UNIDAD 4: PRUEBA DE HIPÓTESIS

INGENIERÍA EN LOGÍSTICA Y TRANSPORTE

Contenido
UNIDAD 4: PRUEBA DE HIPÓTESIS ..................................................................... 1
OBJETIVO............................................................................................................... 2
PROCEDIMINETO PARA LA FORMULACIÓN DE HIPÓTESIS ESTADÍSTICO .... 3
DEFINICIONES: .................................................................................................... 14
ANEXOS ............................................................................................................... 15
PRUEBA DE HIPÓTESIS PARA UNA MEDIA POBLACIONAL, CUANDO SE
CONOCE LA DESVIACIÓN ESTÁNDAR POBLACIONAL. ............................... 16
PRUEBA DE HIPOTESIS PARA UNA MEDIA POBLACIONAL, CON UNA
DESVIACION ESTANDAR POBLACIONAL DESCONOCIDA Y TAMAÑO DE
MUESTRA MENOR A 30 DATOS. .................................................................... 20
PRUEBA DE HIPOTESIS PARA LA DIFERENCIA DE MEIDAS. ......................... 23
PRUEBA DE HIPOTESIS PROPORCIONAL ........................................................ 29
PRUEBAS DE HIPÓTESIS PARA LA DIFERENCIA DE PROPORCIONES ........ 40
OBJETIVO.

El propósito de la prueba de hipótesis es determinar si el valor supuesto (hipotético

de un parámetro poblacional), como la media de la población, debe aceptarse como
verosímil con base en evidencias maestrales. Si el valor observado de una
estadística muestral, como la media muestral, el valor de la media poblacional.

COMPETENCIAS:
Construir e interpretar modelos matemáticos mediante la aplicación de
procedimientos para la comprensión y análisis de situaciones reales, hipotéticas o
formales. Explicando e interpretando los resultados obtenidos mediante
procedimientos matemáticos. Además de la elección del enfoque determinista o
aleatorio de un fenómeno y argumentar su pertinencia.

EJEMPLO.
Una muestra aleatoria de 100 paquetes mostro un peso promedio de 71.8 gr, con
una desviación estándar de 8.9 gr. Pruebe con un nivel de significancia de 0.05, que
el peso promedio de todos los paquetes (población) es mayor a 70 gr.
Ho= µ=70.
Ha= µ˃70.
Nivel de significancia 0.05.
Estadístico de prueba
Estadístico de prueba

𝑋−𝑀
Z= 𝜎

Región del rechazo.

Zᾳ=Z 0.05=1.645
Rechazar Ho en favor de H1, si Z˃1.645
Valor del estadístico.
𝑋−µ0 71.8−70
Z= 𝜎/√𝑛 = 8.9 = 2.02
√100

Decisión.
Debido a que 2.02˃1.645, se rechaza Ho y se concluye, con una significancia de
5%, que el promedio de la población es mayor a 70 gr.

PROCEDIMINETO PARA LA FORMULACIÓN DE HIPÓTESIS ESTADÍSTICO

Prueba de una hipótesis estadística Para ilustrar los conceptos que se utilizan al
probar una hipótesis estadística acerca de una población considere el siguiente
ejemplo. Se sabe que, después de un periodo de dos años, cierto tipo de vacuna
contra un virus que produce resfriado ya sólo es 25% eficaz. Suponga que se eligen
20 personas al azar y se les aplica una vacuna nueva, un poco más costosa, para
determinar si protege contra el mismo virus durante un periodo más largo. (En un
estudio real de este tipo el número de participantes que reciben la nueva vacuna
podría ascender a varios miles. Aquí la muestra es de 20 sólo porque lo único que
se busca es demostrar los pasos básicos para realizar una prueba estadística). Si
más de 8 individuos de los que reciben la nueva vacuna superan el lapso de 2 años
sin contraer el virus, la nueva vacuna se considerará superior a la que se usa en la
actualidad. El requisito de que el número exceda a 8 es algo arbitrario, aunque
parece razonable, ya que representa una mejoría modesta sobre las 5 personas
que se esperaría recibieran protección si fueran inoculadas con la vacuna que
actualmente está en uso. En esencia probamos la hipótesis nula de que la nueva
vacuna es igual de eficaz después de un periodo de 2 años que la que se utiliza en
la actualidad. La hipótesis alternativa es que la nueva vacuna es mejor, y esto
equivale a poner a prueba la hipótesis de que el parámetro binomial para la

Probabilidad de un éxito en un ensayo dado es p = ¼, contra la alternativa de que

p > ¼.

Esto por lo general se escribe como se indica a continuación:

H0: p =0.25,

H1: p > 0.25.

El estadístico de prueba en el cual se basa nuestra decisión es X, el número de
individuos en nuestro grupo de prueba que reciben protección de la nueva vacuna
durante un periodo de al menos 2 años. Los valores posibles de X, de 0 a 20, se
dividen en dos grupos: los números menores o iguales que 8 y aquellos mayores
que 8. Todos los posibles valores mayores que 8 constituyen la región crítica. El
último número que observamos al pasar a la región crítica se llama valor crítico. En
nuestro ejemplo el valor crítico es el número 8. Por lo tanto, si x > 8, rechazamos
H0 a favor de la hipótesis alternativa H1. Si x ≤ 8, no rechazamos H0

La probabilidad de un error tipo 1

El procedimiento de toma de decisiones recién descrito podría conducir a cualquiera

de dos conclusiones erróneas. Por ejemplo, es probable que la nueva vacuna no
sea mejor que la que se usa en la actualidad (H0 verdadera) y, sin embargo, en este
grupo específico de individuos seleccionados aleatoriamente más de 8 pasan el
periodo de 2 años sin contraer el virus. Si rechazáramos H0 a favor de H1cuando,
de hecho, H0 es verdadera, cometeríamos un error que se conoce como error tipo
I.

Definición 10.2: El rechazo de la hipótesis nula cuando es verdadera se denomina

error tipo I.

Si 8 o menos miembros del grupo superan exitosamente el periodo de 2 años y no

concluimos que la nueva vacuna es mejor cuando en realidad sí lo es (H1
verdadera), cometemos un segundo tipo de error, el de no rechazar la hipótesis H0
cuando en realidad es falsa. A este error se le conoce como error tipo II.

Definición 10.3: No rechazar la hipótesis nula cuando es falsa se denomina error

tipo II. Al probar cualquier hipótesis estadística, hay cuatro situaciones posibles que
determinan si nuestra decisión es correcta o errónea.
La probabilidad de cometer un error tipo I, también llamada nivel de significancia,
se denota con la letra griega α. En nuestro ejemplo un error tipo I ocurriría si más
de 8 individuos inoculados con la nueva vacuna superan el periodo de 2 años sin
contraer el virus y los investigadores concluyen que la nueva vacuna es mejor,
cuando en realidad es igual a la vacuna que se utiliza en la actualidad. Por lo tanto,
si X es el número de individuos que permanecen sin contraer el virus por al menos
dos años,

α = P (error tipo I) = P X > 8 cuando p = 1 4 = 20 x = 9 b x ; 20, 1 4 = 1 − 8 x = 0 b x

; 20, 1 4 = 1 − 0.9591 = 0.0409. Decimos que la hipótesis nula, p = 1/4, se prueba
al nivel de significancia α = 0.0409.

En ocasiones el nivel de significancia se conoce como tamaño de la prueba. Una

región crítica de tamaño 0.0409 es muy pequeña y, por lo tanto, es poco probable
que se cometa un error de tipo I. En consecuencia, sería poco probable que más de
8 individuos permanecieran inmunes a un virus durante 2 años utilizando una
vacuna nueva que en esencia es equivalente a la que actualmente está en el
mercado.

¿Cómo se eligen las hipótesis nula y alternativa?

Con frecuencia la hipótesis nula H0 se plantea usando el signo de igualdad. Con

este método se observa claramente cómo se controla la probabilidad de cometer un
error tipo I. Sin embargo, hay situaciones en que “no rechazar H0” implica que el
parámetro θ podría ser cualquier valor definido por el complemento natural de la
hipótesis alternativa. Por ejemplo, en el caso de la vacuna, donde la hipótesis
alternativa es H1: p > 1/4, es muy posible que el no rechazo de H0 no pueda
descartar un valor de p menor que 1/4. Sin embargo, es evidente que en el caso de
las pruebas de una cola la consideración más importante es el planteamiento de la
alternativa.

Para la toma de decisiones en la prueba de hipótesis 331 La decisión de plantear

una prueba de una cola o una de dos colas depende de la conclusión que se
obtenga si se rechaza H0. La ubicación de la región crítica sólo se puede determinar
después de que se plantea H1. Por ejemplo, al probar una medicina nueva se
establece la hipótesis de que no es mejor que las medicinas similares que
actualmente hay en el mercado y se prueba contra la hipótesis alternativa de que la
medicina nueva es mejor. Esta hipótesis alternativa dará como resultado una prueba
de una sola cola, con la región crítica en la cola derecha. Sin embargo, si deseamos
comparar una nueva técnica de enseñanza con el procedimiento convencional del
salón de clases, la hipótesis alternativa debe permitir que el nuevo método sea
inferior o superior al procedimiento convencional. Por lo tanto, la prueba sería de
dos colas con la región crítica dividida en partes iguales, de manera que caiga en
los extremos de las colas izquierdas y derecha de la distribución de nuestro
estadístico.

Un fabricante de cierta marca de cereal de arroz afirma que el contenido promedio

de grasa saturada no excede a 1.5 gramos por porción. Plantee las hipótesis nula y
alternativa que se utilizarán para probar esta afirmación y establezca en dónde se
lo caliza la región crítica.

Solución: La afirmación del fabricante se rechazará sólo si μ es mayor que 1.5

miligramos y no se rechazará si μ es menor o igual que 1.5 miligramos. Entonces,
probamos H0: μ = 1.5, H1: μ > 1.5. El hecho de no rechazar H0 no descarta valores
menores que 1.5 miligramos. Como tenemos una prueba de una cola, el símbolo
mayor indica que la región crítica reside por completo en la cola derecha de la
distribución de nuestro estadístico de prueba X - .

Un agente de bienes raíces afirma que 60% de todas las viviendas privadas que se
construyen actualmente son casas con tres dormitorios. Para probar esta afirmación
se inspecciona una muestra grande de viviendas nuevas. Se registra la pro porción
de las casas con 3 dormitorios y se utiliza como estadístico de prueba. Plantee las
hipótesis nula y alternativa que se utilizarán en esta prueba y determine la ubicación
de la región crítica.
Solución: Si el estadístico de prueba fuera considerablemente mayor o menor que
p = 0.6, rechazaríamos la afirmación del agente. En consecuencia, deberíamos
plantear las siguientes hipótesis: H0: p = 0.6, H1: p ≠ 0.6. La hipótesis alternativa
implica una prueba de dos colas con la región crítica dividida por igual en ambas
colas de la distribución de P ^, nuestro estadístico de prueba

Ronald E. Walpole Roanoke College Raymond H. Myers Virginia Tech

PROBABILIDAD Y ESTADÍSTICA PARA INGENIERIA Y CIENCIAS. PAG. 321 –
357.

PRUEBA DE HIPOTESIS ESTADISTICA

De acuerdo con el método científico, para aceptar un enunciado es necesario

plantear hipótesis, experimentar y comprobarlas con los resultados del experimento.

Cuando se trata de un experimento aleatorio no es fácil corroborar la hipótesis,

debido a que se presentan diferentes resultados en cada ensayo y, por este motivo,
se hace necesario un procedimiento especial para los fenómenos ale~ torios. Por
ejemplo, si un técnico de la Compañía de Luz asegura que, en promedio, el voltaje
que reciben los usuarios en cierta zona de la ciudad es de 117 volts, resulta
prácticamente imposible verificar con certeza esta afirmación.

La prueba de hipótesis estadística es otra forma de inferencia que se utiliza para

aceptar o rechazar hipótesis sobre un fenómeno aleatorio, planteadas en términos
de un parámetro o una combinación de dos o más parámetros; también se usa para
investigar si una distribución empírica se ajusta a un determinado modelo
probabilístico.

En primer lugar, para realizar una prueba de hipótesis estadística se debe plantear
el enunciado en cuestión, en términos de algún o algunos parámetros poblacionales
como la media, la variancia, etcétera.
Generalmente se habla de dos tipos de hipótesis relaciona das con u a prueba: la
hipótesis nula (Ho) y la4 hipótesis alterna (H 1, H 2).

La hipótesis nula es la que se toma como referencia en la prueba y, por

conveniencia, se plantea como una igualdad de la forma 0 = 0o, donde e 0 es un
valor supuesto del parámetro 0

Las hipótesis alternas son aquéllas que difieren de Hoy pueden tener las siguientes
formas:

0=0

0 mayor a 0

0 menor a 0

Es importante señalar, que aceptar como verdadera una hipótesis alterna equivale
a rechazar la hipótesis nula correspondiente y cuando se acepta Ha, se rechaza
como verdadera H1 (considerando que es la única alternativa). Lo más importante
de una prueba estadística es el diseño de una regla de decisión, la cual señala en
qué casos se debe aceptar o rechazar la hipótesis nula en función de lo que indica
un estadístico, obtenido de una muestra representativa.

HUGO. E BORRAS GARCIA. PROBABILIDAD Y ESTADÍSITICA. Pg

PROCEDIMIENTO PARA LA FORMULACIÓN DE HIPÓTESIS ESTADÍSTICA

PAG. 211

La formulación de cualquier hipótesis debe respetar estándares establecidos por la

epistemología; podemos descubrir una hipótesis a través de:

1) La información respecto a la observación de un fenómeno están clara que

conduce fácilmente una hipótesis
2) El científico tiene un seria de convicciones o prejuicios fisiológicos
Algunas características para la formulación de hipótesis

1.- No debe contener palabras ambiguas o no definidas

2.- Los términos generales o abstractos deben ser operacionalizables. Esto es,
tendrá referentes o correspondencias empíricas (hechos, objetos, fenómenos
reales)

3.- Los términos abstractos, que no tienen referente emperico, no son considerados

4.- Los términos valorativos no se consideran por no comprobarse objetivamente

5.- Cuando sea posible, debe formularse en términos cuantitativos.

6.- La forma sintética debe ser la de una proposición simple. En ningún caso puede
tener la forma de interrogante, prescripción o deseo.

7.- La hipótesis casual o estadística debe considerarse solo dos variables

8.- Debe excluir tautologías. Esto es, repetición de una palabra o si equivalente en
una frase

9. Deberá evitar el uso de disyunciones; las que aparecen en proposiciones

compuestas del tipo p o q, donde p y q son proposiciones simples cualesquiera.

10.- Deberá estar basada en el conocimiento científico ya comprobado y tomarlo

como punto de partida. Esto es considerado, marco teórico

FIDEL EDUARDO Y LOCKUAN LAVADO. ESTADÍSTICA PARA INGENIERIA. PG:

342.
PROCEDIMIENTO PARA LA FORMULACIÓN DE HIPÓTESIS ESTADÍSTICA

PASO 1.- PLANTEAMIENTO DE HIPOTESIS.

- Ho: Hipótesis Nula: Una afirmación o enunciado tentativo que se realiza acerca del
valor de un parámetro poblacional. Por lo común en una afirmación de que el
parámetro de población tiene valor especifico.

- H1: Hipótesis Alternativo: Una afirmación o enunciado que se aceptara si los datos
muéstrales proporcionan amplia evidencia de que la hipótesis nula es falsa

PASO 2.- NIVELES DE SIGNIFICACION.

El riesgo que se ahumé acerca e rechazar la hipótesis nula cuando en realidad

deben asemejarse por ser verdadera. El nivel de significación se denota mediante
la letra griega sigma. No hay un nivel de significación que se aplique a todos los
estudios que implican muestreo. Deben tomarse una decisión de usar el nivel 0.05,
el nivel 0.01, el 0.10 o cualquier otro nivel entre 0 y 1 Tradicionalmente se relaciona
el nivel 0.05 para proyectos de investigación sobre consumo, el 0.01 para control de
calidad y el 0.10 para encuesta políticas. Como investigador debe decidir el nivel de
significación antes de formular una regla de decisión y recopilar datos muéstrales.

PASO 3.- ESTADISTICO DE PRUEBA

Un valor, determinado a partir de la información muestral, que se utiliza para aceptar

o rechazar la hipótesis nula

PASO 4.- REGLA DE DECISION

Es una regla simple la cual es una afirmación de las condiciones bajo las que se
acepta la hipótesis nula.

PASO 5.- TOMA DE DECISION Es la toma de decisión si se debe aceptar o

rechazar la hipótesis nula

ELEMENTOS DE PROBABILIDAD. ISC. CLAUDIA GARCIA PEREZ.

PG: 432

PROCEDIMIENTO PARA LA FORMULACIÓN DE HIPÓTESIS ESTADÍSTICA

Es un procedimiento estadístico que permite aceptar o rechazar una afirmación

hecha con respecto a un fenómeno o suceso.

El procedimiento consta de seis (6) pasos

1.- Hipótesis estadística

Se les denomina así a los supuestos (hipótesis) realizados con respecto a un

parámetro o estadístico (media, proporción, entre otros).

En este paso se definen dos tipos de hipótesis:

 Ho: Hipótesis nula

 H1: Hipótesis alterna

2.-Nivel de significancia

Se le conoce así al error máximo adoptado al momento de rechazar la hipótesis nula

(Ho) cuando es verdadera.
Dependiendo del tipo de significación que se da al estudio, hay tres grados:

 α = 0.01 → Muy significativo

 α = 0.05 → Significativo
 α = 0.10 → Poco significativo

3.- Región de aceptación o rechazo

Cuando H1: ≠

Cuando H 1: <

CUANDO H 1: >

4.- Valor de la distribución “z” y “t”

En este paso se procede a ubicar el intervalo de confianza para su próxima

colocación en el gráfico de "aceptación y rechazo".

Hay dos formas de encontrar dicho valor: mediante la tabla " Z " o la tabla " t ".
Para definir cuál es la tabla en la que se buscará la información, se debe de
considerar el número de datos con los que se cuenta.

 Si la cantidad de datos sobrepasa o es igual a 30, se usará la tabla " Z "

 Si la cantidad de datos son menores a 30, se usará la tabla " t ".

5.- Determinar el intervalo de confianza

El intervalo de confianza es el punto que separa a la Región de Aceptación y

Rechazo.

Una variable

Tabla Z

Para hallar el intervalo en esta tabla se sigue la siguiente fórmula:

Donde:

α = Nivel de significancia

Tabla t

Para hallar el intervalo en la tabla t-student se sigue la siguiente fórmula:

Para cuando H1 es " < " o " > "

𝛼
𝑡 = (𝐧 − 𝟏), ( 𝟏 − )
1

Donde:

α = Nivel de significancia
n = Cantidad de datos

Para cuando H1 es " ≠

𝛼
𝑡 = (𝐧 − 𝟏), ( 𝟏 − )
2
Donde:

α = Nivel de significancia
n = Cantidad de datos

Tabla Z

Para hallar el intervalo en esta tabla se sigue la siguiente fórmula:

Para usar esta fórmula, tanto n1 y n2 tienen que tener un valor mayor o igual a
30 n1 ≥ 30
n2 ≥ 30

𝑍=𝛂

Donde:

α= nivel de significancia

6.- Tomar una decisión. (De acuerdo a los resultados obtenidos)

METODOLOGÍA DE LA INVESTIGACIÓN. DR CRISTIAN RUSU. PAG. 327.

DEFINICIONES:

Una hipótesis puede definirse como una solución provisional (tentativa) para un
problema dado. El nivel de verdad que se le asigne a la hipótesis dependerá de la
medida en que los datos empíricos recogidos poyen lo afirmado en la hipótesis. Esto
es lo que se conoce como contrastación empírica de la hipótesis o bien proceso de
validación de la hipótesis. Este proceso puede realizarse de uno o dos modos:
mediante confirmación (para la hipótesis universal) o mediante la verificación (para
las hipótesis existenciales). (Humberto Salinas Solano Estadística Inferencial).

Procedimiento basado en la evidencia muestral y en la teoría de probabilidades, que

se emplea ´para determinar si la hipótesis es un enunciado razonable y no debe
rechazarse, o no tiene sustento y debe rechazarse. (Juan Narro Lavi profesor de
estadística para la Administración).

Esta técnica es muy utilizada como apoyo a la investigación científica. Consiste en

suponer algún valor para el parámetro de interés y usar los datos de la muestra para
aceptar o rechazar esta afirmación. (Luis Rodríguez Ojeda).

Esta prueba es hacer una suposición tentativa acerca del parámetro poblacional. A
esta suposición tentativa se le llama Hipótesis Nula y se le denota por Ho. Después
se define otra hipótesis, llamada Hipótesis Alternativa, que dice lo contrario que
establece la hipótesis nula, se le denomina Ha. Se usan datos de una muestra para
probar dos afirmaciones contrarias indicadas por Ho y Ha. (Anderson, David R,
Dennis J, Sweeney y Thomas A Williams).

Es realizar algunas inferencias o supuestos con sentido acerca de la población. En

ella entra la Hipótesis Nula (implica nada, nulo) y la Hipótesis Alternativa, con base
a los datos muestrales se sabrá si la hipótesis nula es rechazada o no rechazada,
aunque no se puede aceptar la hipótesis como verdadera. (Allen L. Webster).

ANEXOS

Hipótesis: es una afirmación relativa a un parámetro de la población sujeta a

verificación.
Prueba de Hipótesis: es el procedimiento basado en la muestra y la teoría de
probabilidad, para determinar si la hipótesis es una afirmación razonable.
Hipótesis Nula: enunciado relativo al valor de un parámetro poblacional que se
formula con el fin de probar evidencia numérica “H0”.
Hipótesis Alternativa: es enunciado que se acepta si los datos de la muestra ofrecen
suficiente evidencia para rechazar la hipótesis nula “H1”.
Nivel de Significancia: es la probabilidad de rechazar la hipótesis nula, cuando es
verdadera “ᾳ”.
Estadístico de Prueba: es el valor determinado a partir de la información de la
muestra, para determinar si se rechaza la hipótesis nula.
Valor Crítico: es el punto de división entre la región que se rechaza la hipótesis nula
y aquella que se acepta.

PRUEBA DE HIPÓTESIS PARA UNA MEDIA POBLACIONAL, CUANDO

SE CONOCE LA DESVIACIÓN ESTÁNDAR POBLACIONAL.

1° La campaña HERDEZ le preocupa la posibilidad de que la lata de 16 onzas de

piña contenga exceso de producto. Suponga que l desviación estándar del proceso
es de 0.03 onzas, el departamento de calidad tomo una muestra aleatoria de 50
latas, y comprobó que la media aritmética del peso era de 16.05 onzas. Puede
concluir que el peso medio es mayor a 16 onzas, utilice un nivel de significancia de
0.05.
DATOS:
µ=16 oz.
σ =0.03 oz
n= 50 piezas
X= 16.05
ᾳ =0.05

1) H0= M≤16.0 oz

H1= M˃16.0 oz

2) ᾳ =0.0z
0.450
0.5-0.05 =0.450 = 1.65 𝑉. 𝑇

𝑋−𝑀
Z=𝜎/√𝑛

3) R.D 1.65 11.78

SI V.C ˃ V.T ∴A H1 y R H0.
SI V.C ˂ V.T ∴A H1 y R H0.
16.05 − 16.0
𝑍= = 11.78
0.03/√50

CONCLUSION: con un valor de significancia de 0.05, se comprueba que las latas

de piña, se llenan con más producto “I.C”

2° De acuerdo con el presidente del sindicato normal, los ingresos brutos medios de
los plomeros siguen una distribución de una probabilidad normal con una media de
45 mil dólares, y una desviación estándar de 3000 mil dólares. Una investigación
reciente reveló que el ingreso bruto de una muestra de 120 plomeros era de 45500
dólares. Es razonable concluir que el ingreso medio no es igual a 45000 mil dólares,
utilice un nivel de significancia de 0.10.
DATOS:
µ=45000 dólares
σ =3000 dólares
n= 120
X=45500 dólares
ᾳ =0.10

1) H0= M=45000

H1= M≠45000

2) ᾳ =0.10/2=0.5
𝑋−𝑀
Z=𝜎/√𝑛
-1.65 1.65 1.82
3) R.D

SI V.C ˃ V.T ∴A H1 y R H0.

SI V.C ˂ V.T ∴A H1 y R H0.
45500−45000
4) 𝑍 = 0.10/√20
= 1.82
5)
CONCLUSION: el ingreso promedio si es mayor con un nivel de significancia de
0.10.
1−𝛼= 1-0.10= 0.90.
0.45=1.65
𝜎
X±Z( 𝑛)
√

X-(1.65)(3000/√120) < 𝑀 < 45500(1.65)(3000/√120)

44548.1308< 𝑀 <45451.869
3° El fabricante de llantas para camiones, Rachial X-15 con cinturón de cero, afirma
que el millage medio del neumático en estado útil es de 60 mil millas, con una
desviación estándar de 5000 millas. Una empresa camionera compro 48 llantas y
hayo que la duración media es de 59500 millas. ¿Difiere la experiencia de esta
empresa de lo que afirma el fabricante de llantas, utilice un nivel de significancia de
0.05?
DATOS:
µ=60000 millas.
σ=5000 millas.
n=48.
X=59500 millas.
∝=0.05.
1) Ho=M=60000

H1=M≠60000.

2) ∝=0.05/2= 0.025.
0.5-0.025=0.4750= 1.96 V. T

𝑋−𝑀
3) Z= 𝜎
√𝑛

4) R.D
Si V.C ˃V.T∴A H1 y R Ho
Si V.C ˃V.T∴A H1 y R Ho

-69 1.96 0.69

 59500−60000
5)Z= =-0.6928
5000/√48

CONCLUSION: EN LA COMPRA DE LAS 48 LLANTAS SE MODIFICA CON

DURACION MEDIA DE 59500 MILLAS, LA DURACION MEDIA DE LAS LLANTAS
AHORA ES 60000.
1-∝=1-0.05= 0.95.
0.4750= 1.96
𝜎
X±Z ( 𝑛)
√

5000 5000
59500−(1.96) ( ) < 𝑀 < 59500 + (1.96)( )
√48 √48

58085.49184˂M˂60914.50816
4°Una cadena de restaurantes afirma que el tiempo medio de espera de sus clientes
está distribuido normalmente con una medida de 3 m y una desviación estándar de
1m. El departamento de calidad hayo en una muestra de 50 clientes tomada de una
de sus restaurantes que el tiempo medio de espera de 2.75m con un nivel de
significancia de 0.05 ¿Se puede concluir que el tiempo medio de espera es menor
a 3m?
DATOS:
µ=3M
σ=1M
n=50 clientes
X=2.75m
∝=0.05.
1) Ho: M≥3M

H1: M˂3M

2) ∝=0.05
0.5-0.05= 0.450= 1.65 V. T
 𝑋−𝑀
3) Z=𝜎/√𝑛

4) R.D
Si V.C˃V.T∴A H1 y R Ho
Si V.C˂V.T∴A H1 y R Ho

2.75−3 -1.76
5)Z= 1/√50 = -1.767 V.C 1.65

CONCLUSION: EL TIEMPO DE ESPERA ES MENOR A 3 MINUTOS.

1-∝= 1- 0.05= 0.95/2
0.4750= 1.96
𝜎
X±Z( 𝑛)
√

1 1
2.75−(1.96) ( ) < 𝑀 < 2.75 + (1.96) ( )
√50 √50

2.47˂M˂3.02
CONCLUIMOS QUE EL TIEMPO MEDIO DE ESPERA SI ES MENOR, DEBIDO A
QUE TENEMOS UN NIVEL DE SIGNIFICANCIA DE 0.05

PRUEBA DE HIPOTESIS PARA UNA MEDIA POBLACIONAL, CON UNA

DESVIACION ESTANDAR POBLACIONAL DESCONOCIDA Y TAMAÑO DE
MUESTRA MENOR A 30 DATOS.

1° La duración media de las baterías que se usan en los relojes digitales es de 305
días. Últimamente se ha modificado el diseño de las baterías para que duren más.
En una muestra de 20 baterías modificadas, la duración fue 311 días con una
desviación estándar de 12 días. ¿La modificación aumento tiempo medio de vida de
las baterías, utilice un nivel de significancia de 0.05?
DATOS:
µ=305
n=20 (menor a 30 datos)
X=311
s=12
∝=0.05.
1) Ho: M≤305

H1: M> 305

2) t∝, 𝑛 − 1 = 1.729 V.T

𝑋−𝑀
3) t= 𝑆
√𝑛

4) R.D
Si V.C˃V.T∴A H1 y R Ho
Si V.C˂V.T∴A Ho y R H1

311−305
5) t= 12/√20 = 2.22360 V.C

1.729 2.23

CONCLUSION: CON UN NIVEL DE SIGNIFICANCIA DE 0.05, LA DURACION DE

LAS PILAS ES MAYOR.
1-∝= 1-0.05 = 0.95%
∝ 𝑠 ∝ 𝑠
X –t( 2 , 𝑛 − 1) ( 𝑛) < 𝑀 < 𝑋 +t( 2 , 𝑛 − 1) ( 𝑛)
√ √

311-(2.093)(12/√20)˂M˂311+(2.093)(12/√20)
305.38˂M˂316.61
CONCLUSION: A UN NIVEL DEL 95% DE I.C, DECIMOS QUE, SI AUMENTO LA
VIA DE LAS PILAS, YA QUE DURAN MINIMO 305.38 DIAS Y MAXIMO 316.61
DIAS.
2° La longitud media de una barra de equilibrio es de 42 milímetros. El supervisor
de producción sospecha que la máquina que produce las barras se ha desajustado
y le pide al departamento de ingeniería que investigue esta situación. El
departamento toma una muestra aleatoria de 12 barras y mide cada una. Los
resultados se dan a continuación:
42 39 42 45 43 40 39 41 40 42 43
42
Es razonable concluir que la longitud de las barras ha variado, utilice un nivel de
significancia de 0.05.
DATOS:
µ=43
n=12
X=41.5
s=1.78
∝=0.02
𝑥
X=∑ 𝑛 =498/12= 41.5

S=√∑ 𝑥 2 − (∑ 𝑥)2 /n =√(42)2 +(39)2 +(42)2 + (45)2 + (43)2 + (40)2 + (39)2 + (41)2 +
(40)2 + (42)2 + (43)2 + (42)2 + ∑(498)2 /12

S=1.78
1) Ho: M=43

H1: M≠43

2) t∝, 𝑛 − 1 = 2.718 V.T

𝑋−𝑀
3) t= 𝑆
√𝑛
4) R.D

Si V.C˃V.T∴A H1 y R Ho
Si V.C˂V.T∴A Ho y R H1
 41.5−43
5) t=1.78/√12= -2.91 V.C
-2.91 2.718

CONCLUSION: CON UN NIVEL DE SIGNIFICANCIA DE 0.02, LA MEDIDA DE LAS

BARRAS VAREA.
1-∝= 1-0.05 = 0.95%
∝ 𝑠 ∝ 𝑠
X –t( 2 , 𝑛 − 1) ( 𝑛) < 𝑀 < 𝑋 +t( 2 , 𝑛 − 1) ( 𝑛)
√ √

41.5-(2.718)(1.78/√12)˂M˂41.5+(2.718)(1.78/√12)
40.10˂M˂42.89
CONCLUSION: CON UN NIVEL DE CONFIANZA DE 98% LAS BARRAS MIDEN
POR MINIMO 40.10 Y MAXIMO 42.89.

REFERENCIAS
CHASE Jacobs Aquilano. Administración de la Producción y Operación. 10ª ed.
Mexico: Mc Graw. Hill, 2005 ISBN: 9584100718
SCHROEDER, Roger. Administración de Operaciones. 2a. ed.. México: Mcgraw-
Hill, 2005. 601 p. ISBN : 9701046536.
TAHA, Hamdy A. Investigación de Operaciones. México: Editorial Alfa Omega,
1991. ISBN-968-6223-25-8
RADFORD, R. Noori, H. Administración de Operaciones y Producción: Calidad total
y respuesta sensible rápida. Colombia: Mc Graw Hill, 1997

PRUEBA DE HIPOTESIS PARA LA DIFERENCIA DE MEIDAS.

Con el fin de resolver las pruebas de hipótesis para la diferencia de medias,

debemos tener en cuenta el mismo procedimiento y las mismas reglas que
seguimos para las pruebas de hipótesis para la media. Las fórmulas para el cálculo
de los estadísticos “z” y “t”, son las mismas empleadas en el cálculo de los intervalos
de confianza para la diferencia de medias en el capítulo anterior. Para mejor
comprensión, en el caso de pruebas bilaterales y unilaterales, el estudiante debe
remitirse a las páginas 217 y 218 y hacer las mismas reflexiones con fundamento
en los gráficos, pero teniendo en cuenta que el estadístico en éste caso es la
diferencia de medias muestrales y no la media muestral. En cuanto a la distribución
en el muestreo de la diferencia de medias, recordemos los siguientes tres casos:

1) Si las dos poblaciones son normales, las diferencias de las medias muestrales
también se distribuirán normalmente cualquiera sea el tamaño de las muestras. No
obstante, si no se conocen las desviaciones estándar poblacionales ( 1 y  2),
éstas pueden ser reemplazadas por las desviaciones estándar de las muestras (S1
y S2), si los tamaños de las muestras son mayores que 30 (n1>30 y n2>30 o
n1+n2>60).

2) Según el teorema central del límite, si las dos poblaciones no son normales o no
sabemos si se cumple o no este comportamiento, las diferencias de las medias
muestrales se distribuirán aproximadamente como una distribución normal, si los
tamaños de las muestras son mayores que 30 (n1>30 y n2>30 o n1+n2>60)

3)} Si las dos poblaciones son normales o están muy cerca de este comportamiento
y por otra parte no conocemos las desviaciones estándar poblacionales y además
los tamaños de las muestras son menores que 30 (n1 0 (n1<30 y n2<30 o
n1+n2<60), entonces, las diferencias de las medias muestrales se distribuirán de
acuerdo a la ley t-student.

EJEMPLO 8.5 Una compañía de transportes requiere comprar un gran lote de buses
para el transporte urbano con el fin de reemplazar su parque automotor y para tal
fin desea comprobar la afirmación hecha por el proveedor de la marca B, en el
sentido de que la marca A es menos ahorradora de combustible. Para tal fin la
empresa toma una muestra aleatoria de 35 vehículos marca A y encuentra que la
misma tiene un promedio en el rendimiento de 18 kilómetros/galón con una
desviación estándar de 8 kilómetros/galón, mientras que una muestra de 32
vehículos marca B presenta un promedio de 22 kilómetros/galón con desviación
estándar de 3 kilómetros/galón.

¿Qué decisión debe tomar el gerente de la compañía con un nivel de significación

del 5%? 223

solución Según el numeral 2) de la página anterior, no se sabe si las poblaciones

están normalmente distribuidas, pero ambos tamaños de muestras son mayores
que 30, por lo cual, según el teorema central del límite, las diferencias de las medias
muestrales, se distribuirán aproximadamente como una distribución normal. Se
sugiere elaborar el gráfico basándonos en el gráfico de la página 217.

1) Hipótesis nula e hipótesis alternativa: H0:   0   BA, Ha:   0   BA. La

prueba es unilateral a la izquierda.

2) Nivel de significación:   05.0

3) Criterio de decisión: Como las diferencias de medias muestrales se distribuyen

normalmente, entonces, según las tablas, el valor de Z es: -1.64. Por lo tanto, el
criterio de decisión será el siguiente: “Si el valor de Z calculado es menor que –1.64
se rechaza la hipótesis nula de que el rendimiento en ambas marcas es igual”.

4) Cálculo del estadístico sobre el cual se basará la decisión: nA=35, x A =18, SA=8,
nB=32, x B =22, SB=3. Según la fórmula 6.8 de la página 168 sobre la distribución
en el muestreo de la diferencia de medias, el correspondiente valor de Z será:

5) Tomar la decisión: Como el valor de Z calculado (-2.75) se encuentra en la zona

de rechazo, entonces, con un nivel de significación del 5%, debemos rechazar la
hipótesis nula de que el ahorro en ambas marcas es igual y en éstas condiciones
debemos aceptar la hipótesis alternativa de que la marca A es menos ahorradora
de combustible que la marca B. Nota: Observemos que como no conocíamos las
desviaciones estándar poblacionales para el cálculo de z, pudimos reemplazar a
éstas por las desviaciones estándar muestrales, puesto que ambos tamaños de
muestra son mayores que 30.

TESTS E INTERVALOS DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS

DE DOS POBLACIONES

Un test de hipótesis para dos muestras es similar en muchos aspectos al test para
una muestra.

• Se especifica una hipótesis nula, en la mayoría de los casos se propone que las
medias de las dos poblaciones son iguales y se establece la hipótesis alternativa
(uni o bilateral).

• Se especifica un nivel de significación α.

• Se calcula el p-valor: la probabilidad de obtener datos cuyas medias muestrales

difieren tanto o más que la diferencia observada cuando H0 es verdadera. Si esta
probabilidad es pequeña (menor que α) se rechaza H0 y se concluye que la
diferencia observada no es atribuible al azar y las medias de las dos poblaciones
son diferentes. El estadístico del test dependerá de la estructura de los conjuntos
de datos. En particular es importante establecer si los datos corresponden a
muestras apareadas o independientes.

1. Diferencia entre muestras independientes y dependientes

Dos muestras son independientes o dependientes entre sí, en función de si las

observaciones de las muestras se han obtenido de los mismos individuos u objetos
o no. Si ambas muestras se obtienen de distintos individuos, máquinas, empresas,
objetos, etc.…no hay nada en común en dichas muestras lo que hace que ambas
sean “independientes”. Sin embargo, si las observaciones o valores de ambas
muestras se obtienen de los mismos individuos, empresas, agentes, etc., diremos
que hay algo en común en dichas muestras por lo que serán muestras
“dependientes” o “no independientes”.

2. INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE

DOS DISTRIBUCIONES NORMALES, VARIANZAS DESCONOCIDAS

En esta sección se verá el caso en donde se tienen dos poblaciones con medias y
varianzas desconocidas, y se desea encontrar un intervalo de confianza para la
diferencia de dos medias 1-2. Si los tamaños de muestras n1 y n2 son mayores que
30, entonces, puede emplearse el intervalo de confianza de la distribución normal.
Sin embargo, cuando se toman muestras pequeñas se supone que las poblaciones
de interés están distribuidas de manera normal, y los intervalos de confianza se
basan en la distribución t.

3. INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE

DOS DISTRIBUCIONES NORMALES, VARIANZAS DESCONOCIDAS
PERO IGUALES

Si s12 y s22 son las medias y las varianzas de dos muestras aleatorias de tamaño
n1 y n2, respectivamente, tomadas de dos poblaciones normales e independientes
con varianzas desconocidas pero iguales, entonces un intervalo de confianza del
100() por ciento para la diferencia entre medias es: en donde: es el estimador
combinado de la desviación estándar común de la población con n1+n2 – 2 grados
de libertad.

Para inferencias acerca de diferencias entre dos poblaciones se seleccionan dos

muestras aleatorias independientes.

Pruebas de hipótesis acerca de µ1- µ2

Dₒ denota la diferencia hipotética entre µ1 y µ2, las tres formas que puede tener
una prueba de hipótesis son las siguientes:
Los pasos presentados en la sesión anterior para realizar pruebas de hipótesis son
aplicables aquí. Hay que elegir un nivel de significancia, calcular el valor del
estadístico d prueba y encontrar el valor crítico para determinar se acepta o se
rechaza la hipótesis nula.

En el caso de dos muestras aleatorias independientes cuando los tamaños de las

muestras son suficientemente grandes la distribución se puede considerar normal.
En este caso el estadístico de prueba para la diferencia entre dos medias
poblacionales cuando se conoce su desviación estándar esta dado por:

 ESTADISTICA/ HUGO GOMEZ GIRALDO. /MAYO/2009 PG. 222

 TEST DE HIPÓTESIS BASADOS EN DOS MUESTRAS. DRA. DIANA
KELMANSKY/ESTADÍSTICA (Q)/PG 158
 CONTRASTE DE HIPÓTESIS DE DOS/POBLACIONES AUTORES:
ÁNGEL A. JUAN/MÁXIMO SEDANO/ ALICIA VILA/ ANNA LÓPEZ/PG 356
 Estadística para administración y economía. Anderson, D., Sweeney, D.,
Williams, T. (2008). PAG. 359
 Probabilidad y Estadística. (3era.ed.). México Editorial McGraw-Hill. PAG.
569
 PRUEBA DE HIPOTESIS PROPORCIONAL
Hugo Gómez Giraldo.

Libro: ESTADISTICA

Para resolver pruebas de hipótesis de proporción en muestras grandes, podemos

basarnos en la distribución en el muestreo de la distribución en el muestreo de las
diferencias de proporciones utilizando la distribución normal y el proceso que
debemos seguir es muy similar al utilizado para el caso de la media. Para mejorar
comprensión en caso de pruebas bilaterales y unilaterales, en este debemos tener
en cuenta que el estadístico en este caso es la diferencia de proporciones
muéstrales y no la media muestral.

Mario Orlando Suárez Ibujés

Las pruebas de proporciones

Son adecuadas cuando los datos que se están analizando constan de cuentas o
frecuencias de elementos de dos o más clases. El objetivo de estas pruebas es
evaluar las afirmaciones con respecto a una proporción de población. Las pruebas
se basan en la premisa de que una proporción muestral (es decir x ocurrencias en
n observaciones, o x/n) será igual a la proporción verdadera de la de la población si
se toman márgenes o tolerancias para la variabilidad muestral.

Las pruebas suelen enfocarse en la diferencia entre un número esperado de

ocurrencias, suponiendo que una afirmación es verdadera, y el número observado
realmente. La diferencia se compara con la variabilidad prescrita mediante una
distribución de muestreo que tiene como base el supuesto de que H₀ es realmente
verdadera.

Las pruebas de proporciones son adecuadas cuando los datos que se están
analizando constan de cuentas o frecuencias de elementos de dos o más clases. El
objetivo de estas pruebas es evaluar las afirmaciones con respecto a una proporción
(o Porcentaje) de población. Las pruebas se basan en la premisa de que una
proporción muestral (es decir, x ocurrencias en n observaciones, o x/n) será igual a
la proporción verdadera de la población si se toman márgenes o tolerancias para la
variabilidad muestral. Las pruebas suelen enfocarse en la diferencia entre un
número esperado de ocurrencias, suponiendo que una afirmación es verdadera, y
el número observado realmente. La diferencia se compara con la variabilidad
prescrita mediante una distribución de muestreo que tiene como base el supuesto

de que es realmente verdadera.

En muchos aspectos, las pruebas de proporciones se parecen a las pruebas de

medias, excepto que, en el caso de las primeras, los datos muéstrales se consideran
como cuentas en lugar de como mediciones.

Flores Hernández, D., J. Ramos Miranda y A. Sosa López, 2007. Estadística

Descriptiva, Probabilidad y Pruebas de Hipótesis.

Un análisis técnico profundo de la información numérica será, en ocasiones, de

mucho valor, no se aprovechará al máximo sino se utiliza en combinación con la
experiencia que se obtiene de estudiar las características del entorno en el que se
trabaja. De hecho, los métodos estadísticos en probabilidad de proporción resultan
de mayor utilidad en la gestión cuando se combinan con la experiencia en el entorno
de los negocios.

Probar contrastar si una afirmación relativa a la proporción de una población se ve

apoyada o desaprobada ante la evidencia de la muestra utilizando la fórmula de
error estándar de la proporción de la población y asumiendo que la distribución
binominal se asemeja al comportamiento de la distribución Z.

Recordemos que se llama proporción a una expresión numérica que representa una
pequeña parte de un todo más grande. En otras palabras es una fracción relación o
porcentaje, que indica la parte de una población o muestra que tiene una
característica de interés particular.

Flores Hernández, D., J. Ramos Miranda y A. Sosa López, 2007. Estadística

Descriptiva, Probabilidad y Pruebas de Hipótesis. PAG. 150

Las pruebas de proporciones son adecuadas cuando los datos que se están
analizando constan de cuentas o frecuencias de elementos de dos o más clases.
El objetivo de estas pruebas es evaluar las afirmaciones con respecto a una
proporción (o Porcentaje) de población. Las pruebas se basan en la premisa de que
una proporción muestral (es decir, x ocurrencias en n observaciones, o x/n) será
igual a la proporción verdadera de la población si se toman márgenes o tolerancias
para la variabilidad muestral. Las pruebas suelen enfocarse en la diferencia entre
un número esperado de ocurrencias, suponiendo que una afirmación es verdadera,
y el número observado realmente. La diferencia se compara con la variabilidad
prescrita mediante una distribución de muestreo que tiene como base el supuesto

de que es realmente verdadera.

En muchos aspectos, las pruebas de proporciones se parecen a las pruebas de

medias, excepto que, en el caso de las primeras, los datos muéstrales se consideran
como cuentas en lugar de como mediciones. Por ejemplo, las pruebas para medias
y proporciones se pueden utilizar para evaluar afirmaciones con respecto a:

1) Un parámetro de población único (prueba de una muestra)

2) La igualdad de parámetros de dos poblaciones (prueba de dos muestras), y

3) La igualdad de parámetros de más de dos poblaciones (prueba de k muestras).

Además, para tamaños grandes de muestras, la distribución de muestreo adecuada
para pruebas de proporciones de una y dos muestras es aproximadamente normal,
justo como sucede en el caso de pruebas de medias de una y dos muestras.
Prueba de proporciones de una muestra
Cuando el objetivo del muestreo es evaluar la validez de una afirmación con
respecto a la proporción de una población, es adecuado utilizar una prueba de una
muestra. La metodología de prueba depende de si el número de observaciones de
la muestra es grande o pequeño.

Como se habrá observado anteriormente, las pruebas de grandes muestras de

medias y proporciones son bastante semejantes. De este modo, valores
estadísticos de prueba miden la desviación de un valor estadístico de muestra a
partir de un valor propuesto. Y ambas pruebas se basan en la distribución normal
estándar para valores críticos. Quizá la única diferencia real entre las ambas radica
en la forma corno se obtiene la desviación estándar de la distribución de muestreo.

Esta prueba comprende el cálculo del valor estadístico de prueba Z

Posteriormente este valor es comparado con el valor de Z, obtenido a partir de una
tabla normal a un nivel de significación seleccionado.

Como ocurrió con la prueba de medias de una muestra, las pruebas de proporciones
pueden ser de una o dos colas.

La primera alternativa establece una prueba de cola derecha, la segunda, izquierda

y la tercera, una prueba de dos colas.
Ejemplos ilustrativos:
Determine el número de grados de libertad y obtenga el valores crítico en el niveles
0,05 se significación.

Solución:

Los grados de libertad se calculan aplicando la fórmula:

Los cálculos en Excel se muestran en la siguiente figura:

2) La siguiente tabla muestra las frecuencias observadas y las frecuencias
esperadas al lanzar un dado 60 veces. Contrastar la hipótesis de que el dado es
bueno, con un nivel de significación de 0,01.

Cara del dado 1 2 3 4 5 6

Frecuencia
6 8 9 15 14 8
observada

Frecuencia
10 10 10 10 10 10
esperada
Solución:

Los cálculos en Excel se muestran en la siguiente figura:

El gráfico elaborado en Winstats y Paint se muestra a continuación:
Decisión:

Bibliografía
SUÁREZ, Mario, (2012), Interaprendizaje de Probabilidades y Estadística
Inferencial con Excel, Winstats y Graph, Primera Edición. Imprenta M & V,
Ibarra, Ecuador.

EJERCICIO 1
 PRUEBAS DE HIPÓTESIS PARA LA DIFERENCIA DE PROPORCIONES

Definición 1

Para resolver pruebas de hipótesis para la diferencia de proporciones en muestras

grandes, podemos basarnos en la distribución en el muestreo de las diferencias de
proporciones utilizando la distribución normal y el proceso que debemos seguir es
muy similar al utilizado para el caso de la media.

La hipótesis nula puede plantearse como 𝐻0: 𝑃1 − 𝑃2 = 0 ó 𝐻0: 𝑃1 = 𝑃2 y en

ambos casos, la hipótesis alternativas podrían ser: 𝐻𝐴: 𝑃1 − 𝑃  0 ó 𝐻𝐴: 𝑃1 −
𝑃2 > 0 ó 𝐻𝐴: 𝑃1 − 𝑃2

Hugo Gómez Giraldo

Mayo/2009

Ejemplo:

Una compañía asegura que el mercado para su producto X tiene una aceptación de
iguales proporciones en la ciudad A que en la ciudad B. Un especialista en mercado
pone en duda dicha afirmación y para tal fin tomó una muestra aleatoria de 500
amas de casa en la ciudad A y encontró que el 59.6% de las mismas prefería el
artículo X. Por otra parte tomó una muestra aleatoria de 300 amas de casa en la
ciudad B y encontró que el 50% de las mismas preferían el artículo X. ¿Existe una
diferencia real entre las dos ciudades? Nivel de significación 5%

Solución:
1) Hipótesis nula e hipótesis alternativa: H0: PA=PB, Ha: PA  PB. La prueba es
bilateral, puesto que el especialista en mercado no está afirmando que ciudad tiene
más proporción que la otra.

2) Nivel de significación:   05.0

3) Criterio de decisión: Como las diferencias de las proporciones muestrales se

distribuyen normalmente y la prueba es bilateral, entonces, según las tabla el valor
de z es:  96.1 . Por lo tanto, el criterio de decisión será el siguiente: “Si el valor de
Z calculado es mayor que +1.96 ó menor que –1.96, se rechaza la hipótesis nula de
que la proporción es idéntica en ambas ciudades.

4) Cálculo del estadístico sobre el cual se basará la decisión: n1=500, p1=0.596,

n2=300, p2 =0.50. Según la fórmula 6.14 de la página 174 en la distribución en el
muestreo de la diferencia de proporciones, el correspondiente valor de z será:

(0.596 − 0.50) − 0
𝑍= = +2.65
√0.596 × 0.404 + 0.50 × 0.50
500 300

5) Tomar la decisión: Como el valor de Z calculado (+2.65) se encuentra en la zona

de rechazo, entonces, con un nivel de significación del 5%, debemos rechazar la
hipótesis nula de que las proporciones en ambas ciudades son iguales.

Definición 2:

Algunas veces estamos interesados en analizar la diferencia entre las proporciones

de poblaciones de grupos con distintas características
el procedimiento para probar esta hipótesis es la siguiente:

1. Las hipótesis nula y alternativa son las siguientes:

H o  PH  PM  0 , la proporción de hombres que reportan 9 o más

visitas por mes es la misma o menor que la proporción de mujeres
que hacen lo mismo.

H a  PH  PM  0 , la proporción de hombres que reportan 9 o más

visitas por mes es mayor a la proporción de mujeres que h acen lo
mismo.

Estadística y probabilidad para ingeniería. Jay L. Devore. P. 387.

Definición 3:

Las pruebas de hipótesis a partir de proporciones se realizan casi en la misma

forma utilizada cuando nos referimos a las medias, cuando se cumplen las
suposiciones necesarias para cada caso. Pueden utilizarse pruebas unilaterales o
bilaterales dependiendo de la situación particular.

La proporción de una población

Las hipótesis se enuncian de manera similar al caso de la media.

𝐻𝑜: 𝑝 = 𝑝0

𝐻1: 𝑝 ¹ 𝑝0
En caso de que la muestra sea grande n>30, el estadígrafo de prueba es: se
distribuye normal estándar.

Regla de decisión: se determina de acuerdo a la hipótesis alternativa (si es

bilateral o unilateral ), En el caso de muestras pequeñas se utiliza la distribución
Binomial. No lo abordaremos por ser complicado y poco frecuente su uso. La
situación más frecuente es suponer que existen diferencias entre las proporciones
de dos poblaciones, para ello suelen enunciarse las hipótesis de forma similar al
caso de las medias:

𝐻𝑜: 𝑝1 = 𝑝2 Þ 𝑝1 − 𝑝2 = 0

𝐻1: 𝑝1 ¹ 𝑝2

Puede la hipótesis alternativa enunciarse unilateralmente.

El estadígrafo de prueba para el caso de muestras independientes:

Donde : Siendo a1 y a2, el número de sujetos con la característica objeto de

estudio en las muestras 1 y 2 respectivamente, es decir, en vez de calcular la
varianza para cada muestra, se calcula una p conjunta para ambas muestras bajo
el supuesto que no hay diferencias entre ambas proporciones y así se obtiene la
varianza conjunta. Recuerda que 𝑞 = 1 − 𝑝.

Está de más que te diga que este estadígrafo se distribuye normal estándar.

La regla de decisión se determina de manera similar a los casos ya vistos

anteriormente.

El objetivo de la prueba es comparar estas dos proporciones, como estimadores

𝐻1: 𝑝1 ¹ 𝑝2
Jorge Andrés Alvarado Valencia, Juan José Obagi Araújo

Definición 4:

El estadístico de prueba que permite contrastar frente a a

partir de dos muestras aleatorias e independientes es siendo p

la estimación de obtenida del total de observaciones.

Si se consideran las proporciones como medias y se aplica la prueba t utilizada para

comparar medias poblacionales los resultados no son fiables ya que la estimación
del error típico que realiza el programa no coincide con la del estadístico de prueba.
Para resolver el problema con el programa SPSS se deberá cruzar la variable
analizada con la que define los grupos (obtener la tabla de contingencia) y realizar
el contraste de independencia Chi-cuadrado.

El estadístico de prueba Chi-cuadrado se define: y

presenta una distribución Chi-cuadrado con (I-1)(J-1) grados de libertad. Las Eij se
calculan multiplicando las frecuencias marginales y dividendo el producto por n.
Estas Eij son estimaciones de las frecuencias absolutas que cabría esperar en cada
casilla bajo el supuesto de que la proporción de éxitos es la obtenida a partir del
total de observaciones muestrales sin considerar diferencias entre los dos grupos.

Olga Vladimirovna Panteleeva, Eduardo Guti érrez González

Definición 5:

Las pruebas de proporciones son adecuadas cuando los datos que se están de
estas pruebas es evaluar las afirmaciones con respecto a una proporción (o
Porcentaje) de población. Las pruebas se basan en la premisa de que una
proporción muestral (es decir, x ocurrencias en n observaciones, o x/n) será igual a
la proporción verdadera de la población si se toman márgenes o tolerancias para la
variabilidad muestral. Las pruebas suelen enfocarse en la diferencia entre un
número esperado de ocurrencias, suponiendo que una afirmación es verdadera, y
el número observado realmente. La diferencia se compara con la variabilidad
prescrita mediante una distribución de muestreo que tiene como base el supuesto
de que
Manual de estadistica / Handbook of Statistics