pág.

DÓCIMAS DE HIPÓTESIS EN DOS POBLACIONES DE DIFERENCIA DE MEDIAS

PROFESORA: SRA. ROSARIO MENESES A.

1- DÓCIMA PARA RAZÓN DE VARIANZAS

Hipótesis Hipótesis Estadístico de prueba Región de Rechazo
Situación Nula Alternativa bajo H0
 12 2  
1) H0: =1 1) H1: 12  1
1)  F  F  F  F
m.a.(n1) de  N(μ1 , σ12 )  22 2 1−
 
S12  
  F=  F(n1-1,n2-1) 2 2

F  F1− 
2 2
1 1 S 22
m.a.(n2) de  N(μ 2 , σ
2 1 1
) 2) H0: 2) H1: 2)
2  2
2

3) F  F 
2 2

m.a.i.  12  12
3) H0: 1 3) H1: 1
 22  22

2-DÓCIMA PARA DIFERENCIA DE MEDIAS (Varianzas poblacionales conocidas)

Hipótesis Hipótesis Estadístico de prueba Región de Rechazo
Situación Nula Alternativa bajo H0
1) H0: 1 -2 = d0 1) H1: 1 -2  d0 d0
 
m.a.(n1) de  N(μ1 , σ12 )
(Y1 -Y2 ) - (μ1 − μ 2 )  OZ  − Z  Z 
2) H0: 1 -2 < d0 2) H1: 1 -2 > d0 Z=  N (0, 1) 

1− 
m.a.(n2) de  N(μ 2 , σ 2 )
2 1−
2
σ12 σ 22 1) 2
+
σ12 , σ 22 conocidas
3) H0: 1 -2 > d0 3) H1: 1 -2 < d0
n1 n 2 2)
Z O  Z1− 
m.a.i
3)
Z O  −Z1− 
3-DÓCIMA PARA DIFERENCIA DE MEDIAS (Varianzas poblacionales desconocidas pero iguales)
Hipótesis Hipótesis Estadístico de prueba Región de Rechazo
Situación Nula Alternativa bajo H0
1) H0: 1 -2 = d0 1) H1: 1 -2  d0 d0
 
m.a.(n1) de  N(μ1 , σ12 )
(Y1 -Y2 ) - (μ1 − μ 2 ) TO  −T1−   To  T1−  
2) H0: 1 -2 < d0 2) H1: 1 -2 > d0 T=  t(n1 + n2 – 2)
1)

m.a.(n2) de  N(μ 2 , σ 2 ) 2
2
1 1 2 
3) H0: 1 -2 > d0 3) H1: 1 -2 < d0 S2p  +  2) {𝑇𝑂 > 𝑡1−𝛼 }
σ12 = σ 22 desconocida  n1 n 2  3) {T o< -t 1-α }
m.a.i
 pág. 2

(n1 − 1)s12 + (n 2 − 1)s 22

s 2p =
n1 + n 2 − 2

4-DÓCIMA PARA DIFERENCIA DE MEDIAS (Varianzas desconocidas pero distintas)

Hipótesis Hipótesis Estadístico de prueba Región de Rechazo
Situación Nula Alternativa bajo H0
1) H0: 1 -2 = d0 1) H1: 1 -2  d0 d0  
m.a.(n1) de  N(μ1 , σ12 ) 
1) TO  −T

(Y1 -Y2 ) - (μ1 − μ 2 )   To  T  
2) H0: 1 -2 < d0 2) H1: 1 -2 > d0 T=  t(g.l.*)  1− 1− 
m.a.(n2) de  N(μ 2 , σ 2 )  2
2
2
S12 S22
3) H0: 1 -2 > d0 3) H1: 1 -2 < d0 + 2) {𝑇 > t 1-α }
σ12  σ 22 desconocidas n1 n 2 3) {T < -t 1-α }
m.a.i
2
 s x2 s y2 
 + 
 nx n y 
 = 
2
 s x2 
2
 s y2 
   
 
 nx  +  n y 
nx − 1 ny −1

5-DÓCIMA PARA DIFERENCIA DE MEDIAS (Muestra pareada)

Hipótesis Hipótesis Estadístico de prueba Región de Rechazo
Situación Nula Alternativa bajo H0
m.a. pareada (n) 1) H0: μD= d0 1) H1: μD  d0 d0 
 

de  Normal D - μD 1) TO  −T   To  T 
T=  t (n - 1) 
 1− 1− 
2
2) H0: μD < d0 2) H1: μD > d0 SD / n
2

Di = Y1i – Y2i 2) 2) {𝑇 > t 1-α }

3) H0: μD > d0 3) H1: μD < d0 3) {T < -t 1-α }
 pág. 3

EJERCICIOS

1- Un estudio sobre el monto de las inversiones semanales en acciones, para ello se tomó una muestra aleatoria de cada empresa, suponiendo
que las observaciones se distribuyen aproximadamente normal:

Marca de clase Monto de Empresa 1 Empresa 2

inversiones
millones $
25 0 – 50 3 1
75 50-100 12 5
125 100-150 16 11
175 150-200 17 13
250 200-300 11 4
425 300-550 2 2
n1=61 n2=36

1.1 ¿Es posible afirmar que existen diferencias significativas en los montos promedios de inversiones en ambas empresas?, use un nivel de
significación del 5%.

1) Planteamiento de hipótesis
Ho: µ1= µ2 ➔ µ1 - µ2 = 0
H1: µ1≠µ2 ➔ µ1 - µ2 ≠ 0

2) Estadístico de prueba ( bajo Ho valido)

X1 = “Monto de inversiones millones $ en la empresa 1” ➔Supuesto Normal
X2 = “Monto de inversiones millones $ en la empresa 2” ➔Supuesto Normal

Muestras a. independientes

Muestra Promedio Desviación Estándar

n1=61, inversiones 156.557377 80.9966099
n2=36, inversiones 163.88889 83.3333

Varianzas poblacionales desconocidas ➔ Realizaremos la dócima de varianzas para saber si son iguales o diferentes
 pág. 4

1) Planteamiento de hipótesis
Ho: σ21 = σ22
H1: σ21 ≠ σ22
2) Estadístico de prueba
Fo= 80,99660992 / 83,33332 = 0,9447 ➔ Fv1=60 ; v2= 35

3) Región Critica α = 0,05

R.C. = { Fo < F0,025=0,56332 o Fo > F0,975=1,86134 }

4) Decisión: Fo no pertenece a la R. C. con α = 0,05 , no existe suficiente evidencia estadística para rechazar Ho σ21 = σ22.

(n1 − 1)s12 + (n 2 − 1)s 22

Calcular s 2p = = (60 * 80,99660992 / 35*83,33332)/95 = 6701,9201
n1 + n 2 − 2

(Y1 -Y2 ) - (μ1 − μ 2 )

T= ➔ t V n1+n2-2 𝑇=
(156,5574−163,8889) - (0)
1 1
= −0,367992➔ t v=95
1 1 √6701,9201( + )
61 36
S2p  + 
 n1 n 2 
3) Región Citica α = 0,05 R.C.= {𝑇𝑂 < −𝑇1−𝛼=0,975 = −1,98525 ∨ 𝑇𝑜 > 𝑇1−𝛼=0,975 = 1,98525} To no pertenece a la región critica con α =
2 2
0,05
 pág. 5

4) Decisión: To no pertenece a la región critica con α = 0,05, no existe suficiente evidencia estadística para rechazar Ho.
No existen diferencias significativas en los montos promedios de inversiones en ambas empresas.

p-value= α*= 2 min { P(t<-0,368 )= 0,3557 o P(t>-0,368 )= 0,6443}= 0,7114 para todo α ( aceptable hasta el 10%)< α* Nunca
rechazaremos Ho

Nota : la dócima de diferencia de medias realizada por la pagina de Matt Bognard.

 pág. 6

1.2.- Calcule la mínima probabilidad de rechazar la hipótesis nula planteada en 1.1)

p-value= α*= 2 min { P(t<-0,368 )= 0,3557 o P(t>-0,368 )= 0,6443}= 0,7114 para todo α ( aceptable hasta el 10%)< α* , Nunca
rechazaremos Ho
 pág. 7

1.3.- Es posible afirmar que existen diferencias significativas entre los montos de inversiones promedios reales, en las empresas 1 y 2, use un
nivel de confianza del 5%. Suponiendo que las varianzas poblacionales obtenidas de estudios previos son  1 = 10mill$; 2 = 12mill$

Solución:

1) Planteamiento de hipótesis
Ho: µ1= µ2 ➔ µ1 - µ2 = 0
H1: µ1≠µ2 ➔ µ1 - µ2 ≠ 0

2) Estadístico de prueba ( bajo Ho valido)

X1 = “Monto de inversiones millones $ en la empresa 1” ➔Supuesto Normal
X2 = “Monto de inversiones millones $ en la empresa 2” ➔Supuesto Normal

Muestras a. independientes

Muestra Promedio
n1=61, inversiones 156.557377
n2=36, inversiones 163.88889

Varianzas poblacionales conocidas ➔ varianzas poblacionales obtenidas de estudios previos son  1 = 10mill$; 2 = 12mill$

d0
(Y1 -Y2 ) - (μ1 − μ 2 )
Z=
σ12 σ 22
+
n1 n 2
 N (0, 1)

(156.557377 − 163.88889) - 0
𝑍𝑜 = = −3,0873 N (0, 1)
2 2
√10 + 12
61 36
 pág. 8

3) Region Critica: α = 0,05 R.C.= {𝑍𝑂 < −𝑍1−𝛼=0,975 = −1,95996 ∨ 𝑍𝑜 > 𝑍1−𝛼=0,975 = 1,95996}
2 2

4)Decisión: Zo pertenece a la región critica con α = 0,05, Si existe suficiente evidencia estadística para rechazar Ho.
existen diferencias significativas en los montos promedios de inversiones en ambas empresas.

Nota : Procedimiento de calculo

 pág. 9

2-Los siguientes datos son las horas hombres que semanalmente se pierden en promedio por accidente en 10 plantas industriales antes y
después de que se implementara el nuevo programa de seguridad.
INDUSTRIA 1 2 3 4 5 6 7 8 9 10
Antes (1) 37 64 47 121 32 59 83 34 26 16
Después (2) 36 60 44 119 35 51 77 29 24 11
Pruebe si el programa de seguridad implementado fue efectivo, use un nivel de significación del 5%.o el valor-p
 pág. 10

1) Planteamiento de hipótesis

Ho: µ1≤ µ2 ➔ µ1 - µ2 ≤ 0
H1: µ1 > µ2 ➔ µ1 - µ2 > 0

2) Estadístico de prueba ( bajo Ho valido).

X1 = “Horas hombre perdidas antes de implementar el programa de seguridad” ➔Supuesto Normal

X2 = “Horas hombre perdidas después de implementar el programa de seguridad” ➔Supuesto Normal

Solo una muestra a de tamaño 10 industrias

INDUSTRIA 1 2 3 4 5 6 7 8 9 10
Antes (1) 37 64 47 121 32 59 83 34 26 16
Después (2) 36 60 44 119 35 51 77 29 24 11
di 1 4 3 2 -3 8 6 5 2 5

Muestra Promedio Desviación Estándar

n=10 3,3 3,0569

D - μD
T=  t (n - 1) T= (3,3 -0)/[3,0569/raiz10]= 3,4138 ⁓ tv=9
SD / n

3) Región Critica o de rechazo nivel de significación del 5% α = 0,05, T v=9; 0,05 =1,83311
R.C.={ To > 1,83311}
 pág. 11

4) Decisión: To pertenece a la región critica con α = 0,05, Si existe suficiente evidencia estadística para rechazar Ho.
Por lo tanto el programa de seguridad implementado fue efectivo.

p-value= α*= P(t>3,4138 )= 0,00385= 0,4% para todo α ( aceptable hasta el 10%) > α* rechazaremos Ho

3-Se quiere probar la eficiencia de dos métodos de auditoría diferentes para determinar errores en las cuentas, para ello se eligieron 10
cuentas a las cuales primero se les aplico el método A y luego a las mismas cuentas se les aplico el método B.
Nº de cuenta 1 2 3 4 5 6 7 8 9 10
Método A 10 9 5 12 4 3 8 5 11 7
Método B 12 8 5 12 5 6 7 3 12 7
di -2 1 0 0 -1 -3 1 2 -1 0

Explicitando los supuestos necesarios, pruebe si el método A es más eficiente que el método B, en promedio. Use un nivel de significación
del 5%. ¿Cuál es la mínima probabilidad de rechazar la hipótesis nula?

1) Planteamiento de hipótesis
Ho: : µA≤ µB ➔ µA- µB ≤ 0

H1: µA> µB ➔ µA- µB > 0

 pág. 12

2) Estadístico de prueba (Bajo Ho valido)

X1= “N° de errores detectado usando el método A” Sup de Normalidad

X2= “ N° de errores detectado usando el método B” Sup de Normalidad

Muestra de datos pareados ➔ di=X1i-X2i ➔ Promedio= -0,3 desviación estándar=1,4944

Es una sola varianza que proviene de una población y se desconoce- no se debe realizar Dócimas de varianzas.

D - μD
 t (n - 1) 𝑇 = 1,4944/√10 = −0,63483  t (n – 1=9)
−0,3 - 0
T=
SD / n
3) Región critica Use un nivel de significación del α=5%. T1-α=0,95;v=n-1=9 = 1,8331
R.C.= {𝑇 > t 1-α } .= {𝑇 > 1,8331}

4) Decisión: Como T= -0,63483 no pertenece a la R.C. nivel de significación del α=5%. , No existe suficiente evidencia estadística
para rechazar la Ho. El método A NO es más eficiente que el método B, en promedio.

¿Cuál es la mínima probabilidad de rechazar la hipótesis nula? Con α* = P(t >-0,63483)= 72,933% pero el valor de α ≤ 10% siempre
aceptaremos Ho➔ nunca rechazaremos Ho.

4- Un analista de cuentas necesita realizar un informe sobre (X %) por dos entidades financiera por concepto de mora, por lo cual
decide tomar muestras de cuentas cobradas a las cuales se les aplico los intereses , suponiendo normalidad en las observaciones :

Entidad I Entidad II
 pág. 13

Nº de muestras 31 41
Media 1,23% 1,31%
Desv. Estándar 0,5% 0,35%
15 26

a) Es posible afirmar que los intereses medios cobrado por la entidad financiera I Estime supera a los cobrado por la entidad
financiera II en más de 0,12%. ¿Qué podría inferir con un nivel de significación del 10%?
b) ¿Se puede afirmar que la variabilidad de los intereses cobrados en la entidad financiera II son de al menos 0,02%? Use un nivel
de significación de 0,05.

1. En una industria se quiere implementar un nuevo programa para aumentar la productividad. Por el costo que esto requiere se decide
tomar una muestra de 10 trabajadores y se registra su productividad antes del programa. Una vez capacitados con el nuevo programa
se vuelve a registrar su productividad (en unidades terminadas en un mes)

Trabajador 1 2 3 4 5 6 7 8 9 10
Prod. antes 30 18 24 32 16 15 23 26 28 18
Prod. después 35 20 21 32 18 20 24 25 30 20

¿Es conveniente implementar el nuevo programa en la industria? Use un nivel de significación de 0,1.