GUÍA p‐valor

1
 Una empresa de neumáticos afirma que una nueva gama en promedio dura al
menos 28.000 km. Las pruebas con 64 neumáticos dan como resultado una
duración media de 27.800 km, con una desviación estándar de 1.000 km.
Bajo la normalidad de los neumáticos, se pide:
a) Comprobar si hay evidencia suficiente para rechazar la afirmación de
la empresa, un nivel de significación del 5%
b) ¿Cuál es el p‐valor?

Solución:

a) Sobre la población de los neumáticos se define la variable aleatoria

X  "duración en kilómetros" donde X  N(28000 , )

Las hipótesis sobre la media poblacional  con 2 desconocida:

H0: 0  28000 H1: 1  28000

Se trata de un contraste compuesto, unilateral por la izquierda.

Regla de decisión:

Si x  k Se acepta H0 (R.A)


Si x  k Se rechaza H0 (R.C)

En el muestreo de una población normal con varianza desconocida, con muestras

 s 
grandes n  30 la media muestral x  N , x
 
 n 
 1000 
Bajo la hipótesis nula x  N 28000, 64  N28000, 125

 

El valor crítico k, bajo la hipótesis nula, se determina con el nivel de significación

  0,05:
  PRechazar H H cierta P  x  k H cierta P x  k   28000 
   


0 0 0 0

2
  x  28000 k  28000   k  28000 
 P   P   0,05

 125 125
z
125 

 k  28000   k  28000 
P z   z     0,05
 125  125 
 P
k  28000
  1,645 
k  28000  125 x 1,645  27794,375
125

Siendo x  27800  27794,375 se acepta la hipótesis nula, por tanto, se

acepta la afirmación de la empresa con un nivel de confianza del 95%

b) El p‐valor (p) es el menor nivel de significación para el que se rechaza la

hipótesis nula, es decir:

p  p ‐ valor  PRechazar el estadístico muestral / H0 es cierta

Si p  se acepta la hipótesis nula H0


  P  x  27800 H cierta  P x  27800 N28000,125 


p 0  
 x  28000 27800  28000 
P   Pz  1,6  Pz  1,6  0,0548
 125 125 

Para un nivel de significación   0,05 el p‐ p  0,0548  0,05   

valor
 Se acepta H0

Con una fiabilidad del 95% se acepta que la duración media de los neumáticos
es de 28.000 km.

3
 El propietario de un autómovil sospecha que su vehículo tiene un consumo
medio de combustible en carretera superior a los 5,6 litros /100 km, que es lo que el fabrica
Para apoyar empíricamente su sospecha observa el consumo medio en 11
viajes seleccionados aleatoriamente entre todos los que realiza en el año, obteniendo los sig

6,1 6,5 5,165,95,25,85,36,25,96,3

Se pide:
¿Están fundadas las sospechas del propietario a un nivel de significacion
del 1%?
Calcula el p‐valor.

Solución:

a) Se supone que el consumo medio del autómovil sigue una distribución

normal N(, ), siendo ambos parámetros desconocidos.

En el muestreo de una población

normal con varianza desconocida,
con muestras pequeñas n  30 ,
la media muestral x  tn1

El fabricante afirma que H0 :  5,6 y el propietario del vehículo cree

que H1 :  5,6

Se trata, pues, de un contraste unilateral, donde H1 es compuesta

Regla decisión:  Si x   R.A : Aceptar H0

k

 Si x  k  R.C: Rechazar H0

Bajo la hipótesis nula, con los datos muestrales  x  5,8454 , sx  0,4612 ,

 0,4612 
el muestreo sigue una distribución t10 5,6;  t (5,6 , 0,139)
11  10
 

El valor crítico k, bajo la hipótesis nula, se calcula a partir del nivel de significación :

4
  PRechazar H H cierta  P  x  H cierta P  x  k   5,6 
k
 0 0  0  0 

 x  5,6 k  5,6  k  5,6 k  5,6

P     0,01   2,764
0,139 0,139 P 0,139
 t10 0,139
  
 
 k

Siendo x  5,8454  5,9842 no se puede rechazar la hipótesis nula H0 ,

con lo que se acepta las afirmaciones del fabricante sobre el consumo
medio del autómovil.

b) p  p  valor  PRechazar el estadístico muestral / H0 es cierta

Si p  se acepta la hipótesis nula H0


  P  x  5,8454 H cierta  P  x  27800 t (5,6 , 0,139) 
 


p 0 10

 x  5,6 5,8454  5,6   1,765  0,055

P  
P  t  10
 0,139 0,139 

1,372  1,812 1,765 

Tabla de la t‐Student:
1,812   x  0,055
0,10  0,05 x  0,05

p  0,055  0,01    Se acepta H0

Con un nivel de confianza del 99% se acepta que el consumo medio de

combustible en carretera superior es de 5,6 litros /100 km.

5
 Un banco quiere analizar si las comisiones que cobra a sus clientes por
Solución:
operaciones en el mercado bursátil difieren significativamente de las que
cobra la competencia, cuya media es de 12 euros mensuales con una
Sea la v. a. X="Comisiones que se cobran por operaciones en el mercado bursátil",
desviación estándar de 4,3 euros.
donde X  N  , 4,3
Este banco toma una muestra de 64 operaciones bursátiles y observa que la
comisión promedio es de 13,6 euros. Contrastar, al nivel de significación del
5%, que este banco no difiere significativamente en el cobro de comisiones
por

6
Como la hipótesis alternativa es H1:   12 en la decisión deben ser válidos
valores de  tanto mayores o menores que 12, por lo que el contraste debe
se bilateral o de dos colas.

Regladecisión :
 x  k se acepta H0 (R.A)
Si
 x  k se rechaza H0 (R.C)

Si


Bajo la hipótesis nula: x  N12 , 4,3 
 N(12, 0,5375)
 64 


Con el nivel de significación   0,05 se calculan los valores

críticos k1 , k2 : H H cierta  P  k N(12, 0,5375)  P (x  k )  (x  k 
  PRechazar  
x   2


 0 0   1

 P(x  k1 )  P(x  k2 )  0,025  0,025  0,05

 k  12 
• P(x k ) P  x  12 k1  12   k1  12   1  0,025
   
 
1  0,5375 0,5375 P 0,5375 P 0,5375 


 

k1  12
 
 k1  10,9465
1,96
0,5375
 k2  12 
• P(x k ) P x  12  k2  12    0,025
 
2  0,5375 0,5375 P 0,5375 

k2  12 0, 5
 5
1,96 3
7
7
 k2 13,0535


En consecuencia, la región de aceptación: 10,9465  x  13,0535

Como el banco cobra una comisión promedio de 13,6 euros, no se encuentra

dentro de la región de aceptación, 13,6 (10,9465, 13,0535), en consecuencia
difiere significativamente de la competencia.

8
p  p  valor  PRechazarmedia muestral / H es cierta
0

Si p  se acepta la hipótesis nula H0


  P   13,6 N(12, 0,5375)  P(x  13,6)  (x  13,6) 
x   


 P(x  13,6)  P(x  13,6)  2 P(x  13,6) 

 x 13,6  12 
  2 P(z  2,98)  2 x 0,00144  0,0029
122 P

 0,5375 0,5375 


Siendo   0,0029  0,05    rechaza la hipótesis nula a un nivel

p

de significación del 5%. Por tanto, existe evidencia estadística de que la

comisión promedio que cobra este banco difiere significativamente
de la competencia.

9
  4,3 
La comisión promedio que cobra el banco: x  N 12 ,  N (12, 0,5375)
 64 


Tipificando se obtiene el estadístico de contraste:

x  12 13,6  12
z   2,98 2,98(1,96 , 1,96)
0,5375 0,5375

El valor del estadístico de contraste está en la zona de rechazo, por lo que se

rechaza la hipótesis nula, afirmando que la comisión promedio que cobra este
banco difiere significativamente de la competencia.

10
 Un supermercado tiene dos formas diferentes de venta: tradicional
o con caja rápida. En la tradicional, un operario registra cada artículo, lo pone en bolsas y ef

Tipo Media Tamaño Varianza

cliente muestral muestra poblacional
Tradicional 6,1 minutos 49 0, 49 minutos2
Caja rápida 5,6 minutos 72 0,36 minutos2
Suponiendo que el tiempo en espera en el proceso sigue una ley
normal, con un nivel de confianza del 99%, ¿qué decisión debería adoptar el supermercado

Solución:

Sean las variables de respuesta: X  "tiempo método tradicional" e

Y  "tiempo caja rápida", que siguen respectivamente N(t , 0,7)
y N(cr , 0,6)

El p ‐ valor con los datos de la muestra facilita la decisión que debe

tomar la dirección del supermercado, estableciendo las hipótesis:
H0 : t  cr H1: t  cr

Tipificando se obtiene el estadístico de contraste:

11
 xy 6,1  5,6
z   4, 082
 2t  2cr 0, 49  0,36

nt ncr 49 72

estadístico teórico (valor crítico): z0,01  2,326

El valor del estadístico de contraste z  4, 082 ( , 2,326) por lo

que se rechaza la hipótesis nula, concluyendo que el supermercado
debe adoptar la caja rápida.

p  p ‐ valor  PRechazar estadístico muestral / H0

es cierta
p = p  valor < 0,500  0, 490  0, 01  
se rechaza la hipótesis nula H0

Re gla Decisión  x  y  k se acepta H0 (RA)

x  y  k se rechaza H (RC)
 0

12
Se calcula el valor crítico k con el nivel de significación   0, 01:

 P(Error Tipo I)  PRechazar H0 / es cierta  0, 01

H0

 P  x  y  k H cierta   y 
  
 

0
 Px 

k N 0, 0, 49  0,36 
  4972 
xy0 k0   k 
 P  x  y  k N  0, 0,122  P  P z  0, 01
   0,122 0,122  0,122 
  

k 
 2,326  k  0,284
0,122

 x  y  0,284 se acepta H0 (RA)

Re gla x  y  0,284 se rechaza H (RC)
Decisión
 0

Siendo, x  y  6,1  5,6  0,5   Se rechaza H0

0,284
El supermercado debe adoptar la caja rápida.

13
 La directora del departamento de personal de una corporación está buscando
Solución:
empleados para un puesto en el extranjero. Durante el proceso de
Seselección,
supone que la población deleresultados
la administración de todos
pregunta cómo va lalos candidatos siguen
incorporación de
una distribución
empleados, y X  N(, ) , siendo ambos parámetros desconocidos.
Enella
el muestreo de la
contesta que la población
puntuaciónnormal con varianza
promedio desconocida,
en la prueba con será de
de aptitudes
90 puntos.
muestras Cuandonlaadministración
pequeñas revisa
11  30 , la media 19 de los
muestral x resultados
t10 de la x 
prueba, encuentra que la puntuación media es de 83,25 puntos con tn1  una
con sx /n
Sedesviación
establecen las hipótesis: H
estándar de 11. Bajo0 :   90 H
el supuesto
1 :   90
de normalidad, ¿lleva razón la

Como la hipótesis alternativa   90 en la decisión deberán ser

es
válidos valores de tanto mayores o menores que 90, por lo cual

el contraste debe ser bilateral o de dos colas.

 x  k se rechaza H0 (R.C.)
Regla Si x  k se acepta H0 (R.A.)
decisión: 

Si

p  p  valor  PRechazar estadístico muestral / H0 es cierta

  P   83,25 t (90 ; 2,524) 

p x 18 
 P (x  83,25)  (x  83,25) t (90 ; 2,524) 


 18 

14
 P  x  83,25 t (90 ; 2,524)  P  x 
83,25 t (90 ; 2,524) 
 18   18 
 P  x  83,25 t (90 ; 2,524)  P  x 
83,25 t (90 ; 2,524) 
 18   18 
 x  90 83,25  90 
 2P  x  83,25 t (90 ; 2,524)  2P  
  2,524
 18
 2,524 

 2P  t18  2,6774  2(0, 008)  0, 016

Tabla t‐Student: 2,552  2, 878  2,674  2,  x  0, 008

878
0,01  0, 005 x  0, 005

Siendo   0, 016  0,10    Se rechaza la hipótesis nula.

p

En consecuencia, se rechaza la manifestación de la directora de la corporación.

15
Regla decisión:
 x  k se acepta H0 (R.A.)
Si
 k se rechaza H0 (R.C.)
 x

Si

El valor crítico k se calcula con el nivel de   0,10 :

significación
 P Rechazar H H cierta  P   k t (90 ; 2,524)  P(x  k )  (x  k  
x  2


 0 0  18  1

 P(x  k1 )  P(x  k2 )  0, 05  0, 05  0,10

 x  90 k1  90   k1  90 
•P(x  k )  P   k1  90     0, 05
P  P
1  2,524 2,524 2,524 2,524 
 
 

k1  90
   k1  85,62
1,734
2,524
 x  90 k2  90   k2  90 
•P(x  k )  P     0, 05
 2,524 2,524 P
2,524 
2



k2  90

 k2  94,37
1,734
2,524

Para aceptar la hipótesis nula la media muestral se tiene que encontrar en

16
el intervalo 85,62  x  94,37

No encontrándose la media muestral observada x  83,25 en la región

de aceptación, con un nivel de significacion  0,10 , se rechaza la
de
manifestación de la directora de la corporación.

17
I ()  x  t

sx   I ()  83,25  t 11 
0,90
1  /2 , n1
n  0,05 , 18 19 
   


I0,90 ()   83,25  11 

  83,25  4,376  78, 874 , 87,626
19 
1,734

En consecuencia, 78, 874    87,626

La puntuación 0  90 que manifiesta la directora del

promedio
departamento de personal no se encuentra dentro del intervalo de
la media de la población con una fiabilidad del 90%, teniendo que
rechazar su afirmación.

18
 Un portal e‐business sabe que el 60% de todos sus visitantes a la web están
interesados en adquirir sus productos pero son reacios al comercio
electrónico y no realizan finalmente la compra vía internet. Sin embargo, en
la dirección del portal se piensa que en el último año el porcentaje de gente
que está dispuesta a comprar por internet ha aumentado y esto se debe
reflejar en
los resultados empresariales. En esta línea, se tomó una muestra de 500
visitantes para conocer su opinión y se observó que el 55% no estaba
dispuesta a realizar compras vía on‐line.
Contrastar con el 2% de significación si el último año se ha reducido el
Solución:

Sea p  "Proporción personas compran on‐line"

Al realizar el contraste sobre la proporción, se parte de una muestra aleatoria

(x1 , x2 ,  , x500 ), donde X  B(1, p)

500
xi
La distribución del estadístico muestral pˆ 
 n al ser el tamaño sufientemente
i1
grande n  500 y estar
pˆ definido como suma de variables independientes entre
sí, según una distribución de Bernouilli X  B(1,p), por el teorema central del límite
500
x i
(TCL) se puede aproximar pˆ  
i1
n
 N p,pq 
 n 

Se establecen las hipótesis: H0: p  0,6 H1: p  0,6

 
Bajo la hipótesis nula, el estadístico muestral pˆ N  0,6,0,6 x 0, 4 
 500 

Contraste unilateral a la izquierda

(cola a la izquierda)

Región aceptación (z , )

19
  
 Siendo que el estadístico pˆ N 0,6 x 0, 4
  N  0,6, 0, 022 ,
0,6, 500
 
se obtiene el estadístico de contraste tipificando:

pˆ  p0 p0 .qo n0,55  0,60

z   2,27
0,022

El estadístico de contraste z  2,27 no se encuentra en la región de

aceptación (  z , )  (  2, 05 , ), rechazando la hipótesis nula.
0

En conclusión, existe evidencia empírica que la proporción de visitantes al

portal que están dispuestos a comprar on‐line ha disminuido, es decir, el
porcentaje de visitantes que son reacios a comprar por internet ha
aumentado.

p  p  valor  PRechazar estadístico / H0 es cierta

 pˆ  0 , 6 0 , 55  0 , 6 
  P  pˆ  0,55 N 0,6, 0, 022    P   P(z   2,27) 
p   0, 022 0, 022 

 P(z  2,27)  0, 
0116

Como   0, 0116  0, 02  se rechaza la hipótesis nula a un nivel de


p
significación del 2%.

20
 Se determina el valor crítico k con el nivel de significación   0,02

Contraste unilateral por la izquierda

pˆ  k se acepta H0
regla de decisión: 
pˆ  k se rechaza H
 0

 ˆ  pˆ  0 , 6 k  0 , 6
 k P Rechazar H H cierta  P p

N  0,6, 0, 022    P  
 0 0     0, 022 0, 022 
 
 k  0,6  k  0,6
  2, 05  k  0,645
P z  0, 02 0,
 0, 022  022


El valor del estadístico muestral (evidencia empírica) pˆ  0,55 

0,642, por lo que se rechaza la hipótesis nula. En definitiva, ha
aumentado el porcentaje de personas que son reacios a comprar por
internet.

 Con el intervalo de confianza unilateral a la izquierda para la proporción,

verificando si el estadístico pˆ  0,55 pertenece al intervalo:

21
  
H :pp H :pp   p  z p0 .q0 n ,  
0 0 1 0
 0  

22
 
 0,6  2, 05. 0,6.0, 4 ,    (0,56 , )
 500 

Siendo pˆ  0,55 (0,56 , ) se rechaza la hipótesis nula.

Los contrastes bilaterales corresponden a intervalos centrados,

mientras que los contrastes unilaterales derechos corresponden
a estimaciones unilaterales por exceso y los unilaterales izquierdos
a estimaciones por defecto.

 H0 : p  p0 H1: p  p0 
   z/2 , p0  z/2 p0 .q0 n  bilateral
p0 p0 .q0 n
 
Se acepta H
⇀––––––0
o
 también: z
pˆ   z R.C   pˆ  p  p .q 
p0 z /2 0 /2 0

n
p0 .q0 –– –––––––
––n  –
estadístico
contraste región rechazo

 H0 : p  p0 H1: p  p0 
  , p  z p0 .q0 n  unilateral derecho
 0 
Se acepta H
⇀––––0 
pˆ  0p p .q 
o también: z   z R.C  pˆ  p  z 0 0 
p .q 0 
 n 
0 0
––––––––
––n  región rechazo
estadístico
contraste

 H :pp H :pp  p z , unilateral izquierdo
0 0 1 0  0 
p0 .q0 n 
 
Se acepta H
⇀–––––0 – 
pˆ  p p .q 
o también: z  0 z R.C  pˆ  p  0 0  z
z 
p .q 1 0 1
z 1 
0 0  n 
estadístico contraste
––n 
23

–
–
–
–
–

–
–
–
–
–

r
e
g
i
ó
n
r
e
c
h
a
z
o

24
Para estudiar si el consumo de tabaco tiende a provocar problemas de
trombosis debido a un aumento en la capacidad de coagulación, se extrajo muestras de sang

Antes 25 27 44 30 67 53 53 52 60 28
Después 29 37 56 46 82 57 80 61 59 43
Bajo el supuesto de normalidad, ¿hay suficiente evidencia estadística
(con un nivel de significación 0,01) para afirmar que los fumadores presentan la misma tende
Calcular el p‐valor

Solución:

Sean las variables aleatorias:

X  "coágulos obtenidos antes de fumar", donde X  N(1 , 1 ), donde 1

es el porcentaje medio de agregación de plaquetas antes de fumar.

Y  "coágulos obtenidos después de fumar", con Y  N(2 , 2 ), donde 2

es el porcentaje medio de agregación de plaquetas después de fumar.

Destacar que los datos obtenidos antes de fumar, y los obtenidos después
de fumar, no son independientes, dado que se obtienen de la misma persona.

No se puede llevar a cabo un contraste de igualdad de medias como

se realizó cuando las muestras eran independientes, se puede
considerar la variable aleatoria d  X  Y , y admitiendo que su
distribución sea
N(, ), efectuar un contraste adecuado sobre     
1

Se desea probar estadísticamente que 1  2 , o lo que es igual, que   0

por lo que se trata de un contraste bilateral (o de dos colas).

Se establecen las hipótesis: H0 :   0 H1:   0

25
 En otros casos, se podría estar ante contrastes unilaterales:
H0 :  0 frente a H1:  0 o bien H0 :  0 frente a H1:  0

 Si se tuviera la creencia de que fumar supone un aumento de formación

de coágulos de 5 puntos, las hipótesis serían:
  5
H0 :   1  2  5 frente a H1: 
 5
Para continuar es necesario conocer la tabla de diferencias:

Antes 25 27 44 30 67 53 53 52 60 28
Después 29 37 56 46 82 57 80 61 59 43
di 4 10 12 16 15 4 27 9 1 15

10 10

1
d 10  d  11,1
i1
i sd2  9 (
i1
i  d)2  62,32 sd  7,

 En el muestreo de la población normal con varianza desconocida, con

muestras pequeñas n  10  30 , la media muestral d  t9 con tn1  d  0

sd /n
como estadístico de contraste.

d  0
tn1  sd /n

Región de aceptación:

(t/2 , n1 , t
/2 , n1 )

Contraste bilateral, estadístico de contraste: tn1  d  0

sd /n
Región de aceptación R.A 

tn1 :
tn1  t/2 , (n1) 
Región crítica R.C 
tn1 t/2 , (n1) 
t

n1 :

26
Lo que equivale a decir que Ho se acepta
tn1  d  0  t/2 , (n1)
si
sd /n

Bajo la hipótesis nula, el estadístico contraste: t  11,1  0  4, 449

9
7,89 /10

t/2 , n1  t0,005 , 9  3,25  Región aceptación: (  3,25 , 3,25)

Siendo 4, 449 (  3,25 , 3,25) se rechaza la hipótesis nula, pudiendo decir

que los fumadores no presentan la misma tendencia a la formación de coágulos.

 p  p  valor  P Rechazar
H0 es cierta  P  t9  4, 449  0, 00084
estadístico

Tabla t‐Student: 4,297  4,781  4, 449   x  0, 00084

4,781
0, 001  0,0005 x  0,0005

 El
t intervalo de confianza es: I ()  d 
sd 

1

 /2 , n1
n 

7,89 
I0,99 ()  11,1  3,25.  19,21 ,  2, 99
 10 

   0 , concluyendo que los fumadores

El intervalo no abarca el cero,

no presentan la misma tendencia a la formación de coágulos.

27
 Se desea probar estadísticamente
que 1  2 o bien que   1  2  0

Se contrasta: H0 :   0 frente a H1:   0

Región de aceptación: (  t , n1 , )

(  t0,01 , 9 , )  (  2, 821 , )

Contraste unilateral a la izquierda, estadístico de contraste: t d  0

n1 
sd /n
Región de aceptación R.A  tn1 : tn1  t , n1  t1 , n1 

Región crítica R.C  tn1 : tn1  t1 , n1 

11,1  0
Bajo la hipótesis nula, el estadístico contraste: t9   4, 449
7, 89 /10

Como  4, 449 (  2,821 , ) se rechaza la hipótesis nula, aceptando

en consecuencia la hipótesis alternativa, concluyendo que los fumadores
presentan mayor tendencia a la formación de coágulos.

28
 Intervalo de confianza para el parámetro λ de una distribución de Poisson :

Aproximación asintótica: Para valores del parámetro  grandes, la distribución

de Poisson puede aproximarse a una distribución normal según P()  N(, )

Dada una muestra de n observaciones independientes X1 , X2 , , Xn , que siguen

una distribución de Poisson de parámetro , Xi  P() , al ser la distribución de
Poisson aditiva en  se verifica n Xi  N(n, n )
i1

En la
muestra:  ˆ a Xpro xim ad am N,  

 
en te 
     n 
 

ˆ  
– N(0,1)

n

 ˆ   
P  z/2   z/2   1  
 ˆ n 
 

I ()  ˆ  
R.A   z
z
,z 
ˆ n
1
 /2  /2 /2

 En caso de no ser aplicables las condiciones para utilizar la

aproximación asintótica, el intervalo exacto, que es válido siempre,
viende dado:
1  n 
2 1   2 
n
I1 ()  ; 2  Xi  1/2  2  Xi  2   /2 

 2n 
i1 2n  i  
1

29
 Contraste bilateral para el parámetro λ de una distribución de Poisson :

 ˆ   0   ˆ   0 
H0    0 H1:    0 R.A    z/2  R.C    z/2 
 0 /n   0 /n
:   

 Contraste unilateral a la derecha para el parámetro λ de una

distribución de Poisson :

H0    H1:    0
0
:
 ˆ   0 
 
R.A    0 /n  z 



 ˆ   0 
 
R.C    0 /n  z 



 Contraste unilateral a la izquierda para el parámetro λ de una distribución

de Poisson :

H0    H1:    0
0
:
 ˆ   0 
 
R.A    0 /n  z1 



 ˆ   0 
 
R.C    0 /n  z1 



30
 Se quiere comprobar la efectividad de una vacuna contra una alergía. Para
ello se suministró la vacuna a cien personas y se les comparó con un grupo
testigo de cien pacientes afectados también por la alergía en épocas
pasadas. Entre los vacunados, ocho sufrieron alergía y entre los no
vacunados veinticinco volvieron a sufrir alergía.
¿Se puede concluir que la vacuna es eficaz en disminuir la alergía?.
Utilizar un nivel de significación de 0,05.

Solución:

Sean las variables aleatorias:

X  "número pacientes vacunados afectados por la alergía"

Y  "número pacientes no vacunados afectados por la alergía"

donde, X  B(p1 , n1 ) e Y  B(p2 , n2 )

8
   0, 08  0, 92 n1  100
ˆp
1

En el muestreo: 1

 qˆ 2  0,75 n2  100
p 100
ˆ 25
2   0,25


qˆ
100

Las muestras n1  n2  100 son grandes, en consecuencia, ambas

distribuciones se pueden aproximar a normales:


X  N n1 p1 n
, 1 p1 q1  
, Y  N n2 p2 ,n2 p2 q2 
 
En
pˆ el muestreo:  pˆ  p ,
2 1 N p2 1 p2 q2  p1 q1 
 n2n1 

Para ver si la vacuna es eficaz hay que contrastar si p2  p1

H0 : p2  p1 H1: p2  p1

31
Región aceptación: (   , 1,65)

32
  
 Bajo la hipótesis nula  – N 0, p221q 1 p q  , tipificando se obtiene
pˆ 2
pˆ n2 n1
 
el estadístico de contraste:

pˆ 2  pˆ 1 0 , 25  0 , 08
z   3, 4
p2 q2  p1 q1 0,25. 0,75  0, 08. 0, 92
n2 n1 100 100

El estadístico de contraste z  3, 4 no se encuentra en la región de

aceptación (   , 1,65), rechazando la hipótesis nula y concluyendo
que la vacuna es eficaz (p  p )
2

 p  p  valor  P Rechazar estadístico H0 es cierta

p  P(z  3, 4)  0, 00337

  0, 00337  0, 05   
p
 se rechaza la hipótesis nula a
un nivel de significación del 5%.

 Intervalo de confianza para la diferencia de parámetros (p1  p2 ) de

dos distribuciones binomiales.

I (p (p  pˆ )   pˆ )  z z  1, 96
1 1 2  1 2 /2
pˆ 1 qˆ 1  pˆ 2 qˆ 2 0,025
 n1n2 

 
I1 (p1  p2 )  (0,08  0,25)  1, 96 0,08.0, 92  0,75.0,25 
 100100 

I1 (p1  p2 )  0,269 ,  0, 07   0,269  p1  p2   0, 07


Como el intervalo no cubre el cero (p1  p2  0) se rechaza que la vacuna
no tenga eficacia. Por otra parte, ambos límites del intervalo de confianza
son negativos, lo que significa que p1  p2

33
34
35
36
 Se ha comprobado un micrómetro con una serie de piezas patrón. Bajo
el
supuesto de normalidad, con un nivel de significación de 0,01, se desea
comprobar si el micrómetro tiene error en las lecturas realizadas:
Patrón 0, 0,100 0,200 0,300 0, 0,500 0,600 0,700
003 400
Lectura 0, 0, 09 0,198 0,297 0, 0, 0,602 0,698
002 403 498

Solución:

Se plantea el modelo: Sea que la variable de respuesta X  "valor en el patrón"

sigue una normal N(1 , 1) y la variable Y  "valor en la lectura" sigue una
normal N(2 ,  2 )

X
N( ,  ) en la muestra: t x  1
1 1 n 1 
1
s2
11
/n

Y
N( ,  ) en la muestra: t y  2
2 2 n 1 
2
s222 / n

X  Y  N 1  
2, 
211  2 con una muestra n1 +  16  30 :
n2

tn 1 n2  (x  y)  (1  2 )
2 
2 2
s1  s2
n1n2

Se trata de un contraste de hipótesis bilateral de igualdad de medias de

poblaciones normales. Hipótesis del contraste:
H0 : 1  2  1  2  0 H1: 1  2  1  2  0
xy
Bajo la hipótesis nula: tn  n 2  estadístico contraste
2 2
1
s s
1 2

n1n2

 x  0,350 s2  0, 06 s  0,244 n 8
37
Muestras  1 1 1
y  0,349 s2  0, 061 s  0,246 n 8
 2 2 2

38
 0,350  0,349
tn  n 2  t14   0, 081
1
0,06  0, 061
8 8

Como
  p  valor  P  t  0,081  0, 01  se admite la hipótesis
p 14
nula, pudiendo decir que el micrómetro no tiene error

R. A  (t/2 , n  n 2 , t/2 , n  n 2 )
1 2 1

t/2 , n  n 2  t0 ,005 , 14  2, 977

1

(2, 977 , 2, 977)

Se observa que 0,081 (2, 977 , 2, 977) con lo que se admite la hipótesis
nula, pudiendo concluir que el micrómetro no tiene error y las diferencia que se
observan son debidas al azar o al observador.

La duración de una enfermedad sigue una ley normal. Para su curación se

emplean dos tipos de antiobióticos y se desea comprobar estadísticamente cuál de los dos e
tal fin se observan seis enfermos a los que se aplica el primer antibiótico y cinco enferemos
Los datos obtenidos han sido:

x  12 días s2
1
 16 n1  6
y  15 días s2  16 n  5
2 2

¿Cuál de los dos antibióticos es más eficaz a un nivel de significación 0,05?

Solución:

La variable de respuesta X  "duración de la enfermedad con el primer

antibiótico" sigue una normal N(1 , 1) y la variable Y  "duración de la
enfermedad con el segundo antibiótico" sigue una normal N(2 , 2)

39
X
N( ,  ) en la muestra: t x  1
1 1 n 1 
1
s2
11
/n

Y
N( ,  ) en la muestra: t y  2
2 2 n2 1 
s222 / n

X  Y  N 1  
2, 
211  2 con una muestra n1 +  11  30 :
n2

tn 1 n2  (x  y)  (1  2 )
2 
2 2
s1  s2
n1n2

 Se trata de un contraste de hipótesis unilateral a la derecha de

igualdad de medias de poblaciones normales. Hipótesis del contraste:

H0 : 1  2  1  2  0 H1: 1  2  1  2  0

xy
Bajo la hipótesis nula: tn  n 2  estadístico contraste
2 2
1
s s
1 2

n1n2

12  15
tn  t9   1,24

1
n 2 16  16
65

p  p  valor  P  t9  1,24   P  t9  1,24   1  P  t9  1,24  

 1  0,1286  0, 8714

Tabla t‐Student: 0, 883  1,383  1,24   x  0,1286

1,383
0,20  0,10 x  0,10

Como   p  valor  0, 8714  0, 05  Se admite la hipótesis nula,

p

concluyendo que el primer antibiótico tiene una duración media

inferior en la curación de la enfermedad.
40
 R.A  (   , t , n  n 2 )
1

t ,n  n 2  t0 ,05 , 9  1, 833
1

R.A  ( , 1, 833)

H0 : 1  2  1  2  0 H1: 1  2  1  2  0

12  15
Bajo la hipótesis nula: tn  t9   1,24
1
 n 2 16  16
65

1,24  ( , 1, 833)  Se admite H0: 1  2

El primer antibiótico tiene una duración media inferior en la curación

de la enfermedad.

 Se trata de un contraste unilateral para las medias de dos

poblaciones normales con muestras pequeñas, varianzas desconocidas
pero iguales (debido a la información muestral s2  s2). Hipótesis del
1
contraste:

H0 : 1  H1: 1  2
2
xy
Estadístico teórico: t ,n  n 2
Estadístico contraste: t  1

1  1
sp
nn
12

2
(n1  1)s12  (n2  1)s22
Varianza muestral ponderada: s  p
nn 2
1 2

2 6 . 16  5 . 16 s 4
sp   16  p
652
xy 12  15 3
t    1,24
1  1 11 2, 42
sp 4
nn
12 65

41
Se acepta la hipótesis H0 ya que t  1,24  1, 833  t
0 ,05 , 9

42
43