1.

Con el fin de estudiar el número medio de flexiones continuadas que pueden

realizar los alumnos, un profesor de educación física somete a 75 de ellos,
elegidos aleatoriamente, a una prueba. El número de flexiones realizado por cada
alumno, así como su sexo y si realizan o no deporte se muestran en el fichero.
Se sabe que el número de flexiones se distribuye según una Normal de varianza
poblacional 7.5. ¿Determinar el intervalo de confianza a un nivel de confianza del
95% para el número medio de flexiones?

Solución:
El contraste de hipótesis asociado a este ejercicio es

En primer lugar, debemos importar en R los datos que contienen el número de

flexiones realizadas por cada alumno. Para ello, utilizamos la orden read.table.
> setwd(“D:/”) # cambiar al directorio de trabajo donde están los datos
> datos<- read.table(“D:/Flexiones.txt”, header = TRUE)
Datos
Flexiones Sexo Deporte
60 H 0
41 H 0
53 M 1
53 M 0
41 H 0
56 H 0
50 H 0
53 M 1
50 M 1
48 M 0
50 M 1
48 M 1
56 H 0
52 M 1
54 M 0
50 H 1
50 H 0
54 H 0
52 H 1
48 H 0
48 H 1
35 M 1
50 M 1
41 M 1
56 M 1
52 M 1
56 M 0
54 H 1
53 H 0
53 M 0
53 H 0
41 M 1
48 M 0
50 H 1
50 M 1
52 H 0
53 M 0
35 H 0
35 H 0
54 M 0
46 M 1
48 H 0
50 M 0
48 H 0
41 M 0
48 M 1
60 H 1
53 M 0
54 M 1
56 H 1
50 H 1
41 H 0
60 M 1
60 M 1
54 H 0
54 H 0
53 H 0
35 M 0
54 H 0
48 M 0
50 H 0
54 H 0
54 H 0
53 H 0
52 H 0
50 H 0
52 H 0
48 H 1
46 H 1
53 H 0
50 H 0
35 H 0
50 H 1
60 M 1
50 H 0

Una vez hecho esto, introducimos en R el nivel de significación que proporciona el
enunciado.
> alpha<- 0.05

A continuación, calculamos el valor del estadístico de contraste.

> alpha<- 0.05
> media<- mean(datos$Flexiones)
> mu_0 <- 55
> varianza <- 7.5
> n <- nrow(datos)
> Z<- (media – mu_0) / (sqrt(varianza)/sqrt(n))
>Z
[1] -15.47408

Y también el valor crítico, que en este caso coincide con z 1-α/2, el cuantil 1-α/2 de
una distribución normal de media 0 y varianza 1.
 > cuantil<- qnorm(1 – alpha/2)
> cuantil
[1] 1.959964

Como el valor absoluto del estadístico de contraste (15.47408) es mayor que el

valor crítico (1.959964), en este caso se rechaza la hipótesis nula en favor de la
hipótesis alternativa. Es decir, no puede asumirse que el número medio de
flexiones que realizan los alumnos es de 55.
2. Se desea estimar con un nivel de confianza del 95 % la talla media de los
hombres de 18 o más años de un determinado lugar. La desviación típica se
desconoce, obtenga el intervalo de confianza con una muestra de n=15
hombres seleccionados al azar, cuyas alturas son:
167 167 168 168 168 169 171 172 173 175 175 175 177 182 195.
Primero es fundamental determinar la media de la muestra, X, y los valores
de los cuantiles, z α/2, en la distribución normal.

Dado que se trabaja al 95% en el modelo o forma normal, el cuantil de

orden es 0.975 lo notamos con Z:0,025 = 1,96 y el de orden 0.025 se nota
con Z: 0,975 = -1,96, o bien podemos cambiar el signo al cuantil de orden
0.975, que es lo que hacemos cuando la distribución es simétrica (caso
normal y caso t de Student), −z0,025 = −1,96. La media se obtiene
mediante:

La distribución de los datos en la muestra y la correspondiente columna de

cálculo para la media se muestran en la tabla para cálculo de la media.
Tallas freq Tallas X freq
167 2 331
168 3 504
169 1 169
171 1 171
172 1 172
173 1 173
175 3 525
177 1 177
182 1 182
195 1 195
15 2602
Sustituyendo los datos en la expresión del intervalo tenemos:
(173,47 − 1,96 × 1,03, 173,47 + 1,96 × 1,03)
(171.45, 175.49)
 Tenemos una confianza del 95 % de que la talla media, µ, en el país esté
comprendida entre 171.45 y 175.49.
3. Usando los datos de apartados anteriores, construiremos un intervalo de
confianza para la varianza de las tallas masculinas de adultos donde se ha
extraído la muestra, a un nivel de confianza del 90%.

La cuasivarianza en la muestra se obtuvo en apartados anteriores s 2 =

54,12.

Por tanto, solo es necesario determinar los cuantiles en el modelo χ 214.

Los valores de los cuantiles son χ2 0,05 = 6,58 y χ2 0,95 = 23,8.

Por tanto, sustituyendo en la expresión del intervalo:

(14 × 54.12, 14 × 54.12)
23.8 6.58
(31.86, 115.25)

Tenemos una confianza del 90 % de que la varianza en la población esté

comprendida entre 31.86 y 115.25.
4. Ejemplo: se realiza un estudio para comparar dos tratamientos que se
aplicarán a frijoles crudos con el objetivo de reducir el tiempo de cocción. El
tratamiento T1 es a base de bicarbonato de sodio, el T2 es a base de cloruro
de sodio o sal común. La variable respuesta es el tiempo de cocción en
minutos. Los datos son: T1: 76, 85, 74, 78, 82, 75, 82. T2: 57, 61, 67, 55, 64,
63, 63.
Construir un IC del 90% para μ1−μ 2 Asuma que las muestras provienen de
poblaciones normales con varianzas desconocidas pero iguales.

Tratamiento
T1 76 85 74 78 82 75 82
T2 57 67 55 64 61 63 63

a)     Formulamos la hipótesis para probar la igualdad de medias de los

tratamientos
Ho=μ1=μ2
HA= μ1≠μ2
X1=78.86 s1=4.18
X2=61.43 s2=4.16
X=70.143 S=9.89
t0 =n(X-μ)/s=7(78.86-70.143)/4.182=1.32
2.447≠1.32
b)    Anotamos la formula del estadístico de prueba para probar la hipótesis
t0=n(X-μ)/s
c)     Probamos la hipótesis a un nivel de significancia de 5%. Para rechazar o
no la hipótesis, apoyándose tanto en el criterio del valor-p como en el valor
critico de tablas: Se rechaza el experimento sin embargo es bueno porque casi
entra en el área de aceptación
d)    Se prueba la hipótesis de igualdad de varianzas entre tratamientos
Ho= s1=s2
HA=s1≠s2
X2=(n-1)s2 /σ2=1.072
14.44≠1.072
e)    De acuerdo con el análisis hecho aquí ¿hay algún tratamiento mejor?
Si existen mejores tratamientos, pero solo con más datos
5. se desea determinar si un cambio en el proceso de fabricación de cierto tipo de
piezas ha sido efectivo o no. Para esto se toman dos m.a., una antes y otra
después del cambio. Los resultados se presentan en la tabla. Construir un
intervalo de confianza del 90% para decidir si el cambio tuvo efecto positivo o
no

Solución:

Sean P1 y P2 las proporciones reales de defectuosos para los procesos actual y
nuevo, respectivamente. De aquí, p1=75/1500 = 0.05 y p2 = 80/2000 = 0.04. con el
uso de la tabla encontramos que z para un nivel de confianza del 90% es de
1.645.

Como el intervalo contiene el valor de cero, no hay razón para creer que el nuevo
procedimiento producirá una disminución significativa en la proporción de artículos
defectuosos comparado con el método existente.