DISEÑO EXPERIMENTAL

TALLER # 2 – Hipótesis estadísticas

CARLOS ANDRES GONZALES, 20192375025
CAMILO EDUARDO CANGREJO, 20192375026
CRISTIAN CAIPA CASTIBLANCO, 20192375043

10.1 Suponga que un alergólogo desea probar la hipótesis de que al menos 30% del público es
alérgico a algunos productos de queso. Explique como el alergólogo podría cometer

a) Un error tipo I.
Cuando concluye que al menos 30% del público es alérgico a algunos productos de queso
cuando en realidad el publico alérgico es o supera el 30%
b) Un error tipo II.
Cuando se concluye que al menos el 30% del publico es alérgico a algunos producto de
queso cuando en realidad menos del 30% del publico es alérgico.
10.3 Se acusa a una empresa grande de discriminación en sus prácticas de contratación.
a) Que hipótesis se pone a prueba si un jurado comete un error tipo I al encontrar culpable
a la empresa?

α = p(error tipo I ), la empresa no es culpable

b) Que hipótesis se pone a prueba si un jurado comete un error tipo II al encontrar culpable
a la empresa?
β= p( error tipo II ), la empresa es culpable
10.4 Un fabricante de telas considera que la proporción de pedidos de materia prima que llegan
con retraso es p = 0.6. Si una muestra aleatoria de 10 pedidos indica que 3 o menos llegaron con
retraso, la hipótesis de que p = 0.6 se debería rechazar a favor de la alternativa p < 0.6. Utilice la
distribución binomial.

a) Calcule la probabilidad de cometer un error tipo I

b) si la proporción verdadera es p = 0.6. Calcule la probabilidad de cometer un error tipo II

Para las alternativas p = 0.3, p = 0.4 y p = 0.5.

 ERROR TIPO I

Hipotesis nula H 0 : p=0.6

Hipotesis alterna H A : p< 0.6

RA=( x ,3< x<10)

RR= { x , x ≤ 3∨ x ≥ 10 }
Suponiendo que p=0,6

α = p(error tipo I )
α = p( se rechaza H 0 )

n=10 , RA={ x , 3 ≤ x ≤10 }

α = p(error tipo I )
¿ p( se rechaza H 0 siendo cierta)

α = p ( x ≤ 3 ) ; p=0,6 , por tabla de distribución normal

α =P { ( x ≤ 3 ) ; p=0.6 }=0.0548 , que sería la probabilidad de cometer el error tipo I

 ERROR TIPO II Para las alternativas p = 0.3, p = 0.4 y p = 0.5.

β=P { ( x >3 ) ; p=0.3 } =1−0.6496=0.3504

β=P { ( x >3 ) ; p=0.4 }=1−0.3823=0.6177

β=P { ( x >3 ) ; p=0.5 } =1−0.1719=0.8281

Estas serian las probabilidades de cometer el error tipo II

10.5 Repita el ejercicio 10.4 pero suponga que se seleccionan50 pedidos y que se define a la
región critica Como x ≤ 24, donde x es el numero de pedidos en la muestra que llegaron con
retraso. Utilice la aproximación normal.

Hipotesis nula H 0 : p=0.6

Hipotesis alt erna H A : p< 0.6

RA=( x ,3< x<24 )

RR= { x , x ≤ 3∨ x ≥ 24 }

Suponiendo que p=0,6

 ERROR TIPO I

α = p(error tipo I )
α = p( se rechaza H 0 )

n=24 , RA={ x , 3 ≤ x ≤24 }

α = p(error tipo I )
α = p( se rechaza H 0 siendo cierta)
α = p ( x ≤ 24 ) ; p=0,6
µ=np=50∗0.6=30

σ 2=npq=50∗0.4∗0.6=12
σ =√ 12=3.464
24.5−30
(
P { ( x ≤ 24 ) ; p=0.6 }=P Z ≤
3.464 )
Por tabla de la distribución normal sabemos que:

P { ( x ≤ 24 ) ; p=0.6 }=P ( Z ≤−1.5877 )=0.0559 ; Que sería la probabilidad de cometer el error

tipo I para n=50 : que 3 o menos pedidos de tela llegaron con retraso

 ERROR TIPO II Para las alternativas p = 0.3, p = 0.4 y p = 0.5.

1. PARA p=0.3

µ=np=50∗0.3=15

σ 2=npq=50∗0.7∗0.3=10.5
σ =√ 10.5=3.24
24.5−15
(
P Z>
3.24
=2.932 )
β=P { ( x >24 ) ; p=0.3 }=P ( Z ≤ 2.932 )=1−0.9983=0.017

2. PARA p=0.4

µ=np=50∗0.4=20

σ 2=npq=50∗0.6∗0.4=12
σ =√ 12=3.464

24.5−20
(
P Z>
3.464
=1.30 )
β=P { ( x >24 ) ; p=0.4 } =P ( Z ≤ 1.30 )=1−0.9032=0.0968
3. PARA p=0.5
µ=np=50∗0.5=25

σ 2=npq=50∗0.5∗0.5=12.5
σ =√ 12.5=3.535

24.5−25
(
P Z>
3.535
=−1.1414 )
β=P { ( x >24 ) ; p=0.5 }=P ( Z ≤−1.1414 )=1−0.4443=0.5557
Estas serian las probabilidades de cometer el error tipo II

10.7 Repita el ejercicio 10.6 pero suponga que se seleccionan200 adultos y que la región de no
rechazo se define como 110 ≤ x ≤ 130, donde x es el número de individuos graduados
universitarios en la muestra. Utilice la aproximación normal.

H 0 : p=0,6

H A : p ≠ 0,6

RA=( x ,6 < x< 12)

RR= { x , x ≤ 6 ∨ x ≥ 12 }

Suponiendo que p=0,6

α = p(error tipo I )
α = p( se rechaza H 0 )

n=200 , RA={ x , 110≤ x ≤ 130 }

α = p(error tipo I )
¿ p( se rechaza H 0 siend o cierta)

α = p( x ≤109 , ∨, x ≥ 131)
109 200

∑ bin ( X ; 200 , 0,6 ) +¿ ∑ bin ( X ; 200 , 0,6 ) ¿

x=0 x=131

109 130

∑ bin ( X ; 200 , 0,6 ) +¿ ∑ bin ( X ; 200 ,0,6 ) ¿

x=0 x=0

Estandarizando: µ=np=200∗0,6=120
σ 2=npq=120∗0,4=48
σ =√ 48=6,93
109,5−120 130,5−120
(
α =P Z ≤
6,93
∨Z ≤
6,93 )
¿ p ( Z ≤−1,52 ) ∨(Z ≥ 1,52)
¿ 2∗0,0654
¿ 0,1286
10.9 Una tintorería afirma que un nuevo removedor de manchas quitara más de 70% de las
manchas en las que se aplique. Para verificar esta afirmación el removedor de manchas se
utilizara sobre 12 manchas elegidas al azar. Si se eliminan menos de 11 de las manchas, no se
rechazara la hipótesis nula de que p = 0.7; de otra manera, concluiremos que p > 0.7.
a) Evalué α, suponiendo que p = 0.7.
b) Evalué β para la alternativa p = 0.9.
.

Hipotesis nula H 0 : p=0.7

Hipotesis alterna H A : p=0.9

Suponiendo que p=0,7

 ERROR TIPO I

n=12 , que p=0,7

α = p(error tipo I )
α = p( se rechaza H 0 siendo cierta)

α = p ( x> 11 ) ; p=0.7

P { ( x> 11 ) ; p=0.7 }=0.0712+0.0138=0.0850

 ERROR TIPO II

β=P { ( x ≤ 10 ) ; p=0.9 }=0.3410

10.11 Repita el ejercicio 10.8 pero suponga que el extracto de mejillón se administra a 70
pacientes y que la región critica se define como x < 24, donde x es el número de pacientes con
osteoartritis que experimentan alivio

α = p ( x< 24 ) ; p=0.4

β=P { ( x ≥ 24 ) ; p=0.3 }
  ERROR TIPO I
23.5−( 70 ) (0.4)
(
P Z≤ )
√ ( 70 ) (0.4 )(0.6)
=−1.098

P { ( x< 24 ) ; p=0.4 }= p ( Z←1.1 )=0.1357

 ERROR TIPO II

23.5−( 70 ) (0.3)
(
P Z≤ )
√ ( 70 ) (0.4 )(0.6)
=0.652

β=P { ( x ≥ 24 ) ; p=0.3 }= p ( Z> 0.65 )=1−0.7422=0.2578

10.12 Se pregunta a una muestra aleatoria de 400 votantes en cierta ciudad si están a favor de un
impuesto adicional de 4% sobre las ventas de gasolina con el fin de obtener los fondos que se
necesitan con urgencia para la reparación de calles. Si más de 220 votantes, pero menos de 260
de ellos, favorecen el impuesto sobre las ventas, concluiremos que 60% de los votantes lo
apoyan.
a) Calcule la probabilidad de cometer un error tipo I si 60% de los votantes estan a favor del
aumento de impuestos.
b) .Cual es la probabilidad de cometer un error tipo II al utilizar este procedimiento de prueba si
en realidad solo 48% de los votantes está a favor del impuesto adicional a la gasolina?
H 0 : p=0,6

H A : p ≠ 0,6

RA=( x ,220< x<260)

RR= { x , x ≤ 220∨ x ≥ 260 }
Suponiendo p=0,6

α = p ( error tipo I ) , se rechaza H 0 siendo cierta

n=200 , RA={ x , 110≤ x ≤ 130 }

α = p(error tipo I )
¿ p( se rechaza H 0 siendo cierta)

α = p( x ≤109 , ∨, x ≥ 131)

Estandarizando: µ=np=200∗0,6=120
σ 2=npq=120∗0,4=48
σ =√ 48=6,93
109,5−120 130,5−120
(
α =P Z ≤
6,93
∨Z ≤
6,93 )
¿ p ( Z ≤−1,52 ) ∨(Z ≥ 1,52)
¿ 2∗0,0654

10.12 Se pregunta a una muestra aleatoria de 400 votantes en cierta ciudad si están a favor de un
impuesto adicional de 4% sobre las ventas de gasolina con el fin de obtener los fondos que se
necesitan con urgencia para la reparación de calles. Si mas de 220 votantes, pero menos de 260
de ellos, favorecen el impuesto sobre las ventas, concluiremos que 60% de los votantes lo
apoyan.
a) Calcule la probabilidad de cometer un error tipo I si 60% de los votantes están a favor del
aumento de impuestos.
H 0 : p=0,6

H A : p ≠ 0,6

RA=( x ,220< x<260)

RR= { x , x ≤ 220∨ x ≥ 260 }

Suponiendo que p=0,6

α = p(error tipo I )
α = p( se rechaza H 0 )

Estandarizando: µ=np=240
σ =√ npq=9.978
220.5−240 259.5−240
(
α =P Z ≤
9.978 ) (
+P Z ≥
9.978 )
α = p ( Z ≤−1.95 ) + p( Z ≥ 1.95)
α =2∗0.0256=0.0512
b) .Cual es la probabilidad de cometer un error tipo II al utilizar este procedimiento de prueba si
en realidad solo 48% de los votantes está a favor del impuesto adicional a la gasolina?
Suponiendo p=0.48
 µ=np=192
σ =√ npq=9.9919
α =P ( Z ≤ )=P ( Z ≥ )
β= p ( Z1 < Z< Z 2 )= p ( Z <Z 2 ) −p ( Z 1< Z )

β= p ( Z <6.76 )− p(2.85< Z)
β=1−0.9978=0.0022

10.13 Suponga que en el ejercicio 10.12 concluimos que 60% de los votantes está a favor del
impuesto sobre las ventas de gasolina si mas de 214 votantes, pero menos de 266 de ellos, lo
favorecen. Demuestre que esta nueva región crítica tiene como resultado un valor mas pequeño
para α a costa de aumentar β.

H 0 : p=0,6

n=¿400
RA=( x ,214 < x <266)
RR= { x , x ≤ 214 ∧ x ≥ 266 }
a) Estandarizando: µ=np=240
σ =√ npq=9.978
214.5−240 265.5−240
(
α =P Z ≤
9.978 ) (
+P Z ≥
9.978 )
α = p ( Z ≤−2.56 )+ p (Z ≥2.56)
α =2∗0.052=0.0104
µ=np=192
σ =√ npq=9.994
β= p ( Z1 < Z< Z 2 )= p ( 2.25< Z <7.36 )

214.5−192
Z1 = =2.25
9.992
265.5−240
Z2 = =7.36
9.992
β= p ( Z <7.36 )= p ( 2.25<Z )
 β=1−0.9878=0.0122
Comparando el resultado de α del punto 10.12 α =(0.0512) con el del punto 10.13
α =(0.0104), efectivamente se obtuvo una disminución con el cambio de la región de
aceptación; sin embargo β aumento de β=0.0022 a β=0.0122

10.17 Se desarrolla un nuevo proceso de cura para cierto tipo de cemento que da como resultado
una resistencia media a la compresión de 5000 kilogramos por centímetro cuadrado y una
desviación estándar de 120 kilogramos. Para probar la hipótesis de que μ = 5000 contra la
alternativa de que μ < 5000 se toma una muestra aleatoria de 50 piezas de cemento. La región
crítica se define como ￣x < 4970.

a) Calcule la probabilidad de cometer un error tipo I cuando H0 es verdadera.

H 0 :U=5000

H A :U <5000

µ=¿5000 ; n=¿50
σ =√ npq=120
Región crítica: X́ < 4470 ; región de aceptación: X́ ≥ 4470

α = p ( X́ < 4970 )
Aplicando Teorema del Límite central.

X́ −µ 4970−5000
Z= =
σ /√ n 120/√ 50
Z=−¿1.7677 ≈−1.77
α = p ( Z <−1.77 )=0.0384 , para µ=¿ 4970
b)Evalué β para las alternativas μ = 4970 y μ =4960.

β= p ( X́ ≥ 4970 )

X́ −µ 4970−4970
Z= = =0
σ /√ n 120 /√ 50
β= p ( Z ≥ 0 )=1−p ( z <0 ) =0.5
Para µ=¿4960

X́ −µ 4970−4960
Z= = =0.589 ≈ 0.59
σ /√ n 120 /√ 50
β= p ( Z ≥ 0.59 )=1− p ( z <0.59 )= β=1−0.7224=0.2776