GESTIÓN DE

LA CALIDAD
INFERENCIA
ESTADÍSTICA
DOCENTE: FELÍCITA LATORRACA RIOS
CICLO: 8VO
INFERENCIA ESTADÍSTICA

Cuándo es cuchas
“Inferencia E stadística”

¿En qué
piens as ?
LOGRO DE LA SESIÓN

Al término de la sesión, el estudiante construye intervalos de

confianza y plantea hipótesis de situaciones reales de procesos
productivos o de servicio, aplicando las diferentes situaciones
con precisión en el cálculo y en el tiempo establecido.
SITUACIÓN PROBLEMÁTICA

E l laboratorio regional de agua llevó a cabo un estudio para

estimar el contenido promedio de mercurio (mg/lt) de una
estación del rio Mashcón. Para ello se tomaron 16 muestras que
se registran a continuación:

3.21 2.88 2.98 2.92 3.12 3.15 3.02 3.03

3.05 3.22 3.12 3.14 2.4 3.1 2.26 2.85

Con la información proporcionada se puede determinar un

intervalo de confianza del 95% para el contenido promedio
real de mercurio, en la estación del rio.
INFERENCIA ESTADÍSTICA

La inferencia estadística tiene como objetivo establecer las

características de una población o proceso con base en la
información contenida en una muestra.
Por lo general, la inferencia se divide en estimación y prueba
de hipótesis, y se apoya en cantidades o estadísticos
calculados de las observaciones de la muestra.
INFERENCIA ESTADÍSTICA

Población:
• Conjunto formado por la totalidad de individuos, objetos o medidas de interés sobre
los que se realiza un estudio
Muestra:
• Parte de una población, seleccionada de manera adecuada, que conserva las
características más importantes de dicha población.
Parámetro:
• E s un valor representativo y descriptivo de una población, como la media μ o la
desviación estándar σ.
E stadístico:
• Medidas o funciones de los datos muestrales que ayudan a caracterizar la
distribución de tales datos.
INFERENCIA ESTADÍSTICA

En control de calidad, las poblaciones de interés son los materiales, los productos terminados,
partes o componentes, clientes, etc.
INFERENCIA ESTADÍSTICA – INTERVALOS DE CONFIANZA

E s timación Puntual

• El estimador puntual de un parámetro es un estadístico que Con frecuencia es

genera un valor numérico simple, y que se utiliza para necesario estimar el
proporcionar una estimación del valor del parámetro valor de:
desconocido. • La media μ del
proceso
(población).
E s timación por intervalo • La varianza σ 2 o
la desviación
estándar σ del
• Conjunto de valores que se forma a partir de una muestra proceso.
de dato de forma que exista la posibilidad de que el • La proporción p
parámetro poblacional ocurra dentro de dicho conjunto con de árticulos
una probabilidad específica. defectuosos.
INTERVALOS DE CONFIANZA – NIVEL DE CONFIANZA

E s un valor tabular asociado a un nivel de confianza (1-α). Cuando los

parámetros son conocidos, generalmente se usa la Distribución Normal
E standarizada, con los siguientes coeficientes 𝑍1−∝/2 para los niveles de
confianza de uso más común:

Nivel de
α 1-α/2 𝑍1−∝/2
Confianza
90% 0.10 0.95 1.64
95% 0.05 0.975 1.96
98% 0.02 0.99 2.33
99% 0.01 0.995 2.58
INTERVALO DE
CONFIANZA PARA LA
MEDIA
INTERVALO DE CONFIANZA PARA LA MEDIA

Varianza Conocida:
Sea x1, x2, ..., xn una muestra aleatoria de tamaño n (n >= 30) de una población, con una
distribución normal con media μ y varianza σ2 conocidas.

𝜎 𝜎
𝑋ത − 𝑍1−∝/2 ത
≤ 𝜇 ≤ 𝑋 + 𝑍1−∝/2 = 1 −∝
𝑛 𝑛
Varianza Desconocida:
Sea xl, x2, ..., xn una muestra aleatoria de tamaño n de una población, con una distribución
normal con media μ y varianza σ2, ambas desconocidas.

𝑆 𝑆
𝑋ത − 𝑡1−α,𝑛−1 ത
≤ 𝜇 ≤ 𝑋 + 𝑡1−α,𝑛−1 = 1 −∝
2 𝑛 2 𝑛
CASO PRÁTICO – INTERVALOS DE CONFIANZA

1. Una empresa de material eléctrico fabrica bombillas que tienen una duración distribuida
de forma aproximadamente normal, con una desviación estándar de 40 horas. Si una
muestra de 30 bombillas tiene una duración promedio de 780 horas, calcule un intervalo
de confianza del 96% para la media de la población de todas las bombillas producidas
por esta empresa.

2. Una muestra aleatoria de 10 barras energéticas de chocolate de cierta marca tiene, en

promedio, 230 calorías por barra y una desviación estándar de 15 calorías. Construya un
intervalo de confianza del 99% para el contenido medio verdadero de calorías de esta
marca de barras energéticas de chocolate. Suponga que la distribución del contenido
calórico es aproximadamente normal.

3. Una máquina produce piezas metálicas de forma cilíndrica. Se toma una muestra de las
piezas y los diámetros son 1.01, 0.97, 1.03, 1.04, 0.99, 0.98, 0.99, 1.01 y 1.03
centímetros. Calcule un intervalo de confianza del 99% para la media del diámetro de las
piezas que se manufacturan con esta máquina. Suponga una distribución
aproximadamente normal
INTERVALO DE
CONFIANZA PARA UNA
PROPORCIÓN
INTERVALO DE CONFIANZA PARA PROPORCIONES

En el supuesto de que el número de artículos defectuosos en una muestra sigue una

distribución binominal, y si se inspeccionan n artículos y se encuentra una proporción 𝑝Ƹ
de defectuosos, es posible construir un intervalo de confianza para la proporción
poblacional p.

𝑝Ƹ 1 − 𝑝Ƹ 𝑝Ƹ 1 − 𝑝Ƹ
𝑝Ƹ − 𝑍1−𝛼/2 ≤ 𝑝 ≤ 𝑝Ƹ + 𝑍1−∝/2 = 1 −∝
𝑛 𝑛
CASO PRÁTICO – INTERVALOS DE CONFIANZA

Un fabricante de reproductores de MP3 utiliza un conjunto de pruebas

exhaustivas para evaluar el funcionamiento eléctrico de su producto.
Todos los reproductores de MP3 deben pasar todas las pruebas antes de
ser puestos a la venta. De una muestra aleatoria de 500 reproductores,
15 no pasan una o más de las pruebas.
Calcule un intervalo de confianza del 90% para la proporción de los
reproductores de MP3 de la población que pasan todas las pruebas .
INTERVALO DE
CONFIANZA PARA
DIFERENCIA DE MEDIAS
INTERVALO DE CONFIANZA PARA DIFERENCIA DE MEDIAS

𝝈𝟐𝟏 y 𝝈𝟐𝟐 conocidas :

Se desea estimar la diferencia de dos medias poblacionales con una confianza del 100 (1-
α)% para muestras de tamaño n1 y n2 (muestras grandes).
Las poblaciones donde provienen las variables pueden presentar o no una distribución
normal, pero sus varianzas poblacionales son conocidas.

𝜎12 𝜎22 𝜎12 𝜎22

𝜇1 − 𝜇2 ∈ 𝑋ത1 − 𝑋ത2 − 𝑍1−𝛼 + ; 𝑋ത1 − 𝑋ത2 + 𝑍1−𝛼 +
2 𝑛1 𝑛2 2 𝑛1 𝑛2
INTERVALO DE CONFIANZA PARA DIFERENCIA DE MEDIAS

Muestras Independientes y varianzas poblacionales homogéneas

(𝝈𝟐𝟏 = 𝝈𝟐𝟐 desconocidas ):

Con una confianza del 100(1-α)%, n1< 30 y n2<30. Usando la distribución t – student con
n1 + n2 – 2 grados de libertad, se concluye que:

1 1
𝜇1 − 𝜇2 ∈ 𝑋ത1 − 𝑋ത2 ± 𝑡 𝛼
1− ,𝑛1 +𝑛2 −2
𝑆𝑝2 +
2 𝑛1 𝑛2

2 2
𝑛1 − 1 𝑆1 + 𝑛 2 − 1 𝑆2
𝑆𝑝2 =
𝑛1 + 𝑛2 − 2
INTERVALO DE CONFIANZA PARA DIFERENCIA DE MEDIAS

Muestras Independientes y varianzas poblacionales heterogéneas

(𝝈𝟐𝟏 ≠ 𝝈𝟐𝟐 desconocidas ):

Con una confianza del 100(1-α)%, n1< 30 y n2<30. Usando la distribución t – student con v
grados de libertad, se concluye que:
2 2 2
𝑆1 𝑆2
+
𝑛1 𝑛2
𝑆12 𝑆22 𝑣=
𝜇1 − 𝜇2 ∈ 𝑋ത1 − 𝑋ത2 ± 𝑡 𝛼 + 2 2 2 2
1− 2 ,𝑣 𝑛1 𝑛2 𝑆1 𝑆2
𝑛1 𝑛2
+
𝑛1 − 1 𝑛2 − 1
CASO PRÁTICO – INTERVALOS DE CONFIANZA

Se considera usar dos marcas diferentes de pintura vinílica. Se

seleccionaron 15 especímenes de cada tipo de pintura, para los cuales
los tiempos de secado en horas fueron los siguientes:

Pintura A Pintura B
3.5 2.7 3.9 4.2 3.6 4.7 3.9 4.5 5.5 4
2.7 3.3 5.2 4.2 2.9 5.3 4.3 6 5.2 3.7
4.4 5.2 4 4.1 3.4 5.5 6.2 5.1 5.4 4.8

Calcule un intervalo de confianza del 95% y determine cuál de

los dos tipos de pintura que se seca más rápido.
INTERVALO DE CONFIANZA
PARA DIFERENCIA DE
PROPORCIONES
INTERVALO DE CONFIANZA PARA DIFERENCIA DE
PROPORCIONES

Si se desea estimar la diferencia de proporciones poblacionales 𝜋1 − 𝜋2

con una confianza del 100 (1-α)% para muestras de tamaño n1 > 30 y n2
> 30, es decir si las muestras son grandes, se puede usar la distribución
Z, concluyéndose que:

𝑝1 1 − 𝑝1 𝑝2 1 − 𝑝2
𝜋1 − 𝜋2 ∈ 𝑝1 − 𝑝2 ± 𝑍1−𝛼/2 +
𝑛1 𝑛2
CASO PRÁTICO – INTERVALOS DE CONFIANZA

En el estudio de un proceso de germinación de Broccoli, realizado

por el Departamento de horticultura, un investigador encontró
que, a 5°C, de 20 semillas de brócoli germinaron 10; en tanto que,
a 15°C, de 20 semillas germinaron 15. Calcule un intervalo de
confianza del 95% para la diferencia en la proporción de semillas
que germinaron a las dos temperaturas y decida si esta diferencia
es significativa.
PRUEBA DE HIPÓTESIS
HIPÓTESIS ESTADÍSTICA

En un estudio estadístico por lo general se busca responder con cierta

confianza ciertas preguntas y/o tomar decisiones. En este contexto, la
persona que hace el estudio puede tener a priori ciertas creencias o
hipótesis que desea comprobar. Por ejemplo:
• Los dos proveedores del material x tienen el mismo nivel de calidad.
• E l porcentaje de cierto ingrediente afecta el resultado de la mezcla.
• E l tiempo de espera de esta operación es de tres horas en promedio.
• La variación del proceso se redujo con los cambios realizados.
HIPÓTESIS ESTADÍSTICA

Una hipótesis de investigación es una proposición o declaración realizada

por el investigador cuando éste especula acerca del resultado final de una
investigación

Hipótesis E stadística:
• E s una afirmación sobre los valores de los parámetros o una característica de una
población o proceso, que puede probarse a partir de la información contenida en una
muestra.
Hipótesis Nula (Ho):
• Afirmación acerca del valor de un parámetro poblacional que se considera válida para
desarrollar el procedimiento de prueba
Hipótesis Alternativa (Ha):
• Afirmación que se aceptará si los datos muestrales proporcionan evidencia de que la
hipótesis nula es falsa, es la hipótesis contraria de la H. nula
HIPÓTESIS ESTADÍSTICA

E jemplo:
La afirmación “este proceso produce menos de 8% de defectuosos” se
puede plantear estadísticamente:
H0: p = 0.08 (la proporción de defectuosos es 0.08)
HA: p < 0.08 (la proporción es menor a 0.08)

La afirmación a probar es “este proceso produce 8% de defectuosos”

H0: p = 0.08 (la proporción de defectuosos es 0.08)
HA: p ≠ 0.08 (la proporción es diferente a 0.08)
NIVEL DE SIGNIFICANCIA

E l riesgo de una decisión equivocada: errores tipo I y tipo II

Probar una hipótesis estadística es una decisión probabilística, por lo tanto,
existe el riesgo de cometer un error tipo I o un error tipo II.
α = P{error tipo I} = probabilidad de rechazar H0 cuando es verdadera
β = P{error tipo II} = probabilidad de aceptar H0 que es falsa
PRUEBA DE HIPÓTESIS: PASOS

Pas o 1: Plantear las hipótesis

𝐻0 : 𝜃 = 𝜃0 𝐻0 : 𝜃 = 𝜃0 𝐻0 : 𝜃 = 𝜃0
𝐻1 : 𝜃 ≠ 𝜃0 𝐻1 : 𝜃 < 𝜃0 𝐻1 : 𝜃 > 𝜃0
Pas o 2: Seleccionar el nivel de significancia
• E l valor de 𝛼, que va desde el 1% hasta el 10%

Pas o 3: Identificar el estadístico de Prueba

• Fórmula que permite calcular un número a partir de los datos y de H0. La magnitud de
este número permite discernir si H0 se rechaza o no.
PRUEBA DE HIPÓTESIS: PASOS

Pas o 4: Regla de decis ión

• Conjunto de posibles valores del estadístico de prueba que llevan a
rechazar o aceptar la H0
PRUEBA DE HIPÓTESIS: PASOS

Paso 5: Decisión
• E valuar el valor del estadístico de prueba en la región critica.

Sí se determina el valor
de probabilidad de Z, la
decisión se da:

𝑝 − 𝑣𝑎𝑙𝑢𝑒 ≤ 𝛼, 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑙𝑎 ℎ𝑖𝑝ó𝑡𝑒𝑠𝑖𝑠 𝑛𝑢𝑙𝑎

𝑝 − 𝑣𝑎𝑙𝑢𝑒 > 𝛼, 𝑛𝑜 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑙𝑎 ℎ𝑖𝑝ó𝑡𝑒𝑠𝑖𝑠 𝑛𝑢𝑙𝑎
PRUEBA DE HIPÓTESIS PARA
LA MEDIA
PRUEBA DE HIPÓTESIS: PARA LA MEDIA

Varianza Conocida:
Sea X una variable aleatoria con distribución normal con media μ
y varianza σ2 , ambas conocidas. Se quiere probar la hipótesis de
que la media es igual a cierto valor μ0. Es decir, la hipótesis a
probar es: Región de Decisión
Hipótesis a probar

𝐻0 : 𝜇 = 𝜇0 𝐻0 : 𝜇 = 𝜇0 𝐻0 : 𝜇 = 𝜇0
𝐻1 : 𝜇 ≠ 𝜇0 𝐻1 : 𝜇 < 𝜇0 𝐻1 : 𝜇 > 𝜇0

−𝑍𝛼/2 𝑍𝛼/2

E s tadístico de Prueba: x  u0
Z

n E n este caso se rechaza 𝐻0 si 𝑍0 > 𝑍∝
PRUEBA DE HIPÓTESIS: PARA LA MEDIA - EJEMPLO

E jemplo:
Un fabricante de detergente afirma que el contenido de los paquetes que vende pesa 250
gramos. Sin embargo clientes han protestado porque piensan que los paquetes tienen un
peso menor. Se ha analizado una muestra de 16 paquetes dando un peso medio muestral
de 248,4 gramos. Pruebe con un nivel de confianza del 95% si los clientes tienen razón en lo
planteado. Se sabe por experiencia que la distribución del peso de los paquetes es normal
con una desviación de 4 gramos.

1. Prueba de hipótesis :
Ho: 𝜇 = 250, 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙 𝑒𝑠 𝑖𝑔𝑢𝑎𝑙 250
H1: 𝜇 ≠ 250, 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙 𝑒𝑠 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒 𝑑𝑒 250
2. El nivel de significancia: es del 5 % (𝛼 = 0.05)
3. Es tadístico de prueba:
x  u0 248.4  250
Z    1 .5
 4
PRUEBA DE HIPÓTESIS: PARA LA MEDIA - EJEMPLO

4. Región critica

5. Decis ión:
Dado que Z = -1.5 y pertenece a la región de aceptación estamos en condiciones de no
rechazar la hipótesis nula, es decir, existe suficiente evidencia estadística para decir que
el promedio poblacional es igual a 250 gramos, con un nivel significancia del 5%.
PRUEBA DE HIPÓTESIS: PARA LA MEDIA

Varianza Desconocida:
Sea X una variable aleatoria con distribución normal con media μ y
varianza σ2, ambas desconocidas. Se quiere probar la hipótesis de que
la media es igual a cierto valor μ0. Es decir, la hipótesis a probar es:

E stadístico de Prueba: Región de Decis ión

𝑋ത − 𝜇0
𝑡0 =
𝑆ൗ
𝑛
E n este caso se rechaza 𝐻0 si 𝑡0 > 𝑡∝ .
PRUEBA DE HIPÓTESIS: PARA LA MEDIA - EJEMPLO
Ejemplo:
Un fabricante de dulces compra costales de azúcar a cierto ingenio.
Según los vendedores, los costales tienen un peso medio de 50.1 kg, con
una varianza de (σ2 = 0.5). El comprador piensa que el peso medio es
menor. Para confirmar su sospecha decide contrastar las hipótesis. con
un nivel de significancia de 5% (α = 0.05). Para ello, selecciona de manera
aleatoria tres bultos de cada uno de los siguientes cinco pedidos. Pesa los
15 bultos y obtiene que 𝑋ത = 49.4 y 𝑆 2 = 1.2.
1. Plantear la prueba de hipótesis :
𝐻0 : 𝜇 = 50.1
𝐻1 : 𝜇 < 50.1
2. Nivel de significancia: 𝛼 = 0.05
𝑋ത − 𝜇0 49.4 − 50.1
3. E stadístico de prueba: 𝑡0 = = = −2.476
𝑆ൗ 1.095
𝑛
PRUEBA DE HIPÓTESIS: PARA LA MEDIA - EJEMPLO

4. Regla de Decis ión

𝑡𝛼,𝑛−1 = 𝑡0.05,14 = 1.76

-2.476-1.76

5. Decisión
Como 𝑡0 = −2.47 < −1.76 = -𝑡0.05,14 se rechaza la hipótesis H0. Es decir, se
rechaza la afirmación del vendedor de que los bultos tienen un peso medio
de 50.1, y además la evidencia señala que dicho peso es menor que el
declarado.
CASO PRÁTICO – PRUEBA DE HIPÓTESIS

1. Cuando está operando adecuadamente, una planta química tiene una media de producción
diaria de cuando menos 740 toneladas. La producción se mide en una muestra aleatoria
simple de 60 días. La muestra tenía una media de 715 toneladas/ día y desviación
estándar de 24 toneladas/día. Con un nivel de significancia del 2% ¿Piensa que es factible
que la planta esté operando adecuadamente o está convencido de que la planta no
funciona en forma adecuada? E xplique su razonamiento.

2. Se ha ajustado una máquina llenadora de botellas para que introduzca 5 litros de líquido en
cada recipiente. Se encuentra que, para una muestra de 15 botellas, la cantidad promedio
de líquido introducido es 5,06 litros, con una desviación estándar de 0,12 litros. Se supone
que las cantidades con las que se llenan las botellas tienen distribución normal. Quiere
decir esto que la máquina esta fuera de control. Use nivel de significación del 5%.
PRUEBA DE HIPÓTESIS PARA
UNA PROPORCIÓN
PRUEBA DE HIPÓTESIS: PARA PROPORCIÓN

Cuando se hace un análisis o una investigación donde se

involucran variables cualitativas o de atributos, es frecuente que se
quiera verificar si el valor de una proporción poblacional p es igual
a un cierto valor 𝑝0 . En esto casos resulta de interés probar la
siguiente hipótesis
𝐻0 : 𝑝 = 𝑝0 𝐻0 : 𝑝 = 𝑝0 𝐻0 : 𝑝 = 𝑝0
𝐻1 : 𝑝 ≠ 𝑝0 𝐻1 : 𝑝 < 𝑝0 𝐻1 : 𝑝 > 𝑝0

Si de la población o proceso de referencia se extrae una muestra de n

elementos, y x de ellos tienen la característica de interés, entonces la
proporción muestral está dada por:
𝑝Ƹ = 𝑥Τ𝑛
PRUEBA DE HIPÓTESIS: PARA PROPORCIÓN

Si se supone que X tiene una distribución binomial y n

tiene un valor relativamente grande, entonces el
estadístico de prueba es:

𝑝Ƹ − 𝑝0
𝑍=
𝑝0 1 − 𝑝0
𝑛
PRUEBA DE HIPÓTESIS: PARA PROPORCIÓN

Ejemplo:
En una industria donde se fabrica clavos para construcción, se informa
que el 50% de éstos tienen algún defecto de fabricación. Existe evidencia
suficiente para indicar que dicha proporción es menor a 50%, si de una
muestra aleatoria de 400 clavos, sólo 193 fueron detectados con algún
defecto?. Utilice una significación de 0.01
1. Prueba de hipótesis :
Ho: p = 0.5, 𝑙𝑎 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑑𝑒 𝑐𝑙𝑎𝑣𝑜𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜𝑠 𝑒𝑠 0.5
H1: p < 0.5, 𝑙𝑎 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑑𝑒 𝑐𝑙𝑎𝑣𝑜𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜 𝑒𝑠 𝑚𝑒𝑛𝑜𝑟 de 0.5
2. E l nivel de significancia: es del 1 % (𝛼 = 0.01)
3. E stadístico de prueba: 𝑝Ƹ − 𝑝
0
𝑍=
𝑝0 1 − 𝑝0
𝑛
PRUEBA DE HIPÓTESIS: PARA PROPORCIÓN

3. E stadístico de prueba:
𝑝Ƹ − 𝑝0 0.4825 − 0.5
𝑍= = = −0.7
𝑝0 1 − 𝑝0 0.5 1 − 0.5
𝑛 400

4. Regla de Decisión:
Punto Crítico: Z(1-α)
Z(1-0.01) = Z(0.99) = -2.33

-2.33
5. Decisión:
Como -0.70, cae dentro de la región de Aceptación para Ho. E ntonces ésta se AC E PTA, es decir
con un Nivel de Confianza del 99%, no existe evidencia suficiente para decir que la proporción de
clavos con algún defecto de fabricación es menor a 50%
CASO PRÁTICO – PRUEBA DE HIPÓTESIS

Se tiene que reparar una máquina en cierta fábrica si produce

más de 12% de artículos defectuosos del lote producido en un
día. Una muestra de 150 artículos de la producción diaria
contiene 20 defectuosos, el jefe de control de calidad decide
que debe reparar la máquina ¿Es acertada su decisión? Use
nivel de significación del 1%.
PRUEBA DE HIPÓTESIS PARA
DIFERENCIA DE MEDIAS
PRUEBA DE HIPÓTESIS: PARA DOS MEDIAS

Con frecuencia se presentan situaciones en las que es preciso comparar dos procesos o poblaciones.
Por ejemplo, se requieren comparar dos proveedores, dos materiales, dos máquinas o dos métodos de
trabajo.
𝛔𝟐𝟏 𝐲 𝛔𝟐𝟐 conocida y n1 y n2 ≥ 30
Sean dos poblaciones o procesos con distribuciones normal con medias 𝜇ҧ1 y 𝜇ҧ2 , y varianzas 𝜎12 y 𝜎22 y ,
respectivamente
Hipótesis a probar
𝐻0 : 𝜇1 = 𝜇2 𝐻0 : 𝜇1 = 𝜇2 𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 ≠ 𝜇2 𝐻1 : 𝜇1 < 𝜇2 𝐻1 : 𝜇1 > 𝜇2
E s tadístico de Prueba
𝑋ത1 − 𝑋ത2
𝑍=
𝜎12 𝜎22
+
𝑛1 𝑛2
PRUEBA DE HIPÓTESIS: PARA DOS MEDIAS - EJEMPLOS

E jemplo:
Se analizan dos catalizadores para determinar la forma en que afectan el rendimiento
promedio de un proceso químico. De manera específica, el catalizador 1 es el que se está
empleando en este momento. Debido a que el catalizador 2 es más económico, éste puede
adoptarse siempre y cuando no cambie el rendimiento del proceso.
S e hace una prueba en una planta piloto; los resultados obtenidos, son los siguientes:

Catalizador 1: 𝑋ത 1 = 117, s 1 = 10, n1 = 40

Catalizador 2: 𝑋ത 2 = 112, s 2 = 12, n2 = 30

¿E xiste alguna diferencia entre los rendimientos promedios?. Utilícense  = 0.05.

PRUEBA DE HIPÓTESIS: PARA DOS MEDIAS - EJEMPLOS

1. Platear las hipótesis : 5. Decisión:

𝐻0 : 𝜇1 = 𝜇2
Como 1.85 < 1.96 se
𝐻1 : 𝜇1 ≠ 𝜇2 acepta Ho, por lo
tanto el rendimiento
2. Nivel de Significancia: ∝= 𝟎. 𝟎𝟓
promedio de los tipos
3. E stadístico de Prueba: 117 − 112 de catalizadores es el
𝑍= = 1.851
102 122 mismo con 5% de
+
40 30 significancia.
4. Regla de decisión: Por lo tanto se puede
𝒁𝟏−∝/𝟐 = 𝒁𝟎.𝟗𝟕𝟓 = 𝟏. 𝟗𝟔 cambiar del
Catalizador 1 al
Catalizador 2, dado
que es más
-1.96 1.96
económico.
PRUEBA DE HIPÓTESIS: PARA DOS MEDIAS

𝛔𝟐𝟏 𝐲 𝛔𝟐𝟐 desconocidas pero iguales, con n1 y n2 < 30

Sean dos poblaciones o procesos con distribuciones normal con medias 𝜇ҧ1 y 𝜇ҧ2 , y varianzas 𝜎12 y
𝜎22 y, respectivamente

Hipótesis a probar

𝐻0 : 𝜇1 = 𝜇2 𝐻0 : 𝜇1 = 𝜇2 𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 ≠ 𝜇2 𝐻1 : 𝜇1 < 𝜇2 𝐻1 : 𝜇1 > 𝜇2

E stadístico de Prueba

𝑋ത1 − 𝑋ത2 2 2
𝑡0 = 𝑛1 − 1 𝑆1 + 𝑛 2 − 1 𝑆2
1 1 𝑆𝑝2 =
𝑆𝑝 + 𝑛1 + 𝑛2 − 2
𝑛1 𝑛2
PRUEBA DE HIPÓTESIS: PARA DOS MEDIAS - EJEMPLO

E jemplo:
La calidad de la pintura látex depende, entre otras cosas, del tamaño de la partícula. Para
medir esta característica se utilizan dos centrifugadoras, y se sospecha que éstas reportan
mediciones distintas para la misma pintura. Entonces, se decide hacer un estudio que permita
comparar las medias y las varianzas reportadas por los dos equipos; para ello, de un mismo
lote de pintura se tomaron 13 lecturas con cada centrifugadora. Los resultados son los
siguientes

4,714 4,601 4,696 4,896 4,905

CE NTRIFUGADO
4,870 4,987 5,144 3,962 4,006
RA 1
4,561 4,626 4,924
4,295 4,271 4,326 4,530 4,618
CE NTRIFUGADO
4,779 4,752 4,744 3,764 3,797
RA 2
4,401 4,339 4,700
PRUEBA DE HIPÓTESIS: PARA DOS MEDIAS - EJEMPLO

1. Platear las hipótesis :

𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 ≠ 𝜇2

2. Nivel de Significancia: ∝= 𝟎. 𝟎𝟓
3. E s tadístico de Prueba:
4684 − 4408.92
𝑛1 = 13; 𝑋ത1 = 4,684; 𝑆12 = 124,732 𝑡0 = = 2.038
1 1
344.058 +
𝑛2 = 13; 𝑋ത2 = 4,408.92; 𝑆12 = 112,020 13 13

13 − 1 124,732 + 13 − 1 112,020
𝑆𝑝2 = = 344.058
13 + 13 − 2
PRUEBA DE HIPÓTESIS: PARA DOS MEDIAS - EJEMPLO

4. Regla de Decis ión

𝑡𝛼;𝑛1+𝑛2−2 = 𝑡0.975,24 = 2.064

2

-2.064 2.064

5. Decisión:
Como |t0| = 2.04 < 2.064 = tα/2, no se rechaza H0, por lo que se concluye que
las centrifugadoras reportan en promedio el mismo tamaño de partícula. E s
decir, las centrifugadoras son estadísticamente iguales en cuanto a sus
medias.
PRUEBA DE HIPÓTESIS: PARA DOS MEDIAS

𝛔𝟐𝟏 𝐲 𝛔𝟐𝟐 desconocidas pero diferentes, con n1 y n2 < 30

Sean dos poblaciones o procesos con distribuciones normal con medias 𝜇ҧ1 y 𝜇ҧ2 , y varianzas
𝜎12 y 𝜎22 poblacionales desconocidas.

Hipótesis a probar

𝐻0 : 𝜇1 = 𝜇2 𝐻0 : 𝜇1 = 𝜇2 𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 ≠ 𝜇2 𝐻1 : 𝜇1 < 𝜇2 𝐻1 : 𝜇1 > 𝜇2

E s tadístico de Prueba
2 2 2
𝑆1 𝑆2
𝑋ത1 − 𝑋ത2 +
𝑛1 𝑛2
𝑡= ≈ 𝑡1−𝛼/2,𝑣 𝑣= 2 2
𝑆12 𝑆22 𝑆12 𝑆22
+ 𝑛1 𝑛2
𝑛1 𝑛2
+
𝑛1 − 1 𝑛2 − 1
PRUEBA DE HIPÓTESIS: PARA DOS MEDIAS - EJEMPLO

𝐄𝐣𝐞𝐦𝐩𝐥𝐨:
Se realizó un experimento para comparar la resistencia de dos materiales,
obteniéndose los siguientes resultados:
Material n ഥ
𝑿 𝑺𝟐
1 15 3.84 3.07
2 12 1.49 0.80

Suponga que son muestras aleatorias independientes y que provienen de

poblaciones normales con varianzas desconocidas, suponer diferentes.
Pruebe con un nivel de confianza de 95% para la diferencia de las medias
poblacionales la hipótesis nula: 𝜇1 > 𝜇2 frente 𝜇1 < 𝜇2
PRUEBA DE HIPÓTESIS: PARA DOS MEDIAS - EJEMPLO

1. Platear las hipótesis :

𝐻0 : 𝜇1 > 𝜇2
𝐻1 : 𝜇1 < 𝜇2

2. Nivel de Significancia: ∝= 𝟎. 𝟎𝟓
3. E stadístico de Prueba:

3.07 0.8 2
+ 3.84 − 1.49
𝑣= 15 12 = 21.67 ≈ 22 𝑡= = 4.51
3.07 2 0.8 2 3.07 0.8
+ 12
15
15 + 12
15 − 1 12 − 1
PRUEBA DE HIPÓTESIS: PARA DOS MEDIAS - EJEMPLO

4. Regla de Decis ión:

Punto Crítico: t(1-α,v)
t(0.95,22) = -1.7171

-1.7171

5. Decisión:
Con un nivel de significancia del 5%, no existe suficiente evidencia
estadística para rechazar la hipótesis nula, es decir, la resistencia
promedio del material 1 es mayor que la resistencia promedio del
material 2.
CASO PRÁTICO – PRUEBA DE HIPÓTESIS

Muchos quesos se producen con forma rueda y debido a inconsistencia en la

fabricación, la cantidad de queso medida por peso, varía de rueda en rueda. La
ingeniera de calidad de la fábrica quiere determinar si existe una diferencia
significativa. Ella selecciona una muestra al azar de 16 ruedas de queso suizo y
descubre que la media es de 1.2 libras, con una desviación estándar de 0.32 libras y
después una muestra 14 ruedas de queso mozzarella y descubre que la media es de
1.05 libras, con una desviación estándar de 0.25 libras. En el nivel de significancia
0.05 ¿existe suficiente evidencia para apoyar el argumento de la ingeniera de que
hay una diferencia significativa en los pesos medios de los tipos de quesos?
PRUEBA DE HIPÓTESIS PARA
DIFERENCIA DE
PROPORCIONES
PRUEBA DE HIPÓTESIS: PARA DOS PROPORCIONES

Una situación de frecuente interés es investigar la igualdad de las

proporciones de dos poblaciones. Por lo tanto, es necesario contrastar las
hipótesis:

Hipótesis a probar

𝐻0 : 𝑝1 = 𝑝2 𝐻0 : 𝑝1 = 𝑝2 𝐻0 : 𝑝1 = 𝑝2
𝐻1 : 𝑝1 ≠ 𝑝2 𝐻1 : 𝑝1 < 𝑝2 𝐻1 : 𝑝1 > 𝑝2

E s tadístico de Prueba

𝑝Ƹ1 − 𝑝Ƹ 2
𝑍0 = 𝑋1 +𝑋2
1 1 Donde 𝑝ො =
𝑝Ƹ 1 − 𝑝Ƹ + 𝑛1 +𝑛2
𝑛1 𝑛2
PRUEBA DE HIPÓTESIS: PARA DOS PROPORCIONES -
EJEMPLO

E jemplo:
Dos proveedores fabrican un engrane de plástico utilizado en una impresora láser. La
importancia radica en si los engranes alcanzan la resistencia al impacto, la cual se mide en
pie - lb . De una muestra aleatoria de 300 engranes suministrado por el proveedor A, se
reporta que 120 indican que si alcanzan la resistencia al impacto. Del proveedor B se toma
una muestra aleatoria de 400 engranes, donde 120 también alcanzan con la resistencia al
impacto requerida.
¿Se puede concluir a un nivel de significación del 5%, que la proporción de engranes de
plástico que alcanzan la resistencia al impacto del proveedor A es mayor que la proporción
del proveedor B?
PRUEBA DE HIPÓTESIS: PARA DOS PROPORCIONES -
EJEMPLO

1. Platear las hipótesis:

𝐻0 : 𝑝1 = 𝑝2
𝐻1 : 𝑝1 > 𝑝2

2. Fijar el nivel de significancia: 𝛼 = 0.05

3. E stadístico de Prueba
120 + 120
𝑛1 = 300; 𝑋1 = 120; 𝑝Ƹ1 = 120ൗ300 = 0.4 𝑝Ƹ =
300 + 400
= 0.343

𝑛2 = 400; 𝑋2 = 120; 𝑝Ƹ 2 = 120ൗ400 = 0.3

0.4 − 0.3
𝑍0 = = 2.758
1 1
0.343 1 − 0.343 +
300 400
PRUEBA DE HIPÓTESIS: PARA DOS PROPORCIONES -
EJEMPLO

4. Regla de Decis ión:

𝒁𝜶 = 𝟏. 𝟔𝟒𝟓

1.645

5. Decisión:
Con un nivel de significancia del 5%, existe suficiente evidencia
estadística para rechazar la hipótesis nula, es decir, la proporción de
engranes de plástico que alcanzan la resistencia al impacto del proveedor
A es mayor que la proporción del proveedor B.
CASO PRÁTICO – PRUEBA DE HIPÓTESIS

Un estudio señala que 14 de 150 tractores producidos en una línea

de ensamblado requieren ajustes minuciosos antes de ser
embarcados, y lo mismo sucede con 15 de 280 tractores
producidos en otra línea de ensamblado. Con un nivel de
significación del 1%, ¿apoya esto la afirmación de que la segunda
línea de producción efectúa un trabajo superior?
INFERENCIA ESTADÍSTICA

¿Cuánto hemos aprendido?

E stimado estudiante es
momento de practicar lo
aprendido mediante el
desarrollo de la actividad
de aplicación
REFLEXIÓN

Sobre la clase de hoy

Una
Una frase
palabra

Una idea
BIBLIOGRAFÍA BÁSICA:

E stimado estudiante, puedes revisar el siguiente textos que se encuentran en tu biblioteca:

N° CÓDIGO AUTOR TÍTULO AÑO

658.562
1 Gutiérrez H. y De La Vara, R Control Estadístico de la Calidad y Seis Sigma 2009
GUTI