Trabajo de Prueba de Hipotesis

UNIVERSIDAD NACIONAL DE TUMBES
FACULTAD DE CIENCIAS
AGRARIAS
ESCUELA ACADEMICA PROFESIONAL DE
AGOINDUSTRIAS
“PRUEBA DE HIPOTESIS”
MONOGRAFÍA
TRABAJO QUE CORRESPONDE A LA I UNIDAD
DEL CURSO DE MODELOS ESTADISTICOS PARA LA
INGENIERIA.
Presenta
HERRERA GONZALES, Jeferson
CORDOVA FARIAS, RAY
ZARATE PEÑA, nelixa
CASTILLO CÓRDOVA, Denninson
FLORES PARDO, Denilson
RAMIREZ SANTACRUZ, brayan
QUEREVALU SILVA, rosalinda
Docente
MG. ESTAD. BLAS PÉREZ, Juan Santiago
Página |2
Tumbes, Peru Junio, 2021
CONTENIDO
INTRODUCCIÓN.......................................................................................................................4
OBJETIVO.................................................................................................................................5
CAPITULO I...............................................................................................................................6
1.1. HIPÓTESIS ESTADÍSTICA................................................................................................6
1.2. PRUEBA DE HIPÓTESIS..................................................................................................6
1.3. HIPÓTESIS NULA...........................................................................................................7
1.4. HIPÓTESIS ALTERNATIVA..............................................................................................7
1.5. DISTRIBUCIÓN NORMAL ESTÁNDAR.............................................................................7
1.6. ESTADÍSTICOS DE PRUEBAS..........................................................................................8
1.7. REGIÓN DE RECHAZO...................................................................................................9
1.8. NIVEL DE SIGNIFICANCIA..............................................................................................9
1.9. ERRORES TIPO I Y TIPO II............................................................................................10
CAPITULO II............................................................................................................................10
2.1. PRUEBAS DE DOS COLAS, COLA IZQUIERDA, COLA DERECHA.....................................10
2.2. DISTRIBUCIÓN T..........................................................................................................10
CAPITULO III...........................................................................................................................11
EJERCICIOS...........................................................................................................................11
CONCLUSIÓN.........................................................................................................................21
REFERENCIAS BIBLIOGRAFICAS....................................................................................22

Página |3
DEDICATORIA
Este trabajo está dedicado principalmente a nuestro

creador, gracias amado Dios, porque eres quien da la
sabiduría con abundancia y sin reproches, por qué nos das
la fortaleza para poder emprender cualquier proyecto en
nuestra vida.
También a nuestros Padres porque ellos son quienes nos
brindan su apoyo incondicional y nos trazan dirección en
cada paso que damos y a nuestro profesor que nos brinda
los conocimientos para poder formarnos en nuestra carrera
universitaria.

Página |4
INTRODUCCIÓN
La estadística Inferencial tiene dos principales actividades, una de ellas es la

prueba de hipótesis, estas son muy utilizadas en los procesos de control de
calidad, ya que tienen que verificar que el producto que están realizando
cumpla con los estándares que debe de tener. En el presente trabajo se
abordarán los conceptos de: prueba de hipótesis, hipótesis alternativa,
hipótesis nula, distribución normal estándar, región de rechazo, errores tipo I y
II, nivel de significancia y prueba t, incluyendo ejemplos que, que engloban
cada tema tratado.
Estadísticamente una prueba de hipótesis es cualquier afirmación acerca de

una población y/o sus parámetros.
Una prueba de hipótesis consiste en contrastar dos hipótesis estadísticas. Tal
contraste involucra la toma de decisión acerca de las hipótesis. La decisión
consiste en rechazar o no una hipótesis en favor de la otra. Una hipótesis
estadística se denota por “H” y son dos: Ho: hipótesis nula H1: hipótesis
alternativa
La prueba de hipótesis estadística es una conjetura de una o más poblaciones.

Nunca se sabe con absoluta certeza la verdad o falsedad de una hipótesis
estadística, a no ser que se examine la población entera. Esto por su puesto
sería impráctico en la mayoría de las situaciones. En su lugar, se toma una
muestra aleatoria de la población de interés y se utilizan los datos que contiene
tal muestra para proporcionar evidencia que confirme o no la hipótesis. La
evidencia de la muestra que es un constante con la hipótesis planteada
conduce a un rechazo de la misma mientras que la evidencia que apoya la
hipótesis conduce a su aceptación.

Página |5
OBJETIVO
 OBJETIVO GENERAL
 Analizar y comprender el uso correcto de la PRUEBA DE
HIPOTESIS, que se nos servirán y serán de gran utilidad
en la aplicación universitaria.
 Objetivos específicos
 Averiguar cada una de las definiciones de la prueba de

hipótesis para dos medias poblacionales, prueba de
hipótesis en diferencia de proporciones.
 Indagar acerca de los diferentes tipos de pruebas de
hipótesis , así mismo sus características de los ejercicios
de aplicación.

Página |6
CAPITULO I
1.1. HIPÓTESIS ESTADÍSTICA.
Spiegel Murray R. expone que “Al intentar alcanzar una decisión, es útil hacer
hipótesis (o conjeturas) sobre la población implicada. Tales hipótesis, que
pueden ser o no ciertas, se llama hipótesis estadísticas. Son, en general,
enunciados acerca de las distribuciones de probabilidad de las poblaciones.
1.2. PRUEBA DE HIPÓTESIS.
Larson Harold J. define: “Una prueba de hipótesis es una partición de un

espacio muestral en dos partes, llamadas la región de rechazos (o región
critica) y la región de aceptación. aceptación.”
Triola Mario F. presenta la siguiente definición: “En estadística, una hipótesis

es una aseveración o afirmación acerca de una propiedad de una población.
Una prueba de hipótesis (o prueba de significan significancia) es un

Página |7
procedimiento estándar para probar una aseveración acerca de una propiedad

de una población.”
Con las definiciones que presentan los diferentes autores se puede decir que
las pruebas de hipótesis son aquellas que aquellas que sirven para poder
observar las propiedades de una población, una prueba de hipótesis está
compuesta por la región de aceptación y la región de rechazo.
1.3. HIPÓTESIS NULA.
Chao Linconln L. define que: “La hipótesis nula, Ho, es una declaración
tentativa de que un parámetro de la población es igual a un valor específico. A
menudo en tal declaración está implícita la idea de que “no hay diferencia” y de
ahí el nombre de hipótesis “nula”.”
“La hipótesis nula (denotada por Ho) es la afirmación de que el valor de un

parámetro de población (como una porción, media o desviación estándar) es
igual a un valor acervado. La hipótesis se prueba en forma directa, en el
sentido de que se supone que es verdadera, y llegamos a una conclusión para
rechazar Ho o no rechazar Ho.”
La hipótesis nula es aquella que está sujeta a comprobación, con el apoyo de

la declaración de parámetros y sus distribuciones, ubicando su estadístico de
prueba en la zona de rechazo o aceptación, se podrá tomar la decisión de
aceptar o rechazar la hipótesis nula, y finalmente presentar una conclusión del
muestreo que se haya realizado.
1.4. HIPÓTESIS ALTERNATIVA.
Chao Linconln L. presenta la siguiente definición: siguiente definición: “La

hipótesis alternativa, H La hipótesis alternativa, H1, es una declaración
tentativa de que el mismo parámetro de la población tiene un valor diferente del
especificado en la hipótesis nula.”
“La hipótesis alternativa (denotada por H1 o Ha o HA) es la afirmación de que

el parámetro tiene un valor que, de alguna manera, difiere de la hipótesis nula.”
Página |8
La hipótesis alternativa es la declaración contraria a la hipótesis nula,
1.5. DISTRIBUCIÓN NORMAL ESTÁNDAR.
Chao Linconln L. expone que: “Para obtener probabilidades para un cierto

intervalo de valores, es necesario conocer la distribución probabilísticas. Sin
embargo, hay tantas variables normales que resultan poco práctico desarrollar
una distribución probabilística distinta para cada una. Afortunadamente, existe
una distribución probabilística que puede aplicarse a cada una de las posibles
variables aleatorias normales: la distribución normal estándar. Se trata de la
distribución probabilística de la variable normal estándar Z, la cual se define
como:
x−μ
z=
σ
En donde X es la variable aleatoria normal que tiene media μ y desviación

típica σ . Obsérvese que la puntuación Z es la diferencia entre el valor
observado de X y su media, expresada en términos de su desviación típica.
Entonces, el valor de Z es igual al número de desviaciones típicas y a menudo
se le denomina desviación normal.
Se puede observar que los parámetros de la distribución normal estándar son

la media (μ ) y desviación estándar (σ ), cuyos valores son 0 y 1
respectivamente. Tomando en cuenta que la grafica de esta distribución es
simétrica con respecto al eje que atraviesa la media igual a cero ( μ=0)
1.6. ESTADÍSTICOS DE PRUEBAS.
Mario F. Triola, define que:” El estadístico de prueba es un valor que se utiliza

para tomar la decisión sobre la hipótesis nula, y se calcula convirtiendo al
estadístico muestral (como la proporción muestralρ, la media muestralx, o la
desviación estándar muestral s) en una puntuación (como z, t o X 2), bajo el

supuesto de que la hipótesis nula es verdadera.
- Estadístico de prueba para proporciones.

Página |9
p∗− p
Z=
pq
√ n
- Estadísticos de prueba para medias.
- Estadístico de prueba para desviaciones estándar.
(n−1)
x 2=
σ2
El estadístico de prueba para una media usa la distribución normal o la
distribución t de estudent, dependiendo de los requisitos que se satisfagan.”
Por lo que se puede concluir que el estadístico de prueba es usado para decidir
si se rechaza la hipótesis nula (Ho)
1.7. REGIÓN DE RECHAZO.
Mario F. Triola expone que: “Región critica (o región de rechazo) es el conjunto

de todos los valores del estadístico de prueba que pueden provocar que
rechacemos la hipótesis nula.”
Analizando la definición se puede decir que la región de rechazo es la que

puede provocar que rechacemos la hipótesis nula, la región de rechazo
depende del valor que se le asigne a α (Nivel de Significancia)
1.8. NIVEL DE SIGNIFICANCIA
Mario F. Triola [5] define que: “El nivel de significancia (denotado por α) es la
probabilidad de que el estadístico de prueba caiga en la región critica, cuando

P á g i n a | 10
la hipótesis nula es verdadera Analizando la definición se puede decir que el

nivel de significancia es el valor que se le asigna a α, ya que de este depende
la probabilidad que el estadístico caiga en la región de rechazo, y en algunos
casos se puede cometer el error de rechazar Ho cuando es verdadera.
1.9. ERRORES TIPO I Y TIPO II.
Mario F. Triola puntualiza que: “Error tipo I: El error de rechazar la hipótesis

nula cuando en realidad es verdadera. Se utiliza el símbolo α (alfa) para
representar el error tipo I. Error tipo II: El error de no rechazar la hipótesis
cuando en realidad es falsa. Se utiliza el símbolo β (beta) para representar la
probabilidad de un error tipo II.”
CAPITULO II
2.1. PRUEBAS DE DOS COLAS, COLA IZQUIERDA, COLA
DERECHA.
Mario F. Triola puntualiza que: “Prueba de dos colas: La región critica se

encuentra en las dos regiones extremas (colas) bajo la curva. Prueba de cola
izquierda: La región critica se encuentra en la región extrema izquierda (cola)
bajo la curva. Prueba de cola derecha: La región critica se encuentra en la
región extrema derecha (cola) bajo la curva.”
2.2. DISTRIBUCIÓN T.
Gil Infante Said et al. expone que: “La distribución muestral de la estadística de
prueba t, llamada distribución t, tiene, como en el caso de z, forma
acampanada o de montículo, y es perfectamente simétrica respecto a t=0. A
diferencia de z, es mucho más variable, alargándose con rapidez hacia la
derecha y hacia la izquierda, un fenómeno que se puede explicar fácilmente.”

P á g i n a | 11
También se puede decir que la distribución t tiene también por característica

que se puede aplicar a muestras menores a 30.
CAPITULO III
EJERCICIOS
1) Una fábrica de fertilizantes tiene dos máquinas envasadoras con las que se pretende llenar
sacos iguales. Se llenan 10 sacos con la primera máquina obteniéndose un contenido medio de
29.8 kg. y una varianza de 1.2. Se llenan otros 10 sacos con la segunda maquina obteniéndose
un contenido medio de 30.2 kg. Y una varianza de 1.4. Asumiendo normalidad, se pide: a) ¿Se
puede concluir, con un nivel de significancia del 10%, que la segunda maquina envasadora
introduce más fertilizante que la primera? Hacer el estudio asumiendo igualdad de varianzas.
b) ¿Se puede concluir que las varianzas son heterogéneas?
MAQUINAS (1) MAQUINAS (2)

n₁=10 n₂=10
x₁=29.8kg X₂=30.2kg
s₁²=1.2 s₂²=1.4
ά=10%
1. HIPOTESIS H₀: σ ₁ ²#σ ₂²

H₁: σ ₁ ²=σ ₂²
2. NIVEL DE INSUFICIENCIA:
ά=0.10→ (1- ά; n₁-1; n₂-1)=F(0.95;9.9)= ±3.18
3. ESTADISTICO DE PRUEBA:
s ₁² 1−2
F₂= s ₂² = 1−4 =0.857
4. DECISION: F(0.15 ; 9.9) >Fc→Aceptamos H0
5. CONCLUSION:

P á g i n a | 12
a) Como Fc<F tabla , entonces aceptamos Ho y rechazamos H₁ y

diremos que la segunda maquina invasora introduce mas fertilizante
que la primera a un NC del 90%.
b) las varianzas no son heterogéneas porque según la hipótesis

aceptamos la hipótesis nula cuando las varianzas poblacional son
diferentes no son heterogéneas.
2) Un experimento para explorar los umbrales del dolor provocados por descargas
eléctricas para hombres y mujeres arrojó el resumen de datos que aparecen en la
Tabla ¿Los datos aportan suficiente evidencia para indicar una diferencia considerable
en la variabilidad de umbrales del dolor para hombres y mujeres? Use α =0 .10.
Supongamos que los umbrales del dolor para hombres y mujeres están distribuidos
normalmente en forma aproximada
HOMBRES(H) MUJERES (M)

nH=14 nM=10
x̄H=16.2 x̄M=14.4
s²H=12.7 s²M=26.4
1. HIPOTESIS H₀: σ H ²#σ M ²

H₁: σ H ²=σ M²
2. NIVEL DE INSUFICIENCIA:
ά=0.10→ (1- ά/2; nH-1; nM -1)=F(0.95;13.9)= ±3.05
3. ESTADISTICO DE PRUEBA:
s H ² 12.7
F₂= s M ² = 26.4 =0.481
4. DECISION: F(0.45 ; 13;9) >Fc→Aceptamos H0
5. CONCLUSION:

P á g i n a | 13
Como Fc<F tabla , entonces aceptamos Ho y rechazamos H₁ y diremos

que Los datos no aportan evidencias sufientes para indicar una diferencia
considerable en la variabilidad umbrales para hombres y mujeres ,NC del
90%
3) La reacción de un individuo a un estímulo en un experimento psicológico

puede tomar una de dos formas, A o B. Si un experimentador desea
estimar la probabilidad p de que una persona reaccione en una forma A,
¿cuántas personas deben incluirse en el experimento? Suponga que el
experimentador estará satisfecho si el error de estimación es menor que
0.04 con probabilidad igual a .90. Suponga también que él espera que p
se encuentre en algún punto cercano a 0.6.
SOLUCION:
N =?
E= 0,04
1−∝=0,90→ ∝=0,10
∝
Z1 − =Z 0,95=1.645
2
P ≤0.6 y q ≤ 0.4
Como:
∝
Z 21− pq
2
n=
E2
(1,645)2 ( 0,6 )( 0,4)

n=
(0,04 )2
n=405 , 90 375 ≈ 406 muestras

P á g i n a | 14
4) La información nutrimental dada por Kentucky Fried Chicken (KFC) dice que
cada bolsa pequeña de papas contiene 4.8 onzas de alimento y 280
calorías. Una muestra de diez pedidos de restaurantes KFC en New York y
New Jersey promedió 358 calorías.
a) Si la desviación estándar muestral fue s = 54, ¿hay sufi ciente evidencia
para indicar que el número promedio de calorías en bolsas pequeñas de
papas de KFC es mayor que el anunciado? Pruebe al nivel de
significancia de 1%.
b) Construya un límite inferior de confianza de 99% para el verdadero
número medio de calorías en bolsas pequeñas de papas de KFC. c Con
base en el límite obtenido en el inciso b, ¿qué concluiría acerca de la
afirmación de que el número medio de calorías es mayor que 280?
¿Cómo se compara esta conclusión con la del inciso a en la que se
realizó una prueba formal de hipótesis?
Solución:
µ0=280 calorias
N =10 pedidos
x́ = 358 calorias
a) S = 54 calorias
∝
∝=1 =0 , 01
0
Hipótesis: H 0 :µ0 ≤ 280 calorias
H 1 : µ0 >280 Calorias

P á g i n a | 15
2) Nivel de significancia: ( n ≤ 30 )
∝=0,01 →t (1−∝ ;n−1)=t (0.99 ;9 )=2,821
3) Estadística de prueba:
x́−µ 358−280
= =4,568
Tc = s 54
√n √ 10
4) Decisión:
tc cae en RR
2,021 tc
5) Conclusión: como tc >T tablas ; entonces rechazamos H 0 y aceptamos H 1

Y decimos q el número promedio de calorías en las bolsas pequeñas de KFC es mayor a
200 calorías a un nivel de confianza del 99%
IC 99 %=¿
IC 99 % ¿]
[
IC 99 %= 358−3.249 ( √5410 ) ; ∞ ]
IC 99 %=¿
5) Un experimento publicado en The American Biology Teacher estudió la efi

cacia de usar 95% de etanol y 20% de blanqueador como desinfectantes para
eliminar contaminación por bacterias y hongos cuando se cultivan tejidos de
plantas. El experimento se repitió 15 veces con cada uno de los desinfectantes,
usando berenjenas como el tejido de planta cultivado. Cinco cortes por planta

P á g i n a | 16
se colocaron en una caja de petri desinfectada usando cada uno de los agentes
y almacenada a 25°C durante 4 semanas. Las observaciones reportadas
fueron el número de cortes de berenjena no contaminados después de 4
semanas de almacenamiento. La información relevante se da en la siguiente
tabla. ¿Usted estaría dispuesto a suponer que las varianzas poblacionales
subyacentes son iguales
¿Qué concluiría usted, con a = 0.02?
Solución:
Desinfectante 1 Desinfectante 2
X1 = 3.73 X=4.80
S21=2.78095 S22=0.17143
n1=15 n2=15
α =0.02
1. Hipótesis: H 0=σ =σ 2
1
2
2
H 1=σ ≠ σ
2 2
1 2
2. N.C
α =0.02 → F
(1− α2 ;n −1 ;n −2)=F (0.90 ;14 ;14)=3.697
1 2
3. Estadístico de Prueba:
s12 2.78095
F c= 2 = =16.222
s 2 1.17143
4. Decisión:
F ( 0.90 ; 14 ; 14 ) < FC → Rechazamos H 0

P á g i n a | 17
5. Conclusión:
Como F c > F tabla entonces rechazamos H 0 y aceptamos H 1
las varianzas poblacionales no son iguales a un N .Cdel 98 %
6) Jan Lindhe realizó un estudio16 sobre el efecto de un enjuague bucal contra

la acumulación de placa en los dientes. Catorce pacientes, cuyos dientes se
limpiaron y pulieron muy bien, fueron asignados aleatoriamente a dos grupos
de siete personas cada uno. A ambos grupos se les indicó usar enjuagues
bucales (sin cepillarse) durante un periodo de 2 semanas. El grupo 1 utilizó un
enjuague que contenía un agente contra la acumulación de placa; el grupo 2 de
control recibió un enjuague bucal similar, excepto que, sin que los pacientes lo
supieran, el enjuague no contenía el agente contra la acumulación de placa. El
índice de placa y, que es una medida de la acumulación de placa, se registró a
los 4, 7 y 14 días. La media y la desviación estándar para las mediciones de
placa de 14 días para los dos grupos se dan en la siguiente tabla:
Grupo de control Grupo contra la placa

Tamaño muestral 7 7
Media 1.26 0.78
Desviación 0.32 0.32
estándar
a) ¿Los datos dan suficiente evidencia para indicar que el enjuague bucal
contra la placa es efectivo? Pruebe usando a = 0.05.
Solución:
Grupo Control Grupo contra la placa
(A) (B)
n A =7 n B=7

P á g i n a | 18
XA= 1.26 XB= 0.78
S A =0.32 S B=0.32
1. Hipótesis: H 0= μ −μ B=0 A
H 1=μ −μ B ≠0
A
2. Nivel de significancia:
¿)
α =0.05 → t α ,n A +n B−¿2 ¿ =t (0.975;12) =∓ 2.560

1−
2
x A −x B (7−1 ) ( 0.32 )2+(7−1)(0.80)2

t c= → s P=√
1 7+7−2
S p √ 1/n A +
nB
s P=0.32
1.26−0.78
∴ tc= =2.806
( 0.32 ) 1 + 1
√7 7
4. Decisión:
α α
2 2
RA
-2.560 2.560 tc
5. Conclusión:
t c < t tabla , entoncesrechazamos H 0y aceptamos H 1
Los datos si dan suficiente evidencia para indicar que el enjuague bucal contra la placaes mas eficiente a un N

P á g i n a | 19
7) Un artículo en American Demographics investigó los hábitos de consumo en un

centro comercial. Tendemos a gastar más dinero en compras durante los fines de
semana, en particular en domingos entre las 4:00 y las 6:00 p.m. Los compradores
gastan menos los miércoles por la mañana. Se seleccionaron muestras aleatorias
independientes de compradores y se registró la cantidad gastada por viaje al centro
comercial, como se indica en la siguiente tabla
SOLUCIÓN:
Datos:
Fines de Semana Días Hábiles
n1=20 n2= 20
x̄1= 78 x̄2=67
S1= 22 S2= 20
Hipótesis
H0: µ1 - µ2 = 0
H1: µ1 - µ2 ≠ 0
Nivel de significancia: (n1; n2 < 30)
α = 0.05 t(1- α /2; n1 + n2-2) = t(0.975; 38) = ± 2.334

Estadístico de Prueba:
x̄ 1− x̄ 2−( K)
( n 1−1 ) S 21+(n 2−1)S 22
Tcal= S2P S 2P
2
S P=
√ +
N1 N2
n1+ n2−2
2 ( 20−1 ) (22)2 +(20−1)( 20)2

S =
P
20+20−2
S2P=21.024
70−67−(0)
Tcal= 1 1
(21.024) +
8 8 √
Tcal = 1.6545

P á g i n a | 20
Decisión:
-2.334 2.334
Conclusión
Con Tc < Ttabla ; aceptamos H0 y Rechazamos H1 y decimos que no hay

suficiente para decir que existe una diferencia en la cantidad promedio Gastada
por viajes en fines de semana.
8) Un investigador quiere estimar la pérdida de peso media alcanzada por pacientes

en una clínica de adelgazamiento durante la primera semana, en régimen de dieta
controlada y ejercicios. ¿Cuál debe ser el tamaño de una muestra para estimar esta
media con un margen de 0,5 libras y una confianza del 95 %? Supongamos que se
dispone de los siguientes datos a partir de las observaciones preliminares de cinco
individuos: 3.0; 2.7; 4.0; 5.0; 1.2 4.
Solución:
E = 0.5
N.C = 1- α = 95 %
α = 5% Z 1- α /2
3.4+2.7+ 4.0+5.0+1.24
x̄1=
5
x̄1= 3.188
S= 1.42
Como n = Z 2 ¿ ¿
(1.42¿¿ 2)
n = (1.96¿¿ 2)
0.52
¿¿ n = 30.98 = 31
conclusión
El tamaño de la muestra esta media con un margen de error de 0.5 es de 25 a
un N.C. del 95%

P á g i n a | 21
9) A un especialista en estadística que estudia el desarrollo de recursos humanos se le pide

que determine si los salarios por hora de los obreros semi calificados son los mismos en dos
ciudades distintas. El resultado de esta investigación se presenta en la tabla .
a) Suponga que la empresa desea probar la hipótesis al nivel 0.05 de que no hay diferencia
entre los salarios por hora de los trabajadores semi calificados de las dos ciudades:
b) Sin embargo, podemos investigar si los salarios promedio son alrededor de 10 centavos por
hora más bajos en la ciudad de Apex que en Eden. En ese caso, nuestras hipótesis serían:
ADEX(A) EDEN (E)

nA=200 n E=175
x̄A=$8.95/hora x̄E=$9.10/hora
s²A=$0.40/hora s² E=$0.60/hora
ά=0.05
1. HIPOTESIS H₀: µ A−µE= 0

H₁: µ A=µE #0
2. NIVEL DE INSUFICIENCIA: (nA;nB>30)

ά=0.05→Z1 ά/2=Z0.975=±1.96
3. ESTADISTICO DE PRUEBA
x̄ A−x̄ E 8.95−9.10
¿
Zc σ 2A σ 2E = 0.402❑ 0.60❑2 = -2.806
√ +
nA nE √ 200
+
175

P á g i n a | 22
4. DECISION: ά/2 zc cae en RR
ZC -1.96 1.96
5. CONCLUSION: Como Fc<F tabla , entonces Rechazamos Ho y

aceptamos H₁ y diremos que si hay diferencia en los salarios por hora de los
trabajadores semi calificados de las dos ciudades a un NC del 95%
6. Hipotesis:
H₀: µ A−µE > $0.10/hora
H₁: µ A-µE <$0.10/horas
10. En 1993, el Consejo de Estándares para Contabilidad Financiera (CECF)

consideró una propuesta para requerir que las compañías informaran el efecto
potencial de la opción de compra de acciones de los empleados sobre los
ingresos por acción (IPA). Una muestra aleatoria de 41 empresas de alta
tecnología (AT) reveló que la nueva propuesta reduciría el IPA en un promedio
del 13.8%, con una desviación estándar del 18.9%. Una nuestra aleatoria de 35
productores de bienes de consumo (BC) mostró que la propuesta reduciría el
IPA en 9.1% en promedio, con desviación estándar del 8.7%. Con base en
estas muestras, ¿es razonable concluir (para α = 0.10) que la propuesta de la
CECF causaría una mayor reducción en el IPA para las empresas de alta
tecnología que para los productores de bienes de consumo?
(AT) (BC)
n1 =41 n2=35
X 1 =13.8 % X 2=9.1 %
σ 1 =18.9 % σ 2=8.7 %
α =0.10hipotesis H 0 :u1−u2 <0H 1 :u 1−u2 ≥0
nivel de significancia : ( n1 ; n2 >30 )α =0.10 → Z (1−α )=Z 0.90=1.285

P á g i n a | 23
X 1−X 2 13.8−9.1
Z c= = =1.425
Estadistico de problema: σ 21 σ 22 18.92 8.72
√ +
n1 n2 √ 41
+
35
Discusión : Zc cae en RR
1.285 Zc
Conclusión: como Zc> Ztab ; entonces H 0 y H 1 y diremos que es razonable concluir que la propuesta de la CE
causaria una mayor alusión de IPA para AT que para Bc con un NC del 90 % .
11. Sherri Welch es una ingeniera de control de calidad de la división de
limpiaparabrisas de Emsco, Inc. La empresa estudia dos nuevos hules
sintéticos para sus limpiadores y Sherri es la encargada de determinar si los
hules con los dos nuevos compuestos se desgastan igual. Equipa 12 autos de
empleados de Emsco con un limpiador de cada uno de los compuestos. En los
autos 1 a 6, el limpiador derecho está fabricado con el compuesto A y el
izquierdo con el B; en los autos 7 a 12, el compuesto A se colocó en el
limpiador izquierdo. Los carros se usaron en condiciones normales de
operación hasta que los hules no realizaban un trabajo satisfactorio al limpiar el
parabrisas. Los datos presentados se refieren a la vida útil (en días) de los
hules. Para α = 0.05, ¿es igual el desgaste de los dos compuestos?
Auto – Li (A) Auto – Ld (B)
162+ 323+…+154 183+ 347+…+148
n A =12 nB =12X A = =220.67 X B = =230.58
12 12
SA2=¿¿SA2=2664.72 SB2=2726.41α =0.05
Hipotesis : H 0=u A−u B ≠ 0H 1=u A −u B=0
α
( )
nivel de significancia : ( NA ; NB ≤30 )α =0.05 → t 1− ; na +nb −2 =t ( 0.975 ; 22 )=± 2.41
2
estadistico de prueba
XA−XB ( 12−1 ) ( 2664.72 ) + ( 12−1 ) ( 2726.41)
t c=
sp
√ 1
nA nB
+
1
→ sp=
√ 12+12−2
=51.92
220.67−230.58
tc= =0.468
1 1
( 51.92 )
√ +
12 12
discusión : tc cae en
RA

P á g i n a | 24
conclusión :como tc>ttab , entonces aceptamos H 0 y rechazamos H 1 y diremos que el desgaste de los 2 comp
no es igual a un NC de 95 % .
12. Se pidió a nueve distribuidores de componentes de computadora en un
área metropolitana importante que proporcionaran sus precios de dos
impresoras a color de inyección de tinta. Los resultados de la encuesta se dan
en la tabla (con precios en dólares). Para α = 0.05, ¿es razonable asegurar que
en promedio la impresora Apson es menos costosa que la Okaydata?
Precio APSON Precio OKAYDATA
250+319+..+275 270+325+..+300
nA=9 nB=9 XA= =287.44 XB?= =292.56
9 9
2 2
SA = (250−287.44 ) +..+¿ ¿ SA2=460.47 SB 2=400.91α =0.05
hipotesis : H 0 :ua−u b ≥ 0H 1 :u a−ub < 0
nivel de significancia ( nA , nB ≤30 )α =0.05 → t ( 1−α ; nA+nB−2 )=t ( 0.95 ; 16 )=−1.746
XA−XB ( 9−1 )( 460.47 ) + ( 9−1 )( 400.91)

tc =
sp
√ 1
+
nA nB
1
→ sp=
√ 9+9−2
=20.75
287.44−292.56
tc = =0.523
1 1
2075
√ +
9 4
conclusión :cuando tc > ttab entonces aceptamos H 0 y rechazamos H 1 y decimos que no es razonable asegur
A es menor contra que la O .
13. Los datos de la tabla corresponden a una muestra aleatoria de nueve empresas tomadas de la
sección “Digest of Earnings Reports” (Resumen de Informes de Ingresos) del The Wall Street
Journal del 6 de febrero de 1992:
a) Encuentre el cambio medio en los ingresos por acción, entre 1991 y 1992.
b) Encuentre la desviación estándar del cambio y la desviación estándar del error de la media.
c) ¿Fueron diferentes los ingresos medios por acción en 1991 y 1992? Pruebe con un nivel α
=0.02.
a) b)
∑ x2 − n x2 x̄ −u
1991 1992 d(X1 – X2)
1.38 2.48
1.26 1.50
-1.1
-0.24
d2
1.21
0.0576
S=
n−1 n−1 √ t=
σx
2
9.1391 9 ( 0,1878 )
3.64 4.59
3.50 3.06
2.47 2.11
-0.95
0.44
0.36
0.9025
0.1936
0.1296
S=
9−1
−
9−1 √ =1.05
t=
0.1878−0
0.35
=0.5366
s
3.21 2.80 0.41 0.1681 σx=
1.05 1.59 -0.54 0.2916 √n
1.98 0.92 UNIVERSIDAD
1.06 NACIONAL DE TUMBES
1.1236 1.05
σx= =0.3566
2.72 0.47 2.25 5.0625 √9
TOTAL 1.69 9.1391
P á g i n a | 25
x̄ =
∑x
n c)
1.69 1. Hipótesis 2. N.C 3. Decisión:
x̄= =0.1878
9 0.5366 < +2.896
H0: µ1= µ2 1 – α = 0.02 SE ACEPTA HO
H2: µ1 ≠ µ2 ± 2.896
conclusion: como tc < t tabla se acepta la Ho , con un N.C de 98%, concluimos que si fueron no
diferentes los ingresos medios por acción 1991 y 1992.
14. Jeff Richardson, el encargado de recepción de un distribuidor de productos químicos, se

enfrenta con el problema continuo de recibir tubos de ensaye, platos Petri y matraces rotos. Jeff
determinó algunas precauciones adicionales de empaque que se pueden tomar para prevenir la
rotura de las piezas y ha pedido al director de adquisiciones que informe a los proveedores de
las nuevas medidas. En la tabla se dan los datos de 8 proveedores en términos del número
promedio de piezas rotas por envío. ¿Indican los datos, para α = 0.05, que las nuevas medidas
han disminuido el número promedio de piezas rotas?
DATOS:
N=8 1−α=5
GL=7 t= 1.895
1. Hipótesis: 2. N.C
H0: µ1= µ2 1 – α = 0.05

H2: µ1 ≠ µ2 ± 1.895

P á g i n a | 26
ANTES DESPUES d(X1 – X2) d2

16 14 2 4 GRAFICA: x̄ =
∑x s
n σ= n
12 13 -1 1 4. Decisión: √
18 12 6 36 17 2.799
x̄= =2.125
7 6 1 1 8 σ= =0.9895
14 9 5 25 √8
2
19 15 4 16 8 ( 2.125 )
6
17
8
15
-2
2
4
4
S=
√
91 2.125−0
t= −
8−1 0.9895 8−1
=2.799
=2.147
TOTAL 17 91
2.147 > +1.895

SE RECHAZA HO
1.985 2.147
Conclusión: como TC > T tabla, se rechaza HO y aceptamos H1, a

un N.C 95% concluimos que han disminuido el número de piezas rotas.
15. El club deportivo Aquarius Health anuncia un riguroso programa de acondicionamiento físico.
El club asegura que después de un mes de seguir el programa, un participante promedio será
capaz de hacer 8 “lagartijas” más en 2 minutos que las que podía hacer al principio. ¿La
muestra aleatoria de 10 participantes en el programa, cuyos datos se dan en la tabla siguiente,
apoya la afirmación del club? Utilice un nivel de significancia de 0.025.
DATOS:
N=10 1−α=0.025
GL=9 t= 2.262
Prueba de hipótesis:
x̄ =
∑x
UNIVERSIDAD NACIONAL DE TUMBESn
110
x̄= =11
10
P á g i n a | 27
H0: µ1= µ2
H2: µ1 ≠ µ2
ANTES DESPUES d(X1 – X2) d2

38 45 -7 49 s
σx=
11 24 -13 169 √n
34 41 -7 49
5.32
25 39 -14 196 σx= =1.68
17 30 -13 169 √ 10
38 44 -6 36 x̄ −u
12 30 -18 324 t=
σx
27 39 -12 144
32 40 -8 64 11−8
t= =1.786
29 41 -12 144 1.68
TOTAL -110 1344
GRAFICA:
-2.262 < 1.786
SE ACEPTA HO
2.262 1.786
Decisión: como tc < t tabla se acepta la Ho , con un N.C de 97.5%, concluimos que los 10
participantes apoyan la firma del club.
pág. 27
P á g i n a | 28
CONCLUSIÓN
Desarrollado el tema “prueba de hipótesis” llegamos a la conclusión siguiente:
Un test de hipótesis para dos muestras es similar en muchos aspectos al

test para una muestra. Ya que se especifica una hipótesis nula, en la mayoría
de los casos se propone que las medias de las dos poblaciones son iguales y
se establece la hipótesis alternativa (uni o bilateral).
Las pruebas de hipótesis son un potente auxiliar para los procesos de control
de calidad, ya que con ellas se pueden determinan mediante muestreos si un
producto se encuentra dentro de la región de aceptación o dentro de la región
de rechazo, estas las podemos emplear para la toma de decisiones
importantes.
pág. 28
P á g i n a | 29
REFERENCIAS BIBLIOGRAFICAS
 Spiegel Murray R. - ESTADÍSTICA; Edit. Mc Graw Hill; México’1995

 Chao Linconl L.- INTRODUCCION A LA ESTADISTICA; Edit. Cecsa;
México’1995
 Fuenlabrada Samuel; Probabilidad y Estadística; Edit. Graw Hill;
México’2004.
 Larson Harold J. - Introducción a la teoría de probabilidades e inferencia
Estadística; Edit. Limusa; México’1992
 Triola Mario F. - ESTADISTICA; Edit. Pearson. México’2009.
 Gil Infante Said y Zárate de Lara Guillermo P. Métodos Estadísticos;
Edit.; Edit. Trillas; México’ 1990.
pág. 29
P á g i n a | 30
pág. 30

Trabajo de Prueba de Hipotesis

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

Trabajo de Prueba de Hipotesis

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DE TUMBES

Tumbes, Peru Junio, 2021

UNIVERSIDAD NACIONAL DE TUMBES

Este trabajo está dedicado principalmente a nuestro

UNIVERSIDAD NACIONAL DE TUMBES

La estadística Inferencial tiene dos principales actividades, una de ellas es la

Estadísticamente una prueba de hipótesis es cualquier afirmación acerca de

La prueba de hipótesis estadística es una conjetura de una o más poblaciones.

UNIVERSIDAD NACIONAL DE TUMBES

 Averiguar cada una de las definiciones de la prueba de

UNIVERSIDAD NACIONAL DE TUMBES

1.1. HIPÓTESIS ESTADÍSTICA.

1.2. PRUEBA DE HIPÓTESIS.

Larson Harold J. define: “Una prueba de hipótesis es una partición de un

Triola Mario F. presenta la siguiente definición: “En estadística, una hipótesis

UNIVERSIDAD NACIONAL DE TUMBES

procedimiento estándar para probar una aseveración acerca de una propiedad

1.3. HIPÓTESIS NULA.

“La hipótesis nula (denotada por Ho) es la afirmación de que el valor de un

La hipótesis nula es aquella que está sujeta a comprobación, con el apoyo de

1.4. HIPÓTESIS ALTERNATIVA.

Chao Linconln L. presenta la siguiente definición: siguiente definición: “La

“La hipótesis alternativa (denotada por H1 o Ha o HA) es la afirmación de que

La hipótesis alternativa es la declaración contraria a la hipótesis nula,

1.5. DISTRIBUCIÓN NORMAL ESTÁNDAR.

Chao Linconln L. expone que: “Para obtener probabilidades para un cierto

En donde X es la variable aleatoria normal que tiene media μ y desviación

Se puede observar que los parámetros de la distribución normal estándar son

1.6. ESTADÍSTICOS DE PRUEBAS.

Mario F. Triola, define que:” El estadístico de prueba es un valor que se utiliza

desviación estándar muestral s) en una puntuación (como z, t o X 2), bajo el

- Estadístico de prueba para proporciones.

UNIVERSIDAD NACIONAL DE TUMBES

- Estadísticos de prueba para medias.

- Estadístico de prueba para desviaciones estándar.

1.7. REGIÓN DE RECHAZO.

Mario F. Triola expone que: “Región critica (o región de rechazo) es el conjunto

Analizando la definición se puede decir que la región de rechazo es la que

1.8. NIVEL DE SIGNIFICANCIA

UNIVERSIDAD NACIONAL DE TUMBES

la hipótesis nula es verdadera Analizando la definición se puede decir que el

1.9. ERRORES TIPO I Y TIPO II.

Mario F. Triola puntualiza que: “Error tipo I: El error de rechazar la hipótesis

Mario F. Triola puntualiza que: “Prueba de dos colas: La región critica se

UNIVERSIDAD NACIONAL DE TUMBES

También se puede decir que la distribución t tiene también por característica

MAQUINAS (1) MAQUINAS (2)

1. HIPOTESIS H₀: σ ₁ ²#σ ₂²

4. DECISION: F(0.15 ; 9.9) >Fc→Aceptamos H0

UNIVERSIDAD NACIONAL DE TUMBES

a) Como Fc<F tabla , entonces aceptamos Ho y rechazamos H₁ y

b) las varianzas no son heterogéneas porque según la hipótesis

HOMBRES(H) MUJERES (M)

1. HIPOTESIS H₀: σ H ²#σ M ²

4. DECISION: F(0.45 ; 13;9) >Fc→Aceptamos H0

UNIVERSIDAD NACIONAL DE TUMBES

Como Fc<F tabla , entonces aceptamos Ho y rechazamos H₁ y diremos

3) La reacción de un individuo a un estímulo en un experimento psicológico

(1,645)2 ( 0,6 )( 0,4)

UNIVERSIDAD NACIONAL DE TUMBES

Hipótesis: H 0 :µ0 ≤ 280 calorias

UNIVERSIDAD NACIONAL DE TUMBES

5) Conclusión: como tc >T tablas ; entonces rechazamos H 0 y aceptamos H 1

5) Un experimento publicado en The American Biology Teacher estudió la efi