Fundamentos

de la prueba de hipótesis.
Pruebas de una muestra
USO DE lA ESTADíSTICA
en Oxford Cereals, parte 11
9.1 Fundamentos de la
metodología de la
prueba de hipótesis
Hipótesis nula e hipótesis
alternativa
Valor crítico del estadístico
de prueba
Regiones de rechazo y no
rechazo
Riesgo en la toma de
decisiones mediante la
prueba de hipótes is
Prueba de hipótesis con el
método del valor crítico
Prueba de hipótesis con el
método del valor p
:
!
Relación entre la estimación 9.4 Prueba Z de hipótesis para
! del intervalo de confianza la proporción
¡ y la prueba de hipótesis Método del val or crít ico
i
¿Es posible conocer Mét odo de l valo r p
í realmente la desviación
i
estándar poblacional?
9.5 Posibles desventajas
! de la prueba de hipótesis
i 9.2 Prueba t de hipótesis y cuestiones éticas
i para la media (cuando Sign ificancia estad ística en
¡ se desconoce u) comparación con
Método del valor crítico sig nifica ncia p ráctica
! Método del valor p Info rme de los hallazgos
: Verificación del supuesto de Cuestio nes éticas
1
: normalidad
¡
Revisión del USO DE lA
1,
.
93 Pruebas de una cola ESTADíSTICA en Oxford Cereals,
! Método del valor crítico parte 11
i Método del valor p
!
GUíA DEL CAPíTULO 9 PARA
EXCEL
I¡
:
:
GUíA DEL CAPíTULO 9 PARA
! MINITAB

Objetivos de aprendizaje
En este capítulo usted aprenderá:

• Los principios básicos de la prueba de hipótesis.

• Cómo utilizar la prueba de hipótesis para probar una media o una proporción.
• Los supuestos de cada procedimiento de prueba de hipótesis, cómo evaluarlos
y las consecuencias de quebrantarlos.
• Cómo evitar las dificultades relacionadas con la prueba de hipótesis.
• Las cuestiones éticas implicadas en la prueba de hipótesis.
En Oxford Cereals, parte II

l igual que en el capítulo 7, suponga que usted trabaja como gerente de operaciones de

A
planta para Oxford Cereals y es responsable de vigilar la cantidad de producto que con-
tiene cada caja de cereal. Las especificaciones de la empresa requieren un peso medio
de 368 gramos por caja. Usted tiene la responsabilidad de ajustar el proceso cuando el
peso medio de llenado en la población de cajas difiera de 368 gramos. ¿Cómo podría
tomar la decisión de ajustar el proceso si no tiene la posibilidad de pesar cada caja mientras se llena?
Usted comienza por seleccionar y pesar una muestra aleatoria de 25 cajas de cereal. Después de
calcular la media muestral , ¿cómo procedería?

Peter Close/Sh uHerSlock.com

295
296 CAPÍTULO 9 Fundamentos de la prueba de hipótesis. Pruebas de una muestra

n el capítulo 7 aprendimos métodos para determinar si el valor de una media muestral está

E en concordancia con una media poblacional conocida. En este caso referente a Oxford Ce-
reals, usted desea utilizar una media muestral para validar una afirmación respecto a la me-
dia poblacional, un problema un tanto diferente. Para este tipo de problemas se utiliza un método
diferencial llamado prueba de hipótesis. La prueba de hipótesis requiere el planteamiento de una
afirmación sin ambigüedades. En este caso, la afirmación sostiene que la media poblacional es de
368 gramos. Usted examina un estadístico muestral para ver si es más útil para sustentar la afirma-
ción planteada, llamada hipótesis nula , o la hipótesis alternativa que son mutuamente excluyentes
(en esta situación, que la media poblacional no es de 368 gramos).
En este capítulo se estudian varias aplicaciones de la prueba de hipótesis. Aprenderá a hacer
inferencias acerca de un parámetro poblacional mediante el análisis de las diferencias entre los re-
sultados observados, el estadístico de muestra y los resultados que esperaría obtener si una hipóte-
sis subyacente fuera verdadera. En el caso de Oxford Cereals, la prueba de hipótesis le permite
inferir alguna de las siguientes posibilidades:
• El peso medio de las cajas de cereal en la muestra es un valor consistente con lo que usted
esperaría si la media de toda la población de cajas de cereal fuera de 368 gramos.
• La media poblacional no es igual a 368 gramos porque la media muestral es significativa-
mente diferente de 368 gramos.

9.1 Fundamentos de la metodología de la prueba de hipótesis

La prueba de hipótesis suele iniciar con un supuesto, una afirmación o una aseveración acerca de
un parámetro particular de una población. Por ejemplo, su hipótesis inicial en el ejemplo del cereal
es que el proceso funciona de manera adecuada, de manera que la cantidad media de llenado es de
368 gramos y no se requiere una acción correctiva.

Hipótesis nula e hipótesis alternativa

La hipótesis que plantea que el parámetro poblacional es igual a las especificaciones de la empresa
se conoce como hipótesis nula. Una hipótesis nula suele ser el statu qua y se identifica por medio
del símbolo Ho. En este caso la hipótesis nula plantea que el proceso de llenado funciona de ma-
nera adecuada y, por consiguiente, la cantidad media de llenado corresponde a la especificación de
368 gramos determinada por Oxford Cereals. Esto se indica mediante
Ho: J.L = 368
Aunque solo se dispone de información sobre la muestra, la hipótesis nula se plantea en términos
del parámetro poblacional, ya que nos enfocamos en la población de todas las cajas de cereal. Se
utiliza el estadístico muestral para hacer inferencias acerca de todo el proceso de llenado de las ca-
jas. Una inferencia podría ser que los resultados observados de los datos muestrales indican que la
hipótesis nula es falsa . Si se considera que la hipótesis nula es falsa , algo más debe ser verdad.
Siempre que se especifica una hipótesis nula, también se debe plantear una hipótesis alterna-
tiva, la cual debe ser verdadera si la hipótesis nula es falsa. La hipótesis alternativa , HI' es lo
opuesto a la hipótesis nula, Ho. En el ejemplo del cereal esta se indica mediante
HJ : J.L "* 368
La hipótesis alternativa representa la conclusión que se plantea al rechazar la hipótesis nula. La
hipótesis nula se rechaza cuando existe evidencia suficiente de que es falsa, a partir de los datos
muestrales. En el ejemplo del cereal, si los pesos de las cajas de la muestra están lo suficientemente
por arriba o por debajo de la media esperada de 368 gramos, especificada por Oxford Cereal s, se
rechaza la hipótesis nula a favor de la hipótesis alternativa de que la cantidad media de llenado di-
fiere de 368 gramos. Con esto se detiene la producción y se toman las medidas que sean necesarias
para corregir el problema. Si no se rechaza la hipótesis nula, se debe continuar creyendo que el
proceso está funcionando correctamente y, por lo tanto, no se requiere ninguna medida correctiva.
En este segundo caso no se ha demostrado que el proceso esté funcionando de manera correcta, sino
que, más bien, no se ha logrado demostrar que está trabajando de manera incorrecta y, por lo tanto,
continuamos creyendo (aunque sin demostrarlo) en la hipótesis nula.
 9.1 Fundamentos de la metodología de la prueba de hipótesis 297

En la prueba de hipótesis se rechaza la hipótesis nula cuando la evidencia muestral sugiere

que hay muchas más probabilidades de que la hipótesis alternativa sea verdadera. Sin embargo,
el hecho de no rechazar la hipótesis nula, no demuestra que sea verdadera. Nunca se puede demos-
trar que la hipótesis nula es correcta, ya que la decisión se basa únicamente en la información de la
muestra y no en toda la población. Por lo tanto, si no se rechaza la hipótesis nula, solo se puede
concluir que no hay evidencia suficiente para justificar su rechazo. Los siguientes puntos clave
resumen la hipótesis nula y la hipótesis alternativa:
• La hipótesis nula, Ho, representa la creencia actual en una situación.
• La hipótesis alternativa, HI' es lo opuesto de la hipótesis nula y representa una afirmación de
investigación o inferencia específica que nos gustaría demostrar.
• Si se rechaza la hipótesis nula, se tiene evidencia estadística de que la hipótesis alternativa es
correcta.
• Si no se rechaza la hipótesis nula, no se habrá logrado demostrar la hipótesis alternativa. Sin
embargo, el hecho de no poder demostrar la hipótesis alternativa no significa que se haya
demostrado la hipótesis nula.
• La hipótesis nula, Ho, siempre se refiere a un v~lor especificado del parámetro poblacional
(como J.L) y no a un estadístico muestral (como X).
• El planteamiento de la hipótesis nula siempre incluye un signo de igualdad respecto al valor
especificado del parámetro poblacional (por ejemplo, Ha : J.L = 4.5 gramos).
• El planteamiento de la hipótesis alternativa nunca incluye un signo de igualdad con respecto
al valor especificado del parámetro poblacional (por ejemplo, H¡ : J.L *- 368 gramos).

EJEMPLO 9.1 Usted es gerente de un restaurante de comida rápida y desea determinar si el tiempo de espera para
realizar un pedido ha cambiado en el último mes a partir de su valor medio poblacional anterior
Hipótesis nula de 4.5 minutos. Establezca la hipótesis nula y la alternativa.
e hipótesis
alternativa SOLUCiÓN La hipótesis nula establece que la media poblacional no ha cambiado de su valor
anterior de 4.5 minutos. Esto se plantea como
Ha: J.L = 4.5
La hipótesis alternativa es lo opuesto a la hipótesis nula. Debido a que la hipótesis nula establece
que la media poblacional es de 4.5 minutos, la hipótesis alternativa plantea que la media poblacio-
nal no es de 4.5 minutos. Esto se indica como
H¡ : J.L *- 4.5

Valor crítico del estadístico de prueba

La lógica de la prueba de hipótesis implica determinar qué tan probable es que la hipótesis nula
sea verdadera considerando los datos reunidos en una muestra. En la sección referente a Oxford
Cereals Company, la hipótesis nula establece que la cantidad media de cereal por caja en todo el
proceso de llenado es de 368 gramos (el parámetro poblacional especificado por la empresa). Us-
ted selecciona una muestra de cajas del proceso de llenado, pesa cada caja y calcula la media
muestra!. Este estadístico es una estimación del parámetro correspondiente (la media poblacional, J.L).
IEclUSO si la hipótesis nula es verdadera, es probable que el estadístico (la media muestral,
X) difiera del valor del parámetro (la media poblacional, J.L) debido a la variación provocada por
el muestreo . Sin embargo, se espera que el estadístico de muestra se acerque al parámetro pobla-
cional si la hipótesis nula es verdadera. Si el estadístico muestral se acerca al parámetro poblacio-
nal , no se tiene evidencia suficiente para rechazar la hipótesis nula. Por ejemplo, si la media
muestral es 367.9, usted podría concluir que la media poblacional no ha cambiado, es decir, J.L = 368, ya
que una media muestral de 367.9 es muy cercana al valor hipotético de 368. Por intuición, usted
piensa que es probable obtener una media muestral de 367.9 de una población cuya media es 368.
Sin embargo, si existe una gran diferencia entre el valor del estadístico y el valor hipotético
del parámetro poblacional, se podría concluir que la hipótesis nula es falsa. Por ejemplo, si la me-
dia muestral es 320, usted concluye que la media poblacional no es 368, es decir, J.L ::f. 368, ya que
la media muestral se aleja mucho del valor hipotético de 368.
298 CAPÍTULO 9 Fundamentos de la prueba de hipótesis. Pruebas de una muestra

En tal caso, usted concluye que es muy poco probable obtener una media muestra( de 320 si la me­
dia poblacional es realmente 368. Por lo tanto, es más lógico concluir que la media poblacional no
es igual a 368. En este caso se rechaza la hipótesis nula.
No obstante, el proceso de toma de decisión no siempre es tan claro. Determinar qué es "muy
cercano" y qué es "muy diferente" resultaría una acción arbitraria si no se cuenta con una defini­
ción clara. La metodología de la prueba de hipótesis ofrece definiciones claras para evaluar dife­
rencias. Además, permite cuantificar el proceso de toma de decisiones calculando la probabilidad
de obtener un cierto resultado muestra) si la hipótesis nula es verdadera. Esta probabilidad se
calcula determinando la distribución muestra! para el estadístico muestra( de interés (por ejemplo, la
media muestra() y luego determinando el estadístico de prueba específico con base en el resultado
muestra) dado. Debido a que la distribución muestra! del estadístico de prueba a menudo corres­
ponde a una distribución estadística conocida, como la distribución normal estándar o la distribu­
ción t, se pueden utilizar estas distribuciones para determinar si la hipótesis nula es verdadera.
Regiones de rechazo y no rechazo
La distribución muestra( del estadístico de prueba se divide en dos regiones: una región de rechazo
(en ocasiones llamada región crítica) y una región de no rechazo (véase la figura 9.1). Si el
estadís­tico de prueba cae dentro de la región de no rechazo, entonces no se rechaza la hipótesis
nula. En el caso de Oxford Cereals, se concluye que no existe evidencia suficiente de que la
cantidad media de lle­nado poblacional difiera de 368 gramos. Si el estadístico de prueba cae en
la región de rechazo, se rechaza la hipótesis nula. En este caso se concluye que la media
poblacional no es de 368 gramos.
FIGURA 9.1
Regiones de rechazo
y no rechazo en la
prueba de hipótesis

µ -
\-\X
Valor
crítico crítico
Región de Región de Región
rechazo no rechazo de rechazo

La región de rechazo consta de los valores del estadístico de prueba que tienen pocas probabilida­
des de ocurrir si la hipótesis nula es verdadera; estos valores son mucho más probables si la hipótesis
nula es falsa. Por lo tanto, si un valor del estadístico de prueba cae dentro de esta región de rechazo, se
rechaza la hipótesis nula debido a que el valor es poco probable si la hipótesis nula es verdadera.
Para tomar una decisión respecto a la hipótesis nula, primero se determina el valor crítico
del estadístico de prueba. El valor crítico divide la región de no rechazo de la región de rechazo.
La determinación del valor crítico depende del tamaño de la región de rechazo, el cual está directa­
mente relacionado con los riesgos implicados en utilizar solo evidencia muestra( para tomar deci­
siones acerca de un parámetro poblacional.

Riesgos en la toma de decisiones mediante la prueba de hipótesis

El uso de la prueba de hipótesis implica el riesgo de llegar a una conclusión incorrecta. Usted po­
dría rechazar de manera incorrecta una hipótesis nula, Ha, verdadera o, a la inversa, podría no re­
chazar de manera incorrecta una hipótesis nula H0 falsa. A estos tipos de riesgo se les denomina
errores tipo I y tipo II.

ERRORES TIPO I Y TIPO 11

Un error tipo I ocurre cuando se rechaza la hipótesis nula Ha cuando esta es verdadera y no
debería rechazarse. Un error tipo I es una "falsa alarma". La probabilidad de que ocurra un
error tipo I es a.
Un error tipo II ocurre cuando no se rechaza la hipótesis nula H0 , cuando esta es falsa y
debería rechazarse. Un error tipo II representa una "oportunidad perdida" de tomar alguna
acción correctiva. La probabilidad de que ocurra un error tipo II es /3.
 9.1 Fundamentos de la metodología de la prueba de hipótesis 299

En el caso de Oxford Cereals, se cometería un error tipo 1 si se concluyera que la cantidad

media poblacional de llenado no es 368 cuando en realidad es 368. Este error provoca que se
ajuste de manera innecesaria el proceso de llenado de las cajas (la "falsa alarma") aun cuando el
proceso está funcionando adecuadamente. En la misma situación se cometería un error tipo II si se
concluyera que la cantidad media poblacional de llenado es 368 cuando en realidad no es 368. En
este caso se permitiría que el proceso continuara sin ajustes, aunque se necesitara realizar el ajuste
(la "oportunidad perdida").
Por lo regular, el error tipo 1 se controla determinando el nivel de riesgo a (la letra griega mi-
núscula alfa) que se está dispuesto a correr de rechazar la hipótesis nula cuando es verdadera. El
riesgo o la probabilidad de cometer un error tipo 1 se conoce como nivel de significancia (a).
Dado que se especifica el nivel de significancia antes de realizar la prueba de hipótesis, podemos
controlar de forma directa el riesgo de cometer un error tipo 1. Por lo general se selecciona un ni-
vel de 0.01 , 0.05 o 0.10. La elección de un nivel de riesgo específico para cometer un error tipo 1
depende del costo de incurrir en ese error. Una vez que se especifica el valor de a, es posible
determinar los valores críticos que dividen a las regiones de rechazo y de no rechazo. Conocemos
el tamaño de la región de rechazo debido a que a es la probabilidad de rechazo cuando la hipótesis
nula es verdadera. A partir de esto se puede determinar el valor o valores críticos que dividen las
regiones de rechazo y de no rechazo.
La probabilidad de cometer un error tipo II se conoce como riesgo f3. A diferencia del error tipo
1, que se controla por medio de la selección de a , la probabilidad de cometer un error tipo II depende
de la diferencia entre los valores hipotéticos y los reales del parámetro poblacional. Como es más
fácil encontrar las diferencias grandes que las pequeñas, si la diferencia entre el valor hipotético y el
real del parámetro poblacional es grande, entonces f3 es pequeña. Por ejemplo, si la media poblacional
es 330 gramos, existe una baja probabilidad (f3) de que concluyamos que la media no ha cambiado
de 368. Sin embargo, si la diferencia entre el valor hipotético y el real del parámetro es pequeña, en-
tonces f3 es grande. Por ejemplo, si la media poblacional es en realidad 367 gramos, existe una gran
probabilidad (f3) de que concluyamos que la media sigue siendo de 368 gramos.

PROBABILIDAD DE LOS ERRORES TIPO I Y TIPO 11

El nivel de significancia (a) de una prueba estadística es la probabilidad de cometer un
error tipo I.
El riesgo f3 es la probabilidad de cometer un error tipo II.

El complemento de la probabilidad de un error tipo 1, (1 - a), se conoce como coeficiente de

confianza o nivel de confianza . El coeficiente de confianza es la probabilidad de que no se rechace
la hipótesis nula, H o' cuando es verdadera y no debe ser rechazada. En el caso de Oxford Cereals,
el coeficiente de confianza mide la probabilidad de concluir que la cantidad media poblacional de
llenado de las cajas es de 368 gramos, cuando en realidad es de 368 gramos.
El complemento de la probabilidad de un error tipo II, (1 - f3) , se conoce como la potencia de
una prueba estadística. La potencia de una prueba estadística es la probabilidad de rechazar la hi-
pótesis nula cuando es falsa y debe ser rechazada. En el caso de Oxford Cereals, la potencia de la
prueba es la probabilidad de concluir de forma correcta que la cantidad media de llenado de las
cajas no es de 368 gramos, cuando en realidad no es de 368 gramos.

COMPLEMENTOS DE LOS ERRORES TIPO I Y TIPO 11

El coeficiente de confianza (1 - a) es la probabilidad de que no se rechace la hipótesis
nula Ho cuando es verdadera y no debe ser rechazada.
La potencia de una prueba estadística(l - f3) es la probabilidad de rechazar la hipótesis
nula cuando es falsa y debe ser rechazada.

Riesgos en la toma de decisiones. Un equilibrio delicado En la tabla 9.1 se ilustran

los resultados de las dos posibles decisiones (no rechazar Ho o rechazar Ho) que se pueden tomar
en una prueba de hipótesis. Es posible tomar una decisión correcta o cometer alguno de los dos
tipos de errores.
300 CAPÍTULO 9 Fundamentos de la prueba de hipótesis. Pruebas de una muestra

TABLA 9.1
Situación real
Prueba de
hipótesis y toma Decisión estadística Ho verdadera Ho falsa
de decisiones No se rechazaHo Decisión correcta Error tipo 11
Confianza = (1 - a) P(Error tipo 11) = (3
Se rechaza Ho Error tipo 1 Decisión correcta
P(Error tipo 1) = a Potencia = (1 - (3)

Una forma de reducir la probabilidad de cometer un error tipo 11 consiste en incrementar el ta-
maño de la muestra. Por lo general, las muestras grandes permiten detectar incluso diferencias muy
pequeñas entre los valores hipotéticos y los parámetros poblacionales reales. Para un nivel dado
de a, aumentar el tamaño de la muestra reduce {3 y, por lo tanto, aumenta la potencia de la prueba
estadística para detectar que la hipótesis nula, H o' es falsa.
Sin embargo, los recursos siempre tienen un límite y esto afecta la decisión del tamaño de la
muestra que se puede seleccionar. Para cualquier tamaño de muestra dado, se deben considerar las
ventajas y las desventajas de los dos posibles tipos de errores. Como se puede controlar de manera
directa el riesgo del error tipo 1, es posible reducir el riesgo seleccionando un valor más pequeño de
a. Por ejemplo, si las consecuencias negativas asociadas con el hecho de cometer un error tipo 1
son muy grandes, se podría seleccionar a = 0.01 en vez de 0.05. Sin embargo, cuando se reduce a,
se incrementa {3, de manera que reducir el riesgo de un error tipo 1 incrementa el riesgo de cometer
un error tipo II. No obstante, si deseamos reducir {3, se puede seleccionar un valor grande para a.
Por lo tanto, si es importante tratar de evitar un error tipo 11, se podría seleccionar un valor más
grande para a de 0.05 o 0.10 en lugar de 0.0 l.
En el caso de Oxford Cereals, el riesgo de que ocurra un error tipo 1 implica concluir que la
cantidad media de llenado ha cambiado de los 368 gramos hipotéticos, cuando en realidad no ha
cambiado. El riesgo de que ocurra un error tipo II implica concluir que la cantidad media de
llenado no ha cambiado de los 368 gramos hipotéticos, cuando en realidad sí ha cambiado. La se-
lección de valores razonables para a y {3 depende de los costos inherentes a cada tipo de error. Por
ejemplo, si es muy costoso modificar el proceso de llenado de las cajas de cereal, a usted le gusta-
ría estar muy seguro de que el cambio es necesario antes de hacerlo. En este caso el riesgo de que
ocurra un error tipo 1 es más importante, por lo que elegiría un valor bajo de a. Sin embargo, si
quiere estar muy seguro de detectar cambios a partir de una media de 368 gramos, es más impor-
tante el riesgo de que ocurra un error tipo II y elegiría un mayor nivel de a.
Ahora que se introdujo la prueba de hipótesis, recuerde que en la sección sobre el Uso de la
estadística de la página 295, el problema de negocios que enfrenta Oxford Cereals consiste en de-
terminar si el proceso de llenado de las cajas de cereal está funcionando de manera adecuada, es
decir, si la media de llenado a lo largo de todo el proceso de empaque permanece en los 368 gra-
mos especificados y, por lo tanto, no se requieren acciones correctivas. Para evaluar el requisito de
368 gram~, usted selecciona una muestra aleatoria de 25 cajas, pesa cada una, calcula la media
muestral, X, y luego evalúa la diferencia entre este estadístico muestral y el parámetro poblacional
hipotético comparando el peso medio muestral (en gramos) con la media poblacional de 368 gra-
mos especificada por la empresa. La hipótesis nula y la alternativa son:
Ho: J.L = 368
H¡ : J.L 368 "*
Cuando se conoce la desviación estándar, a, (lo que rara vez ocurre), se utiliza la prueba Z
para la media, si la población está distribuida de manera normal. Si la población no tiene una dis-
tribución normal, aún se puede utilizar la prueba Z si el tamaño de muestra es lo suficientemente
grande para que tenga efecto el teorema del límite central (véase la sección 7.4). La ecuación (9.1)
define el estadístico de prueba ZESTAD para determinar la diferencia entre la media muestral, X, y la
media poblacional, J.L, cuando se conoce la desviación estándar, a.

PRUEBA Z PARA LA MEDIA (a CONOCIDA)

X-J.L
ZESTAD = - a----'- (9.1)
 9.1 Fundamentos de la metodología de la prueba de hipótesis 301

En la ecuación (9.1) el numerador mide la diferencia entre la media muestral observada, X, y

la media hipotética, JL. El de~ominador es el error estándar de la media, de manera que ZESTAD
representa la diferencia entre X y JL en unidades del error estándar.

Prueba de hipótesis con el método del valor crítico

El método del valor crítico compara el valor del estadístico de prueba ZESTAD calculado con la ecua-
ción (9.1) para los valores críticos que dividen la distribución normal en regiones de rechazo y no
rechazo. Los valores críticos se expresan como valores Z estandarizados que están determinados
por el nivel de significancia.
Por ejemplo, si se utiliza un nivel de significancia de 0.05, el tamaño de la región de rechazo es
0.05. Dado que la región de rechazo está dividida en las dos colas de la distribución, se divide el valor
de 0.05 en dos partes iguales de 0.025 cada una. Para esta prueba de dos colas, una región de re-
chazo de 0.025 en cada cola de la distribución normal, da como resultado un área acumulada de 0.025
por debajo del valor crítico inferior y un área acumulada de 0.975 (1 - 0.025) por debajo del valor
crítico superior (que deja un área de 0.025 en la cola superior). Según la tabla de la distribución nor-
mal estándar acumulada (tabla E.2), los valores críticos que dividen las regiones de rechazo y de
no rechazo son - 1.96 y + 1.96. En la figura 9.2 se ilustra que si la media es realmente de 368 gramos,
como plantea Ho, los valores del estadístico de pru~a ZESTAD tienen una distribución normal estándar
centrada en Z = O (que corresponde a un valor de X de 368 gramos). Los valores de Z ESTAD mayores
que + 1.96 Y menores que - 1.96 indican que es suficie'!.!emente diferente de la JL = 368 hipotetizada,
por lo que es poco probable que ocurriera un valor de X como ese si Ho fuera verdadera.

FIGURA 9.2
Prueba de hipótesis
de la media
(o- conocida) con un
nivel de significancia
de 0.05
o +1 .96 + Z
t! I
I
I
Región Región de Región
de rechazo no rechazo de rechazo

Valor 368 Valor x

crítico crítico

Por lo tanto, la regla de decisión es:

Rechazar Ho si Z ESTA D > + 1.96
o si Z ESTAD < - 1.96;
de otro modo, no rechazar Ho.
Suponga que la muestra de 25 cajas de cereal indica una media muestral X de 372.5 gramos, y que
la desviación estándar poblacional o- es de 15 gramos. Utilizando la ecuación (9.1) de la página 300,
X - JL 372.5 - 368
ZESTAD = - - - - = + 1.50
o- 15
Vn v15
Dado que ZESTAD = + 1.50 está entre - 1.96 y + 1.96, no se rechaza Ha (véase la figura 9.3). Usted
sigue creyendo que la cantidad media de llenado es de 368 gramos. Para tomar en cuenta la posibi-
lidad de un error tipo Il, usted plantea la conclusión de la siguiente manera: "No existe evidencia
suficiente de que la cantidad media de llenado difiera de 368 gramos".
La presentación 9.1 resume el método del valor crítico para la prueba de hipótesis. Los pasos 1
a 4 corresponden a la tarea de definir, el paso 5 combina las tareas de Reunir y Organizar, y el paso 6
corresponde a las tareas de Presentar gráficamente y Analizar, de acuerdo con la metodología para
la solución de problemas de negocios descrita en el capítulo 2.
302 CAPÍTULO 9 Fundamentos de la prueba de hipótesis. Pruebas de una muestra

FIGURA 9.3
Prueba de
hipótesis del peso
medio de cereal
(cuando se conoce
(T) con un nivel de

significancia de 0.05 o +1.50 +1 .96t z

Región Región de Región
de rechazo no rechazo de rechazo

PRESENTACIÓN 9.1 MÉTODO DEL VALOR CRíTICO PARA LA PRUEBA

DE HIPÓTESIS
1. Plantear la hipótesis nula, Ho, y la hipótesis alternativa, H I .
2. Elegir el nivel de significancia, a, y el tamaño de muestra, n. El nivel de significancia
se basa en la importancia relativa de los riesgos de cometer los errores tipo 1 y tipo 11
en el problema.
3. Determinar el estadístico de prueba adecuado y la distribución muestra!.
4. Determinar los valores críticos que dividen a las regiones de rechazo y de no rechazo.
5. Reunir los datos muestrales, organizar los resultados y calcular el valor del estadístico
de prueba.
6. Tomar la decisión estadística y plantear la conclusión gerencial. Si el estadístico de
prueba cae en la región de no rechazo, no se rechaza la hipótesis nula. Si el
estadístico de prueba cae en la región de rechazo, se rechaza la hipótesis nula. La
conclusión gerencial se redacta en el contexto del problema en el mundo rea!.

EJEMPLO 9.2 Describa el uso del método del valor crítico para la prueba de hipótesis en Oxford Cereals.

Aplicación del SOLUCiÓN

método del valor Paso 1. Plantee las hipótesis nula y alternativa. La hipótesis nula, Ho, siempre se establece como una
crítico a la prueba expresión matemática, utilizando parámetros poblacionales. Al probar si la cantidad media
de hipótesis en de llenado es de 368 gramos, la hipótesis nula afirma que fL es igual a 368. La hipótesis alter-
Oxford Cereals nativa, HI' también se plantea como una expresión matemática, utilizando parámetros po-
blacionales. Por lo tanto, la hipótesis alternativa afirma que fL no es igual a 368 gramos.
Paso 2. Elija el nivel de significancia y el tamaño de la muestra. El nivel de significancia, a, se elige
de acuerdo con la importancia relativa de los riesgos de cometer los errores tipo 1 y tipo 11 en
el problema. Cuanto más bajo sea el valor de a, menor será el riesgo de cometer un error
tipo 1. En este ejemplo, cometer un error tipo 1 significa concluir que la media poblacional
no es de 368 gramos, cuando en realidad es de 368 gramos. De este modo se tomarán medi-
das correctivas en el proceso de llenado, aun cuando dicho proceso esté funcionando de
manera adecuada. En este caso se selecciona a = 0.05, Y el tamaño de muestra, n, es de 25.
Paso 3. Seleccione el estadístico de prueba adecuado. Puesto que se conoce (T a partir de la infor-
mación sobre el proceso de llenado, se utiliza la distribución normal y el estadístico de
prueba ZESTAD'
Paso 4. Determine la región de rechazo. Se seleccionan valores críticos para el estadístico de
prueba adecuado, de manera que la región de rechazo contenga un área total de a cuando
Ha es verdadera, y la región de no rechazo contiene un área total de l - a cuando Ho es
verdadera. Puesto que a = 0.05 en el ejemplo del cereal, los valores críticos del estadístico
de prueba ZESTAD son - 1.96 y + 1.96. Por lo tanto, la región de rechazo es ZESTAD < - 1.96 o
ZESTAD> + 1.96. La región de no rechazo es -1.96 :s ZESTAD:S + 1.96.
Paso 5. Reúna l~s datos muestrales y calcule el valor del estadístico de prueba. En el ejemplo del
cereal, X = 372.5 Y el valor del estadístico de prueba es Z ESTAD = + 1.50.
Paso 6. Enuncie la decisión estadística y la conclusión gerencial. Primero, determine si el estadís-
tico de prueba cae en la región de rechazo o la región de no rechazo. En el ejemplo del
cereal, Z ESTAD = + 1. 50 se encuentra en la región de no rechazo porque - 1. 96 :s Z ESTAD =
 9.1 Fundamentos de la metodología de la prueba de hipótesis 303

+ 1.50 ::; + 1.96. Como el estadístico de prueba cae en la región de no rechazo, la decisión
estadística consiste en no rechazar la hipótesis nula, Ho' La conclusión gerencial es que no
existe evidencia suficiente para demostrar que la cantidad media de llenado difiera de 368
gramos. El proceso de llenado no requiere una acción correctiva.

EJEMPLO 9.3 Usted es el gerente de un restaurante de comida rápida. El problema de negocios consiste en deter-
minar si el tiempo medio poblacional de espera para realizar un pedido ha cambiado en el último
Prueba y rechazo mes a partir de su valor medio poblacional anterior de 4.5 minutos. Por experiencia, usted supone
de una hipótesis que la población se distribuye de manera normal con una desviación estándar poblacional de 1.2
nula minutos. Usted seleccionó una muestra de 25 pedidos durante un lapso de una hora. La media
muestral es de 5.1 minutos. Utilice el método de los seis pasos descrito en la presentación 9.1, de la
página 302, para determinar si, con un nivel de significancia de 0.05, existe evidencia de que el
tiempo medio poblacional de espera para realizar un pedido ha cambiado en el último mes a partir
de su valor medio poblacional anterior de 4.5 minutos.
SOLUCiÓN
Paso 1. La hipótesis nula establece que la media poblacional no ha cambiado de su valor previo de
4.5 minutos:
Ho: J.L = 4.5
La hipótesis alternativa es lo opuesto a la hipótesis nula. Puesto que la hipótesis nula plan-
tea que la media poblacional es de 4.5 minutos, la hipótesis alternativa plantea que la me-
dia poblacional no es de 4.5 minutos:
H, : J.L * 4.5
Paso 2. Usted seleccionó una muestra de n = 25 . El nivel de significancia es de 0.05 , es decir,
a = 0.05.
Paso 3. Como se supone que se conoce (T, usted utiliza la distribución normal y el estadístico de
prueba ZESTAD'
Paso 4. Puesto que a = 0.05, los valores críticos del estadístico de prueba ZESTAD son - 1.96 y
+ 1.96. La región de rechazo es Z ESTAD < - 1.96 o Z ESTA D > + 1.96. La región de no rechazo
es -1.96::; ZESTAD::; + 1.96.
Paso 5. Usted reúne los datos muestrales y calcula X = 5.1. Utilice la ecuación (9.1) de la página
300 para calcular el estadístico de prueba:
X-J.L 5.1-4.5
Z ESTAD = --
(T
-= 1.2
= +2.50

\125
Paso 6. Puesto que ZESTAD = +2.50 > + 1.96, rechaza la hipótesis nula y concluye que existe evi-
dencia de que el tiempo medio poblacional de espera para realizar un pedido ha cambiado
de su valor previo de 4.5 minutos. El tiempo medio de espera de los clientes ahora es ma-
yor que el mes pasado. Como gerente, le gustaría determinar la manera de reducir el
tiempo de espera para mejorar el servicio.

Prueba de hipótesis con el método del valor p

El uso del valor p para determinar el rechazo o el no rechazo es otro método de la prueba de hipótesis.

VALOR P
El valor p es la probabilidad de obtener un estadístico de prueba igualo más extremo
que el resultado muestral, dado que la hipótesis nula Ho es verdadera. Al valor p también
se le conoce como el nivel de significancia observado .

Las reglas de decisión para rechazar Ho con el método del valor p son:
• Si el valor p es igualo mayor que a, no se rechaza la hipótesis nula.
• Si el valor p es menor que a, se rechaza la hipótesis nula.
304 CAPÍTULO 9 Fundamentos de la prueba de hipótesis. Pruebas de una muestra

Mucha gente confunde estas reglas y cree erróneamente que un valor p elevado es motivo de
rechazo. Se evitará esta confusión recordando lo siguiente:

Si el valor p es bajo, entonces Ho se rechaza.

Para entender el método del valor p , considere el caso de Oxford Cereals. Usted probó si la
cantidad media de llenado es igual a 368 gramos . El estadístico de prueba resultó ser un valor
Z ESTAD de + 1.50 Y no rechazó la hipótesis nula porque + 1.50 es menor que el valor crítico superior
de +1.96 Y mayor que el valor crítico inferior de - 1.96.
Para utili zar el método del va lor p para la prueba de dos colas se calcula la probabilidad de
obtener un estadí stico de prueba Z ESTAD que sea igualo más extremo que 1.50 unidades de error
estándar a partir del centro de una distribución normal estándar. En otras palabras, es necesario
calcular la probabilidad de un valor de Z ESTAD mayor que + 1.50, junto con la probabilidad de un
valor de ZESTAD menor que - 1.50. En la tabl a E.2 se observa que la probabilidad de un valor Z ESTA D
por debajo de - 1.50 es 0.0668. La probabilidad de un valor por debajo de + 1.50 es 0.9332 y la pro-
babilidad de un valor por arriba de + 1.50 es 1 - 0.9332 = 0.0668. Por lo tanto, el valor p para esta
prueba de dos colas es 0.0668 + 0.0668 = 0.1336 (véase la figura 9.4). De este modo, la probabilidad
de un estadístico de prueba igual o más extremo que el resultado muestral es 0.1336. Puesto que
O. I 336 es mayor que O' = 0.05, no se rechaza la hipótesis nula.
FIGURA 9.4
Cálculo de un valor
p para una prueba
de dos colas

En este ejemplo la medi a muestral observada es 372.5 gramos, 4.5 gramos por arriba del valor
hipotético , y el valor pes O. I 336. Así, si la media poblacional es de 368 gramos, existe una pro-
babilidad de 13 .36% de que la media muestral difiera de 368 gramos en al menos 4.5 gramos (es
decir, es::::: 372 .5 gramos o :S 363 .5 gramos). Por consiguiente, aun cuando 372.5 está por arriba del
valor hipotético de 368, un resultado tan extremo como 372 .5 o más no es demasiado improbable
cuando la medi a poblacional es de 368.
A menos que se trate de un estadístico de prueba que tenga una distribución normal , solo po-
dremos aproximar el valor p a partir de las tablas de la distribución. Sin embargo, Excel y Minitab
calculan el valor p para cualquier prueba de hipótesis, y esto permite sustituir el método del valor
crítico por el método del valor p realizando una prueba de hipótesis.
En la figura 9.5 se presentan los resultados de Excel y Minitab para el ejemplo sobre el llenado
de cajas de cerea l de esta sección. Estos resultados incluyen el estadístico de prueba Z ESTAD y los
valores críticos.
FIGURA 9.5
Resultados de Excel y Minitab de la pru eb a Z para la media (cuando se conoce 0-) para el ejemplo del llenado de
cajas de cereal
r=7"~~~~~-:_- _ _-.--·-A-----·-··· '--~----'-B--"
One-Sample Z
1 Z Te st for the M e an
Test o f mu = 368 vs not = 368
:. 2.'
3 i Data The a ssumed s tandard devi,ati on 15
iNull Hypot he,i , 11; 368
5 :level of Si gn¡ficance 0.05 N Mean SE Mean 951i\ e I Z P
6 ;Population Stan dard Oeviation 15 25 3 72 . 50 3 . 00 (366.62 , 3 78.38 ) 1 .50 0 . 134
Sample Size 25
8 Sample Mean
I 372.5
9 '__________________~
;:,"~6J Interm ediat e Calcu lations
, ll iSt anda rd Error 01 th e Mean 3 ; B6/S Q.RT(B7)
,Z
12 Te,t Sl ati,tic ;( B8· B4)/ B11
13 ~
: __________________~

14 : Two-Tail Test
15 :l ower Critical Val "e I
-1.9600 ; NORMSINV( BS/2)
1 16 :Upper Criti cal Valoe l 1.9600 ; NORMSIN V( l · BS/l)
i '17 ip -Valoe I 0.1336 ; 2' (1· NORMSDIST(AB S(Bll)Jl
Cle ; Do nol reject Ih e null hypot he ,¡s ; IF( B17 < 85. "Reject Ihe null hypothe si,",
"00 not rej e ct th e nult hyp oth es is ")
 9.1 Fundamentos de la metodología de la prueba de hipótesis 305

La presentación 9.2 resume el método del valor p para la prueba de hipótesis.

PRESENTACiÓN 9.2 EL M~TODO DEL VALOR P PARA LA PRUEBA DE HIPÓTESIS

1. Establezca la hipótesis nula, H o' y la hipótesis alternativa, HI'
2. Elija el nivel de significancia, a , y el tamaño de muestra, n. El nivel de significancia
se basa en la importancia relativa de los riesgos de cometer los errores tipo 1 y tipo 11
en el problema.
3. Determine el estadístico de prueba adecuado y la distribución muestral.
4. Reúna los datos muestrales, calcule el valor del estadístico de prueba y obtenga el
valor p .
5. Tome la decisión estadística y plantee la conclusión gerencial. Si el valor p es igualo
mayor que a, no se rechaza la hipótesis nula. Si el valor p es menor que a, se rechaza
la hipótesis nula. La conclusión gerencial se redacta en el contexto del problema en el
mundo real.

EJEMPLO 9.4 Usted es el gerente de un restaurante de comida rápida. El problema de negocios consiste en determi-
nar si el tiempo medio poblacional de espera para realizar un pedido ha cambiado en el último mes a
Prueba y rechazo partir de su valor medio poblacional previo de 4.5 minutos. Por experiencia, usted supone que la po-
de una hipótesis blación se distribuye de manera normal , con una desviación estándar poblacional de 1.2 minutos.
nula con el método Usted seleccionó una muestra de 25 pedidos durante un lapso de una hora. La media muestral es de
del valor p 5.1 minutos. Utilice el método del valor p de cinco pasos descrito en la presentación 9.2, para deter-
minar si existe evidencia de que el tiempo medio poblacional de espera para realizar un pedido ha
cambiado en el último mes a partir de su valor medio poblacional previo de 4.5 minutos.
SOLUCiÓN
Paso 1. La hipótesis nula plantea que la media poblacional no ha cambiado de su valor previo de
4.5 minutos:
Ho:}J., = 4.5
La hipótesis alternativa es lo opuesto a la hipótesis nula. Puesto que la hipótesis nula
plantea que la media poblacional es de 4.5 minutos, la hipótesis alternativa propone que la
media poblacional no es de 4.5 minutos:
H¡ :}J., i:- 4.5
Paso 2. Usted seleccionó una muestra de n = 25 Y eligió un nivel de significancia de 0.05, es decir,
a = 0.05 .
Paso 3. Seleccione el estadístico de prueba adecuado. Como se supone que se conoce (T , usted
utiliza la distribución normal y el estadístic~de prueba ZESTA D'
Paso 4. Usted reúne los datos muestrales y calcula X = 5.1. Utilice la ecuación (9. 1) de la página
300 para calcular el estadístico de prueba como sigue:
X - }J., 5.1 - 4.5
Z ESTA D = -- = = +2.50
(T 1.2
Vn v'25
Para calcular la probabilidad de obtener un estadístico de prueba Z ESTAD que sea igualo
más extremo que 2.50 unidades de error estándar, a partir del centro de una distribución
normal estándar, usted obtiene la probabilidad de un valor de ZESTA D mayor que
+ 2.50, junto con la probabilidad de un valor de Z ESTA D menor que - 2.50. En la tabla E.2
se observa que la probabilidad de un valor de Z ESTAD por debajo de - 2.50 es 0.0062. La pro-
babilidad de un valor por debajo de +2.50 es 0.9938. Por 10 tanto, la probabilidad de un
valor por arriba de +2 .50 es 1 - 0.9938 = 0.0062. Así, el valor p para esta prueba de dos
colas es 0.0062 + 0.0062 = 0.0124.
Paso 5. Dado que el valor p = 0.0124 < a = 0.05 , usted rechaza la hipótesis nula y concluye que
existe evidencia de que el tiempo medio de espera poblacional para hacer un pedido ha
cambiado de su valor medio poblacional previo de 4.5 minutos. En la actualidad, el tiempo
medio de espera para los clientes es mayor que durante el mes pasado.
306 CAPÍTULO 9 Fundamentos de la prueba de hipótesis. Pruebas de una muestra

Relación entre la estimación del intervalo de confianza

y la prueba de hipótesis
En este capítulo y en el 8 se estudia la estimación del intervalo de confianza y la prueba de hipóte­
sis, dos elementos fundamentales de la inferencia estadística. Aunque la estimación del intervalo
de confianza y la prueba de hipótesis comparten la misma base conceptual, se utilizan con diferen­
tes propósitos. En el capítulo 8 los intervalos de confianza estimaron parámetros. En este capítulo
la prueba de hipótesis toma decisiones acerca de valores especificados de parámetros poblaciona­
les. Las pruebas de hipótesis se utilizan cuando se trata de determinar si un parámetro es menor
que, mayor que o desigual a un valor especificado. Sin embargo, la interpretación adecuada de un
intervalo de confianza también puede indicar si un parámetro es menor que, mayor que o desigual
a un valor especificado. Por ejemplo, en esta sección se probó si la cantidad media de llenado po­
blacional difería de 368 gramos utilizando la ecuación (9.1) de la página 300.
X - µ,
ZESTAD= - ­-
a-
Vn
En lugar de someter a prueba la hipótesis nula de queµ, = 368 gramos, se puede llegar a la
misma conclusión construyendo una estimación del intervalo de confianza deµ,. Si el valor hipoté­
tico deµ, = 368 está contenido dentro del intervalo, no se rechaza la hipótesis nula porque 368 no
se consideraría un valor inusual. Sin embargo, si el valor hipotético no cae dentro del intervalo, se
rechaza la hipótesis nula porque entoncesµ, = 368 gramos se considera un valor inusual. Utilizando
la ecuación (8.1) de la página 261 y los siguientes datos:
n = 25, X= 372.5 gramos, a = 15 gramos
para un nivel de confianza de 95%, es decir, a = 0.05,
- a-
x± Za¡2Vn

15
372.5 ± ( 1.96)
r,::;
,v25
372.5 ± 5.88
de modo que:
366.62 ::; µ, ::; 378.38
Como el intervalo incluye al valor hipotético de 368 gramos, no se rechaza la hipótesis nula.
No existe evidencia suficiente para rechazar la hipótesis nula de que la cantidad media de llenado
durante todo el proceso no es de 368 gramos. Se llegó a la misma decisión utilizando la prueba de
hipótesis de dos colas.

¿Es posible conocer realmente la desviación estándar

poblacional?
Al final de la sección 8.1, en la página 263, vimos cómo el aprendizaje de un método de estimación
del intervalo de confianza que requiere que se conozca a-, la desviación estándar poblacional, fue
eficaz para introducir el concepto de intervalo de confianza. Luego, en el texto se dijo que es poco
probable que se utilice ese procedimiento en la mayoría de las aplicaciones prácticas por varias
razones.
De la misma forma, para la mayoría de las aplicaciones prácticas, es poco probable que se uti­
lice un método de prueba de hipótesis que requiera que se conozca a-. Si conociéramos la desvia­
ción estándar poblacional, también conoceríamos la media poblacional y necesitaríamos plantear
una hipótesis acerca de la media y, luego, someter a prueba esa hipótesis. Entonces, ¿qué sentido
tiene estudiar una prueba de hipótesis de la media que requiere que se conozca a-? El uso de una
prueba de este tipo facilita la explicación de los fundamentos de la prueba de hipótesis. Con
una desviación estándar poblacional conocida, se puede utilizar la distribución normal y calcular
valores p utilizando las tablas de la distribución normal.
Como es muy importante que el lector comprenda el concepto de la prueba de hipótesis estu­
diando el resto de este libro, revise esta sección de manera cuidadosa, aun cuando considere que
nunca tendrá una razón práctica para utilizar la prueba representada por la ecuación (9.1).

I Problemas para la sección 9.1
APRENDIZAJE DE LOS FUNDAMENTOS
9.1 Si utiliza un nivel de significancia de 0.05 en una prueba
de hipótesis de dos colas, ¿qué decidiría si Z ESTAD = -D.76?
9.2 Si utiliza un nivel de significancia de 0.05 en una prueba
de hipótesis de dos colas, ¿qué decidiría si ZESTAD = + 2.21?
9.3 Suponga que utiliza un nivel de significancia de 0.10
en una prueba de hipótesis de dos colas. ¿Cuál sería su regla
de decisión para rechazar la hipótesis nula de que la media
poblacional es 500 si utilizara la prueba Z?
9.4 Suponga que utiliza un nivel de significancia de 0.01
en una prueba de hipótesis de dos colas. ¿Cuál sería su regla
de decisión para rechazar Ho:fL = 12.5 si utiliza la prueba Z?
9.5 ¿Cuál sería su decisión en el problema 9.4 si ZESTAD =
- 2.61 ?
9.6 ¿Cuál es el valor p si, en una prueba de hipótesis de dos
colas, ZESTAD = +2.00?
9.7 En el problema 9.6, ¿cuál sería su decisión estadística
si sometiera a prueba la hipótesis nula con un nivel de signi-
ficancia de 0.1 O?
9.8 ¿Cuál es el valor p si, en una prueba de hipótesis de dos
colas, ZESTAD = - 1.38?
APLICACiÓN DE CONCEPTOS
9.9 En el sistema legal estadounidense, un acusado se consi-
dera inocente hasta que se demuestre que es culpable. Considere
la hipótesis nula, Ho' de que el acusado es inocente, y la hipó-
tesis alternativa, HI' de que el acusado es culpable. El jurado
tiene dos decisiones posibles: condenar al acusado, es decir,
rechazar la hipótesis nula, o no condenar al acusado, es decir, no
rechazar la hipótesis nula. Explique el significado de los ries-
gos de cometer un error tipo 1 o tipo II en este ejemplo.
9.10 Suponga que al acusado del problema 9.9 se le consi-
dera culpable hasta demostrar que es inocente, como ocurre
en otros sistemas judiciales. ¿Cuál sería la diferencia entre
la hipótesis nula y la alternativa de este problema y las del
problema 9.9? ¿Cuál sería el significado de los riesgos de
cometer un error tipo 1 o II en este caso?
9.11 Muchos grupos de consumidores consideran que el
proceso de aprobación de la Food and Drug Administration
(FDA) es demasiado fácil, por lo que se aprueban demasia-
dos fármacos que después resultan ser inseguros. Por otro
lado, los cabilderos de la industria han presionado para lo-
grar un proceso de aprobación más indulgente con la finali-
dad de que las empresas farmacéuticas puedan conseguir la
aprobación de fármacos nuevos de manera más fácil y rá-
pida. Considere la hipótesis nula de que un fármaco nuevo y
no aprobado es inseguro, y la hipótesis alternativa de que un
fármaco nuevo y no aprobado es seguro.
a) Explique los riesgos de cometer un error tipo 1 o tipo II.
b) ¿Qué tipo de error están tratando de evitar los grupos de
consumidores? Explique su respuesta.
Problemas para la sección 9.1 307
e) ¿Qué tipo de error están tratando de evitar los cabilderos
de la industria? Explique su respuesta.
d) ¿De qué manera sería posible reducir las probabilidades
de los errores tipo 1 y tipo 1I?
9.12 Como resultado de las quejas de estudiantes y profesores
por los retrasos, el encargado de admisiones de una gran uni-
versidad desea determinar si el lapso entre las clases debería
modificarse, así que está dispuesto a llevar a cabo un estudio.
Hasta ahora, el encargado de admisiones creía que un lapso de
20 minutos entre las clases programadas era suficiente. Esta-
blezca la hipótesis nula, Ho, y la hipótesis alternativa, H,.
9.13 ¿Los estudiantes de su escuela estudian más que, me-
nos que o aproximadamente lo mismo que los alumnos de
otras escuelas de administración? BusinessWeek reportó que
en las 50 mejores escuelas de administración, los alumnos es-
tudiaban un promedio de 14.6 horas por semana. (Datos ex-
traídos de "Cracking the Books", Reporte especial/Online
Extra, www.businessweek.com. 19 de marzo de 2007). Rea-
lice una prueba de hipótesis para tratar de demostrar que el
número medio de horas de estudio en su escuela difiere de la
cifra de 14.6 horas por semana reportada por Business Week.
a) Plantee las hipótesis nula y alternativa.
b) ¿Cuál sería un error tipo 1 para su prueba?
e) ¿Cuál sería un error tipo II para su prueba?
AUTO 9.14 El gerente de control de calidad de una fá-
brica de bombillas necesita determinar si la vida
media de un gran cargamento de bombillas es igual a 375
horas. La desviación estándar poblacional es de 100 horas.
Una muestra aleatoria de 64 bombillas indica que la vida
media muestral es de 350 horas.
a) Con un nivel de significancia de 0.05, ¿existe evidencia
de que la vida media difiere de 375 horas?
b) Calcule el valor p e interprete su significado.
e) Construya una estimación del intervalo de confianza de
95 % para la vida media poblacional de las bombillas.
d) Compare los resultados de los incisos a) y e). ¿A qué
conclusiones llegó?
9.15 Suponga que en el problema 9.14la desviación están-
dar es de 120 horas.
a) Repita del inciso a) al e) del problema 9.14, suponiendo
una desviación estándar de 120 horas.
b) Compare los resultados del inciso a) con los del pro-
blema 9.14.
9.16 El gerente de una tienda de pinturas desea determinar
si la cantidad media de pintura contenida en latas de un ga-
lón, compradas a un fabricante reconocido a nivel nacional,
es efectivamente de un galón. Por las especificaciones del
fabricante , usted sabe que la desviación estándar de la canti-
dad de pintura es de 0.02 galones. Así que selecciona una
muestra aleatoria de 50 latas, y la cantidad media de pintura
en cada lata de un galón es de 0.995 galones.
a) ¿Existe evidencia de que la cantidad media es diferente
de 1.0 galones? (Utilice a = 0.01).
b) Calcule el valor p e interprete su significado.
308 CAPÍTULO 9 Fundamentos de la prueba de hipótesis. Pruebas de una muestra

e) Construya una estimación del intervalo de confianza de
99% de la cantidad media poblacional de pintura.
d) Compare los resultados de los incisos a) y e). ¿A qué
conclusiones llega?
9.17 Suponga que en el problema 9.16 la desviación están-
dar es de 0.012 galones.
a) Repita del inciso a) al d) del problema 9.16 suponiendo
una desviación estándar de 0.012 galones.
b) Compare los resultados del inciso a) con los del pro-
blema 9.16.

9.2 Prueba t de hipótesis para la media (cuando se desconoce (J")

En prácticamente todas las situaciones de prueba de hipótesis con respecto a la media poblacional, /1-,
se desconoce la desviación estándar poblacional, (J. En su lugar, se utiliza la desviación estándar
muestral, S. Si se supone que la población se distribuye de manera normal , la distribución muestral de
la media tiene una distribución t con n - 1 grados de libertad y se utiliza la prueba t para la media.
Si la población no está distribuida de manera normal , también se puede utilizar la prueba t si el ta-
maño de muestra es lo suficientemente grande para que tenga efecto en el teorema del límite central
(véase la sección 7.4). La_ecuación (9.2) define el estadístico de prueba para determinar la diferencia
entre la media muestral, X, y la media poblacional, /1-, utilizando la desviación estándar muestral, S.

PRUEBA T PARA LA MEDIA (CUANDO SE DESCONOCE (J)

X-/1-
tESTAD = --S- (9.2)

Vn
donde el estadístico de prueba t ESTAD presenta una distribución t con n - 1 grados de libertad.

Para ilustrar el uso de la prueba t para la media, regrese a la sección del capítulo 8 sobre Saxon
Home Improvement en la página 267. El objetivo de negocios consiste en detenninar si la cantidad
media por factura de ventas no ha variado de los $120 de los últimos cinco años. Como contador de
la empresa, usted necesita determinar si esta cantidad cambia. En otras palabras, la prueba de hipó-
tesis se utiliza para tratar de determinar si la cantidad media por factura de ventas está aumen-
tando o disminuyendo .

Método del valor crítico

Para realizar esta prueba de hipótesis de dos colas, se utiliza el método de seis pasos descrito en la
presentación 9.1 de la página 302.
Paso 1. Se definen las siguientes hipótesis:

Ho : /1- = $120
H) : /1- =lo $120
La hipótesis alternativa incluye la afirmación que usted está tratando de demostrar. Si se
rechaza la hipótesis nula, entonces existe evidencia estadística de que el monto medio po-
blacional por factura de ventas ya no es de $120. Si la conclusión estadística es "no recha-
zar Ho", entonces usted concluirá que no existe suficiente evidencia para demostrar que el
monto medio difiere de la media a largo plazo de $120.
Paso 2. Usted reúne los datos de una muestra de n = 12 facturas de ventas y decide utilizar Q' = 0.05.
Paso 3. Puesto que no se conoce (J, usted utiliza la distribución t y el estadístico de prueba t ESTAD'
Debe suponer que la población de las facturas de ventas se distribuye de manera normal,
ya que el tamaño de muestra de 12 es demasiado pequeño para que tenga efecto el teo-
rema del límite central. Este supuesto se analiza en la página 310.
Paso 4. Para un tamaño de muestra dado, n, el estadístico de prueba tESTAD presenta una distribu-
ción t con n - 1 grados de libertad. Los valores críticos de la distribución t con 12 - 1 = 11
grados de libertad se encuentran en la tabla E.3, tal como se ilustra en la tabla 9.2 y en la
figura 9.6. La hipótesis alternativa H) : /1- f. $120 tiene dos colas. El área en la región de
 9.2 Prueba t de hipótesis para la media (cuando se desconoce 0') 309

rechazo de la cola izquierda (inferior) de la distribución t es de 0.025, y el área de la

región de rechazo de la cola derecha (superior) de la distribución t también es de 0.025.
De la tabla t, dada en la tabla E.3, de la cual se observa una parte en la tabla 9.2, los
valores críticos son ±2 .20 10. La regla de decisión es:
Rechazar Ho si tESTAD < -2 .2010
o si tESTAD > +2.2010;
de otro modo, no rechazar Ho.

TABLA 9.2 Probabilidades acumuladas

Determinación del
valor crítico en la
.75 .90 .95 1.9751 .99 .995
tabla t para un área Áreas de la cola superior
de 0.025 en cada
cola, con 11 grados Grados de libertad .25 .10 .05 1.0251 .01 .005
de libertad 1 1.0000 3.0777 6.3138 31.8207 63.6574
2 0.8165 1.8856 2.9200 6.9646 9.9248
3 0.7649 1.6377 2.3534 4.5407 5.8409
4 0.7407 1.5332 2.1318 3.7469 4.6041
5 0.7267 1.4759 2.0150 3.3649 4.0322
6 0.7176 1.4398 1.9432 3.1427 3.7074
7 0.7111 1.4149 1.8946 2.9980 3.4995
8 0.7064 1.3968 1.8595 2.8965 3.3554
9 0.7027 1.3830 1.8331 2.8214 3.2498
10 0.6998 1.3722 1.8125 2.7638 3.1693
OIJ 0.6974 1.3634 1.7959 .. 2.7181 3.1058
Fuente: Extraído de la tabla E.3

FIGURA 9.6
Prueba de una
hipótesis acerca
de la media
(O' desconocida)
con un nivel
de significancia de +2.2010
0.05 Y 11 grados
de libertad \ f/
Región de Región
no rechazo de rechazo
I

Valor $120 Valor x

crítico crítico

Paso 5. Usted organiza y almacena los datos de una muestra aleatoria de 12 facturas de ventas en
el archivo iCf1Mtti:
108.98 152.22 111.45 110.59 127.46 107.26
93.32 91.97 111.56 75.71 128.58 135.11
Con las ecuaciones (3.1) y (3.5) de las páginas 95 y lOO,
X = $112.85 Y S = $20.80
De la ecuación (9.2) de la página 308,

112.~~.~ 120 = -1.1908

Vl2
310 CAPÍTULO 9 Fundamentos de la prueba de hipótesis. Pruebas de una muestra

La figura 9.7 presenta los resultados para esta prueba de hipótesis calculados con Excel y Minitab.
FIGURA 9.7
Resultados de Excel y Minitab para la prueba t de las facturas de ventas
¡¡!ijJj;=-:,==~~=:=:~t.:===~~===::C:~A=:-=~J One-Sample T
1i.",.~". ¡t Test,tor th e Hypothesis of th e Mean
i2 ¡ Tes t of mu = 120' vs not = 120'
[ i "¡"'
; - - - - - o a - t - a- - - - . . ,
[.:Ü Null Hypoth e.i. 11: UO
N: Mean StDev SE. Mean 95~ el '1' P
12 ll2. 85 20' .8 0 6.00 (99.63, 126 .07) -1.19 O' .259
tÉ. :l evot 01 Signilicante 0.05
j, 6 ,¡Sample Size 12
i"I)sample Mean 112.85
i. 8 'S.m?lo Stan dard Dovlation 20.8
9+
1_ _ _ _ _ _ _ _ _ _ _- .
_1q ¡ Interm e di ate Calculation s
,,,1.1.:Stand ard Erro, 01 th e Mean I 6.0044 : B8(SQRT(B6)
¡ 12 i Oegre es of Freedom 1 11 ::;86-1
('.1~1 it To.t Stati.tic I
,1.1908 :(07, B4)/011
; ',4 j...
: _ _ _ _ _,--_ _ _--,
:1 '15 Two-TaH Test
11'6 ILowe, Criti cal Value I ,2.1010 : ·TINV(05, OU)
("17 IUepe, Critlcal Value. I 2.2010 : T1N V(B5, B12)
r;e'ip-Valuo I 0.2588 : TDIST(A OS(B13), 011, 2)
¡ 19'· Do not ,eject the null hypothe ,i, : IF (B18 < B5, "Reject the null hypothe,i,",
"Do n ot rej ect the null hypothesi s")

Paso 6. Dado que - 2.2010 < t ESTA D = - 1.1908 < 2.2010, no se rechaza Ho' No tiene evidencia sufi-
ciente para concluir que el monto medio por factura de ventas difiera de $120. La audito-
ría sugiere que el monto medio por factura de ventas no ha cambiado.

Método del valor p

Para realizar esta prueba de hipótesis de dos colas se utiliza el método de cinco pasos descritos en
la presentación 9.2 de la página 305.
Pasos 1 a 3. Estos pasos son los mismos que en el método del valor crítico.
Paso 4. De los resultados de la figura 9.7, el tESTAD = - l.19 Y valor p = 0.2588.
Paso 5. Como el valor p de 0.2588 es mayor que a = 0.05, usted no rechaza Ho' Los datos no pro-
porcionan evidencia suficiente para concluir que el monto medio por factura de ventas di-
fiera de $120. La auditoría sugiere que el monto medio por factura de ventas no ha
cambiado. El valor p indica que si la hipótesis nula es verdadera, la probabilidad de que
una muestra de 12 facturas pueda tener una media muestral que difiera de los $120 plantea-
dos en $7 .15 o más es de 0.2588. En otras palabras, si la cantidad media por factura de
ventas es verdaderamente $120, entonces existe una probabilidad de 25.88% de observar
una media muestral por debajo de $112.85 o por arriba de $127.15.
En el ejemplo anterior sería incorrecto afirmar que existe una probabilidad de 25.88% de que la hipó-
tesis nula sea verdadera. Recuerde que el valor p es una probabilidad condicional, que se calcula
con base en la suposición de que la hipótesis nula es verdadera. En general, es adecuado afirmar lo
siguiente:
Si la hipótesis nula es verdadera, existe una probabilidad de (valor p) X 100% de observar un
estadístico de prueba al menos tan contradictorio de la hipótesis nula como el resultado muestra\.

Verificación del supuesto de normalidad

Se utiliza la prueba t cuando se desconoce la desviación estándar poblacional, (J', y se estima utilizando
la desviación estándar muestral, S. Para utilizar la prueba t, suponemos que los datos representan una
muestra aleatoria de una población que se distribuye de manera norma\. En la práctica, siempre y
cuando el tamaño de muestra no sea muy pequeño y la población no esté muy sesgada, la distribución
t representa una buena aproximación de la distribución muestral de la media cuando se desconoce (J'.
Existen varias formas de evaluar el supuesto de normalidad que se necesita para utilizar la
prueba t. Podemos examinar hasta qué punto se acercan los estadísticos muestrales a las propieda-
des teóricas de la distribución norma\. También se puede construir un histograma, un diagrama de
ta1l0 y hoja, un diagrama de caja o una gráfica de probabilidad normal para visualizar la distribu-
ción de las cantidades en las facturas de ventas. Para mayores detalles sobre la evaluación de la
normalidad, véase la sección 6.3 en las páginas 214 a 218.
 9.2 Prueba t de hipótesis para la media (cuando se desconoce (T) 311

En las figuras 9.8 a 9.10 se observan los estadísticos descriptivos, el diagrama de caja y la grá-
fica de probabilidad normal para los datos de las facturas de ventas.

FIGURA 9.8
Estadísticos descriptivos de Excel y Minitab para los datos de las facturas de ventas
"? --------.A:-----------Ts---l
iT----¡;;~-¡;¡;;;;;;o;;;t----1
Descriptive Statistics: Invoice Amount
Total
Variable Count Mean StDev Variance CoefVar Minimum 01 Median
2!
---1 Invoice Amount 12 112 . 8520 . 80 432.56 18.43 75 . 71 96.80 111.02
3 ¡Mean 112.&508
Variable 03 Maximum Range lOR Skewness I<llrtosis
-¡ l standard Error 6.0039 Invoice Amount 128.30 152 . 22 7 6 . 51 31.50 0.1.3 0 . 17
5-1Medían 111.02
----f
".~.J Mode t4N/A
7 ¡Standard Deviation 20.7980
a-)sample Variance 432.5565
:li] KurtoS iS 0 .1727
. ~Q ~ skewness 0 .1336
11 :Range 76.51
12-j Minimum 75.71
Jil Maximum 152.22
~_~i sum 1354.21
.t 5J Count 12

FIGURA 9 . 9
Diagramas de caja de Excel y Minitab para los datos de las facturas de ventas

Boxplot of Invoice Amount Boxplot of Invoice Amount

(with Ha and 95% t-canfidence interval far the mean)
t Invoke Amount I
I I
I I
I I

I I
I I
I I
I I
I I

70 80 90 100 110 120 130 140 150 160

Invoice Amount
Ho

80 100 120 140 160

Invoice Amount

La media se acerca mucho a la mediana, y al parecer los puntos en las gráficas de probabilidad
normal de la página 312 se aproximan cada vez más a una línea recta. Todo indica que los diagra-
mas de caja son aproximadamente simétricos. Así, podemos suponer que la población de facturas
de ventas tiene una distribución aproximadamente normal. El supuesto de normalidad es válido y,
por lo tanto, los resultados del auditor también lo son.
La prueba t es una prueba robusta. Una prueba robusta no pierde potencia si la forma de la
población se aleja un poco de una distribuci6n normal, especialmente cuando el tamaño de la muestra
es tan grande como para permitir que el estadístico de prueba t se vea influido por el teorema del
límite central (véase la sección 7.4). Sin embargo, si se utiliza la prueba t de manera incorrecta, se
podría llegar a conclusiones erróneas en detrimento de la potencia estadística. Si el tamaño de
muestra, n, es pequeño, es decir, menor que 30 y no se puede suponer con facilidad que la pobla-
ción subyacente al menos se distribuye de manera aproximadamente normal, entonces son más
adecuados los procedimientos de prueba no paramétricos (véase las referencias 1 y 2).
312 CAPÍTULO 9 Fundamentos de la prueba de hipótesis. Pruebas de una muestra

FIG U RA 9.10
Gráficas de probabilidad normal de Excel y Minitab para los datos de las facturas de ventas

Normal Probability Plot of Invoice Amount Probability Plot of Invoice Amount

160 Normal
• 99

. .. .
140

95
120
•
.. .. . .. .
•
100
.. .. 80
•
80
... •
<: •
CII
~ 50 •
60 CII •
~
•
40
•
20 •
20
•
O
5 •
·2 ·1.5 -1 -0.5 0.5 1.5

IValu. 1
80 100 120 140 160
Invoice Amount

IProblemas para la sección 9.2
APRENDIZAJE DE LOS FUNDAMENTOS
9.18 Si en una l!!uestra de n = 16, seleccionada de una po-
blación normal, X = 56 Y S = 12, ¿cuál es el valor de t ESTAD
si se está sometiendo a prueba la hipótesis nula Ho : J.L = 50?
9.19 En el problema 9.18, ¿cuántos grados de libertad
tiene la prueba t?
9.20 En los problemas 9.18 y 9.19, ¿cuáles son los valores
críticos de t si el nivel de significancia a es 0.05 y la hipóte-
sis alternativa H¡ es J.L t- 50?
9.21 En los problemas 9.18, 9.19 Y 9.20, ¿cuál sería su de-
cisión estadística si la hipótesis alternativa H¡ fuera J.L
9.22 Si en una muestra de n = 16, seleccionada de una po-
blación sesgada hacia la izquierda, X = 65 Y S = 21 , ¿utili-
zaría la prueba t para someter a prueba la hipótesis nula Ho :
J.L = 60? Analice su respuesta.
9.23 Si en una muestra de n = 160, seleccionada de una
población sesgada hacia la izquierda, X = 65 Y S = 21 , ¿uti-
lizaría la prueba t para someter a prueba la hipótesis nula
Ho : J.L = 60? Analice su respuesta.
APLICACiÓN DE CONCEPTOS
~r.Rr"J 9.24 Usted es gerente de un restaurante de una
. .• franquicia de comida rápida. El mes pasado el
tiempo medio de espera en la ventanilla para servicio en el au-
tomóvil de las sucursales ubicadas en su región geográfica,
medido desde el momento en que el cliente realiza un pedido
hasta el momento en que se le entrega fue de 3.7 minutos.
Usted selecciona una muestra aleatoria de 64 pedidos, y el
tiempo medio de espera de la muestra es de 3.57 minutos, con
una desviación estándar muestral de 0.8 minutos.
a) Con un nivel de significancia de 0.05 , ¿existe evidencia
de que el tiempo medio poblacional de espera difiera de
3.7 minutos?
b) Dado que el tamaño de muestra es 64, ¿necesita preocu-
parse por la forma de la distribución poblacional cuando
realiza la prueba t en a)? Explique su respuesta.
9.25 Un fabricante de dulces de chocolate utiliza máquinas
para empacar dulces conforme se mueven a lo largo de una
línea de llenado. Aunque los paquetes tienen etiquetas de 8
onzas, la empresa desea que los empaques contengan una
media de 8.17 onzas de manera que prácticamente ninguno
t- 50? de los paquetes contenga menos de 8 onzas. Se selecciona
periódicamente una muestra de 50 paquetes, y si existe evi-
dencia de que la cantidad media empacada difiere de 8.17
onzas, el proceso de empaque se detiene. Suponga que en
una muestra específica de 50 paquetes, la cantidad media
distribuida es de 8.159 onzas con una desviación estándar
muestral de 0.051 onzas.
a) ¿Existe evidencia de que la cantidad media poblacional
sea diferente de 8.17 onzas? (Utilice un nivel de signifi-
cancia de 0.05).
b) Determine el valor p e interprete su significado.
9.26 Una tienda de regalos desea estimar el valor medio al
detalle de tarjetas de felicitación incluidas en su inventario.
Una muestra aleatoria de 100 tarjetas de felicitación indica
un valor medio de $2.55 y una desviación estándar de $0.44.
a) ¿Existe evidencia de que el valor medio al detalle pobla-
cional de las tarjetas de felicitación sea diferente de
$2.50? (Utilice un nivel de significancia de 0.05).
b) Determine el valor p e interprete su significado.

9.27 El Departamento del Transporte de Estados Unidos
exige a los fabricantes de neumáticos que den información del
desempeño en la superficie lateral del neumático para que los
posibles clientes tomen decisiones de compra. Un elemento de
información importante es el índice de desgaste de la banda
de rodamiento, el cual indica la resistencia al desgaste por ro-
damiento. Un neumático con una puntuación de 200 debe du-
rar el doble que un neumático con un puntuación de 100.
Una organización de consumidores desea probar el ín-
dice de desgaste de la banda de rodamiento de una marca de
neumáticos que asegura "una puntuación de 200" en la su-
perficie lateral del neumático. Una muestra aleatoria de n = 18
indica un índice medio de desgaste muestral de 195 .3 y una
desviación estándar muestral de 21.4.
a) ¿Existe evidencia de que el índice medio de desgaste po-
blacional sea diferente de 200? (Utilice un nivel de signi-
ficancia de 0.05).
b) Determine el valor p e interprete su significado.
9.28 El archivo !¡mM! contiene el monto que una mues-
tra de nueve clientes gastan en el almuerzo (en dólares) en
un restaurante de comida rápida:
4.20 5.03 5.86 6.45 7.38 7.54 8.46 8.47 9.87
a) Con un nivel de significancia de 0.05 , ¿existe evidencia
de que el monto medio gastado para el almuerzo sea dife-
rente de $6.50?
b) Determine el valor p en el inciso a) e interprete su signi-
ficado.
e) ¿Qué suposición debe hacer acerca de la distribución po-
blacional para realizar la prueba t en los incisos a) y b)?
d) Considerando que el tamaño de muestra es 9, ¿necesita preo-
cuparse por la forma de la distribución poblacional cuando
realiza la prueba t en el inciso a)? Explique su respuesta.
9.29 En el estado de Nueva York está permitido que los ban-
cos para el ahorro vendan una forma de seguro de vida, Ha-
mado seguro de vida de banco para el ahorro (SBLI, por las
siglas de savings bank lije insurance) . El proceso de aproba-
ción consta de una suscripción, la cual incluye una revisión
de la solicitud, verificación de la información médica, la posi-
ble solicitud de información médica y exámenes médicos adi-
cionales, y una etapa de recopilación de pólizas, durante la
cual se generan las páginas de la póliza y se envían al banco
para su entrega. La capacidad para entregar las pólizas apro-
badas a los clientes de manera oportuna es fundamental para
que este servicio sea rentable para el banco. Durante un mes
se seleccionó una muestra aleatoria de 27 pólizas aprobadas
y se obtuvieron los siguientes tiempos totales de procesa-
miento en días (almacenados en el archivo !!.t1W!.I§4):
73 19 16 64 28 28 31 90 60 56 31 56 22 18
45 48 17 17 17 91 92 63 50 51 69 16 17
a) Anteriormente, el tiempo medio de procesamiento era de
45 días. Con un nivel de significancia de 0.05, ¿hay eviden-
cia de que el tiempo medio de procesamiento ya no es
de 45 días?
b) ¿Qué suposición acerca de la distribución poblacional se
debe hacer para realizar la prueba t en el inciso a)?
e) Construya un diagrama de caja o una gráfica de probabili-
dad normal para evaluar la suposición hecha en el inciso b).
Problemas para la sección 9.2 313
d) ¿Cree que la suposición necesaria para realizar una
prueba t ,en el inciso a) es válida? Explique su respuesta.
9.30 Los siguientes datos (en el archivo lB!) representan
la cantidad de bebida gaseosa vertida en una muestra de 50
botellas consecutivas de 2 litros. Los resultados, que se lis-
tan de manera horizontal según el orden de llenado, son:
2.109 2.086 2.066 2.075 2.065 2.057 2.052 2.044 2.036 2.038
2.031 2.029 2.025 2.029 2.023 2.020 2.015 2.014 2.013 2.014
2.012 2.012 2.012 2.010 2.005 2.003 1.999 1.996 1.997 1.992
1.994 1.986 1.984 1.981 1.973 1.975 1.971 1.969 1.966 1.967
1.963 1.957 1.951 1.951 1.947 1.941 1.941 1.938 1.908 1.894
a) Con un nivel de significancia de 0.05 , ¿existe evidencia
de que la cantidad media de bebida gaseosa vertida di-
fiera de 2.0 litros?
b) Determine el valor p en el inciso a) e interprete su signi-
ficado.
e) En el inciso a) usted supuso que la distribución de la can-
tidad de bebida gaseosa vertida estaba distribuida de ma-
nera normal. Evalúe esta suposición construyendo un
diagrama de caja o una gráfica de probabilidad normal.
d) ¿Cree que la suposición necesaria para realizar una prueba
t en el inciso a) es válida? Explique su respuesta.
e) Examine los valores de las 50 botellas en su orden secuen-
cial, como se describe en el problema. ¿Parece que hay un
patrón de los resultados? De ser así, ¿qué efecto podría tener
este patrón sobre la validez de los resultados en el inciso a)?
9.31 Una de las principales medidas de la calidad del servicio
que ofrece una organización es la rapidez con la que responde a
las quejas de los clientes. Una gran tienda departamental, pro-
piedad de una familia, que vende muebles y recubrimientos
para pisos, incluyendo alfombras, ha tenido una gran expan-
sión en los últimos años. En particular, el departamento del re-
cubrimiento para pisos se amplió de dos grupos de instaladores
a un supervisor de instalaciones, un medidor y 15 grupos de
instaladores. Uno de los objetivos administrativos de la em-
presa era reducir su tiempo de respuesta a las quejas. La varia-
ble de interés se definió como el número de días transcurridos
entre la recepción de la queja y su resolución. Se reunieron da-
tos de 50 quejas presentadas el año anterior. Los datos están al-
macenados en el archivo !¡Mtlilffit§ y son los siguientes:
54 5 35 137 31 27 152 2 123 81 74 27
11 19 126 110 110 29 61 35 94 31 26 5
12 4 165 32 29 28 29 26 25 14 13
13 10 5 27 4 52 30 22 36 26 20 23
33 68
a) El supervisor de instalaciones afirma que el número medio
de días que transcurre entre la recepción de una queja y su
resolución es de 20 días. Con un nivel de significancia de
0.05, ¿existe evidencia de que la afirmación no sea verda-
dera, es decir, que el número medio de días difiera de 20?
b) ¿Qué suposición acerca de la distribución poblacional se
debe hacer para realizar la prueba t en el inciso a)?
e) Construya un diagrama de caja o una gráfica de probabili-
dad normal para evaluar la suposición hecha en el inciso b).
314 CAPÍTULO 9 Fundamentos de la prueba de hipótesis. Pruebas de una muestra

d) ¿Cree que la suposición necesaria para realizar una
prueba t en a) es válida? Explique su respuesta.
9.32 Una empresa fabricante produce carcasas de acero
para equipo eléctrico. La principal parte componente de la
carcasa es una bandeja hecha de lámina de acero de calibre
14. Se produce utilizando una prensa moldeadora progre-
siva de 250 toneladas con una operación que coloca dos for-
mas de 90° en el acero plano para moldear la bandeja. La
distancia desde un lado de la forma hasta la otra es funda-
mental debido a que debe lograr un aislamiento cuando se
usa a la intemperie. La empresa requiere que la anchura de
la bandeja sea de entre 8.31 pulgadas y 8.61 pulgadas. El
archivo ¡:¡mm contiene las anchuras de las bandejas en pul-
gadas para una muestra de n = 49:
8.312 8.343 8.317 8.383 8.348 8.410 8.351 8.373 8.481 8.422
8.476 8.382 8.484 8.403 8.414 8.419 8.385 8.465 8.498 8.447
8.436 8.413 8.489 8.414 8.481 8.415 8.479 8.429 8.458 8.462
8.460 8.444 8.429 8.460 8.412 8.420 8.410 8.405 8.323 8.420
8.396 8.447 8.405 8.439 8.411 8.427 8.420 8.498 8.409
a) Con un nivel de significancia de 0.05 , ¿existe evidencia
de que la anchura media de las bandejas difiera de 8.46
pulgadas?
b) ¿Qué suposición acerca de la distribución poblacional se
debe hacer para realizar la prueba t en el inciso a)?
e) Evalúe la suposición hecha en el inciso b).
d) ¿Cree que la suposición necesaria para realizar una
prueba t en el inciso a) es válida? Explique su respuesta.
9.33 La operación de una cortadora consiste en cortar pe-
dazos de acero en partes que se utilizan como estructura
para los asientos frontales de un automóvil. El acero se corta
con una sierra de diamante, y se requiere que las partes re-
sultantes estén dentro de ± 0.005 pulgadas de la longitud
especificada por la empresa automotriz. El archivo La
contiene datos de una muestra de 100 partes de acero. Las
mediciones reportadas corresponden a la diferencia en pul-
gadas entre la longitud real de la parte de acero (de acuerdo
con un aparato de medición láser) y la longitud especificada
para la misma. Por ejemplo, un valor de -0.002 represen-
ta una parte de acero que es 0.002 pulgadas más corta que la
longitud especificada.
a) Con un nivel de significancia de 0.05, ¿existe evidencia
de que la diferencia media no es igual a 0.0 pulgadas?
b) Construya una estimación del intervalo de confianza de
95% de la media poblacional. Interprete este intervalo.
e) Compare las conclusiones planteadas en los incisos a) y b).
d) Dado que n = 100, ¿debería preocuparse por la suposi-
ción de normalidad necesaria para la prueba t y para el
intervalo t?
9.34 En el problema 3.61 de la página 131 se describió la
operación de llenado de bolsas de té. Una característica impor-
tante de calidad que es de interés para este proceso es el peso
del té en las bolsas individuales. El archivo n1HHa contiene
un arreglo ordenado del peso, en gramos, de una muestra de 50
bolsas de té producidas durante un turno de ocho horas.
a) ¿Existe evidencia de que la cantidad media de té en cada
bolsa difiera de 5.5 gramos? (Utilice a = 0.01).
b) Construya una estimación del intervalo de confianza de
99% de la cantidad media poblacional del té que hay en
cada bolsa. Interprete este intervalo.
e) Compare las conclusiones planteadas en los incisos a) y b).
9.35 Aunque muchas personas piensan que pueden colocar
un alimento sobre la mesa en un periodo corto, un artículo
reportó que en realidad tardan alrededor de 40 minutos en
hacerlo. (Datos extraídos de N. Hellmich, "Americans Go
for the Quick Fix for Dinner", USA Today, 14 de febrero de
2006) . Suponga que se realiza otro estudio para probar la
validez de esta afirmación. Se selecciona una muestra de 25
personas y se registra el tiempo que tardan en preparar y
cocinar la comida (en minutos) con los siguientes resultados
(almacenados en el archivo mm):
44.0 51.9 49.7 40.0 55.5 33.0 43.4 41.3 45.2 40.7 41.1 49.1 30.9
45.2 55.3 52.1 55.1 38.8 43.1 39.2 58.6 49.8 43.2 47.9 46.6
a) ¿Existe evidencia de que el tiempo medio poblacional re-
querido para preparar y cocinar alimentos difiere de 40
minutos? Utilice el método del valor p y un nivel de sig-
nificancia de 0.05 .
b) ¿Qué suposición acerca de la distribución poblacional se
debe hacer para realizar la prueba t en a)?
e) Elabore una lista de las diversas formas en que se puede
evaluar la suposición hecha en el inciso b) .
d) Evalúe la suposición hecha en el inciso b) y determine si la
prueba t en el inciso a) es válida.

9.3 Pruebas de una cola

En la sección 9.11a prueba de hipótesis se utilizó para saber si la cantidad media poblacional de cereal
empacado es de 368 gramos. La hipótesis alternativa (H¡ : ¡..t -:t- 368) incluye dos posibilidades: la media
es menor que 368 gramos o la media es mayor que 368 gramos. Por esta razón, la región de rechazo se
divide en las dos colas de la distribución muestral de la media. En la sección 9.2 se utiliza una prueba
de dos colas para determinar si el monto medio por factura había cambiado de $120.
En contraste con esos dos ejemplos, muchas situaciones requieren una hipótesis alternativa
que se enfoque en una dirección en particular; por ejemplo, que la media poblacional es menor que
un valor específico. El problema de negocios sobre el tiempo que tarda el servicio de la ventanilla
de atención a clientes en el automóvil de un restaurante de comida rápida implica una situación de
este tipo. La rapidez con que se atiende a los clientes es muy importante para el éxito del servicio
(véase www.qsrmagazine.com/reports/drive_thru_time_study). En un estudio previo,
McDonald's tuvo un tiempo medio de servicio de 174.22 segundos, que era solo el noveno mejor
en la industria. Suponga que McDonald's tratara de mejorar la calidad reduciendo el tiempo de
 9.3 Pruebas de una cola 315

servicio mediante la implementación de un proceso de servicio en el automóvil más rápido en una

muestra de 25 tiendas. Dado que McDonald's solo querría establecer el nuevo proceso en todas sus
tiendas si la muestra de prueba revela una reducción en el tiempo de servicio en el automóvil, la
región de rechazo completa se localiza en la cola inferior de la distribución.

Método del valor crítico

Usted desea determinar si el nuevo proceso de servicio en el automóvil tiene una media menor que
174.22 segundos. Para realizar esta prueba de hipótesis de una cola, utilizamos el método de los
seis pasos descritos en la presentación 9.1 de la página 302.
Paso 1. Defina las hipótesis nula y alternativa:
Ho : ~ 2::: 174.22
H¡: ~ < 174.22
La hipótesis alternativa contiene la afirmación para la cual estamos tratando de encontrar
evidencias. Si la conclusión de la prueba es "rechazar Ha", existe evidencia estadística de
que el tiempo medio del servicio en el automóvil es menor que el tiempo en el proceso
antiguo. Esta sería una razón para cambiar el proceso de servicio en el automóvil en toda
la población de tiendas. Si la conclusión de la prueba es "no rechazar Ho" , entonces no
existe evidencia suficiente de que el tiempo medio del servicio en el automóvil en el
nuevo proceso sea menor que el tiempo en el proceso antiguo. Si ocurriera esto, no habría
suficiente razón para establecer el nuevo proceso en la población de tiendas.
Paso 2. Reúna los datos seleccionando una muestra de n = 25 tiendas y utilice a = 0.05.
Paso 3. Puesto que se desconoce a , utilice la distribución t y el estadístico de prueba t ESTA D. Nece-
sita suponer que el tiempo del servicio en el automóvil se distribuye de manera normal, ya
que solo seleccionó una muestra de 25 tiempos del servicio en el automóvil.
Paso 4. La región de rechazo está completamente contenida en la cola inferior de la distribución
muestral de la media, ya que se desea rechazar Ho solo cuando la media muestral sea sig-
nificativamente menor que 174.22 segundos. Cuando toda la región de rechazo está conte-
nida en una cola de la distribución muestral del estadístico de prueba, a la prueba se le
conoce como prueba de una cola o prueba direccional. Si la hipótesis alternativa in-
cluye el signo menor que, entonces el valor crítico de t es negativo. Como se observa en
la tabla 9.3 y en la figura 9.11, puesto que toda la región de rechazo se encuentra en la cola
inferior de la distribución t y contiene un área de 0.05, debido a la simetría de la distribu-
ción t, el valor crítico del estadístico de prueba t con 25 - 1 = 24 grados de libertad es
- 1.7109. La regla de decisión es:
Rechazar Ho si t ESTAD < -1.7109;
de otro modo, no rechazar Ho .

TABLA 9.3 Probabilidades acumuladas

Determinación del
valor crítico en la
.75 .90 .975 .99 .995
tabla t para un área Áreas de la cola superior
de 0.05 en la cola
inferior con 24 Grados de libertad .25 .10 .025 .01 .005
grados de libertad
1 1.0000 3.0777 12.7062 31.8207 63.6574
2 0.8165 1.8856 4.3027 6.9646 9.9248
3 0.7649 1.6377 3.1824 4.5407 5.8409

23 0.6853 1.3195 2.0687 2.4999 2.8073

~r-----~OH.6~8~48~~1.~31~7~8~~ 2.0639 2.4922 2.7969
25 0.6844 1.3163 2.0595 2.4851 2.7874
Fuente: Extraído de la tabla E.3 .
316 CAPÍTULO 9 Fundamentos de la prueba de hipótesis. Pruebas de una muestra

FIGURA 9.11
Prueba de hipótesis
de una cola para
una media (O"
desconocida) con
un nivel de
significancia
de 0.05
Región Región de
de rechazo no rechazo

Paso 5. De la muestra de 25 tiendas que seleccionó, encuentra que el tiempo medio muestral del
servicio en el automóvil es igual a 162.96 segundos y que la desviación estándar muestral
es igual a 20.2 segundos. Utilizando n = 25, X = 162.96, S = 20.2 Y la ecuación (9.2) de la
página 308,
X-J.L 162.96 - 174.22
tESTAD = - -S- =
20.2
-2.7871

Vn V25
Paso 6. Dado que tESTAD = - 2.7871 < - 1. 7109, se rechaza la hipótesis nula (véase la figura 9. 11).
Concluimos que el tiempo medio del servicio en el automóvil es menor que 174.22 segun-
dos. Existe evidencia suficiente para cambiar el proceso del servicio en el automóvil para
toda la población de tiendas.

Método del valor p

Siga los cinco pasos descritos en la presentación 9.2, de la página 305 , para ilustrar la prueba t en el
estudio sobre el tiempo para el servicio en el automóvil utilizando el método del valor p .
Pasos 1 a 3. Estos pasos son los mismos que el método del valor crítico de la página 315 .
Paso 4. t ESTA D = - 2.7871 (véase el paso 5 del método del valor crítico) . Dado que la hipótesis
alternativa indica una región de rechazo contenida completamente dentro de la cola infe-
rior de la distribución muestral, para calcular el valor p se necesita calcular la probabili-
dad de que el estadístico de prueba t ESTAD sea menor que - 2.7871. En la figura 9.12 se
observa que el valor p es 0.0051.

FIGURA 9.12
Resultados de la prueba t de Excel y Minitab para el estudio sobre el tiempo del servicio en el automóvil.

:t!l§ A : s ...: One-Sample T

1 itTest for the Hvpothesis ofthe Mean
2 i Tes t of mu = 1 74. 22 v s < 174 . .22
_~_¡ Data 9511 Oppe r
4 :Null Hypothesis fJ,; 174.22 N Mean StDev SE Mean BotUld T P
; -. LeVel of Signi ficante 0.05 25 1 62 .96 20 . 20 4 . 04 1.69.87 - 2.79 0 .005
_. 6. ,ISam ple Slze 25
7 :Sample Mean 162.96
j~:sample Standard Devlatlon 20.2
9,.Ji--- - - -- - -'-- - - j
lO ! Intermediate Calculations
.!!': Standard Error of the Mean 4.0400 =BS/SQRTIB6)
12 j Degrees of Freedom 24 =B6· 1
·i3ft Test Statistit -2.7871 =IB7 - 84)/811
j~'-r-
I -------1----I
15 ! lower-Taíl Te st
=~iiJ lowerCritical Value -L7109 =-TINVI2 ' B5, B12)
¡y lp-value 0.0051 =IF{813 <O, E22, (23)
L!8¡ Rejectthe null hypothesls =IF(B17 < B5, "Rejee! the null nypothesis",
"Do not rej ect the null hypothesis")
Notshown
eell E22: =TDISTIABS{B13}. 812. 1)
Cell 03: =1- E22

Paso 5. El valor p de 0.0051 es menor que a = 0.05 (véase la figura 9.13). Se rechaza Ho y se
concluye que el tiempo medio del servicio en el automóvil es menor que 174.22 segun-
dos. Existe evidencia suficiente para cambiar el proceso de servicio en el automóvil en
toda la población de tiendas.
 9.3 Pruebas de una cola 317

FIGURA 9.13
Determinación del
valor p para una
prueba de una cola

EJEMPLO 9.5 Una empresa que fabrica barras de chocolate está especialmente interesada en que el peso medio
de una barra de chocolate no sea mayor que 6.03 onzas. Se selecciona una muestra de 50 barras de
Prueba de una
chocolate; la media muestral es de 6.034 onzas y la desviación estándar muestral es de 0.02 onzas.
cola para la media
Con un nivel de significancia a = 0.01 , ¿existe evidencia de que el peso medio poblacional de las
barras de chocolate sea mayor que 6.03 onzas?
SOLUCiÓN Con el método del valor critico que se describe en la presentación 9.1 de la página 302,
Paso 1. Primero defina sus hipótesis:
Ho : p. ::::; 6.03
H, : p. > 6.03
Paso 2. Reúna los datos de una muestra de n = 50. Utilice a = 0.0 l .
Paso 3. Puesto que se desconoce a , utilice la distribución t y el estadístico de prueba t ESTA D '
Paso 4. La región de rechazo está completamente contenida en la cola superior de la distribución
muestral de la media, ya que se desea rechazar Ho solo cuando la media muestral sea sig-
nificativamente mayor que 6.03 onzas. Como toda la región de rechazo se encuentra en la
cola superior de la distribución t y contiene un área de 0.01, el valor crítico de la distribu-
ción t con 50 - 1 = 49 grados de libertad es 2.4049 (véase la tabla E.3).
La regla de decisión es:
Rechazar Ho si tESTAD> 2.4049;
de otro modo, no rechazar Ho.
Paso 5. En su muestra de 50 barras de chocolate, usted encuentra que el peso medio muestral es
~ 6.034 onzas y la desviación estándar muestral es de 0.02 onzas. Utilizando n = 50,
X = 6.034, S = 0.02 y la ecuación (9.2) de la página 308,

X - p. 6.034 - 6.03
t ESTA D = S = 1.414
0.02
Vn v'5O
Paso 6 Puesto que t ESTA D = 1.414 < 2.4049, o utilizando Excel de Microsoft o Minitab, el valor p
es 0.0818 > 0.0 1, no se rechaza la hipótesis nula. No existe evidencia suficiente para con-
cluir que el peso medio poblacional sea mayor que 6.03 onzas.

Para realizar pruebas de hipótesis de una cola, es necesario formular Ho y H¡ de manera adecuada.
El siguiente es un resumen de las hipótesis nula y alternativa para pruebas de una cola:
• La hipótesis nula, H o' representa el statu qua o la creencia actual en una situación.
• La hipótesis alternativa, H¡ , es lo opuesto a la hipótesis nula y representa una afirmación de
investigación o inferencia específica que se desea someter a prueba.
• Si se rechaza la hipótesis nula, se tiene evidencia estadística de que la hipótesis alternativa es
correcta.
• Si no se rechaza la hipótesis nula, no se logró demostrar la hipótesis alternativa. Sin em-
bargo, no lograr demostrar la hipótesis alternativa no significa que se haya demostrado la
hipótesis nula.
• La hipótesis nula siempre se refiere a un valor específico del parámetro pob!aciona! (como
p.) y no a un estadístico muestra! (como X).
318 CAPÍTULO 9 Fundamentos de la prueba de hipótesis. Pruebas de una muestra
• La afirmación de la hipótesis nula siempre incluye un signo de igualdad respecto del valor
especificado del parámetro (por ejemplo, Ho : J.L ¿ 174.22).
• La afirmación de la hipótesis alternativa nunca incluye un signo de igualdad respecto del
valor especificado del parámetro (por ejemplo, H¡ : J.L < 174.22).
I Problemas para la sección 9.3
APRENDIZAJE DE LOS FUNDAMENTOS
9.36 En una prueba de hipótesis de una cola donde se re-
chaza Ho únicamente en la cola superior, ¿cuál es el valor p
si ZESTAD = +2.00?
9.37 En el problema 9.36, ¿cuál sería su decisión estadís-
tica si sometiera a prueba la hipótesis nula con un nivel de
significancia de 0.05?
9.38 En una prueba de hipótesis de una cola donde se re-
chaza Ho únicamente en la cola inferior, ¿cuál es el valor p
si ZESTAD = -1.38?
9.39 En el problema 9.38, ¿cuál sería su decisión estadís-
tica si sometiera a prueba la hipótesis nula con un nivel de
significancia de 0.01?
9.40 En una prueba de hipótesis de una cola donde se re-
chaza Ho únicamente en la cola inferior, ¿cuál es el valor p
si ZESTAD = + 1.38?
9.41 En el problema 9.40, ¿cuál sería su decisión estadís-
tica si sometiera a prueba la hipótesis nula con un nivel de
significancia de 0.01?
9.42 En una prueba de hipótesis de una cola donde se re-
chaza Ho únicamente en la cola superior, ¿cuál es el valor
crítico del estadístico de prueba t con lOgrados de libertad
y un nivel de significancia de 0.01?
9.43 En el problema 9.42, ¿cuál sería su decisión estadís-
tica si tESTAD = +2.39?
9.44 En una prueba de hipótesis de una cola donde se re-
chaza Ho únicamente en la cola inferior, ¿cuál es el valor
crítico del estadístico de prueba tESTA D con 20 grados de li-
bertad y un nivel de significancia de 0.01?
9.45 En el problema 9.44, ¿cuál sería su decisión estadís-
tica si tESTAD = -1.15?
APLICACiÓN DE CONCEPTOS
9.46 En un año reciente, la Federal Communications Com-
mission reportó que el tiempo medio que esperaban los
clientes de Verizon para una reparación era de 36.5 horas.
Suponga que, en un esfuerzo por mejorar este servicio, se
desarrolla un nuevo proceso para el servicio de reparación.
Este nuevo proceso, utilizado para una muestra de 100 repa-
raciones, dio por resultado una media muestral de 34.5
horas y una desviación estándar muestral de 11.7 horas.
a) ¿Existe evidencia de que el tiempo medio poblacional
sea menor que 36.5 horas? (Utilice un nivel de signifi-
cancia de 0.05).
b) Determine el valor p e interprete su significado.
9.47 En un año reciente, la Federal Communications Com-
mission reportó que el tiempo medio que esperaban los
clientes de AT&T para una reparación era de 25.3 horas. Su-
ponga que , en un esfuerzo por mejorar este servicio, se
desarrolla un nuevo proceso para el servicio de reparación.
Este nuevo proceso, utilizado para una muestra de 100 repa-
raciones , dio por resultado una media muestral de 22.3
horas y una desviación estándar muestral de 8.3 horas.
a) ¿Existe evidencia de que el tiempo medio poblacional
sea menor que 25 .3 horas? (Utilice un nivel de signifi-
cancia de 0.05).
b) Determine el valor p e interprete su significado.
AUTO 9.48 El hospital Southside de Bay Shore, Nueva
. . . York, suele realizar pruebas de estrés para estudiar
el músculo cardiaco después de que una persona ha sufrido
un ataque al corazón . Los miembros del departamento de
imagen diagnóstica llevaron a cabo un proyecto para mejorar
la calidad con la finalidad de reducir el tiempo de respuesta
para las pruebas de estrés. El tiempo de respuesta se define
como el tiempo que transcurre desde que se solicita la prueba
hasta que el radiólogo firma los resultados de esta. En un ini-
cio, el tiempo medio de respuesta para una prueba de estrés
era de 68 horas. Después de incorporar cambios en el proceso
de la prueba de estrés, el equipo de mejora de calidad reunió
una muestra de 50 tiempos de respuesta. En esta muestra el
tiempo medio de respuesta fue de 32 horas, con una desvia-
ción estándar de 9 horas. (Datos extraídos de E. Godin, D.
Raven, C. Sweetapple y F. R. Del Guidice, "Faster Test Re-
sults", Quality Progress. enero de 2004, 37(1), pp. 33-39).
a) Si prueba la hipótesis nula con un nivel de significancia
de 0.01, ¿existe evidencia de que el nuevo proceso haya
reducido el tiempo de respuesta?
b) Interprete el significado del valor p en este problema.
9.49 Usted es gerente de un restaurante que entrega pizzas en
la residencia universitaria. Hace poco modificó su proceso de
entrega, en un esfuerzo por reducir el tiempo medio que trans-
curre actualmente entre el pedido y la entrega, que es de 25
minutos. Una muestra de 36 pedidos que se atienden con el
nuevo proceso de entrega produce una media muestral de 22.4
minutos y una desviación estándar muestral de 6 minutos.
a) Utilizando el método de seis pasos del valor crítico con
un nivel de significancia de 0.05, ¿existe evidencia de
que el tiempo medio de entrega poblacional es menor que
el valor medio poblacional anterior de 25 minutos?
b) Utilice el método de cinco pasos del valor p con un nivel
de significancia de 0.05.
e) Interprete el significado del valor p en el inciso b).
d) Compare sus conclusiones de los incisos a) y b).
9.50 El conteo diario de clientes por tienda, es decir, el nú-
mero medio de clientes diarios en una tienda de una cadena
de tiendas de comestibles a escala nacional que opera casi
10,000 locales ha permanecido estable en 900 durante cierto
tiempo. Para aumentar el conteo de clientes, la cadena está
considerando reducir los precios de las bebidas de café. El
de tamaño pequeño ahora costará $0.59 en lugar de $0.99 y
 9.4 Prueba Z de hipótesis para la proporción 319

el de tamaño mediano costará $0.69 en lugar de $1.19. Aun
con esta reducción en el precio, la cadena obtendrá un mar-
gen de ganancias de 40% en el café. Para someter a prueba
la nueva iniciativa, la cadena redujo los precios del café en
una muestra de 34 tiendas, donde los conteos de clientes han
permanecido casi exactamente en el promedio nacional de
900. Después de cuatro semanas, las tiendas de la muestra
se estabilizan en un conteo medio de clientes de 974, con
una desviación estándar de 96. Usted considera que este in-
cremento es sustancial porque también parece que se trata
de una muestra muy pequeña. ¿Cree que reducir los precios
del café es una buena estrategia para incrementar el conteo
medio de clientes?
a) Plantee las hipótesis nula y alternativa.
b) Explique el significado de los errores tipo I y tipo 11 en el
contexto de este escenario.
e) Con un nivel de significancia de 0.01, ¿existe evidencia
de que la reducción de los precios del café sea una buena
estrategia para incrementar el conteo medio de clientes?
d) Interprete el significado del valor p en el inciso e).
9.51 El tiempo medio de espera poblacional para pagar en
un supermercado era de 10.73 minutos. Recientemente, en un
esfuerzo por reducir el tiempo de espera, el supermercado
experimentó con un sistema que consiste en hacer una sola
fila con múltiples cajas registradoras. Se seleccionó una
muestra de 100 clientes y su tiempo medio de espera
para pagar fue de 9.52 minutos, con una desviación están-
dar muestral de 5.8 minutos.
a) Utilizando el método del valor crítico para la prueba de
hipótesis, con un nivel de significancia de 0.05, ¿existe
evidencia de que el tiempo medio de espera poblacional
para pagar es menor que 10.73 minutos?
b) Utilizando el método del valor p para la prueba de hipó-
tesis, con un nivel de significancia de 0.05 ¿existe evi-
dencia de que el tiempo medio de espera poblacional
para pagar sea menor que 10.73 minutos?
e) Interprete el significado del valor p en este problema.
d) Compare sus conclusiones en los incisos a) y b).

9.4 Prueba Z de hipótesis para la proporción

En algunas situaciones se busca someter a prueba una hipótesis acerca de la proporción de eventos
de interés en la población, p, en lugar de probar la media poblacional. Para empezar se selecciona
una muestra aleatoria y se calcula la proporción muestral, p = X/no Luego se compara el valor de
este estadístico con el valor hipotético del parámetro, 'Tr, para decidir si se rechaza la hipótesis
nula. Si el número de eventos de interés (X) y el número de eventos que no son de interés (n - X)
son de al menos cinco cada uno, entonces la distribución muestral de una proporción tiene una dis-
tribución aproximadamente normal. Se utiliza la prueba Z para la proporción dada en la ecua-
ción (9.3) con la finalidad de realizar la prueba de hipótesis para la diferencia entre la proporción
muestral, p, y la proporción poblacional hipotetizada, 'Tr.

PRUEBA Z PARA LA PROPORCiÓN

(9.3)

donde:
X Número de eventos de interés enla muestra
p = Proporción muestral = - =
n Tamaño de muestra
'Tr = Proporción hipotética de eventos de interés en la población
El estadístico de prueba ZESTAD tiene una distribución aproximadamente normal
estandarizada cuando X y (n - X) son al menos 5 cada uno.

De forma alternativa, al multiplicar el numerador y el denominador por n, se puede escribir el esta-

dístico de prueba ZESTAD en términos del número de eventos de interés, X, como se observa en la
ecuación (9.4).

PRUEBA Z PARA LA PROPORCIÓN EN TÉRMINOS DEL NÚMERO

DE EVENTOS DE INTERÉS

(9.4)
320 CAPÍTULO 9 Fundamentos de la prueba de hipótesis. Pruebas de una muestra

Método del valor crítico

Para ilustrar la prueba Z en el caso de una proporción, considere una encuesta realizada por Ameri-
can Express que buscaba determinar por qué los adultos desean tener acceso a Internet cuando es-
tán de vacaciones . (Datos extraídos de "Wired Vacationers", USA Today, 4 de junio de 2010,
p . lA). De 2,000 adultos, 1,540 dijeron que querían tener acceso a Internet para revisar su correo
electrónico personal mientras estaban de vacaciones. Una encuesta realizada el año anterior indicó
que 75% de los adultos querían tener acceso a Internet para revisar su correo electrónico personal
durante las vacaciones. ¿Existe evidencia de que el porcentaje de adultos que quieren tener acceso
a Internet para revisar su correo electrónico personal durante las vacaciones difiere del año ante-
rior? Para investigar esta pregunta, las hipótesis nula y alternativa son las siguientes:
Ha : 7T = 0.75, es decir, la proporción de adultos que quieren tener acceso a Internet para revisar
sus correos personales mientras están de vacaciones no ha cambiado desde el
año anterior.
HJ : 7T =1 0.75, es decir, la proporción de adultos que quieren tener acceso a Internet para revisar
sus correos personales mientras están de vacaciones ha cambiado desde el año
anterior.
Como usted está interesado en determinar si la proporción poblacional de adultos que quieren
tener acceso a Internet para revisar su correo electrónico personal durante las vacaciones difiere del
0.75 del año anterior, utiliza una prueba de dos colas. Si selecciona un nivel de significancia a = 0.05,
se establecen las regiones de rechazo y no rechazo que se observan en la figura 9.14, Y la regla de
decisión es:
Rechazar Ha si Z ESTAD < - 1.96 o si ZESTAD > + 1.96;
de otro modo, no rechazar Ha .

FIGURA 9.14
Prueba de hipótesis
de dos colas para la
proporción con un
nivel de significancia
de 0.05
t -1.96
Región Región de Región
de rechazo no rechazo de rechazo

Como 1,540 de los 2,000 adultos dijeron que querían tener acceso a Internet para revisar su correo
electrónico personal durante las vacaciones,
1,540
P = - - = 0.77
2,000
Puesto que X = 1,540 y n - X = 460, cada uno > 5, utilizando la ecuación (9.3),

P-7T 0.77 - 0.75 0.02

Z - ---;::::=;=== ::;
ESTAD- ~ 7T1-7T
( )
-;=;~~~~ = - - = 2.0656
0.75(1 - 0.75) 0.0097
n 2,000
o utilizando la ecuación (9.4),

X- n7T 1,540 - (2,000)(0.75) 40

ZESTAD-
- ----;====
, / ( )
- - - = 2.0656
V n7T 1 - 7T V2,000(0.75) (0.25) 19.3649

Debido a que Z ESTAD = 2.0656 > 1.96, se rechaza Ha' Existe evidencia de que la proporción pobla-
cional de todos los adultos que quieren tener acceso a Internet para revisar su correo electrónico
personal durante las vacaciones ha cambiado de 0.75 del año anterior. En la figura 9.15 se presen-
tan los resultados para estos datos, los cuales se obtuvieron mediante Excel y Minitab.
 9.4 Prueba Z de hipótesis para la proporción 321

FIGURA 9.15
Resultados de Excel y Minitab para la prueba Z sobre si la proporción de adultos que desean tener acceso a Internet
para revisar su correo personal mientras están de vacaciones ha cambiado desde el año anterior

rfGEfr~~::::::":~:~':~~::~~~:::=:~~:~:,::-'--'-'~~'------'-- B~::,~.~::~,:=j Test and el for One Proportion

¡
.,_}_: Z Test of Hypothesis forthe Proportion
2 :
Test o[ p = 0 . 75 vs p not = 0.75

l:í" ~
: ------:oa:-t:-.-'------I Sample X N Sample p 95~ CI Z-Value P- Value
1 1540 2000 0 .77 0000 (0.751557, 0.788443) 2.07 0. 039
¡' :;-¡ Null Hypothesis p= 0.75
[ "5 ': Level 01 Signlficance 0.05 Usinq the normal approximation.
l~i';Number 01 Item. of Interest 1540
I '~ :Sample Sile 2000

•.•-,~.':.,'..'.: Intenned;ate Calculat;on.

,lE. :Sample Proportlon 0.7700 =86/s7
t11 :Standard Error 0.0097 =SQRTlB4*(1- 84)/87)
R~ iZTest Statistic 2.0656 =(810 - 84)IB11

Ij~ ; Two-Tail Test

~.l,5 :lowerCritical Value -1.9600 =NORMSINV(B5/2)
1,.16.: Upper Critical Value 1.9600 =NORMS1NV(l, 85/2)
L~? Jp-Value 0 .0389 =2' (1- NORMSOIST(AIlSIB12)))
i __.:..:Re""je::;:ct.:..:t:.:.:he:..:,n:.::;ulc;..:1h;,!.YPc0c;:.th:.::;eS:.:=I'_ _-,
I.l~.,- =IF(B17 < 85, "Reject the null hypothes;s",
"'Do not rej ect the null hypothesjs")

Método del valor p

Como alternativa al método de! valor crítico, se puede calcular el valor p. Para esta prueba de dos
colas en la que la región de rechazo se localiza en la cola inferior y en la cola superior, necesita
obtener e! área por debajo de un valor Z de - 2.0656, y por arriba de un valor Z de +2.0656. En la
figura 9.15 se reporta un valor p de 0.0389. Debido a que este valor es menor que el nivel de signi-
ficancia elegido (a = 0.05), se rechaza la hipótesis nula.

---------_.._------- ._ --------------_.
EJEMPLO 9.6 Una cadena de comida rápida ha desarrollado un nuevo proceso para asegurarse de que los pedidos
del servicio al automóvil se procesen de manera correcta. El problema de negocios consiste en de-
Prueba de
terminar si el nuevo proceso puede aumentar el porcentaje de pedidos procesados de forma co-
hipótesis para
rrecta. El proceso anterior procesaba los pedidos de manera correcta 85% de las veces. Se reúnen
una proporción
datos de una muestra de 100 pedidos utilizando el nuevo proceso. Los resultados indican que 94
pedidos se procesaron correctamente. Con un nivel de significancia de 0.01, ¿puede concluir que el
nuevo proceso ha incrementado la proporción de pedidos procesados correctamente?
SOLUCiÓN Las hipótesis nula y alternativa son:
Ha: 7T" :::;0.85, es decir, la proporción poblacional de pedidos procesados correctamente con el
nuevo proceso es igualo menor que 0.85 .
H,: 7T" > 0.85, es decir, la proporción poblacional de pedidos procesados correctamente con el
nuevo proceso es mayor que 0.85 .
Puesto que X = 94 y n - X = 6, cada uno > 5, utilizando la ecuación (9.3), de la página 319,

X 94
p = - = - = 0.94
n 100

0.94 - 0.85 = _0_.0_9_ = 2.52

-/~O~.8~
5 (~1=-~
0.~
85:;::) 0.0357
\j 100

El valor p para Z ESTAD > 2.52 es 0.0059.

Utilizando el método del valor crítico se rechaza Ha si Z ESTAD > 2.33 . Mediante el método del
valor p se rechaza Ha si el valor p < 0.01. Como Z ESTAD = 2.52 > 2.33 o el valor p = 0.0059 < 0.01,
se rechaza Ha' Existe evidencia de que e! nuevo proceso ha incrementado la proporción de pedidos
correctos por arriba de 0.85.
322 CAPÍTULO 9 Fundamentos de la prueba de hipótesis. Pruebas de una muestra
I Problemas para la sección 9.4
APRENDIZAJE DE LOS FUNDAMENTOS
9.52 Si en una muestra aleatoria de 400 artículos, 88 están
defectuosos, ¿cuál es la proporción muestral de artículos de-
fectuosos?
9.53 En el problema 9.52, si la hipótesis nula plantea que
20% de los artículos de la población están defectuosos,
¿cuál es el valor de ZESTAD?
9.54 En los problemas 9.52 y 9.53, suponga que está some-
tiendo a prueba la hipótesis nula Ho: 1T = 0.20 contra la hipó-
tesis alternativa de dos colas H¡: 1T -¡. 0.20 Y que elige un nivel
de significancia a = 0.05. ¿Cuál es su decisión estadística?
APLICACiÓN DE CONCEPTOS
9.55 El Departamento de Educación de Estados Unidos re-
porta que 46% de los estudiantes universitarios de tiempo
completo trabajan mientras asisten a la universidad. (Datos
extraídos de "The Condition of Education 2009", National
Center for Educational Statistics, nces.ed.gov). Una encuesta
reciente aplicada a 60 estudiantes de tiempo completo de
Miami University reveló que 29 de ellos tenían un empleo.
a) Utilice el método de cinco pasos del valor p para la prueba
de hipótesis y un nivel de significancia de 0.05 para deter-
minar si la proporción de estudiantes de tiempo completo
en Miami University difiere de la norma nacional de 0.46.
b) Suponga que el estudio reveló que 36 de los 60 ~studi~n­
tes de tiempo completo tienen un empleo y repita el In-
ciso a). ¿La conclusión es la misma?
9.56 La participación que tiene el buscador de Internet
Mozilla Firefox en el mercado mundial era de 19.2% en un
mes reciente. Suponga que decide seleccionar una muestra
de 100 estudiantes en su universidad y que 25 utilizan el
buscador de Internet Mozilla Firefox. (Datos extraídos de J.
Swartz, "Race is On in Browser Wars as Users' Habits
Shift", USA Today, 1 de diciembre de 2010, pp. lB, 2B).
a) Utilice el método de cinco pasos del valor p para tratar de
determinar si existe evidencia de que la participación de
mercado del buscador de Internet Mozilla Firefox en la uni-
versidad es mayor que su participación en el mercado mun-
dial de 19.2%. (Utilice un nivel de significancia de 0.05).
b) Suponga que el tamaño de la muestra fue de n = 400 Y que
encontró que 25% de la muestra de estudiantes de su univer-
sidad (lOO de 400) utilizan el buscador de Internet Mozilla
Firefox. Utilice el método de cinco pasos del valor p para
tratar de determinar si existe evidencia de que la participa-
ción de mercado del buscador de Internet Mozilla Firefox en
su universidad es mayor que su participación en el mercado
mundial de 19.2%. (Utilice un nivel de significancia de 0.05).
e) Analice el efecto que tiene el tamaño de la muestra sobre
la prueba de hipótesis.
d) ¿Cuáles cree que serían sus probabilidades de rechazar
cualquier hipótesis nula respecto de una proporción po-
blacional si utiliza un tamaño de muestra n = 20?
9.57 Uno de los aspectos que enfrentan las organizaciones en
la actualidad es la creciente diversidad en todas sus áreas. Una
forma de evaluar el éxito de una organización en el incremento
de la diversidad consiste en comparar el porcentaje de emplea-
dos en la empresa que ocupan un puesto en particular con ante-
cedentes específicos con el porcentaje que ocupa un puesto en
particular con los mismos antecedentes específicos en la fuerza
laboral general. Recientemente, un gran centro médico acadé-
mico determinó que 9 de 17 empleados en un puesto específico
eran mujeres, mientras que 55% de los empleados que ocupan
este puesto en la fuerza general eran mujeres. Con un nivel de
significancia de 0.05, ¿existe evidencia de que la proporción
de mujeres que ocupan este puesto en el centro médico di-
fiere de lo que se esperaría en la fuerza laboral general?
~ 9.58 De 1,000 individuos entre 24 y 35 años de
..'. edad, 65% reportó que prefería "buscar un trabajo
en un lugar donde (le) gustaría vivir" en lugar de "buscar el
mejor trabajo que pueda encontrar, ya que (su) lugar de resi-
dencia es secundario". (Datos extraídos de L. Belkin, "What
Do Young Jobseekers Want? (Something Other Than a
Job)", The New York Times, 6 de septiembre de 2007,
p. G2). Con un nivel de significancia de 0.05, ¿existe evi-
dencia de que la proporción de todos los jóvenes entre 24 y
35 años de edad que buscan trabajo y que prefieren "buscar
un trabajo en un lugar donde les gustaría vivir", en lugar de
"buscar el mejor trabajo que puedan encontrar, ya que su
lugar de residencia es secundario", difiere de 60%?
9.59 Una empresa telefónica desea investigar la convenien-
cia de iniciar una campaña de marketing que ofrezca a los
clientes el derecho de contratar una línea telefónica adicional a
un costo de instalación muy reducido. La campaña se iniciará
si existe evidencia de que más de 20% de los clientes conside-
ran la posibilidad de contratar una línea telefónica adicional
con este costo de instalación. Se selecciona una muestra alea-
toria de 500 hogares. Los resultados indican que 135 de los
hogares contratarían la línea telefónica adicional a un costo de
instalación muy reducido.
a) Con un nivel de significancia de 0.05, ¿existe evidencia
de que más de 20% de los clientes contratarían la línea
telefónica adicional?
b) ¿De qué manera el gerente a cargo de los programas pro-
mocionales para los clientes residenciales utilizaría los
resultados del inciso a)?
9.60 Un estudio realizado por el Pew Internet andAmerícan
Life Proyect (pewinternet.org) reveló que los estadouniden-
ses tienen una actitud compleja y ambivalente hacia la tecno-
logía. (Datos extraídos de M. Himowitz, "How toTell What
Kind ofTech User You Are", Newsday, 27 de mayo de 2007,
p. F6). El estudio reportó que 8% de los participantes eran
"omnívoros", lo que, en este contexto, significa que adoran
los aparatos, envían mensajes de texto, juegan en línea (y.a
menudo tienen sus propios blogs o páginas web), hacen VI-
deos y publican material en YouTube. Usted cree que el por-
centaje de estudiantes de su escuela que son "omnívoros" es
mayor que 8% y planea realizar un estudio para demostrarlo.
a) Plantee la hipótesis nula y la alternativa.
b) Usted selecciona una muestra de 200 estudiantes en su
escuela y encuentra que 30 de ellos pueden clasificarse
como "omnívoros". Utilice el método de seis pasos del
valor crítico para la prueba de hipótesis o el método de
cinco pasos del valor p para determinar, con un nivel
de significancia de 0.05, si existe evidencia de que el por-
centaje de "omnívoros" en su escuela es mayor que 8%.
 9.5 Posibles desventajas de la prueba de hipótesis y cuestiones éticas 323

9.5 Posibles desventajas de la prueba de hipótesis y cuestiones éticas

Hasta ahora hemos estudiado los conceptos fundamentales de la prueba de hipótesis. Utilizamos la
prueba de hipótesis para analizar diferencias entre estadísticos muestrales y parámetros poblacionales
hipotéticos con la finalidad de tomar decisiones de negocios sobre características poblacionales sub-
yacentes. También aprendimos a evaluar los riesgos implicados en la toma de esas decisiones.
Cuando planee realizar una prueba de hipótesis con base en una encuesta, un estudio de inves-
tigación o el diseño de un experimento, debe plantearse varias preguntas para asegurarse de utilizar
la metodología adecuada. Durante la etapa de planeación, necesita plantear y responder preguntas
como las siguientes:
• ¿Cuál es el objetivo de la encuesta, el estudio o el experimento? ¿De qué manera podría tra-
ducir el objetivo en una hipótesis nula y una hipótesis alternativa?
• ¿Se trata de una prueba de hipótesis de una cola o de dos colas?
• ¿Es posible seleccionar una muestra aleatoria de la población subyacente de interés?
• ¿Qué tipos de datos reunirá en la muestra? ¿Las variables son numéricas o categóricas?
• ¿A qué nivel de significancia debe realizar la prueba de hipótesis?
• ¿El tamaño de la muestra elegido es lo suficientemente grande para lograr la potencia de-
seada de la prueba, de acuerdo con el nivel de significancia seleccionado?
• ¿Qué procedimiento de prueba estadística se debe usar y por qué?
• ¿A qué conclusiones e interpretaciones podría llegar a partir de los resultados de la prueba de
hipótesis?
El hecho de no considerar estas preguntas al inicio del proceso de planeación podría generar
resultados sesgados o incompletos. La planeación adecuada ayuda a garantizar que el estudio esta-
dístico dé la información objetiva necesaria para tomar buenas decisiones de negocios.

Significancia estadística en comparación

con significancia práctica
Es necesario distinguir entre un resultado estadísticamente significativo y su significancia práctica en
un campo de aplicación. En ocasiones, debido a un tamaño de muestra demasiado grande, podría ob-
tener un resultado que es estadísticamente significativo pero con poca significancia práctica. Por
ejemplo, suponga que antes del lanzamiento de una campaña nacional de marketing, basada en una
serie de costosos comerciales televisivos, usted cree que la proporción de personas que reconocen su
marca es de 0.30. Al final de la campaña, una encuesta de 20,000 personas indica que 6,168 recono-
cieron su marca. Una prueba de una cola, realizada para tratar de demostrar que ahora la proporción
es mayor que 0.30, arroja un valor p de 0.0047 y la conclusión estadística correcta es que se incre-
mentó la proporción de consumidores que reconocen su marca. ¿Tuvo éxito la campaña? El resultado
de la prueba de hipótesis indica un incremento estadísticamente significativo en la conciencia de
marca, pero ¿este incremento tiene una importancia práctica? Se estima que la proporción poblacio-
nal actual es de 6,168/20,000 = 0.3084 o 30.84%. Este incremento representa menos del 1% del valor
hipotético de 30%. ¿Los cuantiosos gastos asociados con la campaña de marketing producen un re-
sultado con un incremento significativo en la conciencia de marca? Debido al impacto tan bajo en el
mundo real que tiene un incremento de menos de 1% sobre la estrategia de marketing general, y a los
enormes gastos asociados con la campaña de marketing, se debe concluir que la campaña no tuvo
éxito. Por otro lado, si la campaña hubiera aumentado la conciencia de marca de 30 a 50%, nos senti-
ríamos inclinados a concluir que la campaña fue exitosa.

Informe de los hallazgos

Al realizar investigaciones, se debe documentar tanto los buenos como los malos resultados. No
hay que limitarse a informar los resultados de las pruebas de hipótesis que indiquen significancia
estadística y omitir aquellos hallazgos donde no existan evidencias suficientes. En los casos en que
no existen evidencias suficientes para rechazar Ho , debemos dejar claro que esto no demuestra
que la hipótesis nula sea verdadera. Lo que el resultado indica es que, con el tamaño de muestra
uti lizado, no existe suficiente información para refutar la hipótesis nula.
324 CAPÍTULO 9 Fundamentos de la prueba de hipótesis. Pruebas de una muestra

Cuestiones éticas
Necesitamos distinguir entre la metodología de investigación inadecuada y una conducta sin ética.
Cuando se manipula el proceso de la prueba de hipótesis, surgen aspectos éticos. Algunas de las
áreas donde pueden surgir problemas éticos son el uso de sujetos humanos en experimentos, el
método de recolección de datos, el tipo de prueba (de una cola o de dos colas), la selección del ni-
vel de significancia, la limpieza y el desecho de datos, y la falta de un informe con los hallazgos
pertinentes.

En Oxford Cereals, parte 11, Revisión

C
omo gerente de operaciones de planta en Oxford Cereals,
usted es el responsable del proceso de llenado de las cajas
de cereal. Usted debía ajustar el proceso cuando el peso me-
dio de llenado en la población de cajas se desviaba de la es-
pecificación de 368 gramos establecida por la empresa. Como pesar
todas las cajas de cereal era una labor que requeriría mucho tiempo y
Maja SchonlShutterstock.com
sería impráctica, necesitaba seleccionar y pesar una muestra de cajas
para efectuar una prueba de hipótesis.
Determinó que la hipótesis nula afirmaría que la media de llenado poblacional era de 368 gra-
mos. Si el peso medio de las cajas de la muestra estaba suficientemente por arriba o por debajo de
la media esperada de 368 gramos especificada por Oxford Cereals, rechazaría la hipótesis nula a
favor de la hipótesis alternativa de que la media de llenado era diferente de 368 gramos. Si esto
ocurría, usted detendría la producción y tomaría las medidas necesarias para corregir el problema.
Si la hipótesis nula no era rechazada, continuaría creyendo en el statu qua, es decir, que el proceso
funcionaba de manera correcta y que, por lo tanto, no tomaría medidas correctivas.
Antes de proceder, usted considera los riesgos implicados en la prueba de hipótesis. Si recha-
zaba una hipótesis nula verdadera, cometería un error tipo 1 y concluiría que la media de llenado
poblacional no era de 368, cuando en realidad era de 368. Este error provocaría que se ajustara el
proceso de llenado, aun cuando este estuviera funcionando de manera adecuada. Si no rechazaba una
hipótesis nula falsa, cometería un error tipo II y concluiría que la media de llenado poblacional era
de 368, cuando en realidad no lo era. En tal caso, permitiría que el proceso continuara sin ajustarlo,
aun cuando el proceso no estuviera funcionando de manera adecuada.
Después de reunir una muestra aleatoria de 25 cajas de cereal, utilizó el método de seis pasos
del valor crítico para la prueba de hipótesis. Como el estadístico de prueba cayó en la región de no
rechazo, usted no rechazó la hipótesis nula y concluyó que no había evidencia suficiente para de-
mostrar que la media de llenado difería de 368 gramos. No era necesario tomar medidas correcti-
vas en el proceso de llenado.
 Problemas de repaso para el capítulo 325

RESUMEN
En este capítulo se presentaron los fundamentos de la
prueba de hipótesis. Aprendimos a realizar pruebas sobre
la media poblacional y sobre la proporción poblacional. En
el capítulo también se estudiaron los métodos del valor crÍ-
tico y del valor p para la prueba de hipótesis.
Para decidir qué prueba utilizar, se deben plantear
las siguientes preguntas : ¿La prueba incluye una variable
numérica o una variable categórica? Si la prueba incluye
una variable numérica, utilice la prueba t para la media. Si
incluye una variable categórica, utilice la prueba Z para la
proporción. En la tabla 9.4 se presentan las pruebas de hipó-
tesis que se estudiaron en el capítulo.

TABLA 9.4
Tipo de datos
Resumen de los
temas del capítulo 9 Tipo de análisis Numéricos Categóricos
Prueba de hipótesis respecto Prueba Z de hipótesis para Prueba Z de hipótesis para
de un solo parámetro la media (sección 9.1) la proporción (sección 9.4)

Prueba t de hipótesis para

la media (sección 9.2)

ECUACIONES CLAVE
Prueba Z para la media (cuando se conoce u) Prueba Z para la proporción
X-f.L P - 7r
Z ESTAD = - - - (9.1) Z STAT =) ( ) (9.3)
U 7r1-7r
vn n

Prueba t para la media (cuando se desconoce u) Prueba Z para la proporción en términos del número
de eventos de interés
X - f.L
t ESTAD= --s- (9.2)
x- n7r
Z ESTAD = (9.4)
vn Vn7r( I - 7r)

TÉRMINOS CLAVE
coeficiente de confianza 299
error tipo 1 298
error tipo 11 298
estadístico de prueba 298
hipótesis alternativa (H,) 296
hipótesis nula (Ho) 296
nivel de significancia (a) 299
potencia de una prueba estadística
proporción muestral 319 prueba Z para la proporción 319
prueba de dos colas 301 región de no rechazo 298
prueba de hipótesis 296 región de rechazo 298
prueba de una cola 315 riesgo {3 299
prueba direccional 315 valor crítico 298
prueba robusta 311 valor p 303
prueba t para la media 308
299 prueba Z para la media 300

PROBLEMAS DE REPASO PARA EL CAPíTULO

VERIFICACiÓN DE SU COMPRENSiÓN 9.63 ¿Qué es la potencia de una prueba?
9.61 ¿Qué diferencia hay entre una hipótesis nula, Ho, y 9.64 ¿Qué diferencia hay entre una prueba de una cola
una hipótesis alternativa, H,? y una prueba de dos colas?
9.62 ¿Qué diferencia hay entre un error tipo 1 y un error 9.65 ¿Qué es un valor p?
tipo II?
326 CAPÍTULO 9 Fundamentos de la prueba de hipótesis. Pruebas de una muestra
9.66 ¿De qué manera una estimación del intervalo de con-
fianza para la media poblacional ofrece conclusiones res-
pecto de la correspondiente prueba de hipótesis de dos colas
para la media poblacional?
9.67 ¿Cuál es el método de seis pasos del valor crítico para
la prueba de hipótesis?
9.68 ¿Cuál es el método de cinco pasos del valor p para la
prueba de hipótesis?
APLICACiÓN DE CONCEPTOS
9.69 Un artículo de Marketing News (T. T. Semon, "Consi-
der a Statistical Insignificance Test", Marketing News, 1 de
febrero de 1999) planteaba que el nivel de significancia que
se utiliza al comparar dos productos suele ser demasiado
bajo, es decir, que en ocasiones se debe utilizar un valor a
mayor que 0.05. En específico, el artículo describía una
prueba de la proporción de clientes potenciales que prefe-
rían el producto 1 sobre el producto 2. La hipótesis nula
planteaba que la proporción poblacional de los clientes po-
tenciales que preferían el producto 1 era de 0.50, y la hipó-
tesis alternativa planteaba que no era igual a 0.50. El valor p
de la prueba fue 0.22. El artículo sugería que, en algunos
casos, esta debería ser evidencia suficiente para rechazar la
hipótesis nula.
a) Plantee, en términos estadísticos, la hipótesis nula y la
alternativa para este ejemplo.
b) Explique los riesgos asociados con los errores tipo 1 y
. tipo 11 en este caso.
e) ¿Cuáles serían las consecuencias si se rechazara la hipó-
tesis nula para un valor p de 0.22?
d) ¿Por qué cree que el artÍCulo sugería incrementar el valor
de a?
e) ¿Qué haría usted en esta situación?
1) ¿Cuál sería su respuesta en el inciso e) si el valor p fuera
igual a 0.12? ¿Y si fuera igual a 0.06?
9.70 La Quinta Motor Inns desarrolló un modelo de cómputo
para predecir la rentabilidad de lugares considerados adecua-
dos como terrenos para nuevos hoteles. Si el modelo de cómputo
pronostica grandes utilidades, La Quinta compra el lugar pro-
puesto y construye un nuevo hotel. Si el modelo de cómputo
pronostica ganancias moderadas o reducidas, La Quinta decide
no adquirir el lugar. (Datos extraídos de S. E. Kimes y J. A.
Fitzsirnmons, "Selecting Profitable Hotel Sites at La Quinta
Motor Inns", Interfaces, Vol. 20, marzo-abril de 1990, pp. 12-
20). Este procedimiento de toma de decisiones se puede ex-
presar en el marco de la prueba de hipótesis. La hipótesis nula
es que el sitio no es un lugar redituable; la hipótesis alterna-
tiva es que el sitio es un lugar redituable.
a) Explique los riesgos asociados con cometer un error tipo
1 en este caso.
b) Explique los riesgos asociados con cometer un error tipo
II en este caso.
e) ¿Qué tipo de error cree usted que los ejecutivos de La
Quinta Motor Inns desean evitar? Explique su respuesta.
d) ¿Cómo afectan los cambios en el criterio de rechazo las
probabilidades de cometer errores tipo I y tipo II?
9.71 Webcredible, una empresa de consultoría ubicada en
el Reino Unido que se especializa en sitios web, intranets,
dispositivos móviles y aplicaciones, realizó una encuesta a
1,132 usuarios de telefonía móvil entre febrero y abril de
2009. La encuesta reveló que 52% de los usuarios de telefo-
nía móvil ahora están utilizando Internet móvil. (Datos ex-
traídos de .. Email and Social Networking Most Popular
Mobile Internet Activities", www.webcredible.co.uk, 13 de
mayo de 2009). Los autores del artículo afirman que la en-
cuesta demuestra que más de la mitad de los usuarios de te-
lefonía móvil ahora utilizan Internet móvil.
a) Utilice el método de cinco pasos del valor p para la
prueba de hipótesis y un nivel de significancia de 0.05,
para probar que más de la mitad de los usuarios de telefo-
nía móvil ahora utilizan Internet móvil.
b) Con base en el resultado que obtuvo en el inciso a), ¿es
válida la afirmación de los autores?
e) Suponga que la encuesta reveló que 53% de los usuarios
de telefonía móvil ahora utilizan Internet móvil. Repita
los incisos a) y b).
d) Compare los resultados de los incisos b) y c).
9.72 El gerente de una estación de gasolina desea estudiar
los hábitos de compra de gasolina de los automovilistas en su
negocio. Para eso selecciona una muestra aleatoria de 60 auto-
movilistas durante cierta semana 0?n los siguientes resultados:
• La cantidad comprada fue X = 11.3 galones, S = 3.1
galones.
• Once automovilistas compraron gasolina premium .
a) Con un nivel de significancia de 0.05, ¿existe evidencia de
que la compra media poblacional difiera de 10 galones?
b) Determine el valor p en el inciso a).
e) Con un nivel de significancia de 0.05, ¿existe evidencia
de que menos de 20% de los automovilistas compraron
gasolina premium en la estación?
d) ¿Cuál sería su respuesta en el inciso a) si la media mues-
tral fuera igual a 10.3 galones?
e) ¿Cuál sería su respuesta en el inciso c) si 7 automovilis-
tas hubieran comprado gasolina premium?
9.73 Al auditor de una oficina gubernamental se le asigna
la tarea de evaluar el reembolso por visitas médicas pagadas
por Medicare. La auditoría se realizó en una muestra de 75
reembolsos con los siguientes resultados:
• En 12 de las visitas médicas, el monto del reembolso fue
incorrecto.
• El monto del reembolso fue de X = $93.70, S = $34.55.
a) Con un nivel de significancia de 0.05, ¿existe evidencia de
que el reembolso medio poblacional fue menor que $1 OO?
b) Con un nivel de significancia de 0.05, ¿existe evidencia
de que la proporción de reembolsos incorrectos en la po-
blación fuera mayor que 0.1O?
e) Analice los supuestos subyacentes de la prueba utilizada
en el inciso a).
d) ¿Cuál sería su respuesta en el inciso a) si la media mues-
tral fuera igual a $90?
e) ¿Cuál sería su respuesta en el inciso b) si 15 visitas médi-
cas tuvieran reembolsos incorrectos?

9.74 Una sucursal bancaria, localizada en un distrito co-
mercial de una ciudad, tenía el objetivo de negocios de me-
jorar el proceso de servicio a los clientes durante la hora
del almuerzo entre el mediodía y la 1:00 p.m. Se registra el
tiempo de espera (definido como el tiempo que transcurre
entre el momento en que el cliente se forma en la fila y el
momento en que llega a la ventanilla) de una muestra alea-
toria de 15 clientes, y los resultados ordenados (y almacena-
dos en el archivo C!mII) son los siguientes:
4.21 5.55 3.02 5.13 4.77 2.34 3.54 3.20
4.50 6.10 0.38 5.12 6.46 6.19 3.79
a) Con un nivel de significancia de 0.05 , ¿existe evidencia
de que el tiempo medio poblacional de espera sea menor
que 5 minutos?
b) ¿Qué suposición acerca de la distribución poblacional se
debe hacer para realizar la prueba t en el inciso a)?
e) Construya un diagrama de caja o una gráfica de probabi-
lidad normal para evaluar la suposición que se hizo en el
inciso b).
d) ¿Considera que la suposición necesaria para realizar la
prueba t en el inciso a) es válida? Explique su respuesta.
e) Cuando un cliente entra a la sucursal durante la hora del
almuerzo, pregunta al gerente cuánto tiempo deberá es-
perar. El gerente responde: "Casi con certeza, no más de
5 minutos". Con base en los resultados del inciso a) , eva-
lúe esta afirmación.
9.75 Una empresa fabricante produce aislantes eléctricos.
Si los aislantes se rompen mientras se están utilizando, po-
dría ocurrir un cortocircuito. Para probar la resistencia de
los aislantes, se realizan pruebas destructivas con la finali-
dad de determinar cuánta fuerza se requiere para romperlos.
La fuerza se mide observando el número de libras de fuerza
aplicadas al aislante antes de su rompimiento. Los siguien-
tes datos (almacenados en el archivo 1m) corresponden a
30 aislantes sometidos a esta prueba:
1,870 1,728 1,656 1,610 1,634 1,784 1,522 1,696 1,592 1,662
1,866 1,764 1,734 1,662 1,734 1,774 1,550 1,756 1,762 1,866
1,820 1,744 1,788 1,688 1,810 1,752 1,680 1,810 1,652 1,736
a) Con un nivel de significancia de 0.05 ¿existe evidencia
de que la fuerza media poblacional requerida para rom-
per el aislante es mayor que l,500 libras?
b) ¿Qué suposición acerca de la distribución poblacional se
debe hacer para realizar la prueba t en el inciso a)?
e) Construya un histograma, un diagrama de caja o una grá-
fica de probabilidad normal para evaluar la suposición
que hecha en el inciso b).
d) ¿Considera que la suposición necesaria para realizar la
prueba t en el inciso a) es válida? Explique su respuesta.
9.76 Una importante característica de calidad utilizada por
el fabricante de las tejas de asfalto Boston y Vermont es la
cantidad de humedad que contienen las tejas cuando se em-
pacan. Los clientes podrían pensar que adquirieron un producto
de mala calidad si encuentran humedad y tejas mojadas den-
tro de los empaques. En algunos casos, la humedad excesiva
provoca que los gránulos adheridos a la teja para darles cierta
Problemas de repaso para el capítulo 327
textura y color se desprendan, ocasionando problemas en su
apariencia. Para vigilar la cantidad de humedad presente, la
empresa realiza pruebas de humedad. Se pesa una teja y luego
se seca; luego se pesa nuevamente y, con base en la cantidad
de humedad extraída del producto, se calculan las libras de
humedad por cada 100 pies cuadrados. A la empresa le gusta-
ría demostrar que el contenido medio de humedad es menor
que 0.35 libras por cada 100 pies cuadrados . El archivo
iMMMfi incluye 36 mediciones (en libras por cada 100 pies
cuadrados) para las tejas Boston y 31 para las tejas Vermont.
a) Para las tejas Bastan, ¿existe evidencia con un nivel de
significancia de 0.05 de que el contenido medio pobla-
cional de humedad es menor que 0.35 libras por cada 100
pies cuadrados?
b) Interprete el significado del valor p en el inciso a).
e) Para las tejas Vermont, ¿existe evidencia con un nivel de
significancia de 0.05 de que el contenido medio pobla-
cional de humedad es menor que 0.35 libras por cada 100
pies cuadrados?
d) Interprete el significado del valor p en el inciso e).
e) ¿Qué suposición acerca de la distribución poblacional se
debe hacer para realizar la prueba t en los incisos a) y e)?
f) Construya histogramas, diagramas de caja o gráficas de
probabilidad normal para evaluar la suposición hecha en
los incisos a) y e).
g) ¿Considera que la suposición necesaria para realizar la
prueba t en los incisos a) y e) es válida? Explique su
respuesta.
9.77 Estudios realizados por el fabricante de las tejas de as-
falto Boston y Vermont han demostrado que el peso del pro-
ducto es un factor importante en la percepción de calidad de los
clientes. Además, el peso representa la cantidad de materia
prima utilizada y, por lo tanto, es muy importante para la em-
presa desde el punto de vista del costo. La última etapa de la
línea de ensamble empaca las tejas antes de colocar los paque-
tes sobre paletas de madera. Una vez que se llena una paleta (la
mayoría de las marcas de paletas contienen 16 pies cuadrados
de tejas), se pesa y se registra la medición. El archivo _ in-
cluye datos sobre el peso (en libras) de una muestra de 368 pa-
letas de tejas Boston y de 330 paletas de tejas Vermont.
a) Para las tejas Boston, ¿existe evidencia de que el peso
medio poblacional difiera de 3,150 libras?
b) Interprete el significado del valor p en el inciso a).
e) Para las tejas Vermont, ¿existe evidencia de que el peso
medio poblacional difiera de 3,700 libras?
d) Interprete el significado del valor p en el inciso e).
e) En los incisos a) a d), ¿debe preocuparse por la suposi-
ción de normalidad? Explique su respuesta.
9.78 El fabricante de las tejas de asfalto Boston y Vermont
ofrece a sus clientes 20 años de garantía en la mayoría de
sus productos. Para determinar si una teja durará tanto como
el periodo de garantía, se realizan pruebas de aceleración de
vida en la planta de fabricación. Las pruebas de aceleración
de vida exponen a una teja a las presiones a las que estaría
sujeta en un uso normal a lo largo de su vida, por medio de
un experimento en un ambiente de laboratorio que solo
toma unos cuantos minutos. En esta prueba se raspa una teja
328 CAPÍTULO 9 Fundamentos de la prueba de hipótesis. Pruebas de una muestra

de manera repetida con un cepillo durante un tiempo y se
pesan los gránulos desprendidos por el cepillado (en gra-
mos). Se espera que las tejas que experimentan menor pér-
dida de gránulos duren más tiempo con un uso normal que
las tejas que experimentan grandes pérdidas de gránulos. El
archivo (§ti.!IiM incluye información sobre una muestra de
170 mediciones realizadas con las tejas Boston de la em-
presa y 140 mediciones hechas con las tejas Vermont.
a) Para las tejas Boston, ¿existe evidencia de que la pérdida
media de gránulos poblacional difiera de 0.50 gramos?
b) Interprete el significado del valor p en el inciso a).
e) Para las tejas Vermont, ¿existe evidencia de que la pérdida
media de gránulos poblacional difiera de 0.50 gramos?
d) Interprete el significado del valor p en el inciso c).
e) En el inciso a) a d), ¿debe preocuparse por la suposición
de normalidad? Explique su respuesta.
EJERCICIO DE INFORME ESCRITO
9.79 Remítase a los resultados de los problemas 9.76 a
9.78 sobre las tejas Boston y Vermont, y redacte un reporte
en el que evalúe el nivel de humedad, el peso y la pérdida de
gránulos de los dos tipos de tejas.

ADMINISTRACiÓN DE ASHLAND
MULTICOMM SERVICES
Continuando con la vigilancia de la velocidad de subida de 0.854 1.023 1.005 1.030 1.219 0.977 1.044 0.778 1.122 1.114
información descrita en el capítulo 6 en el caso "Administra- 1.091 1.086 1.141 0.931 0.723 0.934 1.060 1.047 0.800 0.889
ción de Ashland Multicomm Services" de la página 222, el 1.012 0.695 0.869 0.734 1.131 0.993 0.762 0.814 1.108 0.805
departamento de operaciones técnicas desea asegurarse de 1.223 1.024 0.884 0.799 0.870 0.898 0.621 0.818 1.113 1.286
que la velocidad media de subida buscada para todos los sus- 1.052 0.678 1.162 0.808 1.012 0.859 0.951 1.112 1.003 0.972
criptores del servicio de Internet sea de al menos 0.97, en una Calcule los estadísticos muestrales y determine si existe evi-
escala estándar en la que se busca un valor de 1.0. Cada día se dencia de que la velocidad media poblacional de subida es
midió la velocidad de subida 50 veces y se obtuvieron los si- menor que 0.97. Escriba un memorando para la administra-
guientes resultados (almacenados en el archivo ca). ción donde resuma sus conclusiones.

CASO DIGITAL
Aplique sus conocimientos sobre la prueba de hipótesis en
este Caso digital, que continúa con la controversia sobre el
llenado de cajas de cereal que se describió en el Caso digi-
tal del capítulo 7.
En respuesta a los comentarios negativos hechos por el grupo
Concerned Consumers About Cereal Cheaters (CCACC) en
el Caso digital del capítulo 7, Oxford Cereals realizó reciente-
mente un experimento sobre el empaque del cereal. La em-
presa asegura que los resultados del experimento refutan las
acusaciones que el grupo CCACC ha hecho a Oxford Cereals
de estar engañando a sus consumidores al empacar menor
cantidad de cereal que los pesos indicados en la etiqueta.
Abra OxfordCurrentNews.pdf, un portafolio de co-
municados de prensa de Oxford Cereals. Revise los comuni-
cados de prensa relevantes y los documentos de respaldo.
Luego responda las siguientes preguntas:
1. ¿Son válidos los resultados del experimento? ¿Por
qué? Si usted estuviera realizando el experimento, ¿cambia-
ría algo en las condiciones de este?
2. ¿Los resultados apoyan la afirmación de que Oxford Ce-
reals no está engañando a sus clientes?
3. ¿Es sorpresiva la afirmación del director general de
Oxford Cereals de que muchas cajas de cereal contienen
más de 368 gramos? ¿Es verdad?
4. ¿Podría darse el caso de que tanto los resultados del ex-
perimento de Oxford Cereals como los resultados de
CCACC sean correctos? Explique su respuesta.

REFERENCIAS
1. Bradley, J. V. Distribution-Free Statistical Tests (Upper 3. Microsoft Excel2010 (Redmond, WA: Microsoft Corp.,
Saddle River, NJ: Prentice Hall, 1968). 2007).
2. Daniel W., Applied Nonparametric Statistics, 2a ed . 4. Minitab Release 16 (State College, PA: Minitab Inc.,
(Boston: Houghton Mifflin, 1990). 2010).
 Guía del capítulo 9 para Excel 329

GE9.1 FUNDAMENTOS DE Para los problemas que utilizan datos sin resumir, haga clic
LA METODOLOGíA en Sample Statistics Unknown en el paso 4 e ingrese el
DE LA PRUEBA DE HIPÓTESIS rango de celdas de los datos sin resumir como Sample Cell
Range .
PHStat2 Utilice Z Test for the Mean, sigma known con
la finalidad de realizar la prueba Z para la media cuando se Excel en profundidad Utilice la hoja de cálculo
conoce (J. Por ejemplo, si desea realizar la prueba Z para el COMPUTE del libro Z Mean, que se observa en la figura
ejemplo del llenado de las cajas de cereal de la figura 9.5, en 9.5 de la página 304, como plantilla para realizar la prueba
la página 304, seleccione PHStat -+ One Sample Test -+ Z de dos colas. La hoja de cálculo contiene los datos para el
Z Test for the Mean, sigma known. En el cuadro de diá- ejemplo del llenado de las cajas de cereal de la sección 9.1.
logo del procedimiento (que se muestra abajo): Para otros problemas, cambie los valores en las celdas B4 a
B8, según sea necesario.
1. Ingrese 368 como Null Hypothesis.
En las celdas BI5 y B16, NORMSINV(levelofsignifi-
2. Ingrese 0.05 en Level of Significan ce.
canee /2) Y NORMSINV(l-level ofsignificance / 2) calcu-
3. Escriba 15 en Population Standard Deviation.
lan los valores críticos inferior y superior. La expresión 2 *
4. Haga clic en Sample Statistics Known y escriba 25 en
(1- normsdist (absolute value ofthe Z test statistic) calcula
Sample Size y 372.5 en Sample Mean.
el valor p para la prueba de dos colas en la celda B 17. En la
5. Haga clic en Two-Tail Test.
celda A 18, IF(P value < level of significance, display reject
6. Escriba un título en Title y haga clic en OK.

-
message, display do not reject message) determina cuál
mensaje se debe mostrar en la celda.
Z Test ter the Mean, sigma knewn

(-.. Data ~-- ..-------.--..-----c. "-------.----.-.-,

NtjU Hypothesis:
GE9.2 PRUEBA t DE HIPÓTESIS PARA
Leve! ofSignificance:
LA MEDIA (u DESCONOCIDA)
PopuIation Standard Delliation: PHStat2 Utilice t Test for the Mean, sigma unknown
, Sample Statistics Options ~- .. -.--~ .. --...- ..--.-......--..-¡
para realizar la prueba t para la media cuando se desconoce
lo Sample StatisticsKnown (J. Por ejemplo, para realizar la prueba t en el ejemplo de las
Sample Size: 125 facturas de ventas de la figura 9.7, en la página 310, selec-
Sample Mean: 1372.5 cione PHStat -+ One Sample Test -+ t Test for the Mean,
(" Sample Statistics Unknown sigma unknown. En el cuadro de diálogo del procedimiento
Si'jl"i!ph¡3Ce\¡Ran(J,e~ r-,----::::;:¡-. (que se muestra en la parte superior de la página 330):
'f7 F:írt~tce¡ít:onta¡ri)7 l.abei
1. Ingrese 120 como Null Hypothesis.
,-- Test Options ____...____._._.___.______._____.__ c_... ______,
2. Ingrese 0.05 en Level of Significance.
lo Two-Tail Test 3. Haga clic en Sample Statistics Known y escriba 12 en
(" Upper-TailTest Sample Size, 112.85 en Sample Mean y 20.8 en Sam-
(" Lower-Tai¡ Test pie Standard Deviation.
[' Oulput Op
. lions
4. Haga clic en Two-Tail Test.
! TIlle: I I 5. Escriba un título en Title y haga clic en OK.

Help IL. OK"JI Cancel I

330 CAPÍTULO 9 Fundamentos de la prueba de hipótesis. Pruebas de una muestra
t Test fo,r the Mean, sigma unknown
Data ,-.-..--.. -.- ,.- -------- -.------.,--.--- ---.--".-......-,.,
NulI Hypothesis:
Level of Signilkance:
Sample Statistics Optioos .-...~"_.... - ....".- .......".....,
ro Sample Statistics Known
Sample Size: 112
Samp!eMean: 1i-
1-12-.8S-' -
Sample standard Deviabon~ l20. 8
r Samp!e Statislics Unknown
r---:d-"_'
Para los problemas que utilizan datos sin resumir, haga clic
en Sample Statistics Unknown en el paso 3 e ingrese el
rango de celdas de los datos sin resumir como Sample Cell
Range.
Excel en profundidad Utilice la hoja de cálculo
COMPUTE del libro T mean, que se observa en la figura
9.7 de la página 310, como plantilla para realizar la prueba t
de dos colas. La hoja de cálculo contiene los datos para el
ejemplo de las facturas de ventas de la sección 9 .2. Para
otros problemas, cambie los valores en las celdas B4 a B8
según sea necesario.
En las celdas B 16 Y B 17, la hoj a de cálculo uti liza las
expresiones - TINV(level of sign ifiean ce, degrees offree-
dom) y TINV (level of significan ce, degrees of freedom)
para calcular los valores críticos inferior y superior, respec-
tivamente. En la celda B 18, la hoja de cálculo utiliza
TDIST(absolute value o/ the t test statistic, degrees o/
freedom, 2) para calcular el valor p. La hoja de cálculo tam-
bién utiliza una función IF para determinar cuál mensaje se
debe mostrar en la celda A 19.
GE9.3 PRUEBAS DE UNA COLA
PHStat2 Haga clic en Lower-Tail Test o en Upper-Tail
Test en los cuadros de diálogo del procedimiento que se uti-
lizaron en las secciones GE9. 1 y GE9.2, para realizar una
prueba de una cola. Por ejemplo, para llevar a cabo la prueba
de una cola en el ejemplo sobre el tiempo para el servicio en
el automóvil de la figura 9.12, en la página 316, seleccione
PHStat ~ One Sample Test ~ t Test for the Mean, sigma
unknown. En el cuadro de diálogo del procedimiento (que
se muestra abajo):
1. Ingrese 174.22 como Null Hypothesis.
2. Ingrese 0.05 en Level of Significan ce.
3. Haga clic en Sample Statistics Known y escriba 25 en
Sample Size, 162.96 en Sample Mean y 20.2 en Sam-
pie Standard Deviation.
4. Haga clic en Lower-Tail Test.
5. Escriba un título en Title y haga clic en OK.
! Test tor the Me,an, sigma unknown
Null Hypothesis:
LevelofSignifkance:
Sample Statistics OpDon:; ..".. ,....- ............. . -....-."
ro Sample Statislics Known
Samp!e Size: ¡25
Samp!e Mean: 16-Z-.96-
¡i-
Sample Standard Deviabon: f20.2
r Sample Statistics Unknown
,.............--:J-.._.•
Test Options ,,-..,-.... "".-... -.....-•.- ..,..", .- ".. -.. ,
(~ T'IIIo-TaiITest
r Upper-Tail Test
ro Lower-Tail Test
Exce l e n p rofundidad Modifique las funciones analiza-
das en las secciones GE9.1 Y GE9.2 para realizar pruebas de
una cola. Para la prueba Z de la sección GE9.1, ingrese
NORMSINV(nivel de signifieancia) o NORMSINV(1 -
nivel de signifieancia) para calcular el valor crítico de la
cola inferior o de la cola superior. Escriba NORMSDIST
(estadístico de prueba Z) 01- NORMSDIST (valor abso-
luto del estadístico de prueba Z) para calcular el valor p de
la cola inferior o de la cola superior. Para la prueba t de la
sección GE9.2, ingrese -TINV(2 * nivel de signifieancia,
grados de libertad) o TINV (2 * nivel de signifieaneia, gra-
dos de libertad) para calcular los valores críticos de la cola
inferior o de la cola superior.
El cálculo de los valores p es más complejo. Si el esta-
dístico de prueba t es menor que cero, el valor p de la cola
inferior es igual a TDIST(absolute value ofthe t test statis-
tic, degrees offreedom, 1), y el valor p de la cola superior
es igual a TDIST(absolute value ofthe t test statistie, de-
 Guía del capítulo 9 para Excel 331

grees offreedom, 1). Si el estadístico de prueba t es mayor Z Test tor the Proportion
que o igual a cero, los valores se invierten.
Utilice la hoja de cálculo COMPUTE_LOWER o la - Data -------.------------------l
hoja de cálculo COMPUTE_UPPER del libro Z Mean o I NlJH Hypothesis: lo. 75 •
del libro T mean como plantilla para realizar una prueba t Levelof Significana:: lo. Os . 1

de una cola. Abra la hoja de cálculo COMPUTE_ALL_ I Nurrlber ofltems -o fInterest: ! lS.qQ

FORMULAS de esos libros para examinar todas las fórmu-
las utilizadas en las hojas de cálculo.
EG9.4 PRUEBA Z DE HIPÓTESIS
PARA LA PROPORCiÓN
PHStat2 Utilice Z Test for the Proportion si desea reali-
zar la prueba Z de hipótesis para la proporción. Por ejemplo,
para realizar la prueba Z en el caso del ejemplo sobre el es-
tudio de acceso a Internet en vacaciones, de la figura 9.15
en la página 321, seleccione PHStat -+ One Sample Test
-+ Z Test for the Proportion . En el cuadro de diálogo del
procedimiento (que se muestra a la derecha):
1. Ingrese 0.75 como Null Hypothesis.
2. Ingrese 0.05 en Level of Significan ce.
3. Escriba 1540 en Number of Items of Interest.
4. Ingrese 2000 en Sample Size.
5. Haga dic en Two-Tail Test.
6. Escriba un título en Title y haga dic en OK.
Excel en profund idad Utilice la hoja de cálculo
COMPUTE del libro Z Proportion, que se observa en la
figura 9.15 de la página 321 , como plantilla para realizar
la prueba Z de dos colas. La hoja de cálculo contiene los
datos para el ejemplo del estudio sobre el acceso a Internet
en vacaciones de la sección 9.4. Para otros problemas, cam-
bie los valores en las celdas B4 a B7 según sea necesario.
I Sample Size:
L_'"'""_____________________________._ _I
Izooo I
Test Options -.-""---------.------.----".-"--------,
!+' Two-Tail Test
r Upper-TailTest
r Lower-Taa Test
[~::~1~~:_~~~~~~=:==]
He!p- IL·~·.·~··.·.Q~··~··~ ~JI CanreJ
La hoja de cálculo utiliza NORMSINV(level ofsigniji-
canee / 2) y NORMSINV(1 -level ofsignijicance /2) para
calcular los valores críticos inferior y superior en las celdas
B 15 Y B 16. En la celda B 17, la hoja de cálculo utiliza la ex-
presión 2 * (1 - normsdist (absolute value of the Z test
statistic) para calcular el valor p. La hoja de cálculo también
utiliza una función IF para determinar cuál mensaje se debe
mostrar en la celdaAl8.
Utilice la hoja de cálculo COMPUTE_LOWER o la
hoja de cálculo COMPUTE_UPPER como plantilla para
realizar pruebas de una cola. Abra la hoja de cálculo
COMPUTE_ALL_FORMULAS para examinar todas las
fórmulas utilizadas en las hojas de cálculo para la prueba de
una cola.
332 CAPÍTULO 9 Fundamentos de la prueba de hipótesis. Pruebas de una muestra

GUíA DEL CAPíTULO 9 PARA MINITAB

GM9.1 FUNDAMENTOS DE cione Stat ~ Basic Statistics ~ I-Sample t. En el cuadro

LA METODOLOGíA
DE LA PRUEBA DE HIPÓTESIS
Utilice I-Sample Z si desea realizar la prueba Z para la me-
dia cuando se conoce (J' . Por ejemplo, para llevar a cabo la
prueba Z en el ejemplo del llenado de las cajas de cereal de
la figura 9.5, en la página 304, seleccione Stat ~ Basic Sta-
tistics ~ I-Sample Z. En el cuadro de diálogo" l-Sample Z
(Test and Confidence Interval)" (que se muestra abajo):
1. Haga c1ic en Summarized Data.
2. Escriba 25 en el cuadro Sample Size y 372.5 en el cua-
dro Mean.
3. Ingrese 15 en el cuadro Standard Deviation.
4. Marque Perform Hypothesis Test e ingrese 368 en el
cuadro Hypothesized mean.
5. Haga c1ic en Options.
de diálogo "l-Sample t (Test and Confidence Interval)" (que
se muestra abajo) :
1. Haga c1ic en Summarized Data.
2. Escriba 12 en el cuadro Sample Size, 112.85 en el cua-
dro Mean y 20.8 en el cuadro Standard deviation .
3. Marque Perform hypothesis Test e ingrese 120 en el
cuadro Hypothesized mean.
4. Haga c1ic en Options.
En el cuadro de diálogo l-Sample t - Options:
5. Ingrese 95.0 en el cuadro Confidence level.
6. Seleccione not equal de la lista desplegable Alternative.
7. Haga c1ic en OK.
8. De regreso en el cuadro de diálogo original, haga c\ic
enOK.

íF-------~ f.' SUmmati.zed data

SampIe.ze: ['h--
Mean: ~

Samplesize: ~
S........d de"'.""" j20:i;--'
Mean; l172.S - '
po Perfutm hypothesis- test
Hypo'\h!>Siz'I!:d mean: flii--

W Perform hypothesis test

HypothesizBi mean: f36á--'
G<...,.. ¡
_~-1 __ CM<el
En el cuadro de diálogo l-Sample Z - Options:
6. Ingrese 95.0 en el cuadro Confidence level.
7. Seleccione not equal de la lista desplegable Alternative.
8. Haga c1ic en OK.
9. De regreso en el cuadro de diálogo original, haga c\ic
enOK.
Para los problemas que utilizan datos sin resumir, abra
la hoja de cálculo que contiene los datos y sustituya los pa-
sos 1 y 2 con los siguientes:
1. Haga c1ic en Samples in columns.
2. Escriba el nombre de la columna que contenga los datos
sin resumir en el cuadro Samples in columns.
I
Para los problemas que utilizan datos sin resumir, abra
la hoja de cálculo que contiene los datos y sustituya los pasos
1 y 2 con los siguientes:
1. Haga c1ic en Samples in columns.
2. Escriba el nombre de la columna que contenga los datos
sin resumir en el cuadro Samples in columns.
Para crear un diagrama de caja de los datos sin resumir,
sustituya el paso 8 con los siguientes pasos 8 a 10:
8. De regreso en el cuadro de diálogo original, haga clic
en Graphs.
9. En el cuadro de diálogo l-Sample t - Graphs, marque
Boxplot of data y luego haga c1ic en OK.
10. De regreso en el cuadro de diálogo original, haga clic
enOK.

GM9.2 PRUEBA t DE HIPÓTESIS MG9.3 PRUEBAS DE UNA COLA

PARA LA MEDIA (CUANDO
SE DESCONOCE cr)
Utilice t Test for the Mean, sigma unkown si desea reali-
zar la prueba t para la media cuando se desconoce (J'. Por
ejemplo, para llevar a cabo la prueba t en el ejemplo de las
facturas de ventas de la figura 9.7, en la página 310, se lec-
Para hacer una prueba de una cola para I-Sample Z selec-
cione less than o greater than de la lista desplegable en el
paso 7 de las instrucciones en la sección GM9.1.
Si desea hacer una prueba de una cola para I-Sample t,
seleccione less than o greater than de la lista desplegable
en el paso 6 de las instrucciones en la sección GM9.2.
 Guía del capítulo 9 para Minitab 333

GM9.4 PRUEBA Z DE HIPÓTESIS PARA 7. Marque Use test and interval based on normal distri-
LA PROPORCiÓN bution.
8. Haga c\ic en OK.
Utilice 1 Proportion si desea realizar la prueba Z de hipóte-
sis para la proporción. Por ejemplo, para realizar la prueba Z 1 Proportion - Oplions ..
en el caso del estudio sobre el acceso a Internet en las vaca- ~.~.~~=====------­
ConMenre level: 195,0
ciones de la figura 9.15, en la página 321 , seleccione Stat ~
Basic Statistics ~ 1 Proportion. En el cuadro de diálogo 1
Alternative: lnol equal 0::1
Proportion (Test and Confidence Interval) (que se muestra
abajo) :
¡;; Use lest and in\erval based on normal distribution
1. Haga c\ic en Summarized Data.
2. Escriba 1540 en el cuadro Number of events y 2000 en Help

el cuadro Number of trials.

3. Marque Perform hypothesis Test e ingrese O en el cua-
dro Hypothesized proportion.
4. Haga c\ic en Options.
l Proportion {Te.s.t and Conftdence lntot:rvaf}
rr-------------¡-s:,;,-;~--------------------~
9. De regreso en el cuadro de diálogo original, haga chc
enOK.
Para realizar una prueba de una cola, seleccione less
than o greater than de la lista desplegable en el paso 6 . .

I I . Para los problemas que utilizan datos sin resumir, abra la

hoja de cálculo que contiene los datos y sustituya los

:~~~:
pasos l y 2 con los siguientes:
1. Haga c\ic en Samples in columns.
1 2. Escriba el nombre de la columna que contenga los datos
HYDOlhestzed proportion: ~
1 sin resumir en el cuadro Samples in column.
1,1
W~9i~;~~:JJ

I~
L ~~I
________,___.___.__________.__ ~_...______________ . ,.___.____J

En el cuadro de diálogo l-proportion - Options (que se

muestra a la derecha):
5. Ingrese 95.0 en el cuadro Confidence level.
6. Seleccione not equal de la lista desplegable Alternative.