MODULO 9 DEL 2015 PyE

Probabilidad y Estadística Módulo 9
MÓDULO 9
PRUEBA DE HIPÓTESIS
Mg. Adriana Noelia Poco
Lic. Stella Maris Farías
Prof. Natalia Albert
Ciclo lectivo 2015
1
Í NDI CE
TEST DE HIPÓTESIS ...................................................................................................................... 4
INTRODUCCIÓN ............................................................................................................................. 4
METODOLOGÍA DE LA PRUEBA DE HIPÓTESIS ..................................................................... 4
Etapas de una prueba de hipótesis ................................................................................................. 6
TIPOS DE PRUEBAS ..................................................................................................................... 11
PRUEBA BILATERAL DE HIPÓTESIS PARA LA MEDIA ....................................................... 12
Diagrama I ....................................................................................................................................... 13
Caso 1: Población con distribución normal, con σ X conocida y cualquier tamaño de la

muestra: ................................................................................................................................... 13
ACTIVIDAD 1 ................................................................................................................... 17
Caso 2: Población con distribución normal, con σ X desconocida y tamaño de la muestra

n ≥ 30 ...................................................................................................................................... 18
ACTIVIDAD 2 ................................................................................................................... 19
Caso 3: Población con distribución normal, con σ X desconocida y tamaño de la muestra

n < 30 ..................................................................................................................................... 20
ACTIVIDAD 3 ................................................................................................................... 21
Diagrama II ...................................................................................................................................... 23
Caso 4: Población con distribución no normal o desconocida, con σ X conocida y tamaño

de la muestra n ≥ 30 ............................................................................................................... 23
ACTIVIDAD 4 ................................................................................................................... 25
Caso 5: Población con distribución no normal o desconocida, con σ X conocida y tamaño

de la muestra n < 30 ............................................................................................................... 26
ACTIVIDAD 5 ................................................................................................................... 27
Caso 6: Población con distribución no normal o desconocida, con σ X desconocida y

tamaño de la muestra n ≥ 30 .................................................................................................. 28
2
ACTIVIDAD 6 ................................................................................................................... 29
Caso 7: Población con distribución no normal o desconocida, con σ X desconocida y

tamaño de la muestra n < 30 .................................................................................................. 29
PRUEBAS UNILATERALES DE HIPÓTESIS PARA LA MEDIA ............................................. 30
ACTIVIDAD 7 ................................................................................................................... 32
HIPÓTESIS REFERENTES A UNA VARIANZA ........................................................................ 35
ACTIVIDAD 8 ................................................................................................................... 37
ACTIVIDAD DE REPASO ............................................................................................. 38
Respuestas a ejercicios ........................................................................................................ 39
3
TEST DE HIPÓTESIS
INTRODUCCIÓN
Al comenzar el módulo anterior dijimos que la compañía Max – Paint, exportadora de

pinturas debe someterse a un control de calidad para que sus productos certifiquen
normas ISO y así poder exportar. Para lograr el certificado solicitado, se realizará una
auditoría en su planta, con el objetivo de verificar si el producto final cumple o no con
las especificaciones del mercado.
El ingeniero, jefe de producción, asegura que su proceso de llenado está bajo control y
funcionando correctamente, por lo que los lotes semanales de producción de pintura en
baldes tienen un contenido promedio de 4 litros, según expresa su etiqueta, con una
desviación estándar poblacional de 0,08 litros.
Para la auditoría de calidad se extrae una muestra de 30 latas de pintura del tipo
analizado y se mide su capacidad resultando ser la media aritmética muestral de 4,05
litros.
¿Podemos aceptar la afirmación del jefe de producción o tenemos pruebas suficientes
para rechazar su afirmación, con un nivel de confianza del 95%, y aconsejar medidas
correctivas para mejorar el proceso antes de otorgar el certificado correspondiente?
Continuamente deben tomarse decisiones y, así como en el problema motivador, muchas

problemáticas a las que nos enfrentamos tienen cierto grado de incertidumbre. Es por ello que los
modelos de decisión son modelos probabilísticos, dentro de los cuales se incluye el test o prueba
de hipótesis.
Las pruebas de hipótesis incluyen el uso de evidencia muestral para evaluar la posibilidad de
que una suposición sobre alguna característica de una población sea cierta.
En los módulos anteriores iniciamos el análisis de la inferencia estadística con el desarrollo
del concepto de distribución de muestreo y luego con los casos de estimación, en los cuales a partir
de un estadístico muestral se estima el valor de un parámetro poblacional.
En este módulo estudiaremos otra fase de la inferencia que también se basa en la
información muestral: la prueba de hipótesis.
Desarrollaremos una técnica que nos permite hacer inferencias con respecto a un parámetro
poblacional, mediante el análisis de diferencias entre los resultados realmente obtenidos
experimentando sobre una muestra y los que esperamos obtener de una población.
METODOLOGÍA DE LA PRUEBA DE HIPÓTESIS

Para desarrollar la metodología general de la prueba de hipótesis, haremos una introducción
teórica de conceptos básicos y, retomamos el ejemplo del empaque de cajas de arroz ya estudiado
en la página 5 del módulo anterior.
4
Ejemplo:
Una máquina empacadora que llena cajas de arroz responde a una distribución normal con
media 468 g. Según datos históricos del proceso, la desviación estándar de la población es de 15 g.
En este caso, el gerente de producción está preocupado por evaluar si el proceso está
funcionando o no de una manera que asegure que, en promedio, la cantidad adecuada de arroz (es
decir 468 gr.) está siendo depositada en cada caja. Para ello decide seleccionar una muestra
aleatoria de 20 cajas del proceso de empaque y examinar su peso para determinar qué tanto se
aproxima cada una de las cajas a la especificación de la compañía de 468 gramos.
El gerente espera encontrar que el proceso funciona bien, dentro de los parámetros esperados
y que, por lo tanto, no sea necesario realizar ninguna acción correctiva. Sin embargo, podría
encontrar que las cajas muestreadas pesan demasiado poco, o bien mucho y tener la duda si detiene
o no la producción para reparar o sustituir alguna parte de las máquinas.
Por esto, al analizar las diferencias entre los pesos obtenidos de la muestra y los 468 gramos
esperados, se tomará una decisión basada en la información de muestra y se llegará a una de las
siguientes conclusiones:
1. El contenido promedio en el proceso completo de empaque de cajas de arroz es de 468 gramos.

No es necesario realizar acciones correctivas.
2. El contenido promedio no es de 468 gramos, es menor o mayor que esta cantidad. Se necesitan
acciones correctivas.
Definición:
El test de hipótesis es un proceso mediante el cual se trata de establecer la validez de una
hipótesis estadística. Considerando como hipótesis estadística a un supuesto formulado acerca de
una característica poblacional.
Es importante interpretar la diferencia entre la estimación y la prueba de hipótesis ya que

ambos procedimientos incluyen el uso de las distribuciones muestrales.
La estimación supone el uso de evidencia muestral para estimar las características

desconocidas de una población.
Las pruebas de hipótesis incluyen el uso de evidencia muestral para evaluar la probabilidad
de que una suposición sobre alguna característica de una población sea rechazada o no.
Respecto a la prueba que vamos a estudiar, un medio seguro de llevarla a cabo consiste en el
análisis de toda la población, pero este proceso puede ser poco práctico, costoso e incluso,
imposible. Es por ello, que utilizaremos en lugar de un censo, una muestra y con ella inferiremos
respecto de la característica poblacional en análisis.
El propósito del estadístico será entonces establecer si existe o no evidencia muestral
suficiente para rechazar la hipótesis que sometemos a prueba.
5
ETAPAS DE UNA PRUEBA DE HIPÓTESIS
Los pasos a seguir para realizar una prueba de hipótesis son:

1- Plantear la hipótesis nula y la hipótesis alternativa.
2- Seleccionar del nivel de significación.
3- Identificar el valor crítico del estadístico de prueba.
4- Obtener el estadístico de prueba considerando la información muestral.
5- Formular una regla de decisión.
Para explicar los pasos anteriores se requiere ciertos conceptos básicos como:
1) Hipótesis nula y alternativa:
La prueba de hipótesis comienza con una afirmación con respecto a un parámetro particular
θ de una población, de la cual se extrae una muestra.
En nuestro ejemplo, el gerente de producción elige como hipótesis inicial que el proceso
está bajo control, es decir que todo funciona como es de esperar y que no es necesario implementar
medias correctivas, ésto significa que el contenido promedio es de 468 gramos.
En general como hipótesis nula planteamos lo contrario de lo que esperamos demostrar. Por
ejemplo, si queremos demostrar que un método de enseñanza de programación en computación es
más eficiente que otro, damos como hipótesis que los dos son igualmente efectivos; si deseamos
demostrar que un método de irrigación de suelos es más costoso que otro, nuestra hipótesis es que
ambos son igualmente costosos. Puesto que esta hipótesis se basa en que no hay diferencia en los
métodos, la hipótesis se denomina hipótesis nula, y la denotamos con H0. Actualmente la hipótesis
nula se usa para cualquier hipótesis establecida cuya validez queremos demostrar o rechazar. La
hipótesis nula establece que el parámetro de la población θ conserva un valor especificado y que
no ha existido cambio alguno.
Definición:
Hipótesis nula: afirmación o enunciado acerca del valor de un parámetro poblacional.
Para el ejemplo que estamos presentando; nuestro gerente establecería como hipótesis nula
que el proceso de llenado está bajo control y funcionando apropiadamente, que la cantidad media
de arroz por caja es la especificación de la compañía, es decir 468 gramos.
Esto se puede simbolizar como: H 0 : µ X = 468
La metodología de la prueba de hipótesis supone que la hipótesis nula sea considerada
verdadera hasta que las evidencias indiquen que ésta es falsa.
6
Siempre que enunciamos una hipótesis nula también debemos especificar una hipótesis
alternativa.
Hipótesis alternativa: afirmación que será aceptada, si la evidencia muestral es suficiente
para decidir que la hipótesis nula es falsa.
La hipótesis alternativa, simbolizada con H1 , es lo opuesto a la hipótesis nula H 0 . Para el
gerente de producción de nuestro ejemplo será:
H 1 : µ X ≠ 468
Ésto indica que si el peso de las cajas muestreadas estuvieran muy por arriba o muy por
debajo del promedio 468 gramos, especificado por el fabricante, el gerente rechazaría la hipótesis
nula a favor de la hipótesis alternativa que establece que la cantidad promedio del contenido es
diferente de 468 gramos. Por consiguiente detendría la producción para tomar medidas correctivas.
La prueba de hipótesis, de este modo, puede determinar el rechazo de la hipótesis nula,
tomando como evidencia los datos muestrales. Pero ésto no nos indica que la hipótesis nula sea
falsa, sólo podemos asegurar que no la podemos aceptar basándonos en la muestra analizada.
Como los resultados son evidencia muestral y no poblacional, puede ocurrir que tomando otra
muestra la hipótesis nula resulte verdadera; ya que no trabajamos con la población entera.
Por lo antes expuesto en muchos casos no emitimos un juicio sobre la veracidad o falsedad
de la hipótesis nula, sino que, por el contrario, no emitimos juicio o nos reservamos la opinión,
diciendo que, con la evidencia muestral no encontramos pruebas para aceptar tal hipótesis.
En consecuencia, si aceptamos la hipótesis nula, lo único que podemos decir es que la
evidencia no fue insuficiente para garantizar su rechazo.
Resumiendo algunos puntos clave:

• La hipótesis nula es la hipótesis que siempre se va a probar.
• La hipótesis alternativa se establece como lo opuesto a la hipótesis nula y representa la
conclusión a la que se llegaría si la hipótesis nula fuera rechazada.
2) Nivel de significación:
Al usar una estadística de muestra para estimar un parámetro de población, existe el riesgo
de llegar a una conclusión incorrecta.
La situación en la toma de decisión que se ha descripto hasta ahora, puede resumirse en la
siguiente tabla:
Aceptar H 0 Rechazar H 0
H 0 es verdadera Decisión correcta (1 − α ) Error tipo I α
H 0 es falsa Error tipo II β Decisión correcta (1 − β )
Si la hipótesis nula es verdadera y aceptada o falsa y rechazada, la decisión tomada es

correcta en ambos casos.
7
Si la hipótesis nula es verdadera pero rechazada equivocadamente, al error cometido se lo

llama error tipo I y la probabilidad de cometerlo se designa con la letra griega α y se denomina
nivel de significación de la prueba estadística. Un estadístico establece el valor de α de acuerdo al
riesgo que estaría dispuesto a permitir. Puesto que dicho nivel se establece previamente a la
realización de la prueba de hipótesis, este error está bajo el control del investigador. En general se
elige α = 5%, al 1%, etc. Para el ejemplo tomaremos α = 5%.
Definición:
Nivel de significancia: es la probabilidad de rechazar la hipótesis nula cuando es verdadera.

Una vez especificado el valor de α se conoce la región de rechazo de la hipótesis nula,
puesto que α es la probabilidad de rechazo de la hipótesis nula.
El complemento (1 − α ) de la probabilidad de cometer un error tipo I se conoce como
coeficiente de confianza, que al multiplicarlo por 100 produce el nivel de confianza ya definido.
El coeficiente de confianza (1 − α ) es la probabilidad de que la hipótesis nula no sea

rechazada cuando de hecho es verdadera y debe ser aceptada.
Repasemos un poco ¿???!!!!!

Hallar el nivel de significación si se decide considerar como región de aceptación el
intervalo 463 gr ≤ X ≤ 473 gr . Analizar el problema si se desea reducir a α = 5% .
Rta: α = 14% ; 461, 43 ≤ X ≤ 474 ,57 gr
3) Valor crítico del estadístico de prueba
La distribución de muestreo de la estadística de prueba se divide en dos regiones, una región

de rechazo, conocida como región crítica, y una región de no rechazo. Si la estadística de prueba
cae dentro de la región de no rechazo, no se puede rechazar la hipótesis nula. Si la estadística de
prueba cae en la región de rechazo la hipótesis nula será rechazada.
Con el objetivo de tomar una decisión con respecto a la hipótesis nula, debemos hallar el
denominado valor crítico de la estadística de prueba. El valor crítico separa la región de rechazo
de la región de no rechazo; sin embargo el valor crítico depende del tamaño de la región de
rechazo.
El valor crítico está íntimamente ligado al valor de α elegido, y al tipo de distribución
poblacional., como veremos más adelante.
Definición:
Valor crítico: valor de la estadística de prueba que señala el punto divisorio entre la región
de rechazo y la de aceptación de la hipótesis nula.
8
En el ejemplo de empaque de cajas de arroz, considerando α = 5% y que la muestra se

selecciona de una población con distribución normal, el valor crítico del estadístico de prueba es
z = ±1,96 ; como se observa en la figura.
Zona de aceptación
Zona de rechazo Zona de rechazo
4) Estadístico de prueba considerando la información muestral
Continuando con nuestro ejemplo director del aprendizaje, decimos que el gerente de
producción ha establecido como hipótesis nula que la cantidad promedio de arroz por caja, de todo
el proceso de llenado, es de 468 gramos. Luego toma una muestra de cajas, pesa cada una y calcula
la media de la muestra. Recordemos que una estadística obtenida de una muestra es una estimación
del parámetro correspondiente de la población de la cual se tomó la muestra y es probable que
difiera del valor real del parámetro debido al azar de muestreo. Además, si la hipótesis nula fuera
verdadera la estadística de muestra no necesariamente tendría que ser igual al correspondiente
parámetro poblacional.
Si, por ejemplo, el promedio de la muestra fuera de 467,6 gramos, nos inclinaríamos a
pensar que el proceso tiene realmente una media de 468 gramos, según lo especificado por el
fabricante ( µ X = 468 gramos). Intuimos que la hipótesis nula es verdadera.
Si, por el contrario, la muestra tiene un peso promedio de 420 gramos, se no ocurriría pensar
que el promedio del proceso sí ha cambiado y que algo está fuera de control, es decir que debemos
investigar e introducir medidas correctivas. Es decir, que intuimos que la hipótesis nula no se
verifica o es improbable que sea verdadera ( µ X ≠ 468 gramos). En estas circunstancias
rechazaríamos la hipótesis nula.
Esta forma tan subjetiva de tomar una decisión no es la recomendable pues sería algo
arbitrario que cada individuo considera como “muy cercano” o “muy diferente”.
La metodología de prueba de hipótesis proporciona valores cuantificables para la toma de
decisión, y esto se logra, primero, determinando la distribución de muestreo de la estadística de
muestra (es decir de la media de la muestra, en el ejemplo en cuestión) y luego, calculando la
9
estadística de prueba particular, basándose en el resultado obtenido de la muestra. Como la
distribución de muestreo de la estadística de prueba, generalmente, sigue una distribución bien
conocida, como la normal o la t de Student, podemos usar estas distribuciones para determinar la
probabilidad de que una hipótesis nula sea verdadera.
Definición:
Valor estadístico de prueba: valor obtenido a partir de la información muestral, que se utiliza
para determinar si se rechaza o no la hipótesis nula.
Según si se desea hacer inferencia sobre media o sobre varianza, si la muestra es grande o
pequeña, si se conoce o no la varianza poblacional, existen distintas formas de calcular dicha
estadística de prueba.
X − µX 467,6 - 468
Para el ejemplo es ZP = = = − 0,12
σX 15
n 20
5) Formulación de una regla de decisión:
La costumbre es establecer conclusiones con respecto a la hipótesis nula H 0 . Por tanto, se

rechaza H 0 en favor de H 1 si el estadístico de prueba cae en la región crítica, de lo contrario, no
se rechaza H 0 .
Para el ejemplo, como − 1,96 ≤ ZP ≤ 1,96 , la evidencia brindada por esta muestra de 20 cajas
con un peso promedio de 467,6 no permite rechazar la hipótesis nula.
La toma de la decisión final depende del parámetro que se estudia, de la distribución de

muestreo del mismo, del tamaño de la muestra, etcétera.
Esto se detallará en cada uno de los casos que se verán más adelante.
MÉTODO BASADO EN EL P-VALOR
En la actualidad existe un método muy utilizado por científicos en la estadística aplicada

para determinar el rechazo o no rechazo de una hipótesis nula; denominado del valor p o
simplemente del “p-valor”.
En estadística aplicada se define al p-valor como la probabilidad de obtener un resultado tan
extremo como el logrado al hallar el estadístico de prueba, suponiendo que la hipótesis nula es
cierta.
El valor p indica la probabilidad de haber obtenido el resultado calculado desde la evidencia

muestral suponiendo que la hipótesis nula es cierta.
10
En este método se rechaza la hipótesis nula si el valor p asociado al resultado observado es

igual o menor que el nivel de significación α establecido convencionalmente 0,05 ó 0,01. Si el
valor p es inferior al nivel de significación nos indica que lo más probable es que la hipótesis nula
sea falsa.
El valor p es un valor de probabilidad, por lo que oscila entre 0 y 1. Se consideran que los
valores altos de p permiten no rechazar la hipótesis nula H0. De igual manera, valores bajos de p
concluyen que se rechaza la H0 pues existe una probabilidad muy baja de tener valores muestrales
como los hallados si la H0 es cierta.
Resumiendo:
Valores p ≤ α se rechaza la H0 al nivel α.
Valores p > α no se rechaza la H0 al nivel α.
Para el ejemplo director de este tema, con X = 467,6 gramos hallamos ZP = − 0,12 . Para
encontrar la probabilidad de obtener una estadística de prueba ZP que sea más exacta que – 0,12
trabajando con una prueba bilateral, es necesario calcular la probabilidad de hallar un valor de Z
mayor o igual que 0,12 junto con la probabilidad de hallar un ZP menor o igual que – 0,12.
P ( ZP ≥ 0,12) = 0, 4522
Dada la simetría de la distribución normal el p-valor es
P ( Z P ≥ 0,12 ∨ ZP ≤− 0,12) = 2 . 0, 4522 = 0,90
Por ser este valor mayor que el α seleccionado 0,05; la hipótesis nula no es rechazada.
TIPOS DE PRUEBAS
Se pueden presentar tres tipos de test de hipótesis que son:
• Bilateral
El investigador desea comprobar la hipótesis de un cambio en el parámetro. El nivel de
significancia se divide en dos y existen dos regiones de rechazo, cada una de ellas con una
α
probabilidad de % . Estas regiones de rechazo se consideran repartidas en ambas colas de la
2
distribución.
H 0 : µ X = µ 0
Las hipótesis serán: 
H 1 : µ X ≠ µ 0
• Unilateral Derecho
El investigador desea comprobar la hipótesis de un aumento en el parámetro, en este caso el
nivel de significancia se considera concentrado todo en la cola derecha de la distribución. Esto
implica que la zona de rechazo se ubica en el extremo derecho.
H 0 : µ X ≤ µ 0
H 1 : µ X > µ 0
11
• Unilateral Izquierdo
El investigador desea comprobar la hipótesis de una disminución en el parámetro, en este
caso el nivel de significancia se considera concentrado todo en la cola izquierda de la distribución.
Esto implica que la zona de rechazo se ubica en el extremo izquierdo.
H 0 : µ X ≥ µ 0
H 1 : µ X < µ 0
Dependiendo de la evaluación que se quiera hacer se seleccionará el tipo de prueba.
PRUEBA BILATERAL DE HIPÓTESIS PARA LA MEDIA

Ahora que conocemos la metodología de una prueba de hipótesis vamos a resumir los pasos
a seguir en un test para llegar a una conclusión con respecto a la media de una población, es decir
que inferiremos hipótesis que involucran al parámetro media poblacional ( θ = µ X ), basando las
decisiones en un estadístico muestral ( θˆ = X )
La lógica para una estimación mediante intervalos de confianza para la media de la

población es casi la misma que para la verificación de hipótesis acerca de la media poblacional.
En el módulo anterior la metodología de trabajo para la construcción de un intervalo de confianza
dependía de las respuestas a las siguientes preguntas:
1. ¿Se sabe que la población está distribuida normalmente?

2. ¿Se conoce la varianza de la población?
3. ¿Cuál es el tamaño de la muestra?
Según se ha citado, existen diferentes tipos de pruebas de hipótesis. Comenzamos el estudio

con las denominadas pruebas de dos extremos o pruebas de dos colas, en las cuales se rechazará la
hipótesis nula si la media de la muestra es significativamente mayor o menor que la media de la
población hipotetizada.
Este proceso está resumido en los diagramas de decisión I y II. Basaremos nuestro
razonamiento en ejemplos y resolveremos actividades que nos permitan aclarar el uso de las
estadísticas de prueba y la toma de decisión.
12
DIAGRAMA I
Población normal
Sí σX No
¿Conocida?
X − µX
Zp =
σX
Sí No
n n ≥ 30
X − µX X − µX
Zp = =
s ˆs
n −1 n X −µX
tα =
;n−1 s
2
n −1
Caso 1: Población con distribución normal, con σ X conocida y cualquier

tamaño de la muestra
En primer lugar se deben plantear la hipótesis nula y la hipótesis alternativa correspondientes

a la problemática analizada y posteriormente seleccionar el nivel de riesgo α y el tamaño de la
muestra.
Si la desviación estándar, σ X , es conocida, siendo la distribución de la población infinita
con distribución normal, entonces, basándose en el teorema del límite central, la distribución de
muestreo de la variable media muestral tiene una distribución normal con µ X = µ X y
σ
σ X = X , sin importar el tamaño de la muestra.
n
X − µX X − µX
La estadística de prueba será: ZP = =
σX σX
n
13
Comparamos luego la estadística de prueba hallada con el valor crítico Zc , sacado de tabla
normal estándar, para determinar si la misma cae dentro de la zona de aceptación o en la zona de
rechazo de la hipótesis nula para el nivel de significación elegido.
Como aplicación para este caso se puede regresar a la pregunta de interés para el gerente de
producción de la planta de empaque de arroz, problema presentado desde el comienzo del módulo
en el cual conocemos la desviación estándar poblacional y la población tiene una distribución
normal.
Ejemplo:
Él desea determinar si el proceso de llenado de las cajas está bajo control o no, es decir, si el
contenido promedio por caja en todo el proceso seguía siendo de 468 gramos como está
especificado o si se deben introducir medidas correctivas.
Para estudiar la situación se planea tomar una muestra aleatoria de 20 cajas, pesar cada caja
y evaluar la diferencia entre la estadística de la muestra y el supuesto parámetro poblacional.
H 0 : µ X = µ0 H 0 : µ X = 468
En este caso la hipótesis nula es
H1 : µ X ≠ µ0 H1 : µ X ≠ 468
y la alternativa es
Si suponemos que la desviación estándar, σ X , es conocida y que la distribución de la
población es normal, entonces, basándose en el teorema del límite central, la distribución de
muestreo de la media debería tener una distribución normal y la estadística de prueba Z es:
X − µX
ZP =
σX
n
Si se selecciona un nivel de significación de α = 5% , el tamaño de la región de rechazo

será de 0,05 y el valor de Zc correspondiente se obtiene de tabla adoptando una probabilidad de
0,025 en cada extremo.
Para encontrar el valor de Zc que corresponde a esta zona de rechazo debemos buscar en la
tabla la probabilidad 0,975, como lo hicimos en casos anteriores, lo que nos indica que Zc = 1,96.
Por lo expuesto la zona de aceptación está dada por − 1,96 ≤ Z ≤ + 1,96
Si pesamos la muestra de 20 cajas de arroz y el peso promedio de dicha muestra X resultó
de 472,5 gramos, y aceptamos que, como dijo la compañía, tenemos:
472,5 − 468
Zp = = +1,34
15
20
14
Como Z está dentro de la zona de aceptación, pues − 1,96 < + 1,34 < + 1,96 , nuestra decisión
es no rechazar H 0 . Llegamos a la conclusión de que la cantidad promedio de contenido es de 468
gramos. Decimos que “no hay evidencia de que el contenido promedio sea diferente a 468
gramos”.
¿Estamos ahora en condiciones de resolver el mismo problema con los siguientes datos?
a) El nivel de significación o probabilidad de un error tipo I, es del 10 %.
b) El nivel de confianza es de 99%.
c) La muestra es de 30 cajas.
d) La varianza de la población, dada por la fábrica, es 215 unidades de varianza.
Rta: en todos los casos se acepta H .
0
Veamos otros ejemplos para reafirmar este caso.
Ejemplo:
Tomamos una muestra de 35 ladrillos para determinar la conductividad térmica del material.
Según información del fabricante la conductividad térmica promedio es de 0,34 W/m.ºK y la
desviación estándar es de 0,010 W/m.ºK. Realizamos un ensayo y tenemos que
X = 0,343 W/m.ºK . ¿Se acepta o se rechaza la afirmación del fabricante, con un nivel de
confianza del 95%?
µ X = 0,34 X = 0,343 n = 35
1. H 0 : µ X = 0, 34 H1 : µ X ≠ 0,34
2. α = 0, 05 Z = 1, 96
X − µX 0,343 − 0, 34
3. Z P = = = 1, 77 como 1,77 < 1,96 la estadística de prueba cae en la zona
σX 0, 010
35
de aceptación. Por esto no rechazamos la hipótesis nula y puede decirse con un 95% de
confianza que el fabricante tiene razón.
15
Resolver ambos ejemplos mediante el método del p-valor.
Para el caso en el que la muestra se extrae de una población finita el estadístico de prueba es:
X − µX
ZP =
σX N −n
.
n N −1
Ejemplo:
Si la muestra de 35 ladrillos se extrae de un horno en el que se han fabricado 500 ladrillos y

se desea determinar la conductividad térmica del lote. Sabiendo que, según lo expresado por el
fabricante, la conductividad térmica promedio es de 0,34 W/m.ºK y la desviación estándar es de
0,010 W/m.ºK y, considerando que el ensayo de aceptación ha dado una conductividad térmica de
0,343 W/m.ºK. ¿Se acepta la afirmación del fabricante con un 95% de confianza?
µ X = 0,34 X = 0,343 n = 35 N = 500
1. H 0 : µ X = 0, 34 H1 : µ X ≠ 0,34
2. α = 0, 05 Z = 1, 96
X − µX 0,343 − 0,34
3. Z P = = = 1,84 como 1,84 < 1,96 la estadística de prueba se
σ X N − n 0, 010 500 − 35
. .
n N −1 35 500 − 1
ubica en la zona de aceptación. Por esto no rechazamos la hipótesis nula y a partir de la
evidencia muestral podemos decir que el fabricante está en lo cierto.
Resolver el ejemplo mediante el método del p-valor.
16
ACTIVIDAD 1
1) En una fábrica que enlata tomates se desea verificar que las latas resultan en
promedio con un peso de 1 kilogramo. Se conoce que el tamaño de los tomates
introduce una variación en los pesos de las latas de manera que estos se distribuyen
normalmente con una desviación estándar del 8%. Se selecciona una muestra de
100 latas en las que resulta el peso promedio 980 gramos. ¿Podemos aceptar la
afirmación de que el peso promedio es de 1 kg. para un riesgo del 5%?
2) La empresa “New Time” fabrica diversos modelos de muebles de jardín en las
diversas plantas de nuestro país. La producción semanal de reposeras modelo R101
en la planta de Santa Rosa se distribuye normalmente con una media de 120 y una
desviación estándar de 9. Recientemente, debido a la expansión del mercado y a la
temporada se han incorporado nuevos métodos de producción. El jefe de
producción desea saber si el número medio de reposeras producidos en dicha
planta ha variado, es decir si es diferente de 120, con un nivel de significancia de
0,01; si una muestra de 50 semanas de producción arroja un número medio de
123,4 reposeras. ¿Vale la pena invertir en el nuevo sistema productivo o la
diferencia se debe solamente al azar?
3) En un problema de decisión se han planteado las siguientes hipótesis:
H 0 : µ X = 60 y H1 : µ X ≠ 60 . La media muestral es 59, y el tamaño de la
muestra es 36. La desviación estándar de población es 6,2 y el nivel de
significancia es del 5%. Responder:
a) ¿Cuánto vale la magnitud de la estadística de prueba?
b) ¿Cuál es su decisión respecto de H 0 ?
4) a) Una máquina expendedora de café se programa de modo que la cantidad de café
que sirva se distribuye en forma aproximadamente normal con media 100 mililitros
y una desviación estándar de 5 mililitros. La máquina se verifica periódicamente
tomando una muestra de 15 vasos resultando en esta ocasión una media muestral
X = 97, 6 ml. ¿Está la máquina fuera de control o está funcionando correctamente
si el nivel de riesgo es del 5%?
b) ¿Cuál sería tu respuesta si te informan que los 15 vasos son seleccionados
aleatoriamente de los 200 despachados períodicamente por la máquina?
5) Se desea analizar la evolución de los precios en el mercado de hacienda. El mes
pasado el precio promedio por kilo vivo de novillos fue de $8 con una desviación
estándar de $0,4. Un periódico asegura que los precios promedios han variado este
mes respecto al anterior. Se seleccionó una muestra de 40 ventas, la que arrojó un
precio medio de $9,50 por kilo vivo. Si los precios se distribuyen normalmente, ¿el
periodismo tiene o no razón, con un nivel de significación del 0,01?
6) Una empresa eléctrica fabrica elementos con una duración que se distribuye en
forma aproximadamente normal con una media de 800 horas y una desviación
estándar de 40 horas. Si una muestra aleatoria de 30 de tales elementos tiene una
duración promedio de 788 horas ¿muestran los datos suficiente evidencia para
decir que la duración media ha cambiado, con un nivel de significancia del 5%?
Responder empleando el método del p-valor.
17
7) Un taladro produce agujeros cuyos diámetros siguen una distribución normal con
media 2 cm y desviación típica 0.06 cm. Para verificar su correcto funcionamiento
se miden aleatoriamente nueve taladros, con un diámetro medio de 1.95 cm.
Realiza un contraste bilateral para un nivel de significación del 5% utilizando el
método del p-valor.
Caso 2: Población con distribución normal, con σ X desconocida y

tamaño de la muestra n ≥ 30
Para asegurar una hipótesis acerca de una población infinita con esas características se
X − µX
trabaja con la estadística de prueba ZP = con s, desviación estándar de la muestra o
s
n −1
X −µX
ZP = con ŝ , la desviación estándar corregida de la muestra, para estimar σ X .
ŝ
n
El valor crítico Zc también se extrae de la tabla de la normal estándar.
Si la población de la cual se extrae la muestra es finita resulta:
X − µX
ZP =
s N −n
.
n −1 N −1
Proponga un ejemplo de este caso 2 resuelto mediante el método del p-valor.

Escriba su enunciado y explique todos los pasos realizados para su solución.
18
ACTIVIDAD 2
1) Una muestra de los pesos de 35 plantas en una estación experimental dio un peso
medio de 50 gramos y una desviación típica de 8 grs. Sabiéndose que la VA “peso
de una planta” tiene una distribución normal de probabilidades con µ X = 54
gramos, determinar para un nivel de confianza del 90% si la muestra permite o no
aceptar tal afirmación.
2) Un nutricionista, especialista en nutrición animal desea probar si el contenido
vitamínico promedio de cierto alimento balanceado es de 18 mg como indica el
paquete. Toma una muestra de 45 paquetes del alimento y determina que el
contenido promedio de vitaminas es de 12 mg con una desviación estándar de 2 mg.
¿Está de acuerdo con lo indicado en el paquete para un nivel de significación del
5%?
3) Una empresa eléctrica fabrica focos cuya duración se distribuye en forma
aproximadamente normal con una media de 2.800 horas. Pruebe esta hipótesis si una
muestra de 30 focos tiene una duración promedio de 1.788 horas con una desviación
estándar de 40 horas. Use un nivel de significación de 4%.
4) Un científico está interesado en vigilar el consumo de lácteos en 700 adultos
varones, ya que sospecha que el nivel del mismo no es el deseado, siendo éste de
800 ml diarios. Eligió una muestra de 50 adultos varones y encontró que la ingesta
promedio diaria es de 756 ml con una desviación estándar de 35 ml por día. Con
esta información y con un riesgo del 5%, se podría asegurar que la ingesta de
productos lácteos en varones adultos, no es la deseable?
5) Según la FEDEFUT, el peso promedio de un jugador nuevo de la Liga Nacional de
Fútbol es de 168. Ahora, la nutricionista del equipo XYZ piensa que el peso
promedio del equipo XYZ es diferente que 168. Como se están haciendo
incorporaciones, escoge una muestra aleatoria del peso de 40 candidatos y se obtuvo
que el peso promedio es de 166,5 y la desviación típica 23. Sabiendo que el peso es
una variable normal, ¿tiene razón el nutricionista, con un nivel de significancia del
1%? Responder empleando el método del p-valor.
6) Una línea de producción funciona con un peso de llenado de 16 gr por envase. De
acuerdo con datos anteriores, se sabe que el peso sigue una distribución normal. El
exceso o defecto de peso en el llenado son problemas graves, y la línea de
producción debe parar si se presenta alguno de ellos. Un inspector de calidad toma
una muestra de 30 artículos y de acuerdo con los resultados toma la decisión de
parar la línea o dejarla trabajando. Para un nivel de significación del 5%, si se
encuentra que el peso promedio es 16.32 y la desviación estándar es de 0.8 ¿qué
acción recomendarías? Responder empleando el método del p-valor.
19
Caso 3: Población con distribución normal, con σ X desconocida y

tamaño de la muestra n < 30
Si la población de interés tiene una distribución normal y es infinita, la estadística de prueba

se basa en la distribución t de Student. La muestra en este caso es nuevamente una “muestra
pequeña”, en la cual no es aplicable, por motivos ya explicados, la normal estándar y se estima
σ X por medio de la desviación estándar muestral corregida.
X − µX
La estadística de prueba tiene la forma: t P = y el valor crítico tc se extrae de la
s
n −1
tabla de la curva t, donde t es la distribución t de Student con ( n − 1) GL.
Ejemplo:
La longitud promedio de una pieza metálica que forma parte de un elevador es de 43

milímetros. Se sospecha que la máquina que los produce se ha descalibrado y dicha longitud ha
variado.
Se seleccionan aleatoriamente 12 piezas de la producción y sus longitudes fueron:
42 39 42 45 43 40 39 41 40 42 43 42
Probar la veracidad de la sospecha con un nivel de 0,02.
Los datos muestrales indican que:
X = 41,5 mm y s = 1, 708 (sin corregir)
La hipótesis nula es: H 0 :µ X = 43
La hipótesis alternativa es: H1 : µ X ≠ 43
Por ser una prueba de dos colas la región de rechazo se reparte 0,01 en cada extremo de la
curva t ; con este valor y 11 grados de libertad se entra en la tabla correspondiente a esta
distribución resultando tcrit = ± 2 , 718 .
El t de cálculo o sea la estadística de prueba es:
41,5 − 43
t= = − 2 ,91
1, 708
11
20
Según la gráfica anterior tα = − 2.718 y t α = 2.718 , como el valor de cálculo es

1−
2 2
t = − 2 ,91 cae en la zona de rechazo izquierda. Por esto se puede decir que la hipótesis nula de que
la media poblacional es de 43 milímetros se rechaza al nivel de significación del 2%. La hipótesis
alternativa de que la media no vale 43 milímetros es aceptada. Tomando como base los resultados
de la muestra, puede concluirse que la máquina está descalibrada.
Para una muestra seleccionada de una población finita el estadístico de prueba es:
X − µX
tP =
s N −n
.
n −1 N −1

ACTIVIDAD 3
1) Se formulan las siguientes hipótesis H 0 : µ X = 800 H1 : µ X ≠ 800 . Para una

muestra aleatoria de 12 observaciones, la media muestral fue de 817 y la
desviación estándar 22. Usando el nivel de significación del 1%, ¿cuál es su
decisión con respecto a la hipótesis nula?
2) El gerente de ventas de Royal controla la labor de sus representantes en toda una
zona del país, afirmando que cada uno de sus representantes realiza un promedio
de 32 visitas por semana a sus comerciantes. Los dueños estiman que el número de
visitas es diferente al valor dado por el gerente. Seleccionan una muestra de 25
representantes se determinó que los mismos realizaron en promedio 34 visitas la
semana pasada, con una desviación estándar de 1,8 visitas. Para un nivel de
significación del 5%, ¿quién tiene razón?
21
3) La longitud promedio de una clase de barras para estructuras de bicicletas es de 58

centímetros. Debido a la falta de calibración de las máquinas se sospecha que las
barras han sido cortadas con una medida diferente a la especificada. El jefe de
producción asegura que la falta de constatación de las máquinas contra patrones
internacionales no incide en la calidad del producto. Para probar su afirmación se
toma una muestra de 12 barras las que arrojaron como resultados:
57 55 58 60 61 57 58 55 54 60 61 58
Usando un nivel de significación del 2%, ¿tiene o no razón el jefe de producción?
4) En el departamento de personal de una compañía, con 120 empleados, se quiere

estimar los gastos familiares en asistencia médica de los mismos. El jefe del
departamento cree que sus empleados gastan en promedio $300, si esto no fuera
así, evaluaría la posibilidad de proporcionarles un plan de seguro médico. Si se
supone que la variable X : “'Gasto en asistencia médica de los empleados” sigue
una distribución normal y el gasto promedio en asistencia médica de 10 empleados
elegidos al azar fue de $ 261.4 con una desviación estándar de $ 131.68, sería
necesario ofrecerles un plan de seguro de salud, con un riesgo del 5%? Elabore su
respuesta en forma coloquial.
5) La directora del departamento de personal de una importante corporación está
reclutando un gran número de empleados para un puesto en el extranjero. Durante
el proceso de selección, la administración le pregunta cómo van las cosas, y ella
responde que cree que la puntuación promedio en la prueba de aptitudes será de
aproximadamente 90 puntos. Cuando la administración revisa 19 de los resultados
de la prueba compilados, encuentra que la puntuación media es 83,24 y la
desviación estándar de esta puntuación es 11. Si la administración desea probar la
hipótesis, por el método del p-valor H 0 : µ x = 90 H1 : µ x ≠ 90 al nivel de
significación del 10%, ¿Cuál es su conclusión sabiendo que la puntuación de la
prueba de aptitudes sigue una ley normal?
6) Se sabe por experiencia que el tiempo obtenido por los participantes olímpicos de
la prueba de 100 metros, en la modalidad de decathlon, es una variable aleatoria
que sigue una distribución normal con media 12 segundos y desviación típica 1,5
segundos. Para contrastar, con un nivel de significación del 5%, si no ha variado el
tiempo medio en la última Olimpiada, se extrajo una muestra aleatoria de 10
participantes y se anotó el tiempo obtenido por cada uno, con los resultados
siguientes, en segundos: 13 12 11 10 11 11 9 10 12 11. Utilizar el p-valor para
realizar la prueba de contraste.
22
DIAGRAMA II
Población no normal
Sí σX No
¿Conocida?
Sí No
n ≥ 30
Sí No
n ≥ 30
X − µX
Zp =
σX
n X − µX
Zp =
s
n −1
X − µX ¿?
Kp =
σX
n
Caso 4: Población con distribución no normal o desconocida, con σX

conocida y tamaño de la muestra n ≥ 30
Si la muestra extraída de una población infinita es “grande” ( n ≥ 30 ) y la desviación

estándar, σ X , es conocida, sin importar la forma de la distribución de la población, entonces,
basándose en el teorema del límite central, la distribución de muestreo de la variable media
σ
muestral tiene una distribución normal con µ X = µ X y σ X = X
n
Como en el Caso 1, la estadística de prueba será:
X − µX
ZP =
σX
n
23
Comparamos luego la estadística de prueba hallada con el valor crítico Zc sacado de tabla
para determinar si la misma queda dentro de la zona de aceptación o en la zona de rechazo de la
hipótesis nula para el nivel de significación elegido.
Ejemplo:
Un fabricante de esquís asegura que la fuerza media para soltar sus ataduras es de 2.700
gramos. Si las ataduras resisten menos es riesgoso para el esquiador pues pueden fallar durante su
carrera en la nieve y soltarse los esquís; si resisten más es dificultoso desatarlos para aquellas
personas que no tienen fuerza suficiente en sus manos. Un almacén de esquís en los Alpes decide
renovar su equipamiento y está interesado en comprar esa marca. Para verificar lo que el fabricante
dice toma una muestra de 40 esquís y encuentra que la fuerza media para soltarse es de 60 gramos.
Por historia del proceso productivo se sabe que la desviación estándar poblacional es de 226
gramos. ¿Qué aconsejaría Ud. al almacén con un nivel de significación del 5%?
Las hipótesis son: H 0 : µ = µ0 = 2 . 700 H1 : µ ≠ 2 . 700

Si se selecciona un nivel de significación de 0.05 ( α = 5% ) , el tamaño de la región de
rechazo será de 0,05 y el valor de Z crítico correspondiente se obtiene de tabla.
Dado que la región de rechazo está dividida en los dos extremos de la distribución, se conoce
a esta prueba como prueba de dos colas o de dos extremos. El valor de 0,05 se divide en una
probabilidad de 0,025 en cada extremo.
Para encontrar el valor de Z que corresponde a esta zona de rechazo debemos buscar en la
tabla la probabilidad 0,975, (es decir que el área bajo la curva normal, a la izquierda del Z buscado
es del 97,5%) lo que nos indica que Z = 1,96. Esto significa que los valores críticos que separan a
la región de rechazo de la de no rechazo son +1,96 y -1,96.
La regla de decisión será:
Rechazar H 0 si Z c > + 1,96 o si Z c < −1,96
En cualquier otro caso, no se rechaza H 0 .
2760 − 2700
La estadística de prueba es : Z P = = + 1, 679
226
40
Como Z P < Zc se acepta la hipótesis nula o decimos que esta muestra no presenta evidencia
suficiente para rechazar la hipótesis nula y por lo tanto la sostenemos.
24
Razonemos un poco ¿???!!!!!
¿Qué sucede si cambiamos el nivel de significación a α = 1% ? ¿Y para α = 10% ?

.................
Para una muestra seleccionada de una población finita resulta:
X − µX
ZP =
σX N −n
.
n N −1

ACTIVIDAD 4
1) Una empresa transportista sabe que el consumo medio de combustible de
sus camiones semanalmente es de 120.000 litros con un desvío estándar
de 3200 litros. En el último año el propietario de la compañía ha
comprado unidades nuevas, ha notado un cambio en dicho consumo y
desea verificar si realmente el servicio ha cambiado o si dicha variación se
debe al azar. Toma una muestra de 30 semanas y obtiene un consumo de
118.325 litros en promedio. ¿Qué opina Ud., el propietario está en lo
cierto al asegurar que el servicio es diferente? Resuelva la cuestión con
un 5% y 1% de nivel de significación.
2) Los investigadores de un laboratorio están trabajando sobre la
concentración de cierta enzima en una población de microorganismos. Se
preguntan: ¿puede decirse que la concentración media de la enzima en
esta población es distinta de 25 unidades al 5% de nivel de significación?
Se extrae una muestra de 35 individuos y de ella se ha calculado que la
X es de 22 unidades y de estudios anteriores se sabe que la varianza
poblacional es de 45 unidades. ¿Cuál será la repuesta de los
investigadores?
3) Un empresario desea comprar una lavandería en una gran ciudad. El
dueño actual de la lavandería afirma que en los últimos cuatro años se han
lavado diariamente, en promedio, 23 kilogramos de ropa en una jornada
corrida de 12 horas, con una desviación estándar poblacional de 2,1
kilogramos. El potencial comprador quiere verificar tal afirmación y para
ello toma una muestra de 60 jornadas lavándose en ese tiempo, en
promedio 19 kilogramos. Si seleccionamos un nivel de significancia del
5% ¿Cuál es la decisión del comprador?
25
4) Se desea probar la eficacia de cierto fungicida para prevenir el hongo de

la hoja de árboles frutales. Si la cantidad promedio de fungicida disuelto
en agua es muy poca el efecto es nulo y si resulta excesiva puede ser
nocivo para el fruto. Los fabricantes del fungicida aseguran en su
prospecto que la cantidad promedio disuelta en agua en cada frasco es de
0,125 mg. con una desviación estándar de 0,012 mg. Para confirmar la
afirmación y aplicarlo con tranquilidad los expertos toman una muestra de
55 frascos y determinan que la cantidad promedio es de 0,113 mg.
¿Pueden aplicarlo sin complicaciones para α = 1% ?
5) Resuelve el ejercicio 4) si se tiene como información adicional que la
muestra fue extraída de un lote de 800 frascos.
6) Un banco quiere analizar si las comisiones que cobra a sus clientes por
operaciones en el mercado bursátil difieren significativamente de las que
cobra la competencia, cuya media es de 12 euros mensuales con una
desviación estándar de 4,3 euros. Este banco toma una muestra de 64
operaciones bursátiles y observa que la comisión promedio es de 13,6
euros. Contrastar a través del método del p-valor, al nivel de significación
del 5%, que este banco no difiere significativamente en el cobro de las
comisiones por operaciones en la Bolsa con respecto a la competencia.
7) Se sabe que la desviación típica de las notas de cierto examen de
Matemáticas es 2,4. Para una muestra de 36 estudiantes se obtuvo una
nota media de 5,6. ¿Sirven estos datos para confirmar la hipótesis de que
la nota media del examen fue de 6, con un nivel de confianza del 95%?
Emplear el método del p-valor para responder a dicho interrogante.

conocida y tamaño de la muestra n < 30
Para una muestra de tamaño n < 30 , de una población infinita, el teorema del límite central
no es efectivo en la determinación de la forma de la distribución muestral de X si no se conoce la
forma de la población. Nuevamente la desigualdad de Chebyshev nos proporciona una regla de
decisión.
X −µX 1
La estadística de prueba es KP = y el valor crítico es K c = .
σX α
n
Por comparación de dichos valores definimos si se acepta o no la hipótesis nula, según K

caiga dentro o fuera de la región de aceptación definida por K c .
26
Para una muestra de población finita es:
X − µX
KP =
σX N −n
.
n N −1
ACTIVIDAD 5
1) a) Un fabricante de marcadores no recargables está interesado en la longitud

promedio de una línea continua que puede ser trazada con cada marcador antes de
que el mismo se quede sin tinta; esto define su “vida útil”. Debido a ajustes
técnicos realizados durante la producción, se sabe que la “vida útil” no se
distribuye normalmente, sino que es sesgada a la izquierda, es decir hacia la vida
útil más corta. El fabricante dice que la longitud promedio histórica es de 800
metros con una varianza poblacional de 144 metros. Se toma una muestra al azar
de 20 marcadores dando una línea de longitud promedio 810 metros. ¿Qué opina
Ud. sobre la vida útil media en metros de los marcadores, con un nivel de
confianza del 95%?
b) Resuelve la situación anterior, con un 99% de confianza, sabiendo que la
muestra fue seleccionada de un lote de 300 marcadores.
2) Un fabricante de termostatos para heladeras comerciales sostiene que, el correcto
funcionamiento del mecanismo de control de temperatura implica una vida útil de
47.000 horas. Para verificar la cantidad de horas promedio de duración de dichos
dispositivos se ensayan sólo 8 de ellos ya que, además de ser costosos, la prueba es
destructiva. Del experimento resulta que la duración promedio de la muestra es de
45.360 horas, conociéndose por el análisis de lotes anteriores que la desviación
estándar poblacional es de 1500 horas. ¿Es acertado lo que sostiene el fabricante
con un nivel de confianza del 99%?
3) Una compañía manufacturera de CD desea saber la resistencia al aplastamiento de
las cajas que contienen a los mismos. Si una caja se rompe con facilidad la
empresa pierde presencia en el mercado. Se selecciona una muestra de 12 cajas y
se las somete a un ensayo de compresión resultando la resistencia media de la
muestra 4,5 kilogramos. Según lo expresado por el gerente de producción los lotes
tienen una resistencia promedio al aplastamiento de 6,2 kilogramos con una
varianza poblacional que es de 0.75 kilogramos. Tome una decisión acerca de la
resistencia media al aplastamiento con un nivel de significación del 5%.
4) a) La resistencia a la rotura, expresada en kg., de 5 cuerdas de 6 mm de diámetro
dieron por resultado 290, 230, 265, 292 y 270. El folleto técnico de la fábrica
manifiesta que la resistencia media a la rotura es de 300 kg. Analice la veracidad
de tal afirmación con un nivel de confianza del 99%, si se sabe que la desviación
estándar poblacional es de 18 kilogramos.
b) Resuelve la situación anterior si te informan que la muestra fueron
seleccionadas de un lote de 70 cuerdas.
27
5) Un productor de disyuntores eléctricos sabe que la máquina de hacer el montaje de

los mismos se desgasta en forma constante durante el proceso de fabricación. Cada
lote de producción está integrado por 1000 disyuntores y terminado el lote se debe
recalibrar la máquina. El fabricante ofrece dichos disyuntores diciendo que la
tensión promedio de funcionamiento es de 380 voltios. Como el ensayo para
determinar a qué tensión se queman es destructivo se ensayan 10 dispositivos
resultando para la muestra una tensión media de 290 voltios. La varianza
poblacional es de 48 voltios. Según la evidencia muestral ¿podemos aceptar lo
enunciado por el productor con un α = 1% ?

desconocida y tamaño de la muestra n ≥ 30
Si no se conoce la forma de la distribución de la población, siendo esta infinita, o se sabe que

es no – normal, una muestra es considerada “grande” si n ≥ 30 y la estadística de prueba es ahora:
X −µX
ZP =
s
n −1
siendo s la desviación estándar de la muestra que estima a la desviación estándar de la

población.
El valor crítico es extraído de la tabla de la normal estándar según el nivel de significación
con el que se esté trabajando.
Existe una diferencia práctica entre los casos anteriores donde se conocía la desviación
estándar de la población y este último donde no sabemos ese valor. Cuando se conoce σ X el
único cálculo que se debe realizar es la obtención de la media muestral, pero ahora debemos
también hallar la desviación estándar muestral, es decir s con los datos del ensayo.
Para un muestreo de población finita resulta:
X −µX
ZP =
s N −n
.
n −1 N −1
28
ACTIVIDAD 6
1) Se desea saber si la media de cierta población es 5.800. Para ello se seleccionaron
al azar 285 elementos obteniéndose una media muestral de 5.740 y una desviación
estándar de 170. Realizar la prueba para un nivel de significación de 1%.
2) La producción media de lana, en cierta zona del país es de 3,5 kg. por cabeza, para
ovejas de la raza Corriedale. Un exportador de lana desea saber si la producción
media está realmente en ese valor pues, si disminuye pierde dinero y si aumenta en
exceso tendrá que buscar nuevos mercados. Para verificar la hipótesis toma una
muestra de 60 animales con similares características obteniéndose un rendimiento
medio de 4,2 kg. con un desvío típico de 0,78 kg. ¿Con un nivel de significación
del 2% puede aceptar lo que dicen los productores?
3) La duración de la enfermedad de Alzheimer desde el inicio de los síntomas hasta la
muerte tiene un promedio de 10 años. En un centro médico se seleccionan de 400
expedientes a los de 30 pacientes que murieron de Alzheimer y se obtiene que la
duración media fue de 7 años con una desviación estándar de 3 años. Los
investigadores sostienen con un 95% de confianza, que este promedio ha variado.
¿es cierta esta afirmación?
4) Se desea saber si la media de cierta población es 5.800. Para ello se seleccionaron
al azar 285 elementos obteniéndose una media muestral de 5.740 y una desviación
estándar de 170. Realizar la prueba con el método del p-valor, para un nivel de
significación de 1%.
5) En un proceso de fabricación de placas de silicio cubiertas con tungsteno la
resistencia objetivo para una placa es de 85m Ω. En una muestra aleatoria
simple de 50 placas, la media de la resistencia de la muestra era de 84.8 de m Ω
y la desviación estándar 0.5 m Ω.
Un ingeniero de control de calidad prueba que H 0 : µ x = 85 H1 : µ x ≠ 85
a) Determine el p-valor.
b) ¿Prueba si la media esté en el objetivo o ha cambiado, con un nivel de
significancia del 5%?

desconocida y tamaño de la muestra n < 30
Nuevamente no tenemos forma de realizar estimaciones en este caso, de la misma forma que
lo planteado al ver intervalos de confianza.
Estamos ahora en condiciones de resolver el problema motivador del inicio del

capítulo.
29
PRUEBAS UNILATERALES DE HIPÓTESIS PARA LA MEDIA

En algunas situaciones la hipótesis alternativa se orienta en una dirección en particular. Para
el ejemplo que guió nuestro razonamiento en este módulo y nos permitió introducir el tema, es
decir el de la máquina empacadora de cajas de arroz, podemos decir que el gerente de finanzas
puede interesarse en descubrir si las máquinas están llenando en exceso las cajas, pues esto
significa una pérdida de dinero para la compañía.
El planteo de las hipótesis es:
H 0 : µ X ≤ 468 (el proceso funciona adecuadamente)

H1 : µ X > 468 (el proceso no funciona adecuadamente)
La región de rechazo en este caso estaría ubicada completamente en el extremo superior de

la distribución de muestreo de la media. Si se elige un nivel de significación del 5%, queda a la
izquierda del valor crítico un área del 95%. Para este planteo es Zc = 1, 645 y la regla de decisión
sería:
Rechazar H 0 si Zc > + 1, 645 y en cualquier otra circunstancia no rechazar H 0
Si al someter a la muestra de 20 cajas al ensayo de control, nos da un peso promedio
muestral de 472,5 gramos, esto nos permite sospechar que el peso promedio en el llenado está
siendo mayor que los 468 gramos. ¿Cómo resolvemos la problemática para el nivel de
significación elegido del 5%?
Con los datos muestrales: n = 20 ; X = 472 ,5 y σ X = 15 gramos construimos la
X − µ X 472 ,5 − 468
estadística de prueba: Z= = = + 1,34
σX 15
n 20
Puesto que 1,34 < 1,645, nuestra conclusión es la de no rechazar H 0 y decir que no existe
evidencia de que la cantidad promedio de arroz por caja está por arriba de 468 gramos. Esto
significa que, a pesar de que la media muestral es mayor que 468 gramos, el resultado obtenido de
la muestra se debe a la casualidad, al azar y no es significativo desde el punto de vista estadístico.
De lo antes expuesto se desprende que no siempre las hipótesis se plantean en términos de
“igual a” o “distinto que”, en muchos casos deseamos saber si la media es menor o mayor que un
determinado valor indicado por las especificaciones o dado por el fabricante. En este caso la
prueba se denomina de una región o una cola, en contraposición con las vistas hasta ahora, en las
cuales las hipótesis contienen los signos = o ≠ , la región de aceptación es una región central y en
los extremos de la distribución se encuentran dos zonas llamadas zonas de rechazo o de no
aceptación. Por esto último se las denomina hipótesis de dos colas, de dos regiones o de dos
extremos.
30
En una hipótesis de una cola se desea conocer si un parámetro ha aumentado o ha

disminuido; es decir que se ha producido una diferencia en un solo sentido en algún proceso o en
un determinado valor de un parámetro. En las hipótesis nula aparecen los signos ≥ ; ≤ y en la
alternativa pueden aparecer los signos >, <.
Ejemplo 1:
Una empresa de camiones de carga sospecha de la afirmación de que el ciclo de vida

promedio de los neumáticos que usa es de al menos de 28.000 millas. Para verificar esto la
empresa pone 40 neumáticos en sus camiones y tiene un ciclo de vida promedio de la muestra de
27.463 millas con un σ X =1.348 millas. Si α = 0, 01 ¿Qué decisión se toma?
1. H 0 : µ X ≥ 28.000 H1 : µ X < 28.000

2. α = 0, 01 Z = − 2,33
X − µX 27.468 − 28.000
3. Z = = = − 2,52 como – 2,52 < - 2,33 la estadística de prueba cae en
σX 1348
40
la zona de rechazo. Por esto rechazamos la hipótesis nula o decimos que no hay evidencia para
aceptar la hipótesis nula.
Ejemplo 2:
Las especificaciones para cierto listón imponen una resistencia a la rotura media de 180 kg.
Si 5 piezas, tomadas de una pila de madera de 200 piezas, tienen una resistencia media de 169,5 kg
con s = 5,7 kg. ¿Puede tomarse cómo válida la especificación?
1. H 0 : µ X ≥ 180 H1 : µ X < 180

2. α = 0, 01 t0,01;4 = 3, 747
169,5 − 180
3. t = = −3, 68 como – 3,68 > – 3,747 no se rechaza la hipótesis nula, por lo que la
5, 7
4
especificación es correcta.
31
Ejemplo 3:
Si los listones del ejemplo anterior son extraídos de una pila de madera de 30 piezas, ¿Varía
en algo la decisión?
1. H 0 : µ X ≥ 180 H1 : µ X < 180

2. α = 0, 01 t0,01;4 = 3, 747
169, 5 − 180
3. t = = −3,89 como – 3,89 < – 3,747 sí se rechaza la hipótesis nula.
5, 7 30 − 4
.
4 30 − 1
La especificación no es cierta.
Se observa en este ejemplo la incidencia del tamaño del lote en una prueba. Si la muestra
(5 piezas) es pequeña con respecto al tamaño del lote la incidencia del coeficiente de corrección es
prácticamente nula. Si la muestra es grande frente al tamaño del lote, cobra importancia.
Proponga dos ejemplos de pruebas unilaterales diferentes que se resulevan

mediante el método del p-valor.
ACTIVIDAD 7
1) Se desea estudiar la evolución de los precios en el mercado de hacienda. La
semana pasada el precio promedio por kilo vivo de novillos fue de $$5,34 con una
desviación estándar de $0,33. Según los expertos, el precio promedio de esta
semana ha aumentado respecto a la anterior. Para corroborarlo se sacó una muestra
de 40 ventas, la que dio un precio promedio de $5,70 por kilo vivo. Si los precios
siguen una distribución normal, ¿se puede decir que los periodistas tienen razón,
con un nivel de significación del 1%?
2) El tiempo que tardan los pollos en alcanzar su peso comercial, es una variable
aleatoria normal con media 50 días y desviación estándar 2 días. Este tiempo es
considerado excesivo para las exigencias modernas y para tratar de disminuirlo se
ensaya una nueva dieta en un conjunto de 25 pollos, seleccionados de un galpón de
400 pollos. El tiempo medio que tardaron éstos en engordar fue de 43 días. ¿Cree
que la nueva dieta ha dado resultado, con un nivel de significación del 3%?
32
3) Se desea saber si cierto herbicida es efectivo para el control de malezas en el

cultivo de sorgo. Según análisis previos el promedio de plantas que se puede
encontrar es de 480 plantas por metro cuadrado con una desviación estándar de 49
plantas. Se toman 70 parcelas, se las trata con el herbicida y posteriormente se
contaron las plantas dando en promedio 360 plantas por metro cuadrado. Probar
que el herbicida es efectivo con un nivel de significación del 5%.
4) Un fabricante de llantas radiales de acero para transporte de carga asegura en su

publicidad que las mismas tienen una vida útil de 100.000 km. con una desviación
estándar de 8.000 km. Un cliente de la empresa compró 48 llantas y observó que la
duración media para sus camiones fue de 95.600 km. ¿Es la vida útil de las llantas
menor que la especificada por el fabricante con un nivel de significación del 1%?
¿Y con un nivel de significación del 5%?
5) Una encuesta realizada a estudiantes del ciclo medio reveló que los jóvenes miran,
en promedio, 7,5 videos musicales por mes. Una muestra de 35 alumnos
universitarios dio como resultado que los mismos habían visto el mes pasado 6.9
videos con una desviación estándar de 0,5. Para el nivel de significación del 2%.
¿puede decirse que los estudiantes universitarios miran menos videos al mes que
los de enseñanza media?
6) El departamento de tránsito del municipio de San Salvador ha observado que el

promedio de accidentes de tránsito en dicha ciudad es de 14,4 por semana.
Considerando que dicho promedio es alto elabora un plan de control de
conductores y realiza un ajuste en las multas para evitar infracciones. Tomando
como muestra 8 semanas, extraídas aleatoriamente de un archivo de 100 semanas
registradas, determina que con el nuevo sistema el número de accidentes por
semana es en promedio de 11,8 con un desvío estándar de 1,6. ¿Con un nivel de
significación del 5%,¿ puede decirse que el nuevo sistema es efectivo para el
disminuir la cantidad de accidentes de tránsito, si se considera al promedio como
una distribución normal?
7) Se consideran las siguientes hipótesis nula e hipótesis alternativa:

H 0 : µ X ≥ 22 ; H1 : µ X < 22
Se seleccionó una muestra aleatoria de 5 observaciones resultando: 18, 16, 12, 20,
17. Para el nivel de significación del 1%, ¿puede concluirse que la media
poblacional es menor que 30? ¿Cuál es su decisión respecto a la hipótesis nula?
8) Un colegio bilingüe desea organizar un curso de apoyo para sus estudiantes que
deseen rendir el examen anual final de los tres primeros niveles de la London
University. El año pasado el tiempo promedio de preparación de tal examen fue de
68 días hábiles. Para este año, seleccionaron una muestra de 8 estudiantes
obteniéndose: 64, 55, 58, 72, 70, 63, 56, 71 días. ¿Son los estudiantes del presente
año mejores que los del año pasado para un α = 1% ?
33
9) Un laboratorio farmacológico tiene como dato histórico que sus visitadores

médicos realizan, en promedio, 47 visitas semanales a médicos de la zona. Para
verificar el rendimiento actual seleccionan una muestra de 15 visitadores y
controlan su accionar durante una semana. Los resultados hallados son: 53; 55; 50;
45; 44; 48; 46; 47; 44; 50; 51; 43; 44; 46 y 47. Si los datos recabados sobre las
visitas semanales siguen una distribución normal, al nivel de significación del 5%,
¿se puede concluir que el número medio de visitas semanales es mayor que el dato
histórico?
10) La empresa BBM afirma que nueva gama de neumáticos duran en promedio más
de 28.000 km. Las pruebas con 64 neumáticos dan como resultado una duración
media de 27.800 km, con una desviación típica muestral de 1.000 km. Si se usa un
nivel de significación del 5%, comprobar (por el método del p-valor) si hay
evidencia suficiente para rechazar la afirmación de la empresa.
11) La duración de las bombillas de 100 W que fabrica una empresa sigue una
distribución normal con una desviación típica de 120 horas de duración. Su vida
media está garantizada durante un mínimo de 800 horas. Se escoge al azar una
muestra de 50 bombillas de un lote y, después de comprobarlas, se obtiene una
vida media de 750 horas. Con un nivel de significación de 0,01, ¿habría que
rechazar el lote por no cumplir la garantía?
12) Una muestra aleatoria de 100 muertes registradas en Estados Unidos el año pasado
muestra una vida promedio de 71.8 años. Suponga una desviación estándar
poblacional de 8.9 años. Probar con un nivel de significación del 5%, empleando el
método del p-valor, si la vida media hoy en día es mayor a 70 años con base en esa
muestra.
13) Un criador de pollos sabe por experiencia que el peso de los pollos de cinco meses
es 4,35 libras. Los pesos siguen una distribución normal. Para tratar de aumentar el
peso de dichas aves se le agrega un aditivo al alimento. En una muestra de pollos
de cinco meses se obtuvieron los siguientes pesos (en libras).
4,41 4,37 4,33 4,35 4,30 4,39 4,36 4,38 4,40 4,39
En el nivel 0,01, ¿el aditivo a ha aumentado el peso medio de los pollos? Estime el
valor de p.
Razonemos un poco ¿???!!!!!

Relacionemos módulos!!!!!
Un fabricante de productos de belleza desea saber si el proceso de llenado de los potes de

crema de enjuague para el cabello está funcionando bajo control o si es necesario implementar
acciones correctivas en el mismo. Según las especificaciones del fabricante la desviación estándar
es de 11 mililitros. Se seleccionan 50 potes de crema de enjuague cuya etiqueta dice 200 ml. y se
determina que la cantidad promedio de crema para la muestra es de 199,95 mililitros.
34
a) Establezca una estimación del contenido promedio de crema de todos los potes de 200 ml
que se fabrican con una confianza del 99%.
b) Basándose en los resultados obtenidos, ¿cree Ud. que son necesarias medias correctivas
al proceso de llenado de las cremas de enjuague?
c) Hay evidencia de que la cantidad promedio de crema de enjuague es diferente de 200
ml? (Utilice un nivel de significación del 1% y del 5%?
d) Al nivel de significación del 1%, ¿existe evidencia de que la cantidad promedio de crema
es menor que 200 ml?
e) Explique las diferencias entre los incisos a), c) y d) del presente ejercicio.
f) Constaste nuevamente las preguntas si los frascos fueron extraídos de un lote de 600
unidades?
Rtas: a) 195,94 ≤ µ ≤ 203,96 ; b) No ; c) No existe evidencia. : d) Se acepta H .
X 0
f) 196.11 ≤ X ≤ 203.79 ;No;No existe evidencia;No existe evidencia.
HIPÓTESIS REFERENTES A UNA VARIANZA

En esta sección estudiaremos el problema de probar la hipótesis nula de que una varianza de
la población equivale a una constante especificada contra una alternativa conveniente de una
región o de dos regiones. Es decir que probaremos, por ejemplo, la hipótesis nula σ X2 = σ 02 contra
la hipótesis alternativa σ X2 ≠ σ 02 .
Pruebas como estas son importantes para cuando se desea controlar la uniformidad de un
producto u operación.
2 ( n − 1) s 2
La estadística de prueba que consideramos es: χ = ya que basamos estas
σ 02
pruebas en el hecho de que para muestras aleatorias de una población normal con varianza σ 02 es
una variable aleatoria con distribución ji cuadrado con n-1 grados de libertad.
Ejemplo:
Supongamos que un disco de silicio será cortado en pequeños cubos o dados para ser usados
en al manufactura de un dispositivo semiconductor. Como ciertas características eléctricas del
dispositivo terminado pueden depender del grosor del dado, es importante que todos los dados
cortados de un disco de silicio tengan aproximadamente el mismo grosor. La variación del grosor
de un disco debe responder a las especificaciones del fabricante de un punto a otro del disco.
El proceso de alisado que se usa para pulir ciertos discos de silicio a fin de que su grosor sea
el apropiado sólo es aceptable si σ , la desviación estándar de la población del grosor de dados
cortados de los discos, es como máximo de 0,50 milésima de pulgadas. Si usamos un nivel de
35
significación de 0,05 para probar la hipótesis nula σ X ≤ σ 0 , o sea σ X ≤ 0,50 contra la hipótesis
alternativa σ X > 0, 50 . Si ensayamos una muestra de 15 dados cortados de esos discos y tenemos
una desviación estándar de 0,64 milésimas de pulgadas resulta:
Hipótesis nula : H 0 : σ X ≤ 0,50

Hipótesis alternativa : H1 : σ X > 0,50
1. Nivel de significación : α = 0, 05
2 ( n − 1) s 2 (15 − 1) (0, 64) 2
2. La estadística de prueba es: χ = = = 22, 94
σ 02 (0,50)2
2
3. Entrando en tabla χ 0,05 para 14 de grados de libertad es 23,685.
4. Decisión: Dado que χ 2 = 22, 94 no excede de 23,685, no es posible rechazar la hipótesis

nula; aunque la desviación estándar de la muestra exceda de 0,50, no hay suficientes
evidencias para concluir que el proceso de alisado es insatisfactorio.
Ejemplo:
La desviación estándar de las piezas fabricadas por una máquina es de 5 mm. Existe la
posibilidad de comprar una máquina similar, más moderna y con un desvío estándar notablemente
menor, según el importador. Sin embargo, antes de emprender la compra se solicitó permiso al
importador para fabricar como prueba 10 piezas, las que finalmente brindaron una varianza de
18,46 mm2. Utilizando una probabilidad de incurrir en un error tipo I del 10% determinar si es
verdad la afirmación del importador.
Se trata, en este caso, de comprobar si el desvío estándar es notablemente menor como
afirma el importador, por lo tanto el parámetro a testear es el desvío poblacional.
1. Planteamos la hipótesis nula : H0 : σ ≥ 5
y la hipótesis alternativa: H1 : σ < 5
2. Nivel de significación : α = 0,10
3. La estadística de prueba es: χ 2 =

( n − 1) s 2 = (10 − 1) 18, 46 = 6, 646
σ 02 (5)2
2
4. Entrando en tabla χ 9;0,90 (en la cola derecha de la distribución tenemos un área de 0,90 y,
para 9 de grados de libertad, es 4,168 el valor crítico).
5. Decisión: ¿Cuál es su decisión?
36
Como 6,646 > 4,168 la estadística de prueba cae en la zona de aceptación de la hipótesis
nula, por lo que no existe evidencia para rechazarla y podemos decir que ambas máquinas tienen
igual desviación estándar. Por ello podemos suponer que el desvío de la nueva máquina no es
notablemente menor como afirma el importador. ¿Está de acuerdo con esto?
ACTIVIDAD 8
1) Un fabricante de baterías para autos afirma que la duración de sus baterías se

distribuye normalmente con una desviación estándar de 0,9 años. Si una muestra
aleatoria de 10 baterías tiene una desviación estándar de 1,2 años, ¿considera qué
σ > 0,9 años? Utilice α = 5% .
2) Se dice que una máquina expendedora de refrescos está fuera de control si la
varianza de los contenidos excede 1,15 decilitros. Si una muestra aleatoria de 25
bebidas de esta máquina tiene una varianza de 2,03 decilitros, ¿indica esto con un
nivel de significación de 0,05 que la máquina está fuera de control? Suponga que
los contenidos se distribuyen de forma aproximadamente normal.
3) Por su experiencia, una oficina que evalúa el rendimiento de las personas
aspirantes a un cargo ejecutivo, sabe que la varianza en las calificaciones de las
pruebas realizadas ha sido de σ X2 = 121 . En la actualidad han modificado la
metodología de dicha prueba con la intención de mejorarla. Los funcionarios
encargados de la corrección de las mismas desean que la varianza en las
calificaciones de los exámenes siga siendo la misma y para comprobar esto se ha
tomado una muestra de 30 aspirantes, a los que se les ha aplicado el nuevo método
de evaluación. Si esta muestra presenta una varianza de 64, ¿puede decirse que
hay evidencia de que la varianza de las calificaciones con el nuevo examen difiere
de la varianza histórica, considerando α = 5% ?
4) Una varilla que forma parte del motor de una retroexcavadora debe producirse de
forma tal que cumpla estrictamente con las especificaciones técnicas del diseño.
Dichas especificaciones requieren una varianza máxima en su longitud de 0,0004.
Si en una muestra de 30 varillas se tiene una varianza muestral de 0,0005, pruebe
con un α = 5% si se respeta o no la especificación poblacional.
37
ACTIVIDAD DE REPASO
1) El director de manufactura de una fábrica de telas necesita determinar si una
nueva máquina está produciendo un tipo particular de tela según las
especificaciones del fabricante, que indican que la resistencia de rotura debe ser
de 70 libras con una desviación estándar de 3,5 libras. Con una muestra de 36
piezas se obtuvo una media de muestra de 69,7 libras. ¿Existe evidencia de que la
máquina no está cumpliendo con las especificaciones del fabricante? ( α = 5% )
2) Suponga que se sabe que los resultados de una prueba de aptitudes, usada para
determinar la admisión a una universidad, están distribuidos normalmente, con
una media de población de 500 y una desviación estándar de 100. Si una muestra
de 12 solicitantes a ingresar a la universidad tiene una media de muestra de 537,
¿existe evidencia de que el resultado medio es diferente de la media esperada de
todos los aspirantes? (Use un nivel de significación de 0,01)
3) Un fabricante de equipos deportivos desarrolla una nueva cuerda sintética que
afirma tiene una resistencia media a la tracción de 8 kilogramos con una
desviación estándar de 0,5 kilogramos. Si se prueba una muestra de 50 cuerdas,
extraídas de un lote de 500, y se encuentra que tiene una resistencia media a la
tracción de 7,8 kilogramos, ¿está de acuerdo con el fabricante para un nivel de
significación de 0,01?
4) Se afirma que un automóvil se maneja en promedio más de 20.000 km por año.
Para probar ésto, se pide a una muestra de 100 propietarios de automóviles que
lleven un registro de los kilómetros que viajan. ¿Está de acuerdo con esta
afirmación si la muestra aleatoria da un promedio de 23.500 kilómetros y una
desviación estándar de 3.900 kilómetros? ( α = 1% )
5) Se quiere estimar el peso promedio de los vacunos del mercado de Liniers. Un
estudio cuarenta vacunos mostró que la desviación estándar de sus pesos es de
12.2 kilogramos. ¿Qué tan grande debe ser una muestra para que con un 95% de
confianza se tenga un error de estimación de como máximo de 4 kilogramos?
6) Una empresa eléctrica fabrica luminarias que tienen una duración
aproximadamente normal con una desviación estándar de 40 horas. ¿De qué
tamaño se necesita una muestra si se desea tener 99% de confianza de que la
media real esté dentro de 10 horas de la media muestral? ¿Qué pasaría si en lugar
de tener un error de estimación de 10 horas sólo se requiere un error de 5 horas?
7) La compañía eléctrica publica cifras de la cantidad anual de Kilowatt-hora que
gastan los aparatos electrodomésticos. Se afirma que una aspiradora gasta un
promedio de 44 kw/h al año. Si una muestra aleatoria de 15 hogares que se
incluyen en un estudio exploratorio en un barrio de 100 viviendas, indica que las
aspiradoras gastan un promedio de 40 kw/h al año con una desviación estándar de
12,5 kw/h, ¿esto sugiere con un nivel de significancia de 0.05 que las aspiradoras
gastan, en promedio, menos de 44 kw/h anualmente? Suponga que la población de
kilowatt-hora es normal.
8) Una compañía que produce una parte maquinada para un motor, afirma que tiene
una varianza de diámetro no mayor a 0.0002 pulgadas. Una muestra aleatoria de
10 de dichas partes dio una varianza de muestra s2 = 0.0003. Si se supone que las
medidas del diámetro se distribuyen en forma normal, ¿hay evidencia para refutar
lo que afirma el proveedor? Use α = 5% .
38
Respuestas a ejercicios
ACTIVIDAD 1
1) zc = 1.96 y z p = −2.5 2) zc = 2.575 y z p = 2.67

Se rechaza Hip. nula Se rechaza Hip. Nula
3) zc = 1.96 y z p = −0.967 4) a) zc = 1.96 y z p = −1.85

Se acepta Hip. nula Se acepta Hip. Nula
b) zc = 1.96 y z p = −1.929
Se acepta Hip. Nula
5) zc = 2.575 y z p = 23.73 6) z p = −1.64
Se rechaza Hip. Nula Se acepta Hip. Nula
7) z p = −2.5
Se rechaza Hip. Nula
ACTIVIDAD 2
1) zc = 1.645 y z p = −2.92 2) zc = 1.96 y z p = −19.8

Se rechaza Hip. Nula Se rechaza Hip. Nula
3) zc = 2.055 y z p = −136.2 4) zc = 1.96 y z p = −9.12

5) z p = −0.41 6) z p = 2.15
Se acepta Hip. Nula Se rechaza Hip. Nula
ACTIVIDAD 3
1) tc = 3.106 y t p = 2.56 2) tc = 2.7181 y t p = −0.29

3) tc = 2.718 y t p = −0.249 4) tc = 2.262 y t p = −0.91

Se acepta Hip. Nula Se acepta Hip. Nula
5) t p = −2.61 6) z p = −2.75
ACTIVIDAD 4
1) zc = 1.96 y z p = −2.86 2) zc = 1.96 y z p = −2.65

zc = 2.575 y z p = −2.86
39
3) zc = 1.96 y z p = −14.75 4) zc = 2.576 y z p = −7.41

5) zc = 2.576 y z p = −7.79 6) z p = 2.98

7) z p = −1
Se acepta la Hip. Nula
ACTIVIDAD 5
1) a) K c = ±4.47 y K p = 3.72 b) K c = 10 y K p = 3.85

Se acepta la Hip. Nula Se acepta la Hip. Nula
2) K c = ±10 y K p = −3.09 3) K c = ±4.47 y K p = −6.84
Se acepta la Hip. Nula Se rechaza Hip. Nula
4) a) K c = ±10 y K p = −3.80 b) K c = 10 y K p = −3.916
5) K c = ±10 y K p = −41.25
ACTIVIDAD 6
1) zc = 2.575 y z p = −5.947 2) zc = 2.33 y z p = 6.89

3) zc = 1.96 y z p = −5.59 4) z p = −4.59
5) z p = −2.8
ACTIVIDAD 7
1) zc = 2.33 y z p = 6.89 2) zc = −1.89 y z p = −18.05

3) zc = −1.645 y z p = −20.5 4) zc = −2.33 y z p = −3.81

5) zc = −2.06 y z p = −6.99 6) tc = −1.895 y t p = −4.46

40
7) tc = −3.747 y t p = −4.08 8) tc = −2.998 y t p = −1.802

9) tc = 1.761 y t p = 0.57 10) z p = −1.59

11) z p = −2.95 12) z p = 2.02
13) t p = 2
Se acepta Hip. Nula
ACTIVIDAD 8
1) χ 2 = 16 y χ 9;0.05
2
= 16.919 2) χ 2 = 42.36 y χ 24;0.05
2
= 36.415
6) Sí, la evidencia muestral permite decir que la varianza de las calificaciones difiere de la
varianza histórica.
7) Se respeta la especificación poblacional.
ACTIVIDAD DE REPASO
1) zc = −1.65 y z p = −0.514 2) zc = ± 2.57 y z p = 1.28

3) zc = ± − 2.32 y z p = −2.985 4) zc = − 2.33 y z p = 8.92

5) 426 vacunos 6) 106 luminarias – 425 luminarias
7) No se puede asegurar que las aspiradoras gasten menos de 44 kw/h.
8) El proveedor tiene razón.
41

MODULO 9 DEL 2015 PyE

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

MODULO 9 DEL 2015 PyE

Uploaded by

Copyright:

Available Formats

Probabilidad y Estadística Módulo 9

Mg. Adriana Noelia Poco

Lic. Stella Maris Farías

Prof. Natalia Albert

Ciclo lectivo 2015

TEST DE HIPÓTESIS ...................................................................................................................... 4

METODOLOGÍA DE LA PRUEBA DE HIPÓTESIS ..................................................................... 4

Etapas de una prueba de hipótesis ................................................................................................. 6

TIPOS DE PRUEBAS ..................................................................................................................... 11

PRUEBA BILATERAL DE HIPÓTESIS PARA LA MEDIA ....................................................... 12

Caso 1: Población con distribución normal, con σ X conocida y cualquier tamaño de la

Caso 2: Población con distribución normal, con σ X desconocida y tamaño de la muestra

Caso 3: Población con distribución normal, con σ X desconocida y tamaño de la muestra

Caso 4: Población con distribución no normal o desconocida, con σ X conocida y tamaño

Caso 5: Población con distribución no normal o desconocida, con σ X conocida y tamaño

Caso 6: Población con distribución no normal o desconocida, con σ X desconocida y

Caso 7: Población con distribución no normal o desconocida, con σ X desconocida y

PRUEBAS UNILATERALES DE HIPÓTESIS PARA LA MEDIA ............................................. 30

HIPÓTESIS REFERENTES A UNA VARIANZA ........................................................................ 35

ACTIVIDAD DE REPASO ............................................................................................. 38

Respuestas a ejercicios ........................................................................................................ 39

Al comenzar el módulo anterior dijimos que la compañía Max – Paint, exportadora de

Continuamente deben tomarse decisiones y, así como en el problema motivador, muchas

METODOLOGÍA DE LA PRUEBA DE HIPÓTESIS

1. El contenido promedio en el proceso completo de empaque de cajas de arroz es de 468 gramos.

Es importante interpretar la diferencia entre la estimación y la prueba de hipótesis ya que

La estimación supone el uso de evidencia muestral para estimar las características

ETAPAS DE UNA PRUEBA DE HIPÓTESIS

Los pasos a seguir para realizar una prueba de hipótesis son:

1) Hipótesis nula y alternativa:

Hipótesis nula: afirmación o enunciado acerca del valor de un parámetro poblacional.

Resumiendo algunos puntos clave:

Si la hipótesis nula es verdadera y aceptada o falsa y rechazada, la decisión tomada es

Si la hipótesis nula es verdadera pero rechazada equivocadamente, al error cometido se lo

Nivel de significancia: es la probabilidad de rechazar la hipótesis nula cuando es verdadera.

El coeficiente de confianza (1 − α ) es la probabilidad de que la hipótesis nula no sea

Repasemos un poco ¿???!!!!!

3) Valor crítico del estadístico de prueba

La distribución de muestreo de la estadística de prueba se divide en dos regiones, una región

En el ejemplo de empaque de cajas de arroz, considerando α = 5% y que la muestra se

Zona de rechazo Zona de rechazo

4) Estadístico de prueba considerando la información muestral

5) Formulación de una regla de decisión:

La costumbre es establecer conclusiones con respecto a la hipótesis nula H 0 . Por tanto, se

La toma de la decisión final depende del parámetro que se estudia, de la distribución de

MÉTODO BASADO EN EL P-VALOR

En la actualidad existe un método muy utilizado por científicos en la estadística aplicada

El valor p indica la probabilidad de haber obtenido el resultado calculado desde la evidencia

En este método se rechaza la hipótesis nula si el valor p asociado al resultado observado es

Dependiendo de la evaluación que se quiera hacer se seleccionará el tipo de prueba.

PRUEBA BILATERAL DE HIPÓTESIS PARA LA MEDIA

La lógica para una estimación mediante intervalos de confianza para la media de la

1. ¿Se sabe que la población está distribuida normalmente?

Según se ha citado, existen diferentes tipos de pruebas de hipótesis. Comenzamos el estudio

Caso 1: Población con distribución normal, con σ X conocida y cualquier

En primer lugar se deben plantear la hipótesis nula y la hipótesis alternativa correspondientes

Si se selecciona un nivel de significación de α = 5% , el tamaño de la región de rechazo

Repasemos un poco ¿???!!!!!

Veamos otros ejemplos para reafirmar este caso.

Repasemos un poco ¿???!!!!!

Resolver ambos ejemplos mediante el método del p-valor.

Si la muestra de 35 ladrillos se extrae de un horno en el que se han fabricado 500 ladrillos y

µ X = 0,34 X = 0,343 n = 35 N = 500