Está en la página 1de 19

4.

0 DOCIMA DE HIPOTESIS

4.1 DEFINICIÓN.- Hipótesis estadística es una suposición o enunciado que


puede o no ser verdadero, relativo a una o más poblaciones.

Una hipótesis estadística está compuesta de dos regiones: una de aceptación y una de
rechazo , formulada de la siguiente manera

H0 :  = o ( Hipótesis nula )

H1 :   o ;  ≤ o ;  ≥ o (Hipótesis alternativa )

Si   la región de aceptación entonces H0 se acepta en caso contrario se rechaza


 4.2 DÓCIMA O PRUEBA DE HIPÓTESIS

 Para probar una hipótesis estadística se debe seguir
los siguientes pasos :
 1) Toma de muestras
 2) Formulación de la hipótesis
 3) Función pibotal de prueba
 4) El nivel de significación
 5) Encontrar el valor tabular
 6) Encontrar el valor experimental de acuerdo a ( 3
)
 7) Formulación de la decisión
 8) Conclusión
A) DÓCIMA DE HIPÓTESIS PARA LA MEDIA POBLACIONAL

A1) CUANDO 2 ES CONOCIDO Ó N  30

Se formula la siguiente Hipótesis :

H0 :  = o

H1 :   o o  < o o  > o

Función pibotal o experimental:

Fz = x - 
n

Donde Fz sigue una distribución Normal.

Ejemplo:

Un inspector de calidad investiga las acusaciones contra una embotelladora por su deficiente
llenado que debe ser, en promedio, de 32.5 onzas. Para ello toma una muestra de 60 botellas,
encontrando que el contenido medio es de 31.19 onzas de liquido. Se sabe que la máquina
embotelladora debe producir un llenado con una desviación típica de 3,6 onzas. ¿ Puede el
inspector llegar a la conclusión, a un nivel de significación del 5%, que se están llenando las
botellas por debajo de su especificación de contenido?.
Solución
x = 31.9 ;  = 32.5 ;  = 3.6;  = 0.05

H0 :  = 32.5
H1 :  < 32.5

Fz = x -  Fz = 31.9 – 32.5 = - 1.29


n 3.6   60

Como Fexp z (-1.29) es mayor que Ftab ( -1.65 ) , Fexp Z se sitúa en la Zona de aceptación,
por lo tanto Ho. Se acepta entonces es válida la hipótesis nula , lo cual significa que el inspector no
debe llegar a la conclusión de que se está llenando y vendiendo un producto por debajo de su
especificación, al nivel del 5%.
A2) CUANDO 2 ES DESCONOCIDO Y n  30

En este caso se formula la siguiente hipótesis:

H0 :  = o

H1 :   o ó  < o ó  > o

Función experimental
Ft = x - 
sn

Donde t sigue una distribución t de Student´s con n –1 grados de libertad.

Ejemplo :
Un proceso esta programado para empacar la cantidad media , de una libra ( 16 onzas )
de café. Se toma una muestra aleatoria de 16 paquetes; resulta una media de 14,2 onzas
y una desviación típica de 5.3 onzas. Al nivel del 5%, ¿ se podrá afirmar que no se esta cumpliendo
con la indicación en el empaque ?.
Solución
 = 16 x = 14.2 n = 16 s = 5,3  = 0.05

H0 :  = 16

H1 :   16

Ft = x -  = Ft = 14.2- 16 = - 1.358
sn 5.3/  16

t ( 0.025) (15) =  2.13

Al nivel del 5% se puede afirmar que se esta cumpliendo con lo indicado por la fábrica.
Se puede ver que – 1.358 esta en la zona de aceptación por lo tanto se acepta la
hipótesis nula Ho y se rechaza la hipótesis alternativa H1.
) PRUEBA DE HIPÓTESIS PARA LA DIFERENCIA DE MEDIAS
B

B1) CUANDO  12 22 SON CONOCIDAS

En el caso que se quiera hacer comparaciones de los promedio de dos


poblaciones

H0 : 1 = 2

H1 : 1  2 , 1 < 2 , 1 > 2

De acuerdo a la alternativa se construye la región crítica.


(x  x )  ( 1   2 )
La función experimental es: FZ  1 2
 12  2 2

n1 n2

Donde Fz sigue una distribución normal estándar.


Ejemplo:
Una muestra aleatoria de tamaño n1 = 25 tomada de una población normal , con una
desviación estándar 1 = 5.2 tiene una media x1 = 81 , una segunda muestra
aleatoria de tamaño n2 = 36 tomada de una población normal diferente con una
desviación estándar 2 = 3.4 tiene una media x2 = 76. Al nivel de significación del
0.06 pruebe la hipótesis de que : 1 = 2 contra la alternativa 1  2 .

Solución

H0 : 1 = 2 ; H1 : 1  2

Función experimental:
( 81  76)  0
FZ 
(x1  x2 )  ( 1   2 ) F 
Z 2 2
 4.2215
1 
2 2 5.2 3.4
n1
 2
n2

25 36
F(0.03) = - 1.88

Ho se rechaza las medias de las poblaciones son diferentes.


B2) CUANDO  12 22 SON DESCONOCIDAS Y n1 , n2 < 30

Se usa la función experimental .


(x1  x 2 )  ( 1   2 )
(x  x2 )  ( 1   2 )
FZ  1 
1 1 S12 S22
Sp  
n1 n2 n1 n2

(n  1) S  (1  n ) S
2 2

S  1 1 2 2

n n 2
p
1 2

Es un t de student´s con n1 + n2 - 2 grados de libertad.


C ) DOCIMA DE HIPÓTESIS PARA PROPORCIONES

C1) CUANDO SE REFIERE A UNA POBLACIÓN

La prueba de hipótesis para proporciones ( porcentajes o probabilidad )


es igual a una constante determinada .
Haciendo uso de la aproximación de la distribución normal a la binomial
para muestras grandes se obtiene:

H0 : P = P0

H1 : P  P0 , P < P 0 , P > P0

Obtenemos el estadístico

Fz = x – n P0
nP0 ( 1- P0 )

Donde:
n :tamaño de la muestra

P0 :proporción conocida

Q = 1 – P0
Ejemplo

Un candidato afirma que tiene apoyo del 55% de los electores de su distrito
¿ Qué conclusión podemos obtener si una muestra aleatoria de 500 electores 245
expresaron su preferencia por él ?.

Solución

H0 : P = P0 = 0.55

H1 : P  P0 = 0.55

Fz = 245 – 500*0.55  = -2.703


500*0.55 ( 1- 0.55)

Fz cae en la región de rechazo para  = 0.01 luego se rechaza H0 y entonces se


acepta H1 : P  0.55 , esto es, el candidato no tiene el 55% de electores a su favor,
probar la hipótesis al 1% de nivel de confianza.
C2) CUANDO SE REFIERE A DOS POBLACIONES (DIFERENCIA DE
PROPORCIONES )

En este caso x1 , x 2 son variables aleatorias de dos poblaciones normales y se desea hacer una
dócima de hipótesis para la igualdad de proporciones , se realiza mediante la función
experimental :

(p  p )
F 
Z
1 2
;
P= (x1 + x2 )/(n1 +n2)
1 1
P (1  P )(  )
n n 1 2

para la hipótesis:

H0 : P1 = P2

H1 : P1  P2 , P1 < P2 , P1 > P2
Ejemplo
Se desea determinar si hay alguna diferencia significativa, según el sexo, en la preferencia
para estudiar maestría en la UPT . Se realizó una muestra aleatoria entre 26 hombres y 18
mujeres, indicando que 16 y 10 respectivamente, preferían estudiar en la UPT .
Pruebe la hipótesis de que existe diferencia significativa en la preferencia por sexo , a un
nivel de confianza del 95%.

Solución

H0 : P1 = P2

H1 : P1  P2

P1 = 16/26 = 0.62 ; P2 = 10/18 = 0.55  = 0.05

P = (16+10 ) / ( 26+18) = 26/44 = 0.59


(p1  p 2 ) ( 0.62  0.55) 0.07
FZ  FZ    0.464
1 1 1 1 0.151
P(1  P)(  ) 0.59(1  0.59)(  )
n1 n2 26 18

Ho se acepta ya que se encuentra en la región de aceptación para Ftab Z  1.96 lo que significa que
no existe preferencia a la UTP por el sexo a un nivel de significación del 5%
D) DÓCIMA DE HIPÓTESIS PARA LA VARIANZA

Si x1, x2 , x3 , ... xn es una muestra aleatoria de una distribución normal


con E[x] = y v[x] = 2

H0 : 2 = 2o

H1: 2 == 2o , 2 < 2 0 , 2 > 2o

La función experimental está dado por:

F2 = (n-1) s2
2o

Es el valor de una variable aleatoria  2 con n – 1 grados de libertad.


Ejemplo

Se afirma que una de las piezas de un motor, producida por una


compañía, tiene una varianza del diámetro no mayor que 0.0002
( la mediciones de los diámetros están en pulgadas ) . Una muestra
aleatoria de 10 partes reveló una varianza muestral de 0.0003.
Pruebe , a un nivel de 5%, Ho : 2 = 0.0002 frente H1: 2 > 0.0002.
Solución

Tenemos que suponer que las mediciones de los diámetros tiene una distribución normal.
Entonces le estadístico de prueba es F2 = (n-1) s2 rechazamos Ho para valores de este
2o
estadístico mayores que 20.05 = 16.919 (con 9 grados de libertad ) el valor observado del
estadístico de prueba es :
F2 = 9* 0.0003/ 0.0002 = 13.5

Por lo tanto no se rechaza Ho . No hay suficiente evidencia para indicar que 2 > 0.0002.

También podría gustarte