medidas de una pieza hecha en una máquina que se supone pesa,
en promedio 8.3 libras.
8.1 8.4 8.3 8.2 8.5 8.6 8.4 8.3 8.4 8.2 8.8 8.2 8.2 8.3 8.1 8.3 8.4 8.5 8.5 8.7
Utilice estos datos y = 0.01 para probar la hipótesis de que las piezas promedian 8.3 libras.

27. Unos investigadores desean saber a que temperatura mantienen los propietarios sus casas en
enero y cómo se comparan los resultados de Wisconsin y Tennessee. Los investigadores llaman al
azar a 23 familias de Wisconsin y 19 de Tennessee, obteniendo los siguientes resultados.
Wisconsin: 71 71 65 68 70 61 67 69 75 68 71 73 74 68 67 69 69 72 67 72 70 73 72
Tennessee: 73 75 74 71 74 73 74 70 72 71 69 72 74 73 70 72 69 70 67
Para = 2%, ¿la temperatura promedio de una casa en Tennessee es significativamente más alta que
la de una casa en Wisconsin.?
NOTA: Probar primero si las varianzas son estadísticamente iguales.
28. Un restaurante de comida rápida planea una oferta especial que permita a los clientes comprar
vasos de diseño especial. Si más del 15% de los clientes compran esos vasos, se implantará la
promoción. En una prueba preliminar en varios locales, 88 de 500 clientes los compraron. ¿se debe
implantar la promoción especial? Lleve a cabo una prueba de hipótesis que apoye la decisión con =
1%.
29. Suponga que durante años la media de la población 1 ha sido aceptada como igual a la media de
la población 2, pero ahora se piensa que la población 1 tiene mayor media que la población 2. Con
alfa=0.05 y suponiendo que ambas poblaciones tienen un comportamiento normal, use los datos para
probar esta idea.
Muestra 1: 43.6 44.0 45.2 40.8 48.3 45.7 49.1 45.6 46.5 50.0 40.0 46.0
Muestra 2: 40.1 41.2 43.1 39.5 41.0 39.4 42.3 38.8 41.2 40.2
NOTA: Probar primeramente si las varianzas son iguales o diferentes.
30. Un ingeniero que trabaja para un fabricante de llantas investiga la duración promedio de un
compuesto nuevo de caucho. Para ello construye 16 llantas y las prueba en una carretera hasta
alcanzar el fin de la vida útil de éstas. Los datos en km. Obtenidos son los siguientes: 6061, 5978,
6054, 6994, 5983, 6022, 6025, 6013, 5955, 6031, 6000, 6022, 6025, 5004, 5999 y 6052.
El ingeniero le gustaría demostrar que la vida útil promedio de la nueva llanta excede los 6000 km
con un nivel de significancia de 15%. Calcula el valor de p.
31. Se sugirió un nuevo método de entrenamiento y se llevó a cabo una prueba para comparar el
método nuevo con el estándar. Dos grupos de diez empleados nuevos se entrenaron durante un
periodo de 3 semanas, obteniéndose los siguientes resultados:
Procedimiento estándar: 32 37 35 28 41 44 35 31 34 y 40
Procedimiento nuevo: 35 31 29 25 34 40 27 32 31 y 30
¿Presentan los datos suficiente evidencia que indique que el tiempo medio de ensamble es menor
con el procedimiento nuevo? Use α = 0.10.
NOTA: Probar primeramente si las varianzas son iguales o diferentes.
32. Se sabe que en el pasado, la captura promedio de langostas en cada trampa colocada en una
región del caribe ha sido de 30.31 kg. Una muestra de 20 trampas colocadas recientemente dio los
siguientes resultados: 17.4 18.9 39.6 34.4 19.6 33.7 37.2 43.4 41.7 27.5 24.1 39.6 12.2 25.5
22.1 29.3 21.1 23.8 43.2 y 24.4. ¿ Presentan estos datos suficiente evidencia a favor de la
afirmación de que la captura promedio por trampa ha disminuido? Use α = 0.01

Apuntes Unidad 4

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

Apuntes Unidad 4

Cargado por

Copyright:

Formatos disponibles

UNIDAD IV Prueba de Hipótesis

La proposición H o : = 325, se conoce como hipótesis nula, mientras que la proposición H a :

Figura 4.1 Prueba de hipótesis alternativa bilateral

Ing. Jorge Antonio Mijangos López 107

Figura 4.2 Prueba de hipótesis alternativa unilateral (cola derecha)

Figura 4.3 Prueba de hipótesis alternativa unilateral (cola izquierda)

Ing. Jorge Antonio Mijangos López 108

La hipótesis nula, representada por H o , es la afirmación sobre una o más características de

La hipótesis alternativa, representada por H a , es la afirmación contradictoria a H o , y ésta es la

En muchos casos no es obvia la elección de H o y H a y se necesita criterio para seleccionar la

PASOS A SEGUIR EN UNA PRUEBA DE HIPOTESIS

1. Identificar la aseveración o hipótesis específica que se probará y expresarla en forma

Ing. Jorge Antonio Mijangos López 109

4.2 Errores tipo I y tipo II

Aceptar H o Error de tipo II

Ing. Jorge Antonio Mijangos López 110

En la práctica la persona que efectúa la prueba de hipótesis especifica la máxima probabilidad

α = probabilidad de cometer error tipo I

Probabilidad de cometer error tipo II.

Ing. Jorge Antonio Mijangos López 111

El valor de Z da un área de 0.3023. La probabilidad de cometer un error tipo II es toda el área a la

Figura 4.4 Error tipo II para el ejemplo de = 12 onzas, cuando 1= 11.99

Ing. Jorge Antonio Mijangos López 112

La probabilidad de que Z ≥ 1.47 es 0.0708. Entonces la probabilidad de cometer un error tipo II es

Figura 4.5 Error tipo II para el ejemplo de = 12 onzas, cuando 1 = 11.96

4.3 Potencia de la prueba.

Media alternativa Probabilidad de cometer un Potencia

Ing. Jorge Antonio Mijangos López 113

Figura 4.6 Curva característica de operación para el ejemplo de gaseosas

Figura 4.7 Curva de potencia para el ejemplo de gaseosas

4.4 Formulación de hipótesis estadística. Se incluye en el punto 4.1 de Introducción.

Ing. Jorge Antonio Mijangos López 114

Dos colas Cola Derecha Cola Izquierda

Donde o es el valor de la media a probar.

Seguiremos los pasos mencionados en la introducción:

Ing. Jorge Antonio Mijangos López 115

Uso del método del valor de p (probabilidad) para probar hipótesis.

Del ejercicio anterior el valor p se calcula de la forma siguiente:

p = P ( Z ≥ 2.75) = 0.5 – 0.49702 = 0.00298

Ing. Jorge Antonio Mijangos López 116

Uso del método del valor crítico para probar hipótesis.

Se obtiene los valores críticos de la forma siguiente:

Ing. Jorge Antonio Mijangos López 117

Ing. Jorge Antonio Mijangos López 118

Figura 4.11 Región de rechazo y aceptación para el ejercicio 4.2

Paso 6 Como el estadístico de prueba, Z 0 = -1.42, se encuentra en la región de aceptación, la

Estadística con Minitab.

Ing. Jorge Antonio Mijangos López 119

Prueba de hipótesis para la media poblacional con el uso del estadístico t.

Ing. Jorge Antonio Mijangos López 120

Figura 4.13 Región de rechazo y aceptación para el ejercicio 4.3

Paso 6 Como el estadístico de prueba, t 0 = 1.04 y se encuentra dentro de la región de aceptación, la

Estadística con Minitab.

Figura 4.14 Salida Minitab para el ejercicio 4.3

Ing. Jorge Antonio Mijangos López 121

498 .78 471

Figura 4.15 Región de rechazo y aceptación para el ejercicio 4.4

Ing. Jorge Antonio Mijangos López 122

Figura 4.16 Salida Minitab para el ejercicio 4.4

Ing. Jorge Antonio Mijangos López 123

Figura 4.17 Región de rechazo y aceptación para el ejercicio 4.5

Paso 6 Como el estadístico de prueba, t 0 = 1.96 y se encuentra dentro de la región de aceptación, la

Estadística con Minitab