afirmacin relativa a un parmetro es

verdadera o falsa. Vale decir, probar una

P hiptesis relativa a un parmetro.
R Ejemplo I: Un fabricante de pintura de
U secado rpido afirma que el tiempo de
E secado de la misma es de 20 min. El
B comprador disea el siguiente
A experimento: pinta 36 tableros y decide
S rechazar el producto si el promedio de
D tiempo de secado de los mismos supera
E los 20.75 min. Si por experiencia =2.4
H min, se pregunta cul es la probabilidad
I de rechazar la partida an perteneciendo
P a una poblacin con media de 20 min.

T La probabilidad de que el
E promedio de las muestras exceda 20.75
S min a causa del azar se calcula del
I siguiente modo:
S

En vez de estimar el valor de un

parmetro, a veces se debe decidir si una

x 20.75 20
z
0.4
n
 1.875

con esta abscisa, se calcula la

probabilidad (rea hacia la derecha),
resultando 0.0304. Grficamente:

Este grfico est hecho sobre

valores reales, no normalizados. Para los
clculo se usan estos ltimos cuando se
trabaja con tablas.

Entonces, la probabilidad de
rechazar errneamente la hiptesis =20
min es de aproximadamente 0.03, o bien
3%.

Supngase ahora que la media

real del tiempo de secado es =21 min.
Luego, la probabilidad de obtener una
media muestral menor o igual que
20.75 (y por lo tanto equivocarse en la
aceptacin) est dada por:

lo que lleva a un rea (hacia la

izquierda) de 0.2660. Es decir: la
probabilidad de equivocarse al aceptar
=20 (a pesar de ser =21) es del
26.6%. Grficamente:

Como resumen se da la siguiente
tabla:
HIPTESIS NULA Y
PRUEBA DE
SIGNIFICANCIA
En el ejemplo se formul la
hiptesis H como una Hiptesis
Simple del parmetro ( especificado
por completo) puede hacerse para ms
de un valor de (por ejemplo, < 20
min) esto es una Hiptesis Compuesta.
A menudo se formula una
hiptesis opuesta a lo que se
quiere probar. Por
ejemplo, si se quiere determinar el
sistema de riego de menor costo de dos,
se formula la hiptesis de que los dos
sean igualmente costosos. A esta
hiptesis se la llama Hiptesis Nula y se
denota por Ho.
Reformulemos el ejemplo de la
pintura: Se rechaza la hiptesis = 20
min (y se acepta la alternativa >
20min), si la media de 36 valores
muestrales excede 20.75 min, de lo
contrario nos reservamos la decisin.
Aqu no hay posibilidad de Error
de tipo II (por lo de reservar la decisin).
El criterio anterior puede ser descrito
muy bien como una prueba de si es
significativamente ms grande que =
20 min, donde significativamente ms
grande significa que la discrepancia
entre y = 20 min es tal que
razonablemente puede atribuirse al azar.
A esta clase de pruebas se las conoce
como Pruebas Significativas.
Para la resolucin de problemas
en forma sistemtica se siguen
los preceptos:
1 Se formula una Hiptesis Nula
simple y una Hiptesis Alterna
apropiada que se acepta cuando la
Hiptesis Nula debe ser rechazada.
En el ejemplo de la pintura, la
hiptesis nula es = 20 min y
la alternativa >
20 min. Esta clase de alternativa se
llama Unilateral. Un caso de prueba
alternativa
Bilateral sera el de un fraccionador de
caf que desea verificar si en cada frasco
de 100 gr hay en realidad 100 gr. La
alternativa bilateral es . Al
fraccionador no le conviene menos de
100 gr porque puede perder mercado ni
ms de 100 gr por la prdida econmica.
 3 Con base en la distribucin
muestral de un estadstico apropiado,
se construye un criterio para probar la
Hiptesis Nula contra la alternativa
Ejemplo: Un fabricante de utensilios determinada.
est considerando la conveniencia de
adquirir una nueva mquina para grabar 4 Se calcula, a partir de los datos,
las piezas de lmina metlica. Si o es el el valor del estadstico sobre el cual
nmero promedio de piezas de buena se basa la decisin.
calidad grabadas por hora en su mquina
actual y si es el promedio 5 - Se decide rechazar la Hiptesis
correspondiente a la nueva mquina, el Nula, aceptarla o abstenerse de tomar
fabricante quiere probar la hiptesis nula una decisin.
o contra una alternativa adecuada.
Cul sera la hiptesis si: H
a) No quiere comprar una nueva I
mquina a menos que sea ms P
productiva que aquella con la que
trabaja actualmente. T
b) Quiere comprar la mquina E
nueva (la cual ofrece algunas
S
otras caractersticas atractivas) a
menos que sea menos productiva I
que la que tiene actualmente? S
R
Solucin: a) Hiptesis alterna o E
(unilateral, cola derecha) y adquirir L
slo si la hiptesis nula puede ser A
T
rechazada. b) hiptesis alterna o
I
(unilateral, cola izquierda) y adquirir a
V
menos que la hiptesis nula pueda ser
A
rechazada.
A
U
2 - Se especifica la probabilidad de un
N
Error de Tipo I si es posible,
A
conveniente o necesario, se puede
M
especificar tambin las probabilidades
E
de Errores Tipo II, para alternativas
D
particulares.
I
A
La probabilidad de un Error Tipo
I se denomina Nivel de Significacin y
Ejemplo I: La duracin media de una
se fija comunmente en =0.05 =0.01. muestra de 100 tubos fluorescentes
No conviene muy chico porque se producidos por una compaa resulta ser
hace muy grande. de 1570 horas, con una desviacin
tpica de 120 horas. Si
 es la duracin media de todos los tubos n
producidos por la compaa, comprobar i
la hiptesis = 1600 contra la f
hiptesis alternativa horas i
con un nivel de significacin de 0.05. c
a
1 n
c
i
H a
i :
p
=
t 0
e .
s 0
i 5
s .
N 3- Para trabajar
u con tablas
l normalizadas, se
a usa z en lugar de :

= x
z
1
6 n
0
0
h
r
.
Hiptesis Alternativa <> 1600
hr. (bilateral)
2
-

N
i
v
e
l
d
e
s
i
g
 Por otro lado, ser tal que
el rea bajo la normal a su derecha sea
/2 y ser tal que el rea bajo
la normal a su izquierda sea /2. Estos
dos valores definen las zonas de
aceptacin y rechazo de la Hiptesis
Nula. Segn donde caiga el valor de z
calculado por la expresin anterior, se
producir la aceptacin o rechazo.
4 Clculos:
1570 1600
z
120
100
 2.5
o
5- Dado que 2.5 < -z0.025 se Rechaza la b
Hiptesis Nula, luego la duracin media r
de los tubos es significativamente menor e
que 1600 horas. Como se puede apreciar u
en el siguiente grfico, la media muestral n
cae fuera de la zona de aceptacin: a
m
e
d
i
a
:

En general, el siguiente cuadro

resume las distintas pruebas de
hiptesis nulas
Ejemplo II: Una empresa de transportes

desconfa de la afirmacin de que la vida

=
til promedio de ciertos neumticos es al

menos de 28000. Para verificar se

colocan 40 neumticos en camiones y se
o obtiene una vida til promedio de 27463
q con una s=1348.
u Qu se puede concluir con ese dato si
e la probabilidad de Error Tipo I es a lo
s sumo
e 0
p .
u 0
e 1
d ?
e .
n
r
e
a
l
i
z
a
r
s
 3- Para trabajar con tablas
normalizadas:
1 Hiptesis Nula < 28000
x
Hiptesis Alternativa > 28000 z
s
(unilateral)
2- Nivel de significancia: = 0.01. n
adems: z = 2.33
4 Clculos:
27463 28000
z
1348
40
 2.52
5- Dado que 2.52 < -z0.01 se Rechaza i
la Hiptesis Nula, luego la vida til de s
los neumticos es significativamente N
menor que 28000. Como se puede u
apreciar en el siguiente grfico, la media l
muestral cae fuera de la zona de a
aceptacin:
=
1
1
2
0
h
s
.
Hiptesis Alternativa < 1120
hs. (unilateral)
2
Si el tamao de la muestra es -
pequeo , se desconoce y proviene
de una poblacin normal, se debe N
utilizar el estadstico t-Student con =n- i
1 grados de libertad. Ejemplo III: La v
duracin media de las bombillas e
producidas por una compaa han sido l
en el pasado de 1120 horas con una d
desviacin tpica de 125 horas. Una e
muestra de 8 bombillas de la s
produccin actual dio una duracin i
media de 1070 horas. Ensayar la g
hiptesis =1120 horas contra la n
hiptesis alternativa <1120 horas i
mediante un nivel de significancia de f
=0.05. i
c
1 a
n
c
H i
i a
p :

t =
e 0
s
.
0
5
.
4
-
P
a
r
a
t
r
a
b
a
j
a
r
c
o
n
t
a
b
l
a
s
n
o
r
m
a
l
i
z
a
d
a
s
:

x
t
s
n
con = n-1=8-1=7 grados de libertad.
Adems: t = -1.895 (=7).

4 Clculos:
 1070 1120 t
125 1.131
8

5- Dado que 1.131 > -t0.05 se Acepta

la Hiptesis Nula, luego la vida til de
los neumticos es significativamente
igual a 1120 horas. Como se puede
apreciar en el siguiente grfico, la media
muestral cae dentro de la zona de
aceptacin:

CU

RVAS

CARACTERSTICA

S DE OPERACIN

ANALISIS PARA

COLA DERECHA

Hasta el momento no se han

atendido a los Errores Tipo II. La
eleccin de =21 min en el tiempo de
secado fue arbitraria. Veremos qu
sucede con otros valores de .
L() ser la probabilidad de
aceptar la Hiptesis Nula ( > o,
cola derecha), an siendo la media
=21, para distintos valores de .
Rescatando el ejemplo de la
pintura, en que o = 20, = 2.4 y n=36
y la lnea divisoria del criterio en =
20.75 min, se verifica:
y as siguiendo. ANALISIS PARA COLA IZQUIERDA
As se puede construir una tabla
como la siguiente

Probabilidad de
Valor de Valor de z Aceptar la Ho
L(
19.50 3.125 0.999
19.75 2.5 0.99
20.00 1.875 0.97
20.25 1.25 0.89
20.50 0.625 0.73
20.75 0 0.50
21.00 -0.625 0.27
21.25 -1.25 0.11
21.50 -1.875 0.03
21.75 -2.5 0.01
22.00 -3.125 0.001

Que grficamente queda:

 o = 20 , = 2.4, n=36, y la lnea
divisoria de criterio en = 19.25, se
Si la hiptesis alterna fuese la verifica:
contraria ( < o, cola
izquierda) con los datos
19.50
para =19.50 z 0.625
19.75

0.4
L 0.73

y as siguiendo.
Esto lleva a la siguiente tabla:

Probabilidad de
Valor de Valor de z Aceptar la Ho
L(
18.50 -1.875 0.03
18.75 -1.25 0.11
19.00 -0.625 0.27
19.25 0 0.5
19.50 0.625 0.73
19.75 1.25 0.89
20.00 1.875 0.97
20.25 2.5 0.99
20.50 3.125 0.999

y al siguiente grfico (punteado), se deja

el anterior para comparacin.
 Se puede apreciar que

los mismos son la imagen del

espejo uno de otro.

ANALISIS PARA DOS

COLAS

Si la hiptesis alterna
fuese <> o, bilateral, o de dos
colas, con los datos o = 20 , = 2.4,
n=36, y las lnea divisorias del criterio
entre = 19.25 min y
= 20.75 min, se verifica:
19.25 19 20.75 19
para =19 z1 0.625 z2
0.4
0.4
 4.375
t
L
e
t
a
b
l
a
:
0
. Probab
Valor de Valor de z Acepta
2
L
7 18.50 1.875 0
18.75 1.25 0
19.00 0.625 0
19.25 0 0
19.50 -0.625 0

e
s
t
o
l
l
e
v
a
a
l
a
s
i
g
u
i
e
n
 19.75 -1.25 0.89
20.00 -1.875 0.97
20.25 -0.625 0.73
20.50 0 0.5
20.75 0.625 0.27
21.00 1.25 0.11
21.25 1.875 0.03
21.50 1.875

y as siguiendo.
Esto lleva a la siguiente tabla:

Probabilidad de
Valor de Valor de z Aceptar la Ho
L(
18.50 -1.875 0.03
18.75 -1.25 0.11
19.00 -0.625 0.27
19.25 0 0.5
19.50 0.625 0.73
19.75 1.25 0.89
20.00 1.875 0.97
20.25 2.5 0.99
20.50 3.125 0.999

y al siguiente grfico (punteado), se deja

el anterior para comparacin.
 Se puede apreciar que los
mismos son la imagen del espejo
uno de otro.

Si la hiptesis alterna fuese <>

o, bilateral, o de dos colas, con
los datos o =
20 , = 2.4, n=36, y las lnea divisorias
del criterio entre = 19.25 min y
= 20.75 min, se verifica:

L
19.25
para =19.00 z 0.625 0.27
19

0.4

s
i
g
u
i
e
n
t
e
t
a
b
l
e a
s :
t
o P
l Valor de Valor de z1 Valor de z2
l
e 18.50 1.875 5.625
v 18.75 1.25 5
a 19.00 0.625 4.375
a 19.25 0 3.75
l 19.50 -0.625 3.125
a 19.75 -1.25 2.5
20.00 -1.875 1.875 0.939
20.25 -2.5 1.25 0.88
 ANALISIS PARA MUESTRAS DE
20.50 -3.125 0.625
MAYOR TAMAO 0.733
20.75 -3.75 0 0.5
21.00 -4.375 -0.625 Volviendo 0.27 al caso testigo de
21.25 -5 -1.25 las pinturas,
0.106 se analizar qu
21.50 -5.625 -1.875 ocurre 0.03con L()
cuando la muestra es ms grande, como
Que grficamente queda: por ejemplo n=50 (antes n=36), con los
datos
o = 20 , = 2.4, y las lnea divisorias
del criterio = 20.75 min, se verifica:

19.25 19 20.75 19
para =19 z1 0.625 z2
0.4 0.4
 4.375
L 0.27

y as siguiendo.
Esto lleva a la siguiente tabla:

Probabilidad de
Valor de Valor de z Aceptar la Ho
L(
19.50 3.683 1
19.75 2.946 0.998
20.00 2.21 0.986
20.25 1.473 0.93
20.50 0.737 0.769
20.75 0 0.50
21.00 -0.737 0.231
21.25 -1.473 0.07
21.50 -2.21 0.014
21.75 -2.946 0.0016
22.00 -3.683 0

Que grficamente queda:

 Se pretende graficar el error
tipo II en su forma ms general para
un nivel de significacin = 0.05 y
prueba de cola derecha:

ALGORITMO PARA EL TRAZADO

DE LAS CURVAS DE OPERACIN

del esquema se ve que:

x 0 x
z

z
n
n
Restando miembro a miembro,
y siendo z = 1.65 (abscisa que deja a
la derecha un rea =0.05), queda:
0
1.65 z n

Llamando d a una variable dada
por:
0
d

resulta:
z (d) 1.65 d n

Finalmente, el error tipo II es:

 1.65d n
1
2
(d n) 0.5
2
0

exp 0.5x dx

=
El siguiente segmento de 1
programa en Matlab permite ;
trazar las curvas de for d=0:0.1:3
M1(i)=0.5+quadl(F,0,1.65-
operacin para tres tamaos muestrales: d*sqrt(n));i=i+1;
1, 5 y 10: end
%
function curvas_ope G
e
% Esta funcion permite trazar las curvas n
de operacion para e
% un nivel de significacion de 0.05 en r
pruebas de una cola a
% para distintos valores de tamao c
muestral. i
o
% Expresion de la funcion densidad n
d
normal
e
F=inline('1/sqrt(2*pi)*exp(-0.5*x.^2)');
l
a
% c
G u
e r
n v
e a
r p
a a
c r
i a
o n
n =
d 5
e n
l =
a 5
c ;
u i
r =
v 1
;
a
for d=0:0.1:3
p
M2(i)=0.5+quadl(F,0,1.65-
a
d*sqrt(n));i=i+1;
r
end
a
%
n
G
= e
1 n
n e
= r
1 a
; c
i i
o r
n '
d ,
e i
l ,
a M
c 2
u ,
r '
v b
a
'
p
,
a
r i
a ,
n M
= 3
1 ,
0 '
n k
= '
1 )
0
; y mediante la ejecucin del comando:
i
=
1 >> curvas_ope
;
for d=0:0.1:3 permite obtener el siguiente grfico,
M3(i)=0.5+quadl(F,0,1.65-
d*sqrt(n));i=i+1; siendo la lnea superior la
e correspondiente a n=1, la central n=5 y
n la inferior n=10.
d
a
=
i
-
1
;
i
=
1
:
a
;
p
l
o
t
(
i
,
M
1
,
'
 de los anteriores, con lo cual (para
generalizar) se usa como abscisa el valor
absoluto de d, sirviendo entonces el
juego de curvas para ambas pruebas.
Para pruebas de dos colas:

Se puede verificar que el error

tipo II, en este caso, sigue la
siguiente funcin
(considerando como siempre =0.05 y
Para pruebas de cola izquierda, por lo tanto /2=0.025, con z=1.96):
los grficos son la "imagen del espejo"
1.96d n 1.96d n
1
2 2
( d n)
2

0

exp 0.5 x dx 1
2
0

exp 0.5 x dx
En la literatura, se han hecho
grficos para calcular mediante ellos el
error tipo II para distintos valores de d,
usando el tamao muestral (n) como
parmetro y con valores de nivel de
significancia de 0.01 y 0.05, para
muestras de una cola y de dos colas.
El siguiente segmento de
programa en Matlab permite el mismo
clculo que el que se hara con los
grficos.
 % alfa, 0.05 o 0.01, nivel de
significacion
f % mu0, real, media de la
u hipotesis nula
n % mu, real, media para la que se
c quiere calcular
t % el Error tipo II
i % sigma, real, desviacion
o estandar
n % n, entero, tamao de la muestra
b % Salida: beta, real, Error tipo II
e correspondiente.
t
a % Expresion de la funcion densidad
= normal
e F=inline('1/sqrt(2*pi)*exp(-0.5*x.^2)');
r %
r C
o a
r l
_ c
I u
I l
( o
c d
o e
l d
a d
, =
a a
l b
f s
a (
, m
m u
u -
0 m
, u
m 0
u )
, /
s s
i i
g g
m m
a a
, ;
n % Calculo del Error tipo II
) if cola==1,
if alfa==0.05,z_alfa=1.645;
% Esta funcion permite calcular el Error b
de Tipo II para un e
% un nivel de significacion dado, en t
prueba de una o dos colas. a
% Entradas: cola, 1 (una cola) 2 (2 =
colas) 0
 . -
5 d
+ *
q s
u q
a r
d t
l (
( n
F )
)
,
e
0
n
,
d
z
e
_
n
a
d
l
if cola==2,
f
if alfa==0.05,z_alfa=1.96;
a
beta=quadl(F,0,z_alfa-d*sqrt(n))-
-
quadl(F,0,-z_alfa-d*sqrt(n))
d
end
*
if alfa==0.01,z_alfa=2.576;
s
beta=quadl(F,0,z_alfa-d*sqrt(n))-
q
quadl(F,0,-z_alfa-d*sqrt(n))
r
e
t
n
(
d
n
e
)
n
)
d
end
if alfa==0.01,z_alfa=2.326;
b Ejemplo: Suponer que se desea
e investigar la afirmacin de que la
t intensidad de sonido de ciertas
a
= aspiradoras es una variable aleatorias
0 que tiene una distribucin normal con
. una media de 75.2 db, con una
5 desviacin estndar de 3.6 db.
+
q Especficamente, se quiere probar la
u hiptesis nula =75.2 contra la
a hiptesis alternativa > 75.2 en base a
d
l la medicin de la intensidad del sonido
( ce n=15 de tales mquinas. Si la
F probabilidad de cometer un error tipo I
, es = 0.05 Cul es la probabilidad de
0
, cometer un error tipo II para = 77.db?.
z
_ De acuerdo a lo anterior, con los
a
l
datos del problema, se ejecuta:
f
a
 >>
error_ii(1,0.05,75.2,77,3.6,15)

donde el primer argumento indica que es

una prueba de una cola (1), el segundo
es (0.05), el tercero (75.2), el
cuarto (75.2), el quinto (3.6) y el
sexto el tamao muestral, n (15).
Resultando:

beta =
0.3873
 entre las media muestrales y
si ambas provienen de poblaciones
Esto se puede visualizar normales, se define el estadstico:
entrando en el grfico de Curvas
Caractersticas de Operacin
correspondiente a prueba de una cola
con =0.05 y entrando con la abscisa
d=0.5:
donde es la desviacin
estndar de la distribucin muestral de
la diferencia entre las medias
muestrales.
Si las distribuciones de dos
variables aleatorias
independientes tienen las medias
1 y 2 y las varianzas 12 y 22,
entonces la distribucin de su suma (o
diferencia) tiene la media 1 + 2 (o 1 -
2) y la varianza 12 + 22.
Se sabe que:
HIPTESIS
RELATIVA A
DOS MEDIAS e
s
Considrese el caso de la d
discusin acerca de dos mtodos de e
soldadura de rieles ferroviarios, se c
toman muestras y se decide cul de ellos i
es el mejor comparando las medias de r
sus resistencias en pruebas mecnicas. :
Se consideran dos poblaciones
con medias 1 y 2 y varianzas 12 y
22. Se quiere probar la hiptesis nula
1-2= , siendo una constante, que l
se determina en u
base a e
muestras g
aleatorias o
independient :
es de
tamaos n1 y
n2.
Como siempre, se harn pruebas
de la hiptesis nula contra las
alternas
1-2<> , 1-2< o 1-2> .La
prueba depender de las diferencias
 aleaciones produjeron = 0.083 ohms
y
s2 = 0.005 ohms. Se apoya la
afirmacin con un nivel de
significacin de 0.05?

1
este estadstico es an vlido para
muestras grandes (n1 y n2 mayores
que 30) H
sustituyendo 1 y 2 por s1 y s2. i
Las regiones crticas para probar p
la hiptesis nula 1-2= son
para poblaciones t
normales con 1 y 2 conocidas o e
grandes muestras. s
i
Hiptesis sSe rechaza la Hiptesis
Alterna N Nula si:
1-2 < u z < -z
1-2 > l z > z
1-2<> a z < -z
z > z
1

Si bien puede ser
cualquier valor,
generalmente se hace 0
(hiptesis nula
2
=
1
- 0
.

2 0
= 5
0 0
) Hiptesis Alternativa 12 >
. 0.050 (unilateral)
Ejemplo I: Para probar la afirmacin 2
de que la resistencia de un conductor -
elctrico
puede reducirse en ms de 0.050 ohms N
mediante aleaciones, 32 valores i
obtenidos de alambre ordinario v
produjeron = 0.136 ohms y s1 = e
0.004 ohms y 32 valores obtenidos l
con alambre fabricado en base a d
e
s a
i b
g l
n a
i s
f n
o
i
r
c m
a a
n l
c i
i z
a a
: d
a
= s
0 :
.
0
5
.
z
4
=
1 C
.
6 l
5 c
5 u
- l
o
P s
a :
r
a
t
r
a
b
a
j 5- Dado que 2.65 > z0.05 se Rechaza
a la Hiptesis Nula, por lo tanto se
r acepta la Hiptesis Alternativa, esto es
c se refrenda la afirmacin 12 >
o 0.050. Vale decir, la aleacin reduce
n significativamente en ms de 0.050
t ohms la resistencia del conductor
Ejemplo II: La estatura media de 50
estudiantes de un colegio que tomaban
parte en las pruebas atlticas fue de 1.70
mts con desviacin estndar de 0.0625
mts, mientras que
50 estudiantes que no mostraban inters
en tal participacin tenan una estatura
media
 5
.
de 1.687 mts con desviacin estndar de
z
0.07 mts. Ensayar la hiptesis de que los
estudiantes que participan en pruebas

atlticas son ms altos que los otros, con =

un nivel de significancia de 0.05. 1
.
1 Hiptesis Nula 12 6
= 0, no hay diferencia entre las 5
estaturas medias 6
Hiptesis Alternativa 12 > -
0 (unilateral), la estatura media
del primer grupo es P
significativamente mayor que la a
del segundo. r
2 a
- t
r
a
N b
i a
v j
e a
l r
c
d
o
e n
s t
i a
g b
n l
i a
s
f n
i o
c r
a m
n a
c l
i
i
z
a a
: d
a
= s
0 :
. 7
-
0
 C

l
c
u
l
o
4 s
:
1.70 1.687 z
0.98
2
0.0625 0

50 .
0
0
7
2

5
0

5- Dado que 0.98 < z0.05 se Acepta la

Hiptesis Nula 12 = 0. Vale decir,
los estudiantes que participan en pruebas 1
atlticas no son significativamente ms
altos que los otros 2

Si se deben correr riesgos de

Error Tipo II, en los cuales las
probabilidades dependen de las

diferencias alternas reales 12 , se
pueden usar las curvas caracterstica de 2
operacin con :

2


Ejemplo III: Con respecto al ejemplo
anterior Cul es la probabilidad de
d
cometer un
Error Tipo II para =0.02 mts.?
0 0.02 d
2 2 0.213
(0.0625) (0.07)
funcin error_II de Matlab definida
dado que = 0.05 y n = 50, previamente:
trabajando con la tabla
correspondiente o ejecutando la
 >>
mu0=0;mu=0.02;sigma=sqrt(0.0625^2
+0.07^2);n=50;error_II(1,0.05,mu0,mu
,sigma,n)

se obtiene:
 Si n1 es distinto de n2 , el
valor de n que se debe utilizar (el
ans = grfico o el algoritmo) se calcula
0.5549 como:

Luego el valor del Error tipo II

para este caso es =0.5549.
12 22
n
12

n1
2

2

n
2
Cuando n1 , n2 o ambos son
pequeos y se desconocen las varianzas
de las poblaciones, se puede
fundamentar la hiptesis nula 1-2 =
en un estadstico adecuado t, con tal
de suponer a ambas poblaciones
normales con 1= 2 (=). En estas
condiciones:
con 2 estimado por ponderacin de
las sumas de los cuadrados con
respecto a las media muestrales:
n1 n2

2
x1 x1i



x2i
x2
2

2 i 1 i 1 n1 1 s12 n2 1 s2 2

n1 n2 2

n1 n2 2

haciendo las sustituciones
correspondientes, se llega a la llamada
prueba t bimuestral:

t
x1 x2 n1 n2 n1 n2
2
n1 1 s1 2 n2 1 s2 2 n1

n2
Puede decirse que hay un incremento
c significativo en la produccin de trigo
o por el
n emple
o del
= fertiliz
n ante al
1 nivel
+ de
n signifi
2 cacin
- del
2 5%?
.

Ejemplo: En una estacin agrcola se

deseaba ensayar el efecto de un
determinado fertilizante sobre la
produccin de trigo. Para ello se
eligieron 24 parcelas de terreno de igual
superficie; la mitad de ellas fueron
tratadas con el fertilizante y la otra mitad
no (grupo control). Todas las dems
condiciones fueron las mismas. La
media de trigo conseguida fue de 0.264
m3 con una desviacin estndar de 0.02
m3, mientras que la media en las
parcelas tratadas fue de 0.28 m3 con una
desviacin estndar de 0.022 m3.
 significativamente la
produccin.
1 Hiptesis Nula 12 = 0, la 2- Nivel de significancia: =0.05.
diferencia se debe al azar t = 1.717 con =22 grados de libertad.
Hiptesis Alternativa 3- Para trabajar con tablas
12 (unilateral), el normalizadas:
fertilizante incrementa

t
x1 x2 n1 n2 n1 n2

2
n1 1 s1 2 n2 1 s2 2 n1

n2
4 Clculos:
[(0.28 0.264) 0] 1212(12 12 2)
t 1.849
2 2 12 12
(12 1) 0.022 (12 1) (0.02)

utilizar el nivel de significacin de 0.05

5- Dado que 1.849 > t0.05 (t = 1.717) para probar si el sistema de seguridad es
se Rechaza la Hiptesis Nula 12 = eficaz.
0. Vale decir, hay un incremento
significativo en la produccin de trigo 1 Hiptesis Nula = 0, la media
por el empleo del fertilizante. de la poblacin de diferencia es nula
Hiptesis Alternativa
Al aplicar la prueba t-bimuestral (unilateral), el
se deben vigilar que las muestras sean sistema de seguridad es
independientes. Por ejemplo, no puede eficaz
utilizarse cuando se trabaja con datos de 2- Nivel de significancia: =0.05.
antes y despus, para ese caso se t = 1.833 con =10-1=9 grados de
utiliza la diferencia de los datos
libed.
apareados (con su signo). 3- Para trabajar con tablas
normalizadas:
Ejemplo: Los siguientes datos son las
horas-hombre que se pierden
semanalmente en promedio por x
t
accidentes en 10 plantas industriales s
antes y despus de implantar un cierto n
programa de seguridad:
4 Clculos: Se calcula primero la
45 y 36 73 y 60 46 y 44 media
124 yy119
la desviacin
33 y 35estndar de la
57 y 51 83 y 77 34 y 29 muestra
26 y 24de diferencias:
17 y 11

9 13 2 5 2 6 6
526x 5.2
1
0
9 13 2 5
2 6 6 5 2
6 105.2 2 2 2 2 2 2 2 2 2 2
s
9
2 4.077

5.2 0 t
4.077 4.033
10

5- Dado que 4.033 > t0.05 (t = 1.833)

se Rechaza la Hiptesis Nula = 0.
Vale decir, el sistema de seguridad es
eficaz.
Esta prueba t se conoce como Pruebat
paraMuestrasApareadas.