UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO

FACULTAD DE CIENCIAS
ESTADÍSTICA PARAMÉTRICA Segundo Parcial

PRUEBAS DE HIPÓTESIS (APLICACIONES)

Consideraremos las siguientes pruebas de hipótesis:

H0 : θ = θ 0 H0 : θ = θ0 H0 : θ = θ0
H1 : θ 6= θ0 H1 : θ < θ0 H0 : θ > θ0
Prueba de dos colas Prueba de una cola Prueba de una cola

Región Crítica Región Crítica Región Crítica Región Crítica

α
2
α
2
α α

Se acostumbrá bosquejar las pruebas de hipótesis mediante los siguientes pasos:

1. Formular H0 y H1 , y especificar α.

2. Determinar una región crı́tica de tamaño α usando la distribución muestral de una es-
tadı́stica de pureba apropiada.

3. Obtener el valor de la estadı́stica de prueba a partir de los datos muestrales.

4. Comprobar si el valor de la estadı́stica de pureba cae en la región crı́tica, y con base en

ello, rechazar H0 , o aceptarla, o bien reservar el juicio.

Las pruebas más usadas y conocidas son las referentes a la media, varianza y proporciones.

PRUEBAS CONCERNIENTES A MEDIAS

En la siguiente tabla se muestran los casos para pruebas de hipótesis de una media.

Prueba Hipótesis Estadı́stico de prueba Región crı́tica

H0 : µ = µ0
|z| > zα/2
H1 : µ 6= µ0 x − µ0
µ con σ2 conocida z= √ ∼ N (0, 1)
H0 : µ = µ0 σ/ n
z < −zα
H1 : µ < µ0
H0 : µ = µ0
z > zα
H1 : µ > µ0
H0 : µ = µ0
|t| ≥ tα/2
H1 : µ 6= µ0 x − µ0
µ con σ 2 desconocida t= √ ∼ tn−1
H0 : µ = µ0 s/ n
t < −tα
H1 : µ < µ0
H0 : µ = µ0
t > tα
H1 : µ > µ0

1
 Ejemplos:
1. Un cientı́fico está probando el efecto de una droga en el tiempo de respuesta para 50 ratas
inyectadas, luego cada una de las ratas es estimulada y se registra el tiempo de respuesta. El
cientı́fico sabe que el tiempo de respuesta medio para las ratas, sin ser inyectadas, es de 1.2
segundos. El tiempo de respuesta promedio para las ratas inyectadas fue de 1.05. Si se sabe
que la desviación estándar es de 0.5 segundos. Con α = 0.05, ¿hay evidencia suficiente para
determinar que la droga tuvo un efecto en el tiempo de respuesta?

Solución:
Primero los datos que tenemos son:

µ = 1.2, x = 1.05 σ = 0.5 n = 50

1)
H0 : µ = 1.2
H1 : µ 6= 1.2
2) Dado que la desviación estándar es conocida y n > 30, entonces usaremos la distribución
normal estándar. Como H1 : µ 6= 1.2 y α = 0.05, entonces la región crı́tica está dada por
|z| > z0.025 . Ası́,
|z| > 1.96
3) Calculamos el valor del estadı́stico de prueba.
x − µ0 1.05 − 1.2
z= √ = √ = −2.12
σ/ n 0.5/ 50
4) Dado que |z| = 2.12 > 1.96 entonces el valor cae dentro de la región de rechazo, entonces
se decide rechazar H0 por lo que si hay evidencia para determinar que la media de las ratas
infectadas es diferente de 1.2 segundos.

2. Un fabricante de dulces compra costales de azúcar. Según los vendedores, los costales tie-
nen un peso medio de 40.1 kg, con una varianza de 0.5. El comprador sospecha que el peso medio
es menor, para ello se selecciona de manera aleatoria tres bultos de cada uno de los siguientes
5 pedidos; pesa los 15 bultos y obtiene que x = 39.4 kg. y s2 = 1.1. A nivel de significancia de
5 %, ¿podemos confirmar la sospecha del comprador?

Solución:
Los datos que tenemos son:

µ = 40.1, σ 2 = 0.5, x = 39.4, s2 = 1.1 n = 15

1)
H0 : µ = 40.1
H1 : µ < 40.1
2) Como n < 30 entonces usaremos la distribución t con 14 grados de libertad. Dado que
H1 : µ < 40.1 y α = 0.05, entonces la región crı́tica está dada por t < −t0.05 . Ası́

t < −1.76

3) Calculamos el valor del estadı́stico de prueba.

x − µ0 39.4 − 40.1
t= √ = √ = −2.60
s/ n 1.04/ 15

2
4) Dado que t = −2.60 < 1.76, entonces se decide rechazar H0 , por lo tanto, podemos confirmar
la sospecha del comprador.

También tenemos casos donde se comparan las medias de dos muestras.

Prueba Hipótesis Estadı́stico de prueba Región crı́tica

H0 : µ1 − µ2 = δ
x1 − x2 − δ |z| > zα/2
H1 : µ1 − µ2 6= δ z= q 2 ∼ N (0, 1)
medias con varianzas conocidas σ1 σ22
H0 : µ1 − µ2 = δ
n1 + n2 z < −zα
H1 : µ1 − µ2 < δ
H0 : µ1 − µ2 = δ
z > zα
H1 : µ1 − µ2 > δ
H0 : µ1 − µ2 = δ
x1 − x2 − δ |t| ≥ tα/2
H1 : µ1 − µ2 6= δ t= ∼ tn1 +n2 −2
medias con varianzas desconocidas q
H0 : µ1 − µ2 = δ sp n11 + n12
t < −tα
H1 : µ1 − µ2 < δ
H0 : µ1 − µ2 = δ
t > tα
H1 : µ1 − µ2 > δ

Ejemplo: La calidad de cierta pintura depende, entre otras cosas, del tamaño de la partı́cula.
Para medir esta caracterı́stica se utilizan dos centrifugadoras, y se sospecha que éstas reportan
mediciones distintas para la misma pintura. Se decide hacer un estudio que permita comparar las
medias reportadas por los dos equipos; para lo cual, de un mismo lote de pintura se tomaron 13
lecturas con cada centrifugadora. Los resultados para la primer centrifugadora son x1 = 4, 684
y s21 = 124, 732; para la segunda centrifugadora son x2 = 4, 408 y s22 = 112, 020. A nivel de
significancia del 1 %, ¿las sospechas sobre las centrifugadoras es correcta?

Solución:
1)
H0 : µ1 = µ2 lo cual es igual a H0 : µ1 − µ2 = 0
H1 : µ1 6= µ2 H1 : µ1 − µ2 6= 0
2) Dado que el tamaño de la muestra para cada centrifugadora es 13 y que las varianzas pobla-
cionales son desconocidas, entonces utilizaremos la distribución tn1 +n2 −2 . Como H1 : µ1 −µ2 6= 0
y α = 0.01 entonces la región crı́tica está dada por |t| > t0.005 usando una distribución t24 . Ası́

|t| > 2.79

3) Calculamos el valor del estadı́stico de prueba.

Primero recordemos que

(n1 − 1)s21 + (n2 − 1)s22 (12)(124, 732) + (12)(112, 020)

s2p = = = 118, 376
n1 + n2 − 2 24
Ası́
x1 − x2 − δ 4, 684 − 4, 408 − 0
t= q = q = 2.045
sp n11 + n12 344.05 13 1 1
+ 13

4) Dado que |t| = 2.045 < 2.79 entonces el valor cae afuera de la región crı́tica, por lo tanto no
se rechaza H0 , y podemos concluir que las dos centrifugadoras reportan en promedio el mismo
tamaño de la partı́cula.

3
 Ejemplo: Se hace un experimento para determinar si el contenido promedio de nicotina de
una clase de cigarrillos excede al de otra clase en 0.20 miligramos. Si n1 = 50 cigarrillos de
la primera clase tuvieron un contenido promedio de nicotina de x1 = 2.61 miligramos con una
desviación estándar de s1 = 0.12 miligramos, en tanto que n2 = 40 cigarrillos de la otra clase tu-
vieron un contenido promedio de nicotina de x2 = 2.38 miligramos con una desviación estándar
de s2 = 0.14 miligramos, probar H0 : µ1 − µ2 = 0.20 contra H1 : µ1 − µ2 > 0.20 usando α = 0.05.

Solución:
1)
H0 : µ1 − µ2 = 0.20
H1 : µ1 − µ2 > 0.20
2) Como el tamaño de cada una de las muestras es > 30, entonces usaremos la distribución
normal estándar sustituyendo σ12 = s21 y σ22 = s22 . Dado que H1 : µ1 − µ2 > 0.20 y α = 0.05 la
región crı́tica está dada por z > z0.05 , es decir,
z > 1.64
3) Calculamos el valor del estadı́stico de prueba.
x1 − x2 − δ 2.61 − 2.38 − 0.20
z= q 2 2
= q = 1.08
σ1 σ2 (0.12)2 (0.14)2
n1 + n2 50 + 40

4) Dado que z = 1.08 < 1.64 entonces el valor cae fuera de la región de rechazo, por lo tanto,
no se puede rechazar H0 . Podemos concluir que las medias pueden ser iguales o que µ2 excede
por 0.20 a µ1 .
PRUEBAS CONCERNIENTES A VARIANZAS
En la siguiente tabla se muestran los casos para pruebas de hipótesis de una varianza y de
igualdad de varianzas cuando trabajamos con poblaciones normales.
Prueba Hipótesis Estadı́stico de prueba Región crı́tica
H0 : σ 2 = σ02
χ2 < χ21−α/2 ó χ2 > χ2α/2
H1 : σ 2 6= σ02 2 (n − 1)s2
Para una varianza χ = ∼ χ2n−1
H0 : σ 2 = σ02 σ02
χ2 < χ21−α
H1 : σ 2 < σ02
H0 : σ 2 = σ02
χ2 > χ2α
H1 : σ 2 > σ02
H0 : σ12 = σ22 s21
f > fα/2 si s21 ≥ s22
H1 : σ12 6= σ22 f= s22
∼ Fn1 −1,n2 −1 f < fα/2 si s21 < s22
Igualdad de varianzas
H0 : σ12 = σ22 ó
s22 f > fα,n2 −1,n1 −1
H1 : σ12 < σ22 f= ∼ Fn2 −1,n1 −1
s21
H0 : σ12 = σ22
f > fα,n1 −1,n2 −1
H1 : σ12 > σ22
Ejemplos:
1. En una muestra aleatoria, los pesos de 24 reses de cierta edad tienen una desviación estándar
de 238 libras. Supongamos que los pesos cosntituyen una muestra aleatoria de una población
normal, probar la hipótesis nula σ = 250 libras contra la alternativa σ 6= 250 en el nivel 0.01 de
significancia.
Solución:
Primero, los datos del problema son:
n = 24, s = 238, σ = 250.

4
Ahora si realizamos los pasos para probar las hipótesis.
1)
H0 : σ 2 = (250)2
H1 : σ 2 6= (250)2
2) Dado que H1 : σ 2 6= (250)2 , n = 24 y α = 0.01 entonces usaremos una distribución ji-cuadrada
con 23 grados de libertad y ası́ la región crı́tica está dada por

χ2 < χ20.995 o χ2 > χ20.005 es decir χ2 < 9.260 o χ2 > 44.181

3) Calculamos el valor de la estadı́stica de prueba.

(n − 1)s2 (23)(238)2
χ2 = = = 20.84
σ02 (250)2

4) El valor cae fuera de la región de rechazo, por lo tanto, no se puede rechazar H0 , es decir, la
desviación estándar es estadı́sticamente igual a 250.

2. Al comparar la variabilidad de la resistencia a la tracción de dos clases de acero estructural,

un experimento dio los resultados siguientes: n1 = 13, s21 = 19.2, n2 = 16 y s22 = 3.5. Supongamos
que las mediciones constituyen variables aleatorias independientes de dos poblaciones normales,
probar la hipótesis nula σ12 = σ22 contra la alternativa σ12 < σ22 en el nivel 0.02 de significancia.
Solución:
1)
H0 : σ12 = σ22
H1 : σ12 < σ22
2) Dado que H1 : σ12 < σ22 y α = 0.025, la región crı́tica está dada por f > f0.025,15,12 , es decir,

f > 3.18

3) Calculamos el valor de la estadı́stica de prueba.

s21 19.2
f= 2 = = 5.48
s2 3.5

4) Como f = 5.48 > 3.18, entonces el valor cae en la región crı́tica, por lo que se decide NO
rechazar H0 , es decir, la varianza de la primer clase es mayor o igual que la varianza de la
segunda clase.

PRUEBAS CONCERNIENTES A PROPORCIONES

Si el resultado de un experimento es el número de casos favorables de una cantidad total de ca-

sos, nos referimos a estos datos como datos de conteo. Los modelos apropiados para el análisis
de los datos de conteo son la distribución binomial, la distribución de Poisson, la distribución
multinomial, entre otras.

Consideramos la variable aleatoria X, que denota el número de éxitos en n intentos, entonces

X ∼ Bin(n, θ). Para trabajar con pruebas de hipótesis, usaremos el hecho que

Bin(n, θ) ≡ N (nθ, nθ(1 − θ))

En la siguiente tabla se muestran los casos para pruebas de hipótesis de proporciones.

5
 Prueba Hipótesis Estadı́stico de prueba Región crı́tica
H0 : θ = θ0
x − nθ0 |z| > zα/2
H1 : θ 6= θ0 z=p ∼ N (0, 1)
Una proporción
H0 : θ = θ0 nθ0 (1 − θ0 )
z < −zα
H1 : θ < θ 0
H0 : θ = θ0
z > zα
H1 : θ > θ 0
H0 : θ1 = θ2 x1 x2
+ |z| > zα/2
H1 : θ1 6= θ2 n1 n2
Igualdad de proporciones
H0 : θ1 = θ2 z=r  ∼ N (0, 1)
z < −zα

H1 : θ1 < θ2 θ̂(1 − θ̂) n11 + 1
n2
H0 : θ1 = θ2 donde θ̂ = x1 +x2
n1 +n2 t > zα
H1 : θ1 > θ2

Ejemplos.
1. Una compañı́a petrolera afirma que menos del 30 % de los propietarios de autos no han
probado su gasolina. Probar esta afirmación en el nivel 0.02 de significancia si una muestra
aleatoria revela que 34 de 200 propietarios de autos no han probado la gasolina de la compañı́a.

Solución:
1)
H0 : θ = 0.30
H1 : θ < 0.30
2)Dado que H1 : θ1 < 0.30 y α = 0.02 entonces la región crı́tica está dada por z < z0.02 , es decir,

z < −2.06

3) Calculamos el valor del estádistco de prueba.

x − nθ0 34 − (200)(0.30)
z=p =p = −4.011
nθ0 (1 − θ0 ) 200(0.30)(0.70
4) Dado que z = −4.011 < −2.06 entonces se rechaza H0 , entonces la afirmación de la compañı́a
es correcta, el porcentaje de propietarios que no han probado su gasolina es < 30 %. 2. Para
evaluar dos fármacos contra cierta enfermedad se integran dos grupos formados por dos mues-
tras aleatorias de n1 = n2 = 100 personas cada una. A cada grupo se le suministra un fármaco
diferente. Transcurrido el tiempo de prueba se observan x1 = 65 y x2 = 75 personas que se
recuperaron con el fármaco en los grupos correspondientes. Para ver si estas diferencias son
significativas (un fármaco es mejor que el otro) probar la hipótesis de igualdad de proporciones
en un nivel 0.05 de significancia.

Solución:
1)
H0 : θ1 = θ2
H1 : θ1 6= θ2
2) Dado que H1 : θ1 6= θ2 y α = 0.05 entonces la regı́on crı́tica está dada por |z| > z0.025 , ası́

|z| > 1.96

6
3) Calculamos el valor de la estadı́stica de prueba.
65+75
Primero tenemos que θ̂ = 100+100 = 0.7, ası́
x1 x2
+ 65 75
n1 n2 100 + 100
z=r = q = −1.543
2
 
θ̂(1 − θ̂) n11 + 1 0.7(0.3)( 100 )
n2

4) Dado que |z| = 1.543 < 1.96 entonces no se puede rechazar H0 , por lo que no hay evidencia
suficiente para afirmar que un fármaco es mejor que el otro.