FACULTAD: INGENIERÍA

Escuelas: Computación y Sistemas

Unidad Curricular: Estadística Inferencial
Fecha de Creación: Noviembre 2023

ESTADISTICA
INFERENCIAL
UNIDAD II: Pruebas de Hipótesis Estadísticas

Tema III: Pruebas de Hipótesis de Dos o Mas Muestras

HORAS HORAS UNIDADES DE

CODIGO SEMESTRE PRE REQUISITO
TEORICAS PRACTICAS CREDITO
ESTADISTICA
214543
2 2 3 IV DESCRIPTIVA Y
224543
PROBABILIDAD

DOCENTE:
M. Sc. LUIS MANUEL SOTO GARCÍA (Ing.)
Teléfono: 04246142174
E – Mail: luis.soto@ujgh.edu.ve
 FACULTAD: INGENIERÍA
Escuelas: Computación y Sistemas
Unidad Curricular: Estadística Inferencial
Fecha de Creación: Noviembre 2023

UNIDAD II: PRUEBAS DE HIPÓTESIS ESTADÍSTICAS

OBJETIVO TERMINAL: Desarrollar las pruebas de hipótesis aplicadas a
parámetros de una y dos poblaciones, para tomar decisiones apropiadas
en el desarrollo de las actividades profesionales
OBJETIVOS ESPECIFICOS: 2.3.- Aprender los Métodos de pruebas de
Hipótesis para dos o más Muestras.

3.- PRUEBAS DE HIPÓTESIS DE DOS O MÁS MUESTRAS

COMPARACIÓN DE MEDIAS DE DOS MUESTRAS. PRUEBAS T

Pruebas t para muestras independientes

Las pruebas t para muestras independientes se utilizan para comparar las

medias de dos muestras cuando las dos muestras son independientes entre
sí. Esto significa que las observaciones de una muestra no están relacionadas
con las observaciones de la otra muestra.

Por ejemplo, si se desea comparar la altura de hombres y mujeres, las dos

muestras son independientes, ya que un hombre no puede ser al mismo
tiempo mujer.

La hipótesis nula de la prueba t para muestras independientes es que las

medias de las dos poblaciones son iguales. La hipótesis alternativa es que las
medias de las dos poblaciones son diferentes.

Para calcular la prueba t para muestras independientes, se utiliza la siguiente

fórmula:

t = (X1 - X2) / s_p * sqrt(1/n1 + 1/n2)

donde:

➢ X1 y X2 son las medias de las dos muestras

➢ s_p es la desviación estándar pooled de las dos muestras
➢ n1 y n2 son los tamaños de las dos muestras

UNIDAD II: Pruebas de Hipótesis Estadísticas Numero de Página:

Tema III: Pruebas de Hipótesis de Dos o Mas Muestras Página 2 de 11
La desviación estándar pooled se calcula de la siguiente manera:

➢ s_p = sqrt((n1 - 1)s1^2 + (n2 - 1)s2^2) / (n1 + n2 - 2)

donde:

➢ s1 y s2 son las desviaciones estándar de las dos muestras

Una vez que se ha calculado el valor de t, se compara con un valor crítico

de la distribución t de Student. El valor crítico se determina en función del
nivel de significación que se desee utilizar. El nivel de significación es la
probabilidad de rechazar la hipótesis nula cuando la hipótesis nula es
verdadera.

Si el valor de t es mayor que el valor crítico, se rechaza la hipótesis nula y

se concluye que las medias de las dos poblaciones son diferentes.

Ejemplo

Se desea comparar la altura de hombres y mujeres. Se toma una muestra

aleatoria de 10 hombres y una muestra aleatoria de 15 mujeres. Las medias
de las dos muestras son 170 cm y 165 cm, respectivamente. Las desviaciones
estándar de las dos muestras son 5 cm y 4 cm, respectivamente.

➢ s_p = sqrt((10 - 1)5^2 + (15 - 1)4^2) / (10 + 15 - 2)

➢ s_p = 4.57
➢ t = (170 - 165) / 4.57 * sqrt(1/10 + 1/15)
➢ t = 1.67

El valor crítico de la distribución t de Student para un nivel de significación

de 0.05 con 24 grados de libertad es 2.064.

UNIDAD II: Pruebas de Hipótesis Estadísticas Numero de Página:

Tema III: Pruebas de Hipótesis de Dos o Mas Muestras Página 3 de 11
 Como el valor de t (1.67) es menor que el valor crítico (2.064), no se
rechaza la hipótesis nula. Se concluye que no hay evidencia suficiente para
afirmar que la altura de los hombres es significativamente diferente a la
altura de las mujeres.

Otros ejemplos

Las pruebas t para muestras independientes se pueden utilizar para

comparar una amplia gama de variables, incluyendo:

➢ Edad
➢ Peso
➢ Talla
➢ Salario
➢ Puntuación en un examen
➢ Nivel de satisfacción

Por ejemplo, se podría utilizar una prueba t para muestras independientes

para comparar los salarios de hombres y mujeres, o para comparar las
puntuaciones en un examen de dos grupos de estudiantes que han recibido
diferentes tipos de instrucción.

Aplicaciones

Las pruebas t para muestras independientes se utilizan en una amplia

gama de aplicaciones, incluyendo:

➢ Investigación científica
➢ Control de calidad
➢ Estudios de mercado
➢ Medicina
➢ Psicología

UNIDAD II: Pruebas de Hipótesis Estadísticas Numero de Página:

Tema III: Pruebas de Hipótesis de Dos o Mas Muestras Página 4 de 11
 Por ejemplo, se podría utilizar una prueba t para muestras independientes
para comparar los efectos de un nuevo tratamiento médico, o para evaluar
el impacto de una nueva campaña de marketing.

Limitaciones

Las pruebas t para muestras independientes tienen algunas limitaciones,

incluyendo:

➢ Las dos muestras deben ser independientes entre sí.

➢ Las dos muestras deben tener una distribución normal.
➢ Las dos muestras deben tener la misma varianza.

Si una o más de estas limitaciones no se cumplen, la prueba t para

muestras independientes puede no ser precisa.

ANÁLISIS DE LA VARIANZA (ANOVA)

El análisis de la varianza (ANOVA) es una técnica estadística que se utiliza

para comparar las medias de tres o más grupos. El ANOVA se basa en la
descomposición de la varianza total de la variable dependiente en
diferentes componentes, cada uno de los cuales se atribuye a una fuente
específica de variación.

La hipótesis nula del ANOVA es que las medias de los grupos son iguales.
La hipótesis alternativa es que al menos una de las medias es diferente.

El ANOVA se puede utilizar en una amplia gama de aplicaciones,

incluyendo:

➢ Investigación científica
➢ Control de calidad
➢ Estudios de mercado
➢ Medicina
➢ Psicología

UNIDAD II: Pruebas de Hipótesis Estadísticas Numero de Página:

Tema III: Pruebas de Hipótesis de Dos o Mas Muestras Página 5 de 11
TIPOS DE ANOVA

Hay diferentes tipos de ANOVA, cada uno de los cuales se utiliza para una
situación específica. Los tipos de ANOVA más comunes son:

➢ ANOVA de un factor: Este tipo de ANOVA se utiliza para comparar las

medias de dos o más grupos cuando la variable independiente es
categórica. Por ejemplo, se podría utilizar un ANOVA de un factor
para comparar las puntuaciones en un examen de tres grupos de
estudiantes, cada uno de los cuales recibió un método de instrucción
diferente.
➢ ANOVA de dos factores: Este tipo de ANOVA se utiliza para comparar
las medias de dos o más grupos cuando la variable independiente
tiene dos niveles. Por ejemplo, se podría utilizar un ANOVA de dos
factores para comparar las puntuaciones en un examen de dos
grupos de estudiantes, uno de los cuales recibió un tratamiento y el
otro no.
➢ ANOVA de medidas repetidas: Este tipo de ANOVA se utiliza para
comparar las medias de dos o más grupos cuando los datos provienen
de la misma muestra de sujetos. Por ejemplo, se podría utilizar un
ANOVA de medidas repetidas para comparar las puntuaciones en un
examen de un grupo de estudiantes antes y después de recibir un
tratamiento.

INTERPRETACIÓN DE LOS RESULTADOS DEL ANOVA

Para interpretar los resultados del ANOVA, se calcula la F-ratio. La F-ratio

es una medida de la relación entre la varianza explicada por la variable
independiente y la varianza no explicada por la variable independiente.

Si la F-ratio es mayor que un valor crítico, se rechaza la hipótesis nula y se

concluye que al menos una de las medias es diferente. El valor crítico se
determina en función del nivel de significación que se desee utilizar. El nivel
de significación es la probabilidad de rechazar la hipótesis nula cuando la
hipótesis nula es verdadera.

UNIDAD II: Pruebas de Hipótesis Estadísticas Numero de Página:

Tema III: Pruebas de Hipótesis de Dos o Mas Muestras Página 6 de 11
Ejemplo

Se desea comparar las puntuaciones en un examen de tres grupos de

estudiantes, uno de los cuales recibió un tratamiento, otro no recibió
tratamiento y un tercero recibió un tratamiento placebo. Se toma una
muestra aleatoria de 10 estudiantes de cada grupo.

Las puntuaciones medias en el examen son 80, 70 y 65, respectivamente,

para los grupos de tratamiento, no tratamiento y placebo.

La F-ratio se calcula de la siguiente manera:

➢ F = (MSbetween / MSwithin)

donde:

➢ MSbetween es la varianza entre grupos

➢ MSwithin es la varianza dentro de grupos

MSbetween = (80 - 70)^2 / 2 + (80 - 65)^2 / 2

MSbetween = 5.25

MSwithin = (80 - 75)^2 / 9 + (70 - 75)^2 / 9 + (65 - 75)^2 / 9

MSwithin = 2.25

F = 5.25 / 2.25

F = 2.36

El valor crítico de la distribución F para un nivel de significación de 0.05

con 2 y 27 grados de libertad es 3.389.

Como la F-ratio (2.36) es menor que el valor crítico (3.389), no se rechaza

la hipótesis nula. Se concluye que no hay evidencia suficiente para afirmar

UNIDAD II: Pruebas de Hipótesis Estadísticas Numero de Página:

Tema III: Pruebas de Hipótesis de Dos o Mas Muestras Página 7 de 11
que las puntuaciones en el examen son significativamente diferentes entre
los tres grupos.

LIMITACIONES DEL ANOVA

El ANOVA tiene algunas limitaciones, incluyendo:

➢ Las variables independientes deben ser categóricas.

➢ Las variables dependientes deben tener una distribución normal.
➢ Las varianzas de los grupos deben ser iguales.

Si una o más de estas limitaciones no se cumplen, el ANOVA puede no ser

preciso.

UNIDAD II: Pruebas de Hipótesis Estadísticas Numero de Página:

Tema III: Pruebas de Hipótesis de Dos o Mas Muestras Página 8 de 11
 EJERCICIOS RESUELTOS

Ejercicio 1

Se desea comparar la altura de hombres y mujeres. Se toma una muestra

aleatoria de 10 hombres y una muestra aleatoria de 15 mujeres. Las medias
de las dos muestras son 170 cm y 165 cm, respectivamente. Las desviaciones
estándar de las dos muestras son 5 cm y 4 cm, respectivamente.

Solución

Para comparar las alturas de hombres y mujeres, podemos utilizar una

prueba t para muestras independientes.

➢ t = (170 - 165) / 4.57 * sqrt(1/10 + 1/15)

➢ t = 1.67

El valor crítico de la distribución t de Student para un nivel de significación

de 0.05 con 24 grados de libertad es 2.064.

Como el valor de t (1.67) es menor que el valor crítico (2.064), no se

rechaza la hipótesis nula. Se concluye que no hay evidencia suficiente para
afirmar que la altura de los hombres es significativamente diferente a la
altura de las mujeres.

UNIDAD II: Pruebas de Hipótesis Estadísticas Numero de Página:

Tema III: Pruebas de Hipótesis de Dos o Mas Muestras Página 9 de 11
Ejercicio 2

Se desea comparar las puntuaciones en un examen de tres grupos de

estudiantes, uno de los cuales recibió un tratamiento, otro no recibió
tratamiento y un tercero recibió un tratamiento placebo. Se toma una
muestra aleatoria de 10 estudiantes de cada grupo.

Las puntuaciones medias en el examen son 80, 70 y 65, respectivamente,

para los grupos de tratamiento, no tratamiento y placebo.

Solución

Para comparar las puntuaciones en el examen, podemos utilizar un

ANOVA de un factor.

➢ La F-ratio se calcula de la siguiente manera:

➢ F = (MSbetween / MSwithin)

donde:

➢ MSbetween es la varianza entre grupos

➢ MSwithin es la varianza dentro de grupos
➢ MSbetween = (80 - 70)^2 / 2 + (80 - 65)^2 / 2
➢ MSbetween = 5.25
➢ MSwithin = (80 - 75)^2 / 9 + (70 - 75)^2 / 9 + (65 - 75)^2 / 9
➢ MSwithin = 2.25
➢ F = 5.25 / 2.25
➢ F = 2.36

El valor crítico de la distribución F para un nivel de significación de 0.05 con

2 y 27 grados de libertad es 3.389.

Como la F-ratio (2.36) es menor que el valor crítico (3.389), no se rechaza la

hipótesis nula. Se concluye que no hay evidencia suficiente para afirmar que
las puntuaciones en el examen son significativamente diferentes entre los
tres grupos.

UNIDAD II: Pruebas de Hipótesis Estadísticas Numero de Página:

Tema III: Pruebas de Hipótesis de Dos o Mas Muestras Página 10 de 11
Ejercicio 3

Se desea comparar la satisfacción con el trabajo de dos grupos de

empleados, uno de los cuales trabaja en una empresa privada y el otro en
una empresa pública. Se toma una muestra aleatoria de 10 empleados de
cada empresa.

Las puntuaciones medias de satisfacción con el trabajo son 7 y 6,

respectivamente, para los empleados de las empresas privadas y públicas.
Las desviaciones estándar de las dos muestras son 2 y 1, respectivamente.

Solución

Para comparar la satisfacción con el trabajo, podemos utilizar una prueba

t para muestras independientes.

➢ t = (7 - 6) / sqrt(2^2 / 10 + 1^2 / 10)

➢ t = 2.41

El valor crítico de la distribución t de Student para un nivel de significación

de 0.05 con 18 grados de libertad es 1.734.

Como el valor de t (2.41) es mayor que el valor crítico (1.734), se rechaza

la hipótesis nula. Se concluye que hay evidencia suficiente para afirmar que
la satisfacción con el trabajo es significativamente diferente entre los dos
grupos de empleados.

En este caso, la conclusión es que los empleados de las empresas privadas

están más satisfechos con su trabajo que los empleados de las empresas
públicas.

UNIDAD II: Pruebas de Hipótesis Estadísticas Numero de Página:

Tema III: Pruebas de Hipótesis de Dos o Mas Muestras Página 11 de 11