Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MATRICULAS NOMBRES
1
3. prueba de hipótesis
3.1 introducción
Para esta unidad es clave tener en cuenta de una prueba de hipótesis es un procedimiento
estadístico que nos permite poner a prueba si una afirmación sobre un parámetro poblacional
puede considerarse verdadera o no, con base en los datos que aporte una muestra de dicha
población.
Este es uno de los aspectos más útiles de la inferencia estadística, puesto que muchos tipos
de problemas de toma de decisiones, pruebas o experimentos en el mundo de la ingeniería,
pueden formularse como problemas de prueba de hipótesis.
Una hipótesis estadística es una proposición o supuesto sobre los parámetros de una o más
poblaciones.
En el siguiente trabajo presentamos las operaciones que debemos de llevar acabo para comprobar
afirmaciones en ciertos casos.
2
Índice
3.2 Confiabilidad y significancia……………………………………………………………4
3.3 Errores tipo l y tipo ll …………………………………………………………………..…4
3.4 Procedimiento de una prueba de hipótesis ……………………………………7
3.5 Prueba de hipótesis para la media con σ conocida…………………………8
3.6 Prueba de hipótesis para la media con σ desconocida……………………9
3.7 Prueba de hipótesis para la diferencia de medias …………………………10
3.8 Prueba de hipótesis para la proporción………………………………………..12
3.9 Prueba de hipótesis para la varianza…………………………………………….14
3.10 Prueba de hipótesis para la relación de varianza…………………………15
Conclusión ………………………………………………………………………………….…………17
Referencias …………………………………………………………………………………………..17
3
3.2 Confiabilidad y significancia
Prueba de Hipótesis
La palabra docimar significa probar, cuando se hace indispensable tomar una decisión sobre
la validez de la representación de una población, con base en los resultados obtenidos a
través de una muestra, se dicen que se toman decisiones estadísticas. Para tomar una
decisión es necesario, ante todo plantear posibilidades acerca de la característica o
características a estudiar en una población determinada. La suposición puede ser cierta o
falsa. Estas suposiciones se llaman hipótesis estadísticas.
Hipótesis Estadística:
Con esta definición encontramos que no todas las hipótesis son hipótesis estadísticas. Se
debe tomar con referencia a un parámetro, ya sea una media aritmética, una proporción
(porcentaje) o varianza para que sea hipótesis estadística.
4
Y se cometerá un error de tipo II cuando µ ≠ 50 pero x para la muestra considerada cae en
la región de aceptación.
ERROR TIPO I
Ejemplo: Calcular a para el ejemplo de la rapidez de combustión para una muestra de N=10
datos, suponiendo que la desviación estándar de la rapidez de combustión es Ϭ=2.5 cm/seg.
a = normcdf(48.5,50,0.79) + (1-normcdf(51.5,50,0.79))
Ejemplo: recalcular a del ejemplo anterior para a) los nuevos límites de la región de
aceptación 48 y 52. b) Para N=16 con los límites originales c) con ambas modificaciones
Solución:
b) a = normcdf(48.5,50,0.625)+(1-normcdf(51.5,50,0.625)) = 0.0164
5
c) a = normcdf(48,50,0.625)+(1-normcdf(52,50,0.625)) = 0.0014
ERROR TIPO II
requiere evaluar la probabilidad de aceptar H0: µ=50 cuando el valor verdadero es µ=52.
Usando Matlab:
La probabilidad de obtener un error de tipo II aumenta muy rápido a medida que el valor
verdadero m tiende al valor hipotético, por ejemplo, si suponemos que µ=50.5, y
recalculamos β, obtenemos.
Usando Matlab:
6
Es decir, β disminuye cuando N aumenta, excepto si el valor real de µ está muy cerca del
hipotético.
En primer lugar, el gerente formula las hipótesis. La hipótesis nula es: la media de la
población de todos los tubos es igual a 5 cm. Formalmente, esto se escribe como: H0: μ = 5
Como tiene que asegurarse de que los tubos no sean más grandes ni más pequeños de 5
cm, el gerente elige la hipótesis alternativa bilateral, que indica que la media de la población
de todos los tubos no es igual a 5 cm. Formalmente, esto se escribe como H1: μ ≠ 5
7
6. Decidir si rechazar o no rechazar la hipótesis nula.
El gerente rechaza la hipótesis nula y concluye que el diámetro medio de todos los tubos no
es igual a 5 cm.
Donde 0 es una constante especifica. Se tomara una muestra aleatoria X1, X2,…, Xn de la
población.
Problema resuelto:
H0=172
H1>172
8
La región crítica estará representada en la S. Grafica:
Aplicando la formula
175 − 173
𝒁= = 2.69
9/√65
Respuesta: Como Z = 2.69 supera a Z = 1.645 si hay motivos para creer que en el grupo de
primer semestre la estatura promedio ha sufrido un cambio debido a un aumento en la
estatura promedio. De modo que la hipótesis nula se rechaza-
Problema resuelto:
Un fabricante de pinturas afirma que el tiempo medio de secado de uno de sus productos,
bajo ciertas condiciones de temperatura exterior y superficie a aplicar es de 2 horas. Para
verificar o rechazar dicha afirmación, se toma una muestra aleatoria de 10 especímenes
bajo las condiciones que especifica el fabricante. Los resultados de los tiempos fueron:
Xi 2,3 2,5 3,2 1,8 1,9 3,2 2,8 2,5 2,6 1,7
9
Con un nivel de significancia de 0,05 de la evidencia tomada, ¿Se puede afirmar que el
tiempo de secado de la pintura es mayor?
H0=2horas
H1>2horas
De la muestra se tiene
S = 0.536
N = 10
Aplicando la formula
2.45 − 2
𝒕= = 2.66
0.536/√10
Respuesta: Como el estadístico es mayor que el valor crítico, se puede concluir que el
tiempo medio de secado es mayor a 2 horas, por consiguiente la hipótesis nula es
rechazada.
Sean además:
10
El interés recae en probar que es un valor fijado, por ejemplo si
entonces se querrá probar que es decir las medias son iguales por lo cual
la fórmula que le corresponde se consignara de la siguiente manera.
Varianza desconocida
(𝑛2 − 1)𝑠22
𝑫𝒐𝒏𝒅𝒆: 𝑆 2 𝑝 = (𝑛1 − 1)𝑠12 + 𝑉 = 𝑛1 + 𝑛2 − 2 Grados de Libertad
𝑛1 + 𝑛2 − 2
Ejercicio resuelto:
Un ingeniero químico está interesado en reducir el tiempo de secado de una pintura tapa
poros. Se prueban dos fórmulas de pintura: la fórmula 1 tiene el contenido químico
estándar y la fórmula 2 tiene un nuevo ingrediente secante que debe reducir el tiempo de
secado. De la experiencia se sabe que la desviación estándar del tiempo de secado es diez
minutos y esta variabilidad inherente no debe verse afectada por la adición del nuevo
ingrediente. Se pintan diez especímenes con la fórmula 1 y quince con la fórmula 2. Los dos
tiempos promedio de secado muéstrales son 121 min y 112 min, respectivamente. ¿A qué
conclusiones puede llegar el diseñador del producto sobre la eficacia del nuevo ingrediente,
utilizando un nivel de significancia de 0,05?
La formulación de la hipótesis:
H0:μ1-μ2=0
H1:μ1-μ2>0
11
Obtenemos que 𝑍 = 0.05, Z = 1 645
1 = 10, n1 = 10
2 = 10, n2 = 15
Aplicando la formulan:
(121 − 112) − (0)
𝑍= = 2.20
102 102
√(
10 + 15 )
Respuesta: Como el estadístico dio mayor que el valor crítico, con la evidencia tomada se
puede afirmar que el tiempo medio de secado es menor con la fórmula
12
Ejercicio resuelto:
Un fabricante de blusas para dama cree que su marca se vende en 19% de las tiendas de
ropa para mujer del centro de la ciudad de México. Recientemente tomo una muestra de
85 de esas tiendas y encontró que únicamente el 14.12% venden su marca. Con un nivel de
significancia del 4% ¿Se podría concluir que ha disminuido la presencia de su marca en esa
parte de la ciudad?
DATOS:
n = 85
p = .1412
α = 0.04
13
El valor de Zc se encuentra en área de aceptación, por lo tanto, la decisión es aceptar H0.
Conclusión: Se encontró evidencia estadística con un α = 0.04 que el 19% de las tiendas de
ropa para Dama en el centro de Ciudad de México venden la marca del fabricante, por lo
que se puede concluir que no ha disminuido su presencia en la zona.
(𝑛 − 1)𝑆 2
𝑋2 =
𝜎2
n = tamaño de la muestra.
𝑆 2 = varianza de la muestra.
Ejercicio resuelto:
La St. Louis Metro Bus Company de Estados Unidos, desea dar una imagen de confiabilidad
haciendo que sus conductores sean puntuales en los horarios de llegada a las paradas. La
empresa desea que haya poca variabilidad en dichos tiempos. En términos de la varianza
de los tiempos de llegada de las paradas, la empresa desea que la varianza sea de 4 minutos
o menos. Esta prueba de hipótesis se realiza con un nivel de significancia de α = 0.05.
Asuma que en una muestra aleatoria de 24 llegadas a cierta parada en una intersección en
el centro de la ciudad, la varianza muestral encontrada es 𝑆 2 =4.9
14
Nivel de significancia de α = 0.05, como la prueba es de una sola cola (la del lado derecho),
se considera una distribución 𝑋 2 .
Si el estadístico de prueba es menor que el valor crítico, se rechaza H0, de manera contraria
se acepta. Por lo tanto, para esta prueba, tenemos que: 28.18 < 35.172, se rechaza H0.
Conclusión: existe evidencia suficiente para rechazar H0, en tal caso habrá que tomar
medidas para reducir la varianza poblacional.
En una forma análoga a las ya descritas para las medias y proporciones, también interesa
determinar si las dos poblaciones tienen o no la misma variabilidad.
15
Ejercicio resuelto:
Nivel de significación: 01
Si el valor de F calculado es mayor que F.01, 9, 15 = 3.89, se rechaza la hipótesis nula de que
las dos varianzas son iguales y se acepta la alternativa de que la primera varianza es mayor
que la segunda.
N1 = 16 N2 = 10
S12 = 23 S22 = 20
Conclusión: como 1.15 es menor que 3.89, esto quiere decir, que 1.15 se encuentra en la
zona de aceptación; entonces con un nivel de significación del 1%, se acepta la hipótesis
nula de que la variabilidad sea igual para ambas marcas.
16
Conclusión
La probabilidad y la estadística es muy particular tanto como para el ingeniero como para
las personas en la vida diaria, sobre todo hablando del ámbito profesional igual nos ayuda
a reforzar para poder tomar decisiones y ayudarnos en nuestras disyuntivas para que
nuestros márgenes de error sean bajos y poder decidir en algo. Pero ahora con esta
asignatura nos abrimos a unos nuevos temas en el cual nos complementara aún más.
Al finalizar con este tema y sobre todo con este trabajo dejado por el profesor, me llevo con
el aprendizaje de lo que podrá ser la estadística inferencial ya que al ser tema 1, estamos
comenzando por introducirnos en la asignatura.
Y además nos ayudara a comprender los métodos y procedimientos que por medio de la
inducción determina propiedades de una población estadística, a partir de una parte de
esta. Su objetivo es obtener conclusiones útiles para hacer deducciones sobre una totalidad,
basándose en la información numérica de la muestra.
Referencias
Departamento de Estadística e Investigación Operativa. (Sin Fecha). “Introducción a la
Estadística Inferencial”. Recuperado de:
http://www.eio.uva.es/~valentin/ging/materiales_web/Tema10-11_resaltado.pdf
Otzen, T. & Manterola, C. (2017). “Técnicas de Muestreo sobre una Población a Estudio”.
Recuperado de: https://scielo.conicyt.cl/pdf/ijmorphol/v35n1/art37.pdf
17
18