Prueba de Hipótesis

ESTADISTICA Y PROBABILIDAD II
Carlos Paredes Guzmn
5. PRUEBA DE HIPOTESIS
5.1. Hiptesis estadstica
Una hiptesis estadstica es una afirmacin acerca de los parmetros de una poblacin o acerca
de la distribucin de una variable aleatoria, que puede ser verdadera o no. Por ejemplo:
1)
2)
3)
4)
5)
6)
7)
8)
El ingreso mensual medio de los jubilados es de S/. 850.

La proporcin p de los estudiantes con gripe en una universidad es 0.20.
La varianza poblacional s 2 del tiempo de operacin de las computadoras del pabelln W es de 5 horas2.
El dimetro exterior medio de los cojinetes de bolas producidos por una empresa es de 2.54 cm.
Las resistencias al impacto de los parabrisas que producen dos empresas son iguales.
El promedio de km. por galn de un automvil en carretera es de 90 km.
La variable X tiene una distribucin normal con m = 10 y s = 4.
Los promedios poblacionales 1, 2, 3, 4 de las resistencias a la compresin de cuatro diferentes
tcnicas de mezclado de concreto son iguales.
Como puede observarse, las hiptesis pueden formularse de diversas formas. Por lo tanto, se
debe estudiar un procedimiento que permita probar a las hiptesis estadsticas.
Es importante recordar que las hiptesis siempre son proposiciones sobre la poblacin o
distribucin bajo estudio, nunca son aseveraciones sobre la muestra.
5.2. Prueba de hiptesis
PRUEBA DE HIPTESIS: Procedimiento basado en la evidencia muestral y en la teora de
probabilidad que se emplea para determinar si la hiptesis es un enunciado razonable y no
debe rechazarse, o si es irrazonable y debe ser rechazada.
Una prueba de hiptesis estadstica es un procedimiento de toma de decisin respecto a la
veracidad de la misma.
A diferencia de los procedimientos de estimacin, la prueba de hiptesis no es un procedimiento
exploratorio; en una prueba de hiptesis estamos ms interesados en confirmar una relacin del
parmetro de inters con un valor fijo conocido, que en explorar un valor desconocido.
La prueba de hiptesis es un razonamiento inductivo, es decir, un razonamiento de lo
particular a lo general. De un conjunto de observaciones se extraen conclusiones acerca de lo
que podra suceder si la totalidad de las observaciones fueran extradas.
El procedimiento de la prueba de hiptesis depende de la informacin contenida en una muestra
aleatoria de la poblacin de inters. Si la informacin es consistente con la hiptesis, se concluye
que esta es verdadera; sin embargo, si esta informacin es inconsistente con la hiptesis , se
concluye que esta es falsa.
Debe tenerse presente que la verdad o falsedad de una hiptesis en particular nunca puede
conocerse con certidumbre, a menos que pueda analizarse a toda la poblacin. Por lo general
esto es imposible en la mayora de las situaciones prcticas. Esta es la razn por la que es
necesario desarrollar un procedimiento de prueba de hiptesis que tenga en consideracin la
posibilidad de alcanzar una conclusin equivocada. Este tipo de razonamiento, de lo particular
a lo general, no puede efectuarse con certeza, por lo que la probabilidad ayuda a medir o
cuantificar esta incertidumbre.
1
5.3. Procedimiento de la prueba de hiptesis

Es un procedimiento de siete pasos que sistematiza la prueba de hiptesis; al llegar al paso 7
se est en capacidad de tomar la decisin de rechazar o no una hiptesis.
Al realizar pruebas de hiptesis, se parte de un valor supuesto (hipottico) de un parmetro
poblacional. Despus de recolectar una muestra aleatoria, se compara el estadstico muestral
con el parmetro hipottico. Despus se acepta o rechaza el valor hipottico, segn proceda.
Se rechaza el valor hipottico solo si el resultado muestral resulta muy poco probable cuando
la hiptesis es cierta.
El orden de ejecucin de las etapas del (1) al (7) es estricta. No puede alterarse su orden.
La estructura de los problemas de prueba de hiptesis es idntica en todas las aplicaciones.
En resumen, para probar una hiptesis, se debe tomar una muestra al azar, calcular una
estadstico de prueba apropiado a partir de los datos de la muestra, y despus utilizar la
informacin contenida en este estadstica de prueba para tomar una decisin.
El propsito de la prueba de hiptesis no es cuestionar el valor calculado del estadstico de
prueba, sino hacer un juicio con respecto a la diferencia entre ese estadstico de prueba y un
parmetro de poblacin propuesto en la hiptesis nula. Es decir, la prueba estadstica mide el
acercamiento del valor de la muestra a la hiptesis nula. Si existe diferencia entre el valor de la
muestra y el valor poblacional puede deberse al error muestral (aleatoria) o al error sistemtico.
Hasta qu punto se puede considerar que la diferencia es debida a la aleatoriedad de la muestra?
La respuesta a esta pregunta genera la regin de rechazo.
Tipos de pruebas de hiptesis:
Bilateral o dos colas.
Unilateral a la izquierda o de cola izquierda o inferior.
Unilateral a la derecha o de cola derecha o superior.
Los pasos o reglas especficas del procedimiento son:
1) Plantear la hiptesis nula y la hiptesis alternativa: El primer paso es plantear la
hiptesis que se probar. Se le denomina hiptesis nula, designada mediante H0. La letra
H significa hiptesis y el subndice cero indica no hay diferencia.
HIPTESIS NULA: Es una afirmacin que se hace acerca del valor de un parmetro
poblacional. Usualmente es una afirmacin de que el parmetro tiene un valor especfico.
Por ejemplo
H0: m = S/. 850

H0: p = 0.20
H0: s 2 = 5 horas2
H0: m = 2.54 cm.
H0: m1 = m2
H0: m = 90 km./galn
H0: X ~ N(10, 42)
H0: m1 = m2 = m3 = m4
La hiptesis nula es la afirmacin que se formula en base al conocimiento previo, a la

experiencia de otros investigadores, experimentos previos, valor de un proceso o teora,
especificaciones de diseo o ingeniera, o de obligaciones contractuales.
El procedimiento de la prueba de hiptesis est construido bajo la condicin de que la

hiptesis nula es verdadera o cierta. Es decir, la prueba de hiptesis est diseada para no
rechazar algo que es cierto. La hiptesis nula es la hiptesis que se desea probar. Sin
embargo, cuando se concluye que la H0 no es cierta, se dice que la prueba es significativa.
El rechazo de la hiptesis nula siempre conduce a la aceptacin de la hiptesis alternativa. En
el caso de que la hiptesis nula no sea rechazada, no debe entenderse que la H0 sea vlida o
cierta. Nunca se acepta la H0. Lo que se puede decir es que no se tiene la evidencia
estadstica suficiente para rechazarla.
La hiptesis nula se denota por H0 y siempre est asociada a cualquiera de la siguientes
relaciones =, y .
El rechazo de H0 siempre es una conclusin fuerte y su aceptacin es una conclusin dbil.
La hiptesis alternativa describe lo que se considerar si se rechaza la hiptesis nula. A
menudo se denomina tambin hiptesis de investigacin y se designa por H1. La hiptesis
alternativa se aceptar si los datos muestrales proporcionan evidencia de que la hiptesis
nula es falsa.
HIPTESIS ALTERNATIVA: Es una afirmacin que se aceptar si los datos muestrales
proporcionan amplia evidencia de que la hiptesis nula es falsa.
Por ejemplo
H1: m < S/.850

H1: p 0.20
H1: s 2 > 5 horas2
H1: m 2.54
H1: m1 >m2
H1: m < 90 km./galn
H1: X no tiene distribucin N(10, 42)
H1: Por lo menos una de las mj es diferente
La hiptesis alternativa es la hiptesis que se formula sobre el mismo parmetro poblacional

que se utiliza en la hiptesis nula. Generalmente, se especfica en H1 que el parmetro
poblacional tiene un valor diferente al establecido en la hiptesis nula. La hiptesis alternante
se denota por H1 o Ha y siempre est asociada a uno de las siguientes relaciones: < , >, .
2) Especificar el nivel de significacin: El nivel de significacin es la probabilidad de

rechazar la hiptesis nula cuando en realidad es verdadera. El nivel de significacin se
denota mediante a. Tambin se denomina nivel de riesgo. Tradicionalmente se selecciona
el nivel de significacin de 0.05 para proyectos de investigacin sobre consumo, el 0.01
para control de calidad y el 0.10 para encuestas polticas.
NIVEL DE SIGNIFICACIN : Es el riesgo que se asume al rechazar la hiptesis nula
cuando en realidad debe aceptarse por ser verdadera.
El propsito de la prueba de hiptesis no es cuestionar el valor calculado del estadstico

muestral, sino hacer un juicio con respecto a la diferencia entre ese estadstico muestral y
un parmetro poblacional hipotetizado.
Si suponemos que la hiptesis es correcta, entonces el nivel de significacin indicar el
porcentaje de estadsticos muestrales que estarn fuera de ciertos lmites.
3
En la siguiente figura se ilustra cmo interpretar un NIVEL DE SIGNIFICACIN de a100%

Regin en la que no hay una
diferencia sinificativa entre el
estadstico y el parmetro
hipotetizado . Aceptamos Ho si el
estadstico cae en esta regin (no
rechazamos Ho)
REGIN DE ACEPTACIN
REGIN DE RECHAZO
a
2
a
2
1- a
-Z1-a /2
mH
REGIN DE RECHAZO
Z1-a /2
En estas dos regiones, si hay una

diferencia significativa entre el
es ta ds tico y el pa r metro
hipotetizado. Rechazamos la
hiptesis nula si el estadstico
cae en una de estas dos regiones
Resulta conveniente hacer una advertencia en este punto. Incluso si el estadstico muestral
cae en la regin de aceptacin, esto no prueba que la H0 sea cierta; simplemente no nos
proporciona evidencia estadstica para rechazarla.
El uso del trmino aceptar, en vez de no rechazar, se ha vuelto comn. Significa simplemente
que cuando los datos de la muestra no hacen que rechacemos una hiptesis nula, nos
comportamos como si esa hiptesis fuera cierta.
En la eleccin de a se debe tener presente que mientras mayor sea a mayor es la
probabilidad de rechazar una H0 cuando es verdadera.
Es claro que a debe asumir un valor pequeo. No existe un nico valor de a para probar
hiptesis. Los valores ms usados son 0.05 y 0.01, pero de ninguna manera significa que
sean los nicos valores.
Por ejemplo, un valor de a = 0.05 significa que estamos dispuestos a rechazar la H0 nicamente
si la diferencia entre el estadstico muestral y el parmetro de la poblacin de la H0 es lo bastante
grande como para que ocurra sta u otra diferencia mayor, en promedio, slo cinco o menos
veces en cada 100 muestras cuando la H0 es verdadera. Es decir, el nivel de significacin indica
el porcentaje de veces que la prueba estadstica se encuentra fuera de ciertos lmites.
ERROR TIPO I: Rechazar la hiptesis nula H0 cuando en realidad es verdadera. La
probabilidad de cometer un error tipo I se denota con la letra griega a.
a = P(Error tipo I) = P(Rechazar H0 / H0 es verdadera)
ERROR TIPO II: Aceptar la hiptesis nula H0 cuando en realidad es falsa. La probabilidad
de cometer un error tipo II se denota con la letra griega b.
b = P(Error tipo II) = P(Aceptar H0 / H0 es falsa)

En la siguiente tabla se resumen los tipos de decisiones y las consecuencias posibles, al
realizar pruebas de hiptesis:
DECISIONES POSIBLES
ACEPTAR H0
RECHAZAR H0
SITUACIONES POSIBLES
H0 VERDADERA
H0 FALSA
Decisin Correcta
Error tipo II
Error tipo I
Decisin Correcta
En la prctica no se sabe en qu situacin uno se encuentra, por lo que es imposible medir de

manera exacta los errores que se pueden cometer. Sin embargo, con la ayuda de las
probabilidades podemos tener informacin de estos errores.
Las probabilidades asociadas con los cuatro resultados posibles en una prueba de hiptesis
se resumen en la siguiente tabla.
PROBABILIDAD
a
1a
b
1b
D E F IN IC I N
NIVEL DE SIGNIFICACIN: Probabilidad de un Error Tipo I
NIVEL DE CONFIANZA: P(Aceptar H0 / H0 es verdadera)
Probabilidad de un Error Tipo II: P(Aceptar H0 / H0 es falsa)
POTENCIA DE LA PRUEBA: P(Rechazar H0 / H0 es falsa)
Para un tamao de muestra dado, el investigador debe equilibrar los dos tipos de errores. Si
reduce a, entonces aumenta b. Si reduce b, entonces aumenta a. Los valores de a y b
dependen de la importancia de cada riesgo en un problema particular. Tambin depende de
los costos inherentes en cada tipo de error.
Generalmente, el procedimiento que se sigue con los dos tipos de errores es fijar o elegir un
valor pequeo para a y controlar b mediante el tamao de muestra.
POTENCIA
como 1-b .
DE LA PRUEBA:
Es la probabilidad de rechazar H0 cuando es falsa. Se denota
Potencia de la prueba = 1 b = P(rechazar H0 / H0 es falsa)

La potencia de la prueba es una medida descriptiva y concisa de la sensibilidad de una prueba
estadstica para detectar diferencias. Idealmente, se busca tener una alta potencia para detectar
una diferencia de inters, y baja potencia para una diferencia de muy poca importancia.
El valor de la potencia se puede controlar con el aumento o disminucin del tamao de la muestra.
Idealmente los errores a y b deben ser pequeos, pero la relacin entre ambos es inversa, es
decir, cuando a aumenta b disminuye y viceversa.
Los factores que influyen en la potencia de la prueba son:
El nivel de significacin a. Si a aumenta, b disminuye y por tanto la potencia = 1b
aumenta.
Si s aumenta, la potencia disminuye.
Si n aumenta, la potencia aumenta.
5
3) Elegir la distribucin muestral y el estadstico de prueba: Despus de decidir el nivel de

significacin a utilizar, la siguiente tarea en la prueba de hiptesis consiste en determinar
la distribucin de probabilidad adecuada y el estadstico de prueba.
ESTADSTICO DE PRUEBA: Es un valor, determinado a partir de la informacin muestral,
que se utiliza para aceptar a rechazar la hiptesis nula.
En la prueba de hiptesis respecto a medias tenemos la opcin de escoger entre la
Distribucin Normal Z y la Distribucin t, segn las situaciones siguientes:
s 2 CONOCIDO
s 2 DESCONOCIDO
Distribucin Normal Z
Distribucin t
4) Formular y establecer una regla de decisin: Una regla de decisin simplemente es una
afirmacin de las condiciones bajo las cuales se acepta o se rechaza la hiptesis nula.
Para lograr esto, la distribucin muestral se divide en dos partes, que adecuadamente se
denominan regin de aceptacin y regin de rechazo.
La regin de rechazo define la ubicacin de todos los valores que son demasiado grandes
o demasiado pequeos, por lo que la probabilidad de que ocurran segn un hiptesis nula
verdadera es muy remota.
Las pruebas de hiptesis se clasifican como PRUEBAS DE UNA COLA o PRUEBAS DE DOS
COLAS. Si la afirmacin de H1 involucra < o > es apropiada una prueba de una cola. Si la
afirmacin de H1 contiene , entonces es adecuada una prueba de dos colas. La tabla
siguiente resume lo expresado:
<
Prueba de
Cola Izquierda
PRUEBA
1- a
Za
>
Prueba de
Cola Derecha
REGION DE
ACEPTACIN
REGION DE
ACEPTACION
REGION DE
RECHAZO a
S IG N O EN H 1
Prueba de
Dos Colas
m H0
1- a
m H0
REGION DE
RECHAZO a
X
Z1-a
(a) Prueba de Cola Izquierda
(b) Prueba de Cola Derecha
1.- El rea de aceptacin incluye el

rea a la derecha de Z a
2.- El rea de rechazo est a la
izquierda de Z a
3.- El nivel de significacin es a
4.- El valor Z a separa las
regiones de aceptacin y
rechazo
1.- El rea de aceptacin incluye

el rea a la izquierda de Z1-a
2.- El rea de rechazo est a la
derecha de Z1-a
4.- El valor Z1-a separa las
regiones de aceptacin y rechazo
REGION DE
ACEPTACIN
REGION DE
RECHAZO
a 2
1- a
REGION DE
RECHAZO
a 2
m H0
-Z1-a /2
Z1-a /2
(c) Prueba de dos colas

1.- El rea de aceptacin incluye el rea
central entre -Z1-a /2 y Z1-a /2
2.- El rea de rechazo est a la izquierda de
-Z1-a /2 y a la derecha de Z1-a /2
4.- Los valores -Z1-a /2 y Z1-a /2 separan
las regiones de aceptacin y rechazo
VALOR CRTICO: Nmero que divide la regin de aceptacin y la regin de rechazo. Se

denota por Zc, Za, Z1-a, Z1-a/2, tc, ta, t1-a, t1-a/2, c c2 , Fc.
La siguiente tabla muestra los valores crticos Zc para ensayos de una y dos colas a
distintos niveles de significacin a, los que sern de utilidad para propsitos de referencia.
NIVEL DE
SIGNIFICACIN
a
0.10
0.05
0.01
0.005
0.002
VALOR CRTICO Zc
Prueba de Cola
Prueba de Cola
Prueba de dos
Izquierda
Derecha
Colas
+1.282
-1.282
1.645
+1.645
-1.645
1.960
+2.326
-2.326
2.576
+2.576
-2.576
2.807
+2.878
-2.878
3.090
5) Tomar una muestra y calcular el valor real del estadstico de prueba: Al probar un valor
hipottico de la media poblacional m, se toma una muestra aleatoria y se determina el valor
de la media muestral. Si el valor crtico que se establece es un valor de Z (Za o Z1-a o Z1-a/2)
entonces se transforma la media muestral en un valor de Z tal como Z0.
6) Tomar un decisin: Se compara el valor observado del estadstico muestral Z con el valor o los
valores crticos. Luego se acepta o se rechaza la hiptesis nula. Si se rechaza H0, se acepta H1.
7) Conclusin: Las consecuencias de la decisin de la prueba de hiptesis se expresan en
trminos del problema real que se est tratando.
Ejemplo 1.- Para cada pareja de hiptesis estadsticas, indicar cul es la hiptesis nula H0 y
cual la hiptesis alternativa H1. Cules de la hiptesis estn asociadas con pruebas de una cola?
a) A: m > 21
B: m = 21
b) A: p = 0.7
B: p 0.7
c) A: s 1.2
B: s = 1.2
d) A: s 2 < 8.1
B: s 2 8.1
Ejemplo 2.- Para cada pareja de hiptesis estadsticas, indicar cul es la hiptesis nula H0 y cual
la hiptesis alternativa H1. Cules de las hiptesis en estn asociadas con pruebas de dos colas?
a) A: m 235
b) A: p 0.9
c) A: s 2 = 32
d) A: s > 8
2
B: m < 235
B: p = 0.9
B: s 32
B: s 8
Ejemplo 3.- Para cada una de las situaciones siguientes, identificar las hiptesis y el tipo de
error, cuando sea apropiado:
a) El frmaco cibenzolina est siendo comparado con el propanolol para su posible uso en el
control de la arritmia cardiaca. La afirmacin es que la cibenzolina es mejor que el
propanolol; de hecho esto no es cierto, sin embargo, la investigacin concluy que la
cibenzolina es mejor.
b) Dos colegios son igualmente eficientes en la preparacin de sus estudiantes. Un equipo de
evaluacin concluy que no hay diferencia significativa entre los dos colegios.
c) Una mayor proporcin de televisores MIRRAY que de SONY requieren reparaciones. Un
estudio hecho por el INDECOPI concluy lo mismo.
d) Se compar a dos personas con respecto a su eficiencia al realizar un cierto trabajo; el
individuo B es realmente ms eficiente que el A. Una evaluacin concluy que no hay
diferencia entre las razones de eficiencia de A y de B.
Ejemplo 4.- Para cada una de las situaciones de investigacin siguientes, indique cuando es
apropiada una prueba de una cola o de dos colas:
a) La DIGEMID (Direccin General de Medicamentos y Drogas) quiere probar un nuevo
frmaco elaborado por UPJOHN para determinar si contiene 5 mg. de codena, como lo
afirma tal laboratorio farmacutico.
b) Se hizo un estudio entre mecnicos automotrices para determinar si hay una diferencia
entre la proporcin de caros de las marcas DATSUN y TOYOTA, que necesitan reparacin;
ellos creen que hay una diferencia, aunque no estn seguros.
c) Una asociacin internacional de acreditacin estaba convencida de que los grados
otorgados por las universidad A eran distintos de los de la universidad B, sin embargo, no
estaba segura de en cul universidad obtenan los estudiantes un mejor grado.
Ejemplo 5.- La OPA (Oficina de Proteccin Ambiental) quiere probar la afirmacin hecha por
un fabricante de que su automvil compacto da al menos 110 Km por galn de gasolina.
a) Cul hiptesis nula debe probar?
b) Por qu prefiri su respuesta por sobre las otras dos posibilidades para escoger la
hiptesis alternativa?
c) Describa los errores tipo I y II asociados con su hiptesis nula y discuta las posibles
consecuencias de cometerlos.
Ejemplo 6.- Al evaluar solicitudes de crdito, un agente financiero se encuentra con el
problema de otorgar crdito a aquellos clientes que son un buen prospecto y negarlo a
aquellos que no lo son; estara probando lo siguiente para cada solicitante:
H0: El solicitante es un buen prospecto
H1: El solicitante es un mal prospecto
a) En trminos de conceder o negar el prstamo:
Cmo se cometera el error tipo I?
Cmo se cometera el error tipo II?
b) Discutir la eleccin del nivel de significacin a en los siguientes casos.
- Se tiene poco dinero para prestar, las tasas de inters son altas y se tiene un gran
nmero de solicitudes.
- Hay bastante dinero para ser prestado, las tasas de inters son moderadas y existe
competencia para conseguir solicitantes de crdito.
8
Ejemplo 7.- La gerencia de personal de LA POSITIVA ha solicitado los servicios de un

siclogo para que verifique si un ejecutivo se adecua emocionalmente para asumir un cargo
en la alta direccin de la empresa.
a) Qu tipo de error cometera si rechaza equivocadamente la hiptesis nula de que el
ejecutivo sea ideal para el cargo?
b) Qu tipo de error cometera si acepta equivocadamente la hiptesis nula de que el
ejecutivo es ideal para el cargo?
Ejemplo 8.- Suponer que interesa probar la siguiente hiptesis nula:
H0: Fumar es peligroso para la salud.
En trminos de la hiptesis nula, establezca con palabras lo que significa:
a) Un error tipo I
b) Un error tipo II
c) Una buena decisin
d) Qu tipo de error es ms serio?
Ejemplo 9.- Jacinto Urdanivia, gerente general de PUBLIEX est preocupado por la efectividad
de un anuncio en T.V. Qu hiptesis nula est probando si comete:
a) Un error tipo I cuando afirma errneamente que el comercial es efectivo?
b) Un error tipo II cuando afirma errneamente que el comercial es efectivo?
Ejemplo 10.- Para cada una de las hiptesis nulas siguientes establezca cules acciones
constituiran los errores tipo I y II
a) H0: El mtodo de enseanza activo de la estadstica es al menos tan bueno como el pasivo.
b) H0: Al menos 2% de las mquinas son defectuosas.
Ejemplo 11.- Para cada una de las hiptesis nulas siguientes establezca cules acciones
constituiran los errores tipo I y II.
a) H0: El nuevo proceso de produccin es al menos tan bueno como el antiguo.
b) H0: El 90% de los doctores recomiendan la preparacin A.
Ejemplo 12.- Considere el siguiente caso como una prueba de hiptesis. Se acaba de recibir
un paracadas sobre el cual un inspector postula la siguiente hiptesis nula este paracadas
funcionar.
a) Establezca cuidadosamente los 4 posibles resultados al tomar la decisin.
b) Decida sobre la gravedad de los dos errores posibles
c) Si se pudiesen controlar estadsticamente a y b , qu conjunto de probabilidades preferira
el usuario del paracadas
1) a = 0.001 y b = 0.10
2) a = 0.05 y b = 0.05
3) a = 0.10 y b = 0.001
Ejemplo 13.- Su hiptesis nula es que la batera de un marcapasos tiene una vida promedio de
300 das, con una hiptesis alternativa que la vida de la batera es ms de 300 das. Usted es
supervisor de control de calidad de la fbrica que produce estas bateras.
a) Preferira cometer un error de tipo I o de tipo II?
b) Basndose en la respuesta del inciso anterior, debera elegir un nivel de significacin alto o bajo?
5.4. Errores tipo I y II

El procedimiento de prueba de hiptesis deja abierta la posibilidad de rechazar una hiptesis
nula verdadera (error tipo I) o de aceptar una hiptesis nula falsa (error tipo II)
Cuando se prueba una hiptesis no se sabe si es verdadera o falsa y si, por lo tanto, la
distribucin muestral se parece a la figura (a) o a la figura (b). Si se supone la primera y se
selecciona un valor a (probabilidad del error tipo I), se deriva una regla de decisin, la misma
que en forma automtica determina el valor de b (probabilidad del error tipo II) si H0 es falsa.
(a) H0 es verdadera
m 4
a = 0.05
4
0
(b) H0 es falsa
m = 5.8
X
Z
4.82
1.64
b = 0.025
5.8
0
4.82
-1.96
Dado el tamao muestral n, cualquier disminucin en a aumentar b (a medida que la lnea

vertical punteada se mueve a la derecha). Tambin es cierto lo opuesto; cualquier aumento en
a disminuye b (a medida que la lnea se mueve a la izquierda).
Las probabilidades de error asociadas con una prueba de hiptesis se determinan de manera
sistemtica, como se ve en la siguiente tabla. La primera columna muestra valores seleccionados
posibles de la media poblacional cuando la hiptesis nula es falsa; los valores correspondientes b
y 1b (potencia de la prueba) se derivan en el resto de la tabla.
Dado el tamao muestral n = 36, una probabilidad mxima de error tipo I especificada a =
0.05, y una hiptesis nula indicada (H0: m = 4), diferentes probabilidades de error tipo II (b ) y,
por lo tanto, diferentes valores de potencia de la prueba (1b ) se asocian con parmetros
poblacionales distintos.
Valores posibles
seleccionados de m H1
cuando H0 es falsa
4.1
4.6
5.0
5.4
5.8
6.2
Dnde: X c = 4.82,
s = 3,
Zb =
X c - m H1
s
1.44
0.44
-0.36
-1.16
-1.96
-2.76
Probabilidad de
error tipo II,
0.9251
0.6700
0.3594
0.1230
0.0250
0.0029
Potencia de la
prueba
1b
0.0749
0.3200
0.6406
0.8770
0.9750
0.9971
n = 36
10
INTERPRETACIN DE LOS VALORES 1b: Puesto que rechazar una hiptesis nula cuando es
falsa es exactamente lo que debe hacer una buena prueba, un valor alto de 1b (cerca de 1.0)
significa que la prueba trabaja bastante bien (rechazar la hiptesis nula cuando es falsa); un
valor bajo de 1b (cerca de 0.0) significa que la prueba trabaja muy mal (no rechaza la
hiptesis nula cuando es falsa). Puesto que el valor 1b es la medida de qu tan bien trabaja la
prueba, se le conoce como la potencia de la prueba.
CURVA CARACTERSTICA DE OPERACIN (CURVA OC): Esta curva grfica, para todos los
valores posibles de un parmetro poblacional que contradice la hiptesis nula ( m H1 ), la
probabilidad b, de aceptar errneamente H0 (de cometer un error tipo II), dado un tamao
muestral y un a mximo especificado.
La Curva OC para una prueba de hiptesis muestra la probabilidad de aceptar una hiptesis
nula falsa para cada valor posible del parmetro poblacional verdadero.
CURVA CARACTERISTICA DE OPERACION
Probabilidad aceptar hiptesis

nula falsa
1.00
0.9251
0.90
0.80
0.70
0.6700
0.60
0.50
0.40
0.3594
0.30
0.20
0.1230
0.10
0.0250
0.00
4.0
4.2
4.4
4.6
4.8
5.0
5.2
5.4
5.6
5.8
6.0
0.0029
6.2
6.4
Valores posibles de la media poblacional
CURVA DE POTENCIA: Esta curva grfica, para todos los valores posibles de un parmetro que
contradice la hiptesis nulas ( m H 1 ), la probabilidad 1-b de rechazar correctamente H0, dado
un tamao muestral y un a mximo especificado.
La curva de potencia muestra la probabilidad de rechazar una hiptesis nula falsa para cada
valor posible del parmetro poblacional verdadero.
CURVA DE POTENCIA
Probabilidad rechazar hiptesis nula falsa
1.00
0.9971
0.9750
0.90
0.8770
0.80
0.70
0.6406
0.60
0.50
0.40
0.3200
0.30
0.20
0.10
0.0749
0.00
4.0
4.2
4.4
4.6
4.8
5.0
5.2
5.4
5.6
5.8
6.0
6.2
6.4
Valores posibles de la media poblacional
11
TAMAO DE LA MUESTRA: Es importante observar que cuando aumenta el tamao de la

muestra, las probabilidades de error a y b se pueden reducir al mismo tiempo o reducir una de
las dos sin elevar la otra.
El hecho de saber que cualquier combinacin de a mximo y b mximo se puede alcanzar en
realidad, por ejemplo al seleccionar el a deseado y luego ajustar el tamao de la muestra para
obtener el b deseado, permite muchas opciones al usuario de una prueba de hiptesis.
En el caso de la prueba de hiptesis, suponiendo que se tiene una prueba de una cola, se
puede determinar el tamao de la muestra necesario para un nivel de significacin a
especificado, y una potencia de prueba (1-b), deseada, de la manera siguiente:
- Si m = m H0
Z 1-a =
- Si m = m H1
Zb =
X c - m H0
X c - m H1
X c = m H0 + Z 1-a
X c = m H1 + Z b
s
n
s
n
Debido a que el valor crtico de la media muestral es el mismo si la hiptesis nula es

verdadera o falsa, se igualan las dos ecuaciones:
m H0 + Z 1-a
s
n
s
n
= m H1 + Z b
m H1 - m H0
Z 1-a - Z b
n=
(- Za - Z b )s
(m H - m H )
1
( Z 1-a - Z b )
Z 1-a - Z b
TAMAO MUESTRAL PTIMO PARA

PRUEBA DE UNA COLA
= m H1 - m H0
n=
m H1 - m H0
(Z 1-a - Z b )s
(m H - m H )
1
n=
- Za + Z b s
(m
H1
- mH0
(
(
Za + Z b s
n=
m H1 - m H0
Para prueba de dos colas se utilizan la siguiente frmula:

PRUEBA DE DOS COLAS
Za 2 + Z b s
n=
m H1 - m H0
12
Ejemplo 14.- Suponer que el tiempo promedio de duracin de un cargador de bateras es 500
horas de uso. Luego de introducir algunos cambios en la fabricacin se espera aumentar el
tiempo de duracin. Para comprobar este aumento se plantea la H0: = 500 versus la H1: >
500 y se selecciona una muestra de 25 observaciones. Si s = 50 horas, cul es la probabilidad
de cometer un error tipo II cuando el verdadero promedio es 520 horas? Asumir a = 0.05.
H0: m = 500 horas
H1: m > 500 horas Prueba de Hiptesis de una cola (derecha)
- Si m = m H0 = 500 horas,
Z 1-a =
X c - m H0
- Si m = m H1 = 520 horas,
a = 0.05
Z1-a = 1.6449
X c = m H0 + Z 1-a
Zb =
s
n
= 500 + 1.6449
X c - m H1
50
= 516.449
25
516.449 - 520
= -0.3551
50 25
b = P( Error tipo II ) = P( X c < 516.45 / m = 520 ) = P( Z < Z b = -0.3551 / m = 520 ) = 0.3613

Adems, la Potencia de la prueba = 1- b = 1 - 0.3613 = 0.6387
Ejemplo 15.- Un fabricante de pintura desea probar la hiptesis de que su pintura tiene un tiempo
mximo de secado de cuatro horas. El fabricante especifica que el a mximo tolerable es de 0.05
y el b mximo tolerable es 0.025 si su pintura tiene en efecto un tiempo de secado de 5.8 horas.
Dadas estas instrucciones, cul es el tamao muestral ptimo? Suponer que s = 3 horas.
H0: m 4 horas
H1: m > 4 horas Prueba de Hiptesis de una cola (derecha)
- Si m = m H0 = 4 horas,
a = 0.05
- Si m = m H1 = 5.8 horas,
b = 0.025 Zb = -1.96
(
(
Za = -1.6449
2
Za + Z b s
( -1.6449 - 1.96 ) 3
n=
=
= 36.10 = 37
( 5.8 - 4 )
m H1 - m H0
El tamao muestral necesario para lograr a y b mximas especificadas es n = 37
13
Ejemplo 16.- El gerente de produccin de una planta de envasado de cereal desea determinar
si el proceso de llenado de las cajas de cereal se encuentra bajo control o no, es decir, si el
contenido promedio por caja, en todo el proceso de llenado segua siendo de 368 gramos
como est especificado o si haba que efectuar acciones correctivas.
Toma una muestra aleatoria de 25 cajas que arrojaron una media muestral X de 372.5
gramos y asume que la desviacin estndar de la poblacin es s = 15 gramos.
El proceso de llenado est sujeto a una inspeccin peridica por parte de un representante de
la Oficina de Defensa del Consumidor, que solamente se preocupa de posibles cajas con
menos contenido del especificado.
Asimismo el representante de la Oficina de Defensa del Consumidor desea tener una
probabilidad de 80% (potencia) de rechazar la afirmacin de la compaa de que la cantidad
promedio de cereal por caja es de 368 gramos (H0), cuando la media de la poblacin es en
realidad igual a 360 gramos, est dispuesto a correr un riesgo de 5% de cometer un error tipo
I, y acepta la afirmacin de la compaa de que s = 15 gramos.
Estar de acuerdo con el tamao de la muestra seleccionada por el gerente de produccin?
H0: m = 368 gramos
H1: m < 368 gramos Prueba de Hiptesis de una cola (izquierda)
Si m = m H0 = 368 gramos,
a = 0.05
Za = -1.6449
Si m = m H1 = 360 gramos,
1-b = 0.80 b = 0.20
Zb = -0.8416
(
(
2
Za + Z b s
( -1.6449 - 0.8416 ) 15
n=
=
= 21.74 = 22
( 360 - 368 )
m H1 - m H0
El representante de la Oficina de Defensa del Consumidor estar de acuerdo con el tamao de la

muestra n = 25 seleccionada por el gerente de produccin de la empresa envasadora de cereal,
ya que es mayor que el tamao de muestra necesario para lograr a y b mximos especificados.
Ejemplo 17.- Un auditor desea probar la hiptesis nula de que el valor promedio de todas las
cuentas por cobrar es $260,000. Considera que una discrepancia de $20,000 en cualquier
direccin con respecto a este valor hipottico sera importante. Se sabe que la desviacin
estndar de los montos de las cuentas por cobrar es de s = $43,000. Los niveles aceptables de
los errores tipo I (a) y tipo II (b ) son 0.05 y 0.10, respectivamente. Cul es el tamao
mnimo de la muestra que debe analizarse?
H0: m = $260,000
H1: m $260,000 Prueba de Hiptesis de dos colas
- Si m = m H0 = $260,000,
a = 0.05 Za 2 = -1.96
- Si m = m H1 = $260,000 + 20,000 = $280,000,
b = 0.10 Zb = -1.2816
- Si m = m H1 = $260,000 - 20,000 = $240,000,
b = 0.10 Zb = -1.2816
2
Za 2 + Z b s
(- 1.96 - 1.2816 ) 43 ,000
n=
=
= 48.57 = 49
280 ,000 - 260 ,000
m H1 - m H0
El tamao muestral mnimo para lograr a y b aceptables es igual a 49 cuentas.

14
5.5. P-value (Valor p)

Un procedimiento alternativo para decidir la validez de una hiptesis nula H0 involucra el
concepto de P-value. Cuando para analizar datos estadsticos se usa un programa computacional,
tal como Minitab o SPSS, es comn que los resultados proporcionados contengan P-values.
El P-value se define como la probabilidad de obtener un valor ms extremo (mayor o menor que
el observado cuando la H0 es verdadera.
El P-value asociado con un estadstico de prueba, es el mnimo nivel de significacin que da
lugar a rechazar H0.
Entonces, para una prueba de cola derecha, el P-value es la probabilidad de que el estadstico de
prueba sea a lo ms tan grande como el valor calculado de la muestra cuando H0 es verdadera.
Para una prueba de cola izquierda, el P-value corresponde a la probabilidad de que el estadstico
sea a lo ms tan grande como el valor calculado de la muestra cuando H0 es verdadera.
Y para una prueba de dos colas, el P-value es la probabilidad de obtener un resultado muestral
que caiga en la cola cuyo extremo sea el estadstico obtenido suponiendo verdadera H0.
Si el nivel de significacin a de una prueba es mayor que el P-value reportado, entonces H0 se rechaza.
Por tanto, la regla siguiente se puede usar para decidir si se acepta o rechaza la hiptesis nula:
Aceptar H0 si el P-value a
Rechazar H0 si el P-value < a
El P-value proporciona una indicacin de qu tan fuertemente difieren de H0 los datos. Si se
rechaza la Ho, el estadstico de prueba (y los datos) es denominado significante. Por lo tanto,
el valor del P-value se considera como el nivel de significacin a ms pequeo para el que
los datos son significativos.
Considerar las figuras siguientes; en cada caso el P-value se indica:
Prueba de cola izquierda
Prueba de cola derecha
Prueba de dos colas

p-value
p-value
Z0
p-value
0
estadstico de prueba
Aceptar H0 si P-value
Z0
estadstico de prueba
Z0
Z0
estadsticos de prueba
Rechazar H0 si P-value <
El P-value se utiliza para reportar el resultado de una prueba de hiptesis. En la actualidad se usa
poco el nivel de significacin a para reportar un resultado, debido a que impone a otros usuarios
el nivel de significacin predeterminado. Otros investigadores pueden sentirse insatisfechos con
el a utilizado. Esto ha motivado que el P-value sea usado en forma casi generalizada.
15
5.6. Prueba de hiptesis para m

PRUEBA DE HIPTESIS PARA m
CUANDO LA VARIANCIA
s2
ES CONOCIDA:
Ejemplo 18.- Una mquina que empaqueta bolsas de caf automticamente, est regulada para
llenar bolsas cuyos pesos se distribuyen normalmente, con media m y varianza 400. La mquina
fue regulada para m = 500 gr. Se decide escoger una muestra de 16 bolsas cada media hora con
el fin de verificar si la produccin est bajo control o no, esto es si m = 500 gr. o no. Si una de
estas muestras tiene una media X = 492 gr. usted parara o no la produccin para verificar la
regulacin de la mquina?
1. H0: m = 500 gr.
H1: m 500 gr.
2. Nivel de significacin a = 0.05 (5%)
3. Se elige la distribucin de la media muestral X y como estadstico de prueba Z0
4. Para el nivel de significacin a = 0.05 y una prueba de dos colas, la regla de decisin es:
(|Z0| < Z 1-a 2 = 1.96)
(a) Aceptar H0 si 1.96 < Z0 < +1.96
(b) Rechazar H0 si Z0 < 1.96 o Z0 > +1.96
(|Z0| > Z 1-a 2 = 1.96)
5. Muestra aleatoria: n = 16, X = 492 gr. y s 2 = 400
Z0 =
X - m 0 492 - 500
= 1.60
=
20 16
s n
6. 1.96 < Z0 = 1.60 < +1.96 Cae en la regin de aceptacin, por tanto se acepta H0 con
un nivel de significacin de 0.05.
7. CONCLUSIN: No existe evidencia estadstica para detener la produccin a fin de regular la
mquina, con un nivel de significacin de 0.05.
Ejemplo 19.- Utilizar el mtodo del P-value para la prueba de hiptesis del problema anterior.
1. H0: m = 500 gr.
H1: m 500 gr.
(a) Aceptar H0 si el P-value a
(b) Rechazar H0 si el P-value < a
X - m 0 492 - 500
= 1.60
=
s n
20 16
P-value = P(|Z| > |Z0|) = P (Z < 1.6) + P (Z > +1.6) = 0.055 + 0.055 =
P-value = 0.110
5. Muestra aleatoria: n = 16, X = 492 gr. y s 2 = 400
Z0 =
6. P-value = 0.110 > a = 0.05 \ se acepta H0 con un nivel de significacin de 0.05.

7. CONCLUSIN: No existe evidencia estadstica para detener la produccin con el propsito
de regular la mquina, con un nivel de significacin de 0.05.
16
Ejemplo 20.- Se sabe que la vida til de una marca determinada de tubos de luz ultravioleta
tiene distribucin normal con desviacin estndar s = 500 horas. El fabricante asegura que la
vida til promedio de los tubos es de cuando menos nueve mil horas. Probar est afirmacin
con un nivel de significacin del 5% considerndola como hiptesis nula, y suponiendo que la
vida til promedio para una muestra de n = 35 tubos fue de X = 8800 horas.
1. H0: m 9000 horas
H1: m < 9000 horas
4. Para el nivel de significacin a = 0.05 y una prueba de cola izquierda, la regla de decisin es:
(a) Aceptar H0 si Z0 > 1.645
(Z0 > Z a = 1.645)
(b) Rechazar H0 si Z0 < 1.645
(Z0 < Z a = 1.645)
5. Muestra aleatoria: n = 35, X = 8800 horas y s = 500 horas
Z0 =
X - m 0 8800 - 9000
= 2.366
=
s n
500 35
6. Z0 = 2.366 < 1.645 Cae en la regin de rechazo, por tanto se rechaza H0 y se acepta
H1 con un nivel de significacin de 0.05.
7. CONCLUSIN: Se puede concluir que la vida til promedio de los tubos de luz ultravioleta
es menor que 9000 horas, con un nivel de significacin de 0.05.
Ejemplo 21.- Emplear el procedimiento del P-value para la prueba de hiptesis del problema
anterior.
1. H0: m 9000 horas
H1: m < 9000 horas
4. Para el nivel de significacin a = 0.05 y una prueba de cola izquierda, la regla de decisin es:
5. Muestra aleatoria: n = 35, X = 8800 horas y s = 500 horas
Z0 =
X - m 0 8800 - 9000
= 2.366
=
500 35
s n
P-value = P(Z < Z0) = P (Z < 2.366) = 0.009

6. P-value = 0.009 < a = 0.05 \se rechaza H0 y se acepta H1 con un nivel de significacin
de 0.05.
7. CONCLUSIN: Existe evidencia estadstica para concluir que la vida til promedio de los
tubos de luz ultravioleta es menor que 9000 horas, con un nivel de significacin de 0.05.
17
Ejemplo 22.- Se desea probar la afirmacin de un fabricante de pinturas segn la cual el tiempo
promedio de secado de su nueva pintura de secado rpido es de 20 minutos. As pues, se
pintan 36 tableros con el contenido de 36 diferentes latas de 1 galn de pintura obtenindose un
tiempo promedio de secado de 20.75 minutos. Por experiencia se sabe que la desviacin
estndar de tales tiempos de secado es s = 2.4 minutos. Con un nivel de significacin de 0.05,
indica esto que m > 20 minutos?
1. H0: m = 20 minutos
H1: m > 20 minutos
4. Para el nivel de significacin a = 0.05 y una prueba de cola derecha, la regla de decisin es:
(a) Aceptar H0 si Z0 < +1.645
(Z0 < Z 1-a = +1.645)
(b) Rechazar H0 si Z0 > +1.645
(Z0 > Z 1-a = +1.645)
5. Muestra aleatoria: n = 36, X = 20.75 minutos y s = 2.4 minutos
Z0 =
X - m 0 20.75 - 20
= +1.875
=
s n
2.4 36
6. Z0 = +1.875 > +1.645 Cae en la regin de rechazo, por tanto se rechaza H0 y se acepta
7. CONCLUSIN: Hay evidencia estadstica para afirmar que el tiempo promedio de secado de
la nueva pintura de secado rpido es mayor que 20 minutos, con un nivel de
significacin de 0.05.
Ejemplo 23.- Aplicar el procedimiento del P-value para la prueba de hiptesis del problema
anterior.
1. H0: m = 20 minutos
H1: m > 20 minutos
4. Para el nivel de significacin a = 0.05 y una prueba de cola derecha, la regla de decisin es:
5. Muestra aleatoria: n = 36, X = 20.75 minutos y s = 2.4 minutos
Z0 =
X - m 0 20.75 - 20
= +1.875
=
s n
2.4 36
P-value = P(Z > Z0) = P (Z > +1.875) = 0.030

6. P-value = 0.030 < a = 0.05 Cae en la regin de rechazo, por tanto se rechaza H0 y se
acepta H1 con un nivel de significacin de 0.05.
7. CONCLUSIN: Hay evidencia estadstica para afirmar que el tiempo promedio de secado de
la nueva pintura de secado rpido es mayor que 20 minutos, con un nivel de significacin
de 0.05.
18
PRUEBA DE HIPTESIS PARA m
CUANDO LA VARIANCIA s
ES DESCONOCIDA:
Ejemplo 24.- Una mquina de bebidas operada con monedas fue diseada para servir en
promedio, 8 onzas de bebida por vaso; despus de un largo periodo de uso se sospecha que
est expendiendo en promedio, menos de 8 onzas por vaso, y se deben probar las hiptesis
estadsticas siguientes:
1. Ho: m = 8 onzas
H1: m < 8 onzas
3. Se elige la distribucin muestral de medias y como estadstico de prueba t0
4. Para el nivel de significacin a = 0.05 y con una prueba de cola izquierda, la regla de
decisin es:
(a) Aceptar H0 si t0 > -1.699
(t0 > ta ,k = t 0.05 ,29 = -1.699)
(b) Rechazar H0 si t0 < -1.699
(t0 < ta ,k = t 0.05 ,29 = -1.699)
5. Luego se obtiene una muestra aleatoria de 30 vasos con X = 7.6 onzas y s = 0.75 y se calcula:
t0 =
X - m0
7.6 - 8
=
= -2.9212
s n
0.75 30
6. t0 = -2.9212 < -1.699 Cae en la zona de rechazo, por tanto se rechaza H0 y se acepta
H1 con un nivel de significacin de 0.05
7. CONCLUSIN: Existe evidencia estadstica para afirmar que la mquina est expendiendo
en promedio menos de 8 onzas, con un nivel de significacin de 0.05.
Ejemplo 25.- Se supone que una tableta para bajar la temperatura contiene 10 gramos de
aspirina. Una muestra aleatoria de 100 tabletas produjo una media de 10.2 gramos y una
desviacin estndar de 1.4 Podemos concluir que m es diferente de 10 gramos con un nivel de
significacin de 0.05?
1. Ho: m = 10 gramos
H1: m 10 gramos
3. Distribucin muestral de medias y estadstico de prueba t0
4. Para el nivel de significacin a = 0.05 y con una prueba de dos colas, la regla de decisin es:
(a) Aceptar H0 si 1.984 < t0 < +1.984
(|t0| < t 1-a 2 ,k = t 0.975 ,99 = 1.984)
(b) Rechazar H0 si t0 < 1.984 o t0 > +1.984 (|t0| > t 1-a
2 ,k = t 0.975 ,99 =1.984)
5. Muestra aleatoria: n = 100, X = 10.2 gramos y s = 1.4

X - m 0 10.2 - 10
=
= +1.4286
t0 =
s n
1.4 100
6. 1.984 < t0 = +1.4286 < +1.984 Cae en la regin de aceptacin, por tanto se acepta H0
con un nivel de significacin de 0.05.
7. CONCLUSIN: No existe evidencia estadstica para concluir que el contenido promedio de
aspirina por tableta es diferente de 10 gramos, con un nivel de significacin de 5%.
19
Ejemplo 26.- Una empresa de camiones de carga sospecha que la duracin promedio de 40,000
km que se adjudica a ciertos neumticos es demasiado larga. Para demostrar la afirmacin, la
empresa coloca una muestra tomada al azar de 40 de estos neumticos en sus camiones y
descubre despus que su duracin media es de 39,074 km y la desviacin estndar es de 2158
km. Qu puede concluir con un nivel de significacin de 0.01, si prueba la hiptesis nula m =
40,000 km contra la hiptesis alternativa m < 40,000 km?
1. Ho: m = 40,000 km
H1: m < 40,000 km
4. Para el nivel de significacin a = 0.01 y con una prueba de cola izquierda, la regla de
decisin es:
5. Muestra aleatoria: n = 40, X = 39,074 y s = 2,158 km
t0 =
X - m 0 39 ,074 - 40 ,000
=
= 2.714
s n
2 ,158 40
P-value = P(t < t0) = P (t < 2.714) = 0.005

6. P-value = 0.005 < a = 0.01 Cae en la zona de rechazo, por tanto se rechaza H0 y se
7. CONCLUSIN: La compaa de camiones de carga puede concluir que la duracin promedio
de los neumticos no es tan larga como se afirma, con un nivel de significacin de 0.01.
Ejemplo 27.- Se sabe que los voltajes de una marca de pilas tamao C se distribuyen
normalmente, se prob una muestra aleatoria de 15 pilas y se encontr que X = 1.4 voltios y s =
0.21 voltios. Con un nivel de significacin de 0.01, indica esto que m < 1.5 voltios?
1. Ho: m = 1.5 voltios
H1: m < 1.5 voltios
4. Para el nivel de significacin a = 0.01, con una prueba de cola izquierda y k = 15 1 = 14 gl,
la regla de decisin es:
(a) Aceptar H0 si t0 > 2.624
(t0 > ta ,k = t0.01,14 = 2.624)
(b) Rechazar H0 si t0 < 2.624
(t0 < ta ,k = t 0.01,14 = 2.624)
5. Muestra aleatoria: n = 15, X = 1.4 voltios y s = 0.21 voltios.
t0 =
X - m 0 1.4 - 1.5
=
= 1.844
s n
0.21 15
6. t0 = 1.844 > tc = 2.624 Cae en la regin de aceptacin, por tanto se acepta H0 con un
nivel de significacin de 0.01.
7. CONCLUSIN: No hay evidencia estadstica que apoye m < 1.5 voltios, con un nivel de
significacin de 0.01.
20
Ejemplo 28.- Cuando funciona correctamente, un proceso produce frascos de champ cuyo
contenido pesa en promedio 200 gramos. Una muestra aleatoria de 9 frascos de una remesa
presento los siguientes pesos: 214, 197, 206, 197, 208, 201, 197, 203 y 209 gramos.
Asumiendo que la distribucin de los pesos es normal, al nivel de significacin de 5%, hay
razones para creer que el proceso est funcionando incorrectamente?
1. Ho: m = 200 gramos
H1: m 200 gramos
4. Para a = 0.05, prueba de dos colas y k = 9 1 = 8 gl, la regla de decisin es:
5. Muestra aleatoria Minitab arroj lo siguiente:
T-Test of the Mean
Test of m = 200 vs 200
Variable
n
Mean
StDev
champu
9
203.56
6.13
SE Mean
2.04
T
1.74
P
0.120
6. P-value = 0.120 > a = 0.05 Cae en la zona de aceptacin, por tanto se acepta H0 con un
nivel de significacin de 0.05
7. CONCLUSIN: No hay razones para creer que el proceso est funcionando incorrectamente,
5.7. Prueba de hiptesis para p
Ejemplo 29.- Una compaa est evaluando la promocin de sus empleados, es decir est
precisando la proporcin de aquellos cuyas capacidades, capacitacin y experiencia de supervisin
los califica para promocionarlos al siguiente nivel administrativo. El gerente de recursos humanos le
dice al presidente que aproximadamente 80% de los empleados de la compaa son
promocionables. El presidente rene un comit especial, para evaluar la capacidad de promocin
de todos los empleados. Este comit entrevista a fondo a 150 empleados y encuentra que, a su
juicio, solo 70% de la muestra est calificada para su promocin. El presidente desea probar al nivel
de significacin de 0.05 la hiptesis de que 80% de los empleados son promocionables.
1. Ho: p = 0.80
H1: p 0.80
3. Distribucin de la proporcin muestral y estadstico de prueba Z0
4. Para el nivel de significacin a = 0.05 y con una prueba de dos colas, la regla de decisin es:
(|Z0| < Z 1-a 2 = 1.96)
(a) Aceptar H0 si 1.96 < Z0 < +1.96
(b) Rechazar H0 si Z0 < 1.96 o Z0 < +1.96
(|Z0| > Z 1-a 2 = 1.96)

p -p0
0.7 - 0.8
= 3.062
p0(1-p0 )
0.8 0.20
150
n
6. Z0 = 3.062 < 1.96 Cae en la regin de rechazo, por tanto se rechaza H0 y se acepta H1
7. CONCLUSIN: El presidente debe rechazar la hiptesis nula y concluir que existe una
diferencia significativa entre la proporcin 0.80 y la proporcin muestral observada 0.70
de empleados promocionables. De esto, debe inferir que la proporcin real de empleados
promocionables en toda la compaa no es 80%.
5. Muestra aleatoria: n = 150 y p = 0.70. Z 0 =
21
Ejemplo 30.- Se tom una muestra aleatoria de 300 compradores en un centro comercial y se
encontr que 182 estn a favor de un horario ms amplio para las compras. Es esta evidencia
suficiente para concluir que menos del 65% de los compradores est a favor de un horario
ms extenso? Usar a = 0.05 y encontrar el P-value.
1. Ho: p = 0.65
H1: p < 0.65
4. Para el nivel de significacin a = 0.05 y prueba de cola izquierda, la regla de decisin es:
Test and Confidence Interval for One Proportion
Test of p = 0.65 vs p < 0.65
Sample
X
N Sample p 95.0% Upper Bound Z-Value
1
182 300 0.606667
0.653056
-1.57
P-Value
0.058
6. P-value = 0.058 > a = 0.05 Cae en la regin de aceptacin, por tanto se acepta H0 con
7. CONCLUSIN: No existe evidencia suficiente para concluir que menos del 65% de los
compradores est favor de un horario ms extenso, con un nivel de significacin de 0.05.
Ejemplo 31.- Se plantea la hiptesis H0 de que no ms del 5% de las piezas que se fabrican en
un proceso de manufactura tienen defectos. Para una muestra aleatoria de n = 100 piezas, se
encuentra que 10 estn defectuosas. Probar la hiptesis nula al nivel de significacin del 5%.
1. H0: p 0.05
H1: p > 0.05
4. Para el nivel de significacin a = 0.05 y prueba de cola derecha, la regla de decisin es:
Test and Confidence Interval for One Proportion
Test of p = 0.05 vs p > 0.05
Sample X
n Sample p 95.0% Lower Bound Z-Value P-Value
1
10 100 0.100000
0.050654
2.29
0.011
7. CONCLUSIN: Existe evidencia suficiente para rechazar la hiptesis de que la proporcin de
piezas defectuosas en la poblacin es de 0.05 o menor, con un nivel de significacin de 0.05.
22
TAMAO MUESTRAL PTIMO PARA PROBAR LA PROPORCIN: Es posible determinar el

tamao que se requiere para una muestra, para probar el valor hipottico de una proporcin
(antes de extraerla) especificando.
1) El valor hipottico de la proporcin,
2) Un valor alternativo especfico de la proporcin, de manera que la diferencia con respecto
al valor hipottico nulo resulte considerable,
3) El nivel de significacin a que debe utilizarse en la prueba, y
4) La probabilidad b de cometer un error tipo II que se permite.
La frmula para determinar el tamao mnimo de la muestra que se requiere para probar un
valor hipottico de la proporcin es:

PRUEBA DE UNA COLA DE LA PROPORCIN
0 (1 0 ) + 1(1 1 )
=
1 0
Para prueba de dos colas se utilizan la siguiente frmula:

PRUEBA DE DOS COLAS DE LA
PROPORCIN
Za
n=
p 0 ( 1 - p 0 ) + Z b p 1( 1 - p 1 )
p1 -p0
Ejemplo 32.- Para el problema anterior, el jefe de planta estipula que la probabilidad de
detener el proceso para ajustarlo, cuando de hecho no es necesario, debe ser a un nivel de slo
el 1%, mientras que la probabilidad de no detener el proceso cuando la proporcin verdadera
de defectuosos es de 10% puede fijarse en el 5% Qu tamao de muestra debe obtenerse
como mnimo, para satisfacer esos objetivos de prueba?
H0: p 0.05
H1: p > 0.05 Prueba de Hiptesis de una cola (derecha)
- Si p = p0 = 0.05,
a = 0.01
Za = -2.3263
- Si p = p1 = 0.10,
b = 0.05
Zb = -1.6449
2
- 2.3263 0.05 0.95 - 1.6449 0.1 0.9

n=
= 400.38 = 401
0.10 - 0.05
El tamao muestral mnimo para lograr a y b mximas especificadas es n = 401. Se trata de

una muestra un tanto grande para efectos de muestreo industrial, por lo que el jefe de planta
podra reconsiderar los objetivos de la prueba con respecto a a y b .
23
5.8. Prueba de hiptesis para s 2

Ejemplo 33.- Las especificaciones de los soportes de cierto tipo producidos en masa
requieren, entre otras cosas, que la desviacin estndar de sus dimetros exteriores no pasen
de 0.005 cm. Utilizar un nivel de significacin de 0.01 para probar la hiptesis nula s = 0.005
cm contra la hiptesis alternativa s > 0.005 cm, con base en una muestra aleatoria de tamao
n = 12 para la cual s = 0.0077cm.
1. Ho: s = 0.005 cm
H1: s > 0.005 cm
3. Distribucin muestral c2 y estadstico de prueba c 02
4. Para a = 0.01, prueba de cola derecha y k = 12 1 = 11 gl, la regla de decisin es:
(a) Aceptar H0 si c 02 < 24.72
2
2
( c 02 < c 1-a ,k = c 0.99 ,11 = 24.72)
(b) Rechazar H0 si c 02 > 24.72
2
2
( c 02 > c 1-a ,k = c 0.99 ,11 = 24.72)
5. Muestra aleatoria n = 12 y s = 0.0077 cm: c 02 =
( n - 1 )s 2
s 02
( 12 - 1 ) 0.0077 2
= 26.09
0.005 2
6. c 02 = 26.09 > 24.72 Cae en la regin de rechazo, por tanto se rechaza H0 y se acepta
7. CONCLUSIN: Parece que los soportes no cumplen las especificaciones en relacin con la
variabilidad de sus dimetros, con un nivel de significacin de 0.01.
Ejemplo 34.- Un ingeniero cree que la varianza de los tiempos de espera en segundos, de los
mecnicos en el almacn de herramientas, es mayor que 25. Para probarlo, escoge una
muestra aleatoria de 30 operadores situados en el almacn y encuentra que s2 = 41.4
segundos2. Si suponemos que los tiempos de espera se distribuyen normalmente, poner a
prueba la hiptesis nula Ho: s 2 25 usando el nivel de significacin de 0.05.
1. Ho: s 2 25 segundos2
H1: s 2 > 25 segundos2
4. Para el nivel de significacin a = 0.05, con una prueba de cola derecha y k = 30 1 = 29 gl,
(a) Aceptar H0 si c 02 < 42.56
2
2
( c 02 < c 1-a ,k = c 0.95 ,29 = 42.56)
(b) Rechazar H0 si c 02 > 42.56
2
2
( c 02 > c 1-a ,k = c 0.95 ,29 = 42.56)
5. Muestra aleatoria n = 30 y s2 = 41.4 segundos2: c 02 =
( n - 1 )s 2
s 02
( 30 - 1 ) 41.4
= 48.02
25
6. c 02 = 48.02 > 42.56 Cae en la regin de rechazo, por tanto se rechaza H0 y se acepta
7. CONCLUSIN: El ingeniero puede concluir que la varianza de los tiempos de espera es
mayor que 25, con un nivel de significacin de 0.05.
24
Ejemplo 35.- Un fabricante de instrumentos de precisin lanza al mercado un modelo nuevo y

mejor de un altmetro de radar, instrumento que mide la altitud de una aeronave sobre el nivel
del suelo. La desviacin estndar de lecturas de altitud en un modelo anterior era a lo sumo de
s0 = 5 pies. Realizar una prueba de hiptesis con un nivel de significacin del 5%, en relacin a
lo dicho por un piloto de que la variabilidad de la lectura en el nuevo modelo, en realidad, es
mayor que en el modelo anterior. La prueba comprende la obtencin de 20 lecturas de una
altitud conocida sobre el nivel del suelo. Despus de tomar 20 lecturas, un ingeniero encuentra
que tienen una desviacin estndar de s = 3 pies.
1. Ho: s 2 25 pies2
H1: s 2 > 25 pies2
4. Para el nivel de significacin a = 0.05, con una prueba de cola derecha y k = 20 1 = 19 gl,
5. Muestra aleatoria n = 20 y s = 3 pies
c 02
( n - 1 )s 2
s 02
( 20 - 1 ) 3 2
=
= 6.84
52
P-value = P(c2 > c 02 ) = P (c2 > 6.84) = 1 0.005 = 0.995

7. CONCLUSIN: El ingeniero puede concluir que el nuevo modelo es igual o mejor que el
anterior, como dice el fabricante, con un nivel de significacin de 0.05.
5.9. Prueba de hiptesis para la razn de dos varianzas s 12 s 22
Para comparar varianzas poblacionales necesitamos usar el cociente, en lugar de la diferencia
entre dichas varianzas; si ese cociente es igual a 1, entonces podemos decir que las varianzas
son iguales, si el cociente de las varianzas poblacionales no es igual a 1, entonces estas no son
iguales. Esto es,
s 12
=1
s 22
es equivalente a
s 12 = s 22
Si s 12 = s 22 , esperaremos que el valor del estadstico F0 sea cercano a 1 la diferencia con 1

puede atribuirse al error muestral. Mientras ms lejos est el valor de F0, menos probable es
que pertenezca a una distribucin F particular.
Ejemplo 36.- Se usan dos procesos diferentes para producir resistencias de 100 ohms con una
tolerancia del 1% (la verdadera resistencia est entre 99 y 101 ohms). Se elige una muestra
aleatoria de cada uno. Suponer que la distribucin de los valores de las resistencias para cada
proceso, se distribuyen normalmente. Si n1 = 21, s12 = 39 ; n2 = 31 y s22 = 33 , hacer una
prueba con a = 0.05 para precisar si la varianza de las resistencias fabricadas con el proceso 1
es mayor que la de las producidas en el proceso 2.
25
1. Ho: s 12 = s 22 ( s 12 s 22 = 1)
H1: s 12 > s 22 ( s 12 s 22 > 1)
3. Distribucin muestral F y estadstico de prueba F0
4. Para a = 0.05, prueba de cola derecha, v1 = 21 1 = 20 gl y v2 = 31 1 = 30 gl, la regla
de decisin es:
(a) Aceptar H0 si F0 < 1.932
(F0 < F1-a ,v1 ,v2 = 1.932)
(b) Rechazar H0 si F0 > 1.932
(F0 > F1-a ,v1 ,v2 = 1.932)
s12 39
F0 = 2 =
= 1.182
s 2 33
6. F0 = 1.182 < 1.932 Cae en la regin de aceptacin, por tanto se acepta H0 con un nivel
de significacin de 0.05.
7. CONCLUSIN: El valor de F0 difiere de 1 en 0.182. Concluimos que esta diferencia puede
explicarse por el error muestral ya que no tenemos evidencia estadstica que indique que la
varianza del proceso 1 sea mayor que la del proceso 2, con un nivel de significacin de 5%.
5. Muestras aleatorias: n1 = 21, s12 = 39 , n2 = 31 y s22 = 33
Ejemplo 37.- Un criterio para la evaluacin de anestsicos orales de uso en odontologa es la

variabilidad de la cantidad de tiempo entre la inyeccin y la prdida completa de sensibilidad en el
paciente, esto se conoce como tiempo de retraso del efecto. Un laboratorio farmacutico ha
desarrollado dos nuevos anestsicos orales, que sern comercializados con los nombres de
Oralcaine y Novasthetic. A partir de similitudes en la estructura qumica de los dos compuestos,
se ha predicho que deberan mostrar la misma varianza en el tiempo de retraso del efecto. En la
siguiente tabla se presenta los datos de pruebas sobre los dos compuestos.
ANESTSICO
Oralcaine
Novasthetic
n
31
41
s
36
28
La compaa desea probar con un nivel de significacin del 2% si los dos anestsicos orales
tienen la misma desviacin estndar en el tiempo de retraso del efecto.
1. Ho: s 12 = s 22 ( s 12 s 22 = 1)
H1: s 12 s 22 ( s 12 s 22 1)
4. Para a = 0.02, prueba de dos colas, v1 = 31 1 = 30 gl y v2 = 41 1 = 40 gl, la regla de
decisin es:
(a) Aceptar H0 si 0.4349 < F0 < 2.203
( Fa 2 ,v1 ,v2 < F0 < F1-a 2 ,v1 ,v2 )
(b) Rechazar H0 si F0 < 0.4349 o F0 > 2.203
(F0 < Fa 2,v1 ,v2 o F0 > F1-a 2,v1 ,v2 )
s12 36 2
=
= 1.653
s 22 28 2
6. 0.4349 < F0 = 1.653 < 2.203 Cae en la regin de aceptacin, por tanto se acepta H0 con
7. CONCLUSIN: La diferencia observada en las desviaciones muestrales de los tiempos de
retraso del efecto para los dos anestsicos no es estadsticamente significativa., con un
nivel de significacin de 2%.
5. Muestras aleatorias: n1 = 31, s12 = 36 2 , n2 = 41 y s22 = 28 2 F0 =
26
5.10. Prueba de hiptesis para m1 m2

MUESTRAS INDEPENDIENTES CON VARIANCIAS CONOCIDAS s 12 Y s 22 :
Se puede usar la prueba de hiptesis para comparar m1 con m2; la lgica y el procedimiento de
la prueba son idnticos a los presentados anteriormente.
Se toman dos muestras de datos y el valor estadstico de prueba Z0 se localiza en la
distribucin muestral de X 1 - X 2 bajo la suposicin de que H0 es verdadera. Si el valor del
estadstico de prueba cae en el rea de la(s) cola(s) determinada(s) por a, entonces se
concluye que su valor difiere del poblacional supuesto y se rechaza H0 a favor de H1. Y si el
valor del estadstico cae cerca del centro de su distribucin muestral, entonces no hay
evidencia que sugiera que H0 no es verdadera.
Cuando se pone a prueba H0: m1m2 = 0, el estadstico de prueba Z0 se calcula con la
siguientes frmula:
X1 -X2
Z0 =
s 12
n1
s 22
n2
Ejemplo 38.- La gerente de planta de una fbrica envasadora de jugo de naranja est
interesada en comparar el rendimiento de dos diferentes lneas de produccin. Como la lnea
nmero 1 es relativamente nueva, sospecha que el nmero de latas que se producen al da es
mayor que el correspondiente a la antigua lnea 2. Se toman datos al azar durante 10 das para
cada lnea, encontrndose que X 1 = 824.9 latas por da y X 2 = 818.6 latas por da. De la
experiencia con la operacin de este tipo de equipo se sabe que s 12 = 40 y s 22 = 50. Qu
puede concluir la gerente de planta, con a = 0.05?
1. Ho: m1 = m2
H1: m1 > m2
(m1m2 = 0)
(m1m2 > 0)

3. Distribucin muestral de X 1 - X 2 y estadstico de prueba Z0
4. Para a = 0.05 y prueba de cola derecha, la regla de decisin es:
(b) Aceptar H0 si Z0 < +1.645
(Z0 < Z 1-a = +1.645)
(c) Rechazar H0 si Z0 > +1.645
(Z0 > Z 1-a = +1.645)
5. Muestras aleatorias: n1 = 10, X 1 = 824.9, s 12 = 40, n2 = 10, X 2 = 818.6, s 22 = 50
Z0 =
X1 - X2
s 12
n1
s 22
n2
824.9 - 818.6
= 2.1
40 50
+
10 10
6. Z0 = 2.1 > +1.645 Cae en la regin de rechazo, por tanto se rechaza H0 y se acepta H1
7. CONCLUSIN: La gerente de planta puede concluir que el nmero medio de latas
producidas diariamente por la nueva lnea de produccin es mayor que el nmero medio
de latas producidas por la antigua lnea, con un nivel de significacin de 5%.
27
Ejemplo 39.- En un estudio de una tienda de departamentos diseado para probar si el saldo
promedio en las cuentas a 30 das es el mismo en sus dos sucursales suburbanas, muestras
tomadas al azar arrojaron los siguientes resultados:
n1 = 80
n2 = 100
X 1 = $64.20
X 2 = $71.41
donde los subndices representan las sucursales 1 y 2. Adems, se conoce que s 1 = $16.00 y
s 2 = $22.13. Usar el nivel de significacin 0.05 para demostrar la hiptesis nula m1m2 = 0
contra la hiptesis alternativa m1-m2 0, donde m1 y m2 son los saldos medios reales
observados en todas las cuentas a 30 das de las sucursales 1 y 2.
1. Ho: m1 = m2
H1: m1 m2
(m1m2 = 0)
(m1m2 0)

3. Distribucin muestral de X 1 - X 2 y estadstico de prueba Z0
4. Para a = 0.05 y prueba de dos colas, la regla de decisin es:
(c) Aceptar H0 si 1.96 < Z0 < +1.96
(|Z0| < Z 1-a 2 = 1.96)
(d) Rechazar H0 si Z0 < 1.96 o Z0 < +1.96
(|Z0| > Z 1-a 2 = 1.96)
5. Muestras aleatorias: n1= 80, X 1 = $64.20, s1= $16.00, n2= 100, X 2 = $71.41, s2 = $22.13
Z0 =
X1 -X2
s 12
n1
s 22
n2
64.20 - 71.41
16 2 22.13 2
+
80
100
= 2.53
6. Z0 = 2.53 < 1.96 Cae en la regin de rechazo, por tanto se rechaza H0 y se acepta H1
7. CONCLUSIN: Se deduce que la diferencia observada de $7.21 entre los saldos promedios
de las dos sucursales es significativa. Esto es, la diferencia es demasiado grande para
atribuirla a la casualidad y se puede concluir que hay una diferencia real entre las dos
medias de las poblaciones, con un nivel de significacin de 0.05
28
MUESTRAS INDEPENDIENTES CON VARIANZAS DESCONOCIDAS s 12 = s 22 :

Ejemplo 40.- Se realiz un experimento para comparar el tiempo promedio requerido por el
cuerpo humano para absorber dos medicamentos, A y B. Suponer que el tiempo necesario
para que cada medicamento alcance un nivel especfico en el torrente sanguneo se distribuye
normalmente. Se eligieron al azar 12 personas para ensayar cada frmaco registrndose el
tiempo en minutos que tard en alcanzar un nivel especfico en la sangre. Los resultados
obtenidos son los que aparecen a continuacin. Determinar con a = 0.05 si m1m 0
MEDICAMENTO A
n1 = 12
X 1 = 26.8
s12 = 15.57
MEDICAMENTO B
n2 = 12
X 2 = 32.6
s 22 = 17.54
Suponer que s 12 = s 22 = s 2
1. Ho: m1 = m2
H1: m1 m2
(m1m2 = 0)
(m1m2 0)

3. Distribucin muestral de X 1 - X 2 y estadstico de prueba t0
4. Para a = 0.05, prueba de dos colas y k = 12 + 12 2 = 22 gl, la regla de decisin es:
(|t0| < t 1-a 2 = 2.074)
(a) Aceptar H0 si 2.074 < t0 < +2.074
(b) Rechazar H0 si t0 < 2.074 o t0 < +2.074
(|t0| > t 1-a 2 = 2.074)
5. Muestras aleatorias: n1 = 12, X 1 = 26.8, s12 = 15.57, n2 = 12, X 2 = 32.6,
t0 =
s 22 = 17.54
X1 -X2
26.8 - 32.6
=
= 3.492
1
1
1
1
+
+
sp
4.0688
n1 n2
12 12
( n1 - 1 )s12 + ( n2 - 1 )s22
( 12 - 1 ) 15.57 + ( 12 - 1 ) 17.54
sp =
=
= 4.0688
n1 + n2 - 2
12 + 12 - 2
6. t0 = 3.492 < 2.074 Cae en la regin de rechazo, por tanto se rechaza H0 y se acepta
7. CONCLUSIN: Por tanto, podemos decir que la media del tiempo para que el medicamento
A llegue a un nivel especfico en el torrente sanguneo es distinta de la que le toma al
frmaco B alcanzar ese mismo nivel, con un nivel de significacin de 0.05
29
MUESTRAS INDEPENDIENTES CON VARIANZAS DESCONOCIDAS s 1 s 2 :

2
Ejemplo 41.- Una empresa de transporte urbano debe decidir cul de dos marcas de
neumticos va a comprar. El deseo de la empresa es adquirir los neumticos GOOD YEAR, a
menos que haya alguna evidencia de que la marca NECSA resulte mejor. Se hace una prueba
de cinco neumticos de cada marca encontrndose los siguientes rendimientos en Km.:
GOOD YEAR
NECSA
2500
2550
2490
2540
2500
2530
2510
2570
2480
2300
Suponiendo que s 12 s 22 Qu decisin debe tomar la empresa con un nivel de significacin

de 0.05?
Las dos muestras son independientes con s 12 y s 22 desconocidas y diferentes.
Descriptive Statistics
Variable
N
Mean
goodyear
5
2496.0
necsa
5
2498.0
1. Ho: m1 = m2
H1: m1 < m2
SE Mean
5.1
49.9
StDev
11.4
111.7
Variance
130.0
12470.0
(m1m2 = 0)
(m1m2 < 0)

4. Para a = 0.05, una prueba de cola izquierda y v = 4 gl, la regla de decisin es:
(a) Aceptar H0 si t0 > 2.132
(t0 > ta 2 = 2.132)
(b) Rechazar H0 si t0 < 2.132
(t0 < ta 2 = 2.132)
5. Muestras aleatorias: n1 = 5, X 1 = 2496, s12 = 11.42, n2 = 5, X 2 = 2498,
t0 =
X1 - X2
s12
n1
s 22
n2
2496 - 2498
11.4 2 111.7 2
+
5
5
s 22 = 111.72
= 0.0398
6. t0 = 0.0398 > 2.132 Cae en la regin aceptacin, por tanto se acepta H0 con un nivel
de significacin de 0.05.
7. CONCLUSIN: No hay evidencia estadstica de que NECSA sea mejor que GOOD YEAR con
nivel de significacin de 0.05, por tanto la empresa de transporte urbano debe comprar los
neumticos GOOD YEAR.
30
Ejemplo 42.- Emplear el mtodo del P-value para la prueba de hiptesis del problema anterior.
1. Ho: m1 = m2
H1: m1 < m2
(m1m2 = 0)
(m1m2 < 0)

4. Para a = 0.05, prueba de cola izquierda y v = 4 gl, la regla de decisin es:
5. Muestras aleatorias Minitab arroj lo siguiente:
Two Sample T-Test and Confidence Interval
Two sample T for 1 vs 2
goodyear
necsa
N
5
5
Mean
2496.0
2498.0
StDev
11.4
112
SE Mean
5.1
50
Difference = mu 1 - mu 2
Estimate for difference: -2.0
95% upper bound for difference: 105.0
T-Test of difference = 0 (vs <):
T-Value = -0.04 P-Value = 0.485 DF = 4
6. P-value = 0.485 > a = 0.05 Cae en la regin aceptacin, por tanto se acepta H0 con un
7. CONCLUSIN: No hay evidencia estadstica de que NECSA sea mejor que GOOD YEAR
con nivel de significacin de 0.05, por tanto la empresa de transporte urbano debe
comprar los neumticos GOOD YEAR.
MUESTRAS INDEPENDIENTES CON VARIANZAS DESCONOCIDAS s 12 = s 22
s 12 s 22 ? :
Ejemplo 43.- Para una muestra aleatoria de n1 = 10 focos, se encuentra que la vida promedio es
X 1 = 4000 horas con s1 = 200 horas. Para otra marca de focos, para los cuales se supone
tambin que tienen una vida til con distribucin normal, una muestra aleatoria de n2 = 8 tiene
una media muestral de X 2 = 4300 horas y una desviacin estndar muestral de s2 = 250 horas.
Probar la hiptesis de que no existe diferencia entre las vidas tiles promedio de las dos marcas
de focos, utilizando un nivel de significacin del 1%.
31
I. PRUEBA DE HIPTESIS: Primero ponemos a prueba el supuesto s 12 = s 22 mediante una

prueba de hiptesis con a = 0.01
1. Ho: s 12 = s 22 ( s 12 s 22 = 1)
H1: s 12 s 22 ( s 12 s 22 1)
4. Para a = 0.01, prueba de dos colas, v1 = 10 1 = 9 gl y v2 = 8 1 = 7 gl, la regla de
decisin es:
(a) Aceptar H0 si 0.1452 < F0 < 8.514
( Fa 2,v1 ,v2 = 0.1452 < F0 < F1-a 2,v1 ,v2 = 8.514)
(b) Rechazar H0 si F0 < 0.1452 o F0 > 8.514
(F0 < Fa 2,v1 ,v2 = 0.1452 o F0 > F1-a 2,v1 ,v2 = 8.514)
s12 200 2
=
= 0.64
s 22 250 2
6. 0.1452 < F0 = 0.64 < 8.514 Cae en la regin de aceptacin, por tanto se acepta H0 con
7. CONCLUSIN: La diferencia observada en las desviaciones muestrales de la vida til de los
focos no es estadsticamente significativa. Entonces es vlido suponer que s 12 = s 22 para
ambas marcas, con a = 0.01.
5. Muestras aleatorias: n1 = 10, s12 = 200 2 , n2 = 8 y s22 = 250 2 F0 =
II. PRUEBA DE HIPTESIS: Ponemos a prueba la hiptesis m1 = m2 mediante una prueba de

hiptesis con a = 0.01
1. Ho: m1 = m2 (m1m2 = 0)
H1: m1 m2 (m1m2 0)
4. Para a = 0.01, prueba de dos colas y k = 10 + 8 2 = 16 gl, la regla de decisin es:
(|t0| < t 1-a 2 = 2.921)
Aceptar H0 si 2.921 < t0 < +2.921
Rechazar H0 si t0 < 2.921 o t0 < +2.921
(|t0| > t 1-a 2 = 2.921)
5. Muestras aleatorias: n1 = 10, X 1 = 4000, s12 = 2002, n2 = 8, X 2 = 4300,
t0 =
sp =
s 22 = 2502
X1 -X2
4000 - 4300
=
= 2.833
1
1
1 1
+
+
sp
223.2571
n1 n2
10 8
( n1 - 1 )s12 + ( n2 - 1 )s22
( 10 - 1 ) 200 2 + ( 8 - 1 ) 250 2
=
= 223.2571
10 + 8 - 2
n1 + n2 - 2
6. 2.921 < t0 = 2.833 < +2.921 Cae en la regin de aceptacin, por tanto se acepta H0
7. CONCLUSIN: Las vidas promedio de las dos marcas de focos son iguales con un nivel de
significacin del 1%.
32
MUESTRAS DEPENDIENTES O PAREADAS:

Ejemplo 44.- Se ha otorgado recursos a las facultades de agronoma de cinco universidades
diferentes para estudiar la produccin potencial de dos nuevas variedades de maz. En cada
universidad se plantan 3 acres de cada variedad. Se recogieron los datos siguientes de la
produccin en fanegas.
Universidad
1
2
3
4
5
Variedad 1
58
61
52
60
71
Variedad 2
60
64
52
65
75
Si se sabe que la poblacin de diferencias d es normal, determinar si hay diferencia entre las
medias de produccin para las dos variedades con a = 0.05
Las dos muestras son dependientes porque las fuentes son las universidades y cada una
produce dos medias.
X1
58
61
52
60
71
Descriptive Statistics
Variable
N
Mean
d
5
-2.800
SE Mean
0.860
X2
60
64
52
65
75
d
-2
-3
0
-5
-4
StDev
1.924
Variance
3.700
1. Ho: md = 0 (m1 = m2) (m1m2 = 0)

H1: md 0 (m1 m2) (m1m2 0)
3. Distribucin muestral de d y estadstico de prueba t0
4. Para a = 0.05, prueba de dos colas y k = 5 1 = 4 gl, la regla de decisin es:
(|t0| < t 1-a 2 = 2.776)
(a) Aceptar H0 si 2.776 < t0 < +2.776
(b) Rechazar H0 si t0 < 2.776 o t0 < +2.776
(|t0| > t 1-a 2 = 2.776)
5. Muestra aleatoria: n = 5, d = 2.8, sd = 1.924 t 0 =
d
sd
- 2.8
= 3.254
1.924 5
6. t0 = 3.254 < 2.776 Cae en la regin de rechazo, por tanto se rechaza H0 y se acepta
7. CONCLUSIN: Las producciones de maz de las dos variedades son distintas con a = 0.05.
33
1. Ho: md = 0 (m1 = m2) (m1m2 = 0)
H1: md 0 (m1 m2) (m1m2 0)
3. Distribucin muestral de d y estadstico de prueba t0
4. Para a = 0.05, prueba de dos colas y k = 5 1 = 4 gl, 4 gl, la regla de decisin es:
Paired T-Test and Confidence Interval
Paired T for X1 - X2
N
Mean
X1
5
60.40
X2
5
63.20
Difference
5
-2.800
StDev
6.88
8.35
1.924
SE Mean
3.08
3.73
0.860
95% CI for mean difference: (-5.188, -0.412)

T-Test of mean difference = 0 (vs not = 0):
T-Value = -3.25 P-Value = 0.031
7. CONCLUSIN: Las producciones de maz de las dos variedades son distintas con a = 0.05.
34
5.11. Prueba de hiptesis para p1 p2

Ejemplo 46.- Un laboratorio farmacutico est probando dos nuevos compuestos para reducir los
niveles de presin sangunea. Los compuestos son aplicados a dos diferentes conjuntos de animales
de laboratorio. En el grupo uno, 71 de 100 animales probados, respondieron al frmaco con
menores niveles de presin arterial. En el grupo dos, 58 de 90 animales probados respondieron al
compuesto 2 con menores niveles de presin sangunea. La compaa desea probar con un nivel de
significacin de 0.05 si existe diferencia entre la eficiencia de las dos medicinas.
1. Ho: p1 = p2 (p1p2 = 0)
H1: p1 p2 (p1p2 0)
3. Distribucin muestral de p1 - p 2 y estadstico de prueba Z0
4. Para a = 0.05 y prueba de dos colas, la regla de decisin es:
(|Z0| < Z 1-a 2 = 1.96)
(a) Aceptar H0 si 1.96 < Z0 < +1.96
(b) Rechazar H0 si Z0 < 1.96 o Z0 < +1.96
5. Muestra aleatoria: n1 = 100, p1 =
Z0 =
58
71
= 0.6444
= 0.71, n2 = 90, p 2 =
90
100
p1 - p2
1 1
p( 1 - p ) +
n1 n2
p=
(|Z0| > Z 1-a 2 = 1.96)
0.71 - 0.6444
1
1
0.6789 0.3211
+
100 90
= 0.97
n1 p1 + n2 p2 100 0.71 + 90 0.6444

=
= 0.6789
n1 + n2
100 + 90
6. 1.96 < Z0 = 0.97 < 1.96 Cae en la regin de aceptacin, por tanto se acepta H0 con un
7. CONCLUSIN: Estos dos nuevos medicamentos producen efectos en la presin sangunea
que no son significativamente diferentes, con a = 0.05.
35
1. Ho: p1 = p2
H1: p1 p2
(p1p2 = 0)
(p1p2 0)

3. Distribucin muestral de p1 - p2 y estadstico de prueba Z0
5. Muestras aleatorias Minitab arroj lo siguiente:
Sample
1
2
Test and Confidence Interval for Two Proportions

X
N Sample p
71
100 0.710000
58
90 0.644444
Estimate for p(1) - p(2): 0.0655556

95% CI for p(1) - p(2): (-0.0674472, 0.198558)
Test for p(1) - p(2) = 0 (vs not = 0): Z = 0.97
P-Value = 0.334
7. CONCLUSIN: Estos dos nuevos medicamentos producen efectos en la presin sangunea
que no son significativamente diferentes, con a = 0.05.
36

Prueba de Hipótesis

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Prueba de Hipótesis

Uploaded by

Copyright:

Available Formats

ESTADISTICA Y PROBABILIDAD II

Carlos Paredes Guzmn

El ingreso mensual medio de los jubilados es de S/. 850.

Carlos Paredes Guzmn

5.3. Procedimiento de la prueba de hiptesis

H0: m = S/. 850

La hiptesis nula es la afirmacin que se formula en base al conocimiento previo, a la

Carlos Paredes Guzmn

El procedimiento de la prueba de hiptesis est construido bajo la condicin de que la

H1: m < S/.850

La hiptesis alternativa es la hiptesis que se formula sobre el mismo parmetro poblacional

2) Especificar el nivel de significacin: El nivel de significacin es la probabilidad de

El propsito de la prueba de hiptesis no es cuestionar el valor calculado del estadstico

Carlos Paredes Guzmn

En la siguiente figura se ilustra cmo interpretar un NIVEL DE SIGNIFICACIN de a100%

En estas dos regiones, si hay una

a = P(Error tipo I) = P(Rechazar H0 / H0 es verdadera)

Carlos Paredes Guzmn

b = P(Error tipo II) = P(Aceptar H0 / H0 es falsa)

En la prctica no se sabe en qu situacin uno se encuentra, por lo que es imposible medir de

Es la probabilidad de rechazar H0 cuando es falsa. Se denota

Potencia de la prueba = 1 b = P(rechazar H0 / H0 es falsa)

Carlos Paredes Guzmn

3) Elegir la distribucin muestral y el estadstico de prueba: Despus de decidir el nivel de

(a) Prueba de Cola Izquierda

(b) Prueba de Cola Derecha

1.- El rea de aceptacin incluye el

1.- El rea de aceptacin incluye

Carlos Paredes Guzmn

(c) Prueba de dos colas

VALOR CRTICO: Nmero que divide la regin de aceptacin y la regin de rechazo. Se

Carlos Paredes Guzmn

Carlos Paredes Guzmn

Ejemplo 7.- La gerencia de personal de LA POSITIVA ha solicitado los servicios de un

Carlos Paredes Guzmn

5.4. Errores tipo I y II

Dado el tamao muestral n, cualquier disminucin en a aumentar b (a medida que la lnea

Carlos Paredes Guzmn

Probabilidad aceptar hiptesis

Valores posibles de la media poblacional

Probabilidad rechazar hiptesis nula falsa

Valores posibles de la media poblacional

Carlos Paredes Guzmn

TAMAO DE LA MUESTRA: Es importante observar que cuando aumenta el tamao de la

Debido a que el valor crtico de la media muestral es el mismo si la hiptesis nula es

TAMAO MUESTRAL PTIMO PARA

Para prueba de dos colas se utilizan la siguiente frmula:

Carlos Paredes Guzmn

b = P( Error tipo II ) = P( X c < 516.45 / m = 520 ) = P( Z < Z b = -0.3551 / m = 520 ) = 0.3613

El tamao muestral necesario para lograr a y b mximas especificadas es n = 37

Carlos Paredes Guzmn

1-b = 0.80 b = 0.20

El representante de la Oficina de Defensa del Consumidor estar de acuerdo con el tamao de la

- Si m = m H1 = $260,000 + 20,000 = $280,000,

- Si m = m H1 = $260,000 - 20,000 = $240,000,

El tamao muestral mnimo para lograr a y b aceptables es igual a 49 cuentas.

Carlos Paredes Guzmn

5.5. P-value (Valor p)

Prueba de cola derecha

Prueba de dos colas

Rechazar H0 si P-value <

Carlos Paredes Guzmn

5.6. Prueba de hiptesis para m

(|Z0| > Z 1-a 2 = 1.96)