Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DISEÑO DE EXPERIMENTOS
2023-0
Fundamento Teórico y
Procedimiento de la Prueba de
Hipótesis Estadística
Contenido
Introducción
Hipótesis estadística
Formulación de hipótesis estadística y tipos de hipótesis estadística
Prueba de una hipótesis estadística
Tipos de pruebas de hipótesis estadística
Región crítica, región de aceptación y regla de decisión
Tipos de errores
• Error tipo I
• Error tipo II
Procedimiento general de la prueba de hipótesis estadística
Objetivo
1) Estimación de parámetros
a) Estimación puntual:
b) Estimación interválica:
2) Prueba de hipótesis
Hipótesis estadística
Cualquier afirmación o conjetura que se hace acerca de la distribución de una o más poblaciones.
Afirmación o conjetura sobre:
• Valor o valores de uno o más parámetros de una distribución de probabilidad de una población.
• Tipo (forma) de distribución de probabilidad de una población.
La validez de la afirmación o conjetura (verdadera o falsa) es evaluada según la información particular de
una muestra aleatoria.
Utilizado para conocer, sacar conclusiones y tomar decisiones de una población de interés a partir de los
resultados de una muestra aleatoria particular proveniente de dicha población.
Las conclusiones no serán ciertas en forma absoluta y los errores de las conclusiones serán cuantificadas
como probabilidades.
Hipótesis estadística
1. Dado un tipo de distribución de una población (distribución conocida), se va evaluar la afirmación (o suposición) de
que los parámetros de una población toman determinados valores numéricos.
Ejemplos:
La longitud media de una pieza metálica es de 10 centímetros.
La proporción de unidades defectuosas producidas en cierto proceso nunca es superior al 2%.
La desviación estándar del volumen de las botellas de agua de 500 ml es de 0.10 ml.
Son iguales las medias de los pesos de los estudiantes de las universidades A y B.
2. Dada una población de interés, se va evaluar la afirmación (o suposición) de que esa población sigue una determinada
distribución de probabilidad.
Ejemplos:
La estatura de los estudiantes de la Universidad de Lima tiene una distribución normal con media 1.62 m y desviación
estándar 0.5 m.
El número de defectos en telas de 10 m² sigue una distribución de Poisson.
Formulación de hipótesis y tipos de hipótesis
La formulación de una hipótesis estadística consiste en
definir 𝐻0 y 𝐻1 referidas a un parámetro 𝜃.
1. HIPÓTESIS NULA (𝑯𝟎 )
Es aceptada provisionalmente como verdadera.
Representa lo conocido.
Su validez será sometida a comprobación experimental.
Los resultados experimentales nos permitirán seguir
aceptándola como verdadera o rechazarla.
Siempre irá acompañada de una hipótesis alternativa.
2. HIPÓTESIS ALTERNATIVA (𝑯𝟏 )
Se acepta en caso que 𝐻0 sea rechazada.
Representa el cambio, lo sospechoso, lo novedoso.
Suposición contraria a 𝐻0 .
EJEMPLOS ( 𝜽 : parámetro desconocido y evaluado,
𝜽𝟎 : valor hipotético de 𝜽):
1. 𝐻0 : 𝜃 = 𝜃0 , y 𝐻1 : 𝜃 ≠ 𝜃0
2. 𝐻0 : 𝜃 = 𝜃0 , y 𝐻1 : 𝜃 > 𝜃0
3. 𝐻0 : 𝜃 = 𝜃0 , y 𝐻1 : 𝜃 < 𝜃0
Prueba de una hipótesis estadística
Es un proceso que nos conduce, en base a una muestra
aleatoria, a tomar la decisión de rechazar 𝑯𝟎 o no
rechazar (aceptar) 𝑯𝟎 .
La formulación de hipótesis apunta a verificar el rechazo de
𝐻0 , es decir, a verificar si se cumpliría 𝐻1 (lo sospechado).
Primero se plantea 𝐻0 (especificando un valor 𝜃0 de 𝜃 ),
generalmente (formulación tradicional), se plantea 𝐻0 : 𝜃 = 𝜃0 :
1. 𝐻0 : 𝜃 = 𝜃0 , y 𝐻1 : 𝜃 ≠ 𝜃0
2. 𝐻0 : 𝜃 = 𝜃0 , y 𝐻1 : 𝜃 > 𝜃0
3. 𝐻0 : 𝜃 = 𝜃0 , y 𝐻1 : 𝜃 < 𝜃0
El rechazo de 𝑯𝟎 (por considerar 𝐻0 como falso) significa
que, en base a los datos de la muestra, se podría confirmar
lo sospechado (𝑯𝟏 ).
El no rechazo (aceptación) de 𝑯𝟎 (por considerar 𝐻0 como
verdadero) significa que, en base a los datos de la muestra,
no se podría confirmar lo sospechado (𝑯𝟏 ).
Tipos de prueba de hipótesis estadística
El tipo de prueba depende de 𝐻1 referidas a un parámetro 𝜃.
1. PRUEBA BILATERAL O DE DOS COLAS
Cuando 𝐻1 es bilateral:
𝐻0 : 𝜃 = 𝜃0
𝐻1 : 𝜃 ≠ 𝜃0
2. PRUEBA UNILATERAL O DE UNA COLA
Cuando 𝐻1 es unilateral.
Prueba unilateral derecha (cola a la derecha) o superior:
𝐻0 : 𝜃 = 𝜃0
𝐻1 : 𝜃 > 𝜃0
Prueba unilateral izquierda (cola a la izquierda) o inferior:
𝐻0 : 𝜃 = 𝜃0
𝐻1 : 𝜃 < 𝜃0
Tipos de errores
Al tomar la decisión de rechazar o no rechazar (aceptar) 𝑯𝟎 en base a una muestra aleatoria, hay cuatro posibles
situaciones que determinan si la decisión tomada es correcta o incorrecta:
1. ERROR TIPO I: Rechazar erróneamente 𝐻0 o Aceptar erróneamente 𝑯𝟏 (concluir erróneamente que 𝑯𝟏 es verdadero)
Error que se comete al rechazar 𝐻0 cuando esta es realmente verdadera.
Probabilidad de cometer un error tipo I (𝛼):
𝛼 = 𝑃 𝑒𝑟𝑟𝑜𝑟 𝑡𝑖𝑝𝑜 𝐼 = 𝑃(𝑟𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝐻0 𝑐𝑢𝑎𝑛𝑑𝑜 𝐻0 𝑒𝑠 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑎): Nivel de significación (o significancia)
2. ERROR TIPO II: Aceptar erróneamente 𝑯𝟎 (concluir erróneamente que 𝑯𝟎 es verdadero) o Rechazar erróneamente 𝐻1
Error que se comete al aceptar 𝐻0 cuando esta es realmente falsa.
Probabilidad de cometer un error tipo II (𝛽):
𝛽 = 𝑃 𝑒𝑟𝑟𝑜𝑟 𝑡𝑖𝑝𝑜 𝐼𝐼 = 𝑃(𝑎𝑐𝑒𝑝𝑡𝑎𝑟 𝐻0 𝑐𝑢𝑎𝑛𝑑𝑜 𝐻0 𝑒𝑠 𝑓𝑎𝑙𝑠𝑎)
𝟏 − 𝜷: Potencia o poder de una prueba de hipótesis
Ejemplo 1
Al finalizar un semestre académico, una autoridad de la facultad de ingeniería de una universidad quiere verificar, por
medio de una prueba de hipótesis, si más del 70% de los alumnos matriculados en cursos de matemáticas (Cálculo I, II, III
y IV) desaprobaron, de tal forma que se pueda justificar la reestructuración de la metodología de enseñanza.
Realice la formulación de la prueba de hipótesis para la proporción necesaria (defina 𝐻0 y 𝐻1 ) y defina el error de tipo I y el
error de tipo II en términos del caso descrito.
Ejemplo 1
SOLUCIÓN:
• Sea 𝑝: proporción de alumnos matriculados en cursos de matemáticas (Cálculo I, II, III y IV) que desaprobaron.
• Para justificar la reestructuración de la metodología de enseñanza (confirmar que 𝑝 es mayor a 0.70), se debe buscar rechazar 𝐻0 con una prueba unilateral
derecha (o superior):
𝑯𝟎 : 𝒑 = 𝟎. 𝟕𝟎
• La proporción de alumnos matriculados en cursos de matemáticas (Cálculo I, II, III y IV) que desaprobaron no es superior a 0.70.
𝑯𝟏 : 𝒑 > 𝟎. 𝟕𝟎
• La proporción de alumnos matriculados en cursos de matemáticas (Cálculo I, II, III y IV) que desaprobaron es superior a 0.70.
• Sea 𝑋~𝑁(𝜇, 𝜎 2 ) el volumen de las botellas de cerveza, entonces 𝜇 es el volumen medio de las botellas de cerveza.
• Para que el área de Producción pueda respaldar lo reportado por los clientes (confirmar que el volumen medio de las botellas de cerveza es menor al mínimo
especificado, es decir, que el volumen medio sea menor a 500ml), se debe buscar rechazar 𝐻0 con una prueba unilateral izquierda (o inferior):
𝑯𝟎 : 𝝁 = 𝟓𝟎𝟎
• El volumen medio de cerveza cumple con la especificación porque 𝜇 no es inferior a 500 ml (cumple con el mínimo especificado).
𝑯𝟏 : 𝝁 < 𝟓𝟎𝟎
• El volumen medio de cerveza no cumple con la especificación porque 𝜇 es inferior a 500 ml (no cumple con el mínimo especificado).
• Concluir erróneamente que el volumen de la cerveza no cumple con el mínimo volumen especificado.
• Concluir erróneamente que el volumen de la cerveza cumple con el mínimo volumen especificado.
• Sea 𝑋~𝑁(𝜇, 𝜎 2 ) la longitud de la pieza metálica , entonces 𝜇 es la longitud media de la pieza metálica .
• Para que el área de Producción pueda respaldar lo reportado por el cliente (confirmar que la longitud media de dicha pieza metálica está fuera de especificación, es
decir, que la longitud media sea diferente a 40 cm), se debe buscar rechazar 𝐻0 con una prueba bilateral (o de dos colas):
𝑯𝟎 : 𝝁 = 𝟒𝟎
• La longitud media de dicha pieza está dentro de especificación porque 𝜇 es igual a 40 cm.
𝑯𝟏 : 𝝁 ≠ 𝟒𝟎
• La longitud media de dicha pieza está fuera de especificación porque 𝜇 no es igual a 40 cm.
• Concluir erróneamente que el cliente no debería rechazar (ni devolver) el lote de producción.
Región crítica, región de aceptación y regla de
decisión
• estimador puntual de 𝜃, y 𝜃:
Θ: estimativa puntual de 𝜃
• Ψ: Estadístico de prueba, donde Ψ = 𝐻 Θ, 𝜃 = 𝜃0
• 𝑓(Ψ): distribución de probabilidad de Ψ
• 𝜃 = 𝜃0
𝜓: valor numérico del estadístico de prueba Ψ, donde 𝜓 = 𝐻 𝜃,
• 𝑅𝐶: Región crítica, y 𝑅𝐴: Región de aceptación
1. PRUEBA BILATERAL O DE DOS COLAS • 𝐶1 , 𝐶2 y 𝐶: Puntos críticos
𝐻0 : 𝜃 = 𝜃0
𝐻1 : 𝜃 ≠ 𝜃0 𝑓(Ψ)
Si 𝜓 < 𝐶1 o 𝜓 > 𝐶2 (es decir 𝜓 ∈ RC),
se rechaza 𝐻0
3) 𝜃 = 𝜃0 ),
Calcular el valor del estadístico de prueba Ψ: 𝜓 = 𝐻(𝜃,
𝑓(Ψ) 𝐻0 : 𝜃 = 𝜃0
donde 𝜃 es la estimativa puntual de 𝜃 que depende de las
𝐻1 : 𝜃 > 𝜃0
observaciones de la muestra aleatoria de tamaño 𝑛.
Si 𝜓 > 𝐶 (es decir 𝜓 ∈ RC),
4) Aplicar la regla de decisión de la prueba de hipótesis y obtener se rechaza 𝐻0
conclusiones del problema que se analiza:
• Se rechaza 𝐻0 si 𝜓 ∈ RC.
• No se rechaza 𝐻0 si 𝜓 ∉ RC . 𝑓(Ψ) 𝐻0 : 𝜃 = 𝜃0
𝐻1 : 𝜃 < 𝜃0
5) Establecer la conclusión de la prueba de hipótesis considerando Si 𝜓 < 𝐶 (es decir 𝜓 ∈ RC),
el valor definido del nivel de significancia (𝛼). se rechaza 𝐻0
Prueba de hipótesis de un parámetro
(media, varianza y proporción)
Contenido
Sea 𝑋1 , 𝑋2 ,…, 𝑋𝑛 es una muestra aleatoria de tamaño 𝑛 extraída de una población normal (o de cualquier otro
tipo, siendo 𝑛 grande) donde media 𝜇 y varianza conocida 𝜎 2 .
𝜎 2
Si la población es normal (𝑋~𝑁(𝜇, 𝜎 2 )) ത
𝑋~𝑁 𝜇, 𝑛 para cualquier valor de 𝑛
Si la población no es normal con media 𝜇 y varianza conocida 𝜎 2 Aplicando el TLC para valores grandes
𝜎2
de 𝑛 (𝑛 ≥ 30), la distribución de 𝑋ത es aproximadamente 𝑁 𝜇, 𝑛
ത
𝑋−𝜇
Por lo tanto, según sea el caso, la distribución de 𝑍 = es exactamente (o aproximadamente) 𝑁(0,1), en
𝜎Τ 𝑛
ii. Dado el nivel de significancia (𝛼) y que 𝑍0 ~𝑁(0,1), definir la región critica (𝑅𝐶) y la región de aceptación (𝑅𝐴):
ii. Dado el nivel de significancia (𝛼) y que 𝑍0 ~𝑁(0,1), definir la región critica (𝑅𝐶) y la región de aceptación (𝑅𝐴):
• La región critica (𝑅𝐶) de la prueba de hipótesis: • La región de aceptación (𝑅𝐴) de la prueba de hipótesis:
𝑅𝐶 = 𝑧1−𝛼 , +∞ 𝑅𝐴 = ۦ−∞, 𝑧1−𝛼 ሿ
Probabilidad de rechazar erróneamente 𝐻0 (Error tipo I ): Probabilidad de aceptar correctamente 𝐻0 :
𝑃 𝑍0 > 𝑧1−𝛼 ห𝐻0 𝑒𝑠 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑎 = 𝛼 𝑃 𝑍0 ≤ 𝑧1−𝛼 ห𝐻0 𝑒𝑠 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑎 = 1 − 𝛼
ii. Dado el nivel de significancia (𝛼) y que 𝑍0 ~𝑁(0,1), definir la región critica (𝑅𝐶) y la región de aceptación (𝑅𝐴):
• La región critica (𝑅𝐶) de la prueba de hipótesis: • La región de aceptación (𝑅𝐴) de la prueba de hipótesis:
𝑅𝐶 = −∞, −𝑧1−𝛼 𝑅𝐴 = ሾ−𝑧1−𝛼 , +∞ۧ
Probabilidad de rechazar erróneamente 𝐻0 (Error tipo I): Probabilidad de aceptar correctamente 𝐻0 :
𝑃 𝑍0 < −𝑧1−𝛼 ห𝐻0 𝑒𝑠 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑎 = 𝛼 𝑃 𝑍0 ≥ −𝑧1−𝛼 ห𝐻0 𝑒𝑠 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑟𝑎 = 1 − 𝛼
5. Establecer la conclusión de la prueba de hipótesis en términos del caso de estudio y según el nivel de significancia (𝛼).
NOTA: El cálculo del p-valor reemplaza a los pasos (2) y (3) del procedimiento y en la regla de decisión (paso (4)) se compara
el p-valor y 𝛼:
Si 𝑝 − 𝑣𝑎𝑙𝑜𝑟 < 𝛼, entonces se rechazará 𝐻0
Si 𝑝 − 𝑣𝑎𝑙𝑜𝑟 ≥ 𝛼, entonces no se rechazará 𝐻0
Prueba de hipótesis para la media poblacional (𝝁)
cuando la varianza poblacional (𝝈𝟐 ) es conocida
Decisión 𝑯𝟎 verdadera 𝑯𝟎 falsa
Error tipo I Decisión correcta
Rechazar 𝑯𝟎
Probabilidad: 𝛼 Probabilidad: 1 − 𝛽
Decisión correcta Error tipo II
Aceptar 𝑯𝟎
Probabilidad: 1 − 𝛼 Probabilidad: 𝛽
Donde: 𝐻0 : 𝜇 = 𝜇0
𝛿 𝜇1 −𝜇0 𝐻1 : 𝜇 < 𝜇0
𝑑=𝜎= es la diferencia de la
𝜎
media verdadera y la media hipotética 𝐾 = 𝑎1
dividido entre la desviación estándar. = 𝜇0 − 𝑧1−𝛼 (𝜎Τ 𝑛)
Φ 𝑧 =𝑃 𝑍≤𝑧 : es la distribución
acumulada de la normal estándar 𝑍
evaluada en 𝑧.
Prueba de hipótesis para la media poblacional (𝝁)
cuando la varianza poblacional (𝝈𝟐 ) es conocida
Es el tamaño apropiado de una muestra (𝑛) para obtener un valor particular de la probabilidad del error tipo II (𝛽), dado un
valor verdadero de la media poblacional (𝜇1 ), un nivel de significación 𝛼 y la media especificada en 𝐻0 (𝜇0 ).
2
𝑧𝛼 Τ2 + 𝑧𝛽
𝑛≅
𝑑2
2
𝑧𝛼 + 𝑧𝛽
𝑛=
𝑑2
𝛿 𝜇1 −𝜇0
Donde 𝑑 = = es la diferencia de la media verdadera y la media hipotética dividido entre la desviación estándar.
𝜎 𝜎
NOTA: El cálculo del p-valor reemplaza a los pasos ii) y iii) de la pregunta
ii) Valores críticos (𝛼 = 0.05): (a) y en el paso iv) Regla de decisión se compara el p-valor y 𝛼. Con
𝑧1−𝛼Τ2 = 𝑧0.975 = 1.96 y −𝑧1−𝛼Τ2 = −𝑧0.975 = −1.96 ambas reglas las decisiones siempre serán las mismas.
𝑅𝐶 = −∞, −𝑧1−𝛼 ∪ 𝑧1−𝛼 , +∞ = −∞, −1.96 ∪ 1.96, +∞
2 2
iv) Regla de decisión: como 𝑧0 > 𝑧0.975 (3.25 > 1.96), 𝑧0 ∈ 𝑅𝐶, por lo
tanto, se debe rechazar 𝑯𝟎 .
EJERCICIO 4. Al estudiar si conviene tener o no una sucursal en la ciudad de Tarapoto, la gerencia de una gran tienda
comercial en Lima, establece el siguiente criterio para tomar una decisión: Abrir la sucursal sólo si el ingreso promedio
familiar mensual en dicha ciudad es no menos de $500 y no abrirla en caso contrario. Una muestra aleatoria de 100 ingresos
familiares de esa ciudad ha dado una media de $480. Suponga que la distribución de los ingresos tiene una desviación
estándar igual a $80. El gerente sospecha que no se debería abrir la sucursal dada su experiencia y basado en estudios de
mercado relacionados al asunto.
a) ¿Hay evidencia que respalde la sospecha del gerente? Formule y pruebe las hipótesis apropiadas y saque conclusiones
usando α=0,05.
b) ¿Con que probabilidad la prueba anterior (a) detecta la diferencia igual a $30 en el promedio de ingresos y por debajo de
lo que se indica en la hipótesis nula?
c) Calcular la potencia de la prueba si el ingreso promedio realmente es $464.
d) Determine el tamaño de la muestra si se quiere tener una probabilidad del error de tipo II de 0.10, cuando realmente el
ingreso promedio familiar mensual es de $485.
LABORATORIO 2 (Parte 1): Prueba de hipótesis de un parámetro
EJERCICIO 4.
a) ¿Hay evidencia que respalde la sospecha del gerente? Formule y pruebe las hipótesis apropiadas y saque conclusiones usando
𝜶 = 𝟎. 𝟎𝟓.
i) 𝑋: ingreso familiar mensual en Tarapoto
Definimos las hipótesis:
𝐻0 : 𝜇 = 500 (se debería abrir la sucursal)
𝐻1 : 𝜇 < 500 (no se debería abrir la sucursal)
ത 0
𝑋−𝜇
Estadístico de prueba (PH de 𝜇, 𝜎 2 conocido): dado que 𝑛 es “grande” (𝑛 ≥ 30), es aplicable el TLC 𝑍0 = 𝑒𝑠 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎𝑚𝑒𝑛𝑡𝑒 𝑁(0, 1)
𝜎Τ 𝑛
𝛿 𝜇 −𝜇 464−500
𝜎 = 80 𝑦 𝜇1 = 464, entonces: 𝑑 = 𝜎 = 1 𝜎 0 = 80 = −0.45
Debemos obtener: 𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 = 1 − 𝛽 = 𝑓 𝑛, 𝛼, 𝑑, 𝐻1
𝛼 = 0.05 𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 = 0. 9978
𝑛 = 100
𝐻1 : 𝜇 < 500 (prueba de hipótesis unilateral izquierda)
LABORATORIO 2 (Parte 1): Prueba de hipótesis de un parámetro
EJERCICIO 4.
d) Determine el tamaño de la muestra si se quiere tener una probabilidad del error de tipo II de 0.10, cuando
realmente el ingreso promedio familiar mensual es de $485.
𝛽 = 0.10, entonces 𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 = 0.90
𝛿 𝜇1 −𝜇0 485−500
Debemos obtener: 𝑛 = 𝑓(1 − 𝛽, 𝛿, 𝛼, 𝜎, 𝐻1 )
𝜇1 = 485 y 𝜎 = 80, entonces: 𝑑 = 𝜎 = 𝜎 = 80 = −0.1875 𝑛 = 244
𝛼 = 0.05
𝐻1 : 𝜇 < 500 (prueba de hipótesis unilateral izquierda)
Prueba de hipótesis para la media poblacional (𝝁)
cuando la varianza poblacional (𝝈𝟐 ) es desconocida
Sea 𝑋1 , 𝑋2 ,…, 𝑋𝑛 es una muestra aleatoria de tamaño 𝑛 extraída de una población normal (o de cualquier otro
tipo, siendo 𝑛 grande) donde media 𝜇 y varianza desconocida 𝜎 2 .
1. Si la población no es normal Aplicando el TLC para valores grandes de 𝑛 (𝑛 ≥ 30), se suele utilizar la
ത
𝑋−𝜇
estadística 𝑍 = 𝜎Τ𝑛
que es aproximadamente 𝑁(0,1), en donde 𝜎 se estima puntualmente por 𝑆.
ത
𝑋−𝜇
2. Si la población es normal (𝑋~𝑁(𝜇, 𝜎 2 )), sabemos que 𝑇 = 𝑆Τ 𝑛
~ 𝑇𝑛−1 . Entonces, para 𝑛 ≥ 2 el
𝑋ത − 𝜇
𝑇=
𝑆Τ 𝑛
5. Establecer la conclusión de la prueba de hipótesis en términos del caso de estudio y según el nivel de significancia (𝛼).
NOTA: El cálculo del p-valor reemplaza a los pasos (2) y (3) del procedimiento y en la regla de decisión (paso (4)) se compara
el p-valor y 𝛼:
Si 𝑝 − 𝑣𝑎𝑙𝑜𝑟 < 𝛼, entonces se rechazará 𝐻0
Si 𝑝 − 𝑣𝑎𝑙𝑜𝑟 ≥ 𝛼, entonces no se rechazará 𝐻0
LABORATORIO 2 (Parte 1): Prueba de hipótesis de un parámetro
EJERCICIO 7. Se determinó el contenido de sodio de 20 cajas de 300 gramos de hojuelas de maíz orgánico. Los datos (en
miligramos) se encuentran en el archivo DatosEjerc7Lab2.xlsx. Tenga en cuenta que el contenido de sodio se distribuye
normalmente. ¿Puede apoyar la afirmación de que el contenido promedio de sodio de esta marca de cajas de hojuelas de
maíz difiere de 130 miligramos? Use α = 0.05.
i) 𝑋: contenido de sodio de cajas de 300 gramos de hojuelas de maíz iv) Regla de decisión: como −𝑡1−𝛼,𝑛−1 < 𝑡0 < 𝑡1−𝛼,𝑛−1 ( −2.093 <
2 2
orgánico, donde 𝑋~𝑁(𝜇, 𝜎)
− 1.2910 < 2.093), 𝑡0 ∉ 𝑅𝐶, por lo tanto, no se debe rechazar 𝑯𝟎 .
Definimos las hipótesis:
𝐻0 : 𝜇 = 130
v) Conclusión: con un nivel de significación del 5%, no hay evidencia
𝐻1 : 𝜇 ≠ 130
suficiente para afirmar que la media del contenido de sodio de esta
ത 0
𝑋−𝜇
Estadístico de prueba (PH de 𝜇, 𝜎 2 desconocido): 𝑇0 = ∼ 𝑡𝑛−1 marca de cajas de hojuelas de maíz difiere de 130 mg.
𝑆Τ 𝑛
EJERCICIO 7. Se determinó el contenido de sodio de 20 cajas de 300 gramos de hojuelas de maíz orgánico. Los datos (en
miligramos) se encuentran en el archivo DatosEjerc7Lab2.xlsx. Tenga en cuenta que el contenido de sodio se distribuye
normalmente. ¿Puede apoyar la afirmación de que el contenido promedio de sodio de esta marca de cajas de hojuelas de
maíz difiere de 130 miligramos? Use α = 0.05.
LABORATORIO 2 (Parte 1): Prueba de hipótesis de un parámetro
EJERCICIO 7. Se determinó el contenido de sodio de 20 cajas de 300 gramos de hojuelas de maíz orgánico. Los datos (en
miligramos) se encuentran en el archivo DatosEjerc7Lab2.xlsx. Tenga en cuenta que el contenido de sodio se distribuye
normalmente. ¿Puede apoyar la afirmación de que el contenido promedio de sodio de esta marca de cajas de hojuelas de
maíz difiere de 130 miligramos? Use α = 0.05.
Prueba de hipótesis para la varianza poblacional (𝝈𝟐 )
Sea 𝑋1 , 𝑋2 ,…, 𝑋𝑛 es una muestra aleatoria de tamaño 𝑛 extraída de una población normal con media 𝜇 y
varianza 𝜎 2 .
2 2 σ𝑛 ത 2
𝑖=1(𝑋𝑖 −𝑋) σ𝑛 2 ത2
𝑖=1 𝑋𝑖 −𝑛𝑋
Sea la varianza muestral 𝑆 : 𝑆 = 𝑛−1
= 𝑛−1
𝑆2 2
Se define: 𝑌 = (𝑛 − 1) 𝜎2 ~𝜒𝑛−1
𝑺𝟐
𝒀 = (𝒏 − 𝟏) 𝟐
𝝈
2
donde 𝑌 sigue una distribución chi-cuadrada con 𝑛 − 1 grados de libertad (𝑌~𝜒𝑛−1 ).
Prueba de hipótesis para la varianza poblacional (𝝈𝟐 )
1. PRUEBA DE HIPOTESIS BILATERAL (O DE DOS COLAS) PARA LA VARIANZA
i. Formular la hipótesis nula (𝐻0 ) y la hipótesis alternativa (𝐻1 ):
𝐻0 : 𝜎 2 = 𝜎02
𝐻1 : 𝜎 2 ≠ 𝜎02
Definir el estadístico de prueba. Si se supone que 𝐻0 es verdadero, entonces:
𝑺𝟐
Estadístico de prueba: 𝒀𝟎 = (𝒏 − 𝟏) ∼ 𝝌𝟐𝒏−𝟏
𝝈𝟐𝟎
2
ii. Dado el nivel de significancia (𝛼) y que 𝑌0 ~𝜒𝑛−1 , definir:
𝑅𝐶 = 0, 𝜒𝛼2,𝑛−1 ∪ 𝜒1−
2
𝛼
,𝑛−1
, +∞ 𝑅𝐴 = 𝜒𝛼2,𝑛−1 , 𝜒1−
2
𝛼
,𝑛−1
2 2 2 2
2
ii. Dado el nivel de significancia (𝛼) y que 𝑌0 ~𝜒𝑛−1 , definir:
2 2
𝑅𝐶 = 𝜒1−𝛼,𝑛−1 , +∞ 𝑅𝐴 = ൻ0, 𝜒1−𝛼,𝑛−1 ൧
2
ii. Dado el nivel de significancia (𝛼) y que 𝑌0 ~𝜒𝑛−1 , definir:
2 2
𝑅𝐶 = 0, 𝜒𝛼,𝑛−1 𝑅𝐴 = ൣ𝜒𝛼,𝑛−1 , +∞ۧ
5. Establecer la conclusión de la prueba de hipótesis en términos del caso de estudio y según el nivel de significancia (𝛼).
NOTA 1: El cálculo del p-valor reemplaza a los pasos (2) y (3) del procedimiento y en la regla de decisión (paso (4)) se compara
el p-valor y 𝛼:
Si 𝑝 − 𝑣𝑎𝑙𝑜𝑟 < 𝛼, entonces se rechazará 𝐻0
Si 𝑝 − 𝑣𝑎𝑙𝑜𝑟 ≥ 𝛼, entonces no se rechazará 𝐻0
NOTA 2: La prueba de hipótesis para la desviación estándar poblacional (𝜎) sigue el mismo procedimiento descrito dado que su
formulación es equivalente. Por ejemplo, 𝐻0 : 𝜎 = 𝜎0 es equivalente a 𝐻0 : 𝜎 2 = 𝜎02 .
LABORATORIO 2 (Parte 1): Prueba de hipótesis de un parámetro
EJERCICIO 9. En un proceso de fabricación de tornillos se tienen indicios de que la calidad del proceso ha sufrido un impacto negativo por unos
cambios de proveedor de la materia prima. Por tal razón, se sospecha que la desviación estándar de las longitudes de cierto tipo de tornillo es
superior a 2.0 mm. En una muestra de 10 tornillos elegidos al azar del proceso de producción se han encontrado y registrado las longitudes (en
milímetros) en el archivo DatosEjerc9Lab2.xlsx. Con estos datos, ¿se puede verificar la sospecha reportada en el proceso de fabricación? Use el
nivel de significación α = 0.05, y suponga que la distribución de las longitudes es normal.
RESOLUCIÓN EJERCICIO 9: 2
iv) Como 𝑦0 < 𝜒0.95, 9 (15.225 < 16.919), 𝑦0 ∉ 𝑅𝐶. Por lo
i) 𝑋: longitudes de cierto tipo de tornillo, donde 𝑋~𝑁(𝜇, 𝜎) tanto, no se debe rechazar 𝑯𝟎 .
Muestra de tamaño 𝑛 = 10, donde 𝑆 2 = 6.7667
Definimos las hipótesis: v) No hay evidencia suficiente para afirmar que la
𝐻0 : 𝜎 = 2 desviación estándar es superior a 2 mm con un nivel de
𝐻1 : 𝜎 > 2 significación del 5%, entonces no se puede confirmar la
𝑆2 2 sospecha reportada en el proceso de fabricación.
Estadístico de prueba (PH de 𝜎 2 ): 𝑌0 = 𝑛 − 1 ∼ 𝜒𝑛−1
𝜎02
2 2
ii) Valor crítico: 𝜒1−𝛼,𝑛−1 = 𝜒0.95, 9 = 16.919
𝑅𝐶 = 16.919, +∞ 2
𝑝 − 𝑣𝑎𝑙𝑜𝑟 = 1 − 𝑃 𝜒𝑛−1 ≤ 𝑦0 = 1 − 𝑃 𝜒92 ≤ 16.919 = 0.08494
Como 𝑝 − 𝑣𝑎𝑙𝑜𝑟 ≥ 𝛼, entonces, no se debe rechazar 𝑯𝟎 .
iii) Valor numérico del estadístico de prueba:
𝑠2 6.7667
𝑦0 = 𝑛 − 1 2 = 10 − 1 = 15.225
𝜎0 4
LABORATORIO 2 (Parte 1): Prueba de hipótesis de un parámetro
EJERCICIO 9. En un proceso de fabricación de tornillos se tienen indicios de que la calidad del proceso ha sufrido un impacto negativo por unos
cambios de proveedor de la materia prima. Por tal razón, se sospecha que la desviación estándar de las longitudes de cierto tipo de tornillo es
superior a 2.0 mm. En una muestra de 10 tornillos elegidos al azar del proceso de producción se han encontrado y registrado las longitudes (en
milímetros) en el archivo DatosEjerc9Lab2.xlsx. Con estos datos, ¿se puede verificar la sospecha reportada en el proceso de fabricación? Use el
nivel de significación α = 0.05, y suponga que la distribución de las longitudes es normal.
Prueba de hipótesis para la varianza poblacional (𝝈𝟐 )
EJERCICIO 9. En un proceso de fabricación de tornillos se tienen indicios de que la calidad del proceso ha sufrido un impacto negativo por unos
cambios de proveedor de la materia prima. Por tal razón, se sospecha que la desviación estándar de las longitudes de cierto tipo de tornillo es
superior a 2.0 mm. En una muestra de 10 tornillos elegidos al azar del proceso de producción se han encontrado y registrado las longitudes (en
milímetros) en el archivo DatosEjerc9Lab2.xlsx. Con estos datos, ¿se puede verificar la sospecha reportada en el proceso de fabricación? Use el
nivel de significación α = 0.05, y suponga que la distribución de las longitudes es normal.
Prueba de hipótesis para la proporción poblacional (𝒑)
Sea 𝑋1 , 𝑋2 ,…, 𝑋𝑛 es una muestra aleatoria de tamaño 𝑛 extraída de una población de Bernoulli
𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑙𝑖(𝑝), cuyo parámetro desconocido 𝑝 es la proporción de éxitos de la población y sea la
estadística:
𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 σ𝑛𝑖=1 𝑋𝑖 𝑌
𝑃ത = = =
𝑛 𝑛 𝑛
𝒀 − 𝒏𝒑 ഥ−𝒑
𝑷
𝒁= = 𝒆𝒔 𝒂𝒑𝒓𝒐𝒙𝒊𝒎𝒂𝒅𝒂𝒎𝒆𝒏𝒕𝒆 𝑵(𝟎, 𝟏)
𝒏𝒑(𝟏 − 𝒑) 𝒑(𝟏 − 𝒑)
𝒏
Prueba de hipótesis para la proporción poblacional (𝒑)
PROCEDIMIENTO (RESUMEN):
ത 0
𝑃−𝑝
1. Formular las hipótesis (definir 𝐻0 y 𝐻1 ) y definir el estadístico de prueba: 𝑍0 = 𝑒𝑠 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎𝑚𝑒𝑛𝑡𝑒 𝑁(0, 1)
𝑝0 (𝟏−𝑝0 )
𝒏
3. Dado los resultados de la muestra aleatoria y la 𝐻0 definida, calcular el valor numérico de la estadística de prueba (𝑧0 ).
4. Según la regla de decisión, rechazar o aceptar 𝐻0 (comparando los limites de la región critica con el valor numérico de la estadística de prueba 𝑧0 ).
5. Establecer la conclusión de la prueba de hipótesis en términos del caso de estudio y según el nivel de significancia (𝛼).
NOTA:
1. El cálculo del p-valor reemplaza a los pasos (2) y (3) del procedimiento y en la regla de decisión (paso (4)) se compara el p-valor y 𝛼:
• Si 𝑝 − 𝑣𝑎𝑙𝑜𝑟 < 𝛼, entonces se rechazará 𝐻0
• Si 𝑝 − 𝑣𝑎𝑙𝑜𝑟 ≥ 𝛼, entonces no se rechazará 𝐻0
2. La regla de decisión (rechazo de 𝐻0 ) y el cálculo del p-valor son idénticos a los de la prueba de hipótesis de la media (𝜎 2 conocido).
3. La proporción poblacional 𝑝 también es denotado por 𝜋
Prueba de hipótesis para la proporción poblacional (𝒑)
EJERCICIO 12. Un fabricante afirma que el 30% de todos los consumidores prefiere su producto. Con el fin de
evaluar esta afirmación se tomó una muestra aleatoria de 400 consumidores y se encontró que 100 de ellos
prefieren dicho producto. ¿Existe evidencia suficiente para inferir que el porcentaje de preferencia del producto
no es 30%? Utilice α = 0.01.
i) 𝑝 : proporción de consumidores que prefieren el producto del
fabricante iv) Como 𝑧0 > −𝑧0.995 ( −2.1822 > −2.576), 𝑧0 ∉ 𝑅𝐶 .
Definimos las hipótesis: Por lo tanto, no se debe rechazar 𝑯𝟎 .
𝐻0 : 𝑝 = 0.30
𝐻1 : 𝑝 ≠ 0.30 v) No hay evidencia suficiente para afirmar que la
ത 0
𝑃−𝑝 proporción de consumidores que prefieren el producto
Estadístico de prueba (PH de 𝑝): 𝑍0 = ∼ 𝑁(0,1)
𝑝0 (𝟏−𝑝0 ) del fabricante es diferente de 0.30 con un nivel de
𝒏
significación del 1%, entonces concluimos que el
ii) Valores críticos (𝛼 = 0.01): 𝑧1−𝛼Τ2 = 𝑧0.995 = 2.576 fabricante tendría la razón.
−𝑧1−𝛼Τ2 = −𝑧0.995 = −2.576
𝑅𝐶 = −∞, −𝑧1−𝛼 ∪ 𝑧1−𝛼 , +∞ = −∞, −2.576 ∪ 2.576 , +∞
2 2
𝑝 − 𝑣𝑎𝑙𝑜𝑟 = 2 1 − 𝑃 𝑍 ≤ 𝑧0 = 2 𝑃 𝑍 > 𝑧0
iii) Estadístico de prueba:
= 2 𝑃 𝑍 > −2.1822 = 2 𝑃 𝑍 > 2.1822 = 0.029
Dado que 𝑝ҧ = 𝑦Τ𝑛 = 100Τ400 = 0.25
Como 𝑝 − 𝑣𝑎𝑙𝑜𝑟 ≥ 𝛼, entonces, no se debe rechazar 𝑯𝟎 .
𝑝ҧ − 𝑝0 0.25 − 0.30
𝑍0 = = = −2.1822
𝑝0 (1 − 𝑝0 ) 0.30(1 − 0.30)
𝑛 400
LABORATORIO 2 (Parte 1): Prueba de hipótesis de un parámetro
EJERCICIO 12. Un fabricante afirma que el 30% de todos los consumidores prefiere su producto. Con el fin de evaluar esta afirmación se
tomó una muestra aleatoria de 400 consumidores y se encontró que 100 de ellos prefieren dicho producto. ¿Existe evidencia suficiente para
inferir que el porcentaje de preferencia del producto no es 30%? Utilice α = 0.01.
¿Preguntas?
¡GRACIAS!