UNIVERSIDA D AU T Ó N O MA DE NUEVO LEÓN

FACULTA D DE INGENIERÍA MECÁNIC A Y ELÉCTRICA

ESTADÍSTICA INFERENCIAL
TRABAJO FINAL.
PRIMERA PARTE DEL CURSO

NOMBRE: KEVIN ARATH MEDRANO BURCIAGA

MATRICULA: 1870601
C ARRERA: IMA
MAESTRO: RIGOBERTO AMERICO GARZA LÓPEZ

FECHA: 16/09/2022  M1-M3

 Temario

Pruebas paramétricas

a)Pruebas de hipótesis para una media muestra grande

b)Pruebas de hipótesis para dos medias muestras grande
c)Pruebas de hipótesis para una media muestra pequeña
d)Pruebas de hipótesis para dos medias muestras pequeñas considerando varianzas
iguales
e)Pruebas de hipótesis para dos medias muestras pequeñas considerando varianzas
diferentes
f)Pruebas de hipótesis para dos medias muestras pequeñas utilizando el método de la W
g)Prueba de hipótesis para una proporción
h)Prueba de hipótesis para dos
proporciones i)Prueba de hipótesis para la
varianza
Pruebas no parametricas

l)Prueba de signo para una media

m)Prueba de signo para dos medias
n)Prueba de rango con signo para una media
o)Prueba de rango con signo para dos medias
p)Prueba de suma de rangos
Glosario
Probabilidad: La probabilidad asociada a un suceso o evento aleatorio es una medida del grado de certidumbre de que dicho
suceso pueda ocurrir. Se suele expresar como un número entre 0 y 1, donde un suceso imposible tiene probabilidad cero y un
suceso seguro tiene probabilidad uno.

Estadistica: La estadística es una disciplina científica que se ocupa de la obtención, orden y análisis de un
conjunto de datos con el fin de obtener explicaciones y predicciones sobre fenómenos observados.

Estadistica descriptiva: La estadística descriptiva es un conjunto de técnicas numéricas y gráficas para describir y analizar
un grupo de datos, sin extraer conclusiones (inferencias) sobre la población a la que pertenecen.

Estadistica inferencial: También llamada estadística inductiva, inferencia estadística o teoría de muestras. Abarca un
conjunto de procedimientos estadísticos que se utilizan para hacer generalizaciones sobre una población a partir de los
datos obtenidos de una muestra.

Pruebas paramétricas: Las pruebas paramétricas son una herramienta estadística que se utiliza para el análisis de
los factores de la población.

Pruebas no paramétricas: Las pruebas no paramétricas, también conocidas como pruebas de distribución libre, son las que
se basan en determinadas hipótesis, pero lo datos observados no tienen un organización normal.
Pruebas de hipótesis: Una prueba de hipótesis es una regla que especifica cuando se puede aceptar o rechazar una
afirmación sobre una población dependiendo de la evidencia proporcionada por una muestra de datos.
Una prueba de hipótesis examina dos hipótesis opuestas sobre una población: la hipótesis nula y
la hipótesis alternativa

Desviacion diferencial: Por puntuación diferencial entendemos el resultado de restar la directa menos la media aritmética.
La puntuación típica es la diferencial dividida por la desviación típica, medida abstracta que podemos interpretar como
distancia expresada en desviaciones típicas de un elemento con respecto a la media aritmética.

Varianza: En teoría de probabilidad, la varianza o variancia de una variable aleatoria es una medida de dispersión
definida como la esperanza del cuadrado de la desviación de dicha variable respecto a su media.

Desviacion estándar: La desviación estándar es la medida de dispersión más común, que indica qué tan dispersos están
los datos con respecto a la media. Mientras mayor sea la desviación estándar, mayor será la dispersión de los datos.
 Tabla de regiones
criticas

Planteamient Planteamiento Planteamiento

o H0: µ = 0 H0: µ = 0
H0: µ = H1: µ > 0 H1: µ ≠ 0
0 H1: µ H0
H0
<0 H0
𝛼 𝑜1−𝛼
α 1-α 2 2
Nomenclaturas

x= Media de la muestra
µ= Media de la
población
σ= Desviación estándar de la
muestra n= Tamaño de la muestra
α= Nivel de
significancia n ≥ 30
muestra grande n ≤
a)Prueba de hipótesis
para una media
muestra grande
 Problema 1

a)Prueba de hipótesis para una media muestra grande

Una cadena de autoservicios, genera su propia tarjeta de
crédito, el gerente desea averiguar si el saldo medio adeudado por
los clientes es mayor a $400, el nivel de significación es de 5% , una
revisión aleatoria de 172 saldos deudores reveló que la media
muestral es $407 y la desviación estándar $38 ¿debería concluir el
funcionario que la media poblacional es mayor que $400 o es
razonable suponer que la diferencia de 7 dólares se debe al azar de
la selección?

Datos: Planteamiento: Procedimiento Formula

: s
n= 172 H0: μ =
X=407
𝑥−𝜇
400 H1: μ α= 5% 𝑧= 𝜎
S = $38 > 400 VC= 0.50-0.05=
μ = 0.45 𝑛
400
α = 5% VC= 1.64
 𝑥−𝜇 407 − 400
𝑧= 𝜎 𝑧= = 2.41
38
𝑛 172

Grafica:

H0: μ = 400 ❌

Rechazo
Aceptación

H1: μ > 400 ✔

Ho
Ho

VC= Z=
2.41
b)Prueba de hipótesis para
dos medias muestra grande
 Problema 1

Una cadena de autoservicios, genera su propia tarjeta de crédito, el gerente

desea averiguar si el saldo medio adeudado por los clientes es diferente de
$400, el nivel de significación es de 5% , una revisión aleatoria de 172 saldos
deudores reveló que la media muestral es $407 y la desviación estándar $38
¿debería concluir el funcionario que la media poblacional no es $400 o es
razonable suponer que la diferencia de 7 dólares se debe al azar de la
selección?
Planteamient Procedimiento Formula
Datos
o s
n=
172 H0: μ = VC=0.96 𝑥−𝜇
𝛼 = 5%
𝑧= 𝜎
X = 407 $400
H1: μ ≠ VC=1-0.05=0.95/2=0.475 𝑛
S=$38
𝜇 = 400 $400
VC=0.96
𝛼 = 5%
 𝑥−𝜇 407 − 400
𝑧= 𝜎 𝑧= = 2.41
38
𝑛 172

Grafica
H0: μ = $400 ❌
H1: μ ≠ $400 ✔
Rechazo

Rechazo
Aceptación
Aceptación

CONCLUSION
H0

H0
H1

H1

Z=2.4
VC=- VC=1.9 1
1.96 6
Prueba de hipótesis
para una media
muestra pequeña
Problema 1
Prueba de hipótesis para una media muestra pequeña

Un fabricante de focos afirma que su producto durará un promedio de 500 horas de trabajo. Para
conservar este promedio esta persona verifica 25 focos cada mes. Si el valor y calculado cae entre –t
0.05 y t 0.05, él se encuentra satisfecho con esta afirmación. ¿Qué conclusión deberá él sacar de una muestra de
25 focos cuya duración fue?:

Datos Formulas
520 521 511 530 510
513 522 500 521 495 H0 : μ=500
H1 : 𝑥−𝜇
496 488 500 502 512 μ≠500 μ= 𝑡= 𝑠
510 510 475 505 521 500
α = 0.1 𝑛
406 503 487 493 500 S=12.07
n=25 (∑𝑥𝑖)2 = (𝑋1 + 𝑋
𝑋=505.36 + ⋯ 𝑋𝑛)2

𝑛∑ 𝑋 2 − (∑𝑋1)2
𝒾
𝑠= 𝑛(𝑛 − 1)

𝑋1 + 𝑋2 + ⋯ 𝑋𝑛
�
 Sustitución

520+521+511+513+510+…500
𝑋= = 505.36
25 ∑𝑋𝑖2 = 5202 + 5212 + ⋯ 5002 = =6496812

𝑆= 25 5202+5212+5112+⋯5002 −(520+521+511…500)2 (∑𝑋 𝑖 )2 = = (520 + 521+…500)2 = 162154756

25(25−1) =12.07

505.36 − 500
𝑡= = 2.22
12.07
25
Tabla de alores Grafica
críticos
de la distribución
T 𝛼
= 0.0
2
5
24 1.7
7

−∞ -2.2 - 1.7 2. ∞
Conclusión 1.77 7 2

Se acepta la hipótesis nula El tiempo de duración del foco

no será de 500 horas exactamente dado el valor de t es
mayor al de las tablas
 Pruebas de hipótesis
para dos medias
muestras pequeña
considerando varianzas
Problema 1

Para encontrar si un nuevo suero detiene la leucemia, se seleccionan nueve ratones, todos con una etapa avanzada
de la enfermedad. Cinco ratones reciben el tratamiento y cuatro no. Los tiempos de sobrevivencia 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

¿Se puede decir en el nivel de significancia del 0.05 que el suero es efectivo? Suponga que las dos
poblaciones se distribuyen normalmente con varianzas iguales.
Datos
H0 : μ 1 – μ
2=0 H 1 : μ 1
– μ 2>0
α = 0.05
n1= 5
n2=4
Formulas

𝑛 1 −1 𝑆 2 + 𝑛 2 −1 𝑆 2
𝑆𝑝2 = 1 ഥ1 = X 1 +X 2 +⋯X n
2 n1
𝑛 1 +𝑛 2 −2 X2
n1 ∑ Xi 2 − (∑Xi )2
ഥX 2 X1 + Xn
2 2+ ⋯ X n S1 = n1(n1 − 1)
= 2 n2 ∑ Xi 2 − (∑Xi )2
S2 = n2 (n 2 − 1)

X 1 − X2 − (μ1 − μ2 )
y=
S 2p Sp2
n1 + n2
∑ 𝑋 2 = 𝑋 2 +𝑋 2 + ⋯ 𝑋 2
γ = n1 + n 2 − 2 𝑖 1
𝑛
2
(∑ 𝑋𝑖 )2 = (𝑋1 +𝑋1 +…
𝑋𝑛 )2
Solución

Xഥ1 =
2.1+5.3+1.4+4.6+0.9 =2.86
5
1.9+0.5+2.8+3.1 =2.075
Xഥ2 =
4

2 5 2.1 2+5.32+…0.92 −(2.12+5.32+…0.92)2

S 1= 5(5−1) =3.88

∑ 𝑋12 = 2.12 +5.32 +…0.92 =56.43

(∑ X1 )2 = (2.12+5.32+…0.92)2=204.49
∑ X 2 = 1.92 +0.52 +…3.12 = 21.31 (∑ X2 )2 =
2

(1.9+0.5+…3.1)2= 8.3
2 2 2 −(1.92+0.52+…3.12)2 2= 5−1 3.88+ 4−1 1.34
2= 4 1.9 +0.5 +…3.1 4(4−1)
S2 =1.34 Sp
5+4−2
=2.79

2.86−2.075 −(0)
t= =0.7442
2.79 1 + 1
5 4
γ=5+4−2=7
VALO RES CRÍTIC O S DE LA Grafica
DISTRIBUCION
y 1-a
0.9
7= 5
1.89
𝐻0=1.8
9

−∞ H1 ∞
Conclusión
0 0.74
Como el valor critico es mayor que el valor calculado t, se 4
rechaza la H1 y se acepta H0 ya que en el nivel de
significancia del 0.05 que el suero no es efectivo.
Pruebas de hipótesis para
dos medias muestras
pequeñas considerando
varianzas diferentes.
Problema 1
Se analizan dos catalizadores para determinar la forma en que afectan el rendimiento promedio de un proceso químico.
De manera específica, el catalizador 1 es el que está empleado en este momento, pero el catalizador también es aceptable. Debido a que el
catalizador 2 es más económico, este puede adoptarse siempre y cuando no cambie el rendimiento del proceso. Se hace una prueba en
una planta piloto; los resultados obtenidos son los siguientes.
Existe alguna diferencia entre los rendimientos promedio y cuál sería su conclusión.

Catalizado Catalizador Datos

I II
91.5 89.15 H 0 : μ1 = μ
94.18 90.95
H 1 : μ1 <
92.18 90.46
95.39 93.21 μ2 α = 0.05
n1=
91.79 97.19
8
87.09 97.04 n2=8
94.72 91.07
89.21 92.75
 Formulas

X 1 +X 2 +X 3 +X 4 +… X 1 +X 2 +X 3 +X 4 +…
Xഥ1= Xഥ2= t= X1−X2 −(μ1−μ2)
n1 n2
S2 S2
1 2
n1 + n2
∑ 𝑋 2 = 𝑋 2 +𝑋 2 + ⋯ 𝑋 2
𝑖 1 2
𝑛

S2 S2
1+ 2
2 n1 ∑ Xi − (∑X i )2
2 2 n2 ∑ X i − (∑Xi )2
2 n1 2n2
γ= 2 (෍ 𝑋𝑖 )
S1 = n1 (n 1 − 1) S2 = n2(n2 − 1) 2
=
2
S21 S2
2
n1 n2

= (𝑋 1 +𝑋 1 +…𝑋 𝑛 )2 n1−1 + n2−1

 Solución

91.5+94.18+92.18+…89.21
Xഥ1= =92.2
8
5
5.69 +8.94 2
89.15+90.95+90.46+…92.75 8
Xഥ2= =92.75 γ= 2 =7.29
8
5.69
8 2
8.94
87 87
+
2
∑𝑋 𝑖 = 91.52+94.182+…89.212 = 68125.86 (∑ 𝑋𝑖 )2 =

2
91.5 +94.18 +…89.21 =544703.04

2 2 2 2
2 8 91.5 +94.18 +…89.21 − 91.5 +94.18 +…89.21 =5.69 t=
|92.25−92.75|
=0.369
S1 = 8(8−1) −(0)5.69
+
8
8.94
8

2 2 2 2 2 2 2
2 8 89.15 +90.95 +…92.75 − 89.15 +90.95 +…92.75 =
S2 = 8(8−1)

8.94 ∑ 𝑋𝑖2 = 89.152+90.952+…92.752 = 68849.70 (∑ 𝑋𝑖 )2

VA L O RES C R ÍTIC O S D E LA DI S T RIBU C I Ó N Grafica

Y a
0.0
7= 5
1.89
𝐻0=1.89

Conclusión
−∞ H1 ∞
Los resultados sugieren que se rechaza la H1 y nos 0.36
quedamos con la H0 , dado que los catalizadores tienen un 9
rendimiento parecido, se recomienda utilizar el
catalizador 2 por ser más económico.
Pruebas de hipótesis para
dos medias muestras
pequeñas utilizando el
método de la W .
Problema 1
Se hizo un estudio para definirse si los ejercicios aeróbicos reducen el ritmo cardiaco de una persona durante el
descanso y al examinar a los voluntarios antes y después de seguir un programa de ese tipo durante seis meses, sus
pulsaciones, en latidos por minuto, dieron los siguientes registros. Use α =0.05 para calcular si los ejercicios aeróbicos
reducen el ritmo cardiaco durante el reposo.
Voluntario 1 2 3 4 5 6 7 8 9 10
Antes 73 77 68 62 72 80 76 64 70 72
Despues 68 72 64 60 71 77 74 60 64 68

Formulas
𝑡= 𝑋ഥ ₁−𝑋ഥ ₂ −
2
datos (𝜇 ₁−𝜇𝑆 1₂) 𝑆 2 ²
𝑛₁
+ 𝑛₂

𝐻0 : 𝜇 1 − 𝜇2 = 0
ഥ1 = x₁ + x₂ + x₃ + 𝑥 𝑛
X ഥ₂ = x₁ + x₂ + x₃ + 𝑥 𝑛
X
n₁ n₂
𝐻1 : 𝜇 1 − 𝜇2 > 0
𝑛₁Ʃ𝑋 2 − (Ʃ Xᵢ)² n₂Ʃ𝑋 2 − (Ʃ Xᵢ)²
𝑛1 = 𝑛2 = 10 𝑠12 = 𝑖
𝑠 22 = 𝑖
𝑛₁(𝑛₁ − 1) n₂(n₂ − 1)
𝖺 = 0.05
𝑤₁𝑇₁+𝑊₂𝑇₂ 𝑠2 𝑠2
T= 𝛾1 = 𝑛1-1 𝛾2 = 𝑛2-
𝑊₁+𝑊 w₁ = 1
n₁ w₂ = n₂2
1 ₂
Solucion

ഥ 73+77+⋯+72 68+72+⋯+68
𝑋₁ = 10 = 71.4 Xഥ ₂ = 10 =

67.8
2
10 732 + 772 + ⋯ + 72² − 73 + 77 + ⋯ + 72
𝑠1 =
2 = 31.8222
10(10 − 1)

2
10 68 2 + 722 + ⋯ + 68² − 68 + 72 + ⋯ +
𝑠22 = 68 = 33.5111
10(10 − 1)

71.4−67.8 − 0
𝑡= = 𝟏. 𝟏
31.8222 33.5111
+ 𝟒𝟎𝟖𝟒: 𝑯
10 10

𝑤₁ = 31.8222
10
= 3.18222 w2 = 33.511
10
= 3.3511
(Valores críticos de la distribución t).
𝖺 = 0.05
𝜸𝟏 = 𝒏𝟏 − 𝟏 = 𝟏𝟎 − 𝟏 = 𝟗 𝜸𝟐 = 𝒏𝟐 − 𝟏 = 𝟏𝟎 − 𝟏 = 𝟗 Grafica

𝑻𝟏 = 𝟏. 𝟖𝟑𝟑 𝑻𝟐 = 𝟏. 𝟖𝟑𝟑

3.18222 1.833 + 3.35111(1.833)

T=
3.18222 + 3.35111

H1 H2
T=1.8329 :
1.4 1.832
𝑯𝟎
0 9

Conclusión
Se acepta la hipótesis nula 𝐻0 y se concluye que los
ejercicios
aeróbicos disminuyen
PRUEBA D E HIPÓTESIS PARA UNA
PROPORCION
Problema
1
El director de una universidad nueva afirma que solamente el 18% de los estudiantes
no están de acuerdo con su actual gestión. En una encuesta aplicada a los
estudiantes, 90 de 450 manifestaron estar en desacuerdo. ¿Se podría afirmar con una
significancia del 5% que la proporción en desacuerdo es mayor al 18%?

Procedimiento
D atos Formul
a
ത
𝑋 90
H 0:  = 𝑃= 𝑃= = 0.20
𝑛 450
H 1:   0.18
0.18
= 0.5 𝑃 − P0
N = 450 𝑧= 0.2
𝑋ത = 90
P0 (1 − P ) 𝑧= =
0 𝑛 −0.18 1.104
0.1845𝑜
(0.82 )
 Tabla

Area bajo la
curva Grafica
Conclusión
z = 0.05
El valor de la hipótesis nula
0.05
resultó mayor al de la hipótesis
alternativa, por lo tanto se
1.6 0.0505 𝑯𝟏 𝑯𝟎 acepta 𝐻0 y se rechaza 𝐻0, por lo
tanto con una significación del
5% la proporción en desacuerdo
es mayor al 18%
Prueba de hipótesis para dos
proporciones
 Problema 1
Una muestra de 50 familias de una comunidad muestra que 10 de ellas están viendo un programa especial de
televisión sobre la economía nacional. En una segunda comunidad 15 familias de una muestra aleatoria de 50
están viendo el programa especial de la televisión, a continuación se prueba la hipótesis de que la proporción
general de televidentes en las dos comunidades no difiere, usando el nivel de significancia de 0.05

Formulas Procedimiento
Datos
H0 = 1 - 2 = 0 𝑍= 𝑃෠₁ − 10 15
1 𝑃෠₁ = 50 = 0.20 𝑃෠₂ = 30 = 0.30
H1 = 1 - 2  0 𝑝Ƹ𝑃෠₂
 = 0.05 1
� 𝑛 +𝑛 10+15
𝑝Ƹ =50+50 = 0.25 ��ො = 1 −
𝑥1 = 10 �
1 2
0.25 =
𝑥2 = 15 0.75
𝑃෠₁ = 𝑛 1 ො 𝑃෠₂ = 𝑛 2
𝑛1 = 50 𝑥 1 𝑥 2
0.20−0.30
𝑛2 = 50 𝑍= Z= -
𝑝Ƹ =𝑛 1 +𝑛 2 ��ො Ƹ
0.25 0.75 1 1 1.15 :
𝑥1+𝑥2 =1−𝑝 50+ 50
𝑯₁
 Grafica
Tabla
𝖺
= 0.05 = 0.025
2 2

1−𝖺 =1 0.05
2 = 0.975
− 2

z 0.05 z 0.06
-1.9 0.025 1.9 0.9750 -  -1.96 -1.15 1.15 1.96 
𝐻0 𝐻1 𝐻1
𝐻0
𝑯𝟎 : −𝟏. 𝟗𝟔 𝑯𝟎 : 𝟏. 𝟗𝟔
Conclusión

Se acepta 𝐻0 por lo tanto no hay diferencia en la proporción de

televidentes en las dos comunidades.
Prueba de hipótesis para
la varianza
 PROBLEMA
Considerando que el arribo de un metrobus a la estación es en promedio 45 segundos.
¿Muestran los siguentes datos suficiente evidencia de que esta varianza ha cambiado?
Use un 𝖺 = 0.05tomamos el tiempo de una muestra periódica de 16 autobuses para controlar la
periodicidad de arribo?

Datos Formulas Procedimiento

H0 : σ2=5 2 (n−1)S2
X = (16−1)7.89 = 23.73
σ2 X2 = 5
H1 :
γ=n−1
σ2>5 α = γ=16−1=15
0.05

Xത=45.43
S= 2.81
n=16
 Grafica Conclusión
Tabla de distribución
de chi cuadrada

La significación del estadístico

y 𝛼 y 1−𝛼
de contraste es superior a 0.01,
0.05 0.95 y en consecuencia se acepta
𝐻0 y se rechaza 𝐻1. La
15 25 15 7.26 variabilidad de las dos fuentes
de materia prima es igual

0.190 1.28 4.94

𝐻0 𝐻1 𝐻0
 Prueba de hipótesis para la
razón
de las varianzas
PRO B L E M A 1

Dos fuentes de materias primas están siendo consideradas. Ambas fuentes parecen tener características similares, pero no se
está seguro de su homogeneidad.
Una muestra de 10 grupos de la fuente A produce una varianza de 250 y una muestra de 11 grupos de la fuente B
produce una varianza de 195.
Con base en ésta información se puede concluir que la varianza de la fuente A es significativamente mayor que la de la
fuente B? Asuma un nivel de significancia de .01

Datos Formulas Procedimiento

2
H :𝜎 2 = 𝜎2 𝑓 = 195=1.28
250
0 1 𝑓= 𝑆12
H :𝜎 2 > 𝜎22 𝑆22
1
𝑓1−𝛼(𝛾1, 𝛾2)= 5.26 =0.190
1 1
1
𝑆12 = 250 𝑓1−𝛼 (𝛾1 , 𝛾2)= 𝑓 , 𝛾 1)
𝛼 (𝛾 2
𝛾1 = 10 − 1=9
𝑆22= 195 𝛾1 = 𝑛1 − 1
α = 0.01 𝛾2 = 11 − 1=10
𝛾2 = 𝑛2 − 1
𝑛1=10
𝑛2=11
 Tabla Grafica Conclusión

La significación del estadístico de

v1 contraste es superior a 0.01, y en
consecuencia se acepta 𝐻0 y se
V2 9 rechaza 𝐻1. La variabilidad de las
dos fuentes de materia prima es
10 4.94 igual

0.190 4.94
𝐻0 𝐻0
Prueba de Bondad de Ajuste
 Prueba de Bondad de Ajuste

El gerente de una planta industrial pretende determinar si el número de empleados que asisten al consultorio médico
de la planta se encuentran distribuido en forma equitativa durante los 5 días de trabajo de la semana. Con base en
una muestra aleatoria de 4 semanas completas de trabajo, se observó el siguiente número de consultas:

LUNES MARTES M IERCOLE S JUEVES VIERNES

49 35 32 39 45

Con a=0,05 ¿Existe alguna razón para creer que el número de empleados que asisten al consultorio médico, no se
encuentra distribuido de forma equitativa durante los días de la semana?

Formulas
Datos Procedimiento
𝐾
H0 : D istribución equitativa (𝑂𝑖 − 𝑒𝑖 )2
H1 : D istribución no equitativa 𝑋2 = ෍ 2 2
2
𝑒𝑖 𝑋2 =
(49−40) (35−40)
+ …
(45−40)
=4.9
α= 0.05 𝑖=1
40 40
40
γ= K-1
γ= 5-1=4
 Tabla Grafica C onclusión

Se acepta H0 , es una
y a y a distribución equitativa
0.0 0.9 de empleados
5 5
4 9.488 0.71
4 1

0.190 1.28 4.94

𝐻0 𝐻1 𝐻0
Prueba de Rango con signo
para una media
 PRUEBA DE RANGO CON SIGNO PARA UNA MEDIA
UN PACIENTE VA 12 VECES A UN CONSULTORIO DE UNA DOCTORA Y EL AFIRMA QUE LA DOCTORA SE TARDA MAS DE 20 MINUTOS EN
ATENDERLO, MIENTRAS QUE LA DOCTORA DICE QUE NO SE TARDA MAS DE 20 MINUTOS EN ATENDERLO, LOS SIG DATOS SON
LAS 12 VISITAS CALCULADAS EN MINUTOS QUE EL PACIENTE VA AL CONSULTORIO.
di =17, 32, 25, 15, 28, 25, 20, 12, 35, 20, 26, 24
𝐻0 = 𝑀 = 20𝑚𝑖𝑛
𝐻1 = 𝑀 < 20𝑚𝑖𝑛
𝖺 = .05
di =17, 32, 25, 15, 28, 25, 20, 12, 35, 20, 26, 24
Di- 𝑀 0 =- 12, 5, -5 , 8 , 5 , 0 , -8 , 15, 0 , 6, 4 Formulas
3 , Rango 9, 4, 4, 7.5, 4 , , 7.5, 1 0, , 6, 2
=1, 𝖦 += ∑+ 𝑟𝑎𝑛𝑔𝑜𝑠
𝖦 −= ∑− 𝑟𝑎𝑛𝑔𝑜𝑠
𝖦 = 𝑣𝑎𝑙𝑜𝑟 𝑚𝑎𝑠
W + = 9 + 4 + 7.5 + 4 + 10 + 6 + 2= 𝑝𝑒𝑞𝑢𝑒ñ𝑜
5 5 5 𝑒𝑛𝑡𝑒 𝑤 + 𝑦 𝑤 −
42.5 3 + 4 + 5 = 12/3 =
W- = 1 + 4 + 7.5 = 12.5 4
Wcal =
12.5 8 8
7 + 8 = 15/2 = 7.5
 Valor de tablas Conclusión
n(n.
12.5 > 11 se acepta 𝐻0 por lo tanto el paciente tiene
de 𝖺 = .05
razón, la doctora se tarda mas de 20 minutos en atender
rango
al paciente
s 10
11
Prueba de Rango con signo para una media (método z)
Se tomaron 10 muestras de un baño de platinado utilizado en un proceso de
manufactura electrónica, y se determino el pH del baño. Los valores del pH de
la muestra son: 7.91, 7.85, 6.85, 8.01, 7.46, 6.95,
7.05, 7.35, 7.25, 7.42
Los ingenieros del departamento creen que el pH tiene un valor medio de 7.0
¿Los datos de la muestra indica que este enunciando lo correcto?
Prueba de Signo

7.91 -7 +

Datps Formulas Sustitución 7.85 – 7 +

6.85 – 7 -
8.01 – 7 +
Ho =μ=7.0 X −nP 8−(10)(0.5) 3
H1 =μ≠ 7.0 Z= Z= = =1.898 7.46 – 7 +
npq (10)(0.5)(0.5) 1.58
n=10 6.95 – 7 -
P = 0.5 q= 1-0.5 = 0.5
α =0.05 q= 1-p 7.05 – 7 +
7.35 - 7 +
7.25 - 7 +
7.42 - 7 +
 Grafica

Tabla área bajo la curva

normal
α
0.5 =
2 0.025
2=
Z .06
-1.9 0.0250
-∞ 1.96 1.89 0 1.89 1.96 ∞
H0 H1 H1 H0
Ho= -
1.96

Condición:

La hipótesis nula se rechaza si el valor calculado

u1,u2 o u es menor o igual que el valor de tablas o
tabulado

Conclusion:

Se acepta Ho, el pH tiene un valor de 7

 Prueba de signo para una media (método binomial)

Los siguientes datos representan el número de horas que funciona una desbrozadora antes de requerir una recarga:
1.5, 2.2, 0.9, 1.3, 2.0, 1.6, 1.8, 1.5, 2.0, 1.2, 1.7.

A un nivel de signifi cancia de 0.05 utilice la prueba de signo para probar la hipótesis de que esta desbrozadora
específi ca
funciona con una mediana de 1.8 horas antes de requerir una recarga
1. Formulas
D atos
2. H0: μ = p=
1.8. 1/2 .
3. H1: μ ≠
1.8.
4. 𝛼 = 0.05.
5. Cálculos: Al reemplazar cada valor con el símbolo “+” si excede 1.8, con el símbolo “–” si es menor que 1.8 y
descartar las
mediciones que sean iguales a 1.8, obtenemos la siguiente secuencia

-+--+--+--

para la cual n = 10, x = 3 y n/2 = 5. Por lo tanto, el valor P que se obtiene de la tabla A.1 es
 5. Cálculos: Al reemplazar cada valor con el símbolo “+” si excede 1.8, con el símbolo “–” si es menor que 1.8 y
descartar las
mediciones que sean iguales a 1.8, obtenemos la siguiente secuencia
-+--+--+--

para la cual n = 10, x = 3 y n/2 = 5. Por lo tanto, el valor P que se obtiene de la tabla
A.1 es
෍3 𝑏 (x ; 10, ½) = 0.3438 >
𝑃 = 2𝑃(𝑥≤3 cuando p = ½) =
𝑥=0 0.05.
2

6. Decisión: No se rechaza la hipótesis nula y se concluye que la mediana del tiempo de funcionamiento no difi ere
signifi cativamente de 1.8 horas.
Prueba de rango con signo
para dos medias
 Problema 1
Se afirma que, si se le proporcionan ejemplos de problemas con antelación, un estudiante universitario de último
año puede aumentar en al menos 50 puntos su calificación en el área de especialidad del examen para ingresar a
posgrado. Para probar esta afirmación se divide a un grupo de 20 estudiantes del último año en 10 pares, de
manera que cada par tenga casi la misma calificación promedio durante sus 3 primeros años en la universidad.
Los ejemplos de problemas y las respuestas se proporcionan al azar a un miembro de cada par una semana antes
del examen.
presentan en la tabla 16.3.

A un nivel de significancia de 0.05 pruebe la hipótesis nula de que los ejemplos de problemas aumentan las calificaciones
en 50 puntos, en comparación con la hipótesis alternativa de que aumentan menos de 50 puntos.
 Datos Formulas
1. H0: ˜μ1 −μ̃ 2 = 50. 𝖦 += ∑+ 𝑟𝑎𝑛𝑔𝑜𝑠
2. H1: ˜μ1 −μ̃ 2 < 50. 𝖦 −= ∑− 𝑟𝑎𝑛𝑔𝑜𝑠
3. α = 0.05. 𝖦 = 𝑣𝑎𝑙𝑜𝑟 𝑚𝑎𝑠 𝑝𝑒𝑞𝑢𝑒ñ𝑜
𝑒𝑛𝑡𝑒 𝑤 + 𝑦 𝑤 −
 n Unitaleral α =0.5 w+ ≤ 11.
Bilateral α =0.1

10 11
5. Cálculos:
1 2 3 4 5 6 7 8 9 10
Di 22 81 -25 77 27 -23 23 -29 13 51
Di- -28 31 -75 27 -23 -73 -27 -79 -37 1
di0
5 6 9 3.5 2 8 3.5 10 7 1

w+ = 6 + 3.5 + 1 = 10.5.

6. Condicion: La H0 se rechaza si el valor calculado w+,w- o w, es menor o igual que el obtenido por tablas

7. Decisión: Se rechaza H0 y concluir que los ejemplos de problemas, en promedio,

No aumentan las calificaciones del examen para ingresar a posgrado hasta en 50 puntos.

Referencia

Probabilidad y Estadistica para Ingenieros - 6ta Edicion

- Ronald E. Walpole & Raymond H. Myers. Clive
Prueba de suma de
rangos
 Problema 1
Se encontró que el contenido de nicotina de dos marcas de cigarrillos, medido en miligramos, es el
siguiente:
Marca A 2.1 4.0 6.3 5.4 4.8 3.7 6.1 3.3 n1= 8
Marca B 4.1 0.6 3.1 2.5 4.0 6.2 1.6 2.2 1.9 5.4
n2= 10

A un nivel de significancia de 0.05 pruebe la hipótesis de que las medianas del contenido de nicotina de las dos marcas son
iguales, en comparación con la hipótesis alternativa de que son diferentes.

Datos Formula
s 𝑛1 𝑛1 + 1
1. H0: μ˜ 1 = μ˜ 𝑢1 = 𝑤1 − [ ]
2
2
2. H1: μ˜ 1 ≠ μ˜ 𝑛2 𝑛2 + 1
𝑢2 = 𝑤2 − [ ]
2 2
3. α = 0.05
Marca Rango Marca Rango 4.0 4.0
A B
2.1 4 4.1 12 10 + 11
2 𝑢𝐶𝑎𝑙 = 23 (valor mas pequeño de
4.0 10.5 0.6 1 las dos 𝑢)

6.3 18 3.1 7 5.4 5.4

14 + 15
5.4 14.5 2.5 6 2 Tabla región crítica
4.8 13 4.0 10.5
2 colas
3.7 9 6.2 17
8 8+1 α = 0.05.
𝑢1 = 93 − [ ] = 57 𝑛1
2 2 𝑛 = 10
6.1 16 1.6
2

3.3 8 2.2 5
17
1.9 3 8 𝑢α 𝑑𝑒
10 10 + 1
𝑡𝑎𝑏𝑙𝑎𝑠
5.4 14.5 2

𝑛1 = 8 𝑤1=93 𝑛2 𝑤2=78
= 10
 Condició Conclusió
n n
𝑢𝐶𝑎𝑙 > 𝑢α Se acepta Se acepta la hipotesis H0 y se concluye que no hay
H0 diferencia significativa en las medianas del
𝑢𝐶𝑎𝑙 ≥ 𝑢α Se rechaza contenido de nicotina en las dos marcas de
H0 cigarrillos.
23 > 17 𝑆𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻0

Referencia

Probabilidad y Estadistica para Ingenieros - 6ta

Edicion - Ronald E. Walpole & Raymond H. Myers. Clive