Sem 01-G2-Inferencia-dos-muestras

UNIVERSIDAD RICARDO PALMA
FACULTADDE INGENIERÍA
ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍAINDUSTRIAL
DISEÑO DE EXPERIMENTOS
INFERENCIA DE DOS MUESTRAS
Prof. Puelles Bulnes, Maria

rmaria.puellesb@urp.edu.pe
Semana 01
FACULTAD DE INGENIERÍA
INFERENCIA CON DOS MUESTRAS

MUESTRAS DEPENDIENTES X
INDEPENDIENTES
Las muestras dependientes son mediciones
pareadas (correlacionadas) de un conjunto de
elementos.
Si los valores de una muestra afectan los

valores de la otra muestra, entonces las
muestras son dependientes.
INDEPENDIENTES
Las muestras independientes son mediciones
realizadas en dos conjuntos de elementos
distintos.
Si los valores de una muestra no revelan

información sobre los valores de la otra
muestra, entonces las muestras son
independientes.
Ejemplo INDEPENDIENTES
1. Consideremos un laboratorio farmacéutico que

desea probar la efectividad de un nuevo fármaco
para reducir la presión arterial. El laboratorio
podría recolectar los datos de dos maneras:
• Tomando muestras de la presión arterial de
las mismas personas antes y después de
administrarles una dosis.
Las dos muestras son dependientes, porque se
toman de las mismas personas.
INDEPENDIENTES
Ejemplo
• Dando a un grupo de personas un medicamento
activo y dando a otro grupo de personas un
placebo inactivo, para luego comparar los valores
de presión arterial entre los grupos.
Estas dos muestras son independientes, porque las

mediciones corresponden a personas diferentes.
INDEPENDIENTES
Cuando usted realiza una prueba de hipótesis utilizando dos
muestras aleatorias, debe escoger el tipo de prueba dependiendo
de si las muestras son dependientes o independientes.
T-STUDENT
 COMPARA DOS MEDIAS
USA VARIABLES NUMERICAS
NECESITA DE LA DESVIACION ESTANDAR
SUPONE DISTRIBUCIÓN NORMAL
T-STUDENT ???
SUPONGAMOS QUE TENEMOS UN GRUPO DE
PACIENTES Y SE CONOCE LA TEMPERATURA:
G1 G2
1. Equivocadamente, podemos decir
36 35 que son grupos iguales.
36 37 2. Con la prueba t-student vamos
36 34 obtener una tolerancia de la
36 38 comparación de las medias con
36 36 respecto a su desviación de sus
MEIAS 36 36 datos y decir si son iguales.
T-STUDENT – TRES CLASES

1. Un solo grupo
G1
36 Contrastar con un valor ya pre
36 establecido
36
(puede venir de una investigación
36
con otros grupos)
36
MEIA 36
σ=0
T-STUDENT – TRES CLASES

2. Grupos asociados o pareados
ANTES DESPUES
37 35
37 37 Datos con el mismo
37 34 grupo en dos momentos
diferentes.
37 38
37 36
MEIAS 37 36
σ 0 1.41
T-STUDENT
3. Grupos independientes
G1 G2
36 35 1. Tenemos dos grupos diferentes y
36 37 se comparan sus medias.
36 34 2. Grupos que perteneces a distintos
36 38 grupos poblacionales.
36 36
MEIAS 36 36
σ 0 1.41
I. t-student con una sola

muestra pequeña
DISTRIBUCIÓN T STUDENT
Según el Teorema de Limite Central, la distribución
muestral de un estadístico (como la media de la
muestra) seguirá una distribución normal siempre y
cuando:
 El tamaño de muestra sea suficientemente grande
(n > 30) o cuando se conoce la desviación estándar
de la población.
Entonces se puede calcular un valor z y emplear la

distribución normal para evaluar probabilidades sobre la
media de la muestra.
Si los tamaños de las muestras son muy pequeños (n ˂ 30) y
no se conoce la desviación estándar de la población, se
utiliza la distribución t-student.
Diferencia a probar
𝑋−μ
to = 𝑆
𝑛 Desviación estándar
GRADOS DE LIBERTAD
 La distribución depende de un parámetro

llamado grado de libertad.
 El numero de grados de libertad es igual
al tamaño de la muestra menos 1..
NIVEL DE SIGNIFICACIÓN ( α )
Se considera un nivel alfa de:

 0.05 para proyectos de investigación;
 0.01 para aseguramiento de la calidad;
 0.10 para estudios o encuestas de
mercadotecnia.
 Si de una Población Normal con media μ y
desviación estándar σ se extrae una muestra
de tamaño n, entonces el estadístico t con
n-1 grados de libertad es:
variancia
𝑋−𝜇 𝑥𝑖 − 𝑥 2
to = 𝑆 siendo 2
𝑠 =
𝑛−1
𝑛
EJEMPLO
1. Un supervisor desea probar que el promedio
de la duración de la batería de un cierto
generador son menores a 1000h.
Se selecciona una muestra:
990, 1000, 980, 1100, 990,
1000 y 1100 horas de uso.
EJEMPLO
Se asume que la distribución de los datos

(duración de batería) es aproximadamente
normal.
Se obtiene una media muestral 𝑋̅ = 1022.86 y

una desviación estándar S= 53.14 , considere α =
0.01.
PASO 1: Formulación de las hipótesis

𝐻0∶ 𝜇 = 1000, promedio de duración igual a 1000 h
𝐻1∶ 𝜇 ˂ 1000, promedio de duración son menores a
1000 h
𝐻1 indica que se trata de una prueba de una cola

hacia la izquierda.
PASO 2:
 Elección el nivel de significación, supongamos
un α= 0.01.
 Buscar en la tabla t-student el valor tc, con
grados de libertad n-1 = 6
α = 0.01
α = 0.01
n=7
g. l = n - 1 = 6
tc = ±3.143
(t de una cola, va
g. l = 6
depender de la
dirección expresada
en la H1)
PASO 3: Calcular el estadístico to aplicando la

formula.
α = 0.01 , n = 7, 𝑿̅ = 1022.8571, S= 53.1395
𝑋−𝜇 1022.8571 −10000 22.8571

𝑡0 = 𝑆 = 53.1395 = = 1.1381
20.0845
𝑛 7
PASO 4: Formular la regla de decisión y concluir

si se rechaza o no se rechaza H0.
𝑡0 = 1.1381 > tc = - 3.143 No se rechaza H0

𝐻1∶ 𝜇 ˂ 1000
EJEMPLO
2. Una ingeniera afirma que el rendimiento medio
de cierto proceso en lotes es diferente a 500 gramos
por milímetro de materia prima. El supervisor
afirma que el rendimiento es igual a 500 gramos.
Para verificar esta
afirmación la ingeniería
toma una muestra de 25
lotes cada mes.
¿A que conclusión se llegará con un nivel de

confianza del 90% si la muestra extraída tiene una
media de 518 gramos por milímetro y una desviación
estándar de 40 gramos?
Suponer que la distribución de rendimientos

es aproximadamente normal.

𝐻0∶ 𝜇 = 500
(Rendimiento medio de cierto proceso en lotes es igual a 500
gramos por milímetro de materia prima).
𝐻1∶ 𝜇 ≠500
(Rendimiento medio de cierto proceso en lotes es diferente a 500
gramos por milímetro de materia prima).
𝐻1 observamos que se trata de una prueba de dos colas.

PASO 2:
 Elección el nivel de significación, supongamos
un α= 0.1.
 Buscar en la tabla t-student el valor tc, con
grados de libertad n-1 = 25-1 = 24
Con un α= 0.1, se puede buscar el tc de dos

formas:
Forma 1
1. Se puede buscar en la tabla t-student en una
cola, con α/2 = 0.05, con grado de libertad
igual a 24, observamos que el valor de tc es
1.71.
α/2 = 0.05
α/2 = 0.05
n = 25
g. l = n - 1 = 24
tc = ±1.711
g. l = 24
(t de dos colas, por la

dirección expresada
en la H1)
Forma 2
2. Se puede buscar en una tabla de doble cola
con un α= 0.1 que también es 1.71
α = 0.1
α = 0.1
g. l = n - 1 = 24
tc = ±1.711
g. l = 24
(t de dos colas,
por la dirección
expresada en la
H1)
PASO 3: Calcular el estadístico 𝑡0 aplicando la

formula.
α = 0.05 , n = 25, 𝑋̅ = 518, S = 40
𝑋−𝜇 518 −500 18

𝑡0 = 𝑆 = 40 = = 2.25
8
𝑛 25

Cuando - tc ˂ t0 ˂ tc no se rechaza Ho
En nuestro caso:
𝑡0 =2.25 > tc =1.711 Se rechaza H0
Se puede afirmar con un nivel del 10% que el
rendimiento medio de cierto proceso en lotes es
diferente de 500 gramos por milímetro de materia
prima.
Por lo tanto, la ingeniería tiene la razón y no es cierto lo
que el supervisor afirma.
II. t-student con dos

muestras pequeñas e
dependientes
PASOS
1. Se plantea la hipótesis:
2. Se obtiene tc con el α y como se establece una

hipótesis de un único parámetro poblacional D (se
podría pensar en una sola muestra) y con grados de
libertad (n-1) se obtiene el tc= tn-1, 0.05
Notación: D = μd = μ𝑥1 – μ𝑥2 promedio poblacional de
las diferencias entre las dos poblaciones es cero
3. Se calcula el t0:
𝑑 −𝐷
to = 𝑆𝑑
siendo 𝑛
2
𝑑𝑖 𝑑𝑖−𝑑
𝑑= , 𝑠2 = , Sd = 𝑆
𝑛𝑖 𝑛−1
4. Luego se compara:
EJEMPLO
3. Se realizó un estudio de 2 dietas a 11 obreros en
diabéticos insulina-dependientes de una fabrica. La
dieta consistió en alta (AA) y baja (BB) en fibra. Cada
obrero fue asignado aleatoriamente para su primera
dieta donde se mantuvo por 6 meses y luego se le
cambió a la otra dieta por 6 meses. Se utilizó la
glucosa sérica como variables de respuesta.
En la tabla siguiente se resume los resultados de

glucosa pos-tratamiento:
código 1 2 3 4 5 6 7 8 9 10 11
Antes 94 176 98 169 104 118 151 91 196 98 232
Después 93 87 99 127 99 89 154 68 119 81 173
¿Las dietas propuestas

ejercen algún efecto
sobre el nivel de glucosa
sérica a un α=0.01?

𝐻0∶ D = 0, μantes – μdespués = 0
Diferencia entre el nivel glucosa sérica con las dietas de alta fibra
y el nivel obtenido con la dieta de baja fibra es igual a cero.
𝐻1∶ D ≠ 0, μantes – μdespues ≠ 0,

Diferencia entre el nivel glucosa sérica con las dietas de alta fibra
es diferente al nivel obtenido con la dieta de baja fibra.
PASO 2:
Con un α= 0.01, se puede buscar el tc de dos colas, grados de
libertad = 11-1=10

formula.

formula.
α = 0.01 , n = 11, 𝑑 = 30.7273, Sd= 32.2555
𝑑 −𝐷 30.7273−0
to = 𝑆𝑑 = 32.2555 = 3.1595
𝑛 11

No se rechaza
𝑡0 =3.1595=3.16 ˂ tc =3.169=3.17 H0

No se rechaza
𝑡0 =3.1595=3.16 ˂ tc =3.169=3.17 H0
Recordando
Se acepta PASO 1: Formulación de las hipótesis

𝐻0∶ D = 0, diferencia entre el nivel glucosa sérica con las dietas de
alta fibra y el nivel obtenido con la dieta de baja fibra es igual a
cero.
𝐻1∶ D ≠ 0, diferencia entre el nivel glucosa sérica con las dietas de
alta fibra es diferente al nivel obtenido con la dieta de baja fibra.

No se puede afirmar con un nivel de significancia
1% que no existe diferencias en las cantidades de
glucosa en los dos grupos (AA y BB).
Se puede concluir que las dietas propuestas no
ejercen algún efecto diferente sobre el nivel de
glucosa sérica a un nivel de significación de 0.01.
Se recomienda otro tipo de dieta para evaluar el
efecto de la glucosa sérica.
FORMAR GRUPO DE 3 ALUMNOS Y REALIZAR LOS

EJERCICIOS VISTOS ANTERIORMENTE USANDO
NUMEROS ALEATORIOS EN EL EXCEL.
SUBIRLO COM EL NOMBRE: LAB1-APELLIDP1-

APELLIDO2-APELLIDO3
1. Un supervisor desea probar que el promedio

de la duración de la batería de un cierto
generador son menores a 2000h.
Se selecciona 22 muestras
aleatorias entre 1000 y 2000:
horas de uso.
¿Se puede afirmar con un nivel de significancia del

5% que el promedio de duración de baterías es igual
a 2000 ?
Suponer que la distribución de la muestrea

viene de una distribución.
EJEMPLO
2. Una ingeniera afirma que el rendimiento medio
de cierto proceso en lotes es diferente a 600 gramos
por milímetro de materia prima. El supervisor
afirma que el rendimiento es igual a 600 gramos.
Para verificar esta
afirmación la ingeniería
toma una muestra de 30
lotes cada mes.
¿A que conclusión se llegará con un nivel de

confianza del 90% si la muestra extraída tiene una
media de 600 gramos por milímetro y una desviación
estándar de 20 gramos?
Suponer que la distribución de rendimientos

es aproximadamente normal.
3. Se realizó un estudio de 2 dietas a 28 obreros en

diabéticos insulina-dependientes de una fabrica. La
dieta consistió en alta (AA) y baja (BB) en fibra. Cada
obrero fue asignado aleatoriamente para su primera
dieta donde se mantuvo por 5 meses y luego se le
cambió a la otra dieta por 5 meses. Se utilizó la
glucosa sérica como variables de respuesta.
Crear la tabla con los resultados de glucosa

postratamiento usando números aleatorios en los
rangos del problema original.
¿Las dietas propuestas

ejercen algún efecto
sobre el nivel de glucosa
sérica a un α=0.01 y
α=0.05 ?

Sem 01-G2-Inferencia-dos-muestras

Cargado por

Información del documento

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

Sem 01-G2-Inferencia-dos-muestras

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD RICARDO PALMA

INFERENCIA DE DOS MUESTRAS

Prof. Puelles Bulnes, Maria

INFERENCIA CON DOS MUESTRAS

Si los valores de una muestra afectan los

Si los valores de una muestra no revelan

1. Consideremos un laboratorio farmacéutico que

Estas dos muestras son independientes, porque las

T-STUDENT – TRES CLASES

T-STUDENT – TRES CLASES

I. t-student con una sola

Entonces se puede calcular un valor z y emplear la

 La distribución depende de un parámetro

Se considera un nivel alfa de:

Se asume que la distribución de los datos

Se obtiene una media muestral 𝑋̅ = 1022.86 y

PASO 1: Formulación de las hipótesis

𝐻1 indica que se trata de una prueba de una cola

PASO 3: Calcular el estadístico to aplicando la

𝑋−𝜇 1022.8571 −10000 22.8571

PASO 4: Formular la regla de decisión y concluir

𝑡0 = 1.1381 > tc = - 3.143 No se rechaza H0

¿A que conclusión se llegará con un nivel de

Suponer que la distribución de rendimientos

PASO 1: Formulación de las hipótesis

𝐻1 observamos que se trata de una prueba de dos colas.

Con un α= 0.1, se puede buscar el tc de dos

(t de dos colas, por la

PASO 3: Calcular el estadístico 𝑡0 aplicando la

α = 0.05 , n = 25, 𝑋̅ = 518, S = 40

𝑋−𝜇 518 −500 18

PASO 4: Formular la regla de decisión y concluir

II. t-student con dos

2. Se obtiene tc con el α y como se establece una

En la tabla siguiente se resume los resultados de

¿Las dietas propuestas

PASO 1: Formulación de las hipótesis

𝐻1∶ D ≠ 0, μantes – μdespues ≠ 0,

PASO 3: Calcular el estadístico to aplicando la

PASO 3: Calcular el estadístico to aplicando la

PASO 4: Formular la regla de decisión y concluir

PASO 4: Formular la regla de decisión y concluir

Se acepta PASO 1: Formulación de las hipótesis

PASO 4: Formular la regla de decisión y concluir

FORMAR GRUPO DE 3 ALUMNOS Y REALIZAR LOS

SUBIRLO COM EL NOMBRE: LAB1-APELLIDP1-

1. Un supervisor desea probar que el promedio

¿Se puede afirmar con un nivel de significancia del

Suponer que la distribución de la muestrea

¿A que conclusión se llegará con un nivel de

Suponer que la distribución de rendimientos

3. Se realizó un estudio de 2 dietas a 28 obreros en

Crear la tabla con los resultados de glucosa

¿Las dietas propuestas

También podría gustarte