Este documento presenta los conceptos básicos de las pruebas de hipótesis. Explica cómo formular hipótesis nulas y alternativas, elegir un nivel de significación, y decidir si rechazar o aceptar la hipótesis nula basado en un estadístico de prueba. Proporciona ejemplos de pruebas para medias que ilustran estos pasos y conceptos clave como errores tipo I y tipo II.
Este documento presenta varios exámenes de años anteriores del curso Métodos Estadísticos I, con sus respectivas soluciones. Cada examen contiene tres bloques: cuestiones teóricas, problemas prácticos de ordenador y problemas más extensos. Se ofrecen exámenes desde 2009 hasta 2006 para que los estudiantes puedan practicar y prepararse para futuras evaluaciones.
Este documento presenta el solucionario de un capítulo sobre fundamentos de pruebas de hipótesis para una muestra. Incluye respuestas a preguntas de aprendizaje básico y aplicado sobre conceptos clave como las hipótesis nula y alternativa, los niveles de significancia, y cómo tomar decisiones estadísticas usando pruebas Z. También presenta ejemplos numéricos resueltos sobre hipótesis en contextos de producción industrial y control de calidad.
Solucionario estadistica descriptiva iv Albert Rojas
Este documento presenta una serie de problemas y ejercicios sobre estadística descriptiva y pruebas de hipótesis. Incluye preguntas sobre conceptos básicos como el significado de las hipótesis nula y alterna y sobre la aplicación de pruebas Z para decidir si se rechaza o no la hipótesis nula basado en diferentes niveles de significancia y valores estadísticos. Los ejemplos cubren temas como la aprobación de medicamentos, la producción de telas y la vida útil de focos.
Ejercicios de pruebas de hipotesis con mis problemasJaguar Luis XD
Este resumen describe 4 ejercicios de pruebas de hipótesis. En el primer ejercicio, se analiza si una máquina de telas cumple con las especificaciones del fabricante respecto a la resistencia de la tela. En el segundo ejercicio, se analiza si las afirmaciones del dueño actual de una lavandería sobre los ingresos diarios son válidas. En el tercer ejercicio, se analiza si una máquina llenadora de aderezos funciona correctamente al servir 8 onzas. En todos los ejercicios se establecen hipótesis
Este documento presenta varios exámenes de años anteriores del curso Métodos Estadísticos I, con sus respectivas soluciones. Cada examen contiene tres bloques: cuestiones teóricas, problemas prácticos de ordenador y problemas más extensos. Se ofrecen exámenes desde 2009 hasta 2006 para que los estudiantes puedan practicar y prepararse para futuras evaluaciones.
Este documento presenta el solucionario de un capítulo sobre fundamentos de pruebas de hipótesis para una muestra. Incluye respuestas a preguntas de aprendizaje básico y aplicado sobre conceptos clave como las hipótesis nula y alternativa, los niveles de significancia, y cómo tomar decisiones estadísticas usando pruebas Z. También presenta ejemplos numéricos resueltos sobre hipótesis en contextos de producción industrial y control de calidad.
Solucionario estadistica descriptiva iv Albert Rojas
Este documento presenta una serie de problemas y ejercicios sobre estadística descriptiva y pruebas de hipótesis. Incluye preguntas sobre conceptos básicos como el significado de las hipótesis nula y alterna y sobre la aplicación de pruebas Z para decidir si se rechaza o no la hipótesis nula basado en diferentes niveles de significancia y valores estadísticos. Los ejemplos cubren temas como la aprobación de medicamentos, la producción de telas y la vida útil de focos.
Ejercicios de pruebas de hipotesis con mis problemasJaguar Luis XD
Este resumen describe 4 ejercicios de pruebas de hipótesis. En el primer ejercicio, se analiza si una máquina de telas cumple con las especificaciones del fabricante respecto a la resistencia de la tela. En el segundo ejercicio, se analiza si las afirmaciones del dueño actual de una lavandería sobre los ingresos diarios son válidas. En el tercer ejercicio, se analiza si una máquina llenadora de aderezos funciona correctamente al servir 8 onzas. En todos los ejercicios se establecen hipótesis
Film magazine front cover conventions and analysiskatie1head
This is a presentation on all of the magazine front cover convetions and my analysis of how Empire, Total film, Little white lies and more specifically Sight and Sound use them.
The document provides a timeline and summaries of important films in the history of film noir from 1941 to 1958. It begins with The Maltese Falcon (1941), directed by John Huston and based on the novel by Dashiell Hammett. It then discusses several other influential noir films from the 1940s including Murder, My Sweet (1944), Double Indemnity (1944), Detour (1945), and The Big Sleep (1946). The timeline continues into the 1950s with films like In a Lonely Place (1950), The Big Heat (1953), Kiss Me Deadly (1955), and Touch of Evil (1958). These films established the genre of film noir and explored themes of mystery, crime,
The document analyzes the website for the film "Gone Girl" and discusses elements that could be useful for a website promoting the film being analyzed. It identifies navigation bars, the logo, interactive elements like arrows and videos, synopses, sign-up forms, and options to purchase the film as key components of the Gone Girl website that provide information and marketing opportunities. The document suggests incorporating navigation bars, logos, interactive clips, sign-up forms, and pre-order options on a website for the film being analyzed.
Este documento presenta información sobre pruebas de hipótesis e intervalos de confianza. Incluye 8 ejemplos de problemas estadísticos que involucran pruebas de hipótesis para probar si una hipótesis nula es verdadera o falsa, y la construcción de intervalos de confianza. Los ejemplos cubren temas como ventas de relojes, rapidez de combustión, visitas de vendedores, tiempo de secado de pintura y errores ortográficos. El documento proporciona los datos y cálculos relevantes
El resumen analiza 3 documentos que presentan hipótesis estadísticas y sus soluciones. El primero compara la duración promedio de baterías contra un umbral, el segundo examina el nivel de protrombina contra un valor esperado, y el tercero compara el tiempo de TV de niños reportado por una empresa versus un investigador. En los 3 casos se rechaza la hipótesis nula original a favor de la alternativa propuesta.
Este documento presenta tres ejercicios de contraste de hipótesis. El primero analiza si el tiempo de duración de baterías para teléfonos móviles ha disminuido. El segundo examina si el nivel promedio de protrombina en una población es de 20 mg/100 ml. El tercero evalúa si el tiempo que los niños ven televisión es mayor a 22 horas semanales. En los tres casos, se rechaza la hipótesis nula a un nivel de significación del 5% o menos, lo que indica que los resultados de las m
Una fábrica de baterías sospecha que hubo defectos en la producción de un modelo de batería para teléfonos móviles, reduciendo su tiempo de duración. Al analizar una muestra del último lote producido, el tiempo medio de duración fue de 290 minutos en lugar de los 300 minutos normales. Se concluye que las sospechas del control de calidad son ciertas a un nivel de significación del 2%. Adicionalmente, se cree que el nivel medio de protombina en una población normal es de 20 mg/100 ml,
El documento presenta 3 casos de pruebas de hipótesis estadísticas. El primer caso analiza si hubo defectos en la producción de baterías para teléfonos basado en el tiempo de duración promedio. El segundo caso examina si el nivel promedio de protrombina en una población es de 20 mg/100 ml. El tercer caso verifica si el tiempo que los niños ven televisión es mayor a 22 horas semanales. En los 3 casos se rechaza la hipótesis nula basado en los resultados de las muestras, lo que sugiere defect
Este documento presenta tres problemas de contraste de hipótesis. El primer problema compara el tiempo de duración promedio observado de una muestra de baterías con el tiempo de duración esperado, para determinar si hubo defectos en la producción. El segundo problema compara el nivel promedio de protombina observado en una muestra con el nivel esperado en la población. El tercer problema compara el tiempo promedio que los niños ven televisión según un investigador versus una empresa de investigación de mercados.
La mayoría de los problemas en el documento involucran calcular probabilidades usando diferentes distribuciones de probabilidad como la binomial, Poisson, hipergeométrica y exponencial. Algunos problemas piden calcular la probabilidad de que ciertos eventos ocurran dado los parámetros de cada distribución, mientras que otros proveen datos estadísticos y piden calcular valores esperados y varianzas.
1. El laboratorio afirmó que sus productos eran 90% efectivos para reducir una alergia en 8 horas, pero los resultados mostraron una efectividad de sólo el 80%. Por lo tanto, la afirmación del laboratorio es falsa.
2. Se probó una muestra de 50 motores modificados y se encontró que emitían en promedio 92 miligramos de óxido de nitrógeno por segundo, menos que los 100 miligramos por segundo antes de la modificación. Por lo tanto, es razonable suponer que la modificación reduce las emisiones de la población general de mot
El documento presenta información sobre pruebas de hipótesis estadísticas. Explica conceptos como hipótesis nula, hipótesis alternativa, estadístico de prueba, región crítica y errores tipo I y II. También incluye ejemplos de cómo formular las hipótesis y determinar la región crítica para diferentes situaciones. Finalmente, presenta varios casos de aplicación para ilustrar cómo realizar pruebas de hipótesis con datos.
Este documento presenta tres problemas de contraste de hipótesis. El primero involucra determinar si hubo defectos en la producción de baterías para teléfonos basándose en el tiempo medio de duración. El segundo analiza si el nivel medio de protombina en una población es de 20 mg/100 ml. El tercero evalúa si el tiempo que los niños de 3 a 5 años dedican a ver TV es mayor a 22 horas. En los tres casos se plantean hipótesis nula y alternativa, se calculan los intervalos de confianza y valores cr
Este documento presenta tres problemas de contraste de hipótesis. El primero analiza si hubo defectos en la producción de baterías para teléfonos que redujeron su tiempo de duración. El segundo examina si el nivel promedio de protombina en una población es de 20 mg/100 ml. El tercero evalúa si el tiempo que los niños de 3 a 5 años ven televisión es mayor a 22 horas como afirmaba un investigador. En los tres casos se rechaza la hipótesis nula de acuerdo al nivel de significación establecido, lo que
Este documento presenta tres problemas de contraste de hipótesis. El primero analiza si hubo defectos en la producción de baterías para teléfonos que redujeron su tiempo de duración. El segundo examina si el nivel promedio de protombina en una población es de 20 mg/100 ml. El tercero evalúa si el tiempo que los niños de 3 a 5 años ven televisión es mayor a 22 horas como afirmaba un investigador. En los tres casos se rechaza la hipótesis nula de acuerdo al nivel de significación establecido, lo que
Film magazine front cover conventions and analysiskatie1head
This is a presentation on all of the magazine front cover convetions and my analysis of how Empire, Total film, Little white lies and more specifically Sight and Sound use them.
The document provides a timeline and summaries of important films in the history of film noir from 1941 to 1958. It begins with The Maltese Falcon (1941), directed by John Huston and based on the novel by Dashiell Hammett. It then discusses several other influential noir films from the 1940s including Murder, My Sweet (1944), Double Indemnity (1944), Detour (1945), and The Big Sleep (1946). The timeline continues into the 1950s with films like In a Lonely Place (1950), The Big Heat (1953), Kiss Me Deadly (1955), and Touch of Evil (1958). These films established the genre of film noir and explored themes of mystery, crime,
The document analyzes the website for the film "Gone Girl" and discusses elements that could be useful for a website promoting the film being analyzed. It identifies navigation bars, the logo, interactive elements like arrows and videos, synopses, sign-up forms, and options to purchase the film as key components of the Gone Girl website that provide information and marketing opportunities. The document suggests incorporating navigation bars, logos, interactive clips, sign-up forms, and pre-order options on a website for the film being analyzed.
Este documento presenta información sobre pruebas de hipótesis e intervalos de confianza. Incluye 8 ejemplos de problemas estadísticos que involucran pruebas de hipótesis para probar si una hipótesis nula es verdadera o falsa, y la construcción de intervalos de confianza. Los ejemplos cubren temas como ventas de relojes, rapidez de combustión, visitas de vendedores, tiempo de secado de pintura y errores ortográficos. El documento proporciona los datos y cálculos relevantes
El resumen analiza 3 documentos que presentan hipótesis estadísticas y sus soluciones. El primero compara la duración promedio de baterías contra un umbral, el segundo examina el nivel de protrombina contra un valor esperado, y el tercero compara el tiempo de TV de niños reportado por una empresa versus un investigador. En los 3 casos se rechaza la hipótesis nula original a favor de la alternativa propuesta.
Este documento presenta tres ejercicios de contraste de hipótesis. El primero analiza si el tiempo de duración de baterías para teléfonos móviles ha disminuido. El segundo examina si el nivel promedio de protrombina en una población es de 20 mg/100 ml. El tercero evalúa si el tiempo que los niños ven televisión es mayor a 22 horas semanales. En los tres casos, se rechaza la hipótesis nula a un nivel de significación del 5% o menos, lo que indica que los resultados de las m
Una fábrica de baterías sospecha que hubo defectos en la producción de un modelo de batería para teléfonos móviles, reduciendo su tiempo de duración. Al analizar una muestra del último lote producido, el tiempo medio de duración fue de 290 minutos en lugar de los 300 minutos normales. Se concluye que las sospechas del control de calidad son ciertas a un nivel de significación del 2%. Adicionalmente, se cree que el nivel medio de protombina en una población normal es de 20 mg/100 ml,
El documento presenta 3 casos de pruebas de hipótesis estadísticas. El primer caso analiza si hubo defectos en la producción de baterías para teléfonos basado en el tiempo de duración promedio. El segundo caso examina si el nivel promedio de protrombina en una población es de 20 mg/100 ml. El tercer caso verifica si el tiempo que los niños ven televisión es mayor a 22 horas semanales. En los 3 casos se rechaza la hipótesis nula basado en los resultados de las muestras, lo que sugiere defect
Este documento presenta tres problemas de contraste de hipótesis. El primer problema compara el tiempo de duración promedio observado de una muestra de baterías con el tiempo de duración esperado, para determinar si hubo defectos en la producción. El segundo problema compara el nivel promedio de protombina observado en una muestra con el nivel esperado en la población. El tercer problema compara el tiempo promedio que los niños ven televisión según un investigador versus una empresa de investigación de mercados.
La mayoría de los problemas en el documento involucran calcular probabilidades usando diferentes distribuciones de probabilidad como la binomial, Poisson, hipergeométrica y exponencial. Algunos problemas piden calcular la probabilidad de que ciertos eventos ocurran dado los parámetros de cada distribución, mientras que otros proveen datos estadísticos y piden calcular valores esperados y varianzas.
1. El laboratorio afirmó que sus productos eran 90% efectivos para reducir una alergia en 8 horas, pero los resultados mostraron una efectividad de sólo el 80%. Por lo tanto, la afirmación del laboratorio es falsa.
2. Se probó una muestra de 50 motores modificados y se encontró que emitían en promedio 92 miligramos de óxido de nitrógeno por segundo, menos que los 100 miligramos por segundo antes de la modificación. Por lo tanto, es razonable suponer que la modificación reduce las emisiones de la población general de mot
El documento presenta información sobre pruebas de hipótesis estadísticas. Explica conceptos como hipótesis nula, hipótesis alternativa, estadístico de prueba, región crítica y errores tipo I y II. También incluye ejemplos de cómo formular las hipótesis y determinar la región crítica para diferentes situaciones. Finalmente, presenta varios casos de aplicación para ilustrar cómo realizar pruebas de hipótesis con datos.
Este documento presenta tres problemas de contraste de hipótesis. El primero involucra determinar si hubo defectos en la producción de baterías para teléfonos basándose en el tiempo medio de duración. El segundo analiza si el nivel medio de protombina en una población es de 20 mg/100 ml. El tercero evalúa si el tiempo que los niños de 3 a 5 años dedican a ver TV es mayor a 22 horas. En los tres casos se plantean hipótesis nula y alternativa, se calculan los intervalos de confianza y valores cr
Este documento presenta tres problemas de contraste de hipótesis. El primero analiza si hubo defectos en la producción de baterías para teléfonos que redujeron su tiempo de duración. El segundo examina si el nivel promedio de protombina en una población es de 20 mg/100 ml. El tercero evalúa si el tiempo que los niños de 3 a 5 años ven televisión es mayor a 22 horas como afirmaba un investigador. En los tres casos se rechaza la hipótesis nula de acuerdo al nivel de significación establecido, lo que
Este documento presenta tres problemas de contraste de hipótesis. El primero analiza si hubo defectos en la producción de baterías para teléfonos que redujeron su tiempo de duración. El segundo examina si el nivel promedio de protombina en una población es de 20 mg/100 ml. El tercero evalúa si el tiempo que los niños de 3 a 5 años ven televisión es mayor a 22 horas como afirmaba un investigador. En los tres casos se rechaza la hipótesis nula de acuerdo al nivel de significación establecido, lo que
Una fábrica de pilas sospecha que hubo defectos en la producción de baterías para teléfonos. La duración promedio de las baterías era de 300 minutos, pero el último lote tuvo un promedio de 290 minutos. Usando un nivel de significación del 2%, se puede concluir que las sospechas de la fábrica son ciertas.
Se cree que el nivel promedio de protombina en una población es de 20 mg/100ml con una desviación estándar de 4 mg/100ml. Una muestra de 40 personas
Lección 1 importnacia de las pruebas de hipótesisTino Lc
Este documento introduce las pruebas de hipótesis, que permiten verificar afirmaciones sobre parámetros poblacionales mediante el uso de muestras. Explica que las pruebas de hipótesis son similares al método científico y se usan en diversos campos. Detalla los elementos clave de una prueba de hipótesis, incluyendo las hipótesis nula y alternativa, y ofrece ejemplos de pruebas de cola superior, inferior y de dos colas. También discute los errores tipo I y II y cómo aumentar el t
El documento presenta un problema relacionado con un gerente de una tienda que implementó un nuevo sistema de cobro electrónico. El gerente estima que el tiempo de cobro con el nuevo sistema es menor a 19.5 minutos. Para comprobarlo, tomó una muestra de 65 clientes con un tiempo promedio de cobro de 17.668 minutos y una desviación estándar de 4.2305 minutos. Se debe determinar si se puede comprobar la hipótesis del gerente.
Este documento presenta una introducción a las pruebas de hipótesis, describiendo los conceptos básicos como la hipótesis nula, la hipótesis alternativa y los diferentes tipos de ensayos. Luego, proporciona ejemplos detallados de cómo realizar pruebas de hipótesis para comparar medias, proporciones y diferencias de muestras. Los ejemplos cubren temas como duración de focos, instalación de bombas de calor, volumen de llenado de botellas y apoyo a una propuesta entre votantes de
Este documento presenta 3 ejercicios de contraste de hipótesis. El primero analiza si el tiempo de duración promedio de ciertas baterías ha disminuido. El segundo evalúa si el nivel promedio de protrombina en una población es de 20 mg/100ml. El tercero examina si el tiempo que los niños ven televisión es mayor a 22 horas semanales. En cada caso se plantean hipótesis nulas y alternativas, y se concluye rechazando o no la hipótesis nula basado en los resultados de las
Una fábrica de baterías sospecha que hubo defectos en la producción de un modelo que redujeron su tiempo de duración. Al analizar una muestra del último lote, se encontró un tiempo medio de duración menor al normal, lo que sugiere que las sospechas son ciertas. Otro estudio encontró niveles de protrombina menores a lo normal en una muestra, rechazando la hipótesis de que eran los mismos que en la población. Finalmente, una empresa probó que los niños ven más horas de TV que lo afirm
Un control de calidad sospecha que hubo defectos en una producción de baterías para teléfonos que redujeron su tiempo de duración. Al analizar una muestra del último lote, el tiempo medio fue de 290 minutos en lugar de los 300 esperados. Realizando una prueba de hipótesis, se rechaza la hipótesis nula de que el tiempo medio es mayor o igual a 300 minutos, confirmando las sospechas del control de calidad.
Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinaria). UCLMJuan Martín Martín
Examen de Selectividad de la EvAU de Geografía de junio de 2023 en Castilla La Mancha. UCLM . (Convocatoria ordinaria)
Más información en el Blog de Geografía de Juan Martín Martín
http://blogdegeografiadejuan.blogspot.com/
Este documento presenta un examen de geografía para el Acceso a la universidad (EVAU). Consta de cuatro secciones. La primera sección ofrece tres ejercicios prácticos sobre paisajes, mapas o hábitats. La segunda sección contiene preguntas teóricas sobre unidades de relieve, transporte o demografía. La tercera sección pide definir conceptos geográficos. La cuarta sección implica identificar elementos geográficos en un mapa. El examen evalúa conocimientos fundamentales de geografía.
SEMIOLOGIA DE HEMORRAGIAS DIGESTIVAS.pptxOsiris Urbano
Evaluación de principales hallazgos de la Historia Clínica utiles en la orientación diagnóstica de Hemorragia Digestiva en el abordaje inicial del paciente.
RETROALIMENTACIÓN PARA EL EXAMEN ÚNICO AUXILIAR DE ENFERMERIA.docx
2 hipotesis
1. Universidad de Mendoza Ing. Jesús Rubén Azor Montoya
______________________________________________________________________
Cátedra Estadística Aplicada II
1
PRUEBAS DE HIPÓTESIS
En vez de estimar el valor de un parámetro, a veces se debe decidir si una
afirmación relativa a un parámetro es verdadera o falsa. Vale decir, probar una hipótesis
relativa a un parámetro.
Ejemplo I: Un fabricante de pintura de secado rápido afirma que el tiempo de secado de
la misma es de 20 min. El comprador diseña el siguiente experimento: pinta 36 tableros
y decide rechazar el producto si el promedio de tiempo de secado de los mismos supera
los 20.75 min. Si por experiencia =2.4 min, se pregunta cuál es la probabilidad de
rechazar la partida aún perteneciendo a una población con media de 20 min.
La probabilidad de que el promedio de las muestras exceda 20.75 min a causa
del azar se calcula del siguiente modo:
z
x
n
20.75 20
0.4
1.875
con esta abscisa, se calcula la probabilidad (área hacia la derecha), resultando 0.0304.
Gráficamente:
Este gráfico está hecho sobre valores reales, no normalizados. Para los cálculo se
usan estos últimos cuando se trabaja con tablas.
Entonces, la probabilidad de rechazar erróneamente la hipótesis =20 min es de
aproximadamente 0.03, o bien 3%.
Supóngase ahora que la media real del tiempo de secado es =21 min. Luego, la
probabilidad de obtener una media muestral menor o igual que 20.75 (y por lo tanto
equivocarse en la aceptación) está dada por:
lo que lleva a un área (hacia la izquierda) de 0.2660. Es decir: la probabilidad de
equivocarse al aceptar =20 (a pesar de ser =21) es del 26.6%. Gráficamente:
2. Universidad de Mendoza Ing. Jesús Rubén Azor Montoya
______________________________________________________________________
Cátedra Estadística Aplicada II
2
Como resumen se da la siguiente tabla:
HIPÓTESIS NULA Y PRUEBA DE SIGNIFICANCIA
En el ejemplo se formuló la hipótesis H como una Hipótesis Simple del
parámetro ( especificado por completo) puede hacerse para más de un valor de
(por ejemplo, < 20 min) esto es una Hipótesis Compuesta.
A menudo se formula una hipótesis opuesta a lo que se quiere probar. Por
ejemplo, si se quiere determinar el sistema de riego de menor costo de dos, se formula la
hipótesis de que los dos sean igualmente costosos. A esta hipótesis se la llama Hipótesis
Nula y se denota por Ho.
Reformulemos el ejemplo de la pintura: Se rechaza la hipótesis = 20 min (y se
acepta la alternativa > 20min), si la media de 36 valores muestrales excede 20.75 min,
de lo contrario nos reservamos la decisión.
Aquí no hay posibilidad de Error de tipo II (por lo de reservar la decisión). El
criterio anterior puede ser descrito muy bien como una prueba de si es
significativamente más grande que = 20 min, donde “significativamente más grande”
significa que la discrepancia entre y = 20 min es tal que razonablemente puede
atribuirse al azar. A esta clase de pruebas se las conoce como “Pruebas Significativas”.
Para la resolución de problemas en forma sistemática se siguen los preceptos:
1 – Se formula una Hipótesis Nula simple y una Hipótesis Alterna apropiada que se
acepta cuando la Hipótesis Nula debe ser rechazada.
En el ejemplo de la pintura, la hipótesis nula es = 20 min y la alternativa >
20 min. Esta clase de alternativa se llama Unilateral. Un caso de prueba alternativa
Bilateral sería el de un fraccionador de café que desea verificar si en cada frasco de 100
gr hay en realidad 100 gr. La alternativa bilateral es . Al fraccionador no le
conviene menos de 100 gr porque puede perder mercado ni más de 100 gr por la pérdida
económica.
3. Universidad de Mendoza Ing. Jesús Rubén Azor Montoya
______________________________________________________________________
Cátedra Estadística Aplicada II
3
Ejemplo: Un fabricante de utensilios está considerando la conveniencia de adquirir una
nueva máquina para grabar las piezas de lámina metálica. Si o es el número promedio
de piezas de buena calidad grabadas por hora en su máquina actual y si es el promedio
correspondiente a la nueva máquina, el fabricante quiere probar la hipótesis nula o
contra una alternativa adecuada. ¿Cuál sería la hipótesis si:
a) No quiere comprar una nueva máquina a menos que sea más productiva que aquella
con la que trabaja actualmente.
b) Quiere comprar la máquina nueva (la cual ofrece algunas otras características
atractivas) a menos que sea menos productiva que la que tiene actualmente?
Solución: a) Hipótesis alterna o (unilateral, cola derecha) y adquirirá sólo si la
hipótesis nula puede ser rechazada. b) hipótesis alterna o (unilateral, cola
izquierda) y adquirirá a menos que la hipótesis nula pueda ser rechazada.
2 - Se especifica la probabilidad de un Error de Tipo I si es posible, conveniente o
necesario, se puede especificar también las probabilidades de Errores Tipo II, para
alternativas particulares.
La probabilidad de un Error Tipo I se denomina Nivel de Significación y se fija
comunmente en =0.05 ó =0.01. No conviene muy chico porque se hace muy
grande.
3 – Con base en la distribución muestral de un estadístico apropiado, se construye un
criterio para probar la Hipótesis Nula contra la alternativa determinada.
4 – Se calcula, a partir de los datos, el valor del estadístico sobre el cual se basa la
decisión.
5 - Se decide rechazar la Hipótesis Nula, aceptarla o abstenerse de tomar una decisión.
HIPÓTESIS RELATIVA A UNA MEDIA
Ejemplo I: La duración media de una muestra de 100 tubos fluorescentes producidos
por una compañía resulta ser de 1570 horas, con una desviación típica de 120 horas. Si
es la duración media de todos los tubos producidos por la compañía, comprobar la
hipótesis = 1600 contra la hipótesis alternativa horas con un nivel de
significación de 0.05.
1 – Hipótesis Nula = 1600 hr.
Hipótesis Alternativa <> 1600 hr. (bilateral)
2 - Nivel de significancia: =0.05.
3 - Para trabajar con tablas normalizadas, se usa z en lugar de :
z
x
n
4. Universidad de Mendoza Ing. Jesús Rubén Azor Montoya
______________________________________________________________________
Cátedra Estadística Aplicada II
4
Por otro lado, será tal que el área bajo la normal a su derecha sea /2 y
será tal que el área bajo la normal a su izquierda sea /2. Estos dos valores
definen las zonas de aceptación y rechazo de la Hipótesis Nula. Según donde caiga el
valor de z calculado por la expresión anterior, se producirá la aceptación o rechazo.
4 – Cálculos:
z
1570 1600
120
100
2.5
5- Dado que –2.5 < -z0.025 se Rechaza la Hipótesis Nula, luego la duración media de los
tubos es significativamente menor que 1600 horas. Como se puede apreciar en el
siguiente gráfico, la media muestral cae fuera de la zona de aceptación:
En general, el siguiente cuadro resume las distintas pruebas de hipótesis nulas
=o que se pueden realizar sobre una media:
Ejemplo II: Una empresa de transportes desconfía de la afirmación de que la vida útil
promedio de ciertos neumáticos es al menos de 28000. Para verificar se colocan 40
neumáticos en camiones y se obtiene una vida útil promedio de 27463 con una s=1348.
¿Qué se puede concluir con ese dato si la probabilidad de Error Tipo I es a lo sumo
0.01?.
5. Universidad de Mendoza Ing. Jesús Rubén Azor Montoya
______________________________________________________________________
Cátedra Estadística Aplicada II
5
1 – Hipótesis Nula < 28000
Hipótesis Alternativa > 28000 (unilateral)
2 - Nivel de significancia: = 0.01.
3- Para trabajar con tablas normalizadas:
z
x
s
n
además: z = 2.33
4 – Cálculos:
z
27463 28000
1348
40
2.52
5- Dado que –2.52 < -z0.01 se Rechaza la Hipótesis Nula, luego la vida útil de los
neumáticos es significativamente menor que 28000. Como se puede apreciar en el
siguiente gráfico, la media muestral cae fuera de la zona de aceptación:
Si el tamaño de la muestra es pequeño , se desconoce y proviene de una
población normal, se debe utilizar el estadístico t-Student con =n-1 grados de libertad.
Ejemplo III: La duración media de las bombillas producidas por una compañía han sido
en el pasado de 1120 horas con una desviación típica de 125 horas. Una muestra de 8
bombillas de la producción actual dio una duración media de 1070 horas. Ensayar la
hipótesis =1120 horas contra la hipótesis alternativa <1120 horas mediante un nivel
de significancia de =0.05.
1 – Hipótesis Nula = 1120 hs.
Hipótesis Alternativa < 1120 hs. (unilateral)
2 - Nivel de significancia: =0.05.
4- Para trabajar con tablas normalizadas:
t
x
s
n
con = n-1=8-1=7 grados de libertad. Además: t = -1.895 (=7).
4 – Cálculos:
6. Universidad de Mendoza Ing. Jesús Rubén Azor Montoya
______________________________________________________________________
Cátedra Estadística Aplicada II
6
t
1070 1120
125
8
1.131
5- Dado que –1.131 > -t0.05 se Acepta la Hipótesis Nula, luego la vida útil de los
neumáticos es significativamente igual a 1120 horas. Como se puede apreciar en el
siguiente gráfico, la media muestral cae dentro de la zona de aceptación:
CURVAS CARACTERÍSTICAS DE OPERACIÓN
ANALISIS PARA COLA DERECHA
Hasta el momento no se han atendido a los Errores Tipo II. La elección de =21
min en el tiempo de secado fue arbitraria. Veremos qué sucede con otros valores de .
L() será la probabilidad de aceptar la Hipótesis Nula ( > o, cola derecha),
aún siendo la media =21, para distintos valores de . Rescatando el ejemplo de la
pintura, en que o = 20, = 2.4 y n=36 y la línea divisoria del criterio en = 20.75
min, se verifica:
7. Universidad de Mendoza Ing. Jesús Rubén Azor Montoya
______________________________________________________________________
Cátedra Estadística Aplicada II
7
y así siguiendo.
Así se puede construir una tabla como la siguiente
¨
Valor de
¨
Valor de z
Probabilidad de
Aceptar la Ho
L(
19.50 3.125 0.999
19.75 2.5 0.99
20.00 1.875 0.97
20.25 1.25 0.89
20.50 0.625 0.73
20.75 0 0.50
21.00 -0.625 0.27
21.25 -1.25 0.11
21.50 -1.875 0.03
21.75 -2.5 0.01
22.00 -3.125 0.001
Que gráficamente queda:
ANALISIS PARA COLA IZQUIERDA
8. Universidad de Mendoza Ing. Jesús Rubén Azor Montoya
______________________________________________________________________
Cátedra Estadística Aplicada II
8
Si la hipótesis alterna fuese la contraria ( < o, cola izquierda) con los datos
o = 20 , = 2.4, n=36, y la línea divisoria de criterio en = 19.25, se verifica:
para =19.50 z
19.50 19.75
0.4
0.625 L 0.73
y así siguiendo.
Esto lleva a la siguiente tabla:
¨
Valor de
¨
Valor de z
Probabilidad de
Aceptar la Ho
L(
18.50 -1.875 0.03
18.75 -1.25 0.11
19.00 -0.625 0.27
19.25 0 0.5
19.50 0.625 0.73
19.75 1.25 0.89
20.00 1.875 0.97
20.25 2.5 0.99
20.50 3.125 0.999
y al siguiente gráfico (punteado), se deja el anterior para comparación.
9. Universidad de Mendoza Ing. Jesús Rubén Azor Montoya
______________________________________________________________________
Cátedra Estadística Aplicada II
9
Se puede apreciar que los mismos son la imagen del espejo uno de otro.
ANALISIS PARA DOS COLAS
Si la hipótesis alterna fuese <> o, bilateral, o de dos colas, con los
datos o = 20 , = 2.4, n=36, y las línea divisorias del criterio entre = 19.25 min y
= 20.75 min, se verifica:
para =19 z1
19.25 19
0.4
0.625 z2
20.75 19
0.4
4.375
L 0.27
esto lleva a la siguiente tabla:
¨
Valor de
¨
Valor de z
Probabilidad de
Aceptar la Ho
L(
18.50 1.875 0.03
18.75 1.25 0.11
19.00 0.625 0.27
19.25 0 0.5
19.50 -0.625 0.73
10. Universidad de Mendoza Ing. Jesús Rubén Azor Montoya
______________________________________________________________________
Cátedra Estadística Aplicada II
10
19.75 -1.25 0.89
20.00 -1.875 0.97
20.25 -0.625 0.73
20.50 0 0.5
20.75 0.625 0.27
21.00 1.25 0.11
21.25 1.875 0.03
21.50 1.875
y así siguiendo.
Esto lleva a la siguiente tabla:
¨
Valor de
¨
Valor de z
Probabilidad de
Aceptar la Ho
L(
18.50 -1.875 0.03
18.75 -1.25 0.11
19.00 -0.625 0.27
19.25 0 0.5
19.50 0.625 0.73
19.75 1.25 0.89
20.00 1.875 0.97
20.25 2.5 0.99
20.50 3.125 0.999
y al siguiente gráfico (punteado), se deja el anterior para comparación.
11. Universidad de Mendoza Ing. Jesús Rubén Azor Montoya
______________________________________________________________________
Cátedra Estadística Aplicada II
11
Se puede apreciar que los mismos son la imagen del espejo uno de otro.
Si la hipótesis alterna fuese <> o, bilateral, o de dos colas, con los datos o =
20 , = 2.4, n=36, y las línea divisorias del criterio entre = 19.25 min y
= 20.75 min, se verifica:
para =19.00 z
19.25 19
0.4
0.625 L 0.27
esto lleva a la siguiente tabla:
¨
Valor de Valor de z1 Valor de z2
Probabilidad de
Aceptar la Ho
L(
18.50 1.875 5.625 0.03
18.75 1.25 5 0.106
19.00 0.625 4.375 0.27
19.25 0 3.75 0.5
19.50 -0.625 3.125 0.733
19.75 -1.25 2.5 0.88
20.00 -1.875 1.875 0.939
20.25 -2.5 1.25 0.88
12. Universidad de Mendoza Ing. Jesús Rubén Azor Montoya
______________________________________________________________________
Cátedra Estadística Aplicada II
12
20.50 -3.125 0.625 0.733
20.75 -3.75 0 0.5
21.00 -4.375 -0.625 0.27
21.25 -5 -1.25 0.106
21.50 -5.625 -1.875 0.03
Que gráficamente queda:
ANALISIS PARA MUESTRAS DE MAYOR TAMAÑO
Volviendo al caso testigo de las pinturas, se analizará qué ocurre con L()
cuando la muestra es más grande, como por ejemplo n=50 (antes n=36), con los datos
o = 20 , = 2.4, y las línea divisorias del criterio = 20.75 min, se verifica:
para =19 z1
19.25 19
0.4
0.625 z2
20.75 19
0.4
4.375
L 0.27
y así siguiendo.
Esto lleva a la siguiente tabla:
¨
Valor de
¨
Valor de z
Probabilidad de
Aceptar la Ho
L(
19.50 3.683 1
19.75 2.946 0.998
20.00 2.21 0.986
20.25 1.473 0.93
20.50 0.737 0.769
20.75 0 0.50
21.00 -0.737 0.231
21.25 -1.473 0.07
21.50 -2.21 0.014
21.75 -2.946 0.0016
22.00 -3.683 0
Que gráficamente queda:
13. Universidad de Mendoza Ing. Jesús Rubén Azor Montoya
______________________________________________________________________
Cátedra Estadística Aplicada II
13
ALGORITMO PARA EL TRAZADO DE LAS CURVAS DE OPERACIÓN
Se pretende graficar el error tipo II en su forma más general para un nivel de
significación = 0.05 y prueba de cola derecha:
del esquema se ve que:
z
x
0
n
z
x
n
Restando miembro a miembro, y siendo z = 1.65 (abscisa que deja a la derecha
un área =0.05), queda:
1.65 z
0
n
Llamando d a una variable dada por:
d
0
resulta:
z d( ) 1.65 d n
Finalmente, el error tipo II es:
14. Universidad de Mendoza Ing. Jesús Rubén Azor Montoya
______________________________________________________________________
Cátedra Estadística Aplicada II
14
d n( ) 0.5
0
1.65 d n
x
1
2
exp 0.5 x
2
d
El siguiente segmento de programa en Matlab permite trazar las curvas de
operación para tres tamaños muestrales: 1, 5 y 10:
function curvas_ope
% Esta funcion permite trazar las curvas de operacion para
% un nivel de significacion de 0.05 en pruebas de una cola
% para distintos valores de tamaño muestral.
% Expresion de la funcion densidad normal
F=inline('1/sqrt(2*pi)*exp(-0.5*x.^2)');
% Generacion de la curva para n=1
n=1;i=1;
for d=0:0.1:3
M1(i)=0.5+quadl(F,0,1.65-d*sqrt(n));i=i+1;
end
% Generacion de la curva para n=5
n=5;i=1;
for d=0:0.1:3
M2(i)=0.5+quadl(F,0,1.65-d*sqrt(n));i=i+1;
end
% Generacion de la curva para n=10
n=10;i=1;
for d=0:0.1:3
M3(i)=0.5+quadl(F,0,1.65-d*sqrt(n));i=i+1;
end
a=i-1;
i=1:a;plot(i,M1,'r',i,M2,'b',i,M3,'k')
y mediante la ejecución del comando:
>> curvas_ope
permite obtener el siguiente gráfico, siendo la línea superior la correspondiente a n=1, la
central n=5 y la inferior n=10.
15. Universidad de Mendoza Ing. Jesús Rubén Azor Montoya
______________________________________________________________________
Cátedra Estadística Aplicada II
15
Para pruebas de cola izquierda, los gráficos son la "imagen del espejo" de los
anteriores, con lo cual (para generalizar) se usa como abscisa el valor absoluto de d,
sirviendo entonces el juego de curvas para ambas pruebas.
Para pruebas de dos colas:
Se puede verificar que el error tipo II, en este caso, sigue la siguiente función
(considerando como siempre =0.05 y por lo tanto /2=0.025, con z=1.96):
d n( )
0
1.96 d n
x
1
2
exp 0.5 x
2
d
0
1.96 d n
x
1
2
exp 0.5 x
2
d
En la literatura, se han hecho gráficos para calcular mediante ellos el error tipo II
para distintos valores de d, usando el tamaño muestral (n) como parámetro y con valores
de nivel de significancia de 0.01 y 0.05, para muestras de una cola y de dos colas.
El siguiente segmento de programa en Matlab permite el mismo cálculo que el
que se haría con los gráficos.
16. Universidad de Mendoza Ing. Jesús Rubén Azor Montoya
______________________________________________________________________
Cátedra Estadística Aplicada II
16
function beta=error_II(cola,alfa,mu0,mu,sigma,n)
% Esta funcion permite calcular el Error de Tipo II para un
% un nivel de significacion dado, en prueba de una o dos colas.
% Entradas: cola, 1 (una cola) 2 (2 colas)
% alfa, 0.05 o 0.01, nivel de significacion
% mu0, real, media de la hipotesis nula
% mu, real, media para la que se quiere calcular
% el Error tipo II
% sigma, real, desviacion estandar
% n, entero, tamaño de la muestra
% Salida: beta, real, Error tipo II correspondiente.
% Expresion de la funcion densidad normal
F=inline('1/sqrt(2*pi)*exp(-0.5*x.^2)');
% Calculo de d
d=abs(mu-mu0)/sigma;
% Calculo del Error tipo II
if cola==1,
if alfa==0.05,z_alfa=1.645;
beta=0.5+quadl(F,0,z_alfa-d*sqrt(n))
end
if alfa==0.01,z_alfa=2.326;
beta=0.5+quadl(F,0,z_alfa-d*sqrt(n))
end
end
if cola==2,
if alfa==0.05,z_alfa=1.96;
beta=quadl(F,0,z_alfa-d*sqrt(n))-quadl(F,0,-z_alfa-d*sqrt(n))
end
if alfa==0.01,z_alfa=2.576;
beta=quadl(F,0,z_alfa-d*sqrt(n))-quadl(F,0,-z_alfa-d*sqrt(n))
end
end
Ejemplo: Suponer que se desea investigar la afirmación de que la intensidad de sonido
de ciertas aspiradoras es una variable aleatorias que tiene una distribución normal con
una media de 75.2 db, con una desviación estándar de 3.6 db. Específicamente, se
quiere probar la hipótesis nula =75.2 contra la hipótesis alternativa > 75.2 en base a
la medición de la intensidad del sonido ce n=15 de tales máquinas. Si la probabilidad de
cometer un error tipo I es = 0.05 ¿Cuál es la probabilidad de cometer un error tipo II
para = 77.db?.
De acuerdo a lo anterior, con los datos del problema, se ejecuta:
>> error_ii(1,0.05,75.2,77,3.6,15)
donde el primer argumento indica que es una prueba de una cola (1), el segundo es
(0.05), el tercero (75.2), el cuarto (75.2), el quinto (3.6) y el sexto el tamaño
muestral, n (15). Resultando:
beta =
0.3873
17. Universidad de Mendoza Ing. Jesús Rubén Azor Montoya
______________________________________________________________________
Cátedra Estadística Aplicada II
17
Esto se puede visualizar entrando en el gráfico de Curvas Características de
Operación correspondiente a prueba de una cola con =0.05 y entrando con la abscisa
d=0.5:
HIPÓTESIS RELATIVA A DOS MEDIAS
Considérese el caso de la discusión acerca de dos métodos de soldadura de rieles
ferroviarios, se toman muestras y se decide cuál de ellos es el mejor comparando las
medias de sus resistencias en pruebas mecánicas.
Se consideran dos poblaciones con medias 1 y 2 y varianzas 1
2
y 2
2
. Se
quiere probar la hipótesis nula 1-2= , siendo una constante, que se determina en
base a muestras aleatorias independientes de tamaños n1 y n2.
Como siempre, se harán pruebas de la hipótesis nula contra las alternas
1-2<> , 1-2< o 1-2> .La prueba dependerá de las diferencias entre las media
muestrales y si ambas provienen de poblaciones normales, se define el
estadístico:
donde es la desviación estándar de la distribución muestral de la diferencia
entre las medias muestrales.
Si las distribuciones de dos variables aleatorias independientes tienen las medias
1 y 2 y las varianzas 1
2
y 2
2
, entonces la distribución de su suma (o diferencia) tiene
la media 1 + 2 (o 1 - 2) y la varianza 1
2
+ 2
2
.
Se sabe que:
es decir:
luego:
18. Universidad de Mendoza Ing. Jesús Rubén Azor Montoya
______________________________________________________________________
Cátedra Estadística Aplicada II
18
este estadístico es aún válido para muestras grandes (n1 y n2 mayores que 30)
sustituyendo 1 y 2 por s1 y s2.
Las regiones críticas para probar la hipótesis nula 1-2= son para poblaciones
normales con 1 y 2 conocidas o grandes muestras.
Hipótesis
Alterna
Se rechaza la Hipótesis
Nula si:
1-2< z < -z
1-2> z > z
1-2<> z < -z
ó z > z
Si bien puede ser cualquier valor, generalmente se hace 0 (hipótesis nula
1-2= 0).
Ejemplo I: Para probar la afirmación de que la resistencia de un conductor eléctrico
puede reducirse en más de 0.050 ohms mediante aleaciones, 32 valores obtenidos de
alambre ordinario produjeron = 0.136 ohms y s1 = 0.004 ohms y 32 valores
obtenidos con alambre fabricado en base a aleaciones produjeron = 0.083 ohms y
s2 = 0.005 ohms. ¿Se apoya la afirmación con un nivel de significación de 0.05?
1 – Hipótesis Nula 12 = 0.050
Hipótesis Alternativa 12 > 0.050 (unilateral)
2 - Nivel de significancia: =0.05. z = 1.65
5- Para trabajar con tablas normalizadas:
4 – Cálculos:
5- Dado que 2.65 > z0.05 se Rechaza la Hipótesis Nula, por lo tanto se acepta la
Hipótesis Alternativa, esto es se refrenda la afirmación 12 > 0.050. Vale decir, la
aleación reduce significativamente en más de 0.050 ohms la resistencia del conductor
Ejemplo II: La estatura media de 50 estudiantes de un colegio que tomaban parte en las
pruebas atléticas fue de 1.70 mts con desviación estándar de 0.0625 mts, mientras que
50 estudiantes que no mostraban interés en tal participación tenían una estatura media
19. Universidad de Mendoza Ing. Jesús Rubén Azor Montoya
______________________________________________________________________
Cátedra Estadística Aplicada II
19
de 1.687 mts con desviación estándar de 0.07 mts. Ensayar la hipótesis de que los
estudiantes que participan en pruebas atléticas son más altos que los otros, con un nivel
de significancia de 0.05.
1 – Hipótesis Nula 12 = 0, no hay diferencia entre las estaturas medias
Hipótesis Alternativa 12 > 0 (unilateral), la estatura media del primer grupo
es significativamente mayor que la del segundo.
2 - Nivel de significancia: =0.05. z = 1.65
6- Para trabajar con tablas normalizadas:
7-
4 – Cálculos:
z
1.70 1.687
0.0625
2
50
0.007
2
50
0.98
5- Dado que 0.98 < z0.05 se Acepta la Hipótesis Nula 12 = 0. Vale decir, los
estudiantes que participan en pruebas atléticas no son significativamente más altos que
los otros
Si se deben correr riesgos de Error Tipo II, en los cuales las probabilidades
dependen de las diferencias alternas reales ‘12 , se pueden usar las curvas
característica de operación con :
d
´
1 2
2 2
Ejemplo III: Con respecto al ejemplo anterior ¿Cuál es la probabilidad de cometer un
Error Tipo II para ‘=0.02 mts.?
d
0 0.02
0.0625( )
2
0.07( )
2
0.213
dado que = 0.05 y n = 50, trabajando con la tabla correspondiente o ejecutando la
función error_II de Matlab definida previamente:
>> mu0=0;mu=0.02;sigma=sqrt(0.0625^2+0.07^2);n=50;error_II(1,0.05,mu0,mu,sigma,n)
se obtiene:
20. Universidad de Mendoza Ing. Jesús Rubén Azor Montoya
______________________________________________________________________
Cátedra Estadística Aplicada II
20
ans =
0.5549
Luego el valor del Error tipo II para este caso es =0.5549.
Si n1 es distinto de n2 , el valor de n que se debe utilizar (el gráfico o el
algoritmo) se calcula como:
n
1 2
2 2
1 2
n1
2 2
n2
Cuando n1 , n2 o ambos son pequeños y se desconocen las varianzas de las
poblaciones, se puede fundamentar la hipótesis nula 1-2 = en un estadístico
adecuado t, con tal de suponer a ambas poblaciones normales con 1= 2 (=). En estas
condiciones:
con 2
estimado por ponderación de las sumas de los cuadrados con respecto a las
media muestrales:
2 1
n1
i
x1i
x1
2
1
n2
i
x2i
x2
2
n1 n2 2
n1 1 s1 2
n2 1 s2 2
n1 n2 2
haciendo las sustituciones correspondientes, se llega a la llamada prueba t bimuestral:
t
x1
x2
n1 1 s1 2
n2 1 s2 2
n1 n2 n1 n2 2
n1 n2
con = n1+ n2 -2 .
Ejemplo: En una estación agrícola se deseaba ensayar el efecto de un determinado
fertilizante sobre la producción de trigo. Para ello se eligieron 24 parcelas de terreno de
igual superficie; la mitad de ellas fueron tratadas con el fertilizante y la otra mitad no
(grupo control). Todas las demás condiciones fueron las mismas. La media de trigo
conseguida fue de 0.264 m3
con una desviación estándar de 0.02 m3
, mientras que la
media en las parcelas tratadas fue de 0.28 m3
con una desviación estándar de 0.022 m3
.
¿Puede decirse que hay un incremento significativo en la producción de trigo por el
empleo del fertilizante al nivel de significación del 5%?
21. Universidad de Mendoza Ing. Jesús Rubén Azor Montoya
______________________________________________________________________
Cátedra Estadística Aplicada II
21
1 – Hipótesis Nula 12 = 0, la diferencia se debe al azar
Hipótesis Alternativa 12 (unilateral), el fertilizante incrementa
significativamente la producción.
2 - Nivel de significancia: =0.05. t = 1.717 con =22 grados de libertad.
3 - Para trabajar con tablas normalizadas:
t
x1
x2
n1 1 s1 2
n2 1 s2 2
n1 n2 n1 n2 2
n1 n2
4 – Cálculos:
t
0.28 0.264( ) 0[ ]
12 1( ) 0.022
2
12 1( ) 0.02( )
2
12 12 12 12 2( )
12 12
1.849
5- Dado que 1.849 > t0.05 (t = 1.717) se Rechaza la Hipótesis Nula 12 = 0. Vale
decir, hay un incremento significativo en la producción de trigo por el empleo del
fertilizante.
Al aplicar la prueba t-bimuestral se deben vigilar que las muestras sean
independientes. Por ejemplo, no puede utilizarse cuando se trabaja con datos de “antes y
después”, para ese caso se utiliza la diferencia de los datos apareados (con su signo).
Ejemplo: Los siguientes datos son las horas-hombre que se pierden semanalmente en
promedio por accidentes en 10 plantas industriales antes y después de implantar un
cierto programa de seguridad:
45 y 36 73 y 60 46 y 44 124 y 119 33 y 35
57 y 51 83 y 77 34 y 29 26 y 24 17 y 11
utilizar el nivel de significación de 0.05 para probar si el sistema de seguridad es eficaz.
1 – Hipótesis Nula = 0, la media de la población de diferencia es nula
Hipótesis Alternativa (unilateral), el sistema de seguridad es eficaz
2 - Nivel de significancia: =0.05. t = 1.833 con =10-1=9 grados de libed.
3 - Para trabajar con tablas normalizadas:
t
x
s
n
4 – Cálculos: Se calcula primero la media y la desviación estándar de la muestra de
diferencias:
x
9 13 2 5 2 6 6 5 2 6
10
5.2
22. Universidad de Mendoza Ing. Jesús Rubén Azor Montoya
______________________________________________________________________
Cátedra Estadística Aplicada II
22
s
9
2
13
2
2
2
5
2
2
2
6
2
6
2
5
2
2
2
6
2
10 5.2
2
9
4.077
t
5.2 0
4.077
10
4.033
5- Dado que 4.033 > t0.05 (t = 1.833) se Rechaza la Hipótesis Nula = 0. Vale decir,
el sistema de seguridad es eficaz.
Esta prueba t se conoce como “Prueba t para Muestras Apareadas”.