Pruebas de Hipótesis

UNIVERSIDAD NACIONAL DE SAN ANTONIO
ABAD DEL CUSCO
FACULTAD DE INGENIERIA AGROINDUSTRIAL
EXPERIMENTACION
AGRÍCOLA
PRUEBAS DE HIPÓTESIS
UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 11

BJR PRUEBAS DE HIPÓTESIS
PRUEBAS DE HIPÓTESIS PARA UNA MUESTRA

 Objetivos:
a. Definir hipótesis y prueba de hipótesis.
b. Describir el procedimiento de cinco pasos para
realizar una prueba de hipótesis.
c. Distinguir entre una prueba de hipótesis de una
cola y una prueba de hipótesis de dos colas.
d. Realizar una prueba de hipótesis para la media
poblacional.
e. Definir los errores de tipo I y de tipo II.

¿QUÉ ES UNA HIPÓTESIS?

 Una hipótesis es una aseveración a cerca de una
población.
 Y para verificar si la afirmación es razonable o no
se valen de datos numéricos.
 Hipótesis.- Es un enunciado acerca de una
población elaborado con el propósito de poner a
prueba.
 En el análisis estadístico se hace una
aseveración, es decir, se plantea una hipótesis,
luego se hacen pruebas para verificar la
aseveración o para determinar que no es
verdadera.
UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas 33

EXPERIMENTACIÓN AGRICOLA
 En la mayor parte de los casos la población es tan grande

que por diversas razones no será factible estudiar todos los
elementos, objetos o personas en la población; por Ejm.
 Sería imposible entrevistar a todos los médicos en el Perú
para averiguar su ingreso mensual.
 De igual modo, un departamento de aseguramiento de la
calidad no puede verificar la resistencia a la ruptura de
cada envase o botella de cerveza producida, para
determinar si está entre 20 y 30 psi (libras por pulgada
cuadrada).
 Por lo tanto una alternativa de medir o entrevistar a la
población es tomar una muestra de la población en estudio.
 Por tanto, se puede probar una afirmación para determinar
si la evidencia empírica de la muestra fundamenta o no la
afirmación relativa a la población

Prueba de hipótesis
 Es un procedimiento basado en la evidencia muestral y la
teoría de probabilidad;
 Se emplea para determinar si la hipótesis es una afirmación
razonable.
 La prueba de hipótesis comienza con una afirmación, o
suposición, acerca de un parámetro poblacional, como la
media poblacional.
 A esta afirmación se le denomina hipótesis.
 Una hipótesis podría ser que la comisión media mensual
de analistas de crédito de una entidad financiera es de
S/. 1,500.00
 No es posible entrevistar a todos los analistas para
determinar si la media es en realidad S/.1,500.00
 El costo de localizar y entrevistar a cada analista de crédito
de entidades financieras de Latinoamérica, sería
exorbitante.

 Para probar la validez de la afirmación (µ = S/

1,500.00),
 Se debe seleccionarse una muestra de la
población formada por todos los analistas de
crédito de entidades financieras,
 calcular los valores estadísticos muestrales y, con
base en determinadas reglas de decisión, aceptar
o rechazar la hipótesis.
 En base a los siguientes procedimientos o pasos
se prueba una hipótesis
 Estos procedimientos consta de cinco pasos que
sistematiza la prueba de hipótesis.

Paso 1 Paso 2 Paso 3 Paso 4 Paso 5
No se rechaza
Se plantean las Se selecciona Se identifica el Se formula la Se toma una H0
hipótesis nula y el nivel estadístico de regla de muestra y se o se rechaza
alternativa. de significancia prueba decisión decide
H0 y se
acepta H1

Paso 1: Plantear la hipótesis nula (H0) y la hipótesis

alternativa (H1)
 El primer paso es plantear la hipótesis que ha de ser
probada, a esta hipótesis se le denomina hipótesis nula,
 se designa mediante H0, donde la letra H significa hipótesis
y el subíndice cero indica “no hay diferencia” por Ej.
 La hipótesis nula es que la cantidad media de duración de
una bombilla eléctrica, no difiere de 4,800 horas
 La hipótesis nula se escribiría H0: µ= 4,800 horas.
 En términos generales, la hipótesis nula se plantea con el
objetivo de realizar una prueba; el cual podemos
aceptarla o rechazarla.
 La hipótesis nula es una afirmación que no se rechaza a
menos que los datos muestrales proporcionen evidencia
convincente de que es falsa.

 Cabe recalcar que si la hipótesis nula no se rechaza

con base en los datos muestrales,
 No es posible afirmar que sea verdadera.
 En otras palabras, el no poder rechazar la hipótesis
nula no prueba que H0 sea verdadero,
 Más bien significa que no se pudo rechazar H0.
 Para probar si hay duda alguna de que la hipótesis
nula sea verdadera, tendría que conocerse el
parámetro poblacional.
 A fin de determinarlo verdaderamente, se tendría que
probar, revisar o contar cada elemento de la población,
 Por lo general, esto no es posible, por consiguiente, la
alternativa es tomar una muestra de la población.

 Con frecuencia la hipótesis nula principia afirmando
que: “No hay una diferencia significativa entre…”, o
“La resistencia media al impacto, de lunas de vidrio,
no es significativamente diferente de…” etc.
 Cuando se selecciona una muestra de una población,
el valor estadístico muestral por lo general es
numéricamente distinto del parámetro poblacional
hipotético. Por Ejm.
 La resistencia hipotética al impacto de una luna de
vidrio de un automóvil es de 75.0 psi (libras por
pulgada cuadrada), y la resistencia medía al impacto
de una muestra de 12 lunas es 73.60 psi.
 Hay que decidir si la diferencia de 1.40 psi es una
diferencia verdadera, es decir, una diferencia
significativa, o la diferencia entre el estadístico
muestral (73.60) y el parámetro poblacional hipotético
(75.0) se debe al azar (muestreo).
10
Hipótesis alternativa
 Es una afirmación que se acepta si los datos muestrales
proporcionan suficientes evidencias estadísticas de que la
hipótesis nula es falsa.
 Se designa por H1. Se le conoce también como la hipótesis de
investigación.
 El siguiente Ejm., ayudará a entender el significado de las
hipótesis nula y alternativa.
 Una publicación reciente indica que la duración medía de las
autoclaves en laboratorios es de 10 años.
 Para realizar una prueba estadística respecto a esta afirmación,
el primer paso es determinar la hipótesis nula y la hipótesis
alternativa.
 La hipótesis nula representa la condición actual o reportada.
 Se escribe la hipótesis nula H0: µ = 10.0 años.
 La hipótesis alternativa H1: µ ≠10.0 años.

11
Paso 2: Seleccionar el nivel de significancia

 El nivel de significancia es la probabilidad de rechazar la
hipótesis nula cuando es verdadera.
 El nivel de significancia se denota con la letra griega alfa (α);
algunas veces también se denomina nivel de riesgo por lo que el
nivel de significancia se define cono el riesgo que se corre de
rechazar la hipótesis nula cuando, en realidad es verdadera.
 Este nivel de significancia puede ser del nivel de 0.05 y 0.01
(que con frecuencia se enuncia como el nivel del 5 %, o nivel
del 1 %).
 Tradicionalmente se selecciona el nivel 0.05 para proyectos de
investigación sobre consumo, el nivel de 0.01 para
aseguramiento de la calidad.
 El investigador debe decidir qué nivel de significancia usar
antes de formular una regla de decisión y recopilar los datos
muestrales.
 Al rechazar una hipótesis nula verdadera, se comete un error
tipo I. La probabilidad de cometer un error de tipo I es α.

12
 Error de tipo I
 Rechazar la hipótesis nula, H0, cuando es verdadera.
 La probabilidad de cometer el error tipo II, se denota con la
letra griega beta (β).
 Error de tipo II.
 Aceptar la hipótesis nula cuando es falsa.
Hipótesis INVESTIGADOR
Nula Se acepta Se rechaza
H0 H0
H0 es verdadera Decisión Error de tipo I
correcta
H0 es falsa Error de Decisión
Tipo II correcta

13
Paso 3: Calcular el valor estadístico de prueba.

 Existen muchos estadísticos de prueba como: z, t,
F y X2.
 Estadístico de prueba.- Valor determinado a
partir de la información muestral, que se utiliza
para determinar si se rechaza la hipótesis nula.
 En las pruebas de hipótesis para la media (µ),
cuando se conoce σ, o cuando el tamaño de la
muestra es grande, el valor estadístico de prueba z
se determina a partir de:
 DISTRIBUCIÓN z COMO ESTADÍSTICO DE PRUEBA
X 
Z

n
14
 El valor z se basa en la distribución muestral de x,

que se distribuye de manera normal cuando la
muestra es razonablemente grande con una media
muestral igual a la media poblacional, y una
desviación estándar de la muestra que es igual
a  .n
 De esta manera se puede determinar si la
diferencia entre el x y µ es estadísticamente
significativa, encontrando el número de
desviaciones estándar a las que se encuentra el
promedio muestral del promedio poblacional.

15
Paso 4: Formular la regla de decisión

 Una regla de decisión establece las condiciones
específicas en las que se rechaza la hipótesis
nula y las condiciones en las que no se rechaza
la hipótesis nula.
 La región de rechazo define la ubicación de
todos los valores que son tan grandes o tan
pequeños, que la probabilidad de que se
presenten bajo la suposición de que la hipótesis
nula es verdadera, es muy remota.

16
No se rechaza H0
Región de rechazo
1.65
0.95 probabilidad 0.05 probabilidad
Valor crítico

17
 En la figura se observa que:
a. La región en la que la hipótesis nula no se rechaza se
encuentra a la izquierda de 1.65.
b. El área de rechazo está a la derecha de 1.65
c. Se está realizando una prueba de una cola.
d. Se eligió el nivel de significancia de 0.05
e. La distribución muestral del valor estadístico z es una
distribución normal.
f. El valor de 1.65 separa las regiones de rechazo y de
aceptación de la hipótesis nula.
g. El valor 1.65 se denomina valor crítico
 Valor crítico.- Punto de división entre la región en

la que se rechaza la hipótesis nula y la región en la
que no se rechaza la hipótesis nula.

18
Paso 5: Tomar una decisión

 El quinto paso en una prueba de hipótesis es
calcular el estadístico de prueba, compararlo
con el valor crítico, y tomar una decisión de
rechazar o no la hipótesis nula.
 Por Ejm. si, con base en la información muestral,
el valor que se obtiene para z es 2.32, la hipótesis
nula se rechaza a un nivel de significancia de
0.05.
 Se toma esa decisión de rechazar la Ho debido a
que 2.32 se encuentra más allá de 1.65, vale decir
en la región de rechazo.

19
 Si el valor calculado es igual o menor que 1.65, por

Ejm. 0.92, la hipótesis nula se acepta.
 Se pensaría que obtener un valor así de pequeño
podría ser atribuido al azar, es decir, a la variación
muestral.
 Por consiguiente en una prueba de hipótesis sólo se
puede tomar una de dos decisiones: aceptar o
rechazar la hipótesis nula; algunos investigadores
prefieren enunciar la decisión como:
a) “No se rechaza H0”,
b) “No se puede rechazar H0, o
c) “Los resultados muestrales no permiten rechazar
la H0”.
20
 Debe recordarse que siempre existe la

posibilidad de rechazar la hipótesis nula
cuando no debería haberse rechazado (error
de tipo I).
 También, hay una posibilidad definible de que
la hipótesis nula se acepte cuando debería
haberse rechazado (error de tipo II).

21
Pruebas de significancia de una cola y de dos colas

 Cuando la prueba de significancia es de una cola la región
de rechazo está a la derecha o a la izquierda;
 Si la prueba fuera de cola derecha; suponiendo que al jefe del
departamento de empaque de una empresa de cereales, le
preocupa que algunas cajas de cereal tienen un sobrepeso
significativo.
 El cereal se guarda en cajas de 500 gramos, de modo que la
hipótesis nula es Ho:µ ≤ 500. Esto se lee “la media poblacional
(µ) es menor o igual a 500 gramos”.
 Por consiguiente, la hipótesis alternativa es H1: µ > 500. Esto se
lee; “µ es mayor que 500”.
 Se observa que el signo de la desigualdad, en la hipótesis
alternativa (>) apunta a la región de rechazo en la cola superior
(ver gráfico 1), asimismo, también se observa que la hipótesis
nula incluye es signo de igual, por consiguiente la condición de
igualdad siempre aparece en la H0, nunca en la H1.

22
 Cuando la prueba es de cola izquierda, la región de rechazo
está en la parte inferior de la distribución normal, por Ejm.
 Los fabricantes de automóviles y las compañías
arrendadoras de tractores agrícolas autos quieren que las
llantas resistan en promedio 80,000 millas de recorrido, en
condiciones normales de trabajo por consiguiente:
 H0: µ ≥ 80,000 millas de recorrido y
 H1: µ < 80,000 millas de recorrido
 Una manera de determinar la ubicación de la región de
rechazo es mirar hacia donde apunta el signo de
desigualdad en la hipótesis alternativa (< o >).
 En el caso del Ejm. apunta hacia la izquierda, y la región
de rechazo está, por tanto, en la cola izquierda.
 En resumen, una prueba es de una cola cuando la
hipótesis alternativa, H1 indica una dirección, como por
ejemplo en:

23
H0: El ingreso medio de las mujeres profesionales es de $

26,400 dólares por año.
H1: El ingreso medio de las mujeres profesionales es superior
a $ 26,400 dólares por año.
Zona de
Zona de rechazo aceptación
0
-1.65
Valor crítico
UNSAAC - FIA Ing. Mgt. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 24

24
 Si no se especifica dirección en la hipótesis
alternativa, entonces la prueba es de dos colas,
por lo que modificando el ejemplo anterior se tiene:
H0: El ingreso medio de las mujeres profesionales es de
$ 26,400 dólares por año
H1: El ingreso medio de las mujeres profesionales no es
igual a $ 26,400 dólares por año
 Si se rechaza la hipótesis nula y se acepta H1, en el
caso de dos colas, el ingreso medio podría ser
significativamente mayor o menor que $ 26,400
anuales.
 Para tomar en cuenta estas dos posibilidades, 5 % del
área de rechazo se divide en partes iguales en las dos
colas de la distribución muestral (2.5 % en cada
cola).

25
 Como se puede observar en la figura toda el área en la

distribución normal es 1.0000 = 0.9500 + 0.0250 +
0.0250.
Zona de
aceptación H0
Zona de Zona de
rechazo rechazo
0.025 0.025
0.95
-1.96 1.96
Valor crítico Valor crítico

26
 En resumen, en caso de experimentos agrícolas,

la comisión del error tipo I, equivale al riesgo de
cometer un error al tomar una decisión y se
conoce como nivel de significación que puede
ser del 5% o del 1%, lo que en experimentos
continuos a largo plazo significa que de cada 100
decisiones que tomemos, corremos el riesgo de
rechazar 5 veces ó 1 vez la verdadera hipótesis,
o de ignorar un resultado correcto.

27
 Cabe aclarar que la H0 es precisa, indica igualdad,

no admite dudas, nulifica cualquier diferencia,
mientras que la hipótesis alterna o alternativa H1
puede ser expresado de tres maneras:
A<B
H1: A > B
A≠B
 Si el nivel de significación lo relacionamos con el

área bajo la curva normal tendremos el siguiente
esquema para las alternativas indicadas:
28
A>B
Prueba de cola izquierda
 Prueba de cola izquierda: A > B = Lo que quiere
decir que el promedio de B, tendrá que caer en la
zona sombreada del extremo izquierdo de la curva
para ser verdaderamente menor al promedio de A,
esa zona de rechazo puede ser como ya se dijo del 5
% o del 1 %.

29
A<B
Prueba de cola derecha
 Prueba de cola derecha: A < B = Lo que significa

que el promedio de B, debe situarse en el extremo
derecho sombreado de la curva normal, para ser
estadísticamente superior al promedio de A.

30
B B
AB
Prueba de dos colas
 Prueba de dos colas: A ≠ B = Para esquematizar la desigualdad de

B con respecto a A, debe situarse en el extremo derecho o extremo
izquierdo de la curva normal, completando las dos áreas
sombreadas el 5 % ó 1 %, y dejando una zona de aceptación del
95 % ó 99 % respectivamente.

31
 Que ese riesgo que corremos de rechazar una hipótesis

verdadera es del 5% o el 1% del área total bajo la
curva normal, y nuestra posibilidad de tomar una
decisión acertada es del 95% ó 99%.
 Ese 5% ó 1% representado en la curva normal se
llama ZONA DE RECHAZO de la hipótesis nula y el
restante del 100%, vale decir el 95% ó 99% se llama
ZONA DE ACEPTACIÓN de la hipótesis nula.
 Por todo lo indicado podemos inferir, que dos
magnitudes (promedios) a pesar de ser
numéricamente diferentes, estadísticamente
pueden ser iguales, aceptando de antemano que
cualquier diferencia numérica se debe a efectos del
azar o a errores experimentales.
32
 Para juzgar si dos magnitudes dadas son diferentes, o

que si la media muestral varía de la media
poblacional, requerimos de los valores de las áreas
bajo la curva normal, por ende de la distribución de
«z» o “t” según los casos.
 Para el caso de juzgar por las áreas bajo la curva
normal, recorrimos a la tabla de “z”, por
consiguiente:
 De la media hasta 1.645σ a la derecha o a la
izquierda se abarca el 45% de la población; y de la
media hasta 2.33σ a la derecha o a la izquierda se
barca el 49% de la población, que sumados con el
50% que queda al lado opuesto forman el 95% ó
99% dejando en la respectiva cola el 5% ó el 1% de
la población.

33
 Cabe aclarar que el valor de 1.645 se obtiene de la

siguiente manera: Para:
1.64 σ…………. 44.95 % de la población
1.645σ ……….. 45.00 de la población
1.65 σ…………. 45.05 % de la población
 Esto es 1.64 + 1.65 = 3.29/2 = 1.645 (que otros
autores aproximan
a 1.65).
 44.95 + 45.05 = 90.00/2 = 45.00%.

34
Zona de aceptación
50% 45%
1.645σ Zona de rechazo
95% 5%

35
Zona de aceptación
50% 49%
2.33 Zona de rechazo
99% 1%

36
 De acuerdo a las gráficas indicamos, que sí dos

cantidades están distanciadas a más de 1.645σ y
menos de 2.33σ , estos son diferentes con un 95
% de seguridad y un 5 % de riesgo.
 Si la diferencia no sobrepasa el límite de 1.645σ
las cantidades en comparación son iguales.
 Si están distanciados por más de 2.33σ , estos
son diferentes con un 99 % de seguridad y un 1
% de riesgo.

37
CASOS DE CONTRASTE DE PROMEDIOS
(PRUEBAS DE HIPÓTESIS)
1) x  µ Cuando se conoce la σ2 ………….”z”
2) x  µ Cuando no se conoce la σ2……….”t”
3) µA  µB a través de xA, x B
a) na = nb Cuando las variancias son homogéneas

b) na ≠ nb Cuando las variancias son homogéneas
c) na = nb Cuando las variancias No son homogéneas.
d) na ≠ nb Cuando las variancias No son homogéneas.

38
  2 = Variancia poblacional
 S2 = Variancia muestral
 µ = Promedio poblacional
 x = Promedio muestal

39
1. comparación de la media muestral con la media

poblacional cunado se conoce la (σ 2) variancia
poblacional. x  µ
 En la generalidad de los casos, los valores
paramétricos permanecen desconocidos, pero en
situaciones especiales como:
 Control de procesos industriales,
 Toma de datos a través del tiempo,
 Especificaciones de funcionamiento de máquinas,
 Especificaciones sobre límites de tolerancia o
contenido de residuos de plaguicidas en productos
alimenticios etc.,
 Es posible de contar con los datos que pueden ser
asimilados a este caso.

40
El maíz Blanco Urubamba en su piso ecológico Valle

sagrado de los Incas produce como promedio 208
granos/mazorca; se lleva a un piso ecológico distinto y en
una muestra de 40 mazorcas registra un promedio de 199
granos/mazorca y unas desviación estándar de 19.50
granos/mazorca, a un nivel de significancia de
0.01¿Podemos concluir que el grano/mazorca está
disminuyendo en el nuevo piso de introducción? Determine
el valor P. (5 Puntos)
DATOS
µ = 208 granos/mazorca
n = 40 mazorca
x = 199 granos/mazorca
σ = 19.50 granos/mazorca
α = 0.01

41
H0: µ = 208 granos/mazorca

H1: µ < 208 granos/mazorca
x
z

n
199  208 9
z   2.92 
19.50 3.083
40

42
Zona de aceptación
Zona de rechazo -2.33 49% 50%
208 granos/mazorca.
199 granos/mazorca.
-2.92 
99%
Conclusión: Como zc. sobrepasa al valor crítico de 1%, vale

decir que es inferior al valor crítico, esto indica que se rechaza la
hipótesis nula y se acepta la hipótesis alterna, por consiguiente se
puede indicar que el nuevo piso de introducción está
disminuyendo el número de granos/mazorca.

43
Para determinar el valor-P, se determina el área

bajo la curva normal para -2.92 σ valiéndose para
ello la tabla correspondiente, donde para -2.92 el
área bajo la curva normal es = 0.4982; luego
0.5000 – 0.4982 = 0.0018.
Conclusión: Como el valor-P = 0.0018 es inferior
al nivel de significancia de 0.01 esto indica que
hay una fuerte evidencia de que la hipótesis nula
no sea verdadera.

44
El organismo de control de cierto Concejo Municipal

analiza una muestra de 36 paquetes de carne molida que
produce la fábrica de embutidos “La Única”. El rótulo de
cada paquete dice contiene 0.249 gr., de grasa. ¿Puede el
organismo de control concluir que la carne molida que
produce dicha fábrica tiene más de 25% de grasa, si la
muestra da un contenido medio de grasa de 0.265 gr. y
una desviación estándar de 0.030 gr de grasa, use el nivel
de significancia de 0.05
Datos.
n = 36 paquetes
µ = 0.249 gr de grasa
x = 0.265 gr de grasa
σ = 0.030 gr de grasa
α = 0.05

45
H0 : =x
H1 : µ≠ x
X 0.265  0.249 0.016

Z    3.2
 0.030 0.005
n 36
Z  3.2 

46
Zona de
aceptación
1.645
Zona de rechazo
0.249 g
0.265 g
3.2
Conclusión. Como z calculada sobrepasa al valor de z tabular al nivel de

5%, esto hace que se rechace la hipótesis nula, y se acepta la hipótesis
alterna, por lo que el organismo de control pueda concluir que la carne
molida que produce dicha fábrica tiene más de 25 % de grasa.

47
Un comprador de ladrillos cree que la calidad de los

ladrillos se está deteriorando. De experiencias
anteriores, se sabe que la resistencia promedio al
desmoronamiento de tales ladrillos es de 200 Kg, con
una desviación estándar de 15 kg. Una muestra de 100
ladrillos arroja un promedio de 195 kg. Probar la
hipótesis de que la calidad promedio no ha variado,
contra la alternativa de que se ha deteriorado
Datos
µ = 200 kg
σ = 15 kg
n = 100 ladrillos
= 195 kg
α = 1%
48
H0: µ = 200 kg
H1: µ < 200 kg
x
z

n
195  200  5
z   3.33
15 1.5
100
z  3.33

49
Zona de aceptación
-2.33
Zona de rechazo
49% 50%
200 kg.
195 kg
-3.33 
99%
Conclusión: Como zc es inferior al valor crítico al nivel de
1% (-2.33σ), por lo que rechazamos la hipótesis nula y
aceptamos la hipótesis alterna con una seguridad del 99%.

50
Prueba de dos colas

Mediante el siguiente Ejm. se mostrarán los
detalles del procedimiento de cinco pasos para la
prueba de hipótesis. Partimos de una situación en
la que se cuenta con información histórica acerca
de la población y se conoce la desviación
estándar.

51
El fabricante de llantas radial X-16 con cinturón de acero,

afirma que la duración promedio de las llantas en estado útil
es de 60,000 millas de recorrido. La desviación estándar de
los recorridos es de 5,000 millas. Una empresa camionera
compró 50 llantas y halló que la duración media fue de
59,500 millas. ¿Difiere la experiencia de esta empresa de lo
que afirma el fabricante de las llantas? Use el nivel de
significancia de 0.01. Cuál es el valor P?
Datos
µ = 60,000 millas de recorrido
σ = 5,000 millas
n = 50 llantas
x = 59,500 millas
Valor P?
α= 0.01

52
H0: µ = 60,000 millas

H1: µ ≠ 60,000 millas
x
z

n
59,500  60,000  500
z 
5,000 707.11
50
z  0.707
Conclusión: Como zc es inferior al valor crítico al nivel significancia

de 0.01 (-2.58 σ) esto indica que se acepta la hipótesis nula y se
rechaza la hipótesis alterna con una seguridad del 99 %.

53
0.5000 0.5000
  0.01

0.01
 0.005   0.005
2 2 2 2
0.4950 0.4950
-2.58 0 0.71σ 2.58

Región No se rechaza H0 Región
de Valor de
rechazo Valor rechazo
crítico
crítico

54
Hallando el valor P: se tiene que, para el valor de –

0.707σ (0.71σ aproximado) se determina de la tabla
el valor del área bajo la curva normal que en este
caso es de 0.2611, por consiguiente:
Valor P = 2(0.5000 – 0.2611)= 0.4778
Como la hipótesis nula es verdadera, la
probabilidad de encontrar un valor más extremo es
0.4778.

55
De un muestreo de 50 bazares en la ciudad del

Cusco se ha obtenido como promedio de venta
mensual = S/. 90,000 y como desviación estándar s
= S/. 9,000. Establecer, con 95% de seguridad, el
intérvalo dentro del cual se encuentra el promedio
de venta de todos los bazares de la ciudad.
Datos
n = 50 Bazares
x = 90,000 soles
s = 9,000 soles
α = 95%
56
Primero se determina desviación estándar de la muestra,

mediante la siguiente ecuación:

sx 
n
9,000
sx   1,273
50
Luego se determina el intervalo de confianza mediante la

siguiente relación: El valor de tα se determina de la tabla con
n-1 grados de libertad; que para el caso del ejemplo,
interpolando se tiene que es igual a 2.009
s
I .C.  x  t (n  1)
n
57
Reemplazando valores se tiene:
I .C.  90,000  2.009(1,273)

I .C  90,000  2,557.46
Li  90,000  2,557.46
Li  87,443 soles
Ls  90,000  2,557.46
Ls  92,557
Conclusión: El intérvalo dentro del cual se
encuentra el promedio de venta de los bazares de la
ciudad es de Li = S/. 87,443 y Ls = S/. 92,557.

58
De acuerdo con el Secretario General del sindicato de docentes de
la UNSAAC, el ingreso bruto medio anual de los señores docentes
de categoría principal, tiene una distribución normal, con una
media de $ 25,000 (dólares) y una desviación estándar $1,800.
Recientemente, un reportero de investigación para un canal de
televisión encontró, en una muestra de 85 docentes, que el ingreso
bruto medio era $25,500. Al nivel de significancia de 0.05,¿se
puede concluir que el ingreso medio no es igual a $ 25,000?
Datos:
µ = $25,000
σ = $ 1,800
n = 85 docentes
x = $25,500
α = 0.05

59
Paso 1: Se plantea la hipótesis nula y la hipótesis

alterna.
H0: µ = $25,000
H1: µ ≠ $25,000
Esta es una prueba de dos colas debido a que la
hipótesis alternativa no establece una dirección
Paso 2: Como se observa en el problema el nivel de
significancia o sea α = 0.05, es la probabilidad de
cometer un error de tipo I, o sea la probabilidad de
rechazar una hipótesis verdadera.

60
Paso 3: El estadístico de prueba para una media es z

está dado por la siguiente relación:
Media muestral Media poblacional
X 
Z

n
Número de la muestra
Desviación estándar de la
población

61
Paso 4: La regla de decisión se formula hallando el

valor crítico de z. Puesto que ésta es una prueba de
dos colas, la mitad de 0.05 es 0.0250, está en cada
cola. El área en la que no se rechaza Ho, localizada
entre las dos colas, es por consiguiente, 0.59. Los
valores de la tabla de áreas bajo la curva normal se
basa en la mitad, o sea 0.5000.
Luego 0.5000 – 0.0250 = 0.4750, este valor es el área
entre el 0 y el valor crítico, valor que se localiza en la
tabla. Luego se lee el valor crítico en la fila y columna
correspondiente a 0.4750, este valor es 1.96

62
0.5000 0.5000
 0.05  0.05
  0.0250   0.0250
2 2 2 2
0.4750 0.4750
-1.96 0 1.96
Región No se rechaza H0 Región
de Valor de
rechazo crítico Valor rechazo
crítico
La regla de decisión es: rechazar la hipótesis nula y aceptar la hipótesis

alterna (que establece que la media poblacional no es $25,000), si el valor z
calculado queda en la región de rechazo. En caso contrario, no se rechaza la
hipótesis nula si z queda entre -1.96 y 1.96
63
Paso 5: Se calcula z y con base en la regla de decisión, se

toma la decisión de rechazar o no H0
X  25,500  25000
Z   2.56
 1,800
n 85
0.5000 0.5000
Zona de
Rechazar aceptación
Rechazar
la H0
la H0
-1.96 0 1.96 2.56

Valor zc.

64
Conclusión.-
Como z calculado (2.56 σ) cae en la región de
rechazo, se rechaza la hipótesis nula y se acepta la
hipótesis alterna con una seguridad del 95 %. Por lo
que se concluye que la media de la población es
distinta de $25,000, que la evidencia muestral refleja
que el promedio medio de los sueldos de los docentes
a cambiado a $25,500 al año.
El z calculado (2.56 σ) se compara con los valores
críticos (-1.96 y 1.96). Como el valor calculado está
en la región en la que se rechaza la hipótesis nula, se
concluye que la media poblacional es diferente de
$25,000.
65
Valor p en las pruebas de hipótesis.
 En años recientes, debido a la disponibilidad de los
programas de cómputo (software), se proporciona con
frecuencia información adicional relativa a la fuerza del
rechazo o de la aceptación.
 Es decir, ¿cuánta seguridad se tiene al rechazar la
hipótesis nula?
 Este método proporciona la probabilidad (suponiendo
que la hipótesis nula sea verdadera) de obtener un valor
estadístico de prueba tan extremo, por lo menos, como el
obtenido.
 Este procedimiento compara la probabilidad, llamada
valor p, con el nivel de significancia.
 Si el valor p es menor que el nivel de significancia, se
rechaza Ho. Si este valor es mayor que el nivel de
significancia, no se rechaza H0.

66
Valor p
 Es la probabilidad de observar un valor muestral
tan extremo, o más extremo, que el valor
observado, dado que la hipótesis nula es verdadera.
 Determinar el valor p no sólo da como resultado tomar
una decisión respecto a Ho,
 Sino que proporciona un conocimiento adicional
acerca del fundamento de la decisión.
 Un valor p muy pequeño, tal como 0.0001, indica
que hay poca probabilidad de que H0 sea
verdadera.
 Por otro lado, un valor p de 0.2033 indicará que H0
no se rechaza y que hay poca probabilidad de que
sea falsa.

67
¿Cómo se calcula el valor p?

 Para explicarlo utilizamos el Ej. en el que se probó la
hipótesis nula de que la duración media de las llantas
radial X-16 era de 60,000 millas de trabajo
 No se rechazó la hipótesis nula debido a que el valor
de zc. de -0.71σ caía en la región de no rechazo de la
hipótesis nula. El área bajo la curva normal para -0.71
es 0.2611
 Se acordó no rechazar tal hipótesis si el valor z
calculado caía en esa región.
 La probabilidad de obtener un valor z de -0.71σ o
mayor, es 0.2389, que se obtiene de restar:
0.5000 – 0.2611 = 0.2389
 Por consiguiente, la probabilidad de obtener un x
mayor que 25,500, si µ = 25,000, es 0.2389.

68
 Para calcular el valor p, se necesita considerar la

región de los valores menores que -0.71σ, así
como la región de los valores mayores que 0.71σ
(debido a que la región de rechazo se encuentra
en ambas colas).
 El valor p es 0.4778, obtenido de 2(0.2389).
 El valor p = 0.4778 es mayor que el nivel de
significancia 0.05 escogido inicialmente, así que
H0 no se rechaza.

69
Valor P
0.2611
-0.2611
Zona de
aceptación
Zona de rechazo Zona de rechazo
-0.71 0 0.71
-1.96 1.96

70
 Un valor p es una manera de expresar la

probabilidad de que H0 no sea verdadera.
 ¿cómo se puede interpretar tal valor?
 Ya se estableció que si p es menor que el nivel de
significancia, se rechaza la Ho; si es mayor que
dicho nivel, no se rechaza Ho.
 Además, si el valor p es muy grande, es probable
que Ho sea verdadero.
 Si el valor p es pequeño, entonces es probable
que la Ho no sea verdadera

71
Interpretación del peso de la evidencia contra Ho
 Si el valor p es menor que:
a) 0.10, se tiene alguna evidencia de que Ho no es
verdadera.
b) 0.05, se tiene una fuerte evidencia de que Ho no
es verdadera.
c) 0.01, se tiene una muy fuerte evidencia de que Ho
no es verdadera.
d) 0.001, se tiene una evidencia extremadamente
fuerte de que Ho no es verdadera.

72
Prueba para una media poblacional: muestra grande y
desviación estándar poblacional desconocida.
 En los problemas anteriores se conocía , la desviación
estándar de la población.
 Sin embargo en la mayor parte de los casos la
desviación poblacional no se conoce.
 Así que debe basarse en estudios previos, o estimarse
utilizando la desviación estándar de la muestra, s.
 En el siguiente Ej. se desconoce la desviación
poblacional, por lo que se usará la desviación estándar
muestral para estimar.
 Mientras el tamaño de la muestra, n, sea mayor que
30, se puede sustituir s por σ, como en el siguiente
caso.
X 
 Valor estadístico z, se desconoce σ Z 
s
n
73
Una Empresa de técnicas para observación y

control de peso de personas, anuncia que quienes
adopten sus métodos perderán en promedio 10
libras, en los primeros dos semanas, una muestra
aleatoria de 50 personas que adoptaron el nuevo
programa de reducción de peso, reveló que la
pérdida media es 9 libras. La desviación estándar
de la muestra se calculó en 2.8 libras. Al nivel de
significancia de 0.05 se puede concluir que los
participantes perderán en promedio menos de 10
libras? Determine el valor P.

74
Datos:
µ = 10 libras
n = 50 personas
x = 9 libras
s = 2.8 libras
α =0.05
Valor P?
Ho: µ ≥ 10 libras
H1: µ < 10 libras
X   9  10 1
Z    2.53
s 2.8 0.3960
n 50

75
Debido a que la hipótesis alternativa establece una dirección,

se emplea una prueba de una cola. El valor crítico de z es de
1.645 . El valor calculado para z es de -2.53
La regla de decisión se representa gráficamente en el
siguiente diagrama.
-1.645
9 libras 10 libras
-2.53

76
Conclusión:
 Como el valor de z calculado (-2.53 σ) es menor
al valor crítico al nivel de 5%(-1.645 σ) Esto
indica que se rechaza la hipótesis nula y se acepta
la hipótesis alterna con una seguridad del 95%,
por consiguiente la perdida de peso es menor que
10 libras

77
 El valor P proporciona información adicional

acerca de la decisión.
 Recuérdese que el valor p es la probabilidad de
encontrar un estadístico de prueba mayor o igual
al obtenido, cuando la hipótesis nula es verdadera.
 En consecuencia, Para Zc. -2.53σ se determina de
la tabla el valor del área bajo la curva normal que
en este caso es de: -2.53 = 0.4943
 Luego se resta de 0.5000 – 0.4943 = 0.0057
 Como este valor es menor al nivel de significancia
de 0.05, se tiene una fuerte evidencia de que la
hipótesis nula no es verdadera.
78
Una empresa envasadora de piñas en almíbar considera que

las latas de 16 onzas de rebanadas de piña se están llenando
en exceso. El departamento de control de calidad tomó una
muestra aleatoria de 50 envases encontró que el peso medio
aritmético era de 16.05 onzas, con una desviación estándar de
la nuestra de 0.15 onzas. En el nivel de significancia de 0.05 ¿se
puede concluir que el peso medio es mayor que 16 onzas?
Determine el valor P.
Datos
µ = 16 onzas
n = 50 envases
x =16.05 onzas
s = 0.15 onzas
α = 0.05
Valor P?

79
H0: µ ≤ 16 onz.
H1: µ > 16 onz
x
z
s
n
16.05  16 0.05
z   2.36
0.15 0.0212
50

80
1.645
Zona de rechazo
16 onz
16.05 onz
2.36

81
Conclusión:
 Como zc es superior al valor crítico al nivel de 0.05
esto indica que se rechaza la hipótesis nula y se
acepta la hipótesis alterna, con una seguridad del
95%,
 por consiguiente el peso medio de los envases de
piña en almíbar tiene un peso mayor a 16 onzas.
 Calculando el Valor P:
 Para el valor calculado de z se determina el área bajo
la curva normal: 2.36 = 0.4909, luego se resta:
 0.5000 – 0.4909 = 0.0091, Expresado en porcentaje
es 0.91 % que es mayor 0.05; por consiguiente es
posible que la hipótesis nula sea verdadera.

82
2. Comparación de la media muestral con la media

poblacional, cuando no se conoce la variancia poblacional
(σ2): x µ o prueba para una media poblacional: muestra
pequeña, desviación estándar poblacional desconocida.
 La distribución normal estándar, es decir z, se puede
usar bajo dos condiciones:
a) Se sabe que la población sigue una distribución normal
y se conoce la desviación estándar poblacional, o
b) No se conoce la forma de la población, pero el número
de observaciones en la muestra es por lo menos de 30.
 ¿Qué se hace cuando la muestra es menor de 30 y no se
conoce la desviación estándar de la población?, se
sustituye la distribución normal estándar por la
distribución t.

83
Características de distribución de t.
1. Es una distribución continua.
2. Tiene forma de campana y es simétrica.
3. Hay una familia de distribución t. Cada vez que
cambian los grados de libertad, se crea una nueva
distribución t.
4. Conforme aumentan los grados de libertad, la
forma de la distribución t se aproxima a la
distribución normal estándar.
5. La distribución t es más plana o más espaciada que
la distribución normal estándar.

84
 Para realizar una hipótesis usando la distribución t,

se usa la siguiente relación:
 Cuyo estadístico de prueba, para prueba de t es:
X  X 
t  n
s s
n
Con n-1 grados de libertad, donde:

X = es la media de la muestra
µ = es la media poblacional hipotética
s = es la desviación estándar de la muestra
n = es el número de observaciones en la nuestra
85
1. La duración media de las baterías recargables que se

usan en las linternas es 385 días; las vidas útiles de las
baterías según una distribución normal. Últimamente
se ha modificado el diseño de las baterías para que
duren más. En una muestra de 27 baterías
modificadas, la duración media fue de 391 días y la
desviación estándar 8 días. La modificación aumentó el
tiempo medio de vida de las baterías? A) Establecer la
hipótesis nula y la hipótesis alterna., B) Muestre
gráficamente la regla de decisión. Usa el
nivel de significancia de 0.05. C) Calcule el valor de «t»
¿Qué decisión toma respecto a la hipótesis nula?

86
Datos.
µ = 385 días
n = 27 baterías
X = 391días
s = 8 días
α = 0.05
a) H0: µ ≤ 385 días
H1: µ > 385 días
a) Gl = n – 1 = 27 – 1 = 26

87
Zona de aceptación H0
Región de rechazo H0
 = 0.05
0
2.052
Valor
crítico
3.897

88
X  391  385 6
t n 27  x 5.1962  3.897 
s 8 8
 Este valor se compara con el valor tabular o teórico
de la distribución de “t”; Si el valor calculado no
excede al límite teórico, aceptamos la hipótesis nula,
indicando que los dos promedios son iguales, ya que
la modificación en el diseño no ha tenido efecto en el
aumento de la vida de las baterías.
 Si el valor de “t” que hemos obtenido a través de los
datos sobrepasa el valor consignado en las tablas,
rechazamos la hipótesis nula y aceptamos la hipótesis
alterna, concluyendo que el cambio en la
modificación en el diseño de las baterías influye en la
duración de las baterías, por consiguiente los
promedios son diferentes.

89
Conclusión:
 Se rechaza la hipótesis nula porque 3.897 >
2.052.
 La modificación hizo que la vida útil de la batería
aumentara en más de 385 días.

90
2. En una muestra de 26 latas de maracuyá de un

proveedor x, el peso medio por lata de
maracuyá fue de 14.00 onzas, con una
desviación estándar de 4.12 onzas. ¿Contiene
esta muestra suficiente evidencia para indicar
que el peso medio es menos de 17 onzas a un
nivel de 0.01
Datos.
n = 26 latas de maracuyá
X = 14.00 onzas
s = 4.12 onzas
µ = 17 onzas
α = 0.01
H0 : µ = 17 onzas
H1: µ < 17 onzas

91
x 14  17
t n 26
s 4.12
3
t x 5.099
4.12
t  3.713
tt: con 25 GL. Al 1% = - 2.787 σ
-2.787
17 onzas
14 onzas
-3.713
92
Conclusión.
 Como t calculado es inferior a t tabular al 1%,
se rechaza la hipótesis nula y se acepta la
hipótesis alterna con una seguridad del 99%.
Esta muestra contiene suficiente evidencia
para indicar que el peso medio es menor que
17 onzas.
 Dicho de otra forma: Como t calculado
sobrepasa el valor crítico al 1%, esto indica
que existe suficiente evidencia para indicar
que el peso medio de maracuyá es inferior a
17 onzas.

93
Las cajas de galletas producidas en la fábrica Inca Sur

deben tener un contenido promedio de 20 kg. Un inspector
de órgano de control tomó una muestra que arrojó: n =12,
x =19.8 kg., s = 0.232. Indicar si es razonable que el
inspector, usando un nivel de significancia de 5%, ordene
que se multe al fabricante?
Datos.
µ = 20 kg
n = 12
x = 19.8 kg
s = 0.232 kg
α = 0.05
H0 : µ = 20 kg
H1: µ < 20 kg
94
X  19.8  20  0.2
t n 12  x 3.4641
s 0.232 0.232
t  2.986 
Zona de
aceptación
49% 50%
-2.201
Zona de rechazo
20 kg.
19.8 kg.
-2.986σ
95%

95
Conclusión.
 Como t calculada es inferior al t tabular al nivel de 5%,
indica que los dos promedios son estadísticamente
diferentes, por consiguiente el inspector puede ordenar
la multa al fabricante.
 Por lo que se acepta la hipótesis alterna y se rechaza la
hipótesis nula con una seguridad del 95%.
 Dicho de otra manera: como t calculado sobrepasa al
valor crítico al nivel de 5% indica que los dos
promedios son estadísticamente diferentes.
 El inspector puede ordenar a que se multe a la
empresa, porque su producto no cumple con lo que
indica el envase.

96
*Las cajas de un cereal producidas en una fábrica deben

tener un contenido promedio de 17 onzas. Un inspector
de órgano de control tomó una muestra que arrojó: n
=10, x =16.50 onzas, s = 0.580. Indicar si es razonable
que el inspector, usando un nivel de significancia de
0.05, ordene que se multe al fabricante?
Datos
µ = 17 onzas.
n = 10
x= 16.50 onzas.
s = 0.580 onzas.
α = 0.05
H0: µ = 17 onzas
H1: µ < 17 onzas
97
X  16.50  17.0
t n 10
s 0.580
 0.50
t x 3.162
0.580
t  2.726 
-2.262
16.50 Onz. 17 Onz.
-2.726

98
Conclusión.
 Como t calculada sobrepasa a la t tabular al nivel
de 5%, indica que los dos promedios son
estadísticamente diferentes, por consiguiente el
inspector puede ordenar la multa al fabricante.
 Por lo que se acepta la hipótesis alterna y se
rechaza la hipótesis nula con una seguridad del
95%.

99
Los propagandistas de cierta marca de cigarrillos
sostienen que el contenido promedio de nicotina de su
producto es menor de 0.7mg. Por cigarrillo.
Suponiendo una distribución normal para el
contenido de nicotina, su aseveración es que µ < 0.7. Se
quiere probar si el fabricante está en lo cierto, ya que
una muestra de tamaño 12 arroja los siguientes
valores: 0.72, 0.81, 0.76, 0.68, 0.73, 0.59, 0.70, 0.71,
0.73, 0.76, 0.74, 0,69 ¿Se puede concluir, al nivel de
significancia de 0.01, que el contenido medio de
nicotina en los cigarrillos es menor a 0.7 mg?
a) Establezca la hipótesis nula y la hipótesis
alternativa.
b) ¿Cuántos gl se tienen?
c) Dé la regla de decisión.
d) Calcule el valor de t. ¿Cuál es su decisión respecto a
la hipótesis nula?
100
Datos:
µ = 0.7 mg de nicotina
n = 12 cigarrillos
x = 0.72 mg de nicotina
s = 0.054 mg de nicotina
α = 0.01
a) Ho: µ ≥ 0.7 mg de nicotina
H1: µ < 0.7 mg de nicotina
b) 11 gl. Obtenido de n – 1 = 12 – 1 = 11 g.l.
c) Rechazar la Ho si t > - 3.106
101
Zona de
aceptación
3.106 
Zona de rechazo
0.70 mg
0.72 mg
1.282 σ
102
X   0.72  0.70 0.02

t    1.282 
s 0.054 0.0156
n 12
d) t = 1.282, que se obtiene de los datos:
Conclusión:
 Como 1.282 se encuentra a la izquierda de
3.106σ, no se rechaza Ho.
 No se demostró que la media sea menor que
0.70 mg.
103
3. COMPARACIÓN DE MEDIAS DE DOS

POBLACIONES
µ A  µB a través de x a, xb
 Todo estudio estadístico de los valores característicos de
las poblaciones, como medios para emitir conclusiones y
tomar decisiones, se realiza mediante muestras, es así, que
al comparar DOS MEDIAS DE MUESTRAS
independientes, provenientes cada una de una población
diferente, lo que se hace es generalizar para las
respectivas poblaciones lo que se encuentra para las
muestras.
 Del hecho de estimar con un número cualquiera de
observaciones la media y la variancia con fines de
comparar o contrastar los promedios, surgen cuatro casos
específicos para la solución de una hipótesis, siendo en
general esta la siguiente:
H0 = µA = µB a través de x a = x b
104
 Presentándose cuatro variantes de la igualdad o
desigualdad del número de observaciones y de la
homogeneidad o no homogeneidad de la variancia.
c) na = nb Cuando las variancias No son
homogéneas.
d) na ≠ nb Cuando las variancias No son
homogéneas.
 El número de observaciones de donde provienen los
valores estadísticos se verifica por conteo y a simple
vista, así si la muestra A tiene 20 observaciones y la
muestra B 20 observaciones entonces: na = nb
 Mientras que si la muestra A tiene 25 observaciones
y la muestra B 20 observaciones entonces: na ≠ nb.
105
Prueba de homogeneidad de la variancia.
 Para determinar si dos variancias son
homogéneas o no, se recorre a la prueba de “F” o
prueba de homogeneidad de las variancias, que
está dada por la relación:
Variancia Mayor
Fc 
Variancia Menor
 El resultado de esta relación, se compara con los
valores de la distribución teórica de F (Ft) al
nivel del 5% y 1%.
 Si el valor de Fc es mayor al valor de Ft quiere
decir que las dos variancias no son homogéneas.
106
Zona de rechazo
Zona de
aceptación
0  5% 1%
Límite establecido para la
distribución teórica de (Ft)
107
Conclusión.
 Como se puede apreciar en la figura, la distribución
teórica de F, tiene su origen en 0 y avanza tomando
solo valores positivos,
 Porque ninguna variancia puede tomar valor
negativo y como la relación es variación mayor
/variación menor, el resultado siempre será mayor a
1.
108
En un estudio de resistencia de 9 clones de papa híbrida

Yungay Epitrix al estado larval las que atacan a los
tubérculos, formando túneles diminutas. Cuyo índice de
daño ocasionado se evalúa en dos años consecutivos
dando los siguientes resultados. Al nivel de 1% cual es tu
conclusión.
Primer Año: ID % Segundo Año: ID %

17.70 15.70
17.80 N=9 6.20 N = 9
19.20 ∑ = 180.46 15.07 ∑ = 62.42
17.71 X = 20.05 1.20 X = 6.93
21.45 s = 2.085 1.70 s = 6.589
19.70 S2 = 4.349 3.20 S2 = 43.420
22.70 1.20
22.60 2.46
21.60 15.69
109
 2 Mayor
Fc  2
 Menor
43.420
Fc   9.98
4.349
 Este valor se compara con los valores teóricos de F, que se
encuentran en las tablas respectivas, en la parte superior y
horizontalmente están los grados de libertad de la variancia
mayor (numerador), lateral y verticalmente están los grados de
libertad de la variancia menor (denominador).
 El valor que figura en la intersección es el que se busca para
compararlo con el valor calculado.
 Para el caso del ejemplo, variancia mayor (numerador) 8 grados
de libertad, variancia menor (denominador) 8 grados de
libertad.
 Ft al 1% con 8 y 8 GL = 6.03
110
6.03
0 99% 1%
9.98
Conclusión: Como Fc es superior al Ft al nivel de 1%,

esto indica que las dos variancias no son homogéneas
con una seguridad del 99 %.
111
En una evaluación de resistencia en una muestra de 25
mazorcas (choclo) de maíz Pisqoruntu al ataque de
gusano choclero, que daña al estado larval haciendo
daño de la punta a la base destruyendo los granos. La
evaluación se realiza en función al índice de daño en 2
años consecutivos obteniéndose los siguientes resultados.
Su conclusión al 0.05
Primer año: ID % Segundo año: ID %
N = 25 N = 25
Σ = 199.35 Σ = 179.50
x = 8.977 x = 12.516
s = 1.830 s = 1.985
S2 = 3.349 S2 = 3.940
112
 2 Mayor
Fc  2
 Menor
3.940
Fc   1.18
3.349
Ft al 0.05 con 24 y 24 GL. = 1.98
5%
1%
0 1.18 1.98 2.66
113
Conclusión:
 Como Fc. Es inferior al Ft al nivel de 5% y
1%, las dos variancias son homogéneas con
una seguridad del 99%.
114

Sabiendo que la fertilización fosfatada induce a mayor
producción de tubérculos, se realizó un ensayo en Oca
Pachatusan para determinar su respuesta en rendimiento.
El experimento se realiza en 6 parcelas aplicando 120
Unidades de abono fosfatado y 6 parcelas sin fertilización.
Luego de su análisis cual es su conclusión y
recomendación?
Rdto en kg con 120 U. Ab. Rdto en kg. Sin Ab. fosfatado
Fosfatado
N=6 N=6
xΣ = 150.80 Σ
x = 144.20
= 25.13 = 24.30
s = 0.620 s = 0.810
S2 = 0.384 S2 = 0.656
115
H0 = Rdto con 120 U. ab. fosfatado = Rdto sin ab. fosfatado

H1 = Rdto con 120 U. ab. fosfatado > Rdto sin ab. fosfatado
Probando homogeneidad de la variancia
 2 Mayor 0.656
Fc  2   1.71
 Menor 0.384
5%  5.05
Ft con 5 y 5 GL 1%  10.97

116
5.05
10.97
0
1.71
Conclusión.- Como se puede apreciar el valor de Fc no

sobrepasa los límites teóricos, por consiguiente las
variancias son homogéneas con una seguridad del 99%.
117
El valor de “t” se determina mediante la relación.

xa  xb
tc 
S 2 a  S 2b
n
Donde:
xa = Promedio de la muestra con ab. Fosfatado.
xb = Promedio de la muestra sin ab. fosfatado.
S2a y S2b = Variancia de las muestras
n = Número de datos evaluados 6 en cada caso
118
xa  xb 25.13  24.30 0.83

tc     1.995
S 2 a  S 2b 0.384  0.656 0.416
n 6
Este valor se compara con los valores de “t” tabular los que se
hallan con (na + nb) -2 Gl.,
5%  2.228
(6 + 6) -2 = 10 GL. 
1%  3.169
Conclusión. Como el valor de t calculado (1.995) no supera al
valor tabular de 5% (2.228), y 1% (3.169) por lo que nuestra
hipótesis de igualdad es verdadera; aceptándose la hipótesis nula y
rechazar la hipótesis alterna, afirmación que realizamos con una
seguridad del 95%. Recomiendo sembrar sin fertilizante para
evitar gasto. (la gráfica para el estudiante)
119
Se prueba una dieta alimentaria en 16 porcinos, de los que 8

porcinos recibió la dieta con base de proteína de alfalfa verde, y
los otros 8 porcinos con base de proteína de heno de alfalfa.
Probar si la henificación de alfalfa induce a mayor incremento
de peso de los porcinos, los datos consignados están expresados
en gramos. Su análisis al 0.01
Increm.de peso alfalfa verde Increm.de peso heno de alfalfa
131 125
130 n=8 124 n=8
126 Σ = 1,037 gr. 117 Σ = 1,013 gr.
133 x = 129.63 129 x = 126.63
126 s = 3.159 131 s = 4.750
133 S2 = 9.982 132 S2 = 22.554
132 128
126 127
120
H0 = Increm.de peso con alfalfa verde = Increm.de Peso con
heno alfalfa.
H1 = Increm.de peso con heno de alfalfa > Increm.de Peso con
alfalfa verde.
 Probando homogeneidad de la variancia
 2 Mayor 22.554
Fc  2   2.26
 Menor 9.982
 5%  3.79
Ft con 7 y 7 GL .
1%  7.00
Conclusión.- Como el valor de Fc es inferior a los valores críticos
de Ft a los dos niveles esto indica que las variancias son
homogéneas al 99% de seguridad. (la gráfica es tarea para el
estudiante.)
121
xa  xb 129.63  126.63 3.00

tc     1.487
S aS b
2 2
9.982  22.554 2.017
n 8
Este valor se compara con los valores de “t” tabular los
que se hallan con (na + nb) -2 Gl.,
5%  2.145
(8 + 8) -2 = 14 GL. 
1%  2.977
Conclusión. Como el valor de t calculado es menor al t
tabular a los dos niveles esto indica que los promedios
son iguales con una seguridad del 99% por consiguiente
se acepta la hipótesis nula y se rechaza la hipótesis
alterna. El heno de alfalfa no induce a mayor incremento
de peso de los porcinos (la gráfica tarea).
122

Se calcula mediante la expresión:
xa  xb
tc 
S 2c S 2c

na nb
Donde: S2c = Variancia común
S a (na  1)  S b(nb  1)
2 2
S c
2
(na  1)  (nb  1)
123
En un ensayo comparativo de rendimientos en dos

variedades de frejol, Sangre de toro y Bayo, se tienen
siguientes rendimientos, evaluados en parcelas del mismo
tamaño y bajo las mismas condiciones, luego de su
análisis diga cual de las variedades es el de mayor
rendimiento.
Rdto Frejol Sangre de Toro Rdto Frejol Bayo
kg/parcela kg/parcela
15.70 14.90
15.37 N = 10 15.00 N = 8
15.59 ∑ = 157.64 14.50 ∑ = 118.29
15.49 x = 15.76 15.21 x = 14.79
15.62 s = 0.396 15.33 s = 0.478
15.48 S2 = 0.157 14.85 S2 = 0.229
15.47 13.80
16.38 14.70
16.45
16.09
124
H0 = Rdto Var. Sangre de Toro = Rdto Var. Bayo

H1 = Rdto Var. Sangre de Toro ≠ Rdto Var. Bayo
Probando la homogeneidad de la variancia.
 2 Mayor 0.229
Fc  2   1.46
 Menor 0.157
5%  3.29
Ft con 7 y 9 GL 
1%  5.62
Conclusión.- Como Fc. Es inferior a los valores de

Ft a los dos niveles, esto indica que las variancias
son homogéneas con una seguridad del 99 %.
125
S 2
a ( na  1)  S 2
b(nb  1) 0.157(9)  0.229(7)
S 2c  
(na  1)  (nb  1) 97
1.413  1.603
S c
2
 0.1885
16
xa  xb 15.76  14.79 0.97
tc  2 2
   4.709
S c S c 0.1885 0.1885 0.206
 
na nb 10 8
tt  (na  nb)  2 GL
5%  2.120
tt  16 GL 
1%  2.921
126
Conclusión:
 Como t calculada (4.709) es superior a la t tabular al
nivel de 1% (2.921), esto indica que los rendimientos
son diferentes; la variedad Sangre de Toro tiene
mejor rendimiento que la variedad Bayo con una
seguridad del 99%, por lo que se rechaza la hipótesis
nula y se acepta la hipótesis alterna.
127
En un ensayo de introducción de dos variedades de arveja Q’ompis

(semilla lisa) y crespo (semilla arrugada), se tienen los siguientes
rendimientos, evaluados en parcelas de las mismas características y
condiciones. Luego de su análisis estadístico, cuál de ellos es el de
mayor rendimiento
Rdto Kg/parcela Rdto Kg/parcela

var. Qompis var. Crespo
8.57 7.75
9.16 n = 10 8.60 n=8
9.25 Σ = 87.25 8.43 Σ = 63.02
9.16 x = 8.73 7.16 x = 7.88
8.67 s = 0.333 7.77 s = 0.465
8.34 S2 = 0.111 7.87 S2 = 0.217
8.58 7.50
8.57 7.94
8.49
8.46
128
H0 = Rdto Var. Q’ompis = Rdto Var. Crespo

H1 = Rdto Var. Q’ompis ≠ Rdto Var. Crespo
 Probando la homogeneidad de la variancia.
 2 Mayor 0.217
Fc  2   1.95
 Menor 0.111
5%  3.29
Ft con 7 y 9 GL 
1%  5.62
Conclusión:
 Como Fc. Es inferior a los valores de Ft a los dos niveles,
esto indica que las variancias son homogéneas con una
seguridad del 99 %. (la gráfica se encarga al estudiantado)
129
Hallando variancia común

S 2
a ( na  1)  S 2
b(nb  1)
S c
2
(na  1)  (nb  1)
0.111(9)  0.217(7) 0.999  1.519
S c
2
  0.1574
97 16
Con este valor hallamos el valor de t, de la siguiente forma:

xa  xb 8.73  7.88 0.85
tc  2 2
   4.521
S c S c 0.1574 0.1574 0.188
 
na nb 10 8
tt  (na  nb)  2 GL.
tt  (10  8)  2  16
5%  2.120
tt  16GL 
1%  2.921
130
Conclusión:
 Como t calculada es superior a la t tabular al nivel
de 1%, esto indica que los rendimientos son
diferentes; la variedad Q’ompis tiene mejor
rendimiento que la variedad crespo con una
seguridad del 99%, por lo que se rechaza la
hipótesis nula y se acepta la hipótesis alterna. (la
gráfica tarea para el estudiante)
131
En un estudio de contenido de nicotina en dos marcas de

cigarrillo A y B se obtienen los siguientes resultados
Cigarrillo marca A Cigarrillo marca B

n=6 n=7
Σ = 95 Σ = 120
x = 22 x = 23
s = 3.329 s = 3.116
S2 = 11.082 S2 = 9.709
Determinar si es posible llegar a la conclusión, que el
contenido de nicotina en ambas marcas es diferente?
132
H0 = Contenido nicotina Cigarrillo A = Contenido nicotina
Cigarrillo B
H1 = Contenido nicotina Cigarrillo A ≠ Contenido nicotina
Cigarrillo B
Probando la homogeneidad de la variancia.
 2 Mayor 11.082
Fc  2   1.14
 Menor 9.709
5%  4.39
Ft con 5 y 6 GL 
1%  8.75
Conclusión: Como Fc. Es inferior a los valores de Ft a los

dos niveles, esto indica que las variancias son homogéneas
con una seguridad del 99 %. (la gráfica queda como tarea)
133
Hallando variancia común.

S 2
a ( na  1)  S 2
b(nb  1)
S c
2
(na  1)  (nb  1)
11.082(5)  9.709(6) 55.41  58.254
S c
2
  10.333
56 11
Con este valor hallamos el valor de t, de la siguiente forma:

xa  xb 22  23
tc  2 2

S c S c 10.333 10.333
 
na nb 6 7
1
tc   0.559 
1.788
134
tt  (na  nb)  2 GL
5%  2.201
tt  (6  7)  2  11GL 
1%  3.106
Conclusión:
 Como t calculado no sobrepasa los valores
críticos al nivel de 5% y 1%, esto indica que las
dos marcas de cigarrillos tienen el mismo
contenido de nicotina, por consiguiente se acepta
la hipótesis nula y se rechaza la hipótesis alterna
con una seguridad del 99%.
135
c) na = nb Cuando las variancias No son homogéneas.

xa  xb xa  xb
tc  
2
S a S b 2
S 2 a  S 2b

na nb n
En un estudio de densidades de siembra en maíz variedad
Blanco Urubamba obteniéndose los siguientes resultados
Distanciamientos de siembra
Rdto en kg A Rdto en kg B
0.20/golpes 0.30/golpes
n=8 n=8
Σ = 526.40 kg Σ = 538.40 kg
x = 65.20 kg x = 67.30 kg
s = 2.830 kg s = 7.755 kg
S2 = 8.009 S2 = 60.140 kg
Luego de una prueba estadística diga qué densidad de

siembra recomienda para alcanzar el mayor rendimiento?
136
H0 = Rdto a densidad 0.20 A = Rdto a densidad 0.30 B

H1 = Rdto a densidad 0.20 A ≠ Rdto a densidad 0.30 B
 2 mayor 60.140
Fc  2   7.51
 menor 8.009
5%  3.79
Ft  con 7 y 7 GL 
1%  7.00
137
3.79
7.00
0
7.51
Conclusión.- Como Fc. Es superior a los valores de

Ft a los dos niveles, esto indica que las variancias no
son homogéneas con una seguridad del 99 %.
138
xa  xb
tc 
S 2 a S 2b

na nb
65.20  67.30  2.10
tc    0.719
8.009  60.140 2.92
8
5%  2.145
tt  (8  8)  2 GL  14 GL 
1%  2.977
139
-2.145
-2.977
65.20 67.30
-0.719
Conclusión.- Como t calculado es inferior a la t tabular al nivel de
5% y 1%, esto indica que con las dos densidades de siembra se
logra rendimientos iguales; por consiguiente se acepta la hipótesis
nula con una seguridad del 99 %, puede indicarse que las
diferencias numéricas se debe al azar, por lo que recomendaría el
distanciamiento a 0.30/golpes, porque se ahorra semilla y
fertilizantes.
140
En un estudio de la capacidad productora en función a la densidad

de siembra en la variedad de papa híbrida (ÑUSTA-CICA) se han
obtenido los siguientes resultados:
Luego de una prueba estadística, cual es tu conclusión, que densidad
recomendaría porqué, explique.
Densidad de siembra
a 0.35 m entre plantas a 0.40 m entre plantas
Rdto en kg. Rdto en kg.
152 180
155 n = 10 177 n = 10
153 Σ = 1,567 185 Σ = 1,705
158 x = 156.70 184 x = 170.50
160 s = 2.830 168 s = 10.146
157 S2 = 8.011 168 S2 = 102.944
155 159
158 160
160 161
159 163
141
H0 = Rdto a densidad 0.35 m entre plantas = Rdto a densidad

0.40 m entre plantas
H1 = Rdto a densidad 0.35 m entre plantas ≠ Rdto a densidad
0.40 m entre plantas
 2 mayor 102.944
Fc  2   12.85
 menor 8.011
5%  3.18
Ft  con 9 y 9 GL 
1%  5.35
Conclusión.- Como Fc. Es superior a los valores de Ft a los dos
niveles, esto indica que las variancias no son homogéneas con una
seguridad del 99 %.
142
xa  xb
tc 
S 2 a S 2b

na nb
156.70  170.50  13.80
tc    4.143
8.011  102.944 3.331
10
5%  2.101
tt  (10  10)  2 GL  18 GL 
1%  2.878
143
-2.101
-2.878
65.20 67.30
-4.143
Conclusión.- Como t calculado sobrepasa los límites tabulares,
esto indica que los rendimientos con las densidades estudiadas son
estadísticamente diferentes con una seguridad del 99%, por
consiguiente se rechaza la hipótesis nula y se acepta la hipótesis
alterna, siendo el de mayor rendimiento la densidad de siembra
0.40 m entre plantas.
Recomendaría la densidad 0.40 m, porque con esta ahorraría
costos en semilla y controles fitosanitarios.
144
PRUEBAS DE HIPÓTESIS PARA DOS MUESTRAS

Objetivos:
1. Comprender la diferencia entre muestras dependientes e
independientes.
2. Realizar una prueba ce hipótesis acerca de la diferencia
entre dos medias de poblaciones independientes, cuando
ambas muestras tienen 30 o más elementos.
3. Realizar una prueba de hipótesis acerca de la diferencia
entre dos medias poblacionales, cuando por lo menos una
de las muestras tiene menos de 30 elementos.
entre dos proporciones poblacionales.
media entre observaciones por pares u observaciones
dependientes.
145
 En este caso se amplía a dos muestras el

concepto de prueba de hipótesis.
 Es decir, se toman dos muestras aleatorias para
determinar si provienen de una misma
población o de poblaciones iguales.
 Por consiguiente algunos de las siguientes
interrogantes se desean probar:
146
a. ¿Existe alguna diferencia entre la cantidad media de

inmuebles residenciales vendidos en la ciudad de Lima, por
agentes de ventas de uno y otro sexo?
b. ¿Hay diferencia en la cantidad media de defectos producidos
en el turno matutino y los producidos en el turno vespertino,
en una empresa?
c. En la industria de comida rápida, ¿hay diferencia en el
número de días de ausencia entre los trabajadores jóvenes
(menores de 21 años) y los trabajadores de edad mayor
(mayores de 60 años).
d. ¿Aumenta la tasa de producción si hay música en el área de
trabajo?
e. ¿Hay diferencia en la proporción de egresados de la
Universidad Cayetano Heredia y los egresados de la
UNSAAC, que son aprobados en el primer intento en el
examen estatal para ejercer como médicos cirujanos?
147
PRUEBAS DE HIPÓTESIS: MEDIAS POBLACIONALES
 Cuando se desea saber si hay diferencia en el salario

medio por hora de plomeros y electricistas en la ciudad de
Lima.
 O cuando un controlador quiere saber si la tasa media de
ganancia de fondos mutualistas de alto rendimiento difiere
de la tasa media de ganancia de fondos mutualistas
globales.
 En cada uno de estos dos casos hay dos poblaciones
independientes.
 En el primero los plumeros representan una población, y
los electricistas, la otra.
 En el segundo caso, los fondos mutualistas de alto
rendimiento son una población, y los fondos mutualistas
globales, la otra.
148
 En cada uno de estos casos, para investigar lo que
se desea, se toma una muestra aleatoria de cada
población y se calcula la media de las muestras.
 Si el salario medio por hora de plomeros y
electricistas es el mismo quiere decir que las dos
poblaciones son iguales por consiguiente la
diferencias entre las dos medias muestrales es
cero.
 Pero, si los resultados muestrales dan una
diferencia distinta de cero ¿esa diferencia se debe
a la casualidad o a que hay diferencia en los
ingresos por hora?
 Una prueba con dos muestras para los valores
ayudará a responder a esa pregunta.
149
 La teoría estadística indica que cuando se tienen

poblaciones independientes, como las que se tienen
en este caso, la variancia (la desviación estándar al
cuadrado) de la distribución de las diferencias, es
igual a la suma de las dos variancias individuales;
como se aprecia en la siguiente relación:
2 2
s s
s 2
x1  x 2  
1 2
n1 n2
 En el primer miembro el término, , indica que es una
variancia muestral, y el subíndice , señala que es una
distribución de diferencias de medias muestrales.
150
Esta ecuación se puede escribir en forma más usual

tomando la raíz cuadrada, para obtener la desviación
estándar de la distribución de las diferencias de la
siguiente forma:
Estadística de prueba para la diferencia entre dos

medias muestrales
X1  X 2
z 2 2
s s
1
 2
n1 n2
151
 Para resolución de problemas de esta naturaleza

es necesario recordar los supuestos necesarios:
 No debe haber relación entre las dos poblaciones,

es decir, tienen que ser independientes.
 Las muestras tienen que ser lo suficientemente
grandes para que la distribución de las medias
muestrales siga la distribución normal.
 Se acostumbra requerir que ambas muestras tengan
por lo menos 30 observaciones.
152
A cada paciente de un determinado hospital se le pide que evalúe el
servicio cuando es dado de alta. Últimamente se han recibido quejas de
que los médicos residentes y las enfermeras de piso de cirugía tardan
demasiado en responder a las llamadas de los pacientes adultos. Se
quejan de que los demás enfermos reciben un servicio más rápido. El
director del hospital pidió al consejo de administración que investigara
lo anterior. Después de analizar el problema, el consejo de
administración reunió la siguiente información muestral. ¿Es
razonable concluir, en el nivel de significancia 0.01, que el tiempo
medio de respuesta es mayor en el caso de los pacientes adultos
mayores? ¿Cuál es el valor p en este caso?
Tipo de Media Desviación Tamaño de
Paciente muestral Estándar de la la muestra
muestra
Pacientes adultos 5.50 minutos 0.40 minutos 50

Otros 5.30 minutos 0.30 minutos 100
153
 Para desarrollar el ejemplo se debe seguir los 5

pasos ya estudiados:
1.- Establecer la hipótesis nula y la hipótesis
alterna. La hipótesis nula es que no hay
diferencia en el tiempo medio de respuesta entre
los dos grupos. La hipótesis alternativa es que el
tiempo medio de respuesta es mayor para los
pacientes adultos. Para su formulación se usará µs
para el tiempo medio de respuesta en las
poblaciones de los pacientes adultos y µ0 para el
tiempo medio de respuesta de los otros pacientes.
Ho: µs ≤ µ0
H1: µs > µ0
154
2. Elegir el nivel de significancia. El nivel de

significancia es la probabilidad de que se rechace la
hipótesis nula cuando en realidad es verdadera, esta
probabilidad se determina antes de tomar la muestra o
realizar cualquier cálculo, siendo los más aplicados los
niveles de 0.05 y 0.01, que para el caso del ejemplo se
tomará el nivel de 0.01.
3. Determinar el estadístico de prueba. En este caso
como las muestras son grandes, se aplica la
distribución z mediante la siguiente expresión:
X1  X 2
z
s12 s22

n1 n2
155
4. Formular una regla de decisión.
 La regla de decisión se basa en las hipótesis nula
y alternativa (esto es, si se trata de una prueba de
una cola o de dos colas), en el nivel de
significancia y el estadístico de prueba usado.
 A fin de encontrar el valor crítico se coloca 0.01
del área total en la cola superior.
 Esto significa que 0.4900 (que resulta de 0.5000 –
0.0100) del área, se encuentra entre z = 0 y el
valor crítico.
 A continuación se busca en la tabla un valor en
unidades de desviación estándar que cubra el
0.4900 de la población, esto es 2.33, por lo que la
regla de decisión es rechazar la Ho si el valor
calculado para el estadístico de prueba es mayor
que 2.33
156
H0 = s  0
H1 = s > 0
Región de rechazo
0.01
0.5000 0.4900
0
2.33
Valor 3.13
crítico
157
5. Tomar la decisión respecto a Ho e interpretar el resultado.
 Para calcular el valor estadístico de prueba se utiliza la fórmula ya
indicada.
Xs  X 0 5.5  5.3 0.2

z    3.13
ss2 s02 0.40 2 0.30 2 0.064
 
ns n0 50 100
 Como el valor calculado de 3.13 es mayor que el valor crítico 2.33.
 La decisión es rechazar la hipótesis nula y aceptar la hipótesis
alterna.
 La diferencia de 0.20 minutos en el tiempo de respuesta de los
pacientes adultos y los demás pacientes es demasiado grande para
que hubiera ocurrido por casualidad.
 El consejo de administración puede informar al director del hospital
que el tiempo medio de respuesta para los pacientes adultos es
superior al tiempo de respuesta para los demás pacientes.
158
 ¿Cuál es el valor p del estadístico de prueba?

Recuérdese que el valor p es la probabilidad de
encontrar, para el estadístico de prueba, una
magnitud tan extrema, cuando la hipótesis nula es
verdadera.
 Para calcular este valor se necesita la probabilidad de
tener un valor z mayor que 3.13.
 En el apéndice D no se puede encontrar la
probabilidad correspondiente a 3.13. el valor mayor
es 3.09. El área que corresponde a 3.09 es 0.4990.
 En este caso se puede informar que el valor p es
menor que 0.0010, que proviene de 0.5000 – 0.4990
= 0.001.
 Se concluye que la probabilidad de que la hipótesis
nula sea verdadera es muy pequeña.
159
El propietario de un negocio observa que hay una
diferencia entre el monto de las ventas realizadas por los
vendedores varones y mujeres que laboran en su
establecimiento. En una muestra de 40 días encuentra
que los varones vendieron en promedio S/. 1,400.00 soles
por día, con desviación estándar de S/. 200.00 soles. En
una muestra de 50 días encuentra que las mujeres
vendieron en promedio S/ 1,500.00 soles por día, con
desviación estándar de S/. 250.00 soles. En el nivel de
significancia 0.05, ¿puede concluirse que el monto de las
ventas realizadas por las mujeres es superior?
a)Establezca la Ho y la H1.
b)¿Cuál es la regla de decisión?
c)¿Cuál es el valor del estadístico de prueba?
d)¿Cuál es su decisión respecto a la hipótesis nula?
e)¿Cuál es el valor p?
f)Interprete los resultados.
160
Datos.
X = Venta varones = S/. 1,400.00 por día
s = S/. 200.00
n = 40 días
X = Venta mujeres = S/. 1,500.00 por día
s = S/. 250.00
n = 50 días
α = 0.05
161
a) Ho: µm ≤ µv
H1: µm > µv
El subíndice m se refiere a mujeres y el subíndice
v a varones.
b) Se rechaza la Ho, si z > 1.65
c) z  X m2  Xv2  1,500.002  1,400.002  100  2.11

s m sv 250.00 200.00 47.43
 
nm nv 50 40
d) Rechazar la hipótesis nula
162
e) Valor p se determina restando de 0.5000 menos el

valor 2.11, vale decir, qué área bajo la curva
normal le corresponde para 2,11 , el que se
determina de la tabla = 0.4826; por consiguiente:
Valor p = 0.5000 – 0.4826 = 0.0174
f) La cantidad media vendida por día por las

mujeres es mayor a la cantidad media vendida
por día por los varones.
163
Una empresa que elabora alimentos para bebés

quiere comparar el aumento de peso en infantes
que usan sus productos, con el aumento de peso
de bebés que consumen los productos de sus
competidores. En una muestra de 40 bebés que
usan sus productos, el aumento medio de peso en
los primeros tres meses de vida fue 7.6 libras con
una desviación estándar de 2.3 libras. En una
muestra de 55 bebés que utilizaban los productos
de la competencia, el aumento medio de peso fue
de 8.1 libras, y la desviación estándar de 2.9
libras. ¿Se puede concluir, en el nivel de
significancia 0.05, que el aumento de peso es
menor en los bebés que usan su marca? Calcule
el valor p e interprételo.
164
Datos
n = 40 bebés
Incremento de peso promedio = 7.6 lb.
s = 2.3 lb.
n = 55 bebés
Incremento de peso promedio = 8.1 lb.
s = 2.9 lb.
α = 0.05
a) Estableciendo la Ho y la H1
H o : µ1 ≥ µ2
H 1 : µ1 < µ2
b) Se eligió el nivel de significancia de 0.05
165
c) Se rechaza la Ho y se acepta la H1, si z < a – 1.65
X p  Xc 7.6  8.1  0.5

d) z 2
 2 2
  0.94 
s sc2 2.3 2.9 0.534
p

n p nc 40 55
e) No se puede rechazar Ho, el aumento de peso no

es menor en los bebés que usan su marca. El p
valor = 0.1736, que se obtiene de 0.5000 –
0.3264 = 0.1736
166
COMPARACIÓN DE POBLACIONES CON MUESTRAS

PEQUEÑAS
 En este caso las desviaciones estándar poblacionales
son desconocidas, y el número de observaciones en
por lo menos una de las muestras es menor que 30.
 Esto se conoce como “prueba con muestras
pequeñas, para las medias”.
 Esta prueba con muestras pequeñas son más estrictos
y debe cumplir las siguientes suposiciones
necesarias:
 Las poblaciones muestreadas siguen la distribución
normal
 Las dos muestras provienen de poblaciones
independientes
 Las desviaciones estándar de las dos poblaciones son
iguales.
167
 El estadístico de prueba es la distribución t. La fórmula para
calcular el valor de t es parecida la fórmula siguiente:
X1  X 2
z
s12 s22

n1 n2
 Donde se necesita hacer un cálculo adicional.
 La tercera suposición anterior indica que las desviaciones
estándar de la población deben ser iguales.
 Las dos variancias muestrales se utilizan para obtener una sola
estimación de la variancia poblacional desconocida.
 En esencia se calcula una media ponderada de las dos
desviaciones estándar muestrales y se usa como una estimación
de la desviación estándar poblacional.
 Las ponderaciones son los grados de libertad que proporciona
cada una de las muestras.
168
 En la mayor parte de los casos en los que las muestras tienen menos de
30 observaciones, la desviación estándar poblacional no se conoce.
 De modo que se calcula la desviación estándar muestral (s) el que se
usa para sustituir la desviación estándar poblacional (σ ).
 Para combinar las variancias muestrales intervienen dos factores:
 El número de observaciones en cada muestra y la desviación estándar
de la muestra; de la siguiente manera:
(n1  1) s  (n2  1) s
2 2
s 
2 1 2
n1  n2  2
p
Donde:
S12 = es la variancia (desviación estándar al cuadrado) de la primera
2 muestra.
s2 = es la variancia de la segunda muestra.
169
 El valor de t se calcula mediante la siguiente ecuación.

X1  X 2
t
1 1
s   
2
p
 n1 n2 
Donde:
X = es la media de la primera muestra
X= es la, media de la segunda muestra.
s 2p = es la estimación combinada de la variancia de la
población
n1 = es el número de datos de la primera muestra
n2 = es el número de datos de la segunda muestra.
170
Una empresa capitalina que fabrica y ensambla
cortadoras de césped, que envían a comerciantes de
Cusco y Arequipa. Se han propuesto dos
procedimientos para instalar el motor en la armazón
de una cortadora. La pregunta es: ¿existe alguna
diferencia en el tiempo medio para montar los
motores en las armazones de las cortadoras? El
primer método fue desarrollado por un empleado de
la compañía (y se designa como procedimiento 1), y
el otro lo desarrolló el subdirector de ingeniería (y se
designa como procedimiento 2). Para evaluar los dos
métodos propuestos, se decidió efectuar un estudio de
tiempos y movimientos. Se consideró una muestra de
cinco empleados que utilizaron el método 1, y otra de
seis que aplicaron el procedimiento 2. Los resultados,
en minutos, se muestran a continuación. ¿Existe
diferencia en los tiempos medios de montaje? Utilice
el nivel de significancia de 0.10.
171
Procedimiento Procedimiento
1 2
(minutos) (minutos)
2 3
4 7
9 5
3 8
2 4
3
172
 Como sabemos la Ho expresa que no hay diferencia en el tiempo
medio de montaje entre los dos procedimientos 1 y 2.
 La H1 indica que si hay una diferencia, por consiguiente:
Ho: µ1 = µ2
H1: µ1 ≠ µ2
Los supuestos requeridos son:
 Las observaciones en la muestra de procedimiento 1 son

independientes de las observaciones en la muestra de procedimiento 2.
 Las dos poblaciones siguen la distribución normal.
 Las dos poblaciones tienen desviación estándar iguales.
 El número de grados de libertad es igual al número total de

elementos muestreados menos el número de muestras.
 En este caso , vale decir 5 + 6 – 2.
 Los valores críticos de t tomados, de la tabla para 9 GL, para nivel de
significancia de 0.10, son -1.833 y +1.833.
173
Valor P
Zona de
aceptación Zona de rechazo
Zona de rechazo
0.05
0.05
-1.833 -0.662 0 1.833
174
a) Cálculo de las desviaciones estándar muestrales:

Los detalles se presentan a continuación.
Procedimiento 1 Procedimiento 2
(minutos) (minutos)
2 3
4 7
9 5
3 8
2 4
3
n=5 n=6
Σ = 20 Σ = 30
X 1 = 4.00 X 2 = 5.00
s = 2.9155 s = 2.0976
175
b) Combinación de las variancias muestrales: Se determina

mediante la relación siguiente:
( n  1) s 2
 ( n  1) s 2
s 2p  1 1 2 2
n1  n2  2
(5  1) 2.9155 2
 ( 6  1) 2.0976 2
55.0001898
sp 
2
  6.2222
562 9
c) El valor de t se calcula mediante la siguiente expresión:
X1  X 2
t
2 1 1
s p   
 n1 n2 
4.00  5.00 1
t   0.662
 1 1  1.510454678
6.2222  
5 6
176
 La decisión es no rechazar la hipótesis nula

debido a que – 0.662 cae en la región entre -
1.833 y +1.833.
 Se concluye que no existe diferencia en el
tiempo medio para montar el motor en la
armazón, cuando se usan ambos métodos.
177
El gerente de producción de una empresa fabricante de

sillas de ruedas, desea comparar el número de unidades
defectuosas que se producen diariamente en el turno
matutino, con la cantidad de unidades defectuosas del
turno vespertino. Una muestra de la producción de 6
días del turno matutino y 8 días del turno vespertino
reveló la siguiente cantidad de defectos:
En un nivel de significancia 0.05, ¿existe una diferencia
entre la cantidad media de defectos por turno?
a) Establezca la hipótesis nula y la hipótesis alterna.
b) ¿Cual es la regla de decisión?
c) ¿Cuál es el valor del estadístico de prueba?
d) ¿Cuál es su decisión respecto a la hipótesis nula?
e) ¿Cuál es el valor p?
f) Interprete el resultado.
178
Turno matutino Turno vespertino

5 8
8 10
7 7
6 11
9 9
7 12
14
9
179
a) H0 : µm = µv
H1 : µm ≠ µv
Donde µm, media de producción matutina y µv
media de producción Vespertina.
b) GL = 6 + 8 – 2 = 12
Se rechaza la H0, si t es menor que -2.179 o t
es mayor que 2.179
180
c)
Turno matutino Turno vespertino
5 8
8 10
7 7
6 11
9 9
7 12
14
9
n=6 n=8
Σ = 42 Σ = 80
X 1 = 7.00 X 2 = 10.00
s = 1.4142 s = 2.2678
181
(n1  1) s12  (n2  1) s22

s 
2
n1  n2  2
p
(6  1)(1.4142 2  (8  1)(2.2678) 2 46.00022608

  3.8333
682 12
X1  X 2
t
1 1
s   
2
p
 n1 n2 
7.00  10.00  3.00
t   2.837
 1 1  1.057377
3.8333  
6 8
182
-2.179
7.0 10
-2.837
d) Se rechaza la H0 porque -2.837 es menor que el valor

crítico
e) El valor p es menor que 0.02
f) El número medio de defectos no es igual en los dos turnos.
183
X1  X 2
t
1 1
s   
2
p
 n1 n2 
X1  X 2
z
s12 s22

n1 n2
184

Pruebas de Hipótesis

Cargado por

Copyright:

Formatos disponibles

Pruebas de Hipótesis

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Pruebas de Hipótesis

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DE SAN ANTONIO

ABAD DEL CUSCO

FACULTAD DE INGENIERIA AGROINDUSTRIAL

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 11

PRUEBAS DE HIPÓTESIS PARA UNA MUESTRA

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 22

¿QUÉ ES UNA HIPÓTESIS?

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas 33

 En la mayor parte de los casos la población es tan grande

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 44

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 55

 Para probar la validez de la afirmación (µ = S/

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 66

Paso 1 Paso 2 Paso 3 Paso 4 Paso 5

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 77

Paso 1: Plantear la hipótesis nula (H0) y la hipótesis

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 88

 Cabe recalcar que si la hipótesis nula no se rechaza

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 99

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 11

Paso 2: Seleccionar el nivel de significancia

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 12

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 13

Paso 3: Calcular el valor estadístico de prueba.

 El valor z se basa en la distribución muestral de x,

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 15

Paso 4: Formular la regla de decisión

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 16

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 17

 Valor crítico.- Punto de división entre la región en

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 18

Paso 5: Tomar una decisión

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 19

 Si el valor calculado es igual o menor que 1.65, por

 Debe recordarse que siempre existe la

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 21

Pruebas de significancia de una cola y de dos colas

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 22

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 23

H0: El ingreso medio de las mujeres profesionales es de $

UNSAAC - FIA Ing. Mgt. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 24

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 25

 Como se puede observar en la figura toda el área en la

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 26

 En resumen, en caso de experimentos agrícolas,

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 27

 Cabe aclarar que la H0 es precisa, indica igualdad,

 Si el nivel de significación lo relacionamos con el

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 29

 Prueba de cola derecha: A < B = Lo que significa

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 30

 Prueba de dos colas: A ≠ B = Para esquematizar la desigualdad de

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 31

 Que ese riesgo que corremos de rechazar una hipótesis

 Para juzgar si dos magnitudes dadas son diferentes, o

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 33

 Cabe aclarar que el valor de 1.645 se obtiene de la

UNSAAC - FIA Mgt. Ing. Bernardo Jorge Rojas EXPERIMENTACIÓN AGRICOLA 34

1.645σ Zona de rechazo