14206

Apunte 13
PRUEBAS DE
HIPÓTESIS PARA
DIFERENCIA DE
MEDIAS
POBLACIONALES
CON DOS MUESTRAS
PARALELAS

Ricardo Rivera

INDUSTRIA VIRTUAL 2021 1

INDUSTRIA VIRTUAL 2021 2
 PRUEBAS DE HIPÓTESIS PARA DIFERENCIA DE MEDIAS POBLACIONALES
CON DOS MUESTRAS PARALELAS

Introducción

Diremos que dos muestras son independientes cuando no se establece ninguna relación previa al análisis
entre las unidades de una y otra. Por ejemplo, sujetos de uno y otro curso, enfermos de dos consultorios
u hombres comparados con mujeres.

En cambio, diremos que se trata de muestras pareadas si de manera previa al análisis, se forman parejas
entre los individuos de una muestra con los individuos de la otra muestra. Por ejemplo, el caso con su
control, distintas dietas pueden probarse en dos animales de la misma camada. Sin embargo, cuando
queda más clara esta situación, es cuando se comparan distintas medidas para los mismos individuos. Por
ejemplo, al medir antes y después del tratamiento a un mismo grupo de individuos se obtienen resultados
pareados o correlacionados.

Dado lo anterior, en el presente material estudiaremos las pruebas de hipótesis para diferencia de medias
poblacionales con dos muestras paralelas. Esto con el objetivo de ilustrar a las y los futuros Ingenieros
Industriales en su comprensión, en qué consisten, su función y cómo se utilizan.

Desarrollo

Prueba de hipótesis para dos muestras dependientes

Muestras pareadas

En este caso, se trata de dos muestras que pueden contener los mismos individuos en dos condiciones
que se trata de diferenciar. Para ello se usa:

INDUSTRIA VIRTUAL 2021 3

 d̄
t= Sd
n

Donde:
• d̄ es la media de las diferencias entre los valores de las muestras.
• Sd es la desviación estándar de las diferencias.

El valor de t para comparar y tomar la decisión, se obtiene de la tabla con el nivel de confianza o de
significancia dado. Los grados de libertad son iguales a:

ν = n−1

Ejemplo 1

Una compañía desea comparar el aumento de peso en bebés que consumen su producto, con los que
consumen el competidor. Una muestra de 40 bebés que usan la 1ª marca, reveló un aumento de peso de
3.2 kg en los primeros tres meses después de nacidos con 1.2 kg de desviación estándar. Una muestra de
55 bebés que usan la 2ª marca, indica un aumento de 4.2 kg con desviación estándar de 1.4 kg. Con un
nivel de significancia de 0.05.

¿Es posible concluir que los bebés que consumieron el producto de la marca 2 ganaron más peso? (μ1 - μ2
sería negativo)

Se usa la fórmula para desviaciones estándar desiguales.

Ho: μ1 - μ2 ≥ 0

INDUSTRIA VIRTUAL 2021 4

 X̄1 = 3.2 X̄2 = 4.2
S1 = 1.2 S2 = 1.4
n1 = 40 n 2 = 55

X̄1 − X̄2
H1: μ1 - μ2 < 0 t=
S12 S22
n1
+ n2

INDUSTRIA VIRTUAL 2021 5

Como el valor de t calculado -3.74 cae en la región de rechazo de Ho, se rechaza la posibilidad de que la
diferencia sea nula (o mayor que cero) y se acepta que los bebés que consumen la marca 1 ganan menos
peso que los que consumen la marca 2 (diferencia negativa).

Ejemplo 2

Diez hombres se sometieron a una dieta especial, registrando sus pesos antes de comenzarla y después de
un mes de estar en ella. Los resultados de los pesos en libras se muestran a continuación:

Probar si la dieta logró alguna diferencia, ya sea positiva o negativa con α= 0.05. Calcule el valor de P.

Se procede a calcular las diferencias de cada par:

INDUSTRIA VIRTUAL 2021 6

Al calcular la media de las diferencias, obtenemos d̄ = 2, con una Sd = 3.53.
Se calcula el valor de t Decisión:
d̄ 2
t= Sd
= 3.53
= 1.79
n 10

Decisión y justificación: como 1.79 está entre los dos valores críticos de –2.262 y 2.262, por lo tanto, no
se rechaza Ho. Se concluye con un α= 0.05, que no existe evidencia estadística que apoye la efectividad de
la dieta para variar el peso.

Prueba de Hipótesis para dos proporciones

Existen casos en donde queremos saber si dos muestras de proporciones provienen de dos poblaciones
diferentes o si hay diferencia estadística entre ellas. En este caso, se emplea:

p1 − p2
z=
pc (1 − pc ) pc (1 − pc )
n1
+ n2

Ya que no se conoce la proporción de las poblaciones. El valor del denominador se usa para estimar la desviación
estándar de la población, donde pc (proporción conjunta) está dado por:

x1 + x2
pc =
n1 + n2

INDUSTRIA VIRTUAL 2021 7

x1 = número de casos favorables de la primera muestra.
x2 = número de casos favorables de la segunda muestra.
n1 = número de eventos de la primera muestra.
n2 = número de eventos de la segunda muestra.

Ejemplo 3

Los hombres y mujeres adultos radicados en una ciudad grande del norte difieren en sus opiniones sobre
la promulgación de la pena de muerte para personas culpables de asesinato. Se preguntó a dos muestras
aleatorias de 100 hombres y 100 mujeres su opinión sobre la promulgación de la pena de muerte. El 12%
de los hombres adultos están a favor de la pena de muerte. Mientras que, solo el 10% de las mujeres
adultas lo están. Con un nivel de significancia de 0.05 ¿Se puede afirmar que hay evidencia estadística de
que las opiniones difieren entre hombres y mujeres?

Ho: P1 = P2
H1: P1 ≠P

x1 + x2 12 + 10
pc = = = 0.11
n1 + n2 100 + 100

0.12 − 0.10
z= = 0.45
0.11 (0.89) 0.11 (0.45)
100
+ 100

Valores críticos:

INDUSTRIA VIRTUAL 2021 8

Como -1.96 < 0.45 < 1.96, es decir, que 0.45 cae en la zona de no rechazo de Ho (zona blanca de la
figura), se puede afirmar que no hay evidencia estadística de que las opiniones difieran (NO se rechaza la
Hipótesis nula).

Conclusiones

El intervalo de confianza no sirve para dar una estimación puntual del parámetro poblacional, pero sí nos
servirá para hacernos una idea aproximada de cuál podría ser el verdadero de este. Por otro lado, permite
acotar entre dos valores en donde se encontrará la media de la población. Dicho valor va a dependen de
los datos que se tienen a disposición, ya sean las medias de las mediciones, varianzas conocidas o
desconocidas, si estas son iguales o diferentes. Así mismo, es necesario tener presente el nivel de
confianza que se solicita.

Con el estudio de estos temas, se espera haber contribuido al desarrollo de las habilidades necesarias para
un eficiente desempeño en estadística, de las y los futuros Ingenieros Industriales.

Referencias bibliográficas

Hines, W. y Montgomery, D. (1990). Probabilidad y Estadística para Ingeniería (Tercera Edición ed.). CECSA.
Walpole, R., Myers, R. y Myers, S. (2012). Probabilidad y Estadística para Ingenieros (Novena Edición ed.).

INDUSTRIA VIRTUAL 2021 9