INFERENCIA ESTADÍSTICA INVARIANTE

DEFINICIONES

INTRODUCCIÓN
PRUEBA DE HIPÓTESIS PARA DOS MEDIAS MUESTRALES UTILIZANDO t

ESTADÍSTICA
DEPARTAMENTO DE CIENCIAS EXACTAS - ESPE
 CLASE Nro. 9.3

CONTENIDO

Título Prueba de hipótesis para dos medias muestrales t.

Duración 90 minutos

Información general Principales características de la prueba de hipótesis para dos

medias muestrales t.
Objetivo Efectuar la prueba de la hipótesis de que dos medias
muestrales t. de poblaciones independientes.

10
 CLASE Nro. 9.3

Prueba t con dos muestras independientes

Ambas poblaciones son normales, de modo que X1, X2, . . . , Xm es una muestra aleatoria de
una distribución normal y también lo es Y1, . . . , Yn (con las X y Y independientes entre sí). La
factibilidad de estas suposiciones puede ser juzgada construyendo una curva de probabilidad
normal de las xi y otra de las yi.

10.3.1 Desviaciones estándares poblacionales iguales

De la suposición de que no sólo las dos distribuciones de población son normales sino que
también tienen varianzas iguales , se deriva la alternativa de los procedimientos t
con dos muestras. Es decir, las dos curvas de distribución de población se suponen normales
con dispersiones iguales, la única diferencia entre ellas sería donde están centradas.

cuya distribución es normal estándar. Antes de que esta variable pueda ser utilizada como base
para hacer inferencias con respecto a µ1 - µ 2, se debe estimar la varianza común a partir de los
datos muestrales. Un estimador de σ2 es , la varianza de las m observaciones en la
primera muestra y otro es , la varianza de la segunda muestra. Intuitivamente, se obtiene
un mejor estimador que cualquier varianza muestral individual al combinar las dos varianzas
muestrales. Un primer intento podría ser utilizar , el promedio ordinario de las
dos varianzas muestrales. No obstante, si m > n, entonces la primera muestra contiene más
información sobre que la segunda y un comentario análogo es válido si m < n. El
siguiente promedio ponderado de las dos varianzas muestrales, llamado estimador agrupado
(es decir, combinado) de , se ajusta a cualquier diferencia que exista entre los dos
tamaños de muestra:

(𝑚𝑚 − 1)𝑆𝑆12 + (𝑛𝑛 − 1)𝑆𝑆22

𝑆𝑆𝑝𝑝2 =
𝑚𝑚 + 𝑛𝑛 − 2

10
 CLASE Nro. 9.3

La primera muestra contribuye con m - 1 grados de libertad a la estimación de σ2 y la segunda

con n - 1 grados de libertad, para un total de m + n - 2 grados de libertad. La teoría estadística
dice que si reemplaza a σ2 en la expresión para Z, la variable estandarizada resultante
tiene una distribución t basada en m + n - 2 grados de libertad

Ejemplo: Una fábrica ensambla podadoras de césped. Se han propuesto dos procedimientos
distintos para el montaje del motor al chasis de la podadora. La pregunta es: ¿existe una
diferencia entre ellos con respecto al tiempo medio para montar los motores al chasis de las
podadoras? El primer procedimiento (designado como procedimiento 1), y el otro (designado
como procedimiento 2). Para evaluar los dos métodos, se decidió realizar un estudio de tiempos
y movimientos. Se midió el tiempo de montaje en una muestra de cinco empleados según el
método uno y seis con el método dos. Los resultados, en minutos, aparecen a continuación.
¿Hay alguna diferencia entre los tiempos medios de montaje? Utilice un nivel de significancia
de 0,10.

Proceso 1 Proceso 2
2 3
4 7
9 5
3 8
2 4
3

1.- Ho = µ1- µ2 = 0
H1 = µ1- µ2 ≠ 0
2.- α = 0.1
3.- La formula anterior

10
 CLASE Nro. 9.3

4.- En este caso, m + n - 2. Cinco trabajadores utilizaron el método uno y seis el de método 2.
Por lo tanto, hay 9 grados de libertad, calculados así: 5 + 6 - 2. Los valores críticos de t, gl
= 9, una prueba de dos colas y el nivel de significancia de 0.10, son -1.833 y 1.833.

5.-

La decisión es no rechazar la hipótesis nula, porque 0.662 se encuentra en la región entre 1.833
y 1.833. Se concluye que no existe diferencia entre los tiempos medios necesarios para montar
el motor en el chasis con ambos métodos. El valor p es mayor que 0.20.

10.3.2. Medias poblacionales con desviaciones estándares desiguales

En las secciones anteriores fue necesario suponer que las poblaciones tenían desviaciones
estándares iguales. En otras palabras, no se conocían las desviaciones estándares de las
poblaciones, sino que se suponían iguales. En muchos casos, ésta es una suposición razonable,
pero ¿qué sucede si no son iguales? En esta sección se presenta un método formal para probar
esta suposición de varianzas iguales.

10
 CLASE Nro. 9.3

Si no es razonable suponer que las desviaciones estándares poblacionales son iguales, se

emplea un estadístico muy similar a Z. Las desviaciones estándares de las muestras, S1 y S2,
se emplean en lugar de las desviaciones estándares de las poblaciones respectivas. Además, los
grados de libertad se ajustan hacia abajo mediante una fórmula de aproximación compleja. El
efecto es reducir el número de grados de libertad de la prueba, lo cual requerirá un valor mayor
del estadístico de prueba para rechazar la hipótesis nula.

Ejemplo2: El deterioro de muchas redes de tuberías municipales a través del país es una
preocupación creciente. Una tecnología propuesta para rehabilitar las tuberías utiliza un forro
flexible insertado en las tuberías existentes. El artículo “Effect of Welding on a High-Density
Polyethylene Liner” (J. of Materials in Civil Engr., 1996: 94-100 reportó los siguientes datos

10
 CLASE Nro. 9.3

de resistencias a la tensión (lb/pulg2) de especímenes de forro cuando se utilizó cierto proceso

de fusión y cuando este proceso no se utilizó.

Las dos distribuciones de resistencia a la tensión en ambas condiciones son normales. Los
autores del artículo afirman que el proceso de fusión incrementó la resistencia a la tensión
promedio. Realice una prueba de hipótesis para ver si los datos confirman esta conclusión.
1. H0: µ1- µ2 ≥ 0 (ninguna diferencia en las resistencias a la tensión promedio verdaderas con
los dos tratamientos).
H1: µ1- µ2 < 0 (la resistencia a la tensión promedio verdadera del tratamiento sin fusión es
menor que la del tratamiento de fusión, de modo que la conclusión de los investigadores es
correcta).
2. α = 0,05
3.

4.
así, la prueba se basará en 15 grados de libertad.
Valor critico -1,753
5.

10
 CLASE Nro. 9.3

Con un nivel de significación de 0.05, apenas si se puede rechazar la hipótesis nula a favor de
la hipótesis alternativa, lo que confirma la conclusión expresada en el artículo. No obstante,
alguien que demande evidencia más contundente podría seleccionar α 0.01, un nivel con el cual
H0 no puede ser rechazada.
Prueba de Fisher: Se usa la prueba F para saber si son varianzas iguales o diferentes si no especifica el
ejercicio

REFERENCIAS BIBLIOGRÁFICAS

1. Anderson, D. Sweeney, D. y Williams, T. (2009). Estadística para Administración y

Economía. CENGAGE Learning Editores, SA. 10ma Ed.
2. Lind, D. Marchall, W. y Wathen, S. (2008). Estadística Aplicada a los Negocios y la
Economía. Mc Graw Hill. 13va Ed.
3. Montgomery, D. Runger, G. (2010). Probabilidad y Estadística aplicadas a la Ingeniería.
Mc Graw Hill. 5ta Ed.
4. Walpole, R. Myers, R. Myers, S. (2007). Probabilidad y Estadística para Ingeniería.
Pearson. 8va Ed.
5. Wackerly, D. Mendenhall, W. Scheaffer, R. (2010). Estadística matemática con
aplicaciones. CENGAGE. 7ma Ed.
6. Canovos, G. (1998). Probabilidad y Estadística Aplicaciones y Métodos. Mc Graw Hill.
1ra Ed.

10