SlideShare una empresa de Scribd logo
Pruebas de Hipótesis
Estadística Aplicada a la Psicología
El presente documento consta de ejercicios resueltos
de pruebas de hipótesis.
Sinagi@gmail.com
05/07/2007
Universidad Uniacc
Modalidad e-learning
Estadística Aplicada a la Psicología
Profesor Francisco Marro
sinagi@gmail.com
ÍÍNNDDIICCEE
Contenido
t de Student para una muestra ..................................................................................................... 3
t de Student para muestras independientes ................................................................................ 5
t de Student para muestras pareadas........................................................................................... 7
Anova ............................................................................................................................................ 9
Wilcoxon...................................................................................................................................... 12
U de Mann-Whitney.................................................................................................................... 14
Universidad Uniacc
Modalidad e-learning
Estadística Aplicada a la Psicología
Profesor Francisco Marro
sinagi@gmail.com
TT DDEE SSTTUUDDEENNTT PPAARRAA UUNNAA MMUUEESSTTRRAA
En una población normalmente distribuida con desviación estándar igual a 32,
se extrae una muestra aleatoria simple de tamaño 16, que arroja una media y
una desviación típica de 520 y respectivamente. A partir de estos datos
¿Se puede concluir, con un nivel de significación 0,05, que la media
poblacional es mayor que 516?
11.. Planteamiento de la hipótesis
Ho: 516  H1: 516 
22.. Nivel de significación
0,05 
33.. Descripción de la población y suposiciones
m.a.s; ~N; 2
 conocida.
44.. Estadístico Pertinente
x
55.. Estadístico de Prueba
z
66.. Regiones de rechazo y aceptación
La RR está dada por todos los obsz cuyos valores sean mayores o iguales a
1,645.
La RA está dada por todos los obsz cuyos valores sean menores a 1,645.
77.. Cálculo y recolección de datos
0
obs
x
z
n




Universidad Uniacc
Modalidad e-learning
Estadística Aplicada a la Psicología
Profesor Francisco Marro
sinagi@gmail.com
94 81
4,33
12
16
obsz

 
88.. Decisión Estadística
Como 0,5 1,7531obs criticoz z   , no hay suficiente evidencia para rechazar
Ho.
99.. Conclusión
Con un 95% de confianza se puede concluir que la media poblacional es
menor o igual a 516.
Universidad Uniacc
Modalidad e-learning
Estadística Aplicada a la Psicología
Profesor Francisco Marro
sinagi@gmail.com
TT DDEE SSTTUUDDEENNTT PPAARRAA MMUUEESSTTRRAASS IINNDDEEPPEENNDDIIEENNTTEESS
Se desea comparar el tiempo el tiempo de latencia entre los pacientes que
sufren taquicardia versus los que no sufren taquicardia. Se obtuvo una
muestra aleatoria de 15 pacientes con taquicardia y se evaluó el tiempo de
latencia. La medida fue igual a 53,53, con una varianza de 38,47. se obtuvo
otra muestra aleatoria independiente de 81 pacientes sin taquicardia, los
que puntuaron en promedio el valor de 78,71, con una varianza igual a
79,08. determine, con una significancia de 0,05 si difieren ambos grupos.
11.. Planteamiento de la hipótesis
Ho: 1 2
1 2 0
 
 

 
H1: 1 2
1 2 0
 
 

 
22.. Nivel de significación
0,05 
33.. Descripción de la población y suposiciones
m.a.s; ~N; 2
 desconocidas e iguales*.
44.. Estadístico Pertinente
1 2x x
55.. Estadístico de Prueba
t de Student
66.. Regiones de rechazo y aceptación
La RR está dada por todos los valores t observados tal que
2 1 21 ; 2
0,975;94
1,9855
obs n n
obs
obs
t t
t t
t

  



77.. Cálculo y recolección de datos
*Calculo para saber si las varianzas son iguales
Universidad Uniacc
Modalidad e-learning
Estadística Aplicada a la Psicología
Profesor Francisco Marro
sinagi@gmail.com
2 1
1 2
; ;
2
1 ; ;
2
0,025;80;14
0,975;14;80
0,025;80;14
0,025;80;14
1
1
1
2,0346
0,49
gl gl
gl gl
F
F
F
F
F
F







2 1
0,975;80;14
1 ; ;
2
0,975;80;14 2,6142
gl gl
F F
F




 
2
2 21
1 22
2
38,47 38,47
0,49; 2,6142
79,08 79,08
0,238;1,27
0,238 1,27
IC
IC
IC

 

 
   
 

 
     
 
Ahora podemos utilizar la fórmula adecuada
       2 2
1 1 2 22
1 2
1 1 14 1 38,47 80 1 79,08
73,03
2 14 80 2
p
n S n S
S
n n
     
  
   
2 2
1 2
53,53 78,71
10,49
73,03 73,03
15 81
o
obs
p p
x y
t
s s
n n
  
   

88.. Decisión Estadística
Se rechaza Ho, debido a que el t observado -10,49, es menor que el t
crítico-1,9855.
99.. Conclusión
Con un 95% de confianza se puede concluir que las latencias entre los
pacientes que sufren de taquicardia y los que no padecen de este mal, difieren.
Universidad Uniacc
Modalidad e-learning
Estadística Aplicada a la Psicología
Profesor Francisco Marro
sinagi@gmail.com
TT DDEE SSTTUUDDEENNTT PPAARRAA MMUUEESSTTRRAASS PPAARREEAADDAASS
Un psicólogo seleccionó al azar a 15 señoras con sus maridos y midió la
satisfacción respecto del barrio en que vivían. ¿Proporcionan estos datos
una indicación de que los maridos estén más satisfechos que las señoras?
(alfa = 0.05).
Esposa 37 57 32 54 52 34 60 40 59 39 40 59 44 32 55
Marido 44 60 55 68 40 48 57 49 47 52 58 51 66 60 68
11.. Planteamiento de la hipótesis
Ho: 0d  H1: 0d 
22.. Nivel de significación
0,05 
33.. Descripción de la población y suposiciones
m.a.s; ~N; 2
 desconocidas.
44.. Estadístico Pertinente
/d di n 
55.. Estadístico de Prueba
t de student
66.. Regiones de rechazo y aceptación
La RR está dada por todos los valores t observados tal que 1 ; 1
0,95;14
1,7613
obs n
obs
obs
t t
t t
t
 


Universidad Uniacc
Modalidad e-learning
Estadística Aplicada a la Psicología
Profesor Francisco Marro
sinagi@gmail.com
77.. Cálculo y recolección de datos
Esposa (y) Marido (x) x-y (x-y)^2
37 44 7 49
57 60 3 9
32 55 23 529
54 68 14 196
52 40 -12 144
34 48 14 196
60 57 -3 9
40 49 9 81
59 47 -12 144
39 52 13 169
40 58 18 324
59 51 -8 64
44 66 22 484
32 60 28 784
55 68 13 169
129d   
2
3351d 
8,6d 
   
2
2 2
2 3351 15 8,6
160,11
1 14
12,65
id n d
Sd
n
Sd
   
  



0
8,6 0
2,63
12,65
15
obs
obs
x
t
S
n
t



 
88.. Decisión Estadística
Como el t observado 2,63, es mayor que el t crítico 1,76, se rechaza Ho.
99.. Conclusión
Con un 95% de confianza se puede concluir que los maridos están más
satisfechos que las mujeres.
Universidad Uniacc
Modalidad e-learning
Estadística Aplicada a la Psicología
Profesor Francisco Marro
sinagi@gmail.com
AANNOOVVAA
En un estudio sobre los efectos que producen en los niños ver películas de
contenido agresivo se eligieron 30 estudiantes al azar y fueron asignados
aleatoriamente en 3 grupos de tratamiento. El G1 vio una película con
contenidos muy agresivos. El G2 vio una película moderadamente agresiva, y
el G3 una son contenidos agresivos. Posterior a la exposición, se registró la
conducta de los niños en cuanto a número de acciones agresivas. Los datos
se presentan a continuación:
G1: 24 16 16 16 10 15 19 17 25 13
G2: 13 9 8 8 9 15 15 14 14 13
G3: 10 3 0 3 9 10 7 10 2 9
¿Son estos datos suficientes como para afirmar que las películas con
diferente grado de agresividad tienen diferentes efectos sobre los niños?
Sea alfa = 0.05.
11.. Planteamiento de la hipótesis
Ho: 1 2 3    H1: No todos los promedios son iguales.
22.. Nivel de significación
0,05 
33.. Descripción de la población y suposiciones
Las 3 muestras observadas se han tomado aleatoria e independientemente.
Las 3 poblaciones de los tratamientos están normalmente distribuidas.
Las varianzas de las 3 poblaciones de los tratamientos son todas iguales
(Homocedasticidad de varianzas).
44.. Estadístico Pertinente
MCTR, MCE
55.. Estadístico de Prueba
RV
Universidad Uniacc
Modalidad e-learning
Estadística Aplicada a la Psicología
Profesor Francisco Marro
sinagi@gmail.com
66.. Regiones de rechazo y aceptación
La RR está dada por todos los F talque 1 ; 1;
0,95;2;27
3,3541
k n kF F
F F
F
  


77.. Cálculo y recolección de datos
G1: G2: G3:
24 576 13 169 10 100
16 256 9 81 3 9
16 256 8 64 0 0
16 256 8 64 3 9
10 100 9 81 9 81
15 225 15 225 10 100
19 361 15 225 7 49
17 289 14 196 10 100
25 625 14 196 2 4
13 169 13 169 9 81
.1 171T  .2 118T  .3 63T 
2
.1 3113T  2
.2 1470T  2
.3 533T 
.. 352T 
2
.. 123.904T 
2
1 1
5116
njk
ij
j i
y
 

2
.. 123904
4130,13
30
T
C
n
  
2
1 1
5116 4130,13 985,87
njk
ij
j i
SCT y C
 
    
2
2 2 2
1
. 171 118 63
4130,13 583,27
10 10 10
k
j
j
T
SCTR
nj
 
      
 

985,87 583,27 402,6SCE SCT SCTR    
583,27
291,635
1 2
SCTR
MCTR
k
  

402,6
14,91
27
SCE
MCR
n k
  

291,635
19,55
14,91
MCTR
RV
MCE
  
Universidad Uniacc
Modalidad e-learning
Estadística Aplicada a la Psicología
Profesor Francisco Marro
sinagi@gmail.com
88.. Decisión Estadística
Se rechaza Ho, porque el F observado = 19,55 es mayor que el F crítico
3,35.
99.. Conclusión
Con un 95% de confianza podemos decir que las medias de las 3
poblaciones no son iguales.
Universidad Uniacc
Modalidad e-learning
Estadística Aplicada a la Psicología
Profesor Francisco Marro
sinagi@gmail.com
WWIILLCCOOXXOONN
En la tabla que aparece a continuación se aprecian los puntajes de gravedad
de 10 tartamudos antes y después de un tratamiento de rehabilitación de
lenguaje. Evalúe si los datos dan suficiente evidencia para indicar que la
técnica para evaluar el tratamiento sea efectivo (con un   0,05). Los
puntajes se encuentran en nivel ordinal y aparecen en la tabla siguiente:
Sujeto
Nivel de Gravedad
Antes Después
1 50 33
2 29 16
3 26 29
4 29 21
5 42 29
6 30 32
7 47 35
8 32 19
9 33 16
10 38 22
11.. Planteamiento de la hipótesis
Ho = No hay diferencias en la efectividad de los tratamientos.
H1= Si hay diferencias en la efectividad de los tratamientos.
22.. Nivel de significación
0,05 
33.. Descripción de la población y suposiciones
No hay supuestos sobre la población.
44.. Estadístico Pertinente
Diferencias en la suma de rangos.
Universidad Uniacc
Modalidad e-learning
Estadística Aplicada a la Psicología
Profesor Francisco Marro
sinagi@gmail.com
55.. Estadístico de Prueba
Wilcoxon.
66.. Regiones de rechazo y aceptación
La región de rechazo está dada por todos los
8
obs crítico
obs
T T
T


77.. Cálculo y recolección de datos
Sujeto
Nivel de Gravedad
Antes Después Rangos
1 50 33 17 9,5
2 29 16 13 6
3 26 29 -3 (-) 2
4 29 21 8 3
5 42 29 13 6
6 30 32 -2 (-) 1
7 47 35 12 4
8 32 19 13 6
9 33 16 17 9,5
10 38 22 16 8
  52    3 
Tenemos 3; 10obsT n  .
88.. Decisión Estadística
Si obs teóricoT T se rechaza Ho.
En este caso ;3 8  podemos rechazar Ho.
99.. Conclusión
Con un 95% de confianza, podemos decir que el tratamiento es efectivo.
Universidad Uniacc
Modalidad e-learning
Estadística Aplicada a la Psicología
Profesor Francisco Marro
sinagi@gmail.com
UU DDEE MMAANNNN--WWHHIITTNNEEYY
Tras una intervención terapéutica, se pretende examinar si el grado de
satisfacción con el resultado de la intervención es igual entre hombres y
mujeres. La satisfacción es valorada mediante un cuestionario validado de 10
items. La puntación del cuestionario oscila entre 0 (totalmente insatisfecho)
y 10 (totalmente satisfecho). Los datos se presentan en la siguiente tabla:
Sujeto
Puntuaciones
Hombres Mujeres
1 8 4
2 5 7
3 6 4
4 4 4
5 7 5
6 8 5
7 8 4
8 6 4
9 7 7
11.. Planteamiento de la hipótesis
Ho = No hay diferencias en la variable satisfacción luego de la intervención
entre hombres y mujeres.
Hi = Si hay diferencias en la variable satisfacción luego de la intervención
entre hombres y mujeres.
22.. Nivel de significación
0,05 
33.. Descripción de la población y suposiciones
No hay supuestos sobre la población.
44.. Estadístico Pertinente
Diferencias en la suma de rangos.
Universidad Uniacc
Modalidad e-learning
Estadística Aplicada a la Psicología
Profesor Francisco Marro
sinagi@gmail.com
55.. Estadístico de Prueba
U de Mann-Whitney.
66.. Regiones de rechazo y aceptación
La región de rechazo está dada por todos los valores obsU que sea menor o
igual al valor del teóricoU .
La región de aceptación está dada por todos los valores obsU que sea mayor
al valor del teóricoU .
77.. Cálculo y recolección de datos
Sujeto
Puntuaciones
Hombres Mujeres
1 8 17 4 3,5
2 5 8 7 13,5
3 6 10,5 4 3,5
4 4 3,5 4 3,5
5 7 13,5 5 8
6 8 17 5 8
7 8 17 4 3,5
8 6 10,5 4 3,5
9 7 13,5 7 13,5
110,5 60,5
 
 
1 1
1 1 2 1
1
1
1
2
9 9 1
9 9 110,5
2
15,5
n n
U n n R
U
U
  
    
 
  
    
 

 
 
2 2
2 1 2 2
2
2
1
2
9 9 1
9 9 60,5
2
65,5
n n
U n n R
U
U
  
    
 
  
    
 

Elegimos el obsU más pequeño, es decir, 15,5obsU  .
Tenemos un 9 17teóricon U   .
88.. Decisión Estadística
Rechazamos Ho, ya que 15,5 17obs teóricoU U   .
Universidad Uniacc
Modalidad e-learning
Estadística Aplicada a la Psicología
Profesor Francisco Marro
sinagi@gmail.com
99.. Conclusión
Con un 95% de confianza, podemos decir que luego de la intervención
terapéutica, la variable satisfacción difiere entre hombres u mujeres.

Más contenido relacionado

La actualidad más candente

Ejercicios de prueba de hipotesis con 𝜎 desconocida (10)
Ejercicios de prueba de hipotesis con 𝜎 desconocida (10) Ejercicios de prueba de hipotesis con 𝜎 desconocida (10)
Ejercicios de prueba de hipotesis con 𝜎 desconocida (10)
Luz Hernández
 
Pruebas de hipótesis
Pruebas de hipótesisPruebas de hipótesis
Pruebas de hipótesis
mariauparela
 
5 estadística inferencial
5 estadística inferencial5 estadística inferencial
5 estadística inferencial
Ing.Joel Lopezgarcia LOPEZ GARCIA
 
Exposicion mann whitney
Exposicion mann whitneyExposicion mann whitney
Exposicion mann whitney
azael214
 
5 Planteamiento de Hipotesis en mas de 2 Poblaciones (ji cuadrada)
5 Planteamiento de Hipotesis en mas de 2 Poblaciones (ji cuadrada)5 Planteamiento de Hipotesis en mas de 2 Poblaciones (ji cuadrada)
5 Planteamiento de Hipotesis en mas de 2 Poblaciones (ji cuadrada)Ana
 
Analisis de varianzaunsolofactor
Analisis de varianzaunsolofactorAnalisis de varianzaunsolofactor
Analisis de varianzaunsolofactorsvasquezr
 
Metodos No Parametricos Parte II. Est ind clase12
Metodos No Parametricos Parte II. Est ind clase12Metodos No Parametricos Parte II. Est ind clase12
Metodos No Parametricos Parte II. Est ind clase12
Universidad Nacional Mayor de San Marcos
 
Muestreo por Conveniencia
Muestreo por ConvenienciaMuestreo por Conveniencia
Muestreo por Conveniencia
Rose Vincenty
 
Prueba de hipotesis 2018 final
Prueba de hipotesis 2018 finalPrueba de hipotesis 2018 final
Prueba de hipotesis 2018 final
franciscoe71
 
Definiciones y ejemplos de conceptos Estadisticos
Definiciones y ejemplos de conceptos EstadisticosDefiniciones y ejemplos de conceptos Estadisticos
Definiciones y ejemplos de conceptos Estadisticos
roymarcano
 
Ejercicio chi cuadrado
Ejercicio chi cuadradoEjercicio chi cuadrado
Ejercicio chi cuadrado
cristinatellezestadistica
 
Trabajo de prueba de hipótesis
Trabajo de prueba de hipótesisTrabajo de prueba de hipótesis
Trabajo de prueba de hipótesisIris Márquez
 
Prueba no paramétrica- Wilcoxon
Prueba no paramétrica- WilcoxonPrueba no paramétrica- Wilcoxon
Prueba no paramétrica- Wilcoxon
Fernanda Alcalá
 
Capítulo 16, Métodos no paramétricos: análisis de datos ordenados por rango
Capítulo 16, Métodos no paramétricos: análisis de datos ordenados por rangoCapítulo 16, Métodos no paramétricos: análisis de datos ordenados por rango
Capítulo 16, Métodos no paramétricos: análisis de datos ordenados por rango
Alejandro Ruiz
 
Intervalos de confianza
Intervalos de confianzaIntervalos de confianza
Intervalos de confianza
Violeta Migallón
 
Tipos de distribuciones de probabilidad.
Tipos de distribuciones de probabilidad.Tipos de distribuciones de probabilidad.
Tipos de distribuciones de probabilidad.
Roberto Dominguez
 
Pruebas De HipóTesis Para Proporciones
Pruebas De HipóTesis Para ProporcionesPruebas De HipóTesis Para Proporciones
Pruebas De HipóTesis Para Proporciones
María Isabel Bautista
 

La actualidad más candente (20)

Ejercicios de prueba de hipotesis con 𝜎 desconocida (10)
Ejercicios de prueba de hipotesis con 𝜎 desconocida (10) Ejercicios de prueba de hipotesis con 𝜎 desconocida (10)
Ejercicios de prueba de hipotesis con 𝜎 desconocida (10)
 
Pruebas de hipótesis
Pruebas de hipótesisPruebas de hipótesis
Pruebas de hipótesis
 
5 estadística inferencial
5 estadística inferencial5 estadística inferencial
5 estadística inferencial
 
Exposicion mann whitney
Exposicion mann whitneyExposicion mann whitney
Exposicion mann whitney
 
Prueba de hipotesis para proporciones Est ind clase02
Prueba de hipotesis para proporciones Est ind clase02Prueba de hipotesis para proporciones Est ind clase02
Prueba de hipotesis para proporciones Est ind clase02
 
Ejemplos de distribuciones
Ejemplos de distribucionesEjemplos de distribuciones
Ejemplos de distribuciones
 
5 Planteamiento de Hipotesis en mas de 2 Poblaciones (ji cuadrada)
5 Planteamiento de Hipotesis en mas de 2 Poblaciones (ji cuadrada)5 Planteamiento de Hipotesis en mas de 2 Poblaciones (ji cuadrada)
5 Planteamiento de Hipotesis en mas de 2 Poblaciones (ji cuadrada)
 
Analisis de varianzaunsolofactor
Analisis de varianzaunsolofactorAnalisis de varianzaunsolofactor
Analisis de varianzaunsolofactor
 
Metodos No Parametricos Parte II. Est ind clase12
Metodos No Parametricos Parte II. Est ind clase12Metodos No Parametricos Parte II. Est ind clase12
Metodos No Parametricos Parte II. Est ind clase12
 
Muestreo por Conveniencia
Muestreo por ConvenienciaMuestreo por Conveniencia
Muestreo por Conveniencia
 
Prueba de hipotesis 2018 final
Prueba de hipotesis 2018 finalPrueba de hipotesis 2018 final
Prueba de hipotesis 2018 final
 
Definiciones y ejemplos de conceptos Estadisticos
Definiciones y ejemplos de conceptos EstadisticosDefiniciones y ejemplos de conceptos Estadisticos
Definiciones y ejemplos de conceptos Estadisticos
 
Inferencia estadistica
Inferencia estadisticaInferencia estadistica
Inferencia estadistica
 
Ejercicio chi cuadrado
Ejercicio chi cuadradoEjercicio chi cuadrado
Ejercicio chi cuadrado
 
Trabajo de prueba de hipótesis
Trabajo de prueba de hipótesisTrabajo de prueba de hipótesis
Trabajo de prueba de hipótesis
 
Prueba no paramétrica- Wilcoxon
Prueba no paramétrica- WilcoxonPrueba no paramétrica- Wilcoxon
Prueba no paramétrica- Wilcoxon
 
Capítulo 16, Métodos no paramétricos: análisis de datos ordenados por rango
Capítulo 16, Métodos no paramétricos: análisis de datos ordenados por rangoCapítulo 16, Métodos no paramétricos: análisis de datos ordenados por rango
Capítulo 16, Métodos no paramétricos: análisis de datos ordenados por rango
 
Intervalos de confianza
Intervalos de confianzaIntervalos de confianza
Intervalos de confianza
 
Tipos de distribuciones de probabilidad.
Tipos de distribuciones de probabilidad.Tipos de distribuciones de probabilidad.
Tipos de distribuciones de probabilidad.
 
Pruebas De HipóTesis Para Proporciones
Pruebas De HipóTesis Para ProporcionesPruebas De HipóTesis Para Proporciones
Pruebas De HipóTesis Para Proporciones
 

Destacado

Ejercicios prueba de hipotesis
Ejercicios prueba de hipotesisEjercicios prueba de hipotesis
Ejercicios prueba de hipotesisalimacni
 
Prueba de hipotesis
Prueba de hipotesisPrueba de hipotesis
Prueba de hipotesis
LennysNJ
 
Prueba De Hipotesis
Prueba De HipotesisPrueba De Hipotesis
Prueba De HipotesisHero Valrey
 
Ejercicios prueba de hipótesis
Ejercicios prueba de hipótesisEjercicios prueba de hipótesis
Ejercicios prueba de hipótesisalimacni
 
2. ejercicios de prueba de hipótesis
2. ejercicios de prueba de hipótesis2. ejercicios de prueba de hipótesis
2. ejercicios de prueba de hipótesis
luiisalbertoo-laga
 
Prueba de hipótesis
Prueba de hipótesisPrueba de hipótesis
Prueba de hipótesisCarol Ramos
 

Destacado (7)

Ejercicios prueba de hipotesis
Ejercicios prueba de hipotesisEjercicios prueba de hipotesis
Ejercicios prueba de hipotesis
 
Prueba de hipotesis
Prueba de hipotesisPrueba de hipotesis
Prueba de hipotesis
 
Prueba de hipótesis
Prueba de hipótesisPrueba de hipótesis
Prueba de hipótesis
 
Prueba De Hipotesis
Prueba De HipotesisPrueba De Hipotesis
Prueba De Hipotesis
 
Ejercicios prueba de hipótesis
Ejercicios prueba de hipótesisEjercicios prueba de hipótesis
Ejercicios prueba de hipótesis
 
2. ejercicios de prueba de hipótesis
2. ejercicios de prueba de hipótesis2. ejercicios de prueba de hipótesis
2. ejercicios de prueba de hipótesis
 
Prueba de hipótesis
Prueba de hipótesisPrueba de hipótesis
Prueba de hipótesis
 

Similar a Pruebas de hipotesis

Prueba de Hipótesis
Prueba de Hipótesis Prueba de Hipótesis
Prueba de Hipótesis
Alberto Esteban Valdez
 
Estadistica 4
Estadistica 4Estadistica 4
Métodos estadísticos y distribución de frecuencias
Métodos estadísticos y distribución de frecuenciasMétodos estadísticos y distribución de frecuencias
Métodos estadísticos y distribución de frecuencias
laurasepulveda22
 
T-student ind y ANOVA 2021.ppt
T-student  ind y ANOVA 2021.pptT-student  ind y ANOVA 2021.ppt
T-student ind y ANOVA 2021.ppt
EnglishPlusApp
 
Estadistica II
Estadistica IIEstadistica II
Estadistica II
Videoconferencias UTPL
 
Epidemiologia 5: Revisiones sistematicas y metaanalisis, Niveles de Calidad d...
Epidemiologia 5: Revisiones sistematicas y metaanalisis, Niveles de Calidad d...Epidemiologia 5: Revisiones sistematicas y metaanalisis, Niveles de Calidad d...
Epidemiologia 5: Revisiones sistematicas y metaanalisis, Niveles de Calidad d...
Juan Rodrigo Tuesta-Nole
 
Nociones basicas-estadisticas-educacion
Nociones basicas-estadisticas-educacionNociones basicas-estadisticas-educacion
Nociones basicas-estadisticas-educacion
paulminiguano
 
Libro_estadistica-aplicada a la ingenieria civil y otras ramas.pdf
Libro_estadistica-aplicada a la ingenieria civil y otras ramas.pdfLibro_estadistica-aplicada a la ingenieria civil y otras ramas.pdf
Libro_estadistica-aplicada a la ingenieria civil y otras ramas.pdf
VeritoIlma
 
Presencia del Síndrome de Burnout en Académicos
Presencia del Síndrome de Burnout en AcadémicosPresencia del Síndrome de Burnout en Académicos
Presencia del Síndrome de Burnout en Académicos
Cristian Salazar C.
 
Clase 6
Clase 6Clase 6
Clase 6
Edwin Perez
 
EstadisticaDescriptiva.pptx
EstadisticaDescriptiva.pptxEstadisticaDescriptiva.pptx
EstadisticaDescriptiva.pptx
CesarMejia625886
 
Estadística I (II Bimestre)
Estadística I (II Bimestre)Estadística I (II Bimestre)
Estadística I (II Bimestre)
Videoconferencias UTPL
 
EXPOSICIÓN DE ESTADÍSTICA 3.001.pdf
EXPOSICIÓN DE ESTADÍSTICA 3.001.pdfEXPOSICIÓN DE ESTADÍSTICA 3.001.pdf
EXPOSICIÓN DE ESTADÍSTICA 3.001.pdf
PaoloDeLosSantosNona
 
EXPOSICIÓN DE ESTADÍSTICA 3.1.pdf
EXPOSICIÓN DE ESTADÍSTICA 3.1.pdfEXPOSICIÓN DE ESTADÍSTICA 3.1.pdf
EXPOSICIÓN DE ESTADÍSTICA 3.1.pdf
PaoloDeLosSantosNona
 
Tema 1.ppt
Tema 1.pptTema 1.ppt
La estadística descriptiva resume la información conteni- da en los datos re...
La estadística descriptiva  resume la información conteni- da en los datos re...La estadística descriptiva  resume la información conteni- da en los datos re...
La estadística descriptiva resume la información conteni- da en los datos re...
LuisLobatoingaruca
 

Similar a Pruebas de hipotesis (20)

Prueba de Hipótesis
Prueba de Hipótesis Prueba de Hipótesis
Prueba de Hipótesis
 
Estadistica 4
Estadistica 4Estadistica 4
Estadistica 4
 
Métodos estadísticos y distribución de frecuencias
Métodos estadísticos y distribución de frecuenciasMétodos estadísticos y distribución de frecuencias
Métodos estadísticos y distribución de frecuencias
 
T-student ind y ANOVA 2021.ppt
T-student  ind y ANOVA 2021.pptT-student  ind y ANOVA 2021.ppt
T-student ind y ANOVA 2021.ppt
 
Estadistica II
Estadistica IIEstadistica II
Estadistica II
 
Epidemiologia 5: Revisiones sistematicas y metaanalisis, Niveles de Calidad d...
Epidemiologia 5: Revisiones sistematicas y metaanalisis, Niveles de Calidad d...Epidemiologia 5: Revisiones sistematicas y metaanalisis, Niveles de Calidad d...
Epidemiologia 5: Revisiones sistematicas y metaanalisis, Niveles de Calidad d...
 
Fisica. Periodo de un pendulo
Fisica. Periodo de un penduloFisica. Periodo de un pendulo
Fisica. Periodo de un pendulo
 
Nociones basicas-estadisticas-educacion
Nociones basicas-estadisticas-educacionNociones basicas-estadisticas-educacion
Nociones basicas-estadisticas-educacion
 
Libro_estadistica-aplicada a la ingenieria civil y otras ramas.pdf
Libro_estadistica-aplicada a la ingenieria civil y otras ramas.pdfLibro_estadistica-aplicada a la ingenieria civil y otras ramas.pdf
Libro_estadistica-aplicada a la ingenieria civil y otras ramas.pdf
 
Presencia del Síndrome de Burnout en Académicos
Presencia del Síndrome de Burnout en AcadémicosPresencia del Síndrome de Burnout en Académicos
Presencia del Síndrome de Burnout en Académicos
 
Minitab
MinitabMinitab
Minitab
 
Clase 6
Clase 6Clase 6
Clase 6
 
EstadisticaDescriptiva.pptx
EstadisticaDescriptiva.pptxEstadisticaDescriptiva.pptx
EstadisticaDescriptiva.pptx
 
Estadística I (II Bimestre)
Estadística I (II Bimestre)Estadística I (II Bimestre)
Estadística I (II Bimestre)
 
S06 AD4001
S06 AD4001S06 AD4001
S06 AD4001
 
EXPOSICIÓN DE ESTADÍSTICA 3.001.pdf
EXPOSICIÓN DE ESTADÍSTICA 3.001.pdfEXPOSICIÓN DE ESTADÍSTICA 3.001.pdf
EXPOSICIÓN DE ESTADÍSTICA 3.001.pdf
 
EXPOSICIÓN DE ESTADÍSTICA 3.1.pdf
EXPOSICIÓN DE ESTADÍSTICA 3.1.pdfEXPOSICIÓN DE ESTADÍSTICA 3.1.pdf
EXPOSICIÓN DE ESTADÍSTICA 3.1.pdf
 
MANUAL
MANUAL MANUAL
MANUAL
 
Tema 1.ppt
Tema 1.pptTema 1.ppt
Tema 1.ppt
 
La estadística descriptiva resume la información conteni- da en los datos re...
La estadística descriptiva  resume la información conteni- da en los datos re...La estadística descriptiva  resume la información conteni- da en los datos re...
La estadística descriptiva resume la información conteni- da en los datos re...
 

Más de Flor Tejada Santamaria

01 temas 1 3 fundamentos de demografia
01 temas 1 3 fundamentos de demografia01 temas 1 3 fundamentos de demografia
01 temas 1 3 fundamentos de demografiaFlor Tejada Santamaria
 
56493469 ejercicios-resueltos-indicadores-demograficos (1)
56493469 ejercicios-resueltos-indicadores-demograficos (1)56493469 ejercicios-resueltos-indicadores-demograficos (1)
56493469 ejercicios-resueltos-indicadores-demograficos (1)Flor Tejada Santamaria
 

Más de Flor Tejada Santamaria (6)

01 temas 1 3 fundamentos de demografia
01 temas 1 3 fundamentos de demografia01 temas 1 3 fundamentos de demografia
01 temas 1 3 fundamentos de demografia
 
56493469 ejercicios-resueltos-indicadores-demograficos (1)
56493469 ejercicios-resueltos-indicadores-demograficos (1)56493469 ejercicios-resueltos-indicadores-demograficos (1)
56493469 ejercicios-resueltos-indicadores-demograficos (1)
 
12472 e
12472 e12472 e
12472 e
 
Estructura poblacion
Estructura poblacionEstructura poblacion
Estructura poblacion
 
5
55
5
 
Quesrup 120217232753-phpapp02
Quesrup 120217232753-phpapp02Quesrup 120217232753-phpapp02
Quesrup 120217232753-phpapp02
 

Pruebas de hipotesis

  • 1. Pruebas de Hipótesis Estadística Aplicada a la Psicología El presente documento consta de ejercicios resueltos de pruebas de hipótesis. Sinagi@gmail.com 05/07/2007
  • 2. Universidad Uniacc Modalidad e-learning Estadística Aplicada a la Psicología Profesor Francisco Marro sinagi@gmail.com ÍÍNNDDIICCEE Contenido t de Student para una muestra ..................................................................................................... 3 t de Student para muestras independientes ................................................................................ 5 t de Student para muestras pareadas........................................................................................... 7 Anova ............................................................................................................................................ 9 Wilcoxon...................................................................................................................................... 12 U de Mann-Whitney.................................................................................................................... 14
  • 3. Universidad Uniacc Modalidad e-learning Estadística Aplicada a la Psicología Profesor Francisco Marro sinagi@gmail.com TT DDEE SSTTUUDDEENNTT PPAARRAA UUNNAA MMUUEESSTTRRAA En una población normalmente distribuida con desviación estándar igual a 32, se extrae una muestra aleatoria simple de tamaño 16, que arroja una media y una desviación típica de 520 y respectivamente. A partir de estos datos ¿Se puede concluir, con un nivel de significación 0,05, que la media poblacional es mayor que 516? 11.. Planteamiento de la hipótesis Ho: 516  H1: 516  22.. Nivel de significación 0,05  33.. Descripción de la población y suposiciones m.a.s; ~N; 2  conocida. 44.. Estadístico Pertinente x 55.. Estadístico de Prueba z 66.. Regiones de rechazo y aceptación La RR está dada por todos los obsz cuyos valores sean mayores o iguales a 1,645. La RA está dada por todos los obsz cuyos valores sean menores a 1,645. 77.. Cálculo y recolección de datos 0 obs x z n    
  • 4. Universidad Uniacc Modalidad e-learning Estadística Aplicada a la Psicología Profesor Francisco Marro sinagi@gmail.com 94 81 4,33 12 16 obsz    88.. Decisión Estadística Como 0,5 1,7531obs criticoz z   , no hay suficiente evidencia para rechazar Ho. 99.. Conclusión Con un 95% de confianza se puede concluir que la media poblacional es menor o igual a 516.
  • 5. Universidad Uniacc Modalidad e-learning Estadística Aplicada a la Psicología Profesor Francisco Marro sinagi@gmail.com TT DDEE SSTTUUDDEENNTT PPAARRAA MMUUEESSTTRRAASS IINNDDEEPPEENNDDIIEENNTTEESS Se desea comparar el tiempo el tiempo de latencia entre los pacientes que sufren taquicardia versus los que no sufren taquicardia. Se obtuvo una muestra aleatoria de 15 pacientes con taquicardia y se evaluó el tiempo de latencia. La medida fue igual a 53,53, con una varianza de 38,47. se obtuvo otra muestra aleatoria independiente de 81 pacientes sin taquicardia, los que puntuaron en promedio el valor de 78,71, con una varianza igual a 79,08. determine, con una significancia de 0,05 si difieren ambos grupos. 11.. Planteamiento de la hipótesis Ho: 1 2 1 2 0        H1: 1 2 1 2 0        22.. Nivel de significación 0,05  33.. Descripción de la población y suposiciones m.a.s; ~N; 2  desconocidas e iguales*. 44.. Estadístico Pertinente 1 2x x 55.. Estadístico de Prueba t de Student 66.. Regiones de rechazo y aceptación La RR está dada por todos los valores t observados tal que 2 1 21 ; 2 0,975;94 1,9855 obs n n obs obs t t t t t        77.. Cálculo y recolección de datos *Calculo para saber si las varianzas son iguales
  • 6. Universidad Uniacc Modalidad e-learning Estadística Aplicada a la Psicología Profesor Francisco Marro sinagi@gmail.com 2 1 1 2 ; ; 2 1 ; ; 2 0,025;80;14 0,975;14;80 0,025;80;14 0,025;80;14 1 1 1 2,0346 0,49 gl gl gl gl F F F F F F        2 1 0,975;80;14 1 ; ; 2 0,975;80;14 2,6142 gl gl F F F       2 2 21 1 22 2 38,47 38,47 0,49; 2,6142 79,08 79,08 0,238;1,27 0,238 1,27 IC IC IC                        Ahora podemos utilizar la fórmula adecuada        2 2 1 1 2 22 1 2 1 1 14 1 38,47 80 1 79,08 73,03 2 14 80 2 p n S n S S n n              2 2 1 2 53,53 78,71 10,49 73,03 73,03 15 81 o obs p p x y t s s n n         88.. Decisión Estadística Se rechaza Ho, debido a que el t observado -10,49, es menor que el t crítico-1,9855. 99.. Conclusión Con un 95% de confianza se puede concluir que las latencias entre los pacientes que sufren de taquicardia y los que no padecen de este mal, difieren.
  • 7. Universidad Uniacc Modalidad e-learning Estadística Aplicada a la Psicología Profesor Francisco Marro sinagi@gmail.com TT DDEE SSTTUUDDEENNTT PPAARRAA MMUUEESSTTRRAASS PPAARREEAADDAASS Un psicólogo seleccionó al azar a 15 señoras con sus maridos y midió la satisfacción respecto del barrio en que vivían. ¿Proporcionan estos datos una indicación de que los maridos estén más satisfechos que las señoras? (alfa = 0.05). Esposa 37 57 32 54 52 34 60 40 59 39 40 59 44 32 55 Marido 44 60 55 68 40 48 57 49 47 52 58 51 66 60 68 11.. Planteamiento de la hipótesis Ho: 0d  H1: 0d  22.. Nivel de significación 0,05  33.. Descripción de la población y suposiciones m.a.s; ~N; 2  desconocidas. 44.. Estadístico Pertinente /d di n  55.. Estadístico de Prueba t de student 66.. Regiones de rechazo y aceptación La RR está dada por todos los valores t observados tal que 1 ; 1 0,95;14 1,7613 obs n obs obs t t t t t    
  • 8. Universidad Uniacc Modalidad e-learning Estadística Aplicada a la Psicología Profesor Francisco Marro sinagi@gmail.com 77.. Cálculo y recolección de datos Esposa (y) Marido (x) x-y (x-y)^2 37 44 7 49 57 60 3 9 32 55 23 529 54 68 14 196 52 40 -12 144 34 48 14 196 60 57 -3 9 40 49 9 81 59 47 -12 144 39 52 13 169 40 58 18 324 59 51 -8 64 44 66 22 484 32 60 28 784 55 68 13 169 129d    2 3351d  8,6d      2 2 2 2 3351 15 8,6 160,11 1 14 12,65 id n d Sd n Sd           0 8,6 0 2,63 12,65 15 obs obs x t S n t      88.. Decisión Estadística Como el t observado 2,63, es mayor que el t crítico 1,76, se rechaza Ho. 99.. Conclusión Con un 95% de confianza se puede concluir que los maridos están más satisfechos que las mujeres.
  • 9. Universidad Uniacc Modalidad e-learning Estadística Aplicada a la Psicología Profesor Francisco Marro sinagi@gmail.com AANNOOVVAA En un estudio sobre los efectos que producen en los niños ver películas de contenido agresivo se eligieron 30 estudiantes al azar y fueron asignados aleatoriamente en 3 grupos de tratamiento. El G1 vio una película con contenidos muy agresivos. El G2 vio una película moderadamente agresiva, y el G3 una son contenidos agresivos. Posterior a la exposición, se registró la conducta de los niños en cuanto a número de acciones agresivas. Los datos se presentan a continuación: G1: 24 16 16 16 10 15 19 17 25 13 G2: 13 9 8 8 9 15 15 14 14 13 G3: 10 3 0 3 9 10 7 10 2 9 ¿Son estos datos suficientes como para afirmar que las películas con diferente grado de agresividad tienen diferentes efectos sobre los niños? Sea alfa = 0.05. 11.. Planteamiento de la hipótesis Ho: 1 2 3    H1: No todos los promedios son iguales. 22.. Nivel de significación 0,05  33.. Descripción de la población y suposiciones Las 3 muestras observadas se han tomado aleatoria e independientemente. Las 3 poblaciones de los tratamientos están normalmente distribuidas. Las varianzas de las 3 poblaciones de los tratamientos son todas iguales (Homocedasticidad de varianzas). 44.. Estadístico Pertinente MCTR, MCE 55.. Estadístico de Prueba RV
  • 10. Universidad Uniacc Modalidad e-learning Estadística Aplicada a la Psicología Profesor Francisco Marro sinagi@gmail.com 66.. Regiones de rechazo y aceptación La RR está dada por todos los F talque 1 ; 1; 0,95;2;27 3,3541 k n kF F F F F      77.. Cálculo y recolección de datos G1: G2: G3: 24 576 13 169 10 100 16 256 9 81 3 9 16 256 8 64 0 0 16 256 8 64 3 9 10 100 9 81 9 81 15 225 15 225 10 100 19 361 15 225 7 49 17 289 14 196 10 100 25 625 14 196 2 4 13 169 13 169 9 81 .1 171T  .2 118T  .3 63T  2 .1 3113T  2 .2 1470T  2 .3 533T  .. 352T  2 .. 123.904T  2 1 1 5116 njk ij j i y    2 .. 123904 4130,13 30 T C n    2 1 1 5116 4130,13 985,87 njk ij j i SCT y C        2 2 2 2 1 . 171 118 63 4130,13 583,27 10 10 10 k j j T SCTR nj             985,87 583,27 402,6SCE SCT SCTR     583,27 291,635 1 2 SCTR MCTR k     402,6 14,91 27 SCE MCR n k     291,635 19,55 14,91 MCTR RV MCE   
  • 11. Universidad Uniacc Modalidad e-learning Estadística Aplicada a la Psicología Profesor Francisco Marro sinagi@gmail.com 88.. Decisión Estadística Se rechaza Ho, porque el F observado = 19,55 es mayor que el F crítico 3,35. 99.. Conclusión Con un 95% de confianza podemos decir que las medias de las 3 poblaciones no son iguales.
  • 12. Universidad Uniacc Modalidad e-learning Estadística Aplicada a la Psicología Profesor Francisco Marro sinagi@gmail.com WWIILLCCOOXXOONN En la tabla que aparece a continuación se aprecian los puntajes de gravedad de 10 tartamudos antes y después de un tratamiento de rehabilitación de lenguaje. Evalúe si los datos dan suficiente evidencia para indicar que la técnica para evaluar el tratamiento sea efectivo (con un   0,05). Los puntajes se encuentran en nivel ordinal y aparecen en la tabla siguiente: Sujeto Nivel de Gravedad Antes Después 1 50 33 2 29 16 3 26 29 4 29 21 5 42 29 6 30 32 7 47 35 8 32 19 9 33 16 10 38 22 11.. Planteamiento de la hipótesis Ho = No hay diferencias en la efectividad de los tratamientos. H1= Si hay diferencias en la efectividad de los tratamientos. 22.. Nivel de significación 0,05  33.. Descripción de la población y suposiciones No hay supuestos sobre la población. 44.. Estadístico Pertinente Diferencias en la suma de rangos.
  • 13. Universidad Uniacc Modalidad e-learning Estadística Aplicada a la Psicología Profesor Francisco Marro sinagi@gmail.com 55.. Estadístico de Prueba Wilcoxon. 66.. Regiones de rechazo y aceptación La región de rechazo está dada por todos los 8 obs crítico obs T T T   77.. Cálculo y recolección de datos Sujeto Nivel de Gravedad Antes Después Rangos 1 50 33 17 9,5 2 29 16 13 6 3 26 29 -3 (-) 2 4 29 21 8 3 5 42 29 13 6 6 30 32 -2 (-) 1 7 47 35 12 4 8 32 19 13 6 9 33 16 17 9,5 10 38 22 16 8   52    3  Tenemos 3; 10obsT n  . 88.. Decisión Estadística Si obs teóricoT T se rechaza Ho. En este caso ;3 8  podemos rechazar Ho. 99.. Conclusión Con un 95% de confianza, podemos decir que el tratamiento es efectivo.
  • 14. Universidad Uniacc Modalidad e-learning Estadística Aplicada a la Psicología Profesor Francisco Marro sinagi@gmail.com UU DDEE MMAANNNN--WWHHIITTNNEEYY Tras una intervención terapéutica, se pretende examinar si el grado de satisfacción con el resultado de la intervención es igual entre hombres y mujeres. La satisfacción es valorada mediante un cuestionario validado de 10 items. La puntación del cuestionario oscila entre 0 (totalmente insatisfecho) y 10 (totalmente satisfecho). Los datos se presentan en la siguiente tabla: Sujeto Puntuaciones Hombres Mujeres 1 8 4 2 5 7 3 6 4 4 4 4 5 7 5 6 8 5 7 8 4 8 6 4 9 7 7 11.. Planteamiento de la hipótesis Ho = No hay diferencias en la variable satisfacción luego de la intervención entre hombres y mujeres. Hi = Si hay diferencias en la variable satisfacción luego de la intervención entre hombres y mujeres. 22.. Nivel de significación 0,05  33.. Descripción de la población y suposiciones No hay supuestos sobre la población. 44.. Estadístico Pertinente Diferencias en la suma de rangos.
  • 15. Universidad Uniacc Modalidad e-learning Estadística Aplicada a la Psicología Profesor Francisco Marro sinagi@gmail.com 55.. Estadístico de Prueba U de Mann-Whitney. 66.. Regiones de rechazo y aceptación La región de rechazo está dada por todos los valores obsU que sea menor o igual al valor del teóricoU . La región de aceptación está dada por todos los valores obsU que sea mayor al valor del teóricoU . 77.. Cálculo y recolección de datos Sujeto Puntuaciones Hombres Mujeres 1 8 17 4 3,5 2 5 8 7 13,5 3 6 10,5 4 3,5 4 4 3,5 4 3,5 5 7 13,5 5 8 6 8 17 5 8 7 8 17 4 3,5 8 6 10,5 4 3,5 9 7 13,5 7 13,5 110,5 60,5     1 1 1 1 2 1 1 1 1 2 9 9 1 9 9 110,5 2 15,5 n n U n n R U U                          2 2 2 1 2 2 2 2 1 2 9 9 1 9 9 60,5 2 65,5 n n U n n R U U                      Elegimos el obsU más pequeño, es decir, 15,5obsU  . Tenemos un 9 17teóricon U   . 88.. Decisión Estadística Rechazamos Ho, ya que 15,5 17obs teóricoU U   .
  • 16. Universidad Uniacc Modalidad e-learning Estadística Aplicada a la Psicología Profesor Francisco Marro sinagi@gmail.com 99.. Conclusión Con un 95% de confianza, podemos decir que luego de la intervención terapéutica, la variable satisfacción difiere entre hombres u mujeres.