Hipotesis

PRUEBAS DE HIPÓTESIS
Notas de clases
Mag. Ignacio Osuna Vergara
25 de octubre de 2023
ignacio.ozuna@.upb.edu.co PRUEBAS DE HIPÓTESIS 1 / 151

Tabla de contenido
1 Generalidades
2 Pruebas de hipótesis para una población
Hipótesis para la media µ, (σ conocida)
Hipótesis para la media µ, (σ desconocida)
Hipótesis para la proporción π
Hipótesis para la varianza σ 2
3 Pruebas de hipótesis para dos poblaciones
Hipótesis para µ1 − µ2 , (σ1 , σ2 conocidas)
Hipótesis para µ1 − µ2 , (σ1 , σ2 desconocidas)
Hipótesis para muestras pareadas
Hipótesis para π1 − π2
Hipótesis para σ12 /σ22
4 Ejercicios
5 Bibliografı́a
Generalidades
Tabla de Contenido
1 Generalidades
4 Ejercicios
5 Bibliografı́a
Generalidades
Conceptos básicos
Conceptos básicos de pruebas de hipótesis

Un estudio experimental o una investigación por lo general tiene como último ob-
jetivo responder en forma segura a ciertas preguntas y/o tomar decisiones. En este
contexto, el experimentador tiene ciertas creencias o hipótesis que desea compro-
bar. Por ejemplo:
Los tres proveedores del material X tienen el mismo nivel de calidad.
Los dos tratamientos o procedimientos dan en promedio los mismos
resultados.
Una hipótesis de investigación es una proposición o declaración realizada por el
investigador cuando éste especula acerca del resultado final de la investigación o
experimento.

Generalidades
Conceptos básicos
Planteamiento de la hipótesis estadı́stica

Una hipótesis estadı́stica es una afirmación sobre los valores de los parámetros
de una o más poblaciones o proceso, que es susceptible a probarse a partir de la
información contenida en una muestra representativa obtenida de la población.
Por ejemplo, suponga que en una empresa camaronera pequeña, un inversionista
tiene interés en saber el ingreso de la compañı́a. El gerente de la compañı́a afirma
que el ingreso neto promedio mensual es de $50 millones de pesos. Esto puede
expresarse formalmente como
(
H0 : µ = 50 el ingreso promedio es de 50 millones
H1 : µ ̸= 50 el ingreso promedio es diferente de 50 millones
La expresión H0 : µ = 50 se le conoce como hipótesis nula y

a H1 : µ ̸= 50 se le llama hipótesis alternativa

Generalidades
Conceptos básicos
Planteamiento de la hipótesis estadı́stica

Puesto que la hipótesis alternativa especifica el valor de µ que podrı́a ser mayor
o bien menor que 50, se le llama hipótesis alternativa de dos colas, en algunas
situaciones es de interés formular una hipótesis de una cola, como se sigue
Hipótesis de cola izquierda Hipótesis de cola derecha

( (
H0 : µ = 50 H0 : µ = 50
H1 : µ < 50 H1 : µ > 50

Generalidades
Conceptos básicos
Estadı́stico de prueba
Es la formula con la que a partir de los datos y de H0 , se calcula el número cuya
magnitud permite discernir si se rechaza o no la hipótesis nula.
Región de aceptación
Son los posibles valores del estadı́stico de prueba donde no se rechaza la hipótesis
nula.
Región de rechazo
Es el conjunto de posibles valores del estadı́stico de prueba que llevan a rechazar
la hipótesis nula.

Generalidades
Conceptos básicos
Ejemplo
Suponga que el inversionista decide observar los ingresos de la empresa camaronera
durante un año (n = 12 meses) y se obtiene la media muestral x. Se decide tomar
como estadı́stico de prueba a la media muestral x.
Un valor de la media muestral cercano al valor hipotético µ = 50 es
evidencia de que la verdadera media µ es en realidad 50 millones. Resultado
a favor de H0 .
Un valor de la media muestral muy lejano al valor hipotético µ = 50 es
evidencia en favor de la hipótesis alternativa H1 .

Generalidades
Región crı́tica
Ejemplo
Continuando con el ejemplo, Suponga que si 48,5 ≤ x ≤ 51,5, no se rechazará la
hipótesis nula H0 : µ = 50, y cuando x < 48,5 o bien x > 51,5, se rechazará la
hipótesis nula en favor de la alternativa H1 : µ ̸= 50

Generalidades
Tipos de errores
El procedimiento de toma de decisiones recién descrito podrı́a conducir a cualquiera

de dos conclusiones erróneas.
Situaciones posibles al probar una hipótesis estadı́stica
Decisión H0 es verdadera H0 es falsa
Rechazar H0 Error tipo I Decisión correcta
No rechazar H0 Decisión correcta Error tipo II
La probabilidad de cometer un error tipo I se denota por α, es decir,
α = P (Error tipo I) = P (Rechazar H0 |H0 es verdadera)
La probabilidad de cometer un error tipo II se denota por β, es decir,
β = P (Error tipo II) = P (No Rechazar H0 |H0 es falsa)

Generalidades
Tipos de errores
Ejemplo
Continuando con el ejemplo, para la hipótesis
(
H0 : µ = 50 millones
H1 : µ ̸= 50 millones
la región de aceptación de H0 : µ = 50, es 48,5 ≤ x ≤ 51,5, y la región crı́tica

para H0 : µ = 50 es x < 48,5 o x > 51,5. Para este caso se tiene que:
La probabilidad de cometer un error tipo I es
α = P (Rechazar H0 |H0 es verdadera) = P (x < 48,5 ó x > 51,5|µ = 50)
La probabilidad de cometer un error tipo II es
β = P (No Rechazar H0 |H0 es falsa) = P (48,5 ≤ x ≤ 51,5|µ ̸= 50)

Generalidades
Nivel de significancia de la prueba
Significancia predefinida
El nivel de significancia predefinido, es el porcentaje de riesgo máxi-
mo que el experimentador esta dispuesto a correr por rechachar H0
indebidamente, es decir, la tolerancia que se admite con respecto al
error tipo I. Este valor se conoce como α.
Significancia observada
Es el área bajo la curva de la distribución de frecuencias más allá
del valor del estadı́stico de prueba. Se le conoce como el p − valor.
Esta cantidad “p − valor” corresponde al nivel de significación más
pequeño posible que puede escogerse, para el cual todavı́a se rechazarı́a
la hipótesis nula con las observaciones actuales. Más adelante se hará
énfasis en este concepto.
Pruebas de hipótesis para una población Hipótesis para la media µ, (σ conocida)
Tabla de Contenido
1 Generalidades
4 Ejercicios
5 Bibliografı́a
Hipótesis para la media µ

σ conocida
Suponga que se desea probar la hipótesis

(
H0 : µ = µ0
H1 : µ ̸= µ0
con un nivel de significancia α, donde µ0 es una constante dada.

Pasos
1) Se cuenta con una muestra aleatoria de tamaño n, X1 , X2 , . . . , Xn , de una
población con distribución normal con varianza σ 2 (conocida), y X la
media de la muestra.
2) Se calcula el estadı́stico de prueba.
√
X − µ0 n X − µ0
Z0 = √ =
σ/ n σ

σ conocida
3) Se determina la región crı́tica, calculando Z(1− α2 ) , donde Z(1− α2 ) , es el

cuantil 1 − α2 distribución normal estandar.
4) Se rechazará H0 si |Z0 | > Z(1− α2 ) , en caso contrario se dice que los datos
no muestran evidencia suficiente para rechazar H0 .

σ conocida
Para las pruebas unilaterales
Hipótesis de cola izquierda Hipótesis de cola derecha

( (
H0 : µ = µ0 H0 : µ = µ0
H1 : µ < µ0 H1 : µ > µ0
Rechazar H0 si Z0 < −Z(1−α) Rechazar H0 si Z0 > Z(1−α)


σ conocida
Resumen de pruebas
Hipótesis nula Estadı́stico de prueba
X − µ0
H0 : µ = µ0 Z0 = √
σ/ n
Hipótesis alternativa Criterio de rechazo
H1 : µ ̸= µ0 Rechazar H0 si |Z0 | > Z(1− α2 )
H1 : µ < µ0 Rechazar H0 si Z0 < −Z(1−α)
H1 : µ > µ0 Rechazar H0 si Z0 > Z(1−α)


σ conocida
Cálculo del valor p

Hipótesis alternativa P-valor
H1 : µ ̸= µ0 p = 2P (Z > |Z0 |)
H1 : µ < µ0 p = P (Z < Z0 )
H1 : µ > µ0 p = P (Z > Z0 )


σ conocida
Ejemplo
Cien latas de 16 onzas de salta de tomate Jake’s Mom’s tienen un
promedio de 15,2 onzas. La desviación estandar poblacional en peso
es de 0,96 onzas. ¿A un nivel de confianza de 93 %, las latas parecen
estar llenas con un promedio de 16 onzas?


σ conocida
Hipótesis de dos colas

(
H0 : µ = 16
H1 : µ ̸= 16
Datos del problema

n = 100, σ = 0,96, x = 15,2, µ0 = 16 y α = 0,07
√ √
n X − µ0 100 (15,2 − 16)
Z0 = = = −8,333333
σ 0,96


σ conocida
Valor crı́tico para α = 0,07. Decisión:

|Z0 | = | − 8,333333| = 8,333 > 1,8119,
Z(1−0,07/2) = Z(0,965) = 1,8119 se rechaza la hipótesis nula, y se
concluye con un nivel de 93 % de
En Excel confianza, que el llenado promedio de
=DISTR.NORM.ESTAND.INV(1 − 0, 07/2)
las latas es diferente a 16 onzas

Cálculo en R
Código (previa instalación de la librerı́a PASWR)
PASWR::zsum.test(mean.x=15.2 , sigma.x=0.96 , n.x=100 , mu = 16 ,

alternative="two.sided",conf.level=0.93)
Salida
One-sample z-Test
data: Summarized x
z = -8.3333, p-value < 2.2e-16
alternative hypothesis: true mean is not equal to 16
93 percent confidence interval:
15.02606 15.37394
sample estimates:
mean of x
15.2


σ conocida
Ejemplo
Antes de publicar un nuevo libro de cocina, Batman Book desea probar
la hipótesis, con un nivel de significancia del 10 % de que el precio
promedio de tales libros es de U S$36,00. Con base en los precios de
libros simulares, se asume que la desviación estandar poblacional del
precio de tales libros es U S$9,87. ¿Esta afirmación se sustenta si una
muestra de 50 libros de cocina tienen un precio promedio de U S$32,97?


σ conocida
Hipótesis de dos colas

(
H0 : µ = 36
H1 : µ ̸= 36
Datos del problema

n = 50, σ = 9,87, x = 32,97, µ0 = 36 y α = 0,10
√ √
n X − µ0 50 (32,97 − 36)
Z0 = = = −2,1708
σ 9,87


σ conocida
Valor crı́tico para α = 0,10. Decisión:

|Z0 | = | − 2,1708| = 2,1708 > 1,645,
Z(1−0,10/2) = Z(0,95) = 1,645 se rechaza la hipótesis nula, y se
En Excel confianza, que el precio promedio de
=DISTR.NORM.ESTAND.INV(1 − 0, 10/2)
los libros es diferente de U S$36,00.

Cálculo en R
PASWR::zsum.test(mean.x=32.97 , sigma.x=9.87 , n.x=50 , mu = 36 ,

alternative="two.sided",conf.level=0.90)
Salida
One-sample z-Test
data: Summarized x
z = -2.1708, p-value = 0.02995
30.67407 35.26593
sample estimates:
mean of x
32.97


σ conocida
P − valor
El P − valor para esta prueba se calcula como
P − valor = 2P (Z > |Z0 |) = 2P (Z > 2,1708) = 2(0,014973) = 0,02995
Valores crı́tico para diferentes valores de α

Para α = 0,05, Z(1− α ) = Z(1−0,05/2) = Z(0,975) = 1,959964 (Rechazar H0 )
2

2
2
Para α = 0,02994, Z(1− α ) = Z(1−0,02994/2) = Z(0,98503) = 2,170883 (No Rechazar
2
H0 )
Para α = 0,02, Z(1− α ) = Z(1−0,02/2) = Z(0,99) = 2,326348 (No Rechazar H0 )
2
Para α = 0,01, Z(1− α ) = Z(1−0,01/2) = Z(0,995) = 2,575829 (No Rechazar H0 )
2

Pruebas de hipótesis para una población Hipótesis para la media µ, (σ desconocida)
Tabla de Contenido
1 Generalidades
4 Ejercicios
5 Bibliografı́a

σ desconocida
Caso 1) n ≥ 30
Si se desconoce la varianza de la población, pero n ≥ 30, se usa el proce-

dimiento anterior reemplazando la varianza poblacional σ 2 por la varianza
muestral S 2 . En resumen se tiene
X − µ0
H 0 : µ = µ0 Z0 = √
S/ n
H1 : µ ̸= µ0 Rechazar H0 si |Z0 | > Z(1− α2 )
H1 : µ < µ0 Rechazar H0 si Z0 < −Z(1−α)
H1 : µ > µ0 Rechazar H0 si Z0 > Z(1−α)


σ desconocida
Caso 2) n < 30
(
H0 : µ = µ0
H1 : µ ̸= µ0
con un nivel de significancia α.

Pasos
1) Se cuenta con una muestra aleatoria de tamaño n, X1 , X2 , . . . , Xn , de una
población con distribución normal con varianza σ 2 (desconocida), y X la
media de la muestra.


σ desconocida

√
X − µ0 n X − µ0
t0 = √ =
S/ n S
3) Se determina la región crı́tica, calculando t(1− α ;n−1) , donde t(1− α ;n−1) , es

2 2
el cuantil 1 − α2 de la distribución t − student con n − 1 grados de libertad.
4) Se rechazará H0 si |t0 | > t(1− α ;n−1) , en caso contrario se dice que los
2
datos no muestran evidencia suficiente para rechazar H0 .


σ desconocida
Para las pruebas unilaterales

Hipótesis de cola izquierda
(
H0 : µ = µ0
H1 : µ < µ 0
Rechazar H0 si t0 < −t(1−α;n−1)
Hipótesis de cola derecha

(
H0 : µ = µ0
H1 : µ > µ 0
Rechazar H0 si t0 > t(1−α;n−1)


σ desconocida
Resumen de pruebas
X − µ0
H0 : µ = µ0 t0 = √
S/ n
H1 : µ ̸= µ0 Rechazar H0 si |t0 | > t(1− α ;n−1)
2
H1 : µ < µ0 Rechazar H0 si t0 < −t(1−α;n−1)
H1 : µ > µ0 Rechazar H0 si t0 > t(1−α;n−1)


σ desconocida


H1 : µ ̸= µ0 p = 2P t(n−1) > |t0 |
H1 : µ < µ0 p = P t(n−1) < t0
H1 : µ > µ0 p = P t(n−1) > t0


σ desconocida
Ejemplo
Se desea evaluar la resistencia mı́nima que tiene un envase de plástico
en posición vertical. Para ello, es necesario garantizar que sea de al
menos 20 kg. Para evaluar esto se han obtenido los siguientes datos
mediante pruebas destructivas:
26,8 29,5 28,4 26,3 28,1 28,7 27,0 25,5 26,9
Usando α = 0,05, pruebe la hipótesis de que la resistencia promedio
de los envases es la adecuada.


σ desconocida
Hipótesis de cola superior

(
H0 : µ ≥ 20
H1 : µ < 20
Datos del problema

n = 9, s = 1,2816, x = 27,4667, µ0 = 20 y α = 0,05
√ √
n X − µ0 9 (27,4667 − 20)
t0 = = = 17,47814
S 1,2816


σ desconocida
Para α = 0,05, el valor del cuantil de la distribución t con 8 grados de

libertad es
t(1−α;n−1) = t(0,95;8) = 1,859
En Excel =DISTR.T.INV(2*0,05;8)
Como t0 = 17,47814 ≮ −1,859, no se

rechaza la hipótesis nula, y se concluye
con un nivel de 95 % de confianza, que
la resistencia promedio de los envases
es de por lo menos 20 kg.

Cálculo en R
Código
resistencia <- c(26.8,29.5,28.4,26.3,28.1,28.7,27.0,25.5,26.9)

t.test(resistencia , alternative = "less" , mu = 20 ,
conf.level = 0.95)
Salida
One Sample t-test
data: resistencia
t = 17.478, df = 8, p-value = 1
alternative hypothesis: true mean is less than 20
-Inf 28.26107
sample estimates:
mean of x
27.46667

σ desconocida
Ejemplo
Debido al tiempo excesivo que se gasta hacia el sitio de trabajo, la ofi-
cina en donde usted trabaja en en centro de Bogotá está considerando
espaciar las horas de trabajo para sus empleados. El gerente conside-
ra que los empleados gastan un promedio de 50 minutos para llegar
al trabajo. 14 empleados se toman un promedio de 47,2 minutos con
una desviación estándar de 18,9 minutos. Fije α en 1 % y pruebe la
hipótesis


σ desconocida
Hipótesis de cola superior

(
H0 : µ = 50
H1 : µ ̸= 50
Datos del problema

n = 14, x = 47,2, s = 18,9, µ0 = 50 y α = 0,01
√ √
n X − µ0 14 (47,2 − 50)
t0 = = = −0,5543
S 18,9


σ desconocida
Para α = 0,01, el valor del cuantil de la distribución t con 13 grados de

libertad es
t(1− α ;n−1) = t(1−0,01/2;13) = t(0,995;13) = 3,0123

2
En Excel =DISTR.T.INV(0,01;13)
Como |t0 | = 0,5543 < 3,0123, No se

puede rechazar la hipótesis nula, se
confianza, que el tiempo promedio que
los trabajadore gastan hacia el sitio de
trabajo es igual 50 minutos.

Cálculo en R
PASWR::tsum.test(mean.x = 47.2 , s.x = 18.9 , n.x = 14 , mu = 50 ,

alternative = "two.sided" , conf.level = 0.99)
Salida
One-sample t-Test
data: Summarized x
t = -0.55432, df = 13, p-value = 0.5888
31.98428 62.41572
sample estimates:
mean of x
47.2

Pruebas de hipótesis para una población Hipótesis para la proporción π
Tabla de Contenido
1 Generalidades
4 Ejercicios
5 Bibliografı́a
Hipótesis para π
Suponga que se ha tomado una muestra aleatotia de tamaño n de

una población grande y que X (≤ n) observaciones de esta muestra
X
pertenecen a una clase de interés. Entonces P = es un estimador
n
puntual de la roporción π de la polación que pertenece a esta clase.
Se sabe que la distribución de muestreo de P es aproximadamente
normal con media π y varianza π (1 − π) /n, siempre que nπ ≥ 5 y
nπ (1 − π) ≥ 5

Hipótesis para π
(
H0 : π = π0
H1 : π ̸= π0
con un nivel de significancia α, donde π0 es una constante dada.

Pasos
X
1) Se cuenta con una muestra aleatoria de tamaño n donde P = es la
n
proporción de éxitos en la muestra.
P − π0
Z0 = r
π0 (1 − π0 )
n
Hipótesis para π
3) Se determina la región crı́tica, calculando el cuantil Z(1− α2 ) de la

distribución normal estandar.
4) Se rechazará H0 si |Z0 | > Z(1− α2 ) .
Resumen de pruebas
P − π0
H0 : π = π0 Z0 = p
π0 (1 − π0 ) /n
H1 : π ̸= π0 Rechazar H0 si |Z0 | > Z(1− α2 )
H1 : π < π0 Rechazar H0 si Z0 < −Z(1−α)
H1 : π > π0 Rechazar H0 si Z0 > Z(1−α)

Hipótesis para π

H1 : π ̸= π0 p = 2P (Z > |Z0 |)
H1 : π < π0 p = P (Z < Z0 )
H1 : π > π0 p = P (Z > Z0 )

Hipótesis para π
Ejemplo
En un centro escolar se ha venido aplicando una campaña contra el uso
del tabaco por parte de los estudiantes. Antes de la campaña, un 30 %
de los alumnos eran fumadores activos; para investigar si disminuyó
esa proporción, se toma una muestra aleatoria de 150 estudiantes y se
detecta que 35 de ellos son fumadores.
a) Formule la hipótesis pertinente al problema
b) Con una significancia del 5 % verifique la hipótesis planteada
c) ¿Se mantiene la conclusión anterior si se quiere tomar una
decisión con una confianza del 99 %?

Hipótesis para π
Hipótesis de cola inferior

(
H0 : π = 0,30
H1 : π < 0,30
Datos del problema

n = 150, X = 35, p = Xn = 30 7
y α = 0,05
Valor crı́tico
Para α = 0,05, el valor del cuantil de la distribución normal es
Z(1−α) = Z(0,95) = 1,645

Hipótesis para π
7
P − π0 − 0,30
Z0 = r = r30 = −1,782
π0 (1 − π) 0,30 (0,70)
n 150
Decisión:
Como Z0 = −1,782 < −1,645 se
rechaza la hipótesis nula; se concluye
al nivel del 5 % que la proporción de
alumnos fumadores es menor que 30 %

Hipótesis para π
Para el inciso c), si se toma α = 0,01, el valor del cuantil queda
Z(1−α) = Z(0,99) = 2,326
En este caso, Z0 = −1,782 > −2,326

y por lo tanto no se puede rechazar la
hipótesis nula. Entonces, al nivel del
99 % no se mantiene la conclusión del
inciso anterior.

Cálculo en R
n = 150 ; x = 35 ; p = x/n ; pi0 = 0.30 ; alfa=0.05
Z0 = (p-pi0)/sqrt(pi0*(1-pi0)/n) ; Z0
[1] -1.781742
Zc = qnorm(1-alfa) ; Zc
[1] 1.644854
p_valor = pnorm(Z0) ; p_valor

[1] 0.03739569

Pruebas de hipótesis para una población Hipótesis para la varianza σ 2
Tabla de Contenido
1 Generalidades
4 Ejercicios
5 Bibliografı́a
Hipótesis para σ 2
Supongase que se quiere probar la hipótesis de que la varianza σ 2

de una población normal es igual a un valor especı́fico, digamos σ02 .
Sea X1 , X2 , . . . , Xn una muestra aleatoria de n observaciones de esta
población. Suponga que se desea probar la hipótesis
(
H0 : σ 2 = σ02
H1 : σ 2 ̸= σ02

Pasos
(n − 1) S 2
X02 = 2
∼ χ2(n−1)
σ0
2) Se determina la región crı́tica, calculando los valores crı́ticos de

la distribución chi − cuadrado con n − 1 grados de libertad.
χ21− α ;n−1 y χ2 α ;n−1
( 2 ) (2 )

3) Se rechazará H0 si
X02 > χ2(1− α ;n−1)

2
o bien si
X02 < χ2( α ;n−1)

2
.
(n − 1) S 2
H0 : σ 2 = σ02 X02 =
σ02
H1 : σ 2 ̸= σ02 Rechazar H0 si X02 > χ21− α ;n−1 o X02 < χ2 α ;n−1
( 2 ) (2 )
H1 : σ 2 < σ02 Rechazar H0 si X02 < χ2(α;n−1)
H1 : σ 2 > σ02 Rechazar H0 si X02 > χ2(1−α;n−1)

Ejemplo
En el proceso de fabricación de discos para computadoras, una de las varia-
bles crı́ticas es el rendimiento de formato. Se toma una muestra aleatoria
de n = 10 discos de la producción del turno de la mañana. Se formatean y
se reporta el rendimiento de cada disco. Los datos obtenidos son:
96,11 91,06 93,38 88,52 89,57 92,63 85,20 91,41 89,79 92,62.
Por experiencia se considera que la variabilidad del proceso es estable cuando

σ = 2,5.
¿Está el proceso bajo control?

Datos: n = 10, s2 = 8,9467 y α = 0,05

Hipótesis de dos colas (
H0 : σ 2 = 2,52
H1 : σ 2 ̸= 2,52
Para α = 0,05, los puntos criticos de la distribución chi − cuadrado con 9

grados de libertad son:
χ2(1− α ;n−1) = χ2(1−0,05/2;9) = χ2(0,975;9) = 19,0228

2
χ2( α ;n−1) = χ2(0,05/2;9) = χ2(0,025;9) = 2,7004

2
En Excel se calcula como (Excel entrega cola superior)

=PRUEBA.CHI.INV(0,05/2;9)
=PRUEBA.CHI.INV(1-0,05/2;9)

(n − 1) S 2 9 (8,9467)
X02 = = = 12,88
σ02 6,25
Como X02 = 12,88 < 19,0228 y

X02 = 12,88 > 2,7004, no se puede
rechazar la hipótesis nula.
Respondiendo a la pregunta, se puede decir con un 95 % de confianza que el proceso

está estable, es decir, que σ = 2,5.
Cálculo en R
x = c(96.11,91.06,93.38,88.52,89.57,92.63,85.20,91.41,89.79,92.62)
n= length(x) ; s = sd(x) ; sigma0 = 2.5 ; alfa = 0.05
X0 = (n-1)*(s^2)/(sigma0^2) ; X0
[1] 12.88328
Xinf = qchisq(alfa/2,n-1) ; Xinf

[1] 2.700389
Xsup = qchisq(1-alfa/2,n-1) ; Xsup

[1] 19.02277
zona_acept <- paste(round(Xinf,4)," <=" , "X0"," <= ",round(Xsup,4))

zona_acept
[1] "2.7004 <= X0 <= 19.0228"

Pruebas de hipótesis para dos poblaciones Hipótesis para µ1 − µ2 , (σ1 , σ2 conocidas)
Tabla de Contenido
1 Generalidades
4 Ejercicios
5 Bibliografı́a
Hipótesis para µ1 − µ2
σ1 , σ2 conocidas
Suponga que se tienen dos poblaciones normales e independientes con medias µ1 y

µ2 , y varianzas conocidas σ12 y σ22 respectivamente. Se desea probar la hipótesis.
(
H0 : µ1 − µ2 = δ0
H1 : µ1 − µ2 ̸= δ0
con un nivel de significancia α, donde δ0 es una constante dada.

Se cuenta con una muestra aleatoria de tamaño n1 de la población 1 y una muestra
aleatoria de tamaño n2 de la población 2, y X 1 y X 2 son las medias de las dos
muestras respectivamente. Se calcula el estadı́stico:
X 1 − X 2 − δ0
Z0 = q 2
σ1 σ22
n1 + n2
y rechazamos H0 si |Z0 | > Z(1− α2 ) .

σ1 , σ2 conocidas
Resumen de pruebas
H0 : µ1 − µ2 = δ0 Z0 = Xr1 −X
σ2
2 −δ0
σ21+ 2
n1 n2

H1 : µ1 − µ2 ̸= δ0 Rechazar H0 si |Z0 | > Z(1− α2 )
H1 : µ1 − µ2 < δ0 Rechazar H0 si Z0 < −Z(1−α)
H1 : µ1 − µ2 > δ0 Rechazar H0 si Z0 > Z(1−α)

σ1 , σ2 desconocidas, (muestras grandes)
NOTA
Si las varianzas σ12 y σ22 no se conocen, pero los tamaños de muestra
son grandes , en su lugar, se usan S12 y S22 . Ası́, el estadı́stico de prueba
queda
X 1 − X 2 − δ0
Z0 = q 2
S1 S2
n1
+ n22

σ1 , σ2 conocidas
Ejemplo
Dos diferentes formulaciones de un combustible oxigenado para motores se prueban
para estudiar su ı́ndice de octano en carretera. La varianza del ı́ndice de octano en
carretera para la formulación 1 es σ12 = 1,5 y para la formulación 2 es σ22 = 1,2. Se
prueban dos muestras aleatorias de tamaños n1 = 15 y n2 = 20, y las medias del
ı́ndice de octanoo en carretera observadas son x1 = 89,6 y x2 = 92,5. Suponga
una distribución normal.
a) Si la formulación 2 produce un ı́ndice de octano en carretera más alto que
la formulación 1, al fabricante le gustarı́a detectarlo. Formule y pruebe la
hipótesis apropiada usando α = 0,05.
b) ¿Cuál es el valor p de la prueba?

σ1 , σ2 conocidas
Solución
Formulación 1 n1 = 15 x1 = 89,6 σ12 = 1,5
Formulación 2 n2 = 20 x2 = 92,5 σ22 = 1,2
Hipótesis (
H0 : µ1 − µ2 = 0
H1 : µ1 − µ2 < 0
Para α = 0,05, el valor critico de la distribución Z es
Z(1−α) = Z0,95 = 1,645
En Excel se calcula como =DISTR.NORM.ESTAND.INV(1 − 0, 05)

σ1 , σ2 conocidas
89,6 − 92,5 − 0
Estadı́tico de prueba: Z0 = q = −7,25
1,5 1,2
15 + 20
Decisión:
Como Z0 = −7,25 < −1,645, se
rechaza la hipótesis nula.
De este resultado se concluye que la formulación 1 produce menos ı́ndice de octa-

naje que la formulación 2.

σ1 , σ2 conocidas
El valor P de la prueba para cola inferior es:
p = P (Z < Z0 )
= P (Z < −7,25)
≈0

Cálculo en R
PASWR::zsum.test(mean.x = 89.6,sigma.x = sqrt(1.5),n.x = 15,
mean.y = 92.5,sigma.y = sqrt(1.2),n.y = 20,
alternative="less",mu=0,conf.level=0.95)
Salida
Two-sample z-Test
data: Summarized x and y

z = -7.25, p-value = 2.084e-13
alternative hypothesis: true difference in means is less than 0
-Inf -2.242059
sample estimates:
mean of x mean of y
89.6 92.5

Pruebas de hipótesis para dos poblaciones Hipótesis para µ1 − µ2 , (σ1 , σ2 desconocidas)
Tabla de Contenido
1 Generalidades
4 Ejercicios
5 Bibliografı́a
σ1 , σ2 desconocidas, σ1 = σ2
Suponga que se tienen dos poblaciones normales e independientes con medias µ1 y

µ2 , y varianzas σ12 y σ22 desconocidas pero iguales. Se desea probar la hipótesis.
(
H0 : µ1 − µ2 = δ0
H1 : µ1 − µ2 ̸= δ0
Se cuenta con una muestra aleatoria de tamaño n1 de la población 1 y una

muestra aleatoria de tamaño n2 de la población 2, y sean respectivamente
X 1 y X 2 las medias, S12 y S22 las varianzas muestrales.

Se calcula el estadı́stico
X 1 − X 2 − δ0
t0 = q
Sp n11 + n12
Siendo r
(n1 − 1) S12 + (n2 − 1) S22
Sp =
m
m = n1 + n2 − 2, son los grados de libertad.
Se rechazará H0 si |t0 | > t(1− α ;m) .
2

Resumen de pruebas
H1 : µ1 − µ2 = δ0 t0 = X 1q−X1 2 −δ10
Sp n1
+n
2

H1 : µ1 − µ2 ̸= δ0 Rechazar H0 si |t0 | > t(1− α ;m)
2
H1 : µ1 − µ2 < δ0 Rechazar H0 si t0 < −t(1−α;m)
H1 : µ1 − µ2 > δ0 Rechazar H0 si t0 > t(1−α;m)



H1 : µ1 − µ2 ̸= δ0 p = 2P t(m) > |t0 |
H1 : µ1 − µ2 < δ0 p = P t(m) < t0
H1 : µ1 − µ2 > δ0 p = P t(m) > t0

Ejemplo
Se investiga en diámetro de las varillas de acero fabricadas en dos
máquinas de extrusión diferentes. Se seleccionan dos muestras alea-
torias de tamaños n1 = 15 y n2 = 17, y las medias muestrales y
varianzas muestrales son x1 = 8,73, s21 = 0,35, x2 = 8,68 y s22 = 0,40
respectivamente. Suponga que σ12 = σ22 y que los datos se extraen de
una distribución normal.
¿Hay evidencia en favor de la afirmación de que las dos
máquinas producen varillas con medias del diámetro diferenctes?
Use α = 0,05 para llegar a esta conclusión.
Calcule el valor p de la prueba.
Datos
Máquina 1 n1 = 15 x1 = 8,73 s21 = 0,35
Máquina 2 n2 = 17 x2 = 8,68 s22 = 0,40
hipótesis (
H0 : µ1 − µ2 = 0
H1 : µ1 − µ2 ̸= 0

grados de libertad
m = n1 + n2 − 2 = 15 + 17 − 2 = 30
Valor crı́tico
Para α = 0,05, el valor critico de la distribución t con 30 grados
de libertad es
t(1− α ;m) = t(1−0,05/2;30) = t(0,975;30) = 2,0423

2
En Excel se calcula como

=DISTR.T.INV(0,05;21)

r r
(n1 − 1) S12 + (n2 − 1) S22 (14) 0,35 + (16) 0,40
Sp = = = 0,6137
m 30
0,73 − 0,68 − 0
t0 = r = 0,23
1 1
0,6137 +
15 17
como |t0 | = 0,23 < 2,042 no se puede
rechazar la hipótesis nula, t0 no está
en la zona de rechazo.

De acuerdo con el resultado, se concluye que las dos máquinas producen varillas
con medias del diámetro iguales.
El valor P de la prueba de dos colas es:

p = 2P t(m) > |t0 |

= 2P t(30) > 0,23
= 2 (0,4098)
= 0,8197

Cálculo en R
PASWR::tsum.test(mean.x = 8.73,s.x = sqrt(0.35),n.x = 15,
mean.y = 8.68,s.y = sqrt(0.40),n.y = 17,
var.equal=T,alternative="two.sided",mu=0,conf.level
Salida
Standard Two-Sample t-Test

t = 0.22998, df = 30, p-value = 0.8197
alternative hypothesis: true difference in means is not equal to 0
-0.3940145 0.4940145
sample estimates:
mean of x mean of y
8.73 8.68

σ1 , σ2 desconocidas, σ1 ̸= σ2
Para el caso anterior, si no se conocen las varianzas pero se sabe que son distintas
(σ1 ̸= σ2 ), se calcula
X 1 − X 2 − δ0
t0 = s
S12 S22
+
n1 n2
y rechazamos H0 si |t0 | > t(1− α ;v) .
2
con !2
S12 S22
+
n1 n2
v= 2 2
S12 /n1 S22 /n2
+
n1 − 1 n2 − 1

Resumen de pruebas
H1 : µ1 − µ2 = δ0 t0 = Xr1 −X
S2
2 −δ0
S2
1 + n2
n1 2

H1 : µ1 − µ2 ̸= δ0 Rechazar H0 si |t0 | > t(1− α ;v)
2
H1 : µ1 − µ2 < δ0 Rechazar H0 si t0 < −t(1−α;v)
H1 : µ1 − µ2 > δ0 Rechazar H0 si t0 > t(1−α;v)



H1 : µ1 − µ2 ̸= δ0 p = 2P t(v) > |t0 |
H1 : µ1 − µ2 < δ0 p = P t(v) < t0
H1 : µ1 − µ2 > δ0 p = P t(v) > t0

Ejemplo
Para ejemplo anterior, suponga ahora que σ1 ̸= σ2
Datos
Máquina 1 n1 = 15 x1 = 8,73 s21 = 0,35
Máquina 2 n2 = 17 x2 = 8,68 s22 = 0,40
Hipóesis
(
H0 : µ1 − µ2 = 0
H1 : µ1 − µ2 ̸= 0

Grados de libertad
!2 !2
S12 S22 0,35 0,40
+ +
n1 n2 15 17
v= 2 2 = 2 2 = 29,88 ≈ 30
S12 /n1 S22 /n2 (0,35/15) (0,40/17)
+ +
n1 − 1 n2 − 1 14 16
Valor critico
Para α = 0,05, el valor critico de la distribución t con 30 grados de libertad
es
t(1− α ;m) = t(1−0,05/2;30) = t(0,975;30) = 2,0423
2
En Excel se calcula como =DISTR.T.INV(0,05;21)

0,73 − 0,68 − 0
t0 = r = 0,231
0,35 0,40
+
15 17
Decisión:
como |t0 | = 0,231 < 2,042 no se puede
rechazar la hipótesis nula, t0 no está
en la zona de rechazo.

Cálculo en R
PASWR::tsum.test(mean.x = 8.73,s.x = sqrt(0.35),n.x = 15,
mean.y = 8.68,s.y = sqrt(0.40),n.y = 17,
var.equal=F,alternative="two.sided",mu=0,
conf.level=0.95)
Salida
Welch Modified Two-Sample t-Test

t = 0.23097, df = 29.883, p-value = 0.8189
-0.3921799 0.4921799
sample estimates:
mean of x mean of y
8.73 8.68

Pruebas de hipótesis para dos poblaciones Hipótesis para muestras pareadas
Tabla de Contenido
1 Generalidades
4 Ejercicios
5 Bibliografı́a
Sean (x11 , x21 ) , (x12 , x22 ) , . . . , (x1n , x2n ) un conjunto de n pares aleatorios de
mediciones que tienen una distribución normal y sean D y SD la media y la des-
viación estandar muestrales de la diferencia (Dj = x1j , x2j ) para j = 1, 2, . . . , n.
Con un nivel de significancia α, se desea probar hipótesis.
(
H0 : µD = µ0
H1 : µD ̸= µ0
Se calcula √
D − µ0 n D − µ0
t0 = √ =
SD / n SD
Y rechazamos H0 si | t0 |> t(1− α ,n−1)
2

Resumen de pruebas
D − µ0
H0 : µD = µ0 t0 = √
SD / n
H1 : µD ̸= µ0 Rechazar H0 si |t0 | > t(1− α ;n−1)
2
H1 : µD < µ0 Rechazar H0 si t0 < −t(1−α;n−1)
H1 : µD > µ0 Rechazar H0 si t0 > t(1−α;n−1)



H1 : µD ̸= µ0 p = 2P t(n−1) > |t0 |
H1 : µD < µ0 p = P t(n−1) < t0
H1 : µD > µ0 p = P t(n−1) > t0

Ejemplo
El administrador de una flota de automóviles está provando dos marcas
de llantas radiales. Instala una llanta de cada marca al azar en las dos
ruedas traseras de ocho automóviles y los usa hasta que las llantas
se desgastan. Los datos se presentan a continuacón en (kilómetros).
¿Qué marca preferirı́a usted?, use α = 0,01.
Automóvil 1 2 3 4 5 6 7 8
Marca 1 36925 45300 36240 32100 37210 48360 38200 33500
Marca 2 34318 42280 35500 31950 38015 47800 37810 33215

Variables
X1 = Recorrido de las llantas de la marca 1
X2 = Recorrido de las llantas de la marca 2
Diferencias
Automóvil 1 2 3 4 5 6 7 8
Marca 1 36925 45300 36240 32100 37210 48360 38200 33500
Marca 2 34318 42280 35500 31950 38015 47800 37810 33215
Diferencia 2607 3020 740 150 -805 560 390 285
Resumen de datos
Para las diferencias D = X1 − X2 se tiene
d = 868,375, sD = 1290,033, n = 8

Valor crı́tico para α = 0,01
t(1− α ;n−1) = t(0,995;7) = 3,4995

2
√
8 (868,375 − 0)
t0 = = 1,904
1290,033
Como | t0 |< 3,4995, no se puede

rechazar la hipótesis nula
Con este resultado, cualquier marca es preferible, debido a que no se rechaza la
hipótesis nula.

Cálculo en R
Marca_1 = c(36925,45300,36240,32100,37210,48360,38200,33500)
Marca_2 = c(34318,42280,35500,31950,38015,47800,37810,33215)
t.test(Marca_1,Marca_2,alternative="two.sided",paired=TRUE,mu=0,conf.level=0.99)
Salida
Paired t-test
data: Marca_1 and Marca_2

t = 1.9039, df = 7, p-value = 0.09863
-727.7239 2464.4739
sample estimates:
mean of the differences
868.375

Cálculo en R
Marca_1 = c(36925,45300,36240,32100,37210,48360,38200,33500)
Marca_2 = c(34318,42280,35500,31950,38015,47800,37810,33215)
D = Marca_1-Marca_2 ; n = length(D) ; mediaD = mean(D) ; sD = sd(D)
PASWR::tsum.test(mean.x = mediaD,s.x = sD,n.x = n,

alternative = "two.sided",mu = 0,conf.level = 0.99)
Salida
One-sample t-Test
data: Summarized x
t = 1.9039, df = 7, p-value = 0.09863
-727.7239 2464.4739
sample estimates:
mean of x
868.375

Pruebas de hipótesis para dos poblaciones Hipótesis para π1 − π2
Tabla de Contenido
1 Generalidades
4 Ejercicios
5 Bibliografı́a
Suponga que se tienen dos muestras aleatorias independientes de tamaños n1 y
n2 , y sea que X1 y X2 representen el número de observaciones que pertenecen a
la clase interés en cada muestra respectivamente.
Sean P1 = X1 /n1 y P2 = X2 /n2 las proporciones muestrales.
Con un nivel de significancia α, se desea probar la hipótesis
(
H0 : π1 − π2 = δ0
H1 : π1 − π2 ̸= δ0
(P1 − P2 ) − ∆0
Z0 = s
P1 (1 − P1 ) P2 (1 − P2 )
+
n1 n2
Y rechazamos H0 si |Z0 | > Z(1− α2 ) .

Si en la hipótesis nula δ0 = 0, que es lo más usual, es equivalente a probar la

hipótesis H0 : π1 = π2 . Si la hipótesis nula es verdadera, se puede usar el echo de
que π1 = π2 = π, en este caso se calcula el estadı́stico
P1 − P2
Z0 = v !
u
tP (1 − P ) 1 + 1
u
n1 n2
donde
X1 + X2
P =
n1 + n2
Y rechazamos H0 si |Z0 | > Z(1− α2 ) .

Resumen de pruebas
P 1 − P2
H0 : π1 = π2 Z0 = p
P (1 − P ) (1/n1 + 1/n2 )
H1 : π1 ̸= π2 Rechazar H0 si |Z0 | > Z(1− α2 )
H1 : π1 < π2 Rechazar H0 si Z0 < −Z(1−α)
H1 : π1 > π2 Rechazar H0 si Z0 > Z(1−α)


H1 : π1 ̸= π2 p = 2P (Z > |Z0 |)
H1 : π1 < π2 p = P (Z < Z0 )
H1 : π1 > π2 p = P (Z > Z0 )

Ejemplo
Como parte de un proyecto, un especialista de mercadeo encuestó en
un centro comercial local a 100 hombres y 100 mujeres respecto a
sus hábitos en las compras. 79 de los hombres dijeron que habı́an
usado una tarjeta de crédito para hacer compras superiores a US$10
en el último mes, mientras que 84 mujeres admitieron hacer ese mismo
tipo de pago. Pruebe la hipótesis de igualdad de roporciones usando
α = 0,05.

Variables
X1 = # hombres que usan tarjera de crédito
X2 = # mujeres que usan tarjera de crédito
Datos
79
x1 = 79 y n1 = 100 −→ p1 = 100 = 0,79
84
x2 = 84 y n2 = 100 −→ p2 = 100
= 0,84
p = 79+84
200
= 0,815
Hipótesis
(
H0 : π1 = π2
H1 : π1 ̸= π2

Valor crı́tico
Z(1− α2 ) = Z(1−0,05/2) = Z(0,975) = 1,96
0,79 − 0,84
Z0 = q
1 1
= −0,9105
0,815 (0,185) 100 + 100
Decisión.
Como | Z0 |= 0,9105 < 1,96, no se
puede rechazar la hipótesis nula. Z0 está
en la región de no rechazo, se concluye
el nivel del 5 % que las proporciones son
iguales.

Cálculo en R
Código
n1 = 100 ; n2 = 100 ; x1 = 79 ; x2 = 84
delta=0 ; alfa=0.05
p1 = x1/n1 ; p2 = x2/n2 ; P = (x1+x2)/(n1+n2)
if(delta==0){
Z0 = (p1-p2)/sqrt(P*(1-P)*(1/n1 + 1/n2))} else{
Z0 = (p1-p2-delta)/sqrt(p1*(1-p1)/n1 + p2*(1-p2)/n2)}
Z0
Zc = qnorm(1 - alfa/2) ; Zc
p_valor = 2*pnorm(abs(Z0),lower.tail=F)
p_valor
Salida
2 2
Pruebas de hipótesis para dos poblaciones Hipótesis para σ1 /σ2
Tabla de Contenido
1 Generalidades
4 Ejercicios
5 Bibliografı́a
2 2
Hipótesis para σ12/σ12
Se tienen dos poblaciones normales independientes con varianzas σ12 y σ22 desco-
nocidas. Se extraen dos muestras aleatorias de tamaños n1 y n2 respectivamente,
y sean S12 y S22 las varianzas muestrales. Se desea probar la hipótesis
(
H0 : σ12 = σ22
H1 : σ12 ̸= σ22
S12
F0 =
S22
Y rechazamos H0 si F0 < f( α ;n1 −1;n2 −1) o si F0 > f(1− α ;n1 −1;n2 −1)
2 2
Nota: Se puede calcular (se intercambian los grados de libertad)

f( α ;n1 −1;n2 −1) = 1/f(1− α ;n2 −1;n1 −1)
2 2

2 2
Resumen de pruebas
S12
H0 : σ12 = σ22 F0 =
S22
H1 : σ12 ̸= σ22 Rechazar H0 si F0 < f( α ;n1 −1;n2 −1) o F0 > f(1− α ;n1 −1;n2 −1)
2 2
H1 : σ12 < σ22 Rechazar H0 si F0 < f(α;n1 −1;n2 −1)
H1 : σ12 > σ22 Rechazar H0 si F0 > f(1−α;n1 −1;n2 −1)

2 2
Ejemplo
Una compañı́a de transporte de carga desea escoger la mejor ruta para
llevar la mercancı́a de un depósito a otro. La mayor preocupación es el
tiempo de viaje. En el estudio se seleccionaron al azar cinco choferes
de un grupo de 10 y se asignaron a la ruta A; los cinco restantes se
asignaron a la ruta B. Los datos obtenidos fueron:
Ruta Tiempo de viaje
A 18 24 30 21 32
B 22 29 34 25 35
formule y pruebe la hipótesis de igualdad de varianzas usando α = 0,02.

2 2
Resumen de datos
A nA = 5 sA = 5,9161
B nB = 5 sB = 5,6125
Valores crı́ticos
Para α = 0,02, los puntos criticos de la distribución F con 4
grados de libertad en el numerador y 4 grados de libertad en el
denominador son:
F( α ;n2 −1;n1 −1) = F(0,02/2;4;4) = F(0,01;4;4) = 0,0626

2
F(1− α ;n2 −1;n1 −1) = F(1−0,02/2;4;4) = F(0,99;4;4) = 15,9770

2
En Excel se calcula como

=DISTR.F.INV(1-0,02/2;4;4)
=DISTR.F.INV(0,02/2;4;4)

2 2

2
SA 5,91612 Hipótesis
F0 = 2 = = 1,111
SB 5,61252 (
2 2
H0 : σ A = σB
2 2
H1 : σA ̸= σB
Decisión
Como 0,066 < F0 < 15,9770, no se
puede rechazar la hipótesis nula. F0
está en la región de no rechazo.
De acuerdo con este resultado, se concluye que la variabilidad del tiem-

po de viaje es la misma en ambas rutas.

2 2
Cálculo en R
A = c(18,24,30,21,32)
B = c(22,29,34,25,35)
n1 = length(A) ; s1 = sd(A)
n2 = length(B) ; s2 = sd(B)
alfa=0.02
F0 = (s1^2)/(s2^2) ; F0
Finf = qf(alfa/2,n1-1,n2-1)
Finf
Fsup = qf(1-alfa/2,n1-1,n2-1)
Fsup

2 2
Cálculo en R
A = c(18,24,30,21,32)
B = c(22,29,34,25,35)
var.test(A,B,alternative = "two.sided",ratio = 1,conf.level = 0.98)

Salida
F test to compare two variances
data: A and B
F = 1.1111, num df = 4, denom df = 4, p-value = 0.9211
alternative hypothesis: true ratio of variances is not equal to 1
0.06954431 17.75224984
sample estimates:
ratio of variances
1.111111

Ejercicios
Tabla de Contenido
1 Generalidades
4 Ejercicios
5 Bibliografı́a
Ejercicios
Hipótesis para µ
1) Un fabricante desarrolla un nuevo sedal para pesca que, según afirma, tie-
ne una resistencia media a la rotura de 15 kilogramos con una desviación
estándar de 0.5 kilogramos. Para probar la hipótesis de que µ = 15 kilogra-
mos contra la alternativa de que µ < 15 kilogramos se prueba una muestra
aleatoria de 50 sedales. La región crı́tica se define como x < 14,9.
a) Calcule la probabilidad de cometer un error tipo I cuando H0 es
verdadera.
b) Evalúe β para las alternativas µ = 14,8 y µ = 14,9 kilogramos.

Ejercicios
Hipótesis para µ
2) En un restaurante de carnes una máquina de bebidas gaseosas se ajusta para

que la cantidad de bebida que sirva se distribuya de forma aproximadamente
normal, con una media de 200 mililitros y una desviación estándar de 15
mililitros. La máquina se verifica periódicamente tomando una muestra de 9
bebidas y calculando el contenido promedio. Si x cae en el intervalo 191 <
x < 209, se considera que la máquina opera de forma satisfactoria; de otro
modo, se concluye que µ ̸= 200 mililitros.
a) Calcule la probabilidad de cometer un error tipo I cuando µ = 200
mililitros.
b) Calcule la probabilidad de cometer un error tipo II cuando µ =
215 mililitros.
c) Calcule nuevamente los incisoa a) y b) para muestras de tamaño
n = 25. Utilice la misma región crı́tica

Ejercicios
Hipótesis para µ
3) Se desarrolla un nuevo proceso de cura para cierto tipo de cemento que da

como resultado una resistencia media a la compresión de 5000 kilogramos
por centı́metro cuadrado y una desviación estándar de 120 kilogramos. Para
probar la hipótesis de que µ = 5000 contra la alternativa de que µ < 5000
se toma una muestra aleatoria de 50 piezas de cemento. La región crı́tica se
define como x < 4970.
a) Calcule la probabilidad de cometer un error tipo I cuando H0 es
verdadera.
b) Evalúe β para las alternativas µ = 4970 y µ = 4960 kilogramos.

Ejercicios
Hipótesis para µ
4) En un informe de investigación, Richard H. Weindruch, de la Escuela de
Medicina de la UCLA, afirma que los ratones con una vida promedio de 32
meses vivirán hasta alrededor de 40 meses si 40 % de las calorı́as en su dieta
se reemplazan con vitaminas y proteı́nas. ¿Hay alguna razón pa ra creer que
µ < 40, si 64 ratones que son sometidos a esa dieta tienen una vida promedio
de 38 meses, con una desviación estándar de 5.8 meses? Utilice un valor − P
en su conclusión.
5) Una muestra aleatoria de 64 bolsas de palomitas con queso chedar pesan, en
promedio, 5,23 onzas, con una desviación estándar de 0,24 onzas. Pruebe la
hipótesis de que µ = 5,5 onzas contra la hipótesis alternativa de que µ < 5,5
onzas, al nivel de significancia de 0,05.
6) Una empresa de material eléctrico fabrica bombillas que tienen una duración
que se distribuye de forma aproximadamente normal con una media de 800
horas y una desviación estándar de 40 horas. Pruebe la hipótesis de que
µ = 800 horas contra la alternativa de que µ ̸= 800 horas, si una muestra
aleatoria de 30 bombillas tiene una duración promedio de 788 horas. Utilice
un valor − P en su respuesta.
Ejercicios
Hipótesis para µ
7) Se está estudianto el rendimiento de un proceso quı́mico. Por experiencias
previas con este proceso, se sabe que la desviación estándar del rendimiento es
3. En los últimos dı́as de operación se observaron los siguientes rendimientos:
91,6 % 88,75 % 90,8 % 89,95 % y 91,3 %. Use α = 0,03
a) ¿Hay evidencia de que el rendimiento no es de 90 %?.
b) ¿Cuál es el p − valor de la prueba?
c) ¿Cuál es la probabilidad de error tipo II si el rendimiento medio
real es de 92 %?
8) En la revista Hypertension de la American Heart Association, investigadores
reportan que los individuos que practican la meditación trascendental (MT)
bajan su presión sanguı́nea de forma significativa. Si una muestra aleatoria
de 225 hombres que practican la MT meditan 8,5 horas a la semana, con
una desviación estándar de 2,25 horas, ¿esto sugiere que, en promedio, los
hombres que utilizan la MT meditan más de 8 horas por semana? Cite un
valor − P en su conclusión.

Ejercicios
Hipótesis para µ
9) El número de accidentes mortales en una ciudad es, en promedio, de 12
mensuales. Tras una campaña de señalización y adecentamiento de las vı́as
urbanas se contabilizaron en 6 meses sucesivos 8, 11, 9, 7, 10, 9 accidentes
mortales. ¿Fue efectiva la campaña?
10) El peso medio de mujeres de 30 a 40 años es de 53 kg. Un estudio realizado
en 16 mujeres de tales edades que siguen una dieta vegetariana da x = 50 y
s = 5. ¿Modifica la dieta el peso medio?
11) De acuerdo con un estudio sobre un régimen alimenticio, la ingesta elevada de
sodio se relaciona con úlceras, cáncer estomacal y migrañas. El requerimiento
humano de sal es de tan sólo 220 miligramos diarios, el cual se rebasa en
la mayorı́a de las porciones individuales de cereales listos para comerse. Si
una muestra aleatoria de 20 porciones similares de cierto cereal tiene un
contenido medio de 244 miligramos de sodio y una desviación estándar de
24,5 miligramos, ¿esto sugiere, a un nivel de significancia de 0,05, que el
contenido promedio de sodio para porciones individuales de ese cereal es
mayor que 220 miligramos? Suponga que la distribución de contenidos de
sodio es normal.
Ejercicios
Hipótesis para µ
12) Pruebe la hipótesis de que el contenido promedio de los envases de un lu-
bricante especı́fico es de 10 litros, si los contenidos en litros de una muestra
aleatoria de 10 envases son:
10,2 9,7 10,1 10,3 10,1 9,8 9,9 10,4 10,3 9,8
Utilice un nivel de significancia de 0,01 y suponga que la distribución del

contenido es normal.
13) Se analizó una marca particular de margarina dietética para determinar el nivel
de ácido graso polinsaturado (en porcentaje). Una muestra de 6 paquetes dió
como resultado los siguientes datos: 16,8 17,2 17,4 16,9 16,5 17,1.
a) Pruebe la hipótesis H0 : µ = 17 contra H1 : µ ̸= 17 usando
α = 0,01
b) ¿Cuál es el p − valor de la prueba?
c) ¿Cuál es la probabilidad de error tipo II si la media del
contenido de ácido graso polinsaturado es en realidad µ = 17,5?
Ejercicios
Hipótesis para µ
14) La experiencia indica que el tiempo que requieren los estudiantes de último
año de preparatoria para contestar una prueba estandarizada es una variable
aleatoria normal con una media de 35 minutos. Si a una muestra aleatoria de
20 estudiantes de último año de preparatoria le toma un promedio de 33,1
minutos contestar esa prueba con una desviación estándar de 4,3 minutos,
pruebe la hipótesis de que, a un nivel de significancia de 0,05, µ = 35 minutos,
contra la alternativa de que µ < 35 minutos.
15) La estatura promedio de mujeres en el grupo de primer año de cierta uni-
versidad ha sido, históricamente, de 162,5 centı́metros, con una desviación
estándar de 6,9 centı́metros. ¿Existe alguna razón para creer que ha habido
un cambio en la estatura promedio, si una muestra aleatoria de 50 muje-
res del grupo actual de primer año tiene una estatura promedio de 165,2
centı́metros? Utilice un valor − P en su conclusión. Suponga que la desvia-
ción estándar permanece constante.
16) El promedio de las puntuaciones de un número elevado de alumnos de Bio-
estadı́stica es de 6,50. Un determinado año se examinaron 50 alumnos con
resultados promedio de 7,25 y desviación tı́pica de 1. ¿Variaron las califica-
ciones?
Ejercicios
Hipótesis para π
17) Un fabricante de telas considera que la proporción de pedidos de materia

prima que llegan con retraso es π = 0,6. Si una muestra aleatoria de 10
pedidos indica que 3 o menos llegaron con retraso, la hipótesis de que π = 0,6
se deberı́a rechazar a favor de la alternativa π < 0,6. Utilice distribución
binomial
a) Calcule la probabilidad de cometer un error tipo I si la proporción
verdadera es π = 0,6.
a) Calcule la probabilidad de cometer un error tipo II para las alter-
nativas π = 0,3, π = 0,4 y π = 0,5.
18) Repita el ejercicio anterior pero suponga que se seleccionan 50 pedidos y que
se define a la región crı́tica como X ≤ 24, donde X es el número de pedidos
en la muestra que llegaron con retraso. Utilice la distribución normal.

Ejercicios
Hipótesis para π
19) Se estima que la proporción de adultos que vive en una pequeña ciudad
que son graduados universitarios es π = 0,6. Para probar esta hipótesis se
selecciona una muestra aleatoria de 15 adultos. Si el número de graduados
en la muestra es cualquier número entre 6 y 12, no rechazaremos la hipótesis
nula de que π = 0,6; de otro modo, concluiremos que π ̸= 0,6.
a) Evalúe α suponiendo que π = 0,6. Utilice la distribución binomial.
b) Evalúe β para las alternativas π = 0,7 y π = 0,7.
20) Repita el ejercicio anterior pero suponga que se seleccionan 200 adultos y
que la región de no rechazo se define como 110 ≤ X ≤ 130, donde X es
el número de individuos graduados universitarios en la muestra. Utilice la
distribución normal.

Ejercicios
Hipótesis para π
21) Se pregunta a una muestra aleatoria de 400 votantes en cierta ciudad si están
a favor de un impuesto adicional de 4 % sobre las ventas de gasolina con el
fin de obtener los fondos que se necesitan con urgencia para la reparación
de calles. Si más de 220 votantes, pero menos de 260 de ellos, favorecen el
impuesto sobre las ventas, concluiremos que 60 % de los votantes lo apoyan.
a) Calcule la probabilidad de cometer un error tipo I si 60 % de los
votantes están a favor del aumento de impuestos.
b) ¿Cuál es la probabilidad de cometer un error tipo II al utilizar este
procedimiento de prueba si en realidad sólo 48 % de los votantes
está a favor del impuesto adicional a la gasolina?
22) Un experto en mercadotecnia de una empresa fabricante de pasta considera
que 40 % de los amantes de la pasta prefieren la lasagna. Si 9 de 20 amantes
de la pasta eligen la lasagna sobre otras pastas, ¿qué se puede concluir acerca
de la afirmación del experto? Utilice un nivel de significancia de 0,05.

Ejercicios
Hipótesis para π
23) Suponga que, en el pasado, 40 % de todos los adultos estaban a favor de la

pena capital. ¿Existe alguna razón para creer que la proporción de adultos que
está a favor de la pena capital ha aumentado si, en una muestra aleatoria de
15 adultos, 8 están a favor de la pena capital? Utilice un nivel de significancia
de 0,05
24) Se cree que al menos 60 % de los residentes de cierta área están a favor de
una demanda de anexión de una ciudad vecina. ¿Qué conclusión extraerı́a
si sólo 110 en una muestra de 200 votantes están a favor de la demanda?
Utilice un nivel de significancia de 0,05.
25) En cierta universidad se estima que a lo sumo 25 % de los estudiantes van en
bicicleta a la escuela. ¿Parece que ésta es una estimación válida si, en una
muestra aleatoria de 90 estudiantes universitarios, se encuentra que 28 van
en bicicleta a la escuela? Utilice un nivel de significancia de 0,05.

Ejercicios
Hipótesis para π
26) Se está considerando utilizar un nuevo aparato de radar para cierto sistema
de misiles de defensa. El sistema se verifica experimentando con una aeronave
en la que se simula una situación en la que alguien muere y otra en la que no
ocurre ninguna muerte. Si en 300 ensayos ocurren 250 muertes, al nivel de
significancia de 0,04, acepte o rechace la afirmación de que la probabilidad
de una muerte con el nuevo sistema no excede a la probabilidad de 0,8 del
sistema que se utiliza actualmente.
27) Una empresa petrolera afirma que en una quinta parte de las viviendas de
cierta ciudad la gente utiliza petróleo como combustible para calentarlas.
¿Existen razones para creer que en menos de una quinta parte de las viviendas
la gente utiliza este combustible para calentarlas si, en una muestra aleatoria
de 1000 viviendas de esa ciudad, se encuentra que 136 utilizan petróleo como
combustible? Utilice un valor − P en su conclusión.

Ejercicios
28) Se sabe que el contenido de los envases de un lu bricante especı́fico se distri-
buye normalmente con una varianza de 0,03 litros. Pruebe la hipótesis de que
σ 2 = 0,03 contra la alternativa de que σ 2 ̸= 0,03 para la muestra aleatoria
de 10 envases del ejercicio 12 de estas diapositivas. Use α = 0,01
29) Por experiencia se sabe que el tiempo que se requiere para que los estudian-
tes de preparatoria de último año contesten una prueba estandarizada es una
variable aleatoria normal con una desviación estándar de 6 minutos. Pruebe
la hipótesis de que σ = 6 contra la alternativa de que σ < 6 si una muestra
aleatoria de los tiempos para realizar la prueba de 20 estudiantes de prepara-
toria de último año tiene una desviación estándar s = 4,51. Utilice un nivel
de significancia de 0,05
30) Se deben supervisar las aflotoxinas ocasionadas por moho en cosechas de
cacahuate en Virginia. Una muestra de 64 lotes de cacahuate revela niveles de
24,17 ppm, en promedio, con una varianza de 4,25 ppm. Pruebe la hipótesis
de que σ 2 = 4,2 ppm contra la alternativa de que σ 2 ̸= 4,2 ppm.

Ejercicios
31) Se dice que una máquina despachadora de bebida gaseosa está fuera de con-
trol si la varianza de los contenidos excede a 1,15 decilitros. Si una muestra
aleatoria de 25 bebidas de esta máquina tiene una varianza de 2,03 decilitros,
¿esto indica, a un nivel de significancia de 0,05, que la máquina está fuera
de control? Suponga que los contenidos se distribuyen de forma aproximada-
mente normal.
32) Datos históricos indican que la cantidad de dinero que aportaron los residentes
trabajadores de una ciudad grande para un escuadrón de rescate voluntario
es una variable aleatoria normal con una desviación estándar de $1,40. Se su-
giere que las contribuciones al escuadrón de rescate sólo de los empleados del
departamento de sanidad son mucho más variables. Si las contribuciones de
una muestra aleatoria de 12 empleados del departamento de sanidad tienen
una desviación estándar de $1,75, ¿podemos concluir a un nivel de signifi-
cancia de 0,01 que la desviación estándar de las contribuciones de todos los
trabajadores de sanidad es mayor que la de todos los trabajadores que viven
en dicha ciudad?

Ejercicios
Hipótesis para µ1 − µ2 (varianzas conocidas)
33) Una muestra aleatoria de tamaño n1 = 25, tomada de una población normal
con una desviación estándar σ1 = 5,2, tiene una media x1 = 81. Una segunda
muestra aleatoria de tamaño n2 = 36, que se toma de una población normal
diferente con una desviación estándar σ2 = 3,4, tiene una media x1 = 76.
Pruebe la hipótesis de que µ1 = µ2 contra la alternativa µ1 ̸= µ2 . Cite un
valor − P en su conclusión.
34) Un fabricante afirma que la resistencia promedio a la tensión del hilo A excede
a la resistencia a la tensión promedio del hilo B en al menos 12 kilogramos.
Para probar esta afirmación se pusieron a prueba 50 pedazos de cada tipo de
hilo en condiciones similares. El hilo tipo A tuvo una resistencia promedio a la
tensión de 86,7 kilogramos con una desviación estándar de 6,28 kilogramos;
mientras que el hilo tipo B tuvo una resistencia promedio a la tensión de
77,8 kilogramos con una desviación estándar de 5,61 kilogramos. Pruebe la
afirmación del fabricante usando un nivel de significancia de 0,05.

Ejercicios
Hipótesis para µ1 − µ2 (varianzas conocidas)

35) El Amstat News (diciembre de 2004) lista los sueldos medios de profeso-
res asociados de estadı́stica en instituciones de investigación, en escuelas de
humanidades. Suponga que una muestra de 200 profesores asociados de ins-
tituciones de investigación tiene un sueldo promedio de $70750 anuales con
una desviación estándar de $6000. Suponga también que una muestra de 200
profesores asociados de otros tipos de instituciones tienen un sueldo prome-
dio de $65200 con una desviación estándar de $5000. Pruebe la hipótesis de
que el sueldo medio de profesores asociados de instituciones de investigación
es $2000 más alto que el de los profesores de otras instituciones. Utilice un
nivel de significancia de 0,01, calcule el p − valor de la prueba.
36) Se hace una prueba con dos tipos de automóviles para verificar su rendimien-
to. Un grupo de 36 de ellos ha tenido un rendimiento de 24 millas por galón
de gasolina, mientras que en el otro grupo, de 72, el rendimiento ha sido de
22, 5 millas por galón. Si las varianzas poblacionales son σ12 = 1,5 y σ22 = 2,0
Determine si los dos tipos de automóviles tienen el mismo rendimiento utili-
zando un α = 1 %.

Ejercicios
Hipótesis para µ1 − µ2 (varianzas desconocidas σ1 = σ2 )
38) De acuerdo con Chemical Engineering, una propiedad importante de la fibra es

su absorbencia de agua. Se encontró que el porcentaje promedio de absorción
de 25 pedazos de fibra de algodón seleccionados al azar es 20, con una
desviación estándar de 1,5. Una muestra aleatoria de 25 pedazos de acetato
reveló un porcentaje promedio de 12 con una desviación estándar de 1,25.
¿Existe evidencia sólida de que el porcentaje promedio de absorción de la
población es significativamente mayor para la fibra de algodón que para el
acetato? Suponga que el porcentaje de absorbencia se distribuye de forma
casi normal y que las varianzas de la población en el porcentaje de absorbencia
para las dos fibras son iguales. Utilice un nivel de significancia de 0,05.

Ejercicios
39) Para indagar si un nuevo suero frena el desarrollo de la leucemia se seleccionan

9 ratones, todos en una etapa avanzada de la enfermedad. Cinco ratones
reciben el tratamiento y cuatro no. Los tiempos de supervivencia, en años, a
partir del momento en que comienza el experimento son los siguientes:
Con tratamiento 2,1 5,3 1,4 4,6 0,9
Sin tratamiento 1,9 0,5 2,8 3,1
A un nivel de significancia de 0,05, ¿se puede decir que el suero es eficaz?

Suponga que las dos poblaciones se distribuyen de forma normal con varianzas
iguales.

Ejercicios
40) Un estudio de la Universidad de Colorado en Boulder revela que correr au-

menta el porcentaje de la tasa metabólica basal (TMB) en mujeres ancianas.
La TMB promedio de 30 ancianas corredoras fue 34,0 % más alta que la TMB
promedio de 30 ancianas sedentarias, en tanto que las desviaciones estándar
reportadas fueron de 10,5 y 10,2 %, respectivamente. ¿Existe un aumento
significativo en la TMB de las corredo ras respecto a las sedentarias? Supon-
ga que las poblaciones se distribuyen de forma aproximadamente normal con
varianzas iguales. Utilice un valor − P en sus conclusiones.

Ejercicios
41) Se realizó un estudio para determinar si los temas de un curso de fı́sica se

comprenden mejor cuando éste incluye prácticas de laboratorio. Se seleccio-
naron estudiantes al azar para que participaran en un curso de tres semestres
con una hora de clase sin prácticas de laboratorio o en un curso de cuatro
semestres con una hora de clase con prácticas de laboratorio. En la sección
con prácticas de laboratorio 11 estudiantes obtuvieron una calificación pro-
medio de 85 con una desviación estándar de 4,7; mientras que en la sección
sin prácticas de laboratorio 17 estudiantes obtuvieron una calificación prome-
dio de 79 con una desviación estándar de 6,1. ¿Dirı́a usted que el curso que
incluyó prácticas de laboratorio aumentó la calificación promedio hasta en 8
puntos? Utilice un valor − P en su conclusión y suponga que las poblaciones
se distribuyen de forma aproximadamente normal con varianzas iguales.

Ejercicios
Hipótesis para µ1 − µ2 (varianzas desconocidas σ1 ̸= σ2 )

42) En un estudio realizado en Virginia Tech se compararon los niveles de ácido
ascórbico en plasma en mujeres embarazadas fumadoras con los de mujeres no
fumadoras. Para el estudio se seleccionaron 32 mujeres que estuvieran en los
últimos 3 meses de embarazo, que no tuvieran padecimientos importantes
y que sus edades fluctuaran entre los 15 y los 32 años. Antes de tomar
muestras de 20 ml de sangre se pidió a las participantes que fueran en ayunas,
que no tomaran sus suplementos vitamı́nicos y que evitaran alimentos con
alto contenido de ácido ascórbico. A partir de las muestras de sangre se
determinaron los siguientes valores de ácido ascórbico en el plasma de cada
mujer, en miligramos por 100 mililitros:
Valores de ácido ascórbico en plasma
0,97 0,72 1,00 0,81 0,62 1,32 1,24 0,99 0,90 0,74 0,88 0,94
No fumadoras 1,16 0,86 0,85 0,58 0,57 0,64 0,98 1,09 0,92 0,78 1,24 1,18
Fumadoras 0,48 0,71 0,98 0,68 1,18 1,36 0,78 1,64
¿Existe suficiente evidencia para concluir que hay una diferencia entre los
niveles de ácido ascórbico en plasma de mujeres fumadoras y no fumadoras?
Suponga que los dos conjuntos de datos provienen de poblaciones normales
con varianzas diferentes. Utilice un valor − P .
Ejercicios

43) El Departamento de Zoologı́a de Virginia Tech llevó a cabo un estudio para
determinar si existe una diferencia significativa en la densidad de organismos
en dos estaciones diferentes ubicadas en Cedar Run, una corriente secundaria
que se localiza en la cuenca del rı́o Roanoke. El drenaje de una planta de
tratamiento de aguas negras y el sobreflujo del estanque de sedimentación
de la Federal Mogul Corporation entran al flujo cerca del nacimiento del rı́o.
Los siguientes datos proporcionan las medidas de densidad, en número de
organismos por metro cuadrado, en las dos estaciones colectoras:
A un nivel de significancia de 0,05, ¿podemos concluir que las densidades

promedio en las dos estaciones son iguales? Suponga que las observaciones
provienen de poblaciones normales con varianzas diferentes.
Ejercicios
44) Muchos autores afirman que los pacientes con depresión tienen una función
cortical por debajo de lo normal debido a un riego sanguı́neo cerebral por
debajo de lo normal. A dos muestras de individuos, unos con depresión y
otros normales, se les midió un ı́ndice que indica el flujo sanguı́neo en la
materia gris (dado en mg/(100g/min))obteniéndose:
Depresivos n1 = 19 x1 = 47 s21 = 7,8

Normales n2 = 22 x2 = 53,8 s22 = 6,1
Al nivel del 5 %, ¿hay evidencia significativa a favor de la afirmación de los

autores?. Suponga que las observaciones provienen de poblaciones normales
con varianzas diferentes.

Ejercicios
45) Un investigador ha realizado el siguiente experimento: Tomó una primera

muestra de 25 pacientes que padecı́an cierto sı́ntoma y otra segunda muestra
de 30 pacientes con el mismo sı́ntoma. A los de la primera muestra les aplicó
un tratamiento especifico y a los de la segunda les dio un placebo. Anotó el
tiempo en horas en que cada uno dijo que el sı́ntoma habı́a desaparecido y
obtuvo los siguientes resultados:
Muestra 1a n1 = 25 P i xi1 = 85 P i x2i1 = 343

P P
Muestra 2a n2 = 30 i xi2 = 216
2
i xi2 = 1650
Al nivel del 5 %, ¿Puede concluir el investigador que el tratamiento es real-

mente efectivo?. Suponga que las observaciones provienen de poblaciones
normales con varianzas diferentes.

Ejercicios
Hipótesis para µ1 − µ2 (muestras paredas)
46) Cinco muestras de una sustancia ferrosa se usaron para determinar si exis-
te una diferencia entre un análisis quı́mico de laboratorio y un análisis de
fluorescencia de rayos X del contenido de hierro. Cada muestra se dividió en
dos submuestras y se aplicaron los dos tipos de análisis. A continuación se
presentan los datos codificados que muestran los análisis de contenido de
hierro:
Muestra
Análisis 1 2 3 4 5
Rayos X 2,0 2,0 2,3 2,1 2,4
Quı́mico 2,2 1,9 2,5 2,3 2,4
Suponga que las poblaciones son normales y pruebe, al nivel de significancia

de 0,05, si los dos métodos de análisis dan, en promedio, el mismo resultado.

Ejercicios

47) Se utilizaron 9 sujetos en un experimento para determinar si la exposición
a monóxido de carbono tiene un impacto sobre la capacidad respiratoria.
Los datos fueron recolectados por el personal del Departamento de Salud
y Educación Fı́sica del Virginia Tech y analizados en el Centro de Consul-
ta Estadı́stica en Hokie Land. Los sujetos fueron expuestos a cámaras de
respiración, una de las cuales contenı́a una alta concentración de CO. Se
realizaron varias mediciones de frecuencia respiratoria a cada sujeto en cada
cámara. Los sujetos fueron expuestos a las cámaras de respiración en una se-
cuencia aleatoria. Los siguientes datos representan la frecuencia respiratoria
en número de respiraciones por minuto.
Realice una prueba unilateral de la hipóte-
sis de que la frecuencia respiratoria me-
dia es igual en los dos ambientes. Utilice
α = 0,05. Suponga que la frecuencia res-
piratoria es aproximadamente normal.

Ejercicios
48) En un programa de Control de Enfermedades Crónicas, la hipertensión está

incluida como la primera patologı́a a controlar. 15 pacientes hipertensos son
sometidos al programa y controlados en su tensión asistólica antes y después
de 6 meses de tratamiento. Los datos son los siguientes:
¿Es efectivo el tratamiento?. Suponga que la tensión asistólica es aproxima-

damente normal.

Ejercicios
49) Para comprobar si un tratamiento con ácidos grasos es eficaz en pacientes

con eczema atı́pico, se tomaron 10 pacientes con eczema de más de 9 meses
y se les sometió durante 3 semanas a un tratamiento ficticio (placebo) y
durante las tres siguientes a un tratamiento con ácidos grasos. Tras cada
periodo, un médico ajeno al proyecto evaluó la importancia del eczema en
una escala de 0 (no eczema) a 10 (tamaño máximo de eczema). Los datos
fueron los siguientes:
¿Es eficaz el tratamiento?

Ejercicios

50) En el Departamento de Medicina Veterinaria del Virginia Tech se llevó a
cabo un estudio para determinar si la “resistencia” de una herida de incisión
quirúrgica es afectada por la temperatura del bisturı́. En el experimento se
utilizaron 8 perros. Se hicieron incisiones “caliente” y “frı́as” en el abdomen
de cada perro y se midió la resistencia. A continuación se presentan los datos
resultantes.
a) Escriba una hipótesis adecuada pa-

ra determinar si la resistencia de las
incisiones realizadas con bisturı́ ca-
liente difiere en forma significativa
de la resistencia de las realizadas
con bisturı́ frı́o
b) Pruebe la hipótesis utilizando una
prueba t pareada. Utilice un valor−
P en su conclusión.
Ejercicios
51) En un invierno con epidemia de influenza los investigadores de una conocida
empresa farmacéutica encuestaron a los padres de 2000 bebés para determi-
nar si el nuevo medicamento de la empresa era eficaz después de dos dı́as.
De 120 bebés que tenı́an influenza y que recibieron el medicamento, 29 se
curaron en dos dı́as o menos. De 280 bebés que tenı́an influenza pero no
recibieron el fármaco, 56 se cura ron en dos dı́as o menos. ¿Hay alguna in-
dicación significativa que apoye la afirmación de la empresa sobre la eficacia
del medicamento?
52) En un estudio que se realizó para estimar la proporción de residentes de cierta
ciudad y sus suburbios que están a favor de que se construya una planta de
energı́a nuclear se encontró que 63 de 100 residentes urbanos están a favor de
la construcción, mientras que sólo 59 de 125 residentes suburbanos la apoyan.
¿Hay una diferencia significativa entre la proporción de residentes urbanos y
suburbanos que están a favor de que se construya la planta nuclear? Utilice
un valor − P .

Ejercicios
53) En un estudio sobre la fertilidad de mujeres casadas, realizado por Martin

O?Connell y Carolyn C. Rogers para la Oficina del Censo en 1979, se selec-
cionaron al azar dos grupos de mujeres casadas de entre 25 y 29 años de
edad y sin hijos, y a cada una se le preguntó si pla neaba tener un hijo en
algún momento. Se seleccionó un grupo de mujeres con menos de dos años
de casadas y otro de mujeres con cinco años de casadas. Suponga que 240 de
300 mujeres con menos de dos años de casadas planean tener un hijo algún
dı́a, en comparación con 288 de las 400 mujeres con cinco años de casadas.
¿Podemos concluir que la proporción de mujeres con menos de dos años de
casadas que planean tener hijos es significativamente mayor que la proporción
de mujeres con cinco años de casadas que también planean tenerlos? Utilice
un valor − P .

Ejercicios
54) Una comunidad urbana quiere demostrar que la incidencia de cáncer de mama
es mayor en su localidad que en una área rural vecina. (Se encontró que
los niveles de PCB son más altos en el suelo de la comunidad urbana). Si
descubre que en la comunidad urbana 20 de 200 mujeres adultas tienen cáncer
de mama y que en la comunidad rural 10 de 150 mujeres adultas lo tienen,
¿podrı́a concluir, con un nivel de significancia de 0,05, que el cáncer de mama
prevalece más en la comunidad urbana?

Ejercicios
55) Se realiza un estudio para comparar el tiempo que les toma a hombres y
mujeres ensamblar cierto producto. La experiencia indica que la distribución
del tiempo tanto para hombres como para mujeres es aproximadamente nor-
mal, pero que la varianza del tiempo para las mujeres es menor que para los
hombres. Una muestra aleatoria de los tiempos de 11 hombres y 14 mujeres
produce los siguientes datos:
Hombres n1 = 11 s1 = 6,1
Mujeres n2 = 14 s2 = 5,3
Pruebe la hipótesis de que σ12 = σ22 contra la alternativa de que σ12 > σ22 .

Ejercicios

56) Se comparan dos tipos de instrumentos para medir la cantidad de monóxido
de azufre en la atmósfera en un experimento sobre la contaminación del aire.
Los investigadores desean determinar si los dos tipos de instrumentos pro-
porcionan mediciones con la misma variabilidad. Se regis tran las siguientes
lecturas para los dos instrumentos:
Suponga que las poblaciones de mediciones se distribuyen de forma aproxima-

damente normal y pruebe la hipótesis de que σA = σB , contra la alternativa
de que σA ̸= σB .
Ejercicios
57) Se lleva a cabo un experimento para comparar el contenido de alcohol en

una salsa de soya en dos lı́neas de producción diferentes. La producción se
supervisa ocho veces al dı́a. A continuación se presentan los datos.
Linea 1 0,48 0,39 0,42 0,52 0,4 0,48 0,52 0,52
Linea 2 0,38 0,37 0,39 0,41 0,38 0,39 0,4 0,39
Suponga que ambas poblaciones son normales. Se sospecha que la lı́nea de

producción 1 no está produciendo tan consistentemente como la lı́nea 2 en
términos de contenido de alcohol. Pruebe la hipótesis de que σ1 = σ2 contra
la alternativa de que σ1 ̸= σ2 .
58) En el ejercicio 43 de de estas diapositivas pruebe la hipótesis a un nivel de
significancia de 0,05 de que σ12 = σ22 contra la alternativa de que σ12 ̸= σ22
, donde σ12 y σ22 son las varianzas para el número de organismos por metro
cuadrado de agua en los dos lugares diferentes de Cedar Run.

Bibliografı́a
Bibliografı́a
1 Webster, A. (2000). Estadı́stica aplicada a los negocios y la

economı́a. Bradley University.
2 MONTGOMERY, Douglas C.; RUNGER, George C.; MEDAL,
Edmundo G. Urbina. Probabilidad y estadı́stica aplicadas a la
ingenierı́a. McGraw Hill, 1996.
3 RONALD E. WALPOLE, R. (Novena edición, 2012).
Probabilidad y estadı́stica para ingenierı́a y ciencias. PEARSON
EDUCACIÓN, México.

Hipotesis

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Hipotesis

Cargado por

Copyright:

Formatos disponibles

PRUEBAS DE HIPÓTESIS

Mag. Ignacio Osuna Vergara

ignacio.ozuna@.upb.edu.co PRUEBAS DE HIPÓTESIS 1 / 151

Conceptos básicos de pruebas de hipótesis

ignacio.ozuna@.upb.edu.co PRUEBAS DE HIPÓTESIS 4 / 151

Planteamiento de la hipótesis estadı́stica

La expresión H0 : µ = 50 se le conoce como hipótesis nula y

ignacio.ozuna@.upb.edu.co PRUEBAS DE HIPÓTESIS 5 / 151

Planteamiento de la hipótesis estadı́stica

Hipótesis de cola izquierda Hipótesis de cola derecha

ignacio.ozuna@.upb.edu.co PRUEBAS DE HIPÓTESIS 6 / 151

ignacio.ozuna@.upb.edu.co PRUEBAS DE HIPÓTESIS 7 / 151

ignacio.ozuna@.upb.edu.co PRUEBAS DE HIPÓTESIS 8 / 151

ignacio.ozuna@.upb.edu.co PRUEBAS DE HIPÓTESIS 9 / 151

El procedimiento de toma de decisiones recién descrito podrı́a conducir a cualquiera

La probabilidad de cometer un error tipo I se denota por α, es decir,

α = P (Error tipo I) = P (Rechazar H0 |H0 es verdadera)

La probabilidad de cometer un error tipo II se denota por β, es decir,

β = P (Error tipo II) = P (No Rechazar H0 |H0 es falsa)

ignacio.ozuna@.upb.edu.co PRUEBAS DE HIPÓTESIS 10 / 151

la región de aceptación de H0 : µ = 50, es 48,5 ≤ x ≤ 51,5, y la región crı́tica

α = P (Rechazar H0 |H0 es verdadera) = P (x < 48,5 ó x > 51,5|µ = 50)

La probabilidad de cometer un error tipo II es

β = P (No Rechazar H0 |H0 es falsa) = P (48,5 ≤ x ≤ 51,5|µ ̸= 50)

Nivel de significancia de la prueba

Hipótesis para la media µ

Suponga que se desea probar la hipótesis

con un nivel de significancia α, donde µ0 es una constante dada.

Hipótesis para la media µ

3) Se determina la región crı́tica, calculando Z(1− α2 ) , donde Z(1− α2 ) , es el

Hipótesis para la media µ

Para las pruebas unilaterales

Hipótesis de cola izquierda Hipótesis de cola derecha

ignacio.ozuna@.upb.edu.co PRUEBAS DE HIPÓTESIS 16 / 151

Hipótesis para la media µ

ignacio.ozuna@.upb.edu.co PRUEBAS DE HIPÓTESIS 17 / 151

Hipótesis para la media µ

Cálculo del valor p

ignacio.ozuna@.upb.edu.co PRUEBAS DE HIPÓTESIS 18 / 151

Hipótesis para la media µ

ignacio.ozuna@.upb.edu.co PRUEBAS DE HIPÓTESIS 19 / 151

Hipótesis para la media µ

Hipótesis de dos colas

Datos del problema

ignacio.ozuna@.upb.edu.co PRUEBAS DE HIPÓTESIS 20 / 151

Hipótesis para la media µ

Valor crı́tico para α = 0,07. Decisión:

ignacio.ozuna@.upb.edu.co PRUEBAS DE HIPÓTESIS 21 / 151

PASWR::zsum.test(mean.x=15.2 , sigma.x=0.96 , n.x=100 , mu = 16 ,

ignacio.ozuna@.upb.edu.co PRUEBAS DE HIPÓTESIS 22 / 151

Hipótesis para la media µ

ignacio.ozuna@.upb.edu.co PRUEBAS DE HIPÓTESIS 23 / 151

Hipótesis para la media µ

Hipótesis de dos colas

Datos del problema

ignacio.ozuna@.upb.edu.co PRUEBAS DE HIPÓTESIS 24 / 151

Hipótesis para la media µ

Valor crı́tico para α = 0,10. Decisión:

ignacio.ozuna@.upb.edu.co PRUEBAS DE HIPÓTESIS 25 / 151

PASWR::zsum.test(mean.x=32.97 , sigma.x=9.87 , n.x=50 , mu = 36 ,

ignacio.ozuna@.upb.edu.co PRUEBAS DE HIPÓTESIS 26 / 151

Hipótesis para la media µ

Valores crı́tico para diferentes valores de α

Para α = 0,03, Z(1− α ) = Z(1−0,03/2) = Z(0,985) = 2,170090 (Rechazar H0 )