Prueba de

Hipótesis
https://rpubs.com/acatania/399401
 Hipótesis Estadística

El problema al que se enfrentan los investigadores no es tanto la estimación de un parámetro de

la población, sino la formación de un procedimiento de decisión que se base en los datos y
que pueda producir una conclusión acerca de algún sistema científico.

Por ejemplo, un investigador medico puede decidir con base en evidencia experimental si beber
café incrementa el riesgo de cáncer en los seres humanos; un ingeniero quizá tenga que decidir
con base en datos muestrales si hay una diferencia entre la precisión de un tipo de medidor y
la de otro; o tal vez un sociólogo desee reunir los datos apropiados que le permitan decidir si el
tipo de sangre y el color de ojos de un individuo son variables independientes .

En cada uno de estos casos el científico postula o conjetura algo acerca de un sistema. Además,
debe utilizar datos experimentales y tomar decisiones basadas en ellos. En cada caso la
conjetura se puede expresar en forma de hipótesis estadística.
Los procedimientos que conducen a la aceptación o al rechazo de hipótesis estadísticas como
estas comprenden una área importante de la inferencia estadística.
 Una hipótesis estadística es una aseveración o
Hipótesis Estadística conjetura respecto a una o más poblaciones.

Ejemplos:
La concentración promedio de plomo en camarones del rio Mala durante el 2022 es alrededor de 0,50
mg/kg (μ=0,5)
El porcentaje de pobladores del La desviación estándar de los salarios de los obreros de la
distrito de Ventanilla con industria textil es de 500 soles en el 2021 (σ=500)
problemas respiratorios es menor
a 8% durante el 2022. (p < 0,08) El habito fumador influye en la presencia de cáncer al
páncreas en usuarios de la casa Hogar XX durante el 2022.
Existe una correlación lineal
entre el ingreso y el gasto de los Existe relación entre los parámetros antropométricos y los
pobladores del distrito .... niveles de hemoglobina en los pacientes....

Los valores de la hemoglobina en los escolares del distrito de

La distribución de los porcentajes
los Olivos tiene distribución Normal.
del tipo de nutrición parenteral es
diferente entre los diferentes La distribución de la edad de jubilación para los jugadores de
grupos de edad gestacional en futbol se distribuye normalmente con una media de 33 años y
los pacientes .... una desviación estándar de unos 2 años.
 Prueba de Hipótesis Estadística
Un prueba de hipótesis Hipótesis Nula (H0). Es la que se formula con la finalidad de
estadística, es una regla de rechazarla y se denota por H0. Se construye artificialmente para
decisión que permite rechazar o que el investigador evalúe su hipótesis de investigación. Por
aceptar la hipótesis en base a la ejemplo, plantea que no existe relación entre dos fenómenos.
información dada por una muestra Cuando la hipótesis nula se refiere al valor que puede tomar un
aleatoria. parámetro (media, proporción etc.) siempre contiene un signo de
igualdad (=) con respecto al valor especificado.
Ejemplos:
Ho: No existe relación entre los parámetros
Ho: El valor promedio de la concentración de cromo en antropométricos y los niveles de
la hierba de centeno es igual a 0,28 mg/kg (µ =0,28) hemoglobina. (ρ=0)
Ho: La concentración promedio del metabolito en la Ho: El porcentaje de pobladores del
sangre de las ratas antes y después de 2 horas de Asentamiento Humano Año Nuevo del
suministrar el medicamento son iguales. (µ1= µ2) distrito de Comas con un alto nivel de
conocimientos del uso de plantas
Ho: El valor promedio de glucosa en los niños en edad medicinales frente a infecciones
escolar del HHAA es menor o igual a 140 mg/dL (µ ≤ respiratorias agudas es menor o igual al
140 mg/dL) 80%. (p ≤ 0.8)
 Prueba de Hipótesis Estadística
Hipótesis Alterna (H1). Simplemente señala la existencia de un hecho o de un evento, o la relación
entre dos o más fenómenos, o sobre el efecto de una variable(s) sobre otra(s); Se denota por H 1. Es
cualquier hipótesis que difiera de la hipótesis nula. El planteamiento de la hipótesis alternativa nunca
contiene un signo de igualdad con respecto al valor especificado del parámetro.

Ejemplos: H1: Existe relación entre los parámetros

antropométricos y los niveles de
H1: El valor promedio de la concentración de cromo en la hemoglobina (ρ≠0)
hierba de centeno es diferente a 0,28 mg/kg (µ ≠0,28)
H1: El porcentaje de pobladores del
H1: La concentración promedio del metabolito en la
Asentamiento Humano Año Nuevo del
sangre de las ratas antes y después de 2 horas de distrito de Comas con un alto nivel de
suministrar el medicamento son diferentes. (µ1 ≠ µ2) conocimientos del uso de plantas
H1: El valor promedio de glucosa en los niños en edad medicinales frente a infecciones
escolar del HHAA es mayor a 140 mg/dL (µ>140 mg/Dl) respiratorias agudas es mayor al 80%.
OBS: El rechazo de H0 implicará la aceptación de H1. Generalmente la hipótesis alternativa
representa la suposición que el investigador quiere probar, siendo H 0 formulada con el propósito
expreso de ser rechazada.
 Errores Tipo I y Tipo II
El procedimiento de decisión de aceptar o rechazar la hipótesis nula siempre esta
sujeta a dos tipos de error. Estos errores son debidos a fluctuaciones al azar en el
muestreo.

Decisión 𝑯𝟎 verdadera 𝑯𝟎 falsa

Error tipo I Decisión correcta
Rechazar 𝑯𝟎
Probabilidad = 𝛼 Probabilidad = 1 − β
Decisión correcta Error tipo II Probabilidad
Aceptar 𝑯𝟎
Probabilidad = 1 − 𝛼 =β
Error Es la probabilidad de rechazar la hipótesis nula, cuando esta es realmente verdadera.
Tipo I: Esta probabilidad es comúnmente denotada por la letra alfa ( 𝛼) ,conocido también
como el nivel de significancia o riesgo. (1 − 𝛼 =nivel de confianza)
Error Es la probabilidad de aceptar la hipótesis nula cuando esta es en realidad falsa. Esta
Tipo II: probabilidad es comúnmente denotada por la letra beta (β).
 Errores Tipo I y Tipo II
Decisión 𝑯𝟎 verdadera 𝑯𝟎 falsa
Error tipo I Decisión correcta
Rechazar 𝑯𝟎
Probabilidad = 𝛼 Probabilidad = 1 − β
Decisión correcta Error tipo II
Aceptar 𝑯𝟎
Probabilidad = 1 − 𝛼 Probabilidad = β

Error
Tipo II:

Es la
probabilidad de
Error aceptar la
hipótesis nula
Tipo I: cuando esta es
en realidad
Es la probabilidad de rechazar la hipótesis nula, cuando falsa. Esta
esta es realmente verdadera. Esta probabilidad es probabilidad es
comúnmente denotada por la letra alfa ( 𝛼) ,conocido comúnmente
también como el nivel de significancia o riesgo. (1 − 𝛼 denotada por la
=nivel de confianza) letra beta (β).
 Prueba de Hipótesis Estadística
Pasos para una Prueba de Hipótesis

Paso 1 Paso 2 Paso 3

Establecer Determinar el Elegir y calcular el
hipótesis nula nivel de estadístico de
y alterna significancia prueba

Paso 4
Paso 6 Paso 5 Establecer las regiones
Conclusión Decisión de rechazo y no rechazo
de la hipótesis nula
 Ejemplo de estadístico de prueba:

Para la proporción

^ −𝑝 0
𝑝 Región
𝑍= 𝑁 ( 0 , 1) de
√( 𝑝 0 ) ( 𝑞0 ) rechazo
√𝑛 de H0
 Prueba de Hipótesis Estadística
Hipótesis: H0 :μ = 22 y H1 :μ ≠22 (Bilateral)

▪ Valor crítico : Se busca en la tabla T, y nos preguntamos que valor de t con n-1 grados de libertad
tiene una probabilidad acumulada igual a 0.25, como la distribución t es simétrica nos preguntamos
que valor de t con 19 grados de libertad tiene una probabilidad acumulada igual a 1-0.025=0.975,
obtenemos t tabular igual a 2.0930 (valor critico) luego:

▪ Conclusión: Como 0.9938 cae en la región de aceptación, No podemos rechazar H o. Es decir

debemos aceptar Ho.
 Software Estadístico y el p-value

En años recientes, debido a la disponibilidad de los programas de cómputo ( se

proporciona con frecuencia información adicional relativa a la fuerza del rechazo

El p valor o p-value (probabilidad de cometer el error tipo I) oscila entre 0 y 1 es

una probabilidad que mide la evidencia en contra de la hipótesis nula H0 .Las
probabilidades más bajas proporcionan una evidencia más fuerte en contra de la
hipótesis nula

En el SPSS el p valor aparece escrito cómo "sig.”, “sig. bilateral“, "significación

asintótica“ y en la ultima versión 28 como “P de un factor” y “P de dos factores”
Decisión Estadística
Si p-value ≤ 𝛼→Decisión: Rechazar Hipótesis nula Ho, acepta la H1 ,
Si p-value > 𝛼→ Decisión: No Rechazar Hipótesis nula Ho
𝛼 es fijado generalmente como 0,05
Ejemplo: Ho: La distribución de los porcentajes del tipo de nutrición parenteral es igual
entre los diferentes grupos de edad gestacional.
H1: La distribución de los porcentajes del tipo de nutrición parenteral es diferente entre los diferentes
grupos de edad gestacional.
Tabla: Distribución de los recién nacidos en al clínica XXX según el tipo
de nutrición parenteral por edad gestacional

Como el p valor es menor que 0,05 (p valor =0,004) se rechaza la hipótesis nula (H 0) y se acepta la
hipótesis alterna (H1), es decir se concluye que la distribución de los porcentajes del tipo de
nutrición parenteral es diferente entre los diferentes grupos de edad gestacional..
 Prueba de Hipótesis
Hay dos tipos de análisis estadísticos que pueden realizarse para probar hipótesis: los análisis
paramétricos y los no paramétricos: Cada tipo posee sus características y presuposiciones que los
sustentan; la elección de que clase de análisis efectuar depende de los supuestos. De igual forma, cabe
destacar que en una misma investigación es posible llevar a cabo análisis paramétricos para algunas
hipótesis y variables, y análisis no paramétricos para otras. Asimismo, como vimos, los análisis a realizar
dependen del planteamiento, tipo de hipótesis y el nivel de medición de las variables que las conforman.

Para realizar análisis paramétricos debe partirse de los siguientes supuestos:

Análisis 1) La distribución poblacional de la 2) El nivel de medición de las

Paramétricos variable dependiente es normal: el variables es por intervalos o
universo tiene una distribución normal. razón.

3) Cuando dos o mas poblaciones son estudiadas, tienen una varianza homogénea: las poblaciones
en cuestión poseen una dispersión similar en sus distribuciones

Ciertamente estos criterios son tal vez demasiados rigurosos y algunos investigadores solo basan sus
análisis en el tipo de hipótesis y los niveles de medición de las variables. Esto queda a juicio del lector.
En la investigación académica y cuando quien lo realiza es una persona experimentada, si debe
solicitársele tal rigor.
Prueba de una hipótesis acerca de una media (promedio) poblacional
Tipo de variable: cuantitativa
Prueba Prueba
Prueba
unilateral unilateral
bilateral
derecha izquierda

μ: Representa un promedio poblacional (parámetro desconocido), ejemplo: μ=

Tiempo hospitalario promedio de los pacientes internados en UCI por Covid-19 en
el Hospital dos de mayo 2021.
μ0: Representa un valor tentativo del promedio poblacional, ejemplo: μ0=15 días.

Si la población es Normal y la varianza poblacional 𝜎2 es desconocida, para

cualquier muestra 𝑛 ≥ 2 el estadístico de prueba es:

Importante: Si la población no es normal y la

muestra es pequeña (𝑛 < 30) se deberán usar
métodos no paramétricos.
 Ejemplo 1: Ho: El tiempo hospitalario promedio de los pacientes
internados en UCI por Covid-19 en el Hospital dos de mayo
2021 es de 15 días.
H1: El tiempo hospitalario promedio de los pacientes
internados en UCI por Covid-19 en el Hospital dos de mayo
Prueba 2021 es diferente a 15 días.
bilateral
Ho: El nivel de conocimientos promedio sobre la eliminación de
Ejemplo 2: residuos solidos de los egresados de Farmacia y Bioquímica
de una universidad en el 2021 es igual a 18 puntos.

H1: El nivel de conocimientos promedio sobre la eliminación de residuos solidos de

los egresados de Farmacia y Bioquímica de una universidad en el 2021 es diferente
a 18 puntos.

Notemos que en el ejemplo 2 la variable es discreta,

por lo tanto se deberá de tener una muestra grande.
 Ejemplo 3: Ho: El tiempo hospitalario promedio de los
pacientes internados en UCI por Covid 19 en el
: Hospital dos de mayo 2021 es mayor o igual a 15
: días.
H1: El tiempo hospitalario promedio de los
Prueba unilateral pacientes internados en UCI por Covid 19 en el
izquierda Hospital dos de mayo 2021 es menor a 15 días.
Ho: El nivel de conocimientos promedio sobre la
Ejemplo 4: eliminación de residuos solidos de los egresados de
Farmacia y Bioquímica de una universidad en el 2021
es mayor o igual a 18 puntos.
H1: El nivel de conocimientos promedio sobre la eliminación de residuos
solidos de los egresados de Farmacia y Bioquímica de una universidad
en el 2021 es menor a 18 puntos.
 Ejemplo 5: Ho: El tiempo hospitalario promedio de los
pacientes internados en UCI por Covid 19 en el
: Hospital dos de mayo 2021 es mayor o igual a 15
días.
:
H1: El tiempo hospitalario promedio de los
Prueba pacientes internados en UCI por Covid 19 en el
unilateral Hospital dos de mayo 2021 es menor a 15 días.
izquierda
Ho: El nivel de conocimientos promedio sobre la
eliminación de residuos solidos de los egresados
Ejemplo 6:
de Farmacia y Bioquímica de una universidad en el
2021 es mayor o igual a 18 puntos.
H1: El nivel de conocimientos promedio sobre la eliminación de residuos
solidos de los egresados de Farmacia y Bioquímica de una universidad
en el 2021 es menor a 18 puntos.
Los resultados del programa SPSS para la prueba T de Student arrojan un valor
“sig” (p valor) válido solo para una prueba bilateral. En el caso de pruebas
unilaterales usamos el siguiente cuadro para el cálculo del p valor:

Hipótesis Signo
p - valor
Alternativa estadístico t
≠ (Bilateral) +0- Sig (bilateral) = p valor
> positivo p valor = sig/2
> negativo p valor = 1-sig/2
< positivo p valor = 1-sig/2
< negativo p valor =sig/2

Decisión Estadística
Si p-value < 𝛼→Decisión: Rechazar Hipótesis nula Ho, acepta la H1 ,
Si p-value > 𝛼→ Decisión: No Rechazar Hipótesis nula Ho
𝛼 es fijado generalmente como 0,05
EJEMPLO

En el archivo osteo.sav se dispone de una base de datos

de pacientes que presentan diabetes de tipo I Este conjunto
de pacientes constituye una muestra aleatoria tomada a
partir de los casos registrados de paciente con diabetes de
tipo I en los principales hospitales de Granada capital.
Usando el archivo osteo.sav Probar la hipótesis de que
el peso promedio de los pacientes con diabetes tipo I
es de 65 Kg. Además hacer una estimación puntual, y una
estimación interválica para el peso promedio poblacional
(todo a un nivel de confianza del 95%)
SOLUCION: I. Seleccionamos analizar / comparar
Medias / Prueba T para una muestra…
:
II. En el cuadro de diálogo Ingresamos la variable
: Peso como variable a contrastar, y en valor de
Prueba bilateral prueba digitamos “65” y le damos clic en aceptar.
μ: Peso promedio de los pacientes con diabetes tipo I…
 II. Error típico en este
I. Estimación puntual: Se caso:
estima que la media en la
población es de 63,84Kg
 Ho: El peso promedio de los pacientes con diabetes tipo I esta
alrededor de los 65kg.
III. Prueba de
H1: El peso promedio de los pacientes con diabetes tipo I es
Hipótesis:
diferente de los 65kg.

:
Conclusión: El peso promedio
: de los pacientes con
Sig. =p valor = 0,343 > 0,05 diabetes tipo I esta alrededor de
(no se rechaza H0) los 65kg.
 Para realizar la estimación interválica al 95% de confianza para el peso promedio
poblacional, se repite todo el procedimiento y en valor de prueba se pone “0” (cero)

28

26

Estimación Interválica:
Se estima que la media del peso de los pacientes en la población esta entre 61,422 y
de 66,257 Kg con un nivel de seguridad o confianza del 95%
EJERCICIO

Con respecto al IMC para los datos del archivo osteo.sav, resuelva, comente e
interprete por separado para hombres y mujeres lo siguiente:
a. Construya e interprete un intervalo al 95% de confianza para el BMI (Body
mass índex)
b. Pruebe la hipótesis que el IMC es de 21,75
c. Pruebe la hipótesis

:
:

d. Pruebe la hipótesis :
:

Donde μ es el promedio poblacional del BMI .

 SOLUCION a :
Paso1: crear la variable IMC
Paso 2: Segmentar los datos según Paso 3: Comparar grupos; Grupos
Sexo: Datos/Segmentar archivo basados en: Sexo del paciente. Aceptar.

Paso 4: Se visualiza en la salida del SPSS

Listo, los datos ya están segmentados por sexo.

 SOLUCION a: Paso 5: Seleccionamos analizar/comparar
medias/Prueba T para una muestra
Paso 6: En el
cuadro de diálogo
Ingresamos la
variable imc como
variable a contrastar,
y en valor de prueba
digitamos “0” y le
damos clic en
aceptar.
Listo, los intervalos para el IMC aparecen segmentados por sexo.
Existe una probabilidad del 95% de que el intervalo [22,65 kg; 24,38 kg] contenga el
verdadero peso promedio de los varones con diabetes tipo I. Existe una probabilidad
del 95% de que el intervalo [23,03 kg; 25,56 kg] contenga el verdadero peso
promedio de los mujeres con diabetes tipo I.
SOLUCION b: Paso 1: Paso 2: En el cuadro de diálogo
Prueba de Hipótesis: Seleccionamos Ingresamos la variable IMC como
analizar /comparar variable a contrastar, y en valor
: medias /Prueba T de prueba digitamos “21,75” y le
: para una muestra. damos clic en aceptar.

Como el p
valor es < 0,05
( p valor =
0,000); por
tanto se
rechaza Ho y
se acepta H1,
Tanto en el
caso de
hombres como
de mujeres.
 SOLUCION c: Paso 1: Paso 2: En el cuadro de diálogo
Prueba de Hipótesis: Seleccionamos Ingresamos la variable IMC como
analizar/comparar variable a contrastar, y en valor
: medias/Prueba de prueba digitamos “25” y le
: T para una muestra. damos clic en aceptar.

Hipótesis Alternativa Signo estadístico t P- valué

> positivo p valor = sig/2
Varones: p valor=1-
> negativo p valor = 1-sig/2 0,001/2= 0,9995; Como
el p valor es > 0,05 no
se rechaza Ho en el
caso de hombres.
Mujeres: p valor =1-
0,266/2= 0,867; Como
el p valor es > 0,05 no
se rechaza Ho en el
caso de las mujeres.
Como el signo del t es negativo (t=-3,449; t=-1,126), luego p valor =1-sig/2 .
 SOLUCION c: SPSS V. 28,0 Paso 2: En el cuadro de
diálogo Ingresamos la
Prueba de Hipótesis: Paso 1: Seleccionamos variable IMC como variable a
analizar/comparar contrastar, y en valor
: medias/Prueba T para de prueba digitamos “25” y le
: una muestra. damos clic en aceptar.
Hipótesis Alternativa Signo estadístico t P- valué
> positivo p valor = sig/2
Varones: p valor=1-
> negativo p valor = 1-sig/2 0,001= 0,999; Como el
p valor es > 0,05 no se
rechaza Ho en el caso
de hombres.
Mujeres: p valor =1-
0,133= 0,867; Como el
p valor es > 0,05 no se
rechaza Ho en el caso
de las mujeres.

Como el signo del t es negativo (t=-3,449; t=-1,126), luego p valor =1-sig/2 .

 SOLUCION d: Paso 1: Paso 2: En el cuadro de diálogo
Prueba de Hipótesis: Seleccionamos Ingresamos la variable IMC como
analizar/comparar variable a contrastar, y en valor
: medias/Prueba T de prueba digitamos “18,5” y le
: para una muestra damos clic en aceptar.

Hipótesis Alternativa Signo estadístico t P- valué

< positivo p valor = 1-sig/2 Varones: p=1-
0,000/2= 1,00; Como
< negativo p valor = sig/2 el p valor es > 0,05
no se rechaza Ho en
el caso de hombres
Mujeres: p=1-
0,000/2= 1,00; Como
el p valor es > 0,05
no se rechaza Ho en
el caso de las
mujeres.
Como el signo del t es positivo (t=11,638; t= 9,240), luego p=1-sig/2.
 SOLUCION d: SPSS V. 28,0 Paso 2: En el cuadro de
diálogo Ingresamos la
Prueba de Hipótesis: Paso 1: Seleccionamos variable IMC como variable a
analizar/comparar contrastar, y en valor
: medias/Prueba T para de prueba digitamos “18,5” y
: una muestra le damos clic en aceptar.
Hipótesis Alternativa Signo estadístico t P- valué
< positivo p = 1-sig/2
Varones: p=1-0,001=
< negativo p = sig/2 0,999; Como el p valor
es > 0,05 no se rechaza
Ho en el caso de
hombres.
Mujeres: p=1-0,001=
0,999; Como el p valor
es > 0,05 no se rechaza
Ho en el caso de las
mujeres.
Como el signo del t es positivo (t=11,638; t= 9,240), luego p=1-sig/2.
Prueba de una hipótesis acerca de la diferencia de dos
medias poblacionales

: : :
: : :

En estos casos la formula del estadístico de prueba así como sus

grados de libertad depende de si las varianzas poblacionales de los
grupos son iguales o diferentes
 EJEMPLO

Usando el archivo osteo.sav Probar la sospecha de

que el nivel de calcio promedio es mayor en los
hombres (todo a un nivel de significancia del 5%) en
comparación a las mujeres
 SOLUCION :
Como la sospecha indica que el nivel de calcio promedio es mayor en los
hombres en comparación a las mujeres, entonces se plantean las hipótesis.

:μ
:
Por tanto es una prueba de tipo unilateral hacia la derecha, entonces
usaremos la siguiente equivalencia para calcular el p valor:

Hipótesis Signo
P-value
Alternativa estadístico t
> positivo p valor=sig/2
> negativo p valor =1-sig/2
I.-Seleccionamos analizar / Ii.-En el cuadro de diálogo Ingresamos la
comparación de medias/Prueba variable calcio como variable a contrastar,
para T muestras independientes y en variable de agrupación sexo
III.- Definimos los grupos a comparar, en este caso el contraste es
unilateral (la hipótesis alterna es que la media de el grupo 1 es
mayor que la del el grupo 2)

:μ
:
IV.- Uno de los pasos previos a la comprobación de si existen
diferencias entre las medias de varias muestras, es determinar si las
varianzas en tales muestras son iguales (es decir, si se cumple la
condición de homogeneidad de varianzas u homocedasticidad), ya que
de que se cumpla o no esta condición dependerá la formulación que
empleemos en el contraste de medias
Existen varias pruebas que permiten comprobar la
igualdad de varianzas (F de Fisher, Fmax de Hartley, :σ
prueba de Bartlett, etc) pero aquí aplicaremos
la prueba de Levene que es la que emplea SPSS
:
H0 :Las dos varianzas son iguales
H1 :Las varianzas son diferentes
 Como la Sig. Para la Prueba de Levene sale no significativo
(0,738 > 0,05) entonces no podemos decir que las varianzas
sean diferentes, por tanto asumimos que las varianzas
poblacionales son iguales, es decir, se cumple la condición de
homogeneidad de varianzas o homocedasticidad

H0 :Las dos varianzas son iguales

H1 :Las varianzas son diferentes Prueba de Levene para igualdad
de varianzas
F Sig.
,113 ,738
:σ
:
 u. luego tomamos en cuenta la significancia de la
:μ 1era fila, el cual da un valor sig de 0,002, como el
: valor del t es positivo (3.197) y la prueba es alterna
es > el p valor será 0,002/2=0,001

Signo Finalmente decimos que la prueba es

H1 P-valor significativa y rechazamos la hipótesis
estadístico t
nula, es decir el nivel de calcio en la
> positivo P valor=sig/2 sangre de los pacientes en la población
> negativo P valor=1-sig/2 es mayor para el caso de los Hombres.
EJERCICIO Compare los niveles de fosforo y creatinina de ambos grupos
según sexo ¿Que conclusiones puede inferir a la población?

Solución:

En la muestra de pacientes con diabetes tipo I, se obtuvo en el caso de los 45 hombres que el
valor promedio de fósforo en sangre es de 4,04 mg/dL y en el caso de las mujeres de 3,87 mg/dL
por tanto a nivel de muestra se observa una diferencia de 4,04 – 3,87 = 0,17 mg/dL; de manera
análoga en el caso de la creatinina la diferencia observada es de 1,07- 0,85 = 0,22 mg/d

Para determinar si estas diferencias son significativas a nivel de la población, se procederá a

realizar una prueba de hipótesis bilateral.
◼ En el caso del fosforo: :μ
𝑢1: Valor promedio de fósforo en sangre en pacientes hombres.
𝑢2: Valor promedio de fósforo en sangre en pacientes mujeres :

H0:Las dos varianzas son iguales H1: Las H0: Los dos promedios son iguales. H1: Los
varianzas son diferentes dos promedios son diferentes Sig=0,194=p
Sig=0,873=p valor>0,05 Por tanto no se valor>0,05 Por tanto no se rechaza HO, es
rechaza HO. Las varianzas son iguales decir: Los promedios son iguales.
En el caso de la creatinina: :μ
𝑢1: Valor promedio de creatinina en sangre de pacientes hombres.
𝑢2: Valor promedio de creatinina en sangre de pacientes mujeres
:

H0:Las dos varianzas son iguales H1: Las H0: Los dos promedios son iguales. H1: Los dos
varianzas son diferentes promedios son diferentes Sig=0,001=p valor <
Sig=0,414=p valor > 0,05 Por tanto no se 0,05 Por tanto se rechaza HO, y se acepta H1 es
rechaza HO. Las varianzas son iguales decir:: Los promedios son diferentes.