Cartilla 2

Solución Unidad 8: Prueba de Hipótesis

1) X = “Peso de bolsa de pochoclo”, X  N(, )
X1, X2, …, X15 m. a. de X.

Se quiere testar:
H0 :  = 50 gr.
H1 :   50 gr.

X  0
Estadístico: t   t (n - 1)
s
n
X  53gr. 53  50
Entonces: s=5 t obs   2.32
5
15
 = 0.05  t1-/2 (n-1) = t 0.975 (14) = 2.14
Luego: | tobs | > t crit  Hay suficiente evidencia para rechazar H0.
Conclusión: se puede suponer que   50 gr. al nivel de significación de 0.05.

2) X=”estatura de una mujer del grupo de 1er. año de cierta universidad”.

X1, X2, …, X50 m. a. de X  N(X, )

Se quiere testar:
H0 :  = 162.5 cm.
H1 :   162.5 cm.

X  0
Estadístico: t   t (n - 1)
s
n
Entonces: X  165.2 cm. 165.2  162.5
sx =5 cm. t obs   3 .82
5
50

 = 0.05  t1-/2 (n-1) = t 0.975 (49) = 2.02

Luego: | tobs | > t crit  Hay suficiente evidencia para rechazar H0.
Conclusión: se puede suponer que   162.5 cm. al nivel de significación de 0.05.

Resolución en forma aproximada:

valor p  P(| t || t obs |)  1  P(| t | 3.82)  1  P( 3.82  t  3.82)
 1  [2(3.82)  1]  1  [2  0.9999  1]  0.0002
Conclusión: Como valor p es pequeño, se puede suponer que   162.5 cm.

3) X=”Nota de un alumno con laboratorio”

Y=”Nota de un alumno sin laboratorio”.
Supuestos:X1, X2, …, X11 m. a. de X  N(X, )
Y1, Y2, …, Y17 m. a. de Y  N(Y, )
X e Y vs. as. independientes,  común.

1
Cartilla 2

Hipótesis a testar:
H0 : X = Y
H1 : X  Y

Estadístico: t  X  Y  ( x   y )  t (n +m - 2)
1 1
sp 
n m
Con los datos obtenemos:
10  4.72  16  6.12
X  85 sx = 4.7 Y  79 sy = 6.1 sp   5.6
26

85  79  0
t obs   2.77
1 1
5.6 
11 17
 = 0.05  t1-/2 (n+m-2) = t 0.975 (26) = 2.06
Luego: | tobs | > t 0.975 (26)  Hay suficiente evidencia para rechazar H0.
Conclusión: se puede concluir, al nivel 0.05, que el curso de laboratorio cambia la nota
promedio de los alumnos.

4) X=”resultado al tirar la moneda” X1, X2, …, X20  B(p)

Hipótesis a testar:
H0 : p = 0.5
H1 : p  0.5

X  po
Estadístico: Z   N(0,1) por Teorema Central del Límite
p 0 (1  p 0 )
n
Con los datos obtenemos:

p̂  X  0.25
0.25  0.5
Zobs   2.27
0.5(1  0.5)
20
|zobs |= 2.27>zcritico=z0.975 = 1.96  Hay suficiente evidencia para rechazar

Conclusión: no es razonable suponer que la moneda no es equilibrada.

5) No olvide escribir supuestos, estadístico pivote, su distribución de

probabilidades, hipótesis a testar.

p̂  X  0.136 0.136  0.2

Con los datos obtenemos: Zobs   5.06
0.2(1  0.2)
1000
|zobs |= 5.06>zcritico=z0.995 = 2.58  Hay suficiente evidencia para rechazar.

Conclusión: hay evidencia suficiente para dudar de la afirmación.

2
Cartilla 2

6) X=”Número de residentes con cáncer en área urbana”

Y=”Número de residentes sin cáncer en área rural”
X1, X2, …, X200  B(px)
Y1, Y2, …, Y150  B(py)
X e Y independientes

Hipótesis a testar:
H0 : px = py
H1 : px py
p̂ x  p̂ y  0
Estadístico: Z   N(0,1)
1 1
p̂(1  p̂)  
n m

Con los datos obtenemos:

np X  mp Y 200  0.1  150  0.07
p̂ x  0.1 p̂ y  0.07 p̂    0.09
nm 350

0.1  0.07
Zobs   0.97
 1 1 
0.09  (1  0.09)    
 200 150 
 = 0.05  z 0.975 = 1.96
Luego:
| zobs |= 0.97 < z 0.975  No hay suficiente evidencia para rechazar H0. No se puede
afirmar que el cáncer tiene distinta prevalencia en el área urbana que en el área rural.

7) a) X  583.5 sx = 370.82 Y  384.875 sy = 225.79

Lote ordenado datos antes almacenamiento:

224 270 400 444 590 660 680 1400
Lote ordenado datos después almacenamiento:
96 116 239 329 437 576 597 689

~ n 1 9 ~ ~
pos X    4.5  X  517 Y  383
2 2
pos Q1 

~

pos X  1 4  1
  2.5  Q1X = 335 Q3X = 670
2 2
Q1Y = 177.5 Q3Y = 586.5

Valores alejados: x(8) = 1400 es un valor alejado.

3
Cartilla 2

Gráfico 1: Niveles de residuos de ácido sórbico antes y después del almacenamiento.

1500

1000

500

0
Antes del almacenamiento Después del almacenamiento

b) X1, X2, …, X8 m. a. de X  N(X, )

Y1, Y2, …, Y8 m. a. de Y  N(Y, )
X e Y son vs. as. no independientes.

Se quiere testar:
H0 : D = 0
H1 : D  0

d
Estadístico: t   t (n - 1)
sD
n

Con los datos obtenemos:

di : 108 174 161 115 153 63 711 104

d  198.625 sD = 210.16

198.625
t obs   2.67
210.16
8
 = 0.05  t1-/2 (n-1) = t 0.975 (7) = 2.36
Luego: tobs > t 0.975 (7)  Hay suficiente evidencia para rechazar H0.

Conclusión: al nivel  = 0.05, hay evidencia suficiente para decir que la duración del
almacenamiento influye en las concentraciones residuales de ácido sórbico.

8) X=”Rendimiento de un automóvil con cubiertas radiales”

Y=”Rendimiento de un automóvil con cubiertas no radiales”
X1, X2, …, X12 m. a. de X  N(X, )
Y1, Y2, …, Y10 m. a. de Y  N(Y, )
X e Y vs. as. independientes.

4
Cartilla 2

a) X  15.75 s X  1.11 Y  15.64 s Y  1.13

b) sp= 1.06

c) t  X  Y  ( x   y )  t (n +m - 2) t obs  0.24
1 1
sp 
n m
d) Hipótesis a testar:
H0 : X = Y
H1 : X  Y

tcrit=2.08>|tobs| por lo que no hay evidencia para rechazar H0.

e) Hipótesis a testar:
H0 : X = Y
H1 : X > Y

tcrit=1.72> tobs por lo que no hay evidencia para rechazar H0.

10)
a) X1, X2, …, X6 m. a. de X  N(A, )
Y1, Y2, …, Y6 m. a. de Y  N(B, )
X e Y son vs. as. no independientes.
Se quiere testar:
H0 : D = 0
H1 : D  0

d
Estadístico: t   t (n - 1)
sD
n

di : -0,8 1,6 -0,5 0,2 -1,6 0,2

d  0.15 sD =1.09

 0.15
t obs   0.34
1.09
6
 = 0.10 t1-/2 (n-1) = t 0.95 (5) = 2.02
Luego:
| tobs |< t 0.95 (5)  No hay evidencia para rechazar H0 a un nivel  = 0.10

Conclusión: No hay diferencia entre material A y material B.

Ahora analicemos para  = 0.20 t1-/2 (n-1) = t 0.90 (5) = 1.48

Luego:

5
Cartilla 2

| tobs |< t 0.90 (5)  No hay evidencia para rechazar H0 a un nivel  = 0.20

Conclusión: No hay diferencia entre material A y material B.