REPUBLICA BOLIVARIANA DE VENEZUELA

UNIVERSIDAD NACIONAL EXPERIMENTAL

“RAFAEL MARIA BARALT”

VICERRECTORADO ACADÉMICO

PROGRAMA ADMINISTRACIÓN

PROYECTO GERENCIA TRIBUTARIA

ASIGNATURA: ESTADISTICAS II

UNIDAD III

PRUEBAS DE HIPOTESIS

Autor: Br. Ricardo Zapata Caldato

C.I. 31.444.553 Sección; 32211

Facilitador: Dra. Rosandra Salazar

Ciudad Ojeda, Enero 2022

Índice.

Unidad III.-

Que es una Hipótesis Estadística?

Que es una Hipótesis Nula y que es una Hipótesis alternativa?
Que es el Novel de significancia
Que es una Prueba de Hipótesis?
Que es un Estadístico de Prueba?
Cuál es el Procedimiento para realizar una Prueba de Hipótesis?
Explica cuáles son los dos tipos de errores que pueden cometerse al realizar
una Prueba de Hipótesis
Explica cuáles son los dos tipos de prueba de hipótesis que pueden realizarse
Explica dos aplicaciones de las Pruebas de Hipótesis
Unidad III Pruebas de Hipótesis

Que es una Hipótesis Estadística?

La hipótesis estadística es la suposición que se realiza acerca de las

características de una población. Es utilizada para verificarla o rechazarla tras
realizar el estudio estadístico pertinente.
 Tipos de Hipótesis Estadística
A continuación te explicamos los principales tipos de hipótesis estadística:
 Causales: Como su propio nombre indica, este tipo de hipótesis tienen el
objetivo de explicar los factores de causalidad existentes entre dos o más
variables estadísticas. Si bien es cierto, causalidad no es lo mismo que
correlación, pero sí que es necesario que para que exista causalidad haya
correlación.
 Correlacionales: Estas hipótesis tratan de establecer qué tipo de relación
existe entre dos variables. Por ejemplo, cuanto más deporte realice una
persona, mejor condición física tendrá. Este tipo de correlación es positiva.
Sin embargo, cuanto más deporte haga una persona, menor número de
problemas de salud sufrirá, existiendo una correlación negativa.
 Diferencia de grupos: Tienen el objetivo de crear una distinción entre dos
o más grupos estudiados en función de las características de los mismos.
Un ejemplo de este tipo podría ser que las mujeres presentan un menor
número de partes de accidente de coche que los hombres.
 Descriptivas: Son aquellas hipótesis que tienen la función de informar
acerca de la relación existente entre dos o más variables.

Cada uno de estos tipos, tendrá su hipótesis nula y sus hipótesis

alternativas. Dado que son términos algo complejos de entender
  Ejemplo De Hipótesis Estadística
Supongamos que tenemos una fábrica de bicicletas. Queremos conocer
si uno de nuestros modelos pesa lo mismo tras la producción que lo
calculado en su diseño. Para ello, debemos de establecer tanto la
hipótesis nula como la alternativa.
Como hemos visto anteriormente, ambas hipótesis son hipótesis
estadísticas y tratan de verificar o rechazar si el peso estipulado en el
diseño del producto se corresponde con el peso tras ser producido.

De este modo, nuestro ingeniero afirma en el diseño del modelo que

estamos estudiando que la bicicleta pesaría 7kg. Para poder verificar si
finalmente se cumple esta suposición, estableceremos como hipótesis
nula que la bicicleta pese 7kg y como hipótesis alternativa que el peso
difiera de dicha cantidad.

En conclusión, una hipótesis estadística es la suposición de la

característica o características que tiene una población. Su función es
verificar o rechazar dicha afirmación tras realizar el estudio estadístico
acordado para el análisis de dicha hipótesis.

Que es una Hipótesis Nula y que es una Hipótesis alternativa?

 Hipótesis Nula
Una hipótesis nula es una suposición que se utiliza para negar o afirmar
un suceso en relación a algún o algunos parámetros de una población o
muestra.
Siempre que se llega a una conclusión acerca un experimento, el
investigador debe establecer dos hipótesis, la hipótesis nula y la hipótesis
alternativa. La hipótesis nula (H0) se refiere a la afirmación contraria a la
que ha llegado el investigador. Es la hipótesis que el investigador
pretender rechazar. Si tiene la evidencia suficiente para ello, podrá probar
que lo contrario es cierto. Por lo tanto, la hipótesis alternativa (H1) es la
conclusión a la que el investigador ha llegado a través de su investigación.
La afirmación de la hipótesis nula no se puede rechazar a no ser que los
datos de la muestra parezcan demostrar que ésta es falsa. Por lo general
la hipótesis nula incluye un no (o un desigual a) en su enunciado.

Respecto a lo anterior, vale la pena explicar por qué se llama hipótesis

nula. Uno de los primeros estudios sobre los que se aplicó era sobre el
efecto de los fertilizantes en los cultivos. La hipótesis de partida (hipótesis
nula) era que el fertilizante no tenía efecto. Por tanto, si se rechazaba la
hipótesis nula quería decir que sí tuvieron efecto.

 Ejemplo De Formulación De Hipótesis Nula

Supongamos que un investigador ha realizado una investigación
acerca del salario medio mensual por habitante en un determinado
barrio de una ciudad. Imaginemos que el investigador ha encuestado a
1.000 personas, llegando a la conclusión de que el salario medio
mensual por habitante es de 1.500 u.m.

Por tanto el investigador quiere contrastar, si ese salario medio

mensual por habitante es igual a 1.500 u.m. (conclusión del estudio y
por ende hipótesis alternativa) o si por el contrario el salario medio
mensual por habitante es distinto a 1.500 u.m. (conclusión contraria a
la del estudio que se pretende negar y por ende hipótesis nula)

El contraste a realizar sería el siguiente:

H0: El salario medio mensual es distinto a 1.500 u.m.
H1: El salario mensual es igual a 1.500 u.m.
 Como resultado, tenemos la formulación de las dos hipótesis que el
investigador pretende contrastar. Es importante darse cuenta (como
se comentó en el segundo párrafo de la explicación) que la hipótesis
nula, se refiere justo a la idea contraría a la que se ha llegado con la
investigación.

Como regla nemotécnica para saber cómo establecer la hipótesis nula,

siempre hay que pensar en que necesitamos para validar la
conclusión de nuestra investigación. Si nuestra investigación concluye
que el salario medio mensual es igual a 1.500 u.m. ¿Qué necesitamos
para validar la conclusión de nuestra investigación?

Necesitamos rechazar lo contrario. Esto es que el salario medio

mensual sea distinto a 1.500 u.m. (H0). De esta manera podríamos
afirmar que el salario medio mensual es igual a 1500 u.m. (H1).

 Conclusiones Del Contraste De Hipótesis Del Ejemplo

Tras el contraste realizado el investigador podrá rechazar o no, la
hipótesis nula (probando así, que la hipótesis alternativa es cierta). Lo
correcto para comentar el resultado de un contraste de hipótesis, es
siempre hablar en términos de la hipótesis nula.

En caso de haber rechazado la hipótesis se puede utilizar la siguiente

afirmación, “a la luz de los datos y tras el resultado obtenido a través
del contraste de hipótesis realizado, se dispone de evidencia suficiente
para poder rechazar la hipótesis nula”.
 Por tanto, la conclusión sería que el salario medio mensual es igual a
1.500 u.m. Por el contrario, si no se ha podido rechazar la hipótesis
nula del contraste realizado, se podría utilizar la siguiente afirmación,
“a la luz de los datos y tras el resultado obtenido a través del contraste
de hipótesis realizado, no se dispone de evidencia suficiente para
poder rechazar hipótesis nula”. De ser así, la conclusión sería que el
salario medio mensual no es igual a 1.500 u.m.

 Hipótesis Alternativa
Es la suposición alternativa a la hipótesis nula formulada en un
experimento y/o investigación. Esta surge como resultado de una
determinada investigación realizada sobre una población o muestra.

Entendida de manera sencilla, la hipótesis alternativa representa la

conclusión que el investigador quiere demostrar o afirmar tras su estudio.
Esta se expresa con la expresión “H1” y va a representar, por lo general,
lo contrario a la hipótesis nula.

El método científico, al contrario de lo que podría pensarse, no trata de

demostrar la hipótesis alternativa (conclusión alcanzada a través de la
investigación). Lo que pretende demostrar el método científico es que lo
contrario a la hipótesis alternativa (hipótesis nula) no es cierto. De esta
manera, quedaría demostrada la hipótesis alternativa.

 Ejemplo Del Contraste De Hipótesis

Supongamos que un investigador ha realizado un estudio acerca del
salario medio mensual en un determinado barrio de una ciudad.
Imaginemos que de la población de ese barrio, el investigador ha
encuestado a 1.000 personas llegando a la conclusión de que el
 salario medio mensual por habitante es de 1.500 u.m.(unidades
monetarias).

Por tanto, el investigador quiere contrastar si ese salario medio

mensual es igual a 1.500 u.m. (conclusión del estudio y por ende
hipótesis alternativa) o si por el contrario el salario medio mensual es
distinto a 1.500 u.m. (conclusión contraria a la del estudio que se
pretende negar y por ende hipótesis nula)

El contraste a realizar sería el siguiente:

H0: El salario medio mensual es distinto a 1.500 u.m.
H1: El salario mensual es igual a 1.500 u.m.

Como vemos, la hipótesis alternativa (H1), es la conclusión

alcanzada por el investigador. Para demostrarla el investigador va a
tratar de probar que lo contrario a su hipótesis alternativa (hipótesis
nula, H0), no es cierto. Como conclusión, podemos deducir que la
formulación de la hipótesis alternativa es la que nos va a conducir a
la formulación de la hipótesis nula.

Que es el Nivel de Significancia

El nivel de significación es el límite para juzgar un resultado como

estadísticamente significativo. Si el valor de significación es menor que el nivel
de significación, se considera que el resultado es estadísticamente significativo.
El nivel de significación también se conoce como el nivel alfa.
Los niveles de significación son el complemento al intervalo de confianza de una
distribución y se utilizan para contrastar la hipótesis nula (H0) en una prueba de
inferencia estadística.

En otras palabras, los niveles de significación son las probabilidades que

dejamos fuera del intervalo de confianza de una distribución y nos ayudan a
determinar si el estadístico de contraste está en zona de rechazo o no.

 Relación Entre Nivel De Significación Y Nivel De Confianza

Seguro que todos hemos oído alguna vez a alguien preguntar qué valor
deberíamos asignar al alpha de la distribución o con qué nivel de
confianza calculamos el intervalo, matemáticamente, (1-alpha). La
respuesta acostumbra a ser siempre 1%, 5% o 10% para el alpha o 99%,
95% y 90% para el nivel de confianza.
Es importante tener claro lo siguiente:
1%, 5%, 10% = alpha => Niveles de significación.
99%, 95%, 90% = (1-alpha) => Intervalo de confianza.
Los intervalos de confianza y los niveles se significación son
complementarios dado que la suma de ambos es el área de la función de
densidad. Entonces

Nivel de significación e intervalo de confianza se complementan

Ya sabemos que el área de la función de densidad es 1.

Matemáticamente, somos capaces de dar solución a esta integral:
 Representación Del Nivel De Significación

En este caso, se ha utilizado la distribución t de Student con 16 grados de

libertad para mostrar qué áreas de la función pertenecen a los niveles de
significación. Los porcentajes (2,5%, 2,5% y 95%) corresponden al área
que hay bajo la función de densidad. Como esta distribución tiene dos
colas, el nivel de significación está dividido por la mitad, entonces, 2,5% +
2,5% = 5%. El valor crítico de esta distribución con 16 grados de libertad y
5% como nivel de significación es 2,11991 en cada cola.

2,5% + 2,5% + 95% = 1%

 Universales
 Etiquetamos a los niveles de significación como universales porque estos
niveles son conocidos y utilizados en todos los contrastes estadísticos. Es
muy poco usual encontrar un nivel de significación del 20% o 35% a no ser
que sea una condición explícita del contraste.

Es cierto que los niveles 1% y 5% son más populares que el nivel 10%,
pero es por razones de precisión. Es mejor dar un resultado 1 de cada 100
veces (1/100 = 0,01 = 1%) o 5 de cada 100 veces (5/100 = 0,05 = 5%) que
10 de cada 100 veces (10/100 = 0,1 = 10%), ¿verdad?

También, los niveles de significación reciben el nombre de percentil, por

ejemplo, percentil 1% o percentil 5%. Esta nomenclatura es muy utilizada
para el cálculo de la métrica valor en riesgo (VaR).

 Arbitrarios y No Arbitrarios

Los niveles de significación pueden ser arbitrarios y no arbitrarios. Los

arbitrarios son los valores que escogemos a priori (antes) de saber las
características del experimento. En este caso, sería antes de calcular el
estadístico de contraste. Los no arbitrarios son los que se obtienen a partir
de un resultado del experimento. En este caso, el valor-p, porque depende
del valor que tome estadístico de contraste. Ambos dependen de la
distribución que sigan los datos.

Que es una Prueba de Hipótesis?

Una prueba de hipótesis es una regla que especifica si se puede aceptar o
rechazar una afirmación acerca de una población dependiendo de la evidencia
proporcionada por una muestra de datos.

Una prueba de hipótesis examina dos hipótesis opuestas sobre una población: la
hipótesis nula y la hipótesis alternativa. La hipótesis nula es el enunciado que se
probará. Por lo general, la hipótesis nula es un enunciado de que "no hay efecto" o
"no hay diferencia". La hipótesis alternativa es el enunciado que se desea poder
concluir que es verdadero de acuerdo con la evidencia proporcionada por los
datos de la muestra.

Con base en los datos de muestra, la prueba determina si se puede rechazar la

hipótesis nula. Usted utiliza el valor p para tomar esa decisión. Si el valor p es
menor que el nivel de significancia (denotado como α o alfa), entonces puede
rechazar la hipótesis nula.

Un error común de percepción es que las pruebas estadísticas de hipótesis están

diseñadas para seleccionar la más probable de dos hipótesis. Sin embargo, al
diseñar una prueba de hipótesis, establecemos la hipótesis nula como lo que
queremos desaprobar. Puesto que establecemos el nivel de significancia para que
sea pequeño antes del análisis (por lo general, un valor de 0.05 funciona
adecuadamente), cuando rechazamos la hipótesis nula, tenemos prueba
estadística de que la alternativa es verdadera. En cambio, si no podemos rechazar
la hipótesis nula, no tenemos prueba estadística de que la hipótesis nula sea
verdadera. Esto se debe a que no establecimos la probabilidad de aceptar
equivocadamente la hipótesis nula para que fuera pequeña.

Entre las preguntas que se pueden contestar con una prueba de hipótesis están
las siguientes:

¿Tienen las estudiantes de pregrado una estatura media diferente de 66

pulgadas?
¿Es la desviación estándar de su estatura igual a o menor que 5 pulgadas?

¿Es diferente la estatura de las estudiantes y los estudiantes de pregrado en

promedio?

¿Es la proporción de los estudiantes de pregrado significativamente más alta que

la proporción de las estudiantes de pregrado?

Que es un Estadístico de Prueba?

Un estadístico de prueba es una variable aleatoria que se calcula a partir de datos

de muestra y se utiliza en una prueba de hipótesis. Puede utilizar los estadísticos
de prueba para determinar si puede rechazar la hipótesis nula. El estadístico de
prueba compara sus datos con lo que se espera bajo la hipótesis nula. El
estadístico de prueba se utiliza para calcular el valor p.

Un estadístico de prueba mide el grado de concordancia entre una muestra de

datos y la hipótesis nula. Su valor observado cambia aleatoriamente de una
muestra aleatoria a una muestra diferente. Un estadístico de prueba contiene
información acerca de los datos que es relevante para decidir si se puede
rechazar la hipótesis nula. La distribución del muestreo del estadístico de prueba
bajo la hipótesis nula se denomina distribución nula. Cuando los datos muestran
evidencia clara en contra de los supuestos de la hipótesis nula, la magnitud del
estadístico de prueba se vuelve demasiado grande o demasiado pequeña
dependiendo de la hipótesis alternativa. Esto hace que el valor p de la prueba se
vuelva lo suficientemente pequeño como para rechazar la hipótesis nula.

Por ejemplo, el estadístico de prueba para una prueba Z es el estadístico Z, que

sigue la distribución normal estándar bajo la hipótesis nula. Supongamos que
usted realiza una prueba Z de dos colas con un nivel de significancia (α) de 0.05 y
un obtiene un estadístico Z (también denominado valor Z) de 2.5 basado en sus
 datos. Este valor Z corresponde a un valor p de 0.0124. Puesto que este valor p es
menor que α, usted declara significancia estadística y rechaza la hipótesis nula.

Las diferentes pruebas de hipótesis utilizan diferentes estadísticos de prueba

según el modelo de probabilidad asumido en la hipótesis nula. Las pruebas
comunes y sus respectivos estadísticos de prueba incluyen:

Prueba de hipótesis Estadístico de prueba

Prueba Z Estadístico Z

Pruebas t Estadístico t

ANOVA Estadístico F

Pruebas de chi-cuadrada Estadístico de chi-cuadrada

Cuál es el Procedimiento para realizar una Prueba de Hipótesis?

Debe determinar los criterios para la prueba y el tamaño de muestra necesario
antes de recolectar los datos.

 Especificar las hipótesis.

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

Luego, el gerente elige entre las siguientes hipótesis alternativas:

 Condición que se probará Hipótesis alternativa
 La media de la población es menor que el objetivo. unilateral: μ
<5
 La media de la población es mayor que el objetivo. unilateral: μ
>5
 La media de la población es diferente del objetivo. bilateral: 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
 Elegir un nivel de significancia (también denominado alfa o α).
El gerente selecciona un nivel de significancia de 0.05, que es el
nivel de significancia más utilizado.
 Determinar la potencia y el tamaño de la muestra para la prueba.
El gerente utiliza un cálculo de potencia y tamaño de la muestra
para determinar cuántos tubos tiene que medir para tener una
buena probabilidad de detectar una diferencia de 0.1 cm o más con
respecto al diámetro objetivo.
 Recolectar los datos.
Recoge una muestra de tubos y mide los diámetros.
 Comparar el valor p de la prueba con el nivel de significancia.
Después de realizar la prueba de hipótesis, el gerente obtiene un
valor p de 0.004. El valor p es menor que el nivel de significancia
de 0.05.
 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.
 Explica cuáles son los dos tipos de errores que pueden cometerse al realizar
una Prueba de Hipótesis

Ninguna prueba de hipótesis es 100% cierta. Puesto que la prueba se basa

en probabilidades, siempre existe la posibilidad de llegar a una conclusión
incorrecta. Cuando usted realiza una prueba de hipótesis, puede cometer dos
tipos de error: tipo I y tipo II. Los riesgos de estos dos errores están
inversamente relacionados y se determinan según el nivel de significancia y la
potencia de la prueba. Por lo tanto, usted debe determinar qué error tiene
consecuencias más graves para su situación antes de definir los riesgos
.
 Error de tipo I
Si usted rechaza la hipótesis nula cuando es verdadera, comete un error de
tipo I. La probabilidad de cometer un error de tipo I es α, que es el nivel de
significancia que usted establece para su prueba de hipótesis. Un α de 0.05
indica que usted está dispuesto a aceptar una probabilidad de 5% de estar
equivocado al rechazar la hipótesis nula. Para reducir este riesgo, debe
utilizar un valor menor para α. Sin embargo, usar un valor menor para alfa
significa que usted tendrá menos probabilidad de detectar una diferencia si
está realmente existe.

 Error de tipo II
Cuando la hipótesis nula es falsa y usted no la rechaza, comete un error de
tipo II. La probabilidad de cometer un error de tipo II es β, que depende de la
potencia de la prueba. Puede reducir el riesgo de cometer un error de tipo II
al asegurarse de que la prueba tenga suficiente potencia. Para ello,
asegúrese de que el tamaño de la muestra sea lo suficientemente grande
como para detectar una diferencia práctica cuando esta realmente exista.
La probabilidad de rechazar la hipótesis nula cuando es falsa es igual a 1–β.
Este valor es la potencia de la prueba. Verdad acerca de la población
Decisión basada en la muestra H0 es verdadera H0 es falsa
No rechazar H0 Decisión correcta (probabilidad = 1 - α) Error tipo II - no
rechazar H0 cuando es falsa (probabilidad = β)
Rechazar H0 Error tipo I - rechazar H0 cuando es verdadera
(probabilidad = α) Decisión correcta (probabilidad = 1 - β)

 Ejemplo de error de tipo I y tipo II

Para entender la interrelación entre los errores de tipo I y tipo II, y para
determinar cuál error tiene consecuencias más graves para su situación,
considere el siguiente ejemplo.

Un investigador médico desea comparar la efectividad de dos medicamentos.

Las hipótesis nula y alternativa son:
Hipótesis nula (H0): μ1= μ2

Los dos medicamentos tienen la misma eficacia.

Hipótesis alternativa (H1): μ1≠ μ2

Los dos medicamentos no tienen la misma eficacia.

Un error de tipo I se produce si el investigador rechaza la hipótesis nula y

concluye que los dos medicamentos son diferentes cuando, en realidad, no
lo son. Si los medicamentos tienen la misma eficacia, el investigador podría
considerar que este error no es muy grave, porque de todos modos los
pacientes se beneficiarían con el mismo nivel de eficacia
independientemente del medicamento que tomen. Sin embargo, si se
produce un error de tipo II, el investigador no rechaza la hipótesis nula
cuando debe rechazarla. Es decir, el investigador concluye que los
medicamentos son iguales cuando en realidad son diferentes. Este error
 puede poner en riesgo la vida de los pacientes si se pone en venta el
medicamento menos efectivo en lugar del medicamento más efectivo.

Cuando realice las pruebas de hipótesis, considere los riesgos de cometer

errores de tipo I y tipo II. Si las consecuencias de cometer un tipo de error
son más graves o costosas que cometer el otro tipo de error, entonces elija
un nivel de significancia y una potencia para la prueba que reflejen la
gravedad relativa de esas consecuencias.

Explica cuáles son los dos tipos de prueba de hipótesis que pueden realizarse

Los investigadores se interesan en dos tipos de hipótesis: de investigación y

estadísticas. La primera es una conjetura (como los ejemplos anteriores) que
motivó la investigación y la segunda son establecidas o enunciadas de tal
manera que puedan ser contrastadas por medio de pruebas estadísticas
adecuadas. Una hipótesis estadística es una proposición o supuesto sobre los
parámetros de una o más poblaciones.

Las hipótesis de investigación son formuladas como resultado de la ocurrencia

de eventos que hacen pensar que éstos tienen influencia sobre alguna variable
de interés que se ha estudiado ya sea a corto o incluso a largo plazo. Ejemplo,
una enfermera, puede haber notado que ciertos pacientes respondieron más
rápidamente a un tipo particular de programa de educación sanitaria. Un médico
recordara numerosos casos en los cuales ciertas combinaciones de medidas
terapéuticas fueron más efectivas que cualquiera de ellas por separado. Las
investigaciones a menudo se llevan a cabo gracias al deseo de tales
profesionales para determinar si sus teorías, supuestos o sospechas se pueden
sostener o no al ser sometidas a los rigores de la investigación científica. Las
hipótesis de investigación conducen directamente a las hipótesis estadísticas.
 Las hipótesis de tipo estadístico tienen el propósito de ayudar al profesional o
investigador a tomar una decisión acerca de una población a partir de una
muestra extraída de ella. Y el tipo de inferencia que se aplica son las pruebas de
hipótesis, que determinan si tales proposiciones son compatibles o no con los
datos disponibles.

Explica dos aplicaciones de las Pruebas de Hipótesis

Aplicación 1

En la construcción de un edificio de gran altura que cuenta con varios pisos tipo
donde el diseño de ciertas vigas es el mismo según el diseño estructural,
para el despiece de cierta viga se requiere una barra de diámetro de 3/8” y
longitud de 6 metros. Según especificaciones del fabricante la longitud media de
las barras es de 6 metros con 𝜎 = 0.03 (𝑚). Los datos que se muestran en la tabla
corresponden a la longitud de 25 barras escogidas al azar en la obra.

a) Pruebe la hipótesis de que la longitud media de las barras es igual a 6 metros

basado en las especificaciones suministradas por el fabricante (utilice un nivel
de significancia de 0.1).
b) Calcule el valor P de la prueba del inciso (a).
c) Pruebe la hipótesis de que la longitud media de las barras es menor a 6.02
metros (utilice un nivel de significancia de 0.15).
d) Calcule el valor P de la prueba del inciso (c)
Aplicación 2

Los siguientes datos representan la cantidad aproximada de cierto

recubrimiento epóxico en (kg/m2) utilizado para el acabado de piso de ciertas
salas con características especiales teniendo en cuenta cuatro marcas diferentes
de este producto, las mediciones fueron tomadas en la construcción de una clínica
con el objetivo de investigar el rendimiento del recubrimiento, el cual es necesario
para la elaboración de análisis de precios unitarios con un valor más cercano al
real y por ende un aumento en la exactitud en el proceso de cálculo del valor de la
obra y futuras obras.

En el análisis de los datos tomados los ingenieros se enfrentan al dilema de

si el rendimiento es igual para en las marcas 1 y 4

a) ¿ Que responde usted al dilema planteado?, Utilice un α=0.1 y suponga

varianzas iguales y desconocidas.
b) Calcule el Valor P para la prueba del inciso (a).
c) En el inciso (a) se supuso varianzas iguales y desconocidas pruebe la
hipótesis sobre la igualdad en las varianzas, utilice un nivel de significancia de
0.05.
d) Calcule el valor P de la prueba del inciso (c).
e) En la ficha técnica del recubrimiento de la marca 2 se afirma que la varianza
del rendimiento es 0.2, pruebe tal afirmación con un nivel de significancia de
0.2.
 f) Calcule el valor P de la prueba del inciso (e).
g) En una campaña publicitaria del fabricante de la marca 3 se afirma que el
rendimiento de su recubrimiento supera en 0.5 [Kg/m2] o más al de la marca
2. Pruebe tal afirmación con un nivel de significancia de 0.1 y suponga
varianza diferentes y desconocidas.
h) Calcule el Valor P de la prueba del inciso (g)

Respuesta: a) 𝑡𝑡𝑒𝑜,𝑖𝑛𝑓 = −1.859548; 𝑡𝑡𝑒𝑜,𝑠𝑢𝑝 = 1.859548; 𝑡𝑐𝑎𝑙 = 0.8424655, es

posible afirmar con un nivel de significancia de 0.05 que la media del
rendimiento para las marcas 1 y 4 es igual b) Valor P = 0.4239964 c) 𝐹𝑡𝑒𝑜,𝑖𝑛𝑓 =
0.10411754; 𝐹𝑡𝑒𝑜,𝑠𝑢𝑝 = 9.60452988; 𝐹𝑐𝑎𝑙 = 0.8824742 , puede afirmarse con un
nivel de confiabilidad de 0.1 que las varianzas de las marcas 1 y 4 son iguales d)
Valor P = 0.9064743 e) 𝜒2teo,inf = 2.204131; 𝜒2teo,sup = 10.64464; 𝜒2𝑐𝑎𝑙 =
5.84285714 , con un nivel de significancia de 0.2 puede afirmarse que la varianza
del rendimiento del recubrimiento de la marca 2 es igual a 0.2 f) Valor P =
0.88204285