Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Se utiliza para problemas de comparación con dos muestras y datos que emplean el nivel de
medición intervalar (muestras pequeñas).
Caso: para dos muestras independientes y muestras pequeñas con n1+n2 ≤ 32 datos
Modelo Estadístico: (Son los pasos a seguir para realizar la prueba de hipótesis)
H1: 𝑥̅ 1 > 𝑥̅ 2
H1: 𝑥̅ 1 < 𝑥̅ 2
Ejemplo1:
Sea x1 las calificaciones de una prueba de personalidad de 6 integrantes de un programa y
tomadas antes del curso, y x2 las calificaciones de 5 integrantes obtenidas después del curso.
Determine al 10% de significancia si hubo mejora después del curso.
X1 X2
82 85
86 91
72 70
68 78
56 66
80
Modelo Estadístico aplicado al ejemplo
1.- H0: 𝑥̅ 1 =𝑥̅ 2 Las calificaciones de una prueba de personalidad son iguales antes y después del curso
en otras palabras, no hubo mejora después del curso
2.- H1: 𝑥̅ 2 > 𝑥̅ 1 Las calificaciones de una prueba de personalidad aumentaron después del curso en
otras palabras, sí hubo mejora después del curso ó 𝑥̅ 1 < 𝑥̅ 2
n1= 6 y n2= 5
6.- Decisión y conclusión: Como -0.61 > -1.383, se acepta H0 y rechaza H1, concluyendo que no hubo
una mejora después del curso (el problema no es significativo)
Gráficamente:
Estadístico
Zona de
aceptación
Zona de
rechazo
Como el Estadístico está en zona
de aceptación, entonces se
acepta H0, se concluye que no
hubo una mejora después del
curso
Valor crítico
alfa
Ejemplo2:
Determine si el nivel de autoestima en los equipos 1 y 2 es el mismo a un nivel de significancia del 5%.
Equipo 1 72 76 78 80 70 74 76
Equipo 2 80 84 72 75 86 84 82
Gráficamente:
Estadístico
Zona de
aceptación
Zona de
rechazo
Valor crítico
α/2 α/2
Caso: para dos muestras relacionadas o dependientes y muestras pequeñas con n ≤ 32 datos
Modelo Estadístico:
H1: 𝑥1 > 𝑥2
H1: 𝑥1 < 𝑥2
𝑑̅
𝑡=
𝑆𝑑
( )
√𝑛
1
∑ 𝑑𝑖 ∑ 𝑑𝑖 2 − (∑ 𝑑𝑖)2
Donde: 𝑑̅ = 𝑆𝑑 = √ 𝑛
𝑛 𝑛−1
Ejemplo:
Con los datos de la siguiente tabla que representan el desempeño de unos sujetos antes y después de
un curso de actualización. Determine si esta característica mejoró con el tratamiento a un nivel de
significancia del 1%.
1.- H0: 𝑥1 = 𝑥2 El desempeño de los sujetos es el mismo antes y después del curso de actualización
2.- H1: 𝑥2 > 𝑥1 El desempeño de los sujetos mejoró después del curso de actualización
∑ 𝑑𝑖 = −51 ∑ 𝑑𝑖 2 = 511
1
−51 511−6(−51)2
𝑑̅ = = −8.5 𝑆𝑑 = √ = 3.93
6 6−1
−8.5
𝑡= = −5.29
3.93
( )
√6
6.- Decisión y conclusión: Como -5.29 < -3.365, se rechaza H0 y se concluye que desempeño de los
sujetos mejoró después del curso de actualización
Gráficamente:
Modelo Estadístico:
1.- H0: 𝑥1 = 𝑥2 Se puede eliminar una medición por otra por ser iguales
2.- H1: 𝑥1 ǂ𝑥2 No se puede eliminar una medición por otra por ser diferentes
∑ 𝑑𝑖 = 7 ∑ 𝑑𝑖 2 = 27
1
7 27− (7)2
𝑑̅ = = 0.875 𝑆𝑑 = √ 8
= 1.72
8 8−1
0.875
𝑡= = 1.43
1.72
( )
√8
6.- Decisión y conclusión: Como 1.43 < 2.365, se acepta H0 y se concluye que se puede eliminar
una medición por otra por ser iguales.
Gráficamente:
Como el Estadístico está en zona
de aceptación, entonces se
acepta H0, se puede eliminar una
medición por otra al ser iguales