ANLISIS E INTERPRETACIN DE

RESULTADOS ESTADISTICOS
Dr. Carlos Caldern Cabada
Lima, Junio 2006
PRUEBAS
ESTADISTICAS
PARAMETRICAS
Prueba t
de Student
QUE ES LA PRUEBA t ?
ES UNA PRUEBA
ESTADISTICA PARA
EVALUAR SI DOS GRUPOS
DIFIEREN ENTRE SI DE
MANERA SIGNIFICATIVA
RESPECTO DE SUS MEDIAS.
SIMBOLO
t
) 1 (
/

=
n
t n distribuci tiene
n S
x
t

SE CALCULA PARA MUESTRAS PEQUEAS
DE DISTRIBUCION NORMAL
SE CALCULA PARA MUESTRAS GRANDES
DE DISTRIBUCION NORMAL
2 2 1 1
2 1
/ /
2 2
N S N S
x x
t
+

=
HIPOTESIS A PROBAR
Se trata de comparar dos grupos:

La hiptesis alternativa plantea que
los grupos difieren
significativamente entre si y la
hiptesis nula propone que los
grupos no difieren significativamente
entre si.
VARIABLE INVOLUCRADA
LA COMPARACION SE REALIZA SOBRE
LA VARIABLE INDEPENDIENTE, SI
EXISTEN OTRAS SE DEBE EFECTUAR
VARIAS PRUEBAS t UNA POR CADA
VARIABLE.

EL NIVEL DE MEDICION DE LAS
VARIABLES ES EL DE INTERVALO
O RAZON

INTERPRETACION
PARA GRUPOS
PEQUEOS (n < 30)
X la media del grupo.
la media poblacional
S la Desv. Estandar
n = tamao de muestra


) 1 (
/

=
n
t n distribuci tiene
n S
x
t

INTERPRETACION
Para saber si el valor t es significativo, se
aplica la formula y se calculan los grados de
libertad.
La prueba t se basa en una distribucin
muestral o poblacional de diferencia de
medias conocidas como la t de Student,
Esta distribucin es identificada por los
grados de libertad, los cuales constituyen el
numero de maneras como los datos pueden
variar libremente.
RECOMENDACION
Mientras mayor sea el numero de grados de
libertad la distribucin t de Student se
acerca mas a ser una distribucin normal.
Si los grados de libertad exceden los 120 la
Distribucin Normal es utilizada como una
aproximacin adecuada de la t de Student.
Calculado t y los gl (grados de libertad) SE
ELIGE el nivel de significancia y se compara
el valor obtenido con el mostrado en la Tabla

Distribucin t-Student
0 t
1-o/2

t
(v)

o/2
) 1 (
/

=
n
t n distribuci tiene
n S
x
T

Para muestras pequeas de poblacin normal
PRUEBA t
CALCULO DE LOS GRADOS
DE LIBERTAD


gl = (N1 + N2) 2

N1 y N2 representan al tamao de cada grupo
comparado.
EVALUACION DE RESULTADOS
Si nuestro valor calculado es igual o mayor
que el de la Tabla, se acepta la hiptesis
alternativa.
Pero si el valor es menor se acepta la
hiptesis nula.


USO DE LA TABLA..
EJERCICIOS
Tomar la Tabla t y calcular:
Media Muestral =
Media Poblacional =
=
n =
gl. (t-1) =
DESCANSO
HIPOTESIS A
CONTRASTAR
datos de la muestra
Se definen:
Las hiptesis nula y alternativa con una
distribucin de probabilidad conocida
Regla de decisin(nivel de significacin o)
Valor crtico o tabulado
Se calcula una medida
asociada a la hiptesis
que se desea docimar
Se comparan los valores
calculado con tabulado
se rechaza
Ho?
NO
SI
H
1
Se extraen conclusiones
Utilizar prueba de Z
Si
No
Si
Utilizar prueba de Z

No
Se conoce ?
Utilizar prueba de Z
Utilizar prueba de t
Se conoce?
Si
No
Es n 30?
No
Si
Utilizar prueba de Z (por el
teorema central del lmite)

Se conoce?
Utilizar prueba de Z
(por el teorema central
del lmite)

Si
Se sabe q
la poblacin
es normal?
No
Si
Es n 30?
Utilizar una prueba
no paramtrica








































Se acepta la hiptesis nula si el
estadstico de la prueba cae
dentro de esta regin.
Se rechaza la
hiptesis nula
Se rechaza la
hiptesis
nula
Area A = rea B
y (A+B) = el
nivel deseado
de significancia
Valor
critico
Valor terico
de la diferencia
+ Valor
critico
Area A Area B
Esquema cuando se comprar la diferencia entre
dos medias o proporciones mustrales
Nmero
de
grupos
Esquema de seleccin de pruebas estadsticas cuando
la variable dependiente es continua u ordinal
1 Grupo
2 Grupos
3 a ms Grupos
Independientes
n > = 30
Prueba Z para la media
n > = 30
Distribuci
n normal
Prueba Z para la diferencia de medias
Prueba de Mann-Whitney para
comparacin de poblaciones
n > = 30
Prueba Z para la media de la diferencia
en datos apareados
Independientes
Distribucin
normal
Prueba T para la media de la
diferencia en datos apareados
Prueba del signo o de Wilcoxon
para datos apareados
Distribucin
normal c/varian-
zas semejantes
ANVA - Comparacin de tratamientos
Prueba de Kruskal-Wallis - Comparac. de Trat.
Distribucin
normal c/varian-
zas semejantes
ANVA en Bloque - Comparac. de Tratam.
Prueba de Friedman - Comparac. de Tratam.
Distribucin
normal
Prueba T para la media
Prueba del signo para la mediana
Varianzas
iguales
Prueba T para
diferencia de medias
Prueba T con ajuste
de grados de libertad
Si
No
Si
No
Si
No
Si
No
Si
No
Si
No
Si
No
Si
No
Si
No
No
Si
Si
No
Escala de
medicin
para ambas
variables
Esquema de seleccin de pruebas estadsticas para medir
relacin entre variables
Continua
Coeficiente de Correlacin por rangos de Spearman
Coeficiente de correlacin lineal de Pearson
Cada variable
tiene dos
categoras
(tablas 2x2)
- Prueba Ji-Cuadrado (Coeficiente |)
- Riesgo Relativo (Estudios de cohorte)
- Odds Ratio (Estudios de Casos-control)
- Coeficiente de concordancia Kappa
(Comparacin de mtodos)
Prueba Ji-Cuadrado para Independencia
de variables (Coeficiente de
Contingencia)
Si
No
Ordinal y/o
numrica
Nominal
Hiptesis estadstica segn
Nmero de grupo y tipo de variable
Nmero de Grupos
Un grupo Dos grupos Tres o ms grupos
Variable
cuantitativa
Variable
categrica
Variable
cuantitativa
Variable
caategrica
Variable
cuantitativa
Variable
categrica
Hiptesis:
=
0
Parmetro
media
Hiptesis:
P=P
0
Parmetro
Proporcin
Hiptesis:

1
=
2
Parmetros
medias
Hiptesis:
o
2
1
=o
2
2
Parmetros
v arianzas
Hiptesis:
P
1
= P
2
Parmetros
Proporci ones
Hiptesis:

1
=...=
k
Parmetros
k medias
Hiptesis:
o
2
1
=o
2
2
=
...=o
2
k
Parmetros
k v arianzas
Hiptesis:
P
1
= P
2
=
....= P
k
Parmetros
k Proporciones
Hiptesis:
o
2
< o
2
0
Parmetro:
varianza
Prueba de Correlacin de
Rango de SPEARMAN

El coeficiente de correlacin por rango se define como:



Donde:
N: # de observaciones, # de individuos o fenmenos
clasificados por rango.

di: Diferencia en los rangos atribuida a dos caractersticas
diferentes del i-simo individuo o fenmeno.
|
|
.
|

\
|

=

) 1 N ( N
d
6 1 r
2
2
i
s
PRUEBA DE CORRELACION DE RANGO DE SPEARMAN
La correlacin por rangos de Spearman mide la relacin entre
dos variables que han sido clasificadas por orden de menor a
mayor (o de mayor a menor)
Una empresa contrat a 7 tcnicos en informtica, que fueron
sometidos a un examen de conocimientos bsicos. Luego de un
ao de servicio, se calific su rendimiento en el trabajo. A
continuacin, se muestran los resultados:
EJEMPLO
Tcnico
Puntuacin en el
examen
Clasificacin por
rendimiento
J. Manzo 82 4
M. Contreras 73 7
C. Gutarra 60 6
F. Olaechea 80 3
D. Barrientos 67 5
F. Estombelo 94 1
J. Cordova 89 2
Se utiliza la correlacin por rangos de Spearman para
determinar, si hay relacin entre las calificaciones del examen y
el rendimiento en el trabajo
1 Se elabora la clasificacin de las puntuaciones del
examen
Tcnico

Puntuacin
en el examen
Clasificacin
por el examen
(X)
Clasificacin
por rendimiento
(Y)
J. Manzo 82 3 4 -1 1
M. Contreras 73 5 7 -2 4
C. Gutarra 60 7 6 1 1
F. Olaechea 80 4 3 1 1
D. Barrientos 67 6 5 1 1
F. Estombelo 94 1 1 0 0
J. Cordova 89 2 2 0 0
i
d Y X =
2
i
2
d ) Y X ( =
2 Se calcula del coeficiente de correlacin por rangos de
Spearman r
s
:
857 . 0
) 1 7 ( 7
8
6 1
) 1 N ( N
d
6 1 r
2 2
2
i
s
=
|
|
.
|

\
|

=
|
|
.
|

\
|

=

Un coeficiente de correlacin oscila entre -1 y 1; los
resultados muestran una fuerte relacin positiva entre las
puntuaciones de examen de cada tcnico y su rendimiento
en le trabajo
Contrastando la hipotes:
H
0:

s
= 0, no hay relacin entre las dos variables
H
1:

s
0, hay relacin entre las dos variables
Tabla N, con =0.10, n=7; los valores crticos seran: 0.6786
Como r
s
est fuera de la regin de aceptacin, rechazamos la H
0
. Se
concluye, al 90% de confianza, existe relacin entre las puntuaciones
del examen y el orden de rendimiento en el trabajo
-0.6786
Valor critico
+0.6786
Valor critico
0.857
0.05 0.05
Se
Rechaza
Se
Rechaza
Se acepta
Intervalo de confianza para la
diferencia de medias
b) Si las varianzas o
1
2
y o
2
2
son desconocidas
Para muestras grandes
donde
2 1
2 / 1
2 1
) (
x x
S Z x x L

=
o
2
2
2
1
2
1
2 1
n
s
n
s
S
x x
+ =

Cambiar de
tema
ANALISIS
NO
PARAMETRICO
CONSIDERACIONES
La mayora no de estos anlisis no requiere de
presupuestos acerca de la forma de la Distribucin
Poblacional.
Las Variables no necesariamente deben estar
medidas en un nivel de intervalo (orden y categora
cero no real) o de razn ( el cero es real) .
Pueden analizarse datos nominales (sin orden ni
categora -Sexo) u ordinales (orden de mayor a
menor- primero, segundo).
En todo caso la variables deben ser categricas.
( en das, meses, aos, etc.)
METODOS O PRUEBAS NO
PARAMETRICAS MAS
EMPLEADAS
1) LA Ji CUADRADA CHI-CUADRADA
2) COEFICIENTES DE CORRELACION E
INDEPENDNENCIA PARA TABULACIONES
CRUZADAS.
3) LOS COEFICIENTES DE
CORRELACION PARA RANGOS
ORDENADOS DE SPERMAN Y KENDALL
Ji - CUADRADA
Es una prueba estadstica para evaluar
hiptesis acerca de la relacin entre dos
variables.
Se simboliza por :
Prueba hipotesis Correlacionales
Variables involucradas : dos ( no considera
relaciones causales)
Nivel de medicion de variables: Nominal y
Ordinal.
Ji - CUADRADA
La Chi Cuadrada se calcula a traves de
una Tabla de contingencia o Tabulacion
cruzada, que constituye una Tabla de dos
dimensiones o matriz de dos x dos.

Cada dimension contiene una variable.

Cada variable se subdivide en dos o mas
categorias.



La Prueba Ji-Cuadrado
Distribucin Ji-Cuadrado
n 2 1
Z , ... , Z , Z
Supngase que se tiene una serie de variables aleatorias independientes con distribucin normal
estndar, , entonces la variable aleatoria , sigue una distribucin
Ji-Cuadrado.


2
n
2
1
Z ... Z X + + =
2

La Prueba Ji-Cuadrado
FUNCIN DE DENSIDAD MEDIA Y VARIANZA.
2

Hiptesis nula:
Las variables son independientes
Se construye o se obtiene una tabla de
tabulacin cruzada para las frecuencias reales
observadas (O
ij
)
Procedimientos para usar el anlisis de ji cuadrada y probar la
independencia de dos variables nominales
Suponiendo que las variables son
independientes, se construye una tabla de
tabulacin cruzada para las frecuencias
tericas ( E
ij
)
Se determina el nivel de significado deseado
en la prueba.
Se determina el valor
calculado del estadstico ji
cuadrada

( )

= =

= _
r
1 i
c
1 j
ij
2
ij ij 2
E
E O


Tabla 4. Distribucin de ji-cuadrado
Probabilidad de un valor superior
Grados de libertad 0,1 0,05 0,025 0,01 0,005
1 2,71 3,84 5,02 6,63 7,88
2 4,61 5,99 7,38 9,21 10,60
3 6,25 7,81 9,35 11,34 12,84
4 7,78 9,49 11,14 13,28 14,86
5 9,24 11,07 12,83 15,09 16,75
6 10,64 12,59 14,45 16,81 18,55
7 12,02 14,07 16,01 18,48 20,28
8 13,36 15,51 17,53 20,09 21,95
9 14,68 16,92 19,02 21,67 23,59
10 15,99 18,31 20,48 23,21 25,19
USO DE LA TABLA
] [ P
2
n ,
2
= >
2
n ,

El rea sombreada de naranja

representa la probabilidad
que se determinada por
, donde:
es el valor critico del margen
superior de la tabla, y son los
grados de libertad del margen
izquierdo de la tabla.
n


Tabla 4. Distribucin de ji-cuadrado
Probabilidad de un valor superior
Grados de libertad 0,1 0,05 0,025 0,01 0,005
1 2,71 3,84 5,02 6,63 7,88
2 4,61 5,99 7,38 9,21 10,60
3 6,25 7,81 9,35 11,34 12,84
4 7,78 9,49 11,14 13,28 14,86
5 9,24 11,07 12,83 15,09 16,75
6 10,64 12,59 14,45 16,81 18,55
7 12,02 14,07 16,01 18,48 20,28
8 13,36 15,51 17,53 20,09 21,95
9 14,68 16,92 19,02 21,67 23,59
10 15,99 18,31 20,48 23,21 25,19
Uso de la tabla Ji-
Cuadrado
10 . 0 ] 10 n | 99 . 15 [ P
2
= = <
05 . 0 ] 5 n | 07 . 11 [ P
2
= = <
Martha Revilla, directora de mantenimiento de la calidad
en MEGA, elige 29 bicicletas y halla una varianza en la
distancia entre ejes de 32.7 pulgadas cuadradas. Si la
seora Revilla tienen que garantizar que la variacin no
supere 27 pulgadas cuadradas indica esto que se
cumplen las normas de produccin? (=0.05)
EJEMPLO
Hiptesis 27 H 27 H
2
1
2
0
> o = s o =
Prueba de una cola a la derecha

Que pasara, si las instrucciones de la seora Revilla fueran que la
variacin se mantuviera inferior a 27 pulgadas cuadradas?
27 H 27 H
2
1
2
0
< o = > o =
Prueba de una cola a la izquierda
33.91
2
_
( )
2
f _
0.05
X
2
=33.91, la seora Revilla no rechazar la H
0
y confiar al 95% en
que se cumplen las normas de produccin
16.928
928 . 16
2
28 ; 95 . 0
= _
La seora Revilla, ahora elabora un intervalo de confianza del 90% para
la varianza de la distancia entre ejes.
16.928
2
_
( )
2
f _
0.05
Revilla puede confiar al 90% en que la varianza de la distancia
entre ejes se encuentra entre 22.15 y 54.09 pulgadas cuadradas
0.05
0.90
41.337
0.95
( ) ( )
2
28 ; 95 . 0
2
2
2
28 ; 05 . 0
2
s 1 n s 1 n
_

< o <
_

( )( ) ( )( )
09 . 54 15 . 22
928 . 16
7 . 32 1 29
337 . 41
7 . 32 1 29
2
2
< o <

< o <

Prueba Ji-Cuadrado de Independencia

Y
X

Categ. 1

......

Categ. s

Total
Cat. 1 O
11
...... O
1s
R
1

......... ....... ...... ....... .....
Cat. r O
r1
...... O
rs
R
r

Total C
1
...... C
s
n
H
0
: Las variables X e Y son independientes
H
1
: Existe asociacin entre X e Y
Prueba Ji-Cuadrado de Independencia
Estadstica
0
10
20
30
40
50
60
70
80
Alto Medio Bajo
Si No

= =

= _
r
1 i
c
1 j
ij
2
ij ij 2
E
) E O (
n
C R
E , donde
j i
ij
=
2
1 o
_

2
_
o
. C . R
Ejemplo de Prueba Ji-Cuadrado de independencia
Para verificar la suposicin de que la fabricacin de cierto producto
est asociado con enfermedades respiratorias, a 450 trabajadores de
una empresa que fabrica el producto se evalu respecto a la
presencia de sntomas de alteraciones respiratorias y se los clasific
a su vez de acuerdo al nivel de exposicin al producto. Los resultados
se presentan en la tabla siguiente:
Presencia de
Sntoma
Nivel de Exposicin
Total
Alto Medio Bajo
Si
175 43
27
245
No
90 60
55
205
Total 265 103
82
450
H
1
: Las alteraciones respiratorias estn asociadas a la
exposicin al producto
H
0
: Las alteraciones respiratorias son independientes de la
exposicin al producto.
Frecuencias Esperadas:
n
C R
E
j i
ij
=
( )( )
4 . 37
450
82 205
n
C R
E
3 2
23
= = = Por ejemplo:
Presencia de
Sntoma
Nivel de Exposicin
Total
Alto Medio Bajo
Si 144.3 56.1 44.6
245
No 120.7 46.9 37.4
205
Total 265 103
82
450
Estadstica
0
10
20
30
40
50
60
70
80
Alto Medio Bajo
Si No

= =

= _
2
1 i
3
1 j
ij
2
ij ij 2
E
) E O (
n
C R
E , donde
j i
ij
=
2
1 o
_

2
_
05 . 0 = o
. C . R
4 . 36 450
4 . 37
55
...
3 . 144
175

n
E
O
2 2
2
1 i
3
1 j
ij
2
ij 2
= + + =
= _

= =
Que sigue una distribucin Ji-cuadrado con
(n-1)*(C-1)=( 2-1)*(3-1)=2 grados de libertad
| | 005 . 0 25 0.00000001 4 . 36 P p
2
2
< = > _ =
En conclusin, se rechaza la H
0
(p < 0.05), es decir las
alteraciones respiratorias estn asociadas a la
exposicin al producto
Distribucin F de Snedecor
Si y son variables Ji-cuadrado distribuidas en forma
independiente con y grados de libertad, respectivamente, la
variable


sigue la distribucin F con y grados de libertad.

2
X
2 2
1 1
k Z
k Z
F =
1
X
1
k
2
k
1
k
2
k
Tabla F de Fisher
=0.05 con letra normal.
=0.01 con letra negrita
Ejemplo de uso de la tabla F de Fisher
Ejemplo de Aplicacin
De dos aulas de 5 ao de secundaria se tomaron muestras de tamaos
10 y 15 de las notas promedios de alumnos para probar si la dispersin
de las notas es la misma para las dos aulas. Los resultados obtenidos son
los siguientes:
Aula 1: 15, 16, 12, 14, 14, 15, 16, 13, 14, 15.
Aula 2: 12, 14, 15, 16, 16, 17, 15, 16, 18, 14, 12, 15, 16, 14, 13.
40 . 14 x
1
=
87 . 14 x
2
=
600 . 1 S
2
1
=
981 . 2 S
2
2
=
10 n
1
=
15 n
2
=
Deseamos probar las hiptesis:
2
2
2
1 0
: H o = o
2
2
2
1 1
: H o = o
Luego

Si , entonces para las cuantilas y
5367 . 0
981 . 2
600 . 1
F = =
05 . 0 = o
) 14 , 9 (
F
2 / o 2 / 1 o
26 . 0 F
) 14 , 9 ( 025 . 0
= 21 . 3 F
) 14 , 9 ( 025 . 0
=
025 . 0
025 . 0
5367 . 0
Luego concluimos que la dispersin de las notas entre los alumnos
para las dos aulas de 5 ao son las mismas, pues no se encuentra
diferencia significativa.
26 . 0 21 . 3
La compaa llantera Good Year del Per, ha efectuado
un estudio sobre los hbitos de manejo de varios grupos
ocupacionales. En una muestra de 35 profesores
universitarios, el nmero promedio de kilmetros
recorridos al ao fue de 14,500 con una desviacin
standart de 3,200 km. En una muestra de 40 dentistas,
el kilometraje fue de 13,400, con una desviacin standart
de 1,950 km.
EJEMPLO
Se tiene
0 4 n , 950 , 1 s , 450 , 13 X
35 n , 200 , 3 s , 500 , 14 X
2 2
2
1 1
1
= = =
= = =
Primero se verificar la condicin siguiente: o
1
= o
2

0 4 n 3802500, s , 950 , 1 s , 450 , 13 X
35 n 10240000, s , 200 , 3 s , 500 , 14 X
2
2
1 2
2
1
2
1 1
1
= = = =
= = = =
Planteamos las Hiptesis:
2
2
2
1 1
2
2
2
1 0
: H : H o = o o = o
693 . 2
3802500
10240000
F = =
Para =0.05
0.515
0.025
0.95
1.9
0.025
9 . 1 F
) 39 , 34 ( 975 . 0
=
515 . 0 F
) 39 , 34 ( 025 . 0
=
Se rechaza la H
0
, es decir que o
1
= o
2

2.693
Valores crticos
( )
( )( )
3 . 220 , 1 0
6 . 622 96 . 1 0
s * Z 0
2 1 X X
=
=
=

2 1 1 2 1 0
: H : H = =
( )
( ) ( )
6 . 622
40
950 , 1
35
200 , 3
n
s
n
s
s
2 2
2
2
2
1
2
1
X X 2 1
= + = + =

Y los valores crticos son: -1,220.3 y +1,220.3

Diferencia de las
medias muestrales
. Km 050 , 1 450 , 13 500 , 14 X X
2 1
= =
Luego, se prueba
la hiptesis:
-1220.3
Valor critico
+1220.3
Valor critico
+1050 = diferencia
observada entre las
medias muestrales.
( )
millas 6 . 622 s
2
X
1
X
=

( )
0
2 1
X X
=

Z= -1.96 Z= +1.96
rea =0.025 rea =0.025
Se Rechaza Se Rechaza
Se acepta la hiptesis nula
Ejercicio
Como la diferencia entre las medias
muestrales es de 1050 millas y se
acepta un margen de error de 1220
millas, en consecuencia, no hay
diferencias significativas entre los
dos grupos

Freddy Lopez, operador de la cadena de restaurantes Las
Tejas, ha hecho una encuesta entre los clientes en dos
ciudades, pues desea averiguar si les gustara que en el
men se incluyeran sandwiches de jamn y queso. De las
500 personas encuestadas en la capital, 200 contestaron
afirmativamente, mientras que 150 de las 300 encuestadas en
una ciudad cercana tambin contestaron afirmativamente.
Freddy quiere saber si, en un nivel de 0.05 esos resultados
son significativamente diferente.
EJEMPLO
En resumen
0 30 n , 50 . 0 300 / 150 P
500 n , 40 . 0 500 / 200 P
2
2
1
1
= = =
= = =
Primero se determinar si se cumple lo siguiente: o
1
o
2

Se tiene
Planteamos las Hiptesis:
2
2
2
1 1
2
2
2
1 0
: H : H o = o o = o
576 . 0
0.00083
0.00048
F = =
( )( )
( )( )
00083 . 0
300
50 . 0 50 . 0
s , 0 30 n , 50 . 0 300 / 150 P
00048 . 0
500
60 . 0 40 . 0
s 500, n , 40 . 0 500 / 200 P
2
2 2
2
2
1 1
1
= = = = =
= = = = =
Para =0.05
0.025
0.95
0.576
0.025
228 . 1 F
) 299 , 499 ( 975 . 0
=
8184 . 0 F
) 299 , 499 ( 025 . 0
=
Se rechaza la H
0
, es decir que o
1
o
2

0.8184 1.228
Valores crticos
( )
( )( )
071 . 0 0
0362 . 0 96 . 1 0
s * Z 0
2 1
P P
=
=
=

2 1 1 2 1 0
P P : H P P : H = =
( )( ) ( )( )
( )
( )
( ) 0362 . 0
n
1
n
1
P 1 P s
n , n de valores los como asi
s de frmula la en 0.4375 p mplazando Re
4375 . 0
300 500
50 . 0 300 40 . 0 500
n n
P n P n
P
2 1
P P
2 1
P P
2 1
2
2
1
1
2 1
2 1
=
|
|
.
|

\
|
+ =
=
=
+
+
=
+
+
=

Y los valores crticos son: -0.071 y +0.071

Diferencia de las
proporciones muestrales
10 . 0 50 . 0 40 . 0 P P
2 1
= =
Luego, se prueba
la hiptesis:
Se acepta la hiptesis nula
Se rechaza
Se rechaza
Z= -1.96 Z= +1.96
rea =0.025
rea =0.025
( )
0
2 1
P P
=

( )
0362 . 0 s
2 1
P P
=

-0.071
Valor
critico
+0.071
Valor
critico
Diferencia observada
entre las proporciones
muestrales =
(0.40-.050) =-0.10
Ejercicio
Como la diferencia entre las
proporciones muestrales es de -0.10
y se acepta un margen de error de
0.071, en consecuencia, si hay
diferencias significativas entre los
dos grupos

FIN
MUCHAS
GRACIAS