UNIVERSIDAD AUTÓNOMA

DE NUEVO LEÓN

FACULTAD DE INGENIERÍA
MECÁNICA Y ELÉCTRICA

ESTADÍSTICA INFERENCIAL
Alumno: Jorge Emmanuel Alonso Castillo
Matricula:1668264
Hora: M4
Maestro: M.C. Rigoberto Américo Garza López
 TEMARIO
PRUEBAS PARAMÉTRICAS:
 Prueba de hipótesis para una media muestra grande

 Prueba de hipótesis para 2 medias muestras grandes

 Prueba de hipótesis para una media muestra pequeña

 Prueba de hipótesis para 2 medias muestras pequeñas considerando varianzas iguales

 Prueba de hipótesis para 2 medias muestras pequeñas considerando varianzas diferentes

 Prueba de hipótesis para 2 medias muestras pequeñas usando el método de la w

 Prueba de hipótesis para una proporción

 Prueba de hipótesis para 2 proporciones

 Prueba de hipótesis para la varianza

 Prueba de hipótesis para la razón de la varianza

 Prueba de bondad y ajuste

PRUEBAS NO PARAMÉTRICAS:
 Prueba de signo para una media

 Prueba de signo para 2 medias

 Prueba de rango con signo para una media

 Prueba de rango con signo para 2 medias

 Prueba de suma de rangos

 Conceptos
Probabilidad: es la mayor o menor posibilidad de que ocurra un determinado suceso.
En otras palabras su noción viene de la necesidad de medir o determinar
cuantitativamente la certeza o duda de que un suceso dado ocurra o no.

Estadística: ciencia que ostenta en sus bases una fuerte presencia y acción de las
matemáticas y que principalmente se ocupa de la recolección, análisis e
interpretación de datos que buscan explicar las condiciones en aquellos fenómenos de
tipo aleatorio.

Estadística Inferencial: es una parte de la estadística que comprende 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.
 Conceptos
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.
Desviación estándar: es un índice numérico de la dispersión de un conjunto de
datos (o población). Mientras mayor es la desviación estándar, mayor es la dispersión
de la población. La desviación estándar es un promedio de las desviaciones
individuales de cada observación con respecto a la media de una distribución.
Varianza: es la media aritmética del cuadrado de las desviaciones respecto a la
media de una distribución estadística.
Estadística Descriptiva: es la técnica matemática que obtiene, organiza, presenta y
describe un conjunto de datos con el propósito de facilitar su uso generalmente con el
apoyo de tablas, medidas numéricas o gráficas. Además, calcula parámetros
estadísticos como las medidas de centralización y de dispersión que describen el
conjunto estudiado
 PRUEBAS
PARAMETRICAS
PRUEBA DE HIPÓTESIS
PARA UNA MEDIA
MUESTRA GRANDE
Una empresa eléctrica fabrica focos que tienen una duración que se
distribuye de forma aproximadamente normal con una media de 800
horas y una desviación estándar de 40 horas. Pruebe la hipótesis de
que µ=800 horas contra La alternativa µ ≠800 horas si una mostra
aleatória de 30 focos Tiene una duración promedio de 788 horas.
Utilice un nivel de significancia de .04
Datos Formula Sustitución
H0; µ1 = 800
x  788  800
H1; µ1 ≠ 800 z  1.64
x = 788 z 40
σ = 40
α = 0.04
 30
(H ) 1

n =  30
n
Tabla de Área bajo Grafica
la curva normal
Se entra con α/2 = .02

Z .05
-2 .02
Valor Critico o H0 = -2.05

Conclusión
Se acepta la hipótesis nula.
Bibliografía
(H0). Por lo tanto no se Probabilidad y estadística para Ingenieros
puede concluir que el Ronald E. Walpole
numero de horas es cercano Sexta Edición
a la media de 800.
Una empresa de camiones de carga sospecha de la afirmación de que
el ciclo de vida promedio de ciertos neumáticos es de al menos 28,000
millas. Para verificar ese argumento, la empresa instala 40 de esos
neumáticos en sus camiones y obtiene un ciclo de vida medio de
27,463 millas con una desviación estándar de 1.348 millas ¿Qué se
puede concluir si la probabilidad de un error tipo I se fija en cuando
mas de .01?
Datos Formula Sustitución
H0; µ1 = 28,000 x  27,463  28,000
H1; µ1 < 28,000 z z
1,348
 2.52
x = 27,463  40
(H1)

σ = 1,348
α = 0.01
n =  40
n
Tabla de Área bajo Grafica
la curva normal
Se entra con α = .01

Z .03
-2.3 .0099
Valor Critico o H0 = -2.33

Conclusión
Se rechaza la hipótesis nula
Bibliografía
(H0). Se puede decir que la Probabilidad y estadística para Ingenieros
sospecha de la empresa de Miller Y Freund
camiones de carga es menor Quinta Edición
se confirma.
PRUEBA DE HIPÓTESIS
PARA DOS MEDIAS
MUESTRAS GRANDES
Para probar el argumento de que la resistencia de cable eléctrico
puede reducirse en mas de .050 ohms mediante aleación, 32 valores
x1
obtenidos para cable estándar dieron como resultado = 0.136 ohms
y s1 = 0.004 ohms y 32 valores obtenidos para el cable con aleación
dieron comox 2 resultado = 0.083 ohms y s 2 = .005 ohms. En el nivel
de significancia de .05 ¿Apoya esto al argumento?

Datos Formula Sustitución

H0; µ1 - µ2 =0.050 ( x1  x 2 )  ( 1   2 ) (.136  .083)  .050
z z 2.65
H1; µ1 - µ2 > 0.050  12  22 2
0.004 0.005 2
(H1)
x1 = 0.136  
n1 n2 32 32
x 2 = 0.083
σ1 = .004
σ2 = .005
* Nota: El valor de z es valor absoluto
α = .05
n1 = 32 
n2 = 32
Tabla de área bajo la Conclusión
curva normal Se entra con 1-α = .
95
Se rechaza la hipótesis nula.
(H0). De manera que la
Z .04 evidencia respecto de la
aleación puede ser diferente
1.6 .9495 Valor critico
o H0 = 1.64
a .05

Grafica Bibliografía
Probabilidad y estadística para
Ingenieros
Miller Y Freund
Quinta Edición
Un fabricante afirma que la resistencia a la tracción promedio del hilo A
excede la resistencia a la tracción promedio del hilo B en al menos 12
kgs. Para probar esta afirmación se prueban 50 piezas de cada tipo de
hilo bajo condiciones similares. El hilo tipo A tiene una resistencia a la
tracción promedio de 86.7 kgs con una desviación estándar de 6.28
kgs, mientras el hilo tipo B tiene una resistencia promedio a la tracción
de 77.8 kgs con una desviación estándar de 5.61 kgs. Pruebe la
afirmación del fabricante con el uso de un nivel de significancia de 0.05
Datos Formula Sustitución
H0; µ1 - µ2 =12
H1; µ1 - µ2 > 12 (86.7  77.8)  12
x1 = 86.7 ( x1  x 2 )  ( 1   2 ) z  2.60
z 2 2
x 2= 77.8  12  22 6.28 5.61 (H1)
 
σ1 = 6.28 n1 n2 50 50
σ2 = 5.61 * Nota: El valor de z es valor absoluto
α = 0.05
n1 = 50 
Tabla de área bajo la Conclusión
curva normal Se entra con 1-α = .
95
Se rechaza la hipótesis nula.
(H0). Se puede afirmar que la
Z .04 resistencia a la tracción
promedio del hilo A excede la
resistencia a la tracción
1.6 .9495 Valor critico
o H0 = 1.64 promedio del hilo B en al
menos 12 kgs

Grafica Bibliografía
Probabilidad y estadística para
Ingenieros
Ronald E. Walpole
Sexta Edición
PRUEBA DE HIPÓTESIS
PARA UNA MEDIA
MUESTRA PEQUEÑA
Pruebe la hipótesis de que el contenido promedio de los envases de un
lubricante particular es de 10 litros si los contenidos de una muestra
aleatoria de 10 envases son los siguientes. Utilice un nivel de
significancia de 0.01 y suponga que la distribución del contenido es
normal.
1 2 3 4 5 6 7 8 9 10
10. 9.7 10. 10. 10. 9.8 9.9 10. 10. 9.8
2 1 3 1 4 3

Datos Formulas x1  x2  ....  xn 2 2

x  x n  x  (  x )
H0; µ = 10 s i i
t n n(n  1)
H1; µ ≠ 10 s
α = 0.01 n  xi2 ( x12  x22  ....  xn2 )
n =  10
 n  1 ( xi ) 2 ( x1  x2  ....  xn ) 2
Sustitución
10.2  9.7  10.1  ...  9.8 10.06  10
x 10.06 t .77
10 .2458 (H1)

s
10(10.2 2  9.7 2  ....  9.82 )  (10.2  9.7  ...  9.8) 2
.2458 10
10(10  1)

Tabla valores críticos de la Conclusión

distribución t Se entra con α= 0.01
Se acepta H . Se puede 0

α 0.01 ϒ= n-1 = 10-1 = 9 afirmar que el contenido

promedio de los envases
 de un lubricante particular
es de 10 litros
Valor
9 2.821 critico o H0
Grafica

Bibliografía
Probabilidad y estadística para Ingenieros
Ronald E. Walpole
Sexta Edición
Un articulo publicado en una revista describe los resultados de pruebas
de resistencias a la adhesión de 22 especímenes de aleación U700 La
carga para la que cada espécimen falla es la siguiente en (MPa)

1 2 3 4 5 6 7 8 9 10 11
19. 15. 11. 19. 10. 18. 14. 8.8 14. 7.9 17.
8 4 4 5 1 5 1 9 6
12 13 14 15 16 17 18 19 20 21 22
13. 7.5 12. 16. 11. 15. 11. 15. 11. 15. 11.
6 7 7 9 4 9 8 4 4 4
¿Sugieren los datos que la carga promedio de falla es mayor que
10MPa? Supóngase que la carga donde presenta la falla tiene una
distribución normal, utilice α = 0.05
 Datos Formulas
x  x  ....  xn n  xi2  ( xi ) 2
H0; µ = 10 x  x 1 2 s
t n n(n  1)
H1; µ > 10 s
α = 0.05
n  xi2 ( x12  x22  ....  xn2 )
n =  22

 n  1 ( xi ) 2 ( x1  x2  ....  xn ) 2

Sustitución
19.8  15.4  11 .4  ...  11 .4 13.71  10
x 13.71 t 4.90
22 3.55 (H ) 1

s
22(19.82  15.4 2  ....  11 .4 2 )  (19.8  15.4  ...  11 .4) 2
22(22  1)
3.55 22
Tabla valores críticos de la Conclusión
distribución t Se entra con α= 0.05
Se rechaza H . Se puede
0

α 0.05 ϒ= n-1 = 22-1 = 21 decir que la carga de falla

promedio es mayor a 10
 MPa

Valor
21 1.72 critico o H0
Grafica 1 =1.721
Bibliografía
Probabilidad y estadística
aplicadas a la ingeniería
Douglas C. Montgomery
PRUEBA DE HIPÓTESIS
PARA DOS MEDIAS
MUESTRAS PEQUEÑAS
CONSIDERANDO
VARIANZAS IGUALES
Se analizan dos catalizadores para determinar la forma en que afectan
el rendimiento promedio de un proceso químico. De manera especifica
el catalizador 1 es el que se esta empleando en este momento, pero el
catalizador también es aceptable. Debido a que el catalizador 2 es mas
económico, este puede adoptarse siempre y cuando no cambie el
rendimiento del proceso. Se hace una prueba en una planta piloto; los
resultados obtenidos aparecen en la siguiente tabla. ¿Existe alguna
diferencia entre los rendimientos promedio? Utilícese α = 0.05
Numero de Catalizador 1 Catalizador 2
observacion
1 91.50 89.19
2 94.18 90.95
3 92.18 90.46
4 95.39 93.21
5 91.79 97.19
6 89.07 97.04
7 94.72 91.07
8 89.21 92.75
Datos Formula x2 
x1  x2  ....  xn
n2
H0; µ1 = µ2 ( x1  x 2 )  ( 1   2 ) x1  x2  ....  xn
t x1  (n1  1) s12  (n2  1) s22
H1; µ1 ≠ µ2 s 2p s 2p n1 s 2p 
 n1  n2  2
α = 0.05 n1 n2
n1 = 8 s2 
n  xi2  ( xi ) 2  xi2 ( x12  x22  ....  xn2 )
n2 (n2  1)
n2 = 8 s1 
n  xi2  ( xi ) 2
n1 (n1  1)
 n1  n2  2 ( xi ) 2 ( x1  x2  ....  xn ) 2

Sustitución x1 
91.50  ....  89.21
8
92.255 x 2 
89.19  ....  92.75
8
92.733

(8)(91.502  ...  89.212 )  (91.50  ...  89.21) 2

s1  2.39 (8  1)(2.39 2 )  (8  1)(2.98) 2
(8)(8  1) 2
s  7.30
p
(8  8  2)
(8)(89.19 2  ...  92.752 )  (89.19  ...  92.75) 2
s2  2.98
(8)(8  1) (92.255  92.733)  0
t  0.35
1 1
2.70  (H1)
8 8
Tabla de valores críticos Conclusión
de t Se entra con α/2 = 0.025 Se acepta la hipótesis nula.
(H0). No se tiene suficiente
α 0.025 Valor Critico evidencia que permita
 o H0 = 2.145 concluir que el catalizador 2
dara como resultado un
14 2.145  8  8  2 rendimiento promedio
diferente al catalizador 1
Grafica Bibliografía
Probabilidad y estadística
aplicadas a la ingeniería
Douglas C. Montgomery
 Las siguientes muestras aleatorias son mediciones de la capacidad de
la producción de calor (en millones de calorias por tonelada) de
especímenes de carbón de dos minas. Use nivel de significancia de .01
para probar si la diferencia de estas es significativa
Mina 1 8260 8130 8350 8070 8340 0

Mina 2 7950 7890 7900 8140 7920 7840

Datos Formula x2 
x1  x2  ....  xn
n2
( x1  x 2 )  ( 1   2 ) x1  x2  ....  xn
t x1  (n1  1) s12  (n2  1) s22
H0; µ1 - µ2= 0 s 2
p s 2
p n1 s  2
p
 n1  n2  2
H1; µ1 - µ2 ≠ 0 n1 n2
α = 0.01 s2 
n  xi2  ( xi ) 2  xi2 ( x12  x22  ....  xn2 )
n2 (n2  1)
n1 = 5 n  xi2  ( xi ) 2
s1 
n2 = 6 n1 (n1  1)
 n1  n2  2 ( xi ) 2 ( x1  x2  ....  xn ) 2
Sustitución
8260  ....  8340 7950  ....  7840
(5)(82602  ...  83402 )  (8260  ...  8340) 2 x1  8230 x2  7940
s1  125.49 5 6
(5)(5  1)
2 2
(6)(7950 2  ...  7840 2 )  (7950  ...  7840) 2 2 (5  1)(125.49 )  (6  1)(104.49)
s2  s
104.49 p  13064.64
(6)(6  1) (5  6  2 )

(8230  7940)  0
t 4.19
1 1
114 .30  (H1)
5 6
Tabla de valores críticos
Conclusión
de t Se entra con α/2 = 0.005
Se rechaza la hipótesis nula.
α 0.005 Valor Critico (H0). Concluimos que la
 o H0 = 3.250 capacidad promedio del
producido de calor del
9 3.250  5  6  2 carbón de las dos minas no
es la misma
Grafica

Bibliografía
Probabilidad y estadística para
Ingenieros
Miller Y Freund
Quinta Edición
 PRUEBA DE HIPÓTESIS
PARA DOS MEDIAS
MUESTRAS PEQUEÑAS
CONSIDERANDO
VARIANZAS DIFERENTES
Las siguientes son las cifras de ventas que una muestra de nueve
vendedores de productos químicos industriales en calofornia y una
muestra de seis vendedores de productos químicos industriales en
oregon realizaron en cierto periodo fijo:
Californi 59 68 44 71 63 46 69 54 48
a
Oregon 50 36 62 52 70 41 0 0 0
Suponiendo que las poblaciones muestreadas pueden aproximarse
cercamente con distribuciones normales de diferente varianza, pruebe
las hipótesis con un nivel de significancia de 0.01
Datos Formulas (  xi ) 2 ( x1  x2  ....  xn ) 2
x1  x2  ....  xn
H0; µ1 - µ2= 0  xi2 ( x12  x22  ....  xn2 ) x1 
n1
H1; µ1 - µ2 ≠ 0 s12 s22 2
(  ) x1  x2  ....  xn
α = 0.01 n1 n2 ( x1  x 2 )  ( 1   2 ) x2 
 t n2
n1 = 5 (
s12 2
) (
s22 2
) s12 s22
n2 = 6 n1 n2  s1 
n  xi2  ( xi ) 2
s 
n  xi2  ( xi ) 2
n1  1 n2  1 n1 n2 n1 (n1  1)
2
n2 (n2  1)
 (109) (144.76) 2
Sustitución (
9

6
)
 .0548 1
(9)(59 2  ...  482 )  (59  ...  48) 2 109 2 144.76 2
2
s  109 ( ) ( )
1
(9)(8) 9 6
8 5
2 (6)(50 2  ...  412 )  (50  ...  41) 2
s 
2 144.76
(6)(5) (58  51.83)  0
t 1.02
59  ....  48 50  ....  41 109 144.76 (H1)
x1  58 x 2  51.83 
9 6
9 6

Tabla de valores críticos Conclusión

de t Se entra con α/2 = 0.005
Se acepta la hipótesis nula.
(H ). Concluimos que se
α 0.005 Valor
0
probo la hipótesis que Ho es
Critico o
 H =
igual a 0
0
63.657
1 63.657
Grafica

Bibliografía
Probabilidad y estadística para
Ingenieros
Miller Y Freund
Quinta Edición
El Departamento de Zoología del Instituto Politécnico y Universidad Estatal
de Virginia llevó a cabo un estudio, para determinar si hay una diferencia
significativa en la densidad de organismos en dos estaciones diferentes
ubicadas en Cedar Run, un río secundario que se localiza en la cuenca del río
Roanoke. El drenaje de una planta de tratamiento de aguas negras y el
sobreflujo del estanque de sedimentación de la Federal Mogul Corporation
entran al flujo cerca del nacimiento del río. Los siguientes datos dan las
medidas de densidad, en número de organismos por metro cuadrado, en las
dos diferentes estaciones colectoras:
¿Con un nivel de significancia de 0.05
podemos concluir que son iguales las
densidades promedio en las dos
estaciones? Suponga que las observaciones
provienen de poblaciones normales con
varianzas diferentes.
Datos Formulas (  xi ) 2 ( x1  x2  ....  xn ) 2
H0; µ1 = µ2 x1  x2  ....  xn
 xi2 ( x12  x22  ....  xn2 ) x1 
n1
H1; µ1 ≠ µ2 s12 s22 2
(  ) x1  x2  ....  xn
α = 0.05 n1 n2 ( x1  x 2 )  ( 1   2 ) x2 
 t n2
n1 = 16 2
s1 2 s22 2 s12 s22
( ) ( )
n2 = 12 n1 n2  s1 
n  xi2  ( xi ) 2
s2 
n  xi2  ( xi ) 2
n1  1 n2  1 n1 n2 n1 (n1  1) n2 (n2  1)

(62005060) (6147935.127) 2
Sustitución 16
( 
12
)
 .0056 1
2 (16)(50302  ...  16902 )  (5030  ...  1690) 2 62005060 2 6147935.127 2
s1  62005060 ( ) ( )
(16)(15) 16 12
2 2 2 15 11
(12)(2800  ...  2190 )  (2800  ...  2190)
s22  6147935.127 (9897.5  4120.83)  0
(12)(11) t 2.75
2800  ....  2190
62005060 6147935.127 (H1)
5030  ....  1690 x2  4120.83 
x1  9897.5 12 16 12
16
Tabla de valores críticos Conclusión
de t Se entra con α/2 =,025 Se acepta la hipótesis nula.
(H ). Concluimos que se
0

α .025 Valor probo la hipótesis que Ho

Critico o son iguales densidades

H0 =
12.706
1 12.706
Grafica Bibliografía
Probabilidad y estadística para
Ingenieros
Ronald E. Walpole
Sexta Edición
PRUEBA DE HIPÓTESIS
PARA DOS MEDIAS
MUESTRAS PEQUEÑAS
CONSIDERANDO
VARIANZAS DIFERENTES
POR EL MÉTODO DE LA
W
Las siguientes son las cifras de ventas que una muestra de nueve
vendedores de productos químicos industriales en calofornia y una
muestra de seis vendedores de productos químicos industriales en
oregon realizaron en cierto periodo fijo:
Californi 59 68 44 71 63 46 69 54 48
a
Oregon 50 36 62 52 70 41 0 0 0
Suponiendo que las poblaciones muestreadas pueden aproximarse
cercamente con distribuciones normales de diferente varianza, pruebe
las hipótesis con un nivel de significancia de 0.01
Datos Formulas x2 
x1  x2  ....  xn x1 
x1  x2  ....  xn
s12
n  xi2  ( xi ) 2 n2 n1 W1 
H0; µ1 - µ2= 0 s1  n1
s12 s22 2
H1; µ1 - µ2 ≠ 0 n1 (n1  1) (W )T  (W2 )T2 (  )
t 1 1 n1 n2
α = 0.01 W  W  
s2 
n  xi2  ( xi ) 2
1 2
(
s12 2
) (
s22 2
) s22
n1 = 5 n2 (n2  1) n n W2 
n2 = 6
1
n1  1
2
n2  1 n2
 109
Sustitución (
(109) (144.76) 2
 )
W1 
5
21.8
 9 6 .0548 1
(9)(59 2  ...  482 )  (59  ...  48) 2 109 2 144.76 2 144.76
2
s  109 ( ) ( ) W  24.12
1
(9)(8) 9 6 2
6
8 5
2 (6)(50 2  ...  412 )  (50  ...  41) 2
s 
2 144.76
(6)(5)

59  ....  48 50  ....  41 (21.8)63.657  (24.12)63.657

x1  58 x 2  51.83 t  1.02
9 6 21.8  24.12 (H1)

Tabla de valores críticos

de t Se entra con α/2 = 0.005

α 0.005 α 0.005 Valor Critico o H0 =

  63.657

1 63.657 1 63.657
Grafica

Bibliografía Conclusión
Probabilidad y estadística para Se acepta la hipótesis nula.
Ingenieros (H0). Concluimos que se
Miller Y Freund probo la hipótesis que Ho es
Quinta Edición igual a 0
El Departamento de Zoología del Instituto Politécnico y Universidad Estatal
de Virginia llevó a cabo un estudio, para determinar si hay una diferencia
significativa en la densidad de organismos en dos estaciones diferentes
ubicadas en Cedar Run, un río secundario que se localiza en la cuenca del río
Roanoke. El drenaje de una planta de tratamiento de aguas negras y el
sobreflujo del estanque de sedimentación de la Federal Mogul Corporation
entran al flujo cerca del nacimiento del río. Los siguientes datos dan las
medidas de densidad, en número de organismos por metro cuadrado, en las
dos diferentes estaciones colectoras:
¿Con un nivel de significancia de 0.05
podemos concluir que son iguales las
densidades promedio en las dos
estaciones? Suponga que las observaciones
provienen de poblaciones normales con
varianzas diferentes.
Datos Formulas (  xi ) 2 ( x1  x2  ....  xn ) 2
H0; µ1 = µ2 x1  x2  ....  xn
 xi2 ( x12  x22  ....  xn2 ) s22 x1 
W2  n1
H1; µ1 ≠ µ2 s12 s22 2
n2
(  ) s12 x1  x2  ....  xn
α = 0.05 n1 n2 (W )T  (W2 )T2 W1  x2 
 t 1 1 n1 n2
n1 = 16 2
s1 2 s22 2 W1  W2
( ) ( ) n  xi2  ( xi ) 2
n1 n2 n  xi2  ( xi ) 2
n2 = 12 s1  s2 
n1  1 n2  1 n1 (n1  1) n2 (n2  1)

Sustitución
(62005060) (6147935.127) 2
(  )
 16 12 .0056 1
62005060 2 6147935.127 2
( ) ( )
2 (16)(50302  ...  16902 )  (5030  ...  1690) 2 16 12
s 
1 62005060 15 11
(16)(15)
(3875316.25)12.706  (512327.9273)12.706
t 2.75
2 2
(12)(2800  ...  2190 )  (2800  ...  2190) 2 3875316.25  512327.9273
s22  6147935.127 (H1)
(12)(11)
62005060
W1  3875316.25
5030  ....  1690 2800  ....  2190 16
x1  9897.5 x2  4120.83
16 12 6147935.127
W2  512327.9273
12
Tabla de valores críticos Valor Critico
Conclusión
de t Se entra con α/2 =,025
oH = 0 Se acepta la hipótesis nula.
12.706 (H0). Concluimos que se
α .025 α .025 probo la hipótesis que Ho
 son iguales densidades

1 12.706 1 12.706

Grafica Bibliografía
Probabilidad y estadística para
Ingenieros
Ronald E. Walpole
Sexta Edición
PRUEBA PARA
UNA
PROPORCIÓN
Un constructor afirma que se instalan bombas de calor en 70% de todas
las casas que se construyen hoy en día en la ciudad de Richmond. ¿Estaría
de acuerdo con esta afirmación si una investigación de casas nuevas es
esta ciudad muestra que 8 de 15 tienen instaladas bombas de calor?
Utilice un nivel de significancia de 0.10

Datos Formula
H0; P0 = 0.7 x
H1; P0 ≠ 0.7  P0
X= 8
z n
σ = 16
α = 0.10 P0 (1  P0 )
n =  15
n
Sustitución Tabla de Área bajo
8 la curva normal Se entra con α = 0.05
 .7
z  15  1.4 Z .04 H0 = -1.64
0.7(1  0.7) (H1)
15 -1.6 .0505

Conclusión
Se acepta la hipótesis nula,
el 70% de las casas en
Richmond tiene bomba de
aire.
 Grafica

Bibliografía
Probabilidad y estadística para
Ingenieros
Ronald E. Walpole
Sexta Edición
Un fabricante de semiconductores produce controladores que se emplean
en aplicaciones de motores automovilísticos. El cliente requiere que la
fracción de controladores defectuosos en uno de los pasos de manufactura
críticos no sea mayor que 0.05, y que el fabricante demuestre esta
característica del proceso de fabricación con este nivel de calidad,
utilizando un a=0.05 El fabricante de semiconductores toma una muestra
aleatoria de 200 dispositivos y encuentra que cuatro de ellos son
defectuosos. ¿El fabricante puede demostrar al cliente la calidad del
proceso?
Datos Formula Sustitución
H0; P0 = 0.05 x 4
 0.05
 P0
H1; P0 < 0.05 z  200
z n
 1.95
X= 4 0.05(1  0.05) (H1)
α = 0.05 P0 (1  P0 ) 200
n =  200 n
Tabla de Área bajo Conclusión
la curva normal Se entra con α = 0.05 Se rechaza la hipótesis nula
H0
Z .04 H0 = -1.64 Se concluye que la fracción
-1.6 .0505 de articulos defectuosos es
menor que 0.05

Grafica
Bibliografía
Probabilidad y estadística para
Ingenieros
Miller Y Freund
Quinta Edición
PRUEBA PARA
DOS
PROPORCIONE
S
Un estudio señala que 16 de 200 tractores producidos en una línea de
ensamblado requieren ajustes minuciosos y lo mismo sucede con 14 de
400 producidos en otra línea. Con un nivel de significación de 0.01
¿Apoya esto la afirmación de que la segunda línea efectúa un trabajo
superior?.
Datos Formula
Pˆ1  Pˆ2 ˆ x1
ˆ x1  x2
H 0; P 1 – P 2 = 0 z P1  P
1 1 n1 n1  n2
H 1; P 1 – P 2 > 0 ˆ
Pqˆ   
x1= 16  n1 n2  x
Pˆ2  2
X2=14
qˆ 1  Pˆ
n2
α = 0.01
n1=200
n2 = 400
Sustitución 0.08  0.035
z 2.38
16 ˆ 16  14  1 1 
Pˆ1  0.08 P  0.05 (0.05)(0.95)
200

400

200 200  400   (H1)
14
Pˆ2  0.035 qˆ 1  0.05 0.95
400

Tabla de Área bajo

la curva normal Se entra con 1-α = .99
Z .03 H0 = 2.33

2.3 .9901
Grafica Conclusión
Se rechaza la hipótesis nula
H0
Se concluye que la
proporción real de los
tractores que requieren
grandes ajustes es mayor en
la primera línea que en la
segunda
Bibliografía
Probabilidad y estadística para
Ingenieros
Miller Y Freund
Quinta Edición
Se evalúan dos tipos diferentes de soluciones para pulir, para su posible
uso en una operación de pulido en la fabricación de lentes intraoculares
utilizados en el ojo humano después de una cirugía de cataratas. Se pulen
300 lentes con la primera solución y, de éstos, 253 no presentaron
defectos inducidos por el pulido. Después se pulen otros 300 lentes con la
segunda solución, de los cuales 196 resultan satisfactorios. ¿Existe alguna
razón para creer que las dos soluciones para pulir son diferentes? Utilice
nivel de significancia de 0.01

Datos Formula
H 0; P 1 – P 2 = 0 x ˆ x1  x2
Pˆ1  Pˆ2 Pˆ1  1 P
H 1; P 1 – P 2 ≠ 0 z n1 n1  n2
1 1
x1= 253 ˆ
Pqˆ    x
X2=196  n1 n2  Pˆ2  2 qˆ 1  Pˆ
n2
α = 0.01
n1= 300
 Sustitución 0.8433  .6533
253  196 z 5.36
ˆ 253 Pˆ  .7483  1 1 
P1  0.8433 (.7483)(.2517)   (H1)
300 300  300  300 300 
196
Pˆ2  .6533 qˆ 1  .7483 .2517
300

Tabla de Área bajo

la curva normal Se entra con 1-α/2 = .995
Z .07 H0 = 2.57

2.5 .9949
Grafica Conclusión
Se rechaza la hipótesis nula
H0
Se concluye que existe
evidencia fuerte que apoya
la afirmación de que los dos
pulidos son diferentes.

Bibliografía
Probabilidad y estadística
aplicadas a la ingeniería
Douglas C. Montgomery
PRUEBA DE HIPÓTESIS
PARA LA VARIANZA
Un fabricante de detergente liquido esta interesado en la uniformidad de la
maquina utilizada para llenar botellas de manera especifica es deseable que
la varianza sea; 0.01 onzas² del liquido. Al tomar una muestra aleatoria de
20 botellas se obtiene una varianza muestral (s²) para el volumen de llenado
de ese cuadrado s²=0.0153.(distribución normal)
El fabricante esta preocupado por que piensa que la variación del proceso es
mayor que la variación histórica. Con un α=0.05, el fabricante tiene
elementos que sustenten se preocupación?

Datos Formulas
2 2
H0; σ2=
(n  1) s 2 n x  (  x )
0.01 2
  s2  1 1
n(n  1)
H0; σ2>
0.01
2
α=0.05  n  1
Sustitución

(20  1)(0.0153)
2
  29.07 H1
0.01
Tabla valores críticos de la
distribución ji cuadrada
0.05 0.95
ϒ ϒ
19 30.144 19 10.117

Valor critico o H0
Gráfica Conclusión
Se acepta H0, se puede
afirmar que no hay
evidecia fuerte de que la
varianza del volumen de
llenado sea mayor a .01

Bibliografía
Probabilidad y estadística
aplicadas a la ingeniería
Douglas C. Montgomery
 Considerando que el arribo de un metrobus a la estación es de 45
segundos, con una varianza de 5 segundos, ¿Muestran los siguientes
datos que la varianza ha cambiado? Use una significancia de 0.05

Formulas
2
( n  1) s
2  2

Datos n x 2
 (  x ) 2
H0; σ2= 5 s2  1 1

H0; σ2> 5 n(n  1)

 n  1
 Sustitución

2 16(46.2 2  45.2 2  ....  44.2 2 )  (46.2  45.2  ....  44.2) 2

s  7.91
16(16  1)

(16  1)(7.91)
2
  23.73 H1
5
Tabla valores críticos de la Conclusión
distribución ji cuadrada
Se acepta H0, se puede
0.05 0.95
afirmar que el tiempo de
ϒ ϒ espera es de 5 segundos
15 24.996 15 7.261

Valor critico o H0
Gráfica
Bibliografía
Probabilidad y estadística para
Ingenieros
Ronald E. Walpole
Sexta Edición
PRUEBA DE HIPÓTESIS
PARA LA RAZÓN DE
VARIANZA
Quieren someter a contraste la hipótesis de igualdad de las Varianzas de
las puntuaciones obtenidas por dos grupos de individuos en una prueba
de extraversión.

Formulas
s12 1
f  2 f (1  ) (1 , 2 ) 
f ( ) (2 , 1 )
s2
2 2
2 n  x  (  x )
s1  1 1
Datos n(n  1)
H0; σ12= σ22
2 2
H0; σ12≠σ22 2 n  x  (  x )
s2  1 1
n(n  1)
 n  1
Sustitución
2.8 f (40,30) 
1
0.57
f  1.12 f ( 0.05) (30,40) H1
2.5
1 31  1 30 2 41  1 40
Tabla (Puntos Conclusión
porcentuales de la
Se acepta H0.
distribución
ϒ1 30 F) ϒ1 40

ϒ2 ϒ2
40 1.74 30 0.57

Valor Critico o
Gráfica Bibliografía
Probabilidad y estadística
aplicadas a la ingeniería
Douglas C. Montgomery
Al probar la diferencia en el desgaste abrasivo de los dos materiales
del ejercicio 19.1 de la práctica 19, supusimos que eran iguales las
dos varianzas poblacionales. ¿Se justifica tal suposición? Utilice un
nivel de significancia de 0.10.

Datos Formulas
H0; σ12= σ22
H0; σ12≠σ22 2 2
2 nx  (x1 ) 1
s 
1
1 f (1  ) (1 , 2 ) 
f ( ) (2 , 1 )
n(n  1)
2
s
2
2
nx1  (x1 ) 2 f  1
2
s2  s 2
n(n  1)
 n  1
Sustitución
16 f (11,09) 
1
0.34
f  .64 f ( 0.05) (9,11) H1
25
1 12  1 11 2 10  1 09
Tabla (Puntos Conclusión
porcentuales de la
Se acepta H0.
distribución
ϒ1 11 F) ϒ1 09

ϒ2 ϒ2
09 2.30 11 2.27

Valor Critico o
Gráfica Bibliografía
Probabilidad y estadística para
Ingenieros
Miller Y Freund
Quinta Edición
PRUEBA DE BONDAD
DE AJUSTE
El gerente de una planta industrial pretende determinar si el número de
empleados que asisten al consultorio médico de la planta se encuentran
distribuido en forma equitativa durante los 5 días de trabajo de la semana.
Con base en una muestra aleatoria de 4 semanas completas de trabajo, se
observó el siguiente número de consultas. Con a=0,05, ¿existe alguna razón
para creer que el número de empleados que asisten al consultorio médico,
no se encuentra distribuido de forma equitativa durante los días de la
semana?

Datos Formulas
H0 < distribución eq 2
k
( o  e )
H1 = distribución eq
 2  i i  k  1
α = 0.05 i 1 ei
 Frecuencias Frecuencias
Días Observadas teóricas
2
Lunes 49 40 2,025
2 (oi  ei )
k
Martes 35 40 0,625   4.9
Miércoles
Jueves
32
39
40
40
1,6
0,025
i 1 ei H 1

Viernes 45 40 0,625

    Suma 4,9

Tabla de valores críticos Conclusión

de la distribución ji
Se acepta H0, la
cuadrada
ϒ α ϒ α distribución es menor a la
0.05 0.95 distribución equitativa
4 9.488 4 .711

Valor Critico o
Gráfica Bibliografía
Probabilidad y estadística para
Ingenieros
Miller Y Freund
Quinta Edición
El hospital de una universidad realizó un experimento para determinar el
grado de alivio que brindan tres remedios para la tos. Cada medicamento
para la tos se trata en 50 estudiantes y se registran los siguientes datos
Con un nivel de significancia de 0.05, pruebe la
hipótesis de que los tres remedios para la tos son
igualmente efectivos.

Datos Formulas
H0:µ=µ 2
k
( o  e )
H1:µ≠µ
α=.05
 2  i i  k  1
i 1 ei
 2 (11  11) 2 (13  11) 2 (9  11) 2 (14  10) 2
     .......  3.81
11 11 11 10 H1

Tabla de valores críticos Conclusión

de la distribución ji
Se acepta H0, se puede
cuadrada
ϒ α ϒ α decir que los 3
0.025 .975 medicamentos son igual
de efectivos
3 9.348 3 .216

Valor Critico o
Gráfica Bibliografía
Probabilidad y estadística para
Ingenieros
Miller Y Freund
Quinta Edición
 PRUEBAS NO
PARAMETRICAS
PRUEBA DE SIGNO
PARA UNA MEDIA
Los siguientes datos representan el numero de horas que un
compensador opera antes de requerir una recarga: 1.5, 2.2, 0.9, 1.3,
2.0, 1.6, 1.8, 1.5, 2.0, 1.2 y 1.7. Utilice la prueba de signo para probar la
hipótesis en el nivel de significancia de 0.05 que este compensador
opera con una mediana de 1.8 horas antes de requerir una recarga
d1 d0 Signo
1.5 1.8 --
Datos Formulas
2.2 1.8 +
x   np
0.9 1.8 - H0; μ= 1.8 z x  Positivos
1.3 1.8 - H0; μ≠ 1.8 npq
2.0 1.8 +
α = 0.05
1.6 1.8 -
P=0.5
1.8 1.8 0 n Positivos  Negativos
1.5 1.8 -
2.0 1.8 +
1.2 1.8 - q 1  p
1.7 1.8 -
Sustitución
Tabla Áreas bajo la curva
2  (10)(.5) Normal
z  1.89
10(.5)(.5) H 1
z 0.4

1.6 .9505

Conclusión
Valor Critico o H0 =
Se acepta H1. Se concluye -1.64
que es diferente de 1.8 .
Gráfica

Bibliografía
Probabilidad y estadística para
Ingenieros
Ronald E. Walpole
Sexta Edición
Los siguientes datos representan una muestra aleatoria de 15 medidas
de calificación de octanaje de cierto tipo de gasolina
d1 d0 Signo
Pruebe la hipótesis nula =98 contra la hipótesis
99 98 +
alternativa > 98 en el nivel de significancia de 0.01
102. 98 +
3
99.8 98 + Datos Formulas
100. 98 +
5 H0; μ= 98 x   np
99.7 98 + H0; μ> 98 z x  Positivos
96.2 98 - α = 0.01 npq
99.1 98 + P=0.5
102. 98 +
5
103. 98 +
n Positivos  Negativos
3
97.4
100.
98
98
-
+
q 1  p
4
98.9 98 +
Sustitución
Tabla Áreas bajo la curva
12  (14)(.5) Normal Se entra con 1-α = .99
z .5241
14(.5)(13) H 1
z 0.3

2.3 .9901

Conclusión
Valor Critico o H0 =
Se acepta la hipótesis nula, 2.33
dado la calificación
mediana de octanaje no
llega a 98
Gráfica

Bibliografía
Probabilidad y estadística para
Ingenieros
Miller Y Freund
Quinta Edición
PRUEBA DE SIGNO
PARA DOS MEDIAS
Una compañía de taxis trata de decidir Automóvi Llantas con
Llantas radiales
l cinturón
si el uso de llantas radiales en lugar de
1 4.2 4.1
llantas regulares con cinturón mejora
2 4.7 4.9
la economía de combustible. Se 3 6.6 6.2
equipan 16 automóviles con llantas 4 7.0 6.9
radiales y se manejan por un recorrido 5 6.7 6.8
de prueba establecido. Sin cambiar de 6 4.5 4.4
conductores, se equipan los mismos 7 5.7 5.7
autos con llantas regulares con 8 6.0 5.8
cinturón y se manejan una vez más por 9 7.4 6.9
el recorrido de prueba. Se registra el 10 4.9 4.9
consumo de gasolina, en kilómetros 11 6.1 6.0
por litro, de la siguiente manera. ¿Se 12 5.2 4.9
puede concluir en el nivel de 13 5.7 5.3
significancia de 0.05 que los autos 14 6.9 6.5
equipados con llantas radiales 15 6.8 7.1
obtienen mejores economías de 16 4.9 4.8
combustible que los equipados con
 
Datos Formulas x Positivos
H0; μ1- μ2 = 0
x   np n Positivos  Negativos
H1; μ1- μ2> 0 z
α = 0.05 npq
P=0.5
q 1  p

Sustitución

11  (14)(.5)
z  2.14
14(.5)(.5) (H ) 1
Tabla Áreas bajo la curva
Automóvi Llantas con d
Normal l
Llantas radiales
cinturón
1 4.2 4.1 +
.04
2 4.7 4.9 -
Z
3 6.6 6.2 +
4 7.0 6.9 +
-1.6 0.9505 5 6.7 6.8 -
6 4.5 4.4 +
7 5.7 5.7 0
Valor Critico o H0 = 8 6.0 5.8 +
-1.64 9 7.4 6.9 +
10 4.9 4.9 0
11 6.1 6.0 +

Conclusión 12 5.2 4.9 +

13 5.7 5.3 +
Se rechaza Ho. Se puede 14 6.9 6.5 +
concluir que las llantas 15 6.8 7.1 -
16 4.9 4.8 +
radiales son mejores.
Gráfica

Bibliografía
Probabilidad y estadística para
Ingenieros
Ronald E. Walpole
Sexta Edición
Policia 1 Policia 2
los siguientes son los números de infracciones por exceso
7 10
de velocidad expedidas por dos oficiales de policía en 17
11 13
días. Use la prueba de los signos en el nivel de significancia
14 14
de 0.05 para probar la hipótesis nula de que, en promedio
11 15
los dos oficiales de policía expiden igual numero de
12 9
infracciones por exceso de velocidad al día contra la
6 10
hipótesis alternativa de que el segundo oficial de policía
9 13
tiende a expedir mas que el primero
8 11
10 11
Datos Formulas
11 15
H0; μ1- μ2 = 0 
13 11
x  np n Positivos  Negativos
7 10 H1; μ1- μ2 ≠ 0 z
8 8 α = 0.05 npq
11 12 P=0.5

q 1  p
9
10
14
9
x Positivos
13 16
Sustitución Policia
1
Policia
2
d

7 10 -

03  (15)(.5) 11 13 -

z  2.32 14 14 0

15(.5)(.5) (H )
1
11 15 -
12 9 +
6 10 -
Tabla Áreas bajo la curva 9 13 -

Normal 8 11 -
10 11 -
.04
11 15 -
Z
13 11 +
7 10 -
-1.6 0.9505
8 8 0
11 12 -

Valor Critico o H0 = 9 14 -
10 9 +
-1.64
13 16 -
Gráfica

Conclusión Bibliografía
Se rechaza Ho. Se puede Probabilidad y estadística para
concluir que los oficiales Ingenieros
Miller Y Freund
no expidieron igual numero Quinta Edición
de infracciones al dia.
PRUEBA DE RANGO CON
SIGNO PARA UNA MEDIA
Los siguientes datos representan el número de horas que un
compensador opera antes de requerir una recarga: 1.5, 2.2, 0.9, 1.3, 2.0,
1.6, 1.8, 1.5, 2.0, 1.2 y 1.7. Utilice la prueba de rango con signo para
probar la hipótesis en el nivel de significancia de 0.05 que este
compensador particular opera con una media de 1.8 horas antes de
requerir una recarga.
 Datos Formulas
H0; μ= 1.8 W  Positivos W Valor  mas  pequeño
H1; μ≠ 1.8
α = 0.05 W   Negativos n Positivos  Negativos
 Dato di = dato - 1.8 Rangos
Tabla de valores críticos
1.5 -0.3 5.5
para la prueba de rango *2.2 0.4 7
con signo 0.9 -0.9 10
n = 10
1.3 -0.5 8
n Unilateral α=
0.25 Se calcula *2.0 0.2 3
Bilateral α = W+ 1.6 -0.2 3
0.05 Se suman Se
los rangos 1.8 0
10 8 anula
de signo
1.5 -0.3 5.5
positivo =
7+3+3 = *2.0 0.2 3
13 1.2 -0.6 9
1.7 -0.1 1
Condición
La hipótesis nula se rechaza si el
valor calculado de W+, W-, W es
menor o igual al obtenido por tablas

Bibliografía Conclusión
Probabilidad y estadística para Se acepta H1 13>8. El
Ingenieros
Ronald E. Walpole tiempo de recarga es
Sexta Edición diferente a 1.8.
Los tiempos de sobrevivencia (en años) de 12 personas que se han
sometido a un trasplante de corazón son los siguientes
 

Probar con 95% de confianza si los datos del tiempo de vida después del
trasplante sugieren que la mediana sea distinta de 5 años

Datos Formulas
H0:µ1=5 W  Positivos W Valor  mas  pequeño
H1:µ1≠5
W   Negativos n Positivos  Negativos
α=.05
Tabla de valores críticos
para la prueba de rango -4
con signo -7
-5
n Unilateral α= 0.25
Bilateral α = 0.05 -1
12 17 -8
-6
Valor Critico o H0 = 17
+2
+9
+3
Calculo de w+, w-, w +10
W+=11+10+3+9+2=35 -9
W-=4+7+5+1+8+6+9=40
+11

W+ es menor que W- por lo que :

H1= 35
Condición
La hipótesis nula se rechaza si el
valor calculado de W+, W-, W es
menor o igual al obtenido por tablas

Bibliografía Conclusión
Probabilidad y estadística para Ingenieros Se acepta H0 El tiempo de
Miller Y Freund
Quinta Edición vida después del
trasplante sugieren que la
mediana sea distinta de 5
años.
PRUEBA DE RANGO CON
SIGNO PARA DOS MEDIA
Se afirma que un estudiante universitario de último año puede aumentar su
calificación en el área del campo de especialidad del examen de registro de
graduados en al menos 50 puntos si de antemano se le proporcionan
problemas de muestra. Para probar esta afirmación, se dividen 20
estudiantes del último año en 10 pares de modo que cada par tenga casi el
mismo promedio de puntos de calidad general en sus primeros años en la
universidad. Los problemas y respuestas de muestra se proporcionan al azar
a un miembro de cada par una semana antes del examen. Se registran las
siguientes calificaciones del examen. Pruebe la hipótesis nula en el nivel de
significancia de 0.05 de que los problemas aumentan las calificaciones en 50
puntos contra la hipótesis alternativa de que el aumento es menor a 50
puntos.
 
Datos Formulas
 W Valor  mas  pequeño
H0; μ1- μ2 = 0 W Positivos
H1; μ1- μ2<50
α = 0.05 W  Negativos n Positivos  Negativos


P=0.5
Tabla de valores
críticos para la
prueba de rango con
signo
n Unilateral α= n = 10
0.05
Bilateral α = Se calcula W+
0.025 Se suman los
10 11 rangos de signo
positivo
=6+3.5+1=
10.5
Condición
La hipótesis nula se rechaza si el
valor calculado de W+, W-, W es
menor o igual al obtenido por tablas

Conclusión
Se acepta H1 que los
Bibliografía problemas de muestra, en
Probabilidad y estadística para promedio, no aumentan las
Ingenieros calificaciones de registro
Ronald E. Walpole de graduados en 50
Sexta Edición
puntos.
Los pesos de 5 personas antes de que dejen de fumar y cinco semanas
después de dejar de fumar, en kilogramos, son los siguientes: Utilice la
prueba de rango con signo para observaciones pareadas para probar la
hipótesis, en el nivel de significancia de 0.05, de que dejar de fumar no
tiene efecto en el peso de una persona, contra la alternativa de que el
peso aumenta si se deja de fumar.

Datos Formulas

 W Valor  mas  pequeño

H0; μ1- μ2 = 0 W Positivos
H1; μ1- μ2<0
α = 0.05 W  Negativos n Positivos  Negativos


P=0.5
Tabla de valores críticos antes Despu di rango
es s
para la prueba de rango 66 71 -5 4
con signo n=5 80 82 -2 3.5
69 68 1 1
n Unilateral α= Se calcula 52 56 -4 3.5
0.05 W+ 75 73 2 2
Bilateral α = Se suman
0.025 los rangos Conclusión
5 1 de signo Se acepta H1 los datos que
positivo nos muestran dicen que
=2+1= 3 dejar de fumar ayuda a
bajar de peso
Condición
Bibliografía
La hipótesis nula se rechaza si el
Probabilidad y estadística para Ingenieros
valor calculado de W+, W-, W es Miller Y Freund
menor o igual al obtenido por tablas Quinta Edición
PRUEBA DE SUMA DE
RANGOS
Se tienen dos parcelas experimentales. ¿Dañará la presencia de maleza
la producción maíz? Pruebe con uns significancia del 0.05

Datos Formulas
H0; μ1- μ2 = 0 n1 (n1  1) n2 (n2  1)
H1; μ1- μ2>0 U1 W1  U 2 W2 
α = 0.05
2 2
W1 Suma de Rangos de la muestra mas pequeña
(n1  n2 )(n1  n2  1)
W2   W1
2
 Producc 153. 156. 158. 165. 166. 172. 176. 176.
Tabla de valores ión 1 0 6 0 7 2 4 9
críticos para la Rango 1 2 3 4 5 6 7 8

prueba de suma
de rangos prueba Sustitución
de una cola con
α=0.05 W1 4  5  6  8 23
n1 n2
4(4  1)
U1 23  13
4 2
(4  4)(4  4  1)
4 1 W2   13 15
2
4(4  1)
U 2 15  5
2
Condición
La hipótesis nula se rechaza si el
valor calculado de U1, U2, U es menor
o igual al obtenido por tablas

Conclusión
Se acepta H0

Bibliografía
Probabilidad y estadística para
Ingenieros
Ronald E. Walpole
Sexta Edición
Se encuentra que el contenido de nicotina de dos marcas de cigarrillos,
medido en miligramos, es el siguiente:

Pruebe la hipótesis, en el nivel de significancia de 0.05, de que el

contenido promedio de nicotina de las dos marcas es igual, contra la
alternativa de que son diferentes.
Datos Formulas
H0; μ1- μ2 = 0 n1 (n1  1) n2 (n2  1)
U1 W1  U 2 W2 
H1;μ1- μ2 ≠0 2 2
α = 0.05 W1 Suma de Rangos de la muestra mas pequeña
(n1  n2 )(n1  n2  1)
W2   W1
2
Tabla de valores
críticos para la
prueba de suma
de rangos prueba
de una cola con
α=0.05
n1 n2
17 Sustitución
17 83
8(8  1)
U1 93  57 W1 4  8  ...  18 93
2
10(10  1) (18)(19)
U 2 78  23 W2   93 78
2 2
Condición
La hipótesis nula se rechaza si el
valor calculado de U1, U2, U es menor
o igual al obtenido por tablas

Conclusión
Se acepta H0 No hay diferencia significativa en el
contenido promedio de nicotina en las dos marcas de
cigarros
Bibliografía
Probabilidad y estadística para
Ingenieros
Miller Y Freund
Quinta Edición