PRUEBA DE HIPÓTESIS PARA LA MEDIA EN UNA

AGENCIA DE PUBLICIDAD
 PLANTEAMIENTO
Una agencia de publicidad quiere evaluar si una nueva estrategia publicitaria ha tenido un impacto significativo en el
tiempo promedio que los visitantes pasan en el sitio web de su cliente. La agencia recopila datos antes y después de
implementar la nueva estrategia publicitaria.

HIPÓTESIS
Hipótesis nula (H0): La nueva estrategia publicitaria no tiene un efecto significativo en el tiempo promedio que los
visitantes pasan en el sitio web.
Hipótesis alternativa (H1): La nueva estrategia publicitaria ha aumentado el tiempo promedio que los visitantes pasan en
el sitio web.
Datos:
Muestra antes de la nueva estrategia:
Tamaño de la muestra (n) = 30
Tiempo promedio de permanencia (en minutos) antes de la nueva estrategia = [10, 12, 13, 11, 9, 10, 12, 11, 12, 10, 9, 12,
13, 11, 10, 11, 12, 13, 10, 9, 11, 12, 13, 11, 12, 10, 9, 11, 10, 12]
Muestra antes de la nueva estrategia:
Tamaño de la muestra (n1) = 30
Tiempo promedio de permanencia (en minutos) antes de la nueva estrategia = [10, 12, 13, 11, 9,
10, 12, 11, 12, 10, 9, 12, 13, 11, 10, 11, 12, 13, 10, 9, 11, 12, 13, 11, 12, 10, 9, 11, 10, 12]

Muestra después de la nueva estrategia:

Tamaño de la muestra (n2) = 30
Tiempo promedio de permanencia (en minutos) después de la nueva estrategia = [15, 17, 18, 16,
14, 15, 16, 17, 18, 15, 14, 17, 18, 16, 15, 16, 17, 18, 15, 14, 16, 17, 18, 15, 16, 14, 15, 17, 18, 16]

Se realiza una prueba de hipótesis utilizando un nivel de significancia del 0.05 (α = 0.05). Para
realizar esta prueba, podemos usar una prueba t de Student para dos muestras independientes.
Muestra después de la nueva estrategia:
Tamaño de la muestra (n2) = 30
Tiempo promedio de permanencia (en minutos) después de la nueva estrategia = [15, 17, 18, 16,
14, 15, 16, 17, 18, 15, 14, 17, 18, 16, 15, 16, 17, 18, 15, 14, 16, 17, 18, 15, 16, 14, 15, 17, 18, 16]

Primero, se calculan las medias y las desviaciones estándar de ambas muestras:

Para la muestra antes de la nueva estrategia:
Media (X̄ 1) = 11.0667
Desviación estándar (S1) = 1.4926
• Para la muestra después de la nueva estrategia:
• Media (X̄ 2) = 16.8333
• Desviación estándar (S2) = 1.4907
Calculo de los grados de libertad (df)
Los grados de libertad se calculan como:
df=n1+n2−n2=30+30−2=58df=n1+n2−2=30+30−2=58

• el valor crítico o el valor p

• Se usará un nivel de significancia α = 0.05. Para una prueba de cola izquierda, el valor crítico
tα/2 correspondiente a α/2 = 0.025 y 58 grados de libertad es aproximadamente -1.671.
El valor calculado de t es -14.922, que es mucho menor que el valor crítico de -1.671. También
podemos calcular el valor p asociado al estadístico t, y en este caso, el valor p es
extremadamente pequeño, prácticamente cero.
 Dado que el valor calculado de t es mucho menor que el valor crítico y el valor p es
prácticamente cero, rechazamos la hipótesis nula (H0). Esto significa que la nueva
estrategia publicitaria ha tenido un impacto significativo en el tiempo promedio que
los visitantes pasan en el sitio web de la agencia de publicidad. En otras palabras, la
agencia tiene evidencia suficiente para afirmar que la nueva estrategia publicitaria ha
aumentado el tiempo promedio de permanencia en el sitio web de su cliente.
 PRUEBA DE HIPÓTESIS PARA COMPARACIÓN
EN LA AGENCIA DE PUBLICIDAD

La agencia quiere determinar si existe una diferencia significativa en el rendimiento de dos equipos de
creativos publicitarios: el equipo A y el equipo B. La agencia está interesada en saber si hay una diferencia
significativa en la efectividad de las campañas publicitarias que estos equipos han producido.

Hipótesis:

Hipótesis nula (H0): No hay diferencia significativa en el rendimiento promedio entre el equipo A y el equipo
B en términos de efectividad de campañas publicitarias.
Hipótesis alternativa (H1): Existe una diferencia significativa en el rendimiento promedio entre el equipo A y el
equipo B en términos de efectividad de campañas publicitarias.
 DATOS

Muestra del equipo A (n1) = 20 campañas:

Efectividad promedio del equipo A = [12.5, 14.2, 11.8, 13.2, 15.5, 12.9, 14.7, 13.8, 13.4,
12.6, 11.9, 14.1, 12.3, 13.7, 12.8, 13.6, 14.9, 13.1, 14.3, 12.7]
Muestra del equipo B (n2) = 20 campañas:
Efectividad promedio del equipo B = [14.3, 12.8, 14.6, 11.9, 15.2, 13.7, 12.5, 14.8, 13.6,
14.1, 15.4, 13.0, 14.0, 12.7, 13.9, 14.3, 12.6, 14.2, 12.8, 15.0]
Primero, calculemos las medias y las desviaciones estándar de ambas muestras:
Para el equipo A:
Media (X̄ 1) = 13.61
Desviación estándar (S1) = 1.01
Para el equipo B:
Media (X̄ 2) = 13.97
Desviación estándar (S2) = 0.89
El valor crítico o el valor p
Se usó un nivel de significancia α = 0.05 y 34 grados de libertad. Consultando una tabla de
distribución t, el valor crítico tα/2 correspondiente a α/2 = 0.025 y 34 grados de libertad es
aproximadamente ±2.032.

Comparar el valor calculado de t con el valor crítico

El valor calculado de t es -1.196, que está dentro del rango entre -2.032 y 2.032. También
podemos calcular el valor p asociado al estadístico t.

En conclusión se tiene que el valor calculado de t no es menor que el valor crítico y el valor
p es mayor que α (p > 0.05), no tenemos evidencia suficiente para rechazar la hipótesis nula
(H0). Esto significa que no hay una diferencia significativa en el rendimiento promedio
entre el equipo A y el equipo B en términos de efectividad de campañas publicitarias, al
menos con un nivel de significancia del 0.05.
 PRUEBA DE HIPÓTESIS PARA LA PROPORCIÓN.
AGENCIA DE PUBLICIDAD

La agencia de publicidad lanza una nueva campaña publicitaria en línea y quiere determinar si la proporción de
visitantes de su sitio web que realiza una compra ha aumentado en comparación con la campaña anterior.

Hipótesis:
Hipótesis nula (H0): La proporción de visitantes que realiza una compra no ha aumentado con la nueva campaña
publicitaria, es decir, p1 ≤ p0, donde p1 es la proporción con la nueva campaña y p0 es la proporción con la
campaña anterior.
Hipótesis alternativa (H1): La proporción de visitantes que realiza una compra ha aumentado con la nueva
campaña publicitaria, es decir, p1 > p0.
Datos:
Muestra con la campaña anterior:
•Tamaño de la muestra (n0) = 200
•Número de visitantes que realizan una compra con la campaña anterior = 30
Muestra con la nueva campaña:
•Tamaño de la muestra (n1) = 250
•Número de visitantes que realizan una compra con la nueva campaña = 45

Calcular la proporción muestral y el error estándar

Primero, calculemos las proporciones muestrales para ambas campañas:
•Proporción muestral con la campaña anterior (p0) = 30 / 200 = 0.15
•Proporción muestral con la nueva campaña (p1) = 45 / 250 = 0.18

el valor crítico o el valor p

Usaremos un nivel de significancia α = 0.05 para una prueba de cola derecha. Consultando una tabla de
distribución z estándar, el valor crítico zα correspondiente a α = 0.05 es aproximadamente 1.645.
Paso 4: Comparar el valor calculado de z con el valor crítico
El valor calculado de z es 1.857, que es mayor que el valor crítico 1.645.
• Dado que el valor calculado de z es mayor que el valor crítico y estamos
realizando una prueba de cola derecha, podemos rechazar la hipótesis
nula (H0). Esto significa que tenemos evidencia estadística para afirmar
que la proporción de visitantes que realiza una compra ha aumentado con
la nueva campaña publicitaria en comparación con la campaña anterior.
• En resumen, en este ejercicio, hemos utilizado una prueba de hipótesis
para la proporción para determinar si la nueva campaña publicitaria ha
tenido un impacto significativo en la proporción de visitantes que realiza
una compra en el sitio web de la agencia de publicidad. Los resultados
indican que la proporción ha aumentado significativamente.