Año

2012
1 Tests de hipótesis
En muchas ocasiones, el propósito de una investigación es determinar si es
verdadera o no, alguna hipótesis sobre algún parámetro. Los métodos que se
utilizan para esto se llaman pruebas o tests de hipótesis.
Una hipótesis estadística es una expresión acerca del valor de una o varias
características o parámetros de la población. Comenzaremos viendo algunos
test de hipótesis acerca de la media de una población.

1.1 Tests para una media

Ejemplo 1.1 Se realizan 6 mediciones de una misma muestra con una téc-
nica cuyo un error de medición tiene = 0:08mg=ml: Se quiere saber si el
verdadero valor del especimen que está midiendo es mayor que 1:22g=ml

Las 6 mediciones se pueden considerar una muestra aleatoria X1 ; X2 ; ::; X6

donde cada Xi es el resultado de la i-ésima medición y tiene distribución
N( ; 0:082 ); en este caso el parámetro es el verdadero valor del especimen
medido.
Se debe entonces veri…car si > 1:22; o si = 1:22, ésta última es la
llamada hipótesis nula (H0 ). La hipótesis que deseamos probar la llamaremos
hipótesis alternativa (HA ): Para simpli…car por el momento usaremos =
1:22 como hipótesis nula. Esto queda expresado:

H0 : = 1:22 HA : > 1:22

Debemos notar que al decidirnos por una de las dos hipótesis, podemos
cometer dos tipos de errores diferentes. Podemos equivocarnos al concluir
que > 1:22 cuando en realidad no lo es (error de tipo I : rechazar H0 cuando
es verdadera), o concluir que = 1:22, cuando en realidad es mayor que
1:22 (error de tipo II : aceptar H0 cuando es falsa). Recordemos que nunca
conocemos cuánto vale , y sólo podemos hacer inferencias, basadas en la
muestra, acerca de su valor.

2
 Los procedimientos que vamos a ver, nos permiten acotar la probabilidad
de cometer un error de tipo I, por eso es importante saber cuál debe ser la
hipótesis nula y cuál la alternativa.
Lo más natural será calcular el promedio de las 6 mediciones x y com-
pararlo con el valor 1:22, ya que sabemos que X es un estimador de ; si
x resulta mucho más grande que 1:22; tendremos motivos para pensar que
en realidad > 1:22 (cuánto más grande sea x; mayor será la evidencia
contra H0 : = 1:22 a favor de HA : > 1:22). Debemos decidir cuándo
consideraremos que x es lo su…cientemente “grande ”como para rechazar la
hipótesis nula. Para esto debemos considerar un estadístico con distribución
conocida cuando H0 es verdadera y de…nir una zona de rechazo. Usaremos
el estadístico de prueba:
X 1:22
Z= p
0:08= 6
que tiene distribución N(0; 1) cuando = 1:22 (cuando H0 es verdadera)
Se puede establecer una regla de decisión como la siguiente: rechazar H0
cuando el valor del estadístico de prueba es mayor que 1:65; de este modo
nos aseguramos que
p
P (errorde tipo I) = P 6 X 1:22 =0:08 > 1:65 j H0 verdadera = 0:05

En general la regla es:

p
n (x 0)
rechazar H0 : = 0 a favor de HA : > 0; cuando >z
p
entonces P (error de tipo I ) = PH0 n X 0 = > z j H0 verdadera =
, este valor se llama nivel de signi…cación. Al …jar un nivel de signi…cación
= 0:05; nos aseguramos que la probabilidad de cometer error de tipo I, no
puede ser mayor que 0.05. Se llama zona de rechazo, a los valores mayores
que z .
En nuestro ejemplo, se hicieron 6 repeticiones, y se obtuvo x = 1:28;
p reem-
plazando X por x = 1:28; el estadístico de prueba toma el valor 6(1:28
1:22)=0:08 = 1:84: Como este valor cae en la zona de rechazo, podemos rec-
hazar la hipótesis nula con nivel 0:05. Esto signi…ca que podemos a…rmar que
el verdadero valor del especimen medido es mayor que 1.22 y la probabilidad
de equivocarnos al hacer esta a…rmación es a lo sumo 0:05

3
 También podemos razonar de esta manera: si fuera = 1:22, ¿cuál es la
probabilidad de obtener una media muestral tan grande o más que el valor
1:28?, o lo que es equivalente, ¿cuál es la probabilidad de que el estadístico de
prueba alcanzara un valor mayor o igual que 1:84?. Esta probabilidad puede
calcularse ya que el estadístico de prueba tiene distribución N(0; 1) cuando
= 1:22 y es
p
PH0 6 X 1:22 =0:08 > 1:84 j H0 verdadera =
=1 (1:84) = 1 0:9671 = 0:0329

Esto es lo que se llama el “valor-p”, cuánto menor sea este p; más evi-
dencia tengo contra H0 : En nuestro ejemplo, p = 0:0329 es una probabilidad
bastante pequeña, podemos rechazar H0 y a…rmar la alternativa, es decir que
> 1:22
Otra manera de expresar la regla de decisión, es decir que se rechaza H0 ,
cuando el “valor-p” es menor que : En realidad el “valor-p” es el menor
nivel de signi…cación (el más exigente) para el cual se puede rechazar H0 con
los valores observados.
En este caso “valor-p”= 0:0329, esto signi…ca que podemos rechazar H0
hasta con un nivel 0:0329
Tratemos de resumir los principales conceptos que hemos visto hasta aquí.

En un procedimiento de test de hipótesis tenemos siempre dos hipótesis

para contrastar. En investigaciones cientí…cas la hipótesis alternativa
(HA ) suele llamarse "hipótesis del investigador" y la hipótesis nula
(H0 ) representa lo contrario, que no hay diferencias. En el ejemplo
analizado, la hipótesis nula era H0 : = 0 y la hipótesis alternativa es
HA : > 0 . En otros ejemplos la hipótesis alternativa también podría
ser HA : < 0 o HA : 6= 0 : La igualdad siempre está en H0 :

Un procedimiento de test de hipótesis está determinado por un estadís-

tico de prueba que debe tener una distribución conocida e independi-
ente del parámetro sobre el cual estamos haciendo inferencias. Dado
ese estadístico de prueba, se de…ne una zona de rechazo y una regla de
decisión. Dicha regla puede de…nirse como: "se rechazará H0 cuando el
valor del estadístico de prueba cae en la zona de rechazo". En el ejem-
plo, la zona de rechazo eran los valores mayores que z . Siempre que la
hipótesis alternativa es de la forma HA : > 0 la zona de rechazo son

4
 los valores mayores que un punto crítico; en el caso HA : < 0 la zona
de rechazo son los valores menores que un punto crítico; y en el caso
HA : 6= 0 la zona de rechazo es bilateral, es decir está formada por
la unión de valores a la derecha y a la izquierda de dos puntos críticos.

Al tomar una decisión, ya sea aceptar o rechazar H0 podemos cometer

un error, hay entonces dos tipos de errores:

– Error de tipo I : rechazar H0 cuando es verdadera

– Error de tipo II : aceptar H0 cuando es falsa

Se denomina nivel de signi…cación del test a la probabilidad de cometer

un error de tipo I, = P (error de tipo I ) . Este nivel de signi…cación
se …ja "a priori" y luego se determina cual debe ser la zona de rechazo,
para que el nivel de signi…cación sea el deseado. El área de la zona de
rechazo es igual al nivel de signi…cación ( ) elegido.

Se de…ne el valor-p como la probabilidad de que el estadístico de prueba

tome un valor "tan extremo" como el obtenido, si fuera cierta la hipóte-
sis nula. O también puede de…nirse como el menor nivel de signi…cación
para el cual se puede rechazar la hipótesis nula con los valores obser-
vados. Estas dos de…niciones son equivalentes. Es importante observar
que, el valor-p y el nivel de signi…cación son cosas diferentes, el valor-p
depende de los valores observados, mientras que el nivel de signi…cación
se de…ne a priori.

Veamos otro ejemplo.

Ejemplo 1.2 Se sabe que la distribución del perímetro cefálico de recién

nacidos de sexo masculino, es normal con media = 36 cm y desviación
típica = 1:97 cm. Se han observado los perímetros cefálicos de 10 re-
cién nacidos cuyas madres consumieron drogas durante el embarazo, y se
ha obtenido x = 34:5 cm. ¿Se puede inferir en base a estos datos, que la
media del perímetro cefálico de los niños cuyas madres consumieron drogas
durante el embarazo es menor que la de la población general? Suponemos
que la distribución en estos niños también es normal y con el mismo :

5
 Podemos modelizar esta situación como sigue, tenemos una m.a. X1 ; X2 ; ::; X10
donde cada Xi es el perímetro cefálico del i-ésimo niño medido y Xi tiene
distribución N( ; 1:972 ), y el problema a resolver es

H0 : = 36 HA : < 36

usaremos el mismo estadístico de prueba, que en este caso es:

X 36
Z= p
1:97= n
ahora, la regla de decisión es:
p
n (x 36)
rechazar H0 : = 36 a favor de HA : < 36; cuando < z

la zona de rechazo es el área a la izquierda de z : Si deseamos un nivel de

signi…cación = 0:01, usamos el valor z0:01 = 2:326
Con los datos del ejemplo,
p al reemplazar X por x = 34:5, el valor que
toma el estadístico es: 10(34:5 36)=1:97 = 2:41, este valor cae en la
zona de rechazo, de modo que podemos rechazar H0 a nivel = 0:01. Es
decir, podemos a…rmar que la media del perímetro cefálico de los niños cuyas
madres consumieron drogas durante el embarazo es menor que la media
de la población general. También se dice que el resultado es signi…cativo
al 1%; también podríamos calcular el “valor-p”= P (Z < 2:41) = 0:008,
(recordemos que esto signi…ca que podemos rechazar H0 aun con ese nivel, o
decir que es signi…cativo al 0.8%)
Los dos ejemplos que hemos visto son tests unilaterales, porque la alter-
nativa sólo puede ocurrir en una dirección.
En estos tests hemos usado siempre H0 : = 0 para cualquiera de las
dos alternativas, en realidad los test unilaterales que hemos de…nido y los
que de…neremos más adelente, también sirven cuando la hipótesis nula es
H0 : 0 contra la alternativa HA : > 0 ; y cuando la la hipótesis nula
es H0 : 0 contra la alternativa HA : < 0.
Veamos ahora un ejemplo donde la alternativa puede ser > 0 o < 0.

Ejemplo 1.3 En un estudio de niños con hipotiroidismo congénito (HC), se

midió talla a un grupo de 13 niños con HC de sexo masculino y 6 mses de
edad, y se obtuvo x = 67:16: Se desea saber si el valor medio de la talla de

6
los niños con HC di…ere del valor medio de la población general. Se sabe que
la distribución de tallas para niños sanos de esa edad, es normal con media
68.2 cm y desviación típica 2.34 cm. En este caso se puede suponer que la
distribución de tallas de los niños con HC también es normal con la misma
desviación típica.

Tenemos una m.a. X1 ; X2 ; ::; X13 donde cada Xi es la talla del i-ésimo
niño medido y Xi v N( ; 2:342 )
En este caso no hay una hipótesis a priori de que las tallas de los niños
con HC son mayores o menores que las de la población general (68:2), es por
eso que la alternativa debe ser HA : 6= 68:2:
Decimos que este es un test bilateral, en general el problema se expresa:

H0 : = 68:2 HA : 6= 68:2

Usaremos el mismo estadístico de prueba que en los ejemplos anteriores:

X 68:2
Z= p
2:34= n
pero ahora parece razonable rechazar H0 , cuando x sea mucho mas grande o
mucho más pequeño que 68.2, dicho de otro modo, cuando la distancia entre x
y 68.2 sea grande. Esto signi…ca que una vez que evaluemos Z reemplazando
X por x, deberemos considerar su valor absoluto.
La regla de decisión es:
p
n jx 68:2j
rechazar H0 : = 68:2 a favor de HA : 6= 68:2; cuando > z =2

es importante observar que la zona de rechazo es la región a la derecha de

z =2 y la región a la izquierda de z =2 , es una región bilateral; como siempre,
si = 0 ; el área total de la zona de rechazo es . Si elegimos un nivel de
signi…cación = 0:05 tenemos z0:025 = 1:96; entonces se rechaza H0 cuando
el estadístico tome unpvalor superior a 1.96 o inferior a -1.96. Con los datos
del ejemplo tenemos 13 (67:16 68:2) =2:34 = 1:60; este valor no está en
la zona de rechazo, y por lo tanto no podemos a…rmar, a nivel 0.05, que las
tallas de los niños de 6 meses con HC di…eran, en promedio, de las de la
población general. También podemos calcular el “valor-p”, que ahora es
p
PH0 13 X 68:2 =2:34 > 1:60 j H0 verdadera = P (jZj > 1:60) =
= P (Z > 1:60) + P (Z < 1:60) = 2 (1 (1:60)) = 0:11

7
este “valor-p”no brinda su…ciente evidencia para rechazar H0

¿Cuándo se considera que hay su…ciente evidencia para rechazar la hipóte-

sis nula?. Esto depende de la situación; pero en la mayoría de las aplicaciones,
se considera que un valor-p 0:05 es su…ciente evidencia. Esto equivale a
elegir un nivel de signi…cación = 0:05:
Si el test da no signi…cativo, esto no debe tomarse como una demostración
de que H0 sea verdadera, solamente indica que no hay su…ciente evidencia
en contra. Esto puede deberse a una muestra demasiado pequeña. En este
ejemplo, si la muesrta hubiera sido de tamaño 30, y si hubiéramos obtenido
el mismo valor de x; tendríamos Z = 2:43, que caería en la zona de rechazo
para un nivel 0.05, (sería signi…cativo al 5%), más aun el “valor-p”sería 0:015

Se debe observar que los test bilaterales son más conservadores que los
unilaterales, para un mismo valor del estadístico de prueba, el valor-p es
mayor para un test bilateral que para un test unilateral.

Podemos resumir lo que hemos visto sobre test para la media , cuando la
muestra X1 ; X2 ; :::; Xn proviene de una distribución normal con conocido.
Hipótesis nula: H0 : = 0 p
Valor de estadístico de prueba: z = n (x 0) =
Hipótesis alternativa Región de rechazo para un nivel
HA : > 0 z>z
HA : < 0 z< z
HA : 6= 0 z > z =2 o z < z =2

Realice los ejercicios de 1 a 4

Cuando la distribución de los datos es normal, pero desconocemos el valor
de , no podemos usar el mismo estadístico de prueba que en el caso anterior.
Recordemos lo que vimos al construir intervalos de con…anza, en este caso
usamos un estadístico con distribución de Student.
Cuando = 0 , el estadístico

X
T = p 0 tiene distribución de Student con n 1grados de libertad
S= n
Usaremos entonces este estadístico de prueba, del mismo modo que antes
usamos el Z.

8
Ejemplo 1.4 Se desea estudiar si el nivel de aluminio en la sangre en la
población de niños que reciben antiácidos con aluminio, di…ere de la población
general de niños que no reciben estos antiácidos. La distribución de los nive-
les de aluminio en sangre es aproximadamente normal; además el nivel medio
de aluminio en sangre en la población de niños que no reciben antiácidos es
de 4:13 g=l: Se seleccionó una muestra de diez niños que reciben este tipo
de antiácidos, y se obtuvo x = 37:20 g=l y s = 7:13 g=l

Tenemos una m. a. X1 ; X2 ; ::; X10 donde cada Xi es el nivel de aluminio

en sangre del i-ésimo niño y Xi v N( ; 2 ). Igual que en el ejemplo 1.3,
se tiene un valor de referencia 0 = 4:13, y se quiere decidir si la media
verdadera de la distribución di…ere de ese valor.
Podemos enunciar el problema como:

H0 : = 4:13 HA : 6= 4:13

Se puede de…nir la regla de decisión del siguiente modo:

p
n jx 4:13j
rechazar H0 : = 4:13 a favor de HA : 6= 4:13; cuando >t =2
s
donde t =2 se busca en la tabla de Student para n 1 grados de libertad. Si
deseamos un nivel de signi…cación = 0:05, el valor crítico para 9 grados de
libertad es t0:025 = 2:262. Esto signi…ca que la zona de rechazo es el área a
la derecha de 2:262 y el área a la izquierda de 2:262.
Reemplazando por los valores de la media muestral x = 37:20: y la
desviación típicap muestral s = 7:13; calculamos el valor del estadístico y
obtenemos t = 10 (37:20 4:13) =7:13 = 14:67: Este valor cae en la zona
de rechazo, podemos a…rmar que el nivel medio de aluminio en sangre de
esta población es diferente de 4.13.
En este caso el valor del estadístico es mucho mayor que el valor crítico
t0:025 = 2:262, si hubiéramos elegido un nivel de signi…cación = 0:001, el
valor crítico sería t0:0005 = 4:781, y también rechazaríamos H0 con este nivel
de signi…cación. No podemos calcular exactamente el valor-p, pero podemos
a…rmar que p < 0:001.

Ejemplo 1.5 Consideremos ahora la situación de una droga antihiperten-

siva. Se debe mostrar evidencia de que la presión sistólica media de los
individuos que reciben esta droga es menor que la de los que reciben la droga

9
estándar. Se sabe por investigaciones previas que estos últimos tienen una
presión sistólica cuya distribución es normal con media de 130 mm Hg; y
puede suponerse que para los individuos tratados con la nueva droga la dis-
tribución también es normal con media desconocida. Se desea probar que
esta media es menor que el valor 0 = 130: Se seleccionan 26 individuos
con hipertensión, se les administra la nueva droga, y se obtiene una media
muestral de x = 121:5 mm Hg y una desviación s = 19.2.

La m.a. es X1 ; X2 ; ::; X26 donde cada Xi es la presión sistólica del i-

ésimo individuo tratado con la nueva droga y Xi v N( ; 2 ) Este es un test
unilateral, podemos plantearlo como:
H0 : = 130 HA : < 130
o también como:
H0 : 130 HA : < 130
para las dos situaciones, planteamos la regla de decisión:
p
n (x 130)
rechazar H0 : = 130 a favor de HA : < 130; cuando < t
s
p
calculamos el valor del estadístico t = 26 (121:5 130) =19:2 = 2:257; el
valor crítico es t0:05 = 1.708, entonces como el valor del estadístico es menor
que 1:708 se rechaza la hipótesis nula. Podemos ver en la tabla para 25
grados de libertad que el valor crítico correspondiente a = 0:025 es 2.060 y
el correpondiente a = 0:01 es 2.485. Esto signi…ca que si elegimos un nivel
de signi…cación = 0:025 podemos rechazar H0 , pero no podríamos hacerlo
con nivel = 0:01: El valor-p está entre 0.01 y 0.025, podemos a…rmar que
p < 0:025.

Podemos resumir los diferentes test para la media , cuando la muestra

X1 ; X2 ; :::; Xn proviene de una distribución normal con desconocido como
sigue:.
Hipótesis nula: H0 : = 0 p
Valor del estadístico de prueba: t = n (x 0 ) =s
Hipótesis alternativa Región de rechazo para un nivel
HA : > 0 t>t
HA : < 0 t< t
HA : 6= 0 t > t =2 o t < t =2

10
 Realice los ejercicios 5 y 6

Del mismo modo que en la construcción de un intervalo de con…anza,

cuando no conocemos la distribución de los datos, si la muestra es su…cien-
temente grande, podemos utilizar el teorema del límite central.

Ejemplo 1.6 Consideremos los datos del ejemplo ??, supongamos que se
sabe que la concentración media de zinc en el hígado de esa especie de peces,
que viven en una área libre de contaminación es de 8.2 g=g, pero se de-
sconoce la forma de esa distribución. ¿ Se puede a…rmar, en base a estos
datos, que los peces examinados tienen niveles de zinc mayores que ese valor
esperado?

Aquí tenemos una m. a. X1 ; X2 ; ::; X56 donde cada Xi es la concentración

de zinc en el hígado del i-ésimo pez examinado y desconocemos su distribución
El problema puede plantearse como:

H0 : = 8:2 HA : > 8:2

y en este caso, como n es grande, podemos aplicar el resultado del teorema

del límite central y usar el estadístico

X 8:2
Z= p
S= n

ya que, según ese teorema, cuando = 8:2 tiene una distribución aproxi-
madamente N(0; 1).
Entonces podemos de…nir, como siempre, una regla de decisión:
p
n (x 8:2)
rechazar H0 : = 8:2 a favor de HA : > 8:2; cuando >z
s
con los datos del ejemplo, x = 9:15p g=g y s = 1:27 g=g, reemplazando en
el estadístico, obtenemos un valor 56 (9:15 8:2) =1:27 = 5:59, vemos en la
tabla de la distribución normal que el valor-p = P (Z > 5:59) < 0:0001, esto
signi…ca que hay muy fuerte evidencia para rechazar H0 ; y se puede rechazar
con cualquier nivel de signi…cación razonable.
Podemos resumir el caso test para la media de una distribución descono-
cida, cuando n es grande:

11
 Hipótesis nula: H0 : = 0 p
Valor del estadístico de prueba: z = n (x 0 ) =s
Hipótesis alternativa Región de rechazo para un nivel (aproximado)
HA : > 0 z>z
HA : < 0 z< z
HA : 6= 0 z > z =2 o z < z =2

En este caso el nivel es aproximado, porque no conocemos la distribución

exacta del estadístico de prueba, sino que estamos utilizando una aproxi-
mación.

1.2 Relación entre intervalos de con…anza y test de

hipótesis.
Sea X1 ; X2 ; ::; Xn una muestra aleatoria de una distribución F ( ) y sea IC(1 )
un intervalo de con…anza de nivel (1 ) para , esto signi…ca que: P 2 IC(1 ) =
1
Consideremos el problema de test de hipótesis:

H0 : = 0 HA: 6= 0

si la hipótesis nula es verdadera, entonces:

P 0 2 IC(1 ) =1

lo cual implica que:

P 0 2
= IC(1 ) =
Entonces podemos establecer la siguiente regla de decisión:

rechazar H0 cuando 0 2
= IC(1 )

de este modo construimos un test de nivel :

Ejemplo 1.7 Consideremos el ejemplo ??, en ese ejemplo construimos un

intervalo de con…anza para la concentración de ion nitrato en una muestra
de agua.

12
 Si estamos interesados en saber si la verdadera concentración es 53 g=ml,
debemos construir un test para:

H0 : = 53 HA: 6= 53

podemos construir un test a partir del intervalo calculado antes.

La regla de decisión será:

rechazo H0 si 53 2
= IC(1 )

El intervalo de 95% de con…anza obtenido fue (48:98 ; 52:16), y como

el valor 53 no está dentro de ese intervalo, debemos rechazar H0 con nivel
= 0:05 y la conclusión será que la concentración de ion nitrato en esa
muestra no es 53 g=ml:

13
 Práctica 7

1. Para cada una de las siguientes aseveraciones, diga si es una legítima

hipótesis estadística y por qué: (a) H : > 100 (b) H : x = 45
(c) H : s 0:2 (d) H : < 18 (e) H : 0:01 (donde es el
parámetro de una distribución exponencial)

2. La distribución de presiones arteriales diastólicas para la población de

mujeres diabéticas con edades entre 30 y 34 años se supone normal
con media desconocida y desviación típica = 9:1 mmHg. Se desea
conocer si la presión diastólica media de esta población es diferente de
la de la población general de mujeres de esa edad, 0 = 74:4 mmHg.

(a) Enuncie las hipótesis nula y alternativa y plantee el test corre-

spondiente. Indique cuales son los errores de tipo I y tipo II en
este caso.
(b) Se elige una muestra de diez mujeres diabéticas, cuya presión
diastólica es x = 82 mmHg, cuál es su conclusión con nivel
= 0:05?
(c) Calcule el valor-p

3. Se ha determinado el punto de fusión de 16 muestras de cierta marca

de aceite vegetal hidrogenado, resultando x = 94:32. suponga que el
punto de fusión es una v. a. cuya distribución es normal con = 1:20.
Se desea determinar si el punto de fusión es menor que 95

(a) Plantee el test de hipótesis, indique cuales son los errores de tipo
I y tipo II para el problema planteado.
(b) Calcule el p-valor
(c) ¿Cuál sería su conclusión usando un nivel 0:01?

4. Considerando los datos del ejercicio 7 de la Práctica 5, se desea probar

que el nivel medio de hemoglobina de los niños expuestos a niveles altos
de plomo es inferior al de la población general, 0 = 11:59 g=100ml.
¿Cuál es el menor nivel de signi…cación para el cuál se puede hacer esa
a…rmación?¿Cuál es su conclusión?

14
5. Considerando los datos del ejercicio 9 de la Práctica 5, si se sabe que
el valor real del suero es 245,

(a) ¿Se puede a…rmar con nivel = 0:05; que el procedimiento de

análisis está dando un error sistemático?
(b) De una acotación del valor-p

6. Un artículo reporta los siguientes valores para ‡ujo térmico del suelo
de 8 terrenos cubiertos por polvo de carbón:

34.7 35.4 34.7 32.5 28.0 18.4 24.9 37.7

La media de ‡ujo térmico del suelo para terrenos cubiertos sólo con
pasto es 29.0 Si se supone que la diistribción de ‡ujo térmico es normal,
¿sugier la información que el polvo de arbón es e…caz para aumentar
la media de ‡ujo térmico sobre la del pasto?

(a) Establezca y pruebe las hipótesis pertinentes usando = 0:05.

(b) Acote el p-valor
(c) Si la distribución de ‡ujo térmico no fuera normal, podría usar el
procedimiento anterior?

7. La ingesta de cinc recomendada para mayores de 50 años es de 15

mg=dia. Se seleccionó una muestra de115 hombres entre 65 y 74 años
para los que se determinó la ingesta diaria de cinc y se obtuvo x = 11:3
y s = 6:43. No se puede a…rmar nada sobre la distribuciónde la ingesta
de cinc en la población.

(a) ¿Puede a…rmarse con nivel 0:05 que el promedio de la ingesta

diaria de cinc en la población de hombres entre 65 y 74 años es
inferior a la recomendación?
(b) Calcule aproximadamente el valor-p

8. En una investigación de la toxina producida por cierta serpiente ve-

nenosa, un investigador preparó 32 frascos diferentes, cada uno con 1
g de la toxina, y luego determinó la cantidad de antitoxina necesaria
para neutralizar la toxina. Se encontró que la cantidad promedio mues-
tral de antitoxina necesaria fue de 1.89 mg, y la desviación estándar

15
 muestral fue de 0.42 mg. Otra investigación anterior indicaba que el ve-
radero promedio de cantidad neutralizante era de 1.75 mg/g d toxina.
¿Contradice la nueva información el valor sugerido por el investigador
anterior?

9. Denotemos por p a la proporción de votantes que están a favor del

candidato A contra el candidato B, en cierta elección. Considere que
se desea probar H0 : p = 0:5 versus HA : p 6= 0:5 con base a una muestra
aleatoria de 25 votantes. Denotemos por X al número de votantes en
la muestra que está a favor del candidato A y representemos con x el
valor observado de X

(a) ¿Cuál de las siguientes regiones de rechazo es más adecuada y

por qué? R1 = fx : x 7 o x 18g R2 = fx : x 8g
R3 = fx : x 17g
(b) En el contexto de la situación de este problema, describa cuales
son los errores tipo I y tipo II
(c) ¿Cuál es la distribución de probabilidad del estadístico de prueba
X cuando H0 es verdadera? Utilícela para calcular la probabilidad
de error de tipo I.
(d) Calcule la probabilidad de error de tipo II cuando p = 0:3, cuando
p = 0:4 y cuando p = 0:7
(e) ¿Qué se concluye si 6 de los 25 entrevistados elige al candidato A?

10. La calibración de una báscula debe veri…carse al pesar 25 veces un

especímen de prueba de 10kg. Supongamos que los resultados de difer-
entes pesadas son independientes entre si y que el peso en cada intento
es una v. a. con distribución normal con = 0:2kg. Denotemos por
el verdadero promedio de lectura de peso de la báscula. (si la báscula
está bien calibrada ese debe ser el verdadero valor del especímen que
se está pesando)

(a) ¿Cuáles hipótesis deben probarse?

(b) Según el protocolo de control de calibración, la báscula debe reca-
librarse cuando x 10:1032 o x 9:8968: ¿Cuál es la probabil-
idad de que la recalibración se realice cuando en realidad no es
necesaria?

16
 (c) ¿Cuál es la probabilidad de que no se considere necesaria la reca-
libración cuando de hecho = 10:1? ¿Cuándo = 9:8?
p
(d) Sea z = (x 10) =( = n): ¿Para qué valor c, es la región de
rechazo de la parte (b) equivalente a la región bilateral jzj > c?
(e) Vuelva a expresar el procedimiento de prueba de la parte
p (b) en
términos del estadístico de prueba Z = X 10 =( = n)

11. Con los datos del ejercicio 3, ¿cuál es la probabilidad de no poder probar
que la media del punto de fusión es menor que 95 cuando en realidad
es 94? ¿cómo se llama este tipo de error?

12. Considerando los datos del ejercicio 15 de la práctica anterior, interesa

saber si la prevalencia de desnutrición en esa población de niños es igual
a 0:10, ¿cuál es su conclusión?

13. Usando el resultado del ejercicio 18 de la práctica anterior, ¿puede

concluir que la desviación típica de la tallas de las niñas de 12 meses
de edad es distinta del valor 2:54; que es el informado en las tablas de
crecimiento?

17