4. 1.

Queremos decidir si podemos aceptar que la du-

75
ración media de las bombillas es de µ = 800 ho- = ⋅ 0, 25
ras, luego escogemos las siguientes hipótesis: 74

H0: µ = 800
Por tanto,
13 Contraste de hipótesis H1: µ ≠ 800
_


75 
⋅ 0, 25 
2. Tomamos la media muestral, X, como estadístico 74  = N (7, 72, 0, 291)
X , N  7, 72,
de contraste. Como suponemos
_ cierta H0, la dis-  75 
 
tribución de muestreo de X es:

1. DECISIONES ESTADÍSTICAS El error que puede tener peores consecuencias es  σ   50  3. Hallamos la región crítica tipificada de nivel de sig-
el de servir el alimento estando éste en mal estado,
X ∼ N  µ,  = N  800,  = nificación α = 0,05:
 n  1000 
1. a) Porque no se realiza el estudio calculando las es- pues puede provocar la intoxicación de los clien- • Como el test es unilateral por la derecha, la re-
taturas medias poblacionales de los alumnos de Ba- tes. Como éste es el error de tipo II, las hipótesis = N (800, 1,581) gión crítica tipificada es:
chillerato de cada ciudad, sino las estaturas medias han sido planteadas incorrectamente (al revés).
muestrales de sendas muestras. 3. Hallamos la region crítica tipificada de nivel de sig- R tc = (zα , + ∞)
nificación α = 0,1: • El valor crítico unilateral de nivel de significación
b) Aceptar H0 significa considerar que la diferencia 2. TESTS DE HIPÓTESIS α = 0,05 es zα = 1,65.
que haya entre las medias muestrales no es signi- • Como el test es bilateral, la región crítica tipifi-
ficativa, sino debida a la elección de las muestras, cada es:
3. Calculamos las tres regiones críticas tipificadas asocia- Por tanto, la región crítica tipificada es:
con lo que tomamos como válida la suposición de
das a cada uno de los valores críticos de la tabla: R tc =  − ∞, z α  ø  z α , + ∞ 
que los alumnos de Bachillerato de ambas ciuda-    
2 2 R tc = (1, 65, + ∞)
des tienen la misma estatura media. Rechazarla _
es justo lo contrario: considerar que la diferencia • α = 0,1: • El valor crítico de nivel de significación α = 0,1 4. La media muestral observada es X (M) = 7,75, y si
entre las medias muestrales es lo suficientemente es z α = 1, 65 . la tipificamos:
Test 1: R tc = (− ∞, −1, 65) ø(1, 65, + ∞)
grande como para tomar como válida la suposición 2 7, 75 − 7, 72
de que los alumnos de Bachillerato de ambas ciu- Test 2: R tc = (1, 28, + ∞) Z (M) = z = = 0, 103
Por tanto, la region crítica tipificada es: 0, 291
dades tienen diferente estatura media. Test 3: R tc = (− ∞, −1, 28)
Cualquier afirmación que suponga rechazar que R tc = (− ∞, −1, 65)ø (1, 65, + ∞) Como 0, 103 ∉ R tc , aceptamos H0.
las dos medias pueden ser iguales es una hipóte- _
• α = 0,05: 4. La media muestral observada es X (M) = 798, que
sis alternativa. Se sugieren los siguientes tres ejem- Por tanto, es aceptable, con un nivel de significación
Test 1: R tc = (− ∞, −1, 96)ø(1, 96, + ∞) tipificada es:
plos: α = 0,05, que la paga semanal de los alumnos de ese
Test 2: R tc = (1, 65, + ∞) 798 − 800 centro no sobrepasa los 7,72 €.
H1: µ1 ≠ µ2 Z (M) = z = = −0, 04
Test 3: R tc = (− ∞, −1, 65) 50
H1: µ1 > µ2
t 6. 1. Queremos decidir si se puede aceptar la hipótesis
Como −0, 04 ∉ R c , aceptamos H0. de que el cociente intelectual medio de los alum-
H1: µ1 5 µ2 1 2
• α = 0,04: nos es µ ≥ 125. Planteamos, pues, el test:
Test 1: R tc = (− ∞, −2, 05)ø(2, 05, + ∞) Por tanto, es aceptable, con un nivel de significación
2. El error de tipo I, que debe ser el de peores conse- de 0,1, que la duración media de las bombillas de esa H0: µ ≥ 125
cuencias, corresponde a rechazar H0 siendo ésta ver- Test 2: R tc = (1, 75, + ∞) marca es de 800 horas. H1: µ < 125
dadera, y el error de tipo II, a aceptar H0 siendo ésta Test 3: R tc = (− ∞, −1, 75)
falsa. 5. 1. Queremos contrastar si la paga media semanal es 2. Tomamos_como estadístico de contraste la media
menor o igual que 7,72 €, µ ≤ 7,72 €, frente a la muestral, X. Consideramos µ igual al valor extre-
a) El error de tipo I consiste en suponer que el esta- • α = 0,03: mo, así la distribución de la media es:
hipótesis contraria, por lo que planteamos el si-
do del herido no es grave (rechazar H0) siendo en Test 1: R tc = (− ∞, −2, 17)ø(2, 17, + ∞) guiente test:
realidad grave.  σ   15 
Test 2: R tc = (1, 88, + ∞) X , N  µ,  =
H0: µ ≤ 7,72   = N  125,
n 50 
El error de tipo II consiste en suponer que el es-
tado del herido es grave (aceptar H0) no siéndolo Test 3: R tc = (− ∞, −1, 88) = N (125, 2,121)
H1: µ > 7,72
en realidad.
_
El error que puede tener peores consecuencias es • α = 0,02: 2. Tomamos como estadístico de contraste X . Consi- 3. Determinamos la región crítica tipificada de nivel
suponer que el herido no está grave estándolo en deramos_ µ igual al valor extremo, así la distribu- de significación α = 0,01:
Test 1: R tc = (− ∞, −2, 33)ø(2, 33, + ∞)
realidad, pues entonces no tomaríamos medidas ción de X es: • Como el test es unilateral por la izquierda, la re-
y podría fallecer. Como éste es el error de tipo I, Test 2: R tc = (2, 05, + ∞)
 σ   σ  gión crítica tipificada es:
las hipótesis han sido correctamente planteadas. Test 3: R tc = (− ∞, −2, 05)
X , N  µ, 
  = N  7, 72,
n 75 
R tc = (− ∞, − zα )
b) El error de tipo I consiste en suponer que el ali- No conocemos la desviación típica poblacional s,
mento no se puede servir (rechazar H0) estando • α = 0,01: • El valor crítico unilateral de nivel de significación
pero sí la muestral sn, luego como n = 75 ≥ 30 po-
realmente éste en condiciones de ser servido. α = 0,01 es zα = 2,33.
Test 1: R tc = (− ∞, −2, 58)ø(2, 58, + ∞) demos considerar la aproximación:
El error de tipo II consiste en suponer que el ali- Test 2: R tc = (2, 33, + ∞) Por tanto la región crítica tipificada es:
mento se puede servir (aceptar H0) no pudiéndo- n 75
σ < σˆ n = ⋅σ = ⋅ 0, 25 =

13. Contraste de hipótesis

13. Contraste de hipótesis

se servir. Test 3: R tc = (− ∞, −2, 33) n−1 n 75 − 1 R tc = (− ∞, −2, 33)

208 209
 4. El valor que toma el estadístico de contraste tipifi- Por tanto, si consideramos un nivel de significación 3. Determinamos la región crítica tipificada de nivel • Como el test es bilateral, la región crítica tipifi-
cado en la muestra es: α = 0,05 no podemos aceptar que la moneda no esté de significación α = 0,02: cada es:
trucada, y si consideramos un nivel de significación
X (M) − 125 116 − 125 • Como el test es unilateral por la izquierda, la re- R tc =  − ∞, − z α  ø  z α , + ∞ 
Z (M) = = = −4, 243 α = 0,01, debemos aceptar que la moneda no está tru-    
gión crítica tipificada es: 2 2
2, 121 2, 121 cada.
R tc = (− ∞, − zα ) • El valor crítico bilateral de nivel de significación
Como −4, 243 ∈ R tc , rechazamos H0. 8. 1. Queremos ver si se puede aceptar la afirmación α = 0,01 es:
• El valor crítico unilateral de nivel de significación z α = 2, 58
del profesor o no, luego planteamos el siguiente
Por tanto, no es aceptable, con un nivel de significa- α = 0,02 es: 2
test:
ción α = 0,01, que el cociente intelectual promedio de H0: p ≤ 0,2 zα = 2,05
los alumnos sea mayor o igual que 125. Por tanto, la región crítica tipificada es:
H1: p > 0,2
Por tanto, la región crítica tipificada es: R tc = (− ∞, −2, 58)ø(2, 58, + ∞)
7. 1. Queremos decidir si la moneda no está trucada, es 2. Tomamos como estadístico de contraste la pro-
R tc = (− ∞, −2, 05) 4. El valor estadístico de contraste tipificado sobre las
decir, si la probabilidad de que salga cara es la mis- porción muestral, P̂. Tomamos p igual al valor ex- muestras es:
ma de que salga cruz, 0,5, o lo que es lo mismo, tremo, así la distribución de la proporción es:
que la proporción de caras en una serie de infini- 4. El valor del estadístico de contraste tipificado ob- X A (M A ) − X B (MB ) − 0
tos lanzamientos es p = 0,5. Planteamos, pues, las  p (1 − p)  servado en la muestra es: Z (M) = =
Pˆ , N  p,  = 3, 812
hipótesis:  n  125
− 0, 75 170 − 175
H0: p = 0,5 Pˆ (M) − 0, 75 = = −1, 312
Z (M) = = 200 = −4, 085 3, 812
H1: p ≠ 0,5  0, 2 ⋅ (1 − 0, 2)  0, 030 6 0, 030 6
= N  0, 2,  = N (0, 2, 0, 056 6) t
 50  Como −1, 312 ∉ R c , aceptamos H0.
2. Tomamos P̂ como estadístico de contraste. Como Como −4, 085 ∈ R tc , rechazamos H0.
suponemos cierta la hipótesis nula, la distribución 3. Determinamos la región crítica tipificada de ni- Así pues, no aceptamos, con nivel de significación 0,01,
de la proporción es: vel de significación α = 0,03: Así pues, con un nivel de significación 0,02 no es acep- que el peso medio varía según el abono.
table la afirmación del político.
 p ⋅ (1 − p)   0, 5  • Puesto que el test es unilateral por la derecha, la
Pˆ , N  p,  = N  0, 5,  = región crítica tipificada es: 11. — Respuesta a la primera pregunta:
 n   1000  10. 1. Queremos decidir si el peso medio varía según el
R tc = (zα , + ∞) 1. Queremos ver si se puede aceptar o no que el
abono o no. Así, planteamos el test:
= N (0,5, 0,015 8) tiempo medio empleado por la máquina A es
• El valor crítico unilateral asociado al nivel de sig- mayor o igual que el empleado por la B. Así,
nificación α = 0,03 es zα = 1,88. H0: µA = µB ⇒ H0: µA − µB = 0
planteamos el siguiente test:
3. Determinamos la región crítica tipificada de ni- H1: µA ≠ µB ⇒ H1: µA − µB ≠ 0
vel de significación α: Por tanto, la región crítica tipificada es: H0: µB ≤ µA ⇒ H0: µB − µA ≤ 0

• Como el test es bilateral, la región crítica tipifi- R tc = (1, 88, + ∞) 2. Tomamos como estadístico de_ contraste_ la dife- H1: µB > µA ⇒ H1: µB − µA > 0
cada es: rencia de medias muestrales, XA − XB. Como su-
4. El valor del estadístico de contraste tipificado en 2. Tomamos como estadístico de contraste:
ponemos cierta la hipótesis nula, la distribución de
R tc(α) =  − ∞, − z α  ø  z α , + ∞  la muestra es: _ _
    la diferencia de medias es:
2 2 Pˆ (M) − 0, 2 0, 26 − 0, 2 XB − X A
Z (M) = = = 1, 06  σ 2A σ B2 
• Los valores críticos correspondientes a los nive- 0, 056 6 0, 056 6 X A − X B , N  0, +  No hace falta seguir ya que se cumple que:
les de significación α = 0,05 y α = 0,01 son:
t
 n A nB  _ _
Como 1, 06 ∉ R c , aceptamos H0. XB(MB) − XA(MA) = 180 − 182 = −2 < 0
α = 0, 05 ⇒ z α = 1, 96
∉
2
− Como no conocemos los valores exactos de las
Así pues, si consideramos un nivel de significación de Por lo que se cumple H0 sobre las muestras consi-
α = 0, 01 ⇒ z α = 2, 58 desviaciones típicas poblacionales σA y σB, las apro-
0,03 es aceptable la afirmación del profesor. deradas. Observa que esto implica que hemos de
2
ximamos por las desviaciones típicas muestra-
les corregidas (aproximación válida porque aceptar la hipótesis nula, ya que en este caso la re-
Por tanto, las regiones críticas tipificadas son: 9. 1. Debemos determinar si es aceptable la afirmación nA = 100 ≥ 30 y nB = 150 ≥ 30): gión crítica está contenida en (0, +∞). Así, para cual-
del político o no, luego el test de hipótesis que quier nivel de significación es aceptable que la má-
R tc (0, 05) = (− ∞, −1, 96)ø(1, 96, + ∞) quina A es al menos tan rápida como la B.
tenemos que plantear es: nA 100
σ A < σˆ n =A
⋅σ = A
⋅ 25
R tc (0, 01) = (− ∞, −2, 58)ø(2, 58, + ∞)
H0: p ≥ 0,75 nA − 1 n 99
— Respuesta a la segunda pregunta.
4. El valor del estadístico de contraste tipificado so- H1: p < 0,75 150
nB 1. Queremos ver si aceptar o no que el tiempo me-
bre la muestra es: σ B < σˆ n =
B
⋅σ = B
⋅ 35
2. Tomamos como estadístico de contraste la pro- nB − 1 n 149 dio empleado por la máquina B es mayor o igual
465 porción muestral, P̂. Consideramos p igual al valor que el empleado por la A. Así, planteamos el
− 0, 5 extremo, así la distribución de la proporción es: test:
Pˆ (M) − 0, 5 1000 Luego:
Z (M) = = 15
= −2, 21
0, 015 8 z 0, 015 8  p (1 − p)  H0: µB ≥ µA ⇒ H0: µB − µA ≥ 0
Pˆ ∼ N  p,  =  H1: µB < µA ⇒ H1: µB − µA < 0
 n  252 352 
Como −2, 215 ∈ R tc(0, 05), rechazamos H0 si X A − X B , N  0, +  = N (0, 3, 812)
 99 149 
α = 0,05.  0, 75 ⋅ (1 − 0, 75)  Tomamos
2. _ _ como estadístico de contraste
= N  0, 75,  = XB − XA. Tomamos µB − µA igual al valor extre-
 200 
Como −2, 215 ∉ R tc(0, 01), aceptamos H0 si 3. Determinamos la región crítica tipificada con nivel mo, así la distribución de la diferencia de me-

13. Contraste de hipótesis

13. Contraste de hipótesis

α = 0,01. = N (0,75, 0,030 6) de significación α = 0,01: dias es:

210 211
 3. El valor crítico bilateral de nivel de significación
 14 2 122   σ   5   22 52 
+ α = 0, 03 es z α = 2, 17 , luego la región crítica ti- X , N  µ0 , +
X B − X A , N  0,  = M (0, 2, 062)   = N  µ 0 ,  = N (µ 0 , 0, 25) = N  λ0 ,  = N (λ 0 , 0, 75)
 80 80  2 n 400   64 50 
pificada es:
Para hallar la región crítica tipificada, buscamos el
3. Determinamos la región crítica tipificada de ni- Para hallar la región crítica tipificada, buscamos el
R tc = (− ∞, −2, 17)ø(2, 17, + ∞) valor crítico asociado a un test bilateral de nivel de
vel de significación α = 0,02: valor crítico asociado a un test bilateral con nivel
significación α = 0,01:
4. El valor del estadístico de contraste tipificado so- de significación α = 0,1:
• La región crítica tipificada es de la forma:
bre la muestra es: z α = 2, 58
2
α = 0, 1 ⇒ z α = 1, 65
R tc = (− ∞, − zα )
X (M ) − X H (M H ) − 0 2
• Buscamos el valor crítico asociado al nivel de Z (M) = M M = La región crítica tipificada es, pues:
8, 258 La región crítica tipificada es, pues:
significación α = 0,02: R tc = (− ∞, −2, 58)ø(2, 58, + ∞)
α = 0,02 ⇒ zα = 2,05 52, 73 − 51, 6 R tc = (− ∞, −1, 65)ø(1, 65, + ∞)
= = 0, 136 8
8, 258 Para aceptar H0, es preciso que Z (M) ∉ R tc , lo que
Por lo tanto: t
equivale a que Z(M) ∈ [−2,58, 2,58]. Puesto que: Para aceptar H0, debe cumplirse que Z (M) ∉ R c ,
t
= (− ∞, −2, 05)
R tc Como 0, 136 8 Ó R c , aceptamos H0. o sea, que Z(M) ∈ [−1,65, 1,65]. Si calculamos
x − µ0 7, 6 − µ 0
_ _ Z (M) = = Z(M):
4. Según el enunciado, XB(MB) = 180 y XA(MA) = Así pues, es aceptable, con nivel de significación del 0, 25 0, 25
= 182, así: 3 %, que no hay diferencia entre las puntuaciones me- se tiene: x1 − x 2 − λ 0 12, 3 − 8, 9 − λ 0
dias obtenidas por hombres y mujeres. Z (M) = = =
180 − 182 0, 75 0, 75
Z (M) ∈ [−2,58, 2,58] ⇔
Z (MB , M A ) = z = = −0, 970 3, 4 − λ 0
2, 062 7, 6 − µ 0 =
13. 1. Como queremos saber si µ ≥ 170 o no, planteamos ⇔ −2, 58 ≤ ≤ 2, 58 ⇔ 0, 75
el siguiente test: 0, 25
Como −0, 970 ∉ R tc , aceptamos H0.
H0: µ ≥ 170 luego imponiendo la condición anterior:
⇔ 6,955 ≤ µ0 ≤ 8,245
Luego aceptamos con nivel de significación del 2 %,
que la máquina B es al menos tan rápida como H1: µ < 170 Z(M) ∈ [−1,65, 1,65] ⇔
Por tanto, aceptaremos que µ = µ0, con nivel de sig-
la A. 3, 4 − λ 0
nificación del 1 %, cuando µ0 ∈ [6,955, 8,245]
2. Escogemos _ como estadístico de contraste la media ⇔ −1, 65 ≤ ≤ 1, 65 ⇔
muestral, X. Tomamos µ igual al valor extremo, así 0, 75
la distribución de la media es: b) Puesto que n = 400 ≥ 30, el intervalo de confianza
RESOLUCIÓN DE EJERCICIOS Y PROBLEMAS ⇔ 2,162 5 ≤ λ0 ≤ 4,637 5
para la media muestral con nivel de significación
 σ   14 
X , N  µ,  = N (170, 2) α es: Por tanto, aceptaremos que µ1 − µ2 = λ0 con
12. 1. Queremos ver si se puede aceptar que las puntua-   = N  170,
n 49 
ciones medias obtenidas por los hombres, µH, y por  σ σ  un nivel de significación del 10 % cuando
las mujeres, µM, son iguales. Planteamos, pues, el x − zα ⋅ , x + zα ⋅  λ0 ∈ [2,162 5, 4,637 5].
3. El valor crítico correspondiente a un test de hipó-  2
n 2
n 
test de hipótesis:
tesis unilateral por la izquierda con nivel de signi- b) Como las dos poblaciones son normales, el inter-
H0: µH = µM ⇒ H0: µM − µH = 0 ficación α = 0,05 es: zα = 1,65. _ valo de confianza para la diferencia de medias con
Conocemos x = 7,6, σ = 5 y n = 400.
nivel de significación α es:
H1: µH ≠ µM ⇒ H1: µM − µH ≠ 0 Por tanto, la región crítica tipificada es:
Como 1 − α = 0,99, el valor crítico es z α = 2, 58. 
R tc = (− ∞, − zα ) = (− ∞, −1, 65) 2
σ12 σ 22
2. Escogemos como estadístico de contraste la dife- I α ( x1 − x 2 ) =  x1 − x 2 − z α ⋅ + ,
_ El intervalo de confianza buscado es, pues:  n1 n2
recia de medias muestrales. Como suponemos cier-  2
4. El valor del estadístico de contraste X tipificado so-
ta la hipótesis nula, la distribución que sigue este bre la muestra es:  5 5 
estadístico es: 7, 6 − 2, 58 ⋅ , 7, 6 + 2, 58 ⋅ = σ12 σ 22 
 400 400  x1 − x 2 − z α ⋅ + 
2
X (M) − 170 x − 170 n1 n2 
 σM σ 2H Z (M) = = 2 
XM − X H , N  µM − µ H , +  2 2 = [6,955, 8,245]
 nM nH  _ _
Conocemos x1 = 12,3, x2 = 8,9, σ1 = 2, σ2 = 5,
x − 170 x − 170 En los dos apartados hemos obtenido el mismo in-
Ahora, ∈ R tc ⇔ < −1, 65 ⇔ n1 = 64 y n2 = 50.
Podemos aproximar las desviaciones típicas po- 2 2 tervalo, señal de que está bien.
blacionales por las desviaciones típicas muestrales _ Como α = 0,10, el valor crítico es z α = 1, 65 .
corregidas, pues nM = nH = 30 ≥ 30: ⇔ x < 166,7. 2
15. a) Planteamos las hipótesis que nos dice el enuncia- El intervalo de confianza buscado es, pues:
Los valores_de la media muestral que indicarán fraude do:
nM 30 son, pues, x < 166,7. 
σ M < σˆ n =M
⋅σ = M
⋅ 29, 757 22 52
nM − 1 n 29 H0: µ1 − µ2 = l0 I0,10 (3, 4) = 12, 3 − 8, 9 − 1, 65 ⋅ + ,
 64 50
14. a) El test de hipótesis que debemos considerar es: H1: µ1 − µ2 ≠ l0
nH 30
σ H < σˆ n =H
⋅σ = H
⋅ 33, 047
nH − 1 n 29 H0: µ = µ0
z Tomamos como estadístico
_ _ de contraste la dife- 22 52 
12, 3 − 8, 9 + 1, 65 ⋅ + =
H1: µ ≠ µ0 rencia de medias, X1 − X2, que puesto que supo- 64 50 

Así: nemos H0 cierta y las dos poblaciones son norma-
 29, 757 2 33, 047 2  les, sigue una distribución: = [2,162 5, 4,637 5]
, N  0, + El estadístico de contraste
_ que consideraremos es
XM − X H  =
 29 29  la media muestral, X. Puesto que suponemos H0  En los dos apartados hemos obtenido el mismo in-
cierta, la distribución de muestreo de dicho esta- σ12 σ 22 
X1 − X 2 , N  µ1 − µ 2 , +  = tervalo, luego probablemente no nos hayamos equi-

13. Contraste de hipótesis

13. Contraste de hipótesis

= N (0, 8,258) dístico se puede aproximar por:  n1 n2  vocado.

212 213
 ACTIVIDADES Error de tipo II: aceptar que es nocivo siendo en
realidad inocuo.
Cuestiones
El error de peores consecuencias es el de tipo I,
16. Ejemplo 1: Decidir si la duración media de una parti- pues al comercializarlo como inocuo no siéndo-
da de pilas es la deseada, por ejemplo lo, se producirían intoxicaciones y muertes de se-
24 h. El test que plantearíamos es:
res humanos.
H0: µ = 24
b) Error de tipo I: rechazar que es inocuo no sien-
H1: µ ≠ 24
do en realidad nocivo.
25. El estadístico de contraste que usamos en_ los tests re- Como 2 ∈ R tc (0, 10) , si el nivel de significación es
lativos a la media es la media muestral, X.
α = 0,10 rechazamos H0.
Este test está basado en la distribución normal si
la población de partida es normal, pues en ese caso Como 2 ∉ R tc (0, 01) , si el nivel de significación es
 σ 
X , N  µ, α = 0,01 aceptamos H0.
  o si el tamaño muestral es n ≥ 30,
n _
en cuyo caso podemos aproximar la distribución de X Así pues, no es aceptable, con un nivel de significación
del 10 %, que µ = 35, pero sí es aceptable, con un ni-
por una normal:
vel de significación del 1 %, dicha hipótesis.

Ejemplo 2: Decidir si la proporción de votantes de un Error de tipo II: aceptar que es inocuo siendo en  σ 
partido político es superior o igual a realidad nocivo. X ∼ N  µ,  27. 1. Queremos decidir si adaptar µ = 1 000 o no, para
 n
un cierto valor, por ejemplo al 40 %. El test lo cual planteamos el test:
El error de peores consecuencias es el de tipo II,
que plantearíamos es: El estadístico de contraste que usamos en los tests re- H0: µ = 1 000
pues se lanzaría al mercado un insecticida tóxico
lativos a la proporción es la proporción muestral, P̂. H1: µ ≠ 1 000
H0: p ≥ 0,4 para los seres humanos, que provocaría intoxica-
ciones. Este test está basado en la distribución normal si el
H1: p < 0,4 2. Tomamos _como estadístico de contraste la media
tamaño muestral es n ≥ 30, pues en este caso podemos
— Como el error de peores consecuencias debe ser el
α aproximar la distribución de la proporción muestral muestral, X.
Ejemplo 3: Decidir si la renta per cápita (ingresos por una normal:
anuales de una persona) media de un de tipo I (pues es el que tenemos controlado Puesto que suponemos cierta
_ H0, podemos apro-
país de la UE es inferior o igual a la de por el nivel de significación que escogemos), el plan-  p ⋅ (1 − p)  ximar la distribución de X por:
teamiento más adecuado es el a). Pˆ , N  p, 
otro país de la UE. El test que plantearía-  n   σ   25 
mos es: X ∼ N  µ,  =
  = N  1000,
n 500 
H0: µ1 ≤ µ2 ⇒ H0: µ1 − µ2 ≤ 0 22. La región de aceptación es el conjunto de valores para Ejercicios y problemas
los que aceptamos H0 si el valor que toma el estadísti- = N (1 000, 1,118)
H1: µ1 > µ2 ⇒ H1: µ1 − µ2 > 0 co de contraste S sobre la muestra M pertenece a di- 26. 1. Queremos decidir si aceptar µ = 35 o no, luego plan-
cho conjunto. teamos el test: 3. Para determinar la región crítica tipificada, halla-
17. Un test de hipótesis es un procedimiento estadístico H0: µ = 35 mos el valor crítico asociado a un test bilateral con
La región crítica es el conjunto de valores para los que
que proporciona un método objetivo para decidir si nivel de significación α = 0, 05: z α = 1,96. La re-
no rechazamos H0 si el valor que toma S sobre M per- H1: µ ≠ 35 2
una hipótesis H0 es aceptable o no a partir de lo que tenece a dicho conjunto. gión crítica tipificada es, pues:
se observa en una muestra de la población a que hace 2. Tomamos _como estadístico de contraste la media
referencia dicha hipótesis. Dado un valor que toma S sobre M, S(M), rechazamos
H0 si, y sólo si, no aceptamos H0. Como hemos dicho muestral, X. R tc = (− ∞, −1, 96)ø(1, 96, + ∞)
Se utiliza para tomar decisiones estadísticas de mane- que rechazamos H0 cuando S(M) ∈ Rc, siendo Rc la re- Puesto que suponemos cierta H0, µ = 35, y como la
ra objetiva. gión crítica, y que aceptamos H0 cuando S(M) ∈ Ra, población sigue una distribución normal, la distri- 4. El valor del estadístico de muestreo tipificado so-
_
α siendo Ra la región de aceptación, podemos formu- bución de X es: bre la muestra es:
lar la equivalencia anterior como sigue: X (M) − 1000
18. Cometeremos un error de tipo I en una decisión es-  σ   20  Z (M) = =
tadística tomada mediante un test de hipótesis si de- S(M) ∈ Rc ⇔ S(M) ∉ Ra ⇔ S(M) ∈ R − Ra
X , N  µ,
  = N  35,  = N (35, 2) 1, 118
n 100 
cidimos rechazar H0 siendo ésta verdadera en realidad. 998 − 1000
Esto significa que Rc = R − Ra, o sea, que las regiones = = −1, 789
Cometeremos un error de tipo II en una decisión es- 3. Para determinar las regiones críticas tipificadas, ha- 1, 118
críticas y de aceptación son complementarias. En par- llamos el valor crítico asociado a un test bilateral
tadística tomada mediante un test de hipótesis si de- t
ticular, su intersección debe ser nula. con nivel de significación α = 0,10 y α = 0,01. Como −1, 789 ∉ R c , aceptamos H0.
cidimos aceptar H0 siendo ésta realmente falsa.
α = 0, 10 ⇒ z α = 1, 65 Así pues, es aceptable, con nivel de significación
23. Un test es unilateral si la región crítica está formada 2 α = 0,05, que µ = 1 000 g = 1 kg es el contenido me-
19. Se escoge un nivel de significación α pequeño (pro- por un único intervalo a un lado y a otro de la región α = 0, 01 ⇒ z α = 2, 58 dio de los botes.
babilidad de cometer un error de tipo I) y se plantea de aceptación. Son tests unilaterales los de la forma: 2
el test de hipótesis con ese nivel de significación tal que
H0: µ ≤ µ0 H0: µ ≥ µ0 28. 1. Queremos decidir si aceptar si el peso medio de las
H0 sea la hipótesis del test de peores consecuencias. Por tanto, las regiones críticas tipificadas corres- naranjas de esa cosecha es µ = 156 o no, para lo cual
Antes de ello, se toma un tamaño muestral lo más gran- H1: µ > µ0 H1: µ < µ0 pondientes a estos niveles de significación son: planteamos el test:
de posible.
Un test es bilateral si la región crítica está formada por α = 0,10 ⇒ H0: µ = 156
dos intervalos, cada uno a un lado de la región de acep- ⇒ R tc (0, 10) = (− ∞, −1, 65)ø(1, 65, + ∞) H1: µ ≠ 156
20. El nivel de significación de un test de hipótesis, α, es tación. Es un test bilateral, uno de la forma:
la probabilidad de cometer un error de tipo I. α = 0,01 ⇒ 2. Escogemos_ como estadístico de contraste la media
H0: µ = µ0 muestral, X. Como consideramos cierta H0, pode-
La potencia de un test de hipótesis, 1 − b, es la pro- ⇒ R tc (0, 01) = (− ∞, −2, 58)ø(2, 58, + ∞) mos aproximar la distribución de muestreo de la
babilidad de no cometer un error de tipo II (de ma- H1: µ ≠ µ0
media por:
nera que b es la probabilidad de cometer un error de
tipo II). 24. a) −1,7 ∉ (−∞ −1,8], que es la región de aceptación, 4. El valor del estadístico de muestreo tipificado ob-  σ   σ 
luego rechazaremos H0. servado en la muestra es: X , N  µ,
  = N  156, 
n n

21. a) Error de tipo I: rechazar que es nocivo siéndolo b) −1,7 ∉ (−1,6, +∞), que es la región crítica, luego X (M) − 35 39 − 35 No conocemos la desviación típica poblacional,
Z (M) = = =2

13. Contraste de hipótesis

13. Contraste de hipótesis

en realidad. aceptamos H0. 2 2 pero como n = 40 ≥ 30, una buena aproximación

214 215
 viene dada por la desviación típica muestral 3. Para determinar la región crítica tipificada, halla- 2. Escogemos_ como estadístico de contraste la media
 p ⋅ (1 − p) 
corregida: mos el valor crítico asociado a un test unilateral con muestral, X. Tomamos como valor del parámetro, Pˆ , N  p,  =
nivel de significación α = 0,03: zα = 1,88. el valor extremo que hace cierta H0, o sea µ = 30,  n 
n así la distribución de muestreo de las medias se
σ < σˆ n = ⋅σ La región crítica tipificada es, pues:
n−1 n puede aproximar por:  0, 6 ⋅ 0, 4 
R tc = (1, 88, + ∞)
 σ   σ  = N  0, 6, = N (0, 6, 0, 056 6)
Por tanto: X , N  µ,  75 
  = N  30, 
4. El valor del estadístico de muestreo tipificado so- n n
 σn   6, 863  3. Para determinar la región crítica tipificada, halla-
X , N  µ,  = bre la muestra es:
  = N  156,
n − 1 39  A su vez, puesto que n = 32 ≥ 30, la desviación típi- mos el valor crítico asociado a un test bilateral de
= N (156, 1,099) X (M) − 9, 5 10 − 9, 5 ca muestral corregida proporciona una buena apro- nivel de significación α = 0, 05: z α = 1,96.
Z (M) = = = 4, 950
0, 101 0, 101 ximación de la desviación típica poblacional: 2
3. Para determinar la región crítica tipificada, halla- La región crítica tipificada es, pues:
mos el valor crítico asociado a un test bilateral con Como 4, 950 ∈ R tc , rechazamos H0. n R tc = (− ∞, −1, 96)ø(1, 96, + ∞)
nivel de significación α = 0,02: σ < σˆ n = ⋅σ
n−1 n
z α = 2, 33 Así pues, no es aceptable, con un nivel de significación 4. El valor del estadístico de muestreo tipificado so-
del 3 %, que el contenido medio de azúcar de esos dul- Por lo tanto: bre la muestra es:
2
ces no supera los 9,5 g.  σn   5, 768  10
La región crítica tipificada es, pues: X , N  µ,  = − 0, 6
  = N  30,
n − 1 31  Pˆ (M) − 0, 6
Z (M) = = 75 = −1, 178
R tc = (− ∞, −2, 33)ø(2, 33, + ∞) 30. 1. Queremos decidir si el cociente intelectual medio, 0, 056 6 0, 056 6
µ, de los alumnos del centro es superior o igual a = (30, 1,036)
4. El valor del estadístico de contraste tipificado so- 105 o no, por lo que planteamos el test: Como −1, 178 ∉ R tc , aceptamos H0.
3. Para determinar las regiones críticas tipificadas, ha-
bre la muestra es:
llamos los valores críticos asociados a un test uni-
H0: µ ≥ 105 Así, es aceptable, con un nivel de significación de 0,05,
X (M) − 156 x − 156 lateral de nivel de significación α:
Z (M) = = = H1: µ < 105 que la proporción de alumnos a los que les gusta el fút-
1, 099 1, 099 bol es del 60 %.
α = 0,10 ⇒ zα = 1,28
150, 525 − 156 2. Tomamos_como estadístico de muestreo la media α = 0,01 ⇒ zα = 2,33
= = −4, 982
1, 099 muestral, X. 33. 1. Queremos decidir si la proporción de ciudadanos
Las regiones críticas tipificadas son, pues: satisfechos, p, es mayor o igual que un 85 %, luego
t
Tomamos como valor del parámetro el valor ex-
Como −4, 982 ∈ R c , rechazamos H0. planteamos las hipótesis:
tremo, µ = 105, por lo que, puesto que la población α = 0, 10 ⇒ R tc (0, 10) = (1, 28, + ∞)
es normal, la distribución de muestreo de las me- H0: p ≥ 0,85
Así pues, no es aceptable, con nivel de significación del dias es: α = 0, 01 ⇒ R tc (0, 01) = (2, 33, + ∞)
2 %, que el peso medio de las naranjas de esa cose- H1: p < 0,85
 σ   15  4. Calculamos el estadístico de muestreo tipificado
cha sea de µ = 156 g. X , N  µ,  = (105, 3)
  = N  105,
n 25  evaluado sobre la muestra: 2. Consideramos como estadístico de contraste la pro-
porción muestral, P̂. Tomamos el valor extremo per-
29. 1. Queremos decidir si el contenido medio de azúcar
X (M) − 30 x − 30 mitido por H0, p = 0,85, con lo que podemos apro-
de los dulces, µ, es inferior o igual a 9,5 g o no, lue- 3. Para determinar la región crítica tipificada, halla- Z (M) = = = ximar la distribución de P̂ por:
go planteamos el test: mos el valor crítico asociado a un test unilateral con 1, 036 1, 036

H0: µ ≤ 9,5 nivel de significación α = 0,05: zα = 1,65. 31, 719 − 30  p ⋅ (1 − p) 

= = 1, 659 Pˆ , N  p,  =
H1: µ > 9,5 La región crítica tipificada es, pues: 1, 036  n 
R tc = (− ∞, −1, 65)  0, 85 ⋅ 0, 15 
2. Tomamos como _ estadístico de contraste la media Como 1, 659 ∈ R tc (0, 10), si α = 0,10 rechazamos H0. = N  0, 85,
_ 500  = N (0, 85, 0, 016 0)
poblacional, X. Tomamos para el parámetro el va-  
4. El valor del estadístico de muestreo X tipificado so- Como 1, 659 ∉ R tc (0, 01) , si α = 0,01 aceptamos H0.
lor extremo, µ = 9,5, así la distribución de mues-
bre la muestra es: 3. Para determinar la región crítica tipificada, en-
treo de las medias es:
Así pues, no es aceptable, con nivel de significación del contramos el valor crítico asociado a un test uni-
 σ   σ  X (M) − 105 103 − 105 10 %, que el tiempo medio de entrega no supera los lateral con nivel de significación 1 %:
X , N  µ,  Z (M) = = = −0, 667
  = N  9, 5,
n n 3 3 30 minutos, pero sí es aceptable esta misma hipótesis
si el nivel de significación es del 1 %. α = 0,01 ⇒ zα = 2,33
A su vez, como n = 100 ≥ 30, podemos aproximar Como −0, 667 ∉ R tc , aceptamos H0. La región crítica tipificada es, pues:
la desviación típica poblacional por la desviación
32. 1. Queremos decidir si la proporción de alumnos a
típica muestral corregida: Así, es aceptable, con nivel de significación del 5 %, los que les gusta el fútbol es del 60 % o no, luego R tc = (− ∞, −2, 33)
α que el cociente intelectual medio de los alumnos del planteamos el test:
n centro es de, al menos, 105. 4. El valor del estadístico de contraste tipificado so-
σ < σˆ n = ⋅σ bre la muestra es:
n−1 n H0: p = 0,6
31. 1. Queremos decidir si el tiempo medio de llegada de H1: p ≠ 0,6 Pˆ (M) − 0, 85
Así: los pedidos, µ, es menor o igual que 30 minutos o Z (M) = =
0, 016 0
 σn   1  no. Por ello, planteamos las hipótesis: 2. Tomamos como estadístico de contraste la pro-
X , N  µ,  =
  = N  9, 5,
n − 1 99  porción poblacional, P̂. Puesto que suponemos cier- 415
H0: µ ≤ 30 − 0, 85
ta H0, p = 0,6, podemos aproximar la distribución
= 500 = −1, 25

13. Contraste de hipótesis

13. Contraste de hipótesis

= (9,5, 0,101) H1: µ > 30 de muestreo de las proporciones por: 0, 016 0

216 217
  3. Para determinar las regiones críticas tipificadas, ha- 4. El valor del estadístico de contraste tipificado so-
Como −1, 25 ∉ R tc , aceptamos H0. p (1 − p) 
Pˆ , N  p,  = llamos los valores críticos asociados a tests bilaterales bre la muestra es:
 n  con niveles de significación α = 0,01 y α = 0,05:
Así, es aceptable, con nivel de significación del 1 %, que
la proporción de ciudadanos satisfechos es, al menos, X1 (M1 ) − X 2 (M2 ) − 0
 0, 4 ⋅ 0, 6  α = 0, 01 ⇒ z α = 2, 58 Z (M) = =
un 85 %. = N  0, 4, = N (0, 4, 0, 028 3) 2 0, 133
 300 
α = 0, 05 ⇒ z α = 1, 96 5, 1 − 4, 9
2
= = 1, 504
34. 1. Queremos decidir si la proporción de tornillos de- 3. Para determinar la región crítica tipificada, en- 0, 133
fectuosos es menor o igual al 2 %, por lo que plan- contramos el valor crítico asociado a un test uni-
α Las regiones críticas tipificadas son, pues:
teamos el siguiente test: lateral con nivel de significación α = 0,03: Como 1, 504 ∉ R tc , aceptamos H0.
α = 0,01:
H0: p ≤ 0,02 α = 0,03 ⇒ zα = 1,88
R tc (0, 01) = (− ∞, −2, 58)ø(2, 58, + ∞) Así pues, sí es aceptable, con nivel de significación
H1: p > 0,02
La región crítica tipificada es, pues: α = 2 %, que los alumnos de B tardan al menos tanto
α = 0,05: tiempo como los de A en licenciarse, por término me-
2. Consideramos como estadístico de contraste la pro- R tc = (1, 88, + ∞) dio.
porción muestral, P̂. Tomamos p igual al valor ex- R tc (0, 05) = (− ∞, −1, 96)ø(1, 96, + ∞)
tremo; así, la distribución muestral de las propor- 4. El valor del estadístico de contraste tipificado so-
ciones es: bre la muestra es: 38. 1. Queremos estudiar si la media de ventas del pro-
4. El valor del estadístico de contraste tipificado en la
125 ducto en la primera presentación, µ1, coincide con
 p (1 − p)  − 0, 4 muestra escogida es:
Pˆ , N  p, Pˆ (M) − 0, 4 la media de ventas con la segunda presentación, µ2.
 =
 n  Z (M) = = 300 = 0, 589 X M (MM ) − X H (M H ) − 0 Planteamos, pues, las siguientes hipótesis:
0, 028 3 0, 028 3 Z (M) = =
 0, 02 ⋅ 0, 98  0, 826 H0: µ1 = µ2 ⇒ H0: µ1 − µ2 = 0
= N  0, 02, = N (0, 02, 0, 004 43) Como 0, 589 ∉ R tc , aceptamos H0.
 1000  36 − 38 H1: µ1 ≠ µ2 ⇒ H1: µ1 − µ2 ≠ 0
= = −2, 421
Así pues, es aceptable, con nivel de significación del 0, 826
3 %, la afirmación del empresario. _
2. Tomamos como estadístico de_contraste la dife-
3. Para determinar la región crítica tipificada, obte- Como −2, 421 ∉ R tc (0, 01), si α = 0,01 aceptamos H0. rencia de medias muestrales, X1 − X2. Como su-
nemos el valor crítico asociado a un test unilate-
Como −2, 421 ∈ R tc (0, 05), si α = 0,05 rechazamos H0. ponemos cierta H0, la distribución del estadístico
ral con nivel de significación α = 0,05: 36. 1. Queremos decidir si la edad media de las mujeres de muestreo es:
coincide con la de los hombres, o sea, si µM = µH, o 
α = 0,05 ⇒ zα = 1,65 no. Para ello, planteamos el test de hipótesis: Así pues, es aceptable, con nivel de significación del σ12 σ 22 
X1 − X 2 , N  µ1 − µ 2 , + 
1 %, que no hay diferencia entre las edades medias de  n1 n2 
H0: µM = µH ⇒ H0: µM − µH = 0 los y las trabajadoras, pero esta misma hipótesis no es
La región crítica tipificada es, pues:
aceptable si el nivel de significación es del 5 %.
H1: µM ≠ µH ⇒ H1: µM − µH ≠ 0 Como n1 = n2 = 60 ≥ 30 podemos aproximar las des-
R tc = (1, 65, + ∞) viaciones típicas poblacionales por las desviaciones
2. Tomamos como estadístico de _ muestreo
_ la dife- 37. 1. Queremos decidir si se puede aceptar que el tiem- típicas muestrales corregidas:
4. El valor que el estadístico de muestreo tipificado rencia de medias muestrales, XM − XH. Como su- po medio que tardan los alumnos de B, µ2, es ma-
toma sobre la muestra es: ponemos cierta H0, la distribución de muestreo n1
yor o igual que el que tardan los de A, µ1. Para ello, σ1 < σˆ n = ⋅σ
de la diferencia de medias se puede aproximar 1 1
planteamos el siguiente test de hipótesis: n1 − 1 n
Pˆ (M) − 0, 02 por:
Z (M) = =
0, 004 43  2 H0: µ2 ≥ µ1 ⇒ H0: µ1 − µ2 ≤ 0 n2
σM σ2  σ 2 < σˆ n = ⋅σ
2 2
28 X M − X H , N  0, + H H1: µ2 < µ1 ⇒ H1: µ1 − µ2 > 0 n2 − 1 n
− 0, 02  nM nH 
1000
= = 1, 806 Así pues:
0, 004 43 A su vez, como los tamaños muestrales tanto de mu- 2. Tomamos como estadístico de_contraste_ la diferen-
jeres como de hombres son mayores o iguales que cia de medias muestrales, X1 − X2. Tomamos  σ n2 
σ n2
t 1 2
Como 1, 806 ∈ R c , rechazamos H0. 30, podemos aproximar las desviaciones típicas po- µ1 − µ2 igual al valor extremo; así, la distribución X1 − X 2 , N  µ1 − µ 2 , +  =
blacionales por las desviaciones típicas muestrales muestral de la diferencia de medias es:  n1 − 1 n2 − 1 
 
Así, no es aceptable, con nivel de significación del 5 %, corregidas:  σ12 σ 22 
la publicidad de la máquina. X1 − X 2 , N  µ1 − µ 2 , +  =  182 232 
nM 100  n1 n2  = N  0, +  = N (0, 3, 802)
σ M < σˆ n = M
⋅σ = M
⋅5  59 59 
nM − 1 n 99
35. 1. Queremos decidir si se puede aceptar que la pro- 
porción p de trabajadores insatisfechos con su sa- 0, 82 0, 6 2 
= N  0, +  = N (0, 0, 133) 3. Para determinar la región crítica tipificada, calcu-
lario es menor o igual que el 40 %. Para ello, plan-
nH 150 50
σ H < σˆ n = ⋅σ = ⋅8  75  lamos el valor crítico asociado a un test bilateral
H H
teamos el siguiente test: nH − 1 n 149 con nivel de significación α = 0,01:
Por tanto: 3. Para determinar la región crítica tipificada, encon- α = 0, 01 ⇒ z α = 2, 58
H0: p ≤ 0,4
tramos el valor crítico asociado a un test unilateral 2
H1: p > 0,4  σ n2 M 
σ n2 H con nivel de significación α = 0,02:
XM − X H , N  µM − µ H , α +  = La región crítica tipificada es, pues:
 nM − 1 nH − 1 
  α = 0,02 ⇒ zα = 2,05
2. Consideramos como estadístico de contraste la pro- α R tc = (− ∞, −2, 58)ø(2, 58, + ∞)
porción muestral, P̂. Tomamos p igual al valor ex- 2 2 La región crítica tipificada es, pues:
 5 8 
tremo; así, la distribución de muestreo de las pro- = N  0, +  = N (0, 0, 826) 4. El valor del estadístico de contraste tipificado so-

13. Contraste de hipótesis

13. Contraste de hipótesis

porciones se puede aproximar por una normal:  99 149  R tc = (2, 05, + ∞) bre la muestra es:

218 219
 2. Tomamos _como estadístico de contraste la media ximar la distribución muestral de las proporciones Como suponemos cierta H0, µ1 − µ2 = 0, y puesto
X1 (M1 ) − X 2 (M2 ) − 0
Z (M) = = muestral, X. Al suponer cierta H0, la distribución por: que los tamaños muestrales son mayores o iguales
3, 802 de muestreo de las medias es:
 p (1 − p)  que 30, podemos
_ _ aproximar la distribución de
176 − 195 Pˆ , N  p,  = muestro de X1 − X2 por:
= = −4, 997  σ   n 
3, 802 X , N  µ, 
 n 
 0, 1 ⋅ 0, 9  σ12 σ 22 
t = N  0, 1, = N (0, 1, 0, 01) X1 , X 2 ∼ N  µ1 − µ 2 , +  =
Como −4, 997 ∈ R c , rechazamos H0. Como n = 100 ≥ 30, podemos aproximar la des-  900   n1 n2 
viación típica poblacional por la desviación típica
No se puede aceptar, pues, con nivel de significación muestral corregida:  22 22 
del 1 %, que la venta del producto sea independiente 3. Para determinar la región crítica tipificada, calcu- = N  0, +  = N (0, 0, 2)
de la presentación. n lamos el valor crítico correspondiente a un test uni-  200 200 
σ < σˆ n = ⋅σ lateral con nivel de significación α = 0,05:
n−1 n
3. Para determinar la región crítica tipificada, encon-
39. 1. Queremos decidir si la media de horas diarias que
Así pues, consideramos que: α = 0,05 ⇒ zα = 1,65 ⇒ tramos el valor crítico asociado a un test bilateral con
ven la televisión los niños de entre 5 y 10 años
nivel de significación α = 0,01:
que acuden a la consulta del pediatra es de 1,5 h o  σn   15  ⇒ R tc = (zα , + ∞) = (1, 65, + ∞)
no. Para ello, planteamos el siguiente test: X , N  µ,
  = N  115,  α = 0, 01 ⇒ z α = 2, 58
n − 1 99 
2
H0: µ = 1,5 4. El valor que toma sobre la muestra el estadístico de
3. Para determinar la región crítica tipificada, en- contraste tipificado es: La región crítica tipificada es, pues:
H1: µ ≠ 1,5
contramos el valor crítico asociado a un test uni-
Pˆ (M) − 0, 1 pˆ − 0, 1 R tc = (− ∞, −2, 58)ø(2, 58, + ∞)
lateral con nivel de significación α = 0,01: Z (M) = =
2. Tomamos como _ estadístico de contraste la media 0, 01 0, 01
poblacional, X. Como suponemos cierta H0, 4. El valor que tiene el estadístico de contraste tipifi-
α = 0,01 ⇒ zα = 2,33 Aceptaremos H0 si, y sólo si:
µ = 1,5, y puesto que el tamaño muestral es cado sobre la muestra:
n = 36 ≥ 30, podemos aproximar la distribución
muestral de las medias por: La región crítica tipificada es, pues: Z (M) ∉ R tc ⇔ Z (M) ∈ (− ∞, 1, 65) ⇔ X1 (M) − X 2 (M) x1 − x 2
Z (M) = =
0, 2 0, 2
R tc = (− ∞, −2, 33) pˆ − 0, 1
 σ   1  ⇔ ≤ 1, 65 ⇔ pˆ ≤ 0, 116 5
X , N  µ,  = N (1, 5, 0, 167)) 0, 01 Aceptamos H0 si, y sólo si:
  = N  1, 5,
n 36 

3. Para hallar la región crítica tipificada, encontramos 4. El valor que toma el estadístico de contraste tipifi- Así, confirmarán la hipótesis del político las propor-
Z (M) ∉ R tc ⇔ Z (M) ∈ [−2, 58, 2, 58] ⇔
el valor crítico asociado a un test bilateral con ni- cado sobre la muestra es: ciones muestrales menores o iguales que 0,116 5. x1 − x 2
⇔ Z − 2, 58 ≤ ≤ 2, 58 ⇔
vel de significación α = 0,03: 0, 2
X (M) − 115 x − 115 _ _
α = 0, 03 ⇒ z α = 2, 17 Z (M) = = 42. 1. Queremos decidir si los tiempos medios emplea- ⇔ −0,516 ≤ x1 − x2 ≤ 0,516
15 15
2 dos por ambos tipos de ratas, µ1 y µ2, son iguales
99 99 o no, por lo que planteamos el siguiente test: 43. Actividad TIC.
La región crítica tipificada es, pues:
R tc = (− ∞, −2, 17)ø(2, 17, + ∞) Para que aceptemos H0, debe cumplirse: H0: µ1 = µ2 ⇒ H0: µ1 − µ2 = 0
44. Actividad TIC.
H1: µ1 ≠ µ2 ⇒ H1: µ1 − µ2 ≠ 0
4. El valor del estadístico de contraste tipificado so- Z (M) ∉ R tc ⇔ Z (M) ∈ [−2, 33, + ∞) ⇔
bre la muestra es:
x − 115 2. Tomamos como estadístico_de contraste
_ la diferen-
⇔ ≥ −2, 33 ⇔ x ≥ 111, 487 cia de medias muestrales, X1 − X2, correspondien-
X (M) − 1, 5 x − 1, 5 15
Z (M) = = tes a n1 = n2 = 200 individuos en cada muestra.
0, 167 0, 167 99

Para aceptar H0 debe cumplirse: Así, aceptaremos la publicidad del bote, con nivel de
significación del 1 %, si la media muestral es mayor o
Z (M) ∉ R tc ⇒ Z (M) ∈ [−2, 17, 2, 17] ⇔
α igual que 111,487 g.
x − 1, 5 +∞ +∞ = = ⇒
⇔ −2, 17 ≤ ≤ 2, 17 ⇔
0, 167
_
⇔ 1,138 ≤ x ≤ 1,862 41. 1. Queremos decidir si el porcentaje de españoles, p,
_ descontentos con la gestión del político es menor
Así pues, los valores de x que confirmarán la afirma- o igual que el 10 %, por lo que planteamos el si-
ción del pediatra son los comprendidos entre 1,138 y guiente test de hipótesis:
1,862, ambos inclusive.
H0: p ≤ 0,1
40. 1. Queremos contrastar si el contenido medio de pro- H1: p > 0,1
teínas es superior o igual a 115 frente a la hipóte-
sis contraria. Planteamos, pues, el test: 2. Tomamos como estadístico de contraste la pro-
porción muestral, P̂. Suponemos que p toma el va-
H0: µ ≥ 115 lor extremo permitido por H0, o sea p = 0,1. Como

13. Contraste de hipótesis

13. Contraste de hipótesis

H1: µ < 115 el tamaño muestral es n = 900 ≥ 30, podemos apro-

220 221