Prueba de hipótesis para la proporción

Suposición: El muestreo satisface las suposiciones de un experimento binomial y n es lo sufi-

cientemente grande para que la distribución muestral de pˆ puede ser aproximada por una
distribución normal (np0 > 5 y nq0 > 5).
Ejemplo
En una ciudad se estableció recientemente el uso obligatorio del cinturón de seguridad en los
autos y se desea saber si la proporción de quienes han acogido la medida es de 50%. ¿Qué podría
concluirse si 123 de 300 conductores manifestaron utilizar regularmente el cinturón?

 X: número de conductores que usan cinturón de seguridad entre los 300 que se investigaron.
 N=300, x = 123, p = 123/300 = 0,41,
 (La proporción de uso es de 50%).
 (La proporción de uso es diferente de 50%).
 El valor calculado de la estadística de prueba es
 Puesto que la prueba de hipótesis es bilateral, tenemos dos puntos críticos,
 Como < -1.96 se rechaza la hipótesis nula. La conclusión lleva a creer que, al nivel de
significancia de 5%, los datos proporcionan evidencia suficiente para pensar que la proporción
de personas que usan cinturón es diferente de 50%.
Para mantener el criterio (rechazar la hipótesis nula si valor − p ˂ ), el valor −
p es dos veces la probabilidad de encontrar valores más extremos que el
resultante de calcular la estadística de prueba, cuando hipótesis alternativa es
diferente, como en este ejemplo. Teniendo en mente lo anterior, el valor − p
para esta situación se obtiene así:
Usando R
> ### X: número de conductores que usan cinturón de seguridad
> #### PLANTEAMIENTO DE HIPÓTESIS
> #### H0: pi = 0.5 (La proporción de uso es de 50%)
> #### H1: pi <> 0.5 (La proporción de uso es diferente de 50%)
 #### DATOS
> # Hipótesis Nula pi_0 = 0.5
> pi_0 <- 0.5
> alfa <- 0.05
> # Datos muestrales
> n <- 300
> x <- 123
> p <- x/n;p
[1] 0.41
> ### CÁLCULO DE LA ESTADÍSTICA DE PRUEBA
> zc <-(p-pi_0)/sqrt(pi_0*(1-pi_0)/n);zc
[1] -3.117691
> ###Puntos críticos (valores tabulados)
> z1 <- qnorm(1-alfa/2,lower.tail=F);z1
[1] -1.959964
> z2 <- qnorm(alfa/2,lower.tail=F);z2
[1] 1.959964
> ### DECISIÓN USANDO CRITERIO DEL PUNTO CRÍTICO
> if(zc<z1|zc>z2) cat("Rechazar Ho\n") else cat("No rechazar Ho\n")
Rechazar Ho
> ### DECISIÓN USANDO CRITERIO DEL valor-p
> #cálculo del valor-p
> valorp <- 2*pnorm(zc);valorp
[1] 0.001822735
> if(valorp<alfa) cat("Rechazar Ho\n") else cat("No rechazar Ho\n")
Rechazar Ho
Prueba de hipótesis para diferencia de
proporciones
 Ejemplo

 Usando R
El marketing a grupos objetivo por edades se ha
convertido en un método de publicidad, incluso en
anuncios en los cines. Los anunciadores usan software
 > #X:Espectadores frecuentes entre quienes
para rastrear la demografía de espectadores y luego tienen hijos
decidir el tipo de productos por anunciar antes de
proyectar una película en particular. Un estadístico que 
podría ser de interés es la frecuencia con que adultos e
> #Y:Espectadores frecuentes entre aquellos sin
hijos de menos de 18 años asisten al cine en comparación hijos
con los adultos sin hijos. Suponga que la base de datos de
un cine se utiliza para seleccionar al azar mil compradores  > #### PLANTEAMIENTO DE HIPÓTESIS
adultos de boletos. Estos adultos son encuestados después
y se les pregunta si eran espectadores frecuentes en el  > #### H0: piX-piY=0 ( piX=piY )
cine, es decir, ¿van al cine 12 o más veces al año? Los
resultados se muestran en la tabla.  > #### Ha: piX-piY<>0 ( piX<>piY )
 > ### DATOS
 > nx <- 440;nx; ny <- 560;ny
¿Hay diferencia significativa en las
proporciones poblacionales de  [1] 440
espectadores frecuentes en estos dos  [1] 560
grupos demográficos? Use = 0.01.
 > x <- 123;x; y <- 145;y
[1] 123
[1] 145
> px <- x/nx; px; py <- y/ny; py
[1] 0.2795455
[1] 0.2589286
> p <- (x+y)/(nx+ny);p
[1] 0.268
> alfa <- 0.01; alfa
[1] 0.01
> ### CÁLCULO DE LA ESTADÍSTICA DE PRUEBA
> zc <- (px-py)/sqrt(p*(1-p)*(1/nx+1/ny));zc
[1] 0.7306686
> ###Puntos críticos
> z1 <- qnorm(1-alfa/2,lower.tail=F);z1
[1] -2.575829
> z2 <- qnorm(alfa/2,lower.tail=F);z2
[1] 2.575829
> ### DECISIÓN USANDO CRITERIO DEL PUNTO CRÍTICO
> if(zc<z1|zc>z2) cat("Rechazar Ho\n") else cat("No rechazar Ho\n")
Rechazar Ho
> ### DECISIÓN USANDO CRITERIO DEL valor-p
> valorp <- 2*pnorm(zc,lower.tail=F);valorp
[1] 0.4649816
> if(valorp<alfa) cat("Rechazar Ho\n") else cat("No rechazar Ho\n")
Rechazar Ho
Prueba de hipótesis para la varianza
Ejemplo
Los cascos de protección homologados para tal función deben cumplir un conjunto de
consideraciones ergonómicas, entre ellas que sean livianos para comodidad del usuario. Un
fabricante de cascos de seguridad para trabajadores de la construcción asegura que el peso de
estos cascos presenta una desviación estándar menor que 20 g. Al realizar una inspección por
muestreo, el fabricante selecciona aleatoriamente 10 cascos, pesa cada uno y obtiene los
siguientes resultados: 443.2, 458.8, 428.4, 476.5, 448.3, 448.7, 459.6, 461.3, 447.1, 433.3. A un
nivel de significancia de 1%, ¿usted está de acuerdo con la afirmación del fabricante?
Usando R
> rm(list=ls()) #borra la memoria
> # X: peso (g) cascos de seguridad para trabajadores
> ### Planteamiento de hipótesis:
> # H_0: sigma^2 = 400
> # H_a: sigma^2 < 400
> ### Datos
> peso<-c(443.2,458.8,428.4,476.5,448.3,448.7,459.6,461.3,447.1,433.3)
> n <- length(peso)
> v <- var(peso)
> v0 <- 400
> alfa <- 0.01
> ### Cálculo de estadística de prueba
> xc <- (n-1)*v/v0;xc
[1] 4.50379
> ###punto crítico (valor tabulado en ji_cuadrado con gl=n-1)
> xt <- qchisq(1-alfa,n-1,lower.tail=F);xt
[1] 2.087901
> ##Decisión usando criterio del punto crítico
> if(xc<xt) cat("Rechazar Ho\n") else cat("No rechazar Ho\n")
No rechazar Ho
> ##Decisión usando criterio del valor-p
> #cálculo del valor-p
> valorp <- pchisq(xc,n-1);valorp
[1] 0.1247545
> if(valorp<alfa) cat("Rechazar Ho\n") else cat("No
rechazar Ho\n")
No rechazar Ho
Al nivel de significancia de 1%, los datos no proporcionan evidencia suficiente para pensar que
la desviación estándar del peso de los cascos sea menor que 20 g, y por tanto, los datos
disponibles no apoyan la afirmación del fabricante.
Prueba de hipótesis para cociente de varianzas
Ejemplo: