EJERCICIOS SOBRE PRUEBA DE HIPÓTESIS – 2 MUESTRAS

Ejemplo 8
i) HIPÓTESIS
Ho: p1≥p2 V
H1: p1<p2 (Cambiamos de máquina) F

ii) DATOS
n1=1000; x1=960; p1=x1/n1; n2=600; x2=582; α =¿ 0.05; NC=0.95

iii) PRUEBA ESTADÍSTICA

> x<-c(960,582)
> n<-c(1000,600)
> prop.test(x,n,alternative = "less",correct=FALSE)
2-sample test for equality of proportions without continuity correction
data: x out of n
X-squared = 1.0734, df = 1, p-value = 0.1501
alternative hypothesis: less
95 percent confidence interval:
-1.000000000 0.005333353
sample estimates:
prop 1 prop 2
0.96 0.97

iv) RESULTADO
Como el p valor es 0.1501 mayor que el nivel de significancia de 0.05, existe
evidencia estadística para no rechazar la hipótesis nula.

v) CONCLUSIÓN
No hay evidencia para realizar el cambio de máquina.

Ejemplo 10

i) HIPÓTESIS
Ho: p(GranResist)≥p(EmpCom) V
H1: p(GranResist)<p(EmpCom) (REDUCE LA PROPORCIÓN DE DEFECTUOSOS) F

ii) DATOS
n1=1500; x1=15; p1=x1/n1; n2=1200; x2=20; α =¿ 0.05; NC=0.95

iii) PRUEBA ESTADÍSTICA

> x<-c(15,20)
> n<-c(1500,1200)
> prop.test(x,n,alternative = "less",correct = FALSE)
2-sample test for equality of proportions without continuity correction
data: x out of n
X-squared = 2.3157, df = 1, p-value = 0.06404
alternative hypothesis: less
95 percent confidence interval:
 -1.0000000000 0.0007365283
sample estimates:
prop 1 prop 2
0.01000000 0.01666667

iv) RESULTADO
Como el p valor es 0.06404 mayor que el nivel de significancia de 0.05, existe
evidencia estadística para no rechazar la hipótesis nula.

v) CONCLUSIÓN
No se puede concluir que el empaque de gran resistencia reduce la proporción de
órdenes deterioradas.

Ejemplo 12
i) HIPÓTESIS
Ho: µ1=µ2 (Igualdad de medias) F
H1: µ1≠µ2 V

ii) DATOS
n1=41, x 1=102; σ1=5; n2=51, x 2=99 ; σ2=6; α=0.04; NC=0.96

iii) PRUEBA ESTADÍSTICA

Como se conoce el valor de σ en cada una de las muestras, se debe aplicar la
prueba z, sin embargo, el software R requiere la data completa, por lo que se debe
simular la data teniendo en cuenta la media y una desviación muestral arbitraria lo
más pequeña posible sabiendo que el valor de σ lo vamos a ingresar
manualmente.
> x1<-rnorm(n=41,mean=102,sd=0.00001)
> x2<-rnorm(n=51,mean=99,sd=0.00001)
> library(PASWR)
> z.test(x1,x2,alternative = "two.sided",sigma.x =5,
+ sigma.y =6,conf.level = 0.96)
Two-sample z-Test
data: x1 and x2
z = 2.6155, p-value = 0.00891
alternative hypothesis: true difference in means is not equal to 0
96 percent confidence interval:
0.6443234 5.3556762
sample estimates:
mean of x mean of y
102 99

iv) RESULTADO
Como el p valor es 0.00891 menor que el nivel de significancia de 0.04, existe
evidencia estadística para rechazar la hipótesis nula.

v) CONCLUSIÓN
No se verifica la igualdad de medias.
Ejemplo 13
i) HIPÓTESIS
Ho: µG≤µC V
H1: µG>µC (La marca Gibbs genera un mayor aumento de peso) F

ii) DATOS
n1=75; x 1=7.6 ; σ1=3; n2=55; x 2=8.1 ; σ2=2.9
iii) PRUEBA ESTADÍSTICA
iv) Como se conoce el valor de σ en cada una de las muestras, se debe aplicar la
prueba z, sin embargo, el software R requiere la data completa, por lo que se debe
simular la data teniendo en cuenta la media y una desviación muestral arbitraria lo
más pequeña posible sabiendo que el valor de σ lo vamos a ingresar
manualmente.
> x1<-rnorm(n=75,mean=7.6,sd=0.00001)
> x2<-rnorm(n=55,mean=8.1,sd=0.00001)
> z.test(x1,x2,alternative = "greater",sigma.x =3,
+ sigma.y =2.9,conf.level = 0.95)
Two-sample z-Test
data: x1 and x2
z = -0.9571, p-value = 0.8307
alternative hypothesis: true difference in means is greater than 0
95 percent confidence interval:
-1.35928 Inf
sample estimates:
mean of x mean of y
7.600003 8.100000

v) RESULTADO
Como el p valor es 0.8307 mayor que el nivel de significancia de 0.05, existe
evidencia estadística para no rechazar la hipótesis nula.

vi) CONCLUSIÓN
No se puede afirmar que la marca Gibbs genera un mayor aumento de peso que la
marca de la competencia.

Ejemplo 14
i) HIPÓTESIS
Ho: µC1=µC2 F
H1: µC1≠µC2 (El tipo de catalizador influye en la concentración) V

ii) DATOS
Muestra1; n1=10; media1; s1; Muestra2; n2=10; media2; s2; σ1= σ2=3; α=0.05

iii) PRUEBA ESTADÍSTICA

Como se conoce el valor de σ para ambas muestras, independientemente del
tamaño de muestra, se debe aplicar la prueba z.
> x<-c(57.9,66.2,65.4,65.4,65.2,62.6,67.6,63.7,67.2,71)
> y<-c(66.4,71.7,70.3,69.3,64.8,69.6,68.6,69.4,65.3,68.8)
> z.test(x,y,alternative="two.sided", sigma.x=3,sigma.y=3)
Two-sample z-Test
 data: x and y
z = -2.3851, p-value = 0.01707
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-5.8295676 -0.5704324
sample estimates:
mean of x mean of y
65.22 68.42

iv) RESULTADO
Como el p valor es 0.01707 menor que el nivel de significancia de 0.05, existe
evidencia estadística para rechazar la hipótesis nula.

v) CONCLUSIÓN
Se puede verificar que el tipo de catalizador influye en la concentración, dado que
se demuestra que las concentraciones son diferentes.

Ejemplo 15
i) HIPÓTESIS
Ho: µM1=µM2 (Se sospecha que son iguales)
H1: µM1≠µM2

Ejemplo 16
i) HIPÓTESIS
Ho: µ1≤µ2 F
H1: µ1>µ2 (El ph de la localidad 1 es más alto) V

ii) DATOS
1=9; media1; s1; n2=8; media2; s2; α=0.05; NC=0.95

iii) PRUEBA ESTADÍSTICA

Como no se conoce el valor de σ1 y de σ2, y como lo tamaños de muestra son
menores que 30, se debe aplicar la prueba t. Para ello debemos averiguar si las
varianzas desconocidas las vamos a asumir iguales o diferentes, a través de la
prueba de homogeneidad de varianzas.

PRUEBA DE HOMOGENEIDAD DE VARIANZAS:

2 2
Ho: σ 1=σ 2 (VARIANZAS HOMOGÉNEAS) V
2 2
H1: σ 1 ≠ σ 2 (VARIANZAS HETEROGÉNEAS)

> x<-c(8.53,8.52,8.01,7.99,7.93,7.89,7.85,7.82,7.80)
> y<-c(7.85,7.73,7.58,7.40,7.35,7.30,7.27,7.27)
> var.test(x,y)
F test to compare two variances

data: x and y
F = 1.6158, num df = 8, denom df = 7, p-value = 0.5409
alternative hypothesis: true ratio of variances is not equal to 1
 95 percent confidence interval:
0.3298053 7.3173789
sample estimates:
ratio of variances
1.615828

Como el p valor de la prueba de homogeneidad de varianzas es 0.5409 es mayor

que el nivel de significancia de 0.05, existe evidencia estadística para no rechazar
la hipótesis nula. Se concluye que las varianzas desconocidas son iguales.

PRUEBA t
> t.test(x,y,alternative="greater", paired = FALSE,var.equal = TRUE )
Two Sample t-test
data: x and y
t = 4.529, df = 15, p-value = 0.0001998
alternative hypothesis: true difference in means is greater than 0
95 percent confidence interval:
0.348774 Inf
sample estimates:
mean of x mean of y
8.037778 7.468750

iv) RESULTADO
Como el p valor es 0.0001998 menor que el nivel de significancia de 0.05, existe
evidencia estadística para rechazar la hipótesis nula.

v) CONCLUSIÓN
Se puede afirmar que el ph de la localidad 1 es más alto que en la localidad 2.

Ejemplo 17
i) HIPÓTESIS
Ho: µNITRATO≥µNORMAL V
H1: µNITRATO<µNORMAL (El agua con nitrato retarda la ganancia de peso) F

ii) DATOS
n1=9; media1; s1; n2=7; media2; s2; α=0.05; NC=0.95

iii) PRUEBA ESTADÍSTICA

Como no se conoce el valor de σ1 y de σ2, y como lo tamaños de muestra son
menores que 30, se debe aplicar la prueba t. Para ello debemos averiguar si las
varianzas desconocidas las vamos a asumir iguales o diferentes, a través de la
prueba de homogeneidad de varianzas.

PRUEBA DE HOMOGENEIDAD DE VARIANZAS:

2 2
Ho: σ 1=σ 2 (VARIANZAS HOMOGÉNEAS) F
2 2
H1: σ 1 ≠ σ 2 (VARIANZAS HETEROGÉNEAS) V
 > x<-c(12.7,19.3,20.5,10.5,14,10.8,16.6,14,17.2)
> y<-c(18.2,32.9,10,14.3,16.2,27.6,15.7)
> var.test(x,y)

F test to compare two variances

data: x and y
F = 0.19521, num df = 8, denom df = 6, p-value = 0.0381
alternative hypothesis: true ratio of variances is not equal to 1
95 percent confidence interval:
0.03486173 0.90806944
sample estimates:
ratio of variances
0.1952126

Como el p valor de la prueba de homogeneidad de varianzas es 0.0381, es menor

que el nivel de significancia de 0.05, existe evidencia estadística para rechazar la
hipótesis nula. Se concluye que las varianzas son desconocidas pero
heterogéneas o diferentes.

PRUEBA t
> t.test(x,y,alternative="less",paired = FALSE, var.equal = FALSE)
Welch Two Sample t-test
data: x and y
t = -1.2872, df = 7.825, p-value = 0.1174
alternative hypothesis: true difference in means is less than 0
95 percent confidence interval:
-Inf 1.887471
sample estimates:
mean of x mean of y
15.06667 19.27143

iv) RESULTADO
Como el p valor de la prueba t es 0.1174 mayor que el nivel de significancia de
0.05, existe evidencia estadística para no rechazar la hipótesis nula.

v) CONCLUSIÓN
No se verifica que el agua con nitrato retarda la ganancia de peso.

Ejemplo 19
i) HIPÓTESIS
Ho: µComunes=µHorno V
H1: µComunes≠µHorno (Hay diferencias en las cosechas) F

ii) DATOS
n1, media1; s1; n2; media2; s2; α=0.05, NC=0.95

iii) PRUEBA ESTADÍSTICA

Como cada terreno reporta dos observaciones entonces las muestras son
relacionadas. No será necesario aplicar la prueba de homogeneidad de varianzas.
 > x<-c(1903,1935,1910,2496,2108,1961,2060,1444,1612,1316,1511)
> y<-c(2009,1915,2011,2463,2180,1925,2122,1482,1542,1443,1535)
> t.test(x,y,alternative = "two.sided",paired=TRUE, conf.level = 0.95)

Paired t-test
data: x and y
t = -1.6905, df = 10, p-value = 0.1218
alternative hypothesis: true difference in means is not equal to 0
98 percent confidence interval:
-88.86819 21.41365
sample estimates:
mean of the differences
-33.72727

iv) RESULTADO
Como el p valor es 0.1218 mayor que el nivel de significancia de 0.05 existe
evidencia estadística para no rechazar la hipótesis nula.

v) CONCLUSIÓN
No se puede afirmar que hay diferencias en las cosechas.

Ejemplo 20
i) HIPÓTESIS
Ho: µH≥µLS V
H1: µH<µLS (Las condiciones húmedas generan una menor resistencia) F

ii) DATOS
n1=12, media1; s1; n2=12; media2; s2; α=0.02, NC=0.98

iii) PRUEBA ESTADÍSTICA

Como el cada tipo de columna se analiza en dos condiciones (H y LS) los datos que
se generan son relacionados, por lo que se trabajará la prueba t para datos
relacionados o emparejados o dependientes o apareados. No es necesario aplicar
la prueba de homogeneidad de varianzas.
> x<-c(82.6,87.1,89.5,88.8,94.3,80.0,86.7,
+ 92.5,97.8,90.4,94.6,91.6)
> y<-c(86.9,87.3,92,89.3,91.4,85.9,89.4,
+ 91.8,94.3,92.0,93.1,91.3)
> t.test(x,y,alternative = "less",
+ paired=TRUE,conf.level = 0.98)
Paired t-test
data: x and y
t = -0.90472, df = 11, p-value = 0.1925
alternative hypothesis: true difference in means is less than 0
98 percent confidence interval:
-Inf 1.153782
sample estimates:
 mean of the differences
-0.7333333

iv) RESULTADO
Como el p valor es 0.1925 mayor que el nivel de significancia de 0.05 existe
evidencia estadística para no rechazar la hipótesis nula.

v) CONCLUSIÓN
No se puede afirmar que las condiciones húmedas generen una menor resistencia.