PH Una Población

PRUEBAS DE HIPÓTESIS
Hipótesis para µ con sigma conocida
1: Se tiene interés en la rapidez de combustión del propulsor sólido utilizado

para impulsar los sistemas de expulsión de la tripulación de un avión. Se toman
25 muestras de las cuales se obtiene X 1
= 51.3 cm/s y se sabe que la
desviación estándar  = 2cm/s. Probar la hipótesis de que la rapidez de
combustión del propulsor sólido es igual a 50 cm/s. Use   0.05 .
One-Sample Z
Test of μ = 50 vs ≠ 50
The assumed standard deviation = 2
N Mean SE Mean 95% CI Z P

25 51.300 0.400 (50.516, 52.084) 3.25 0.001
MLL & ELIZABETH M.

Normal, Mean=0, StDev=1
3.25
0.4
0.3
Density
0.2
0.1
0.025 0.025
0.0 0
-1.960 0 1.960
X
MLL & ELIZABETH M. P VALUE

0.4
0.3
Density
0.2
0.1
0.0005770 0.0005770
0.0
-3.25 0 3.25
X
Dr. Jorge Limón Romero 1

CON UN NIVEL DE CONFIANZA DEL 95% Y Z MENOR A Z ALPHA/2 SE
RECHAZA (H0) Y SE ACEPTA (HA).
CON BACE EN EVIDENCIA ESTADISTICA EL PROMEDIO POBLACIONAL DE
LA COMBUSTION ES DIFERENTE DE 50 CM/S

2: Se requiere que la resistencia a la ruptura de la fibra textil usada en la
fabricación de material para cortinas sea de al menos 100 P si. La experiencia
pasada indica que la desviación estándar de la resistencia a la ruptura es de 2
Psi. Se prueba una muestra aleatoria de nueve observaciones y se encuentra
que la resistencia a la ruptura promedio es de 98 P si. Existe evidencia de que la
resistencia a la ruptura realmente excede de 100 Psi. Utilice un nivel de
confianza del 99%.
One-Sample Z
Test of μ = 100 vs > 100

N Mean SE Mean 99% Lower Bound Z P

9 98.000 0.667 96.449 -3.00 0.999
MLL & ELIZABETH M.

-3
0.4
0.3
Density
0.2
0.1
0.01
0.0 0
0 2.326
X
P VALUE MLL & ELIZABETH M.

0.9987
0.4
0.3
Density
0.2
0.1
0.0
-3 0
X

CON UN NIVEL DE CONFIANZA DE 99% Y Z MENOR QUE Z ALPHA/2 SE
HACEPTA (HO) Y SE RECHAZA (HA) PUES LA RESISTENCIA A LA RUPTURA
NO EXEDE LOS 100ps.

3: Se sabe que el diámetro de los agujeros de un arnés para cables tiene una
desviación estándar de 0.01 pulgadas. Una muestra aleatoria de tamaño n=10
produce un diámetro promedio de 1.5045 pulgadas. Pruebe la hipótesis de que
el diámetro de los agujeros es de 1.500 con un nivel de confianza del 99%.
One-Sample Z
Test of μ = 1.5 vs ≠ 1.5

The assumed standard deviation = 0.01

10 1.50450 0.00316 (1.49635, 1.51265) 1.42 0.155
MLL & ELIZABETH M.

1.423
0.4
0.3
Density
0.2
0.1
0.005 0.005
0.0 0
-2.576 0 2.576
X

0.4
0.3
Density
0.2
0.1
0.07737 0.07737
0.0
-1.423 0 1.423
X

CON UN NIVEL DE CONFIANZA DEL 99% Y Z MENOR A Z ALPHA/2, SE
HACEPTA (H0) Y SE RECHAZA (HA). LA PRUEBA ESTA EN EL PARAMETRO
IGUAL A 1.500 SIENDO ASI EL DIAMETRO DE LOS AGUJEROS
CORRESPONDE A LO YA ESTABLECIDO (1.500).

4: Se tiene interés en conocer el contenido neto promedio en gramos de bolsas
de azúcar llenadas por una máquina automática. Se toma una muestra aleatoria
de 50 bolsas resultando un peso promedio de X  112 gramos. Se sabe que la
desviación estándar es igual a 25 gramos. Si se cree que el contenido neto
promedio es de 100 gramos ¿Qué puede concluirse con la información antes
mostrada? Use   0.05 .
One-Sample Z
Test of μ = 100 vs ≠ 100


50 112.00 3.54 (105.07, 118.93) 3.39 0.001
MLL & ELIZABETH M.

3.53
0.4
0.3
Density
0.2
0.1
0.025 0.025
0.0 0
-1.960 0 1.960
X

0.4
0.3
Density
0.2
0.1
0.0002078 0.0002078
0.0
-3.53 0 3.53
X

CON UN NIVEL DE CONFIANZA DEL 95% Y Z MAYOR QUE Z ALPHA/2 SE
RECHAZA (H0) Y SE ACEPTA (HA) DEVIDO A QUE (HA) ES DIFERENTE DE
100 GRAMOS. CONCLUYENDO EL CONTENIDO NETO PROMEDIO DE
BOLSAS DE AZUCAR NO ES DE 100 GRAMOS ES DIFERENTE.

Prueba de hipótesis para µ con σ desconocida
1: Se analizó una marca particular de margarina dietética para determinar el

nivel de ácido graso polinsaturado (en porcentaje). Una muestra de 6 paquetes
dio como resultado los siguientes datos: 16.8, 17.2, 17.4, 16.9, 16.5, 17.1.
Pruebe la hipótesis de que el nivel de ácido graso polinsaturado de esta
margarina dietética no excede de 17.5 %. Use   0.05 .
One-Sample T
Test of μ = 17.5 vs < 17.5
N Mean StDev SE Mean 95% Upper Bound T P

6 16.980 0.330 0.135 17.251 -3.86 0.006
MLL & ELIZABETH M.

T, df=5
-3.86
0.4
0.3
Density
0.2
0.1
0.05
0.0 0
-2.015 0
X

T, df=5
0.4
0.3
Density
0.2
0.1
0.005940
0.0
-3.86 0
X

COMO T ES MENOR A T ALPHA/2 SE ACEPTA (HA) Y SE RECHAZA (H0)
CON UN NIVEL DE CONFIANZA DEL 95% PODEMOS CONCLUIR QUE EL
NIVEL DE ACIDO GRASO POLISATURADO NO EXEDE EL 17.5%.

2: Una máquina produce varillas metálicas usadas en el sistema de suspensión
de un automóvil. Se selecciona una muestra aleatoria de 15 varillas y se mide
diámetro (en mm). Los datos resultantes se muestran a continuación:
Tabla de datos
8.24 8.23 8.20
8.21 8.20 8.28
8.23 8.26 8.24
8.25 8.19 8.25
8.26 8.23 8.24
Existe evidencia para decir que la media del diámetro de las varillas es 8
mm. Utilice un nivel de confianza del 95%.
One-Sample T
N Mean StDev SE Mean 95% CI T P

15 8.23400 0.02560 0.00661 (8.21982, 8.24818) 35.40 0.000
MLL & ELIZABETH M.

T, df=15
35.40
0.4
0.3
Density
0.2
0.1
0.025 0.025
0.0 0
-2.131 0 2.131
X

T, df=15
0.4
0.3
Density
0.2
0.1
3.3307E-16
0.0
0 35.4
X

COMO T ES MAYOR A T ALPHA/2 SE RECHAZA (H0) Y SE HACEPTA (HA).
CON UN NIVEL DE CONFIANZA DEL 95% SE PUEDE CONCLUIR QUE LA
MEDIA DEL DIAMETRO DE LAS VARILLAS NO ES 8 MM.

3: Se realizó un muestreo de 8 trozos de una misma tela para determinar su
resistencia a la tensión (Psi). Los resultados fueron los siguientes:
24.4 18.9 12.8 20.5 19.1 15.2 21.7 14.6
Si se supone que la población de la que provienen estas resistencias a la

tensión es aproximadamente normal. Pruebe la hipótesis de que la resistencia a
la tensión de la tela excede de 15 Psi, utilizando un nivel de confianza del 99%.
One-Sample T
Test of μ = 15 vs > 15
N Mean StDev SE Mean 99% Lower Bound T P

8 18.40 3.93 1.39 14.24 2.45 0.022
MLL & ELIZABETH M.

T, df=8
2.45
0.4
0.3
Density
0.2
0.1
0.01
0.0 0
0 2.896
X

T, df=8
0.4
0.3
Density
0.2
0.1
0.01997
0.0
0 2.45
X

COMO T ES MENOR A T ALPHA/2 SE ECEPTA (H0) Y SE RECHAZA (HA).
CON UN NIVEL DE CONFIANZA DEL 99% LA RECISTENCIA A LA TENCION
NO EXEDE LOS 15 Psi.
4: Se realiza un muestreo de 41 sacos de alimento balanceado para ganado lo

que arroja una X  75.82 Kg y una varianza muestral de S 2  16.16 Kg 2 . Con

esta información podemos decir que la creencia de que el peso de estos scos de
alimento es de 75 Kg. Use   0.01 .
One-Sample T
N Mean StDev SE Mean 99% CI T P

41 75.820 4.000 0.625 (74.131, 77.509) 1.31 0.197
MLL & ELIZABETH M.

T, df=41
1.31
0.4
0.3
Density
0.2
0.1
0.005 0.005
0.0 0
-2.701 0 2.701
X

T, df=41
0.4
0.3
Density
0.2
0.1
0.09874 0.09874
0.0
-1.310 0 1.31
X
COMO T ES MENOR QUE T ALPHA/2 SE RECHAZA (H0) Y SE ACEPTA (HA).

CON UN NIVEL DE CONFIANSA DEL 99% PODEMOS CONCLUIR QUE EL
PESO DE LOS SACOS DE ALIMENTOS ES DIFERENTE DE 75KG.

Prueba de Hipótesis para una Proporción

1: En una muestra aleatoria de 85 rodamientos para el cigüeñal del motor de un
automóvil 10 tienen un acabado de la superficie con mas asperezas de las que
permiten las especificaciones. Probar la hipótesis de que la verdadera fracción
de defectuosos no excede de 0.15. Use   0.01 .
Test and CI for One Proportion
Test of p = 0.15 vs p > 0.15
Exact
Sample X N Sample p 99% Lower Bound P-Value
1 10 85 0.117647 0.050056 0.838
MLL & ELIZABETH M.

0.83
0.4
0.3
Density
0.2
0.1
0.01
0.0 0
0 2.326
X

0.4
0.3
Density
0.2
0.1
0.2016
0.0
0 0.8358
X
COMO P ES MENOR A Z ALPHA/2 SE RECHAZA (HA) Y SE ACEPTA (H0).

CON UN NIVEL DE CONFIANZA DEL 99% LA FRACCION DE DEFECTOS NO
EXEDE EL 0.15.
2: Una muestra aleatoria de 50 cascos de suspensión usados por motociclistas y

pilotos de automóviles de carreras se sometieron a una prueba de impacto y en

18 de estos cascos se observó algún daño. Si el fabricante afirma que el
porcentaje de defectuosos de los cascos que el produce es igual al 20%, ¿A qué
conclusión puede llegarse? Use   0.05 .
Test of p = 0.2 vs p ≠ 0.2
Exact
Sample X N Sample p 95% CI P-Value
1 18 50 0.360000 (0.229157, 0.508069) 0.012
MLL & ELIZABETH M.

2.83
0.4
0.3
Density
0.2
0.1
0.025 0.025
0.0 0
-1.960 0 1.960
X

0.4
0.3
Density
0.2
0.1
0.002327 0.002327
0.0
-2.83 0 2.83
X

COMO P ES MAYOR QUE Z ALPHA/2 SE RECHAZA (H0) Y SE ASEPTA (HA).
CON UN NIVEL DE CONFIANZA DEK 95% EL PORCENTAJE DEDEFECTOS
DE LOS CASCOS QUE SE PRODUCEN NO ES IGUAL AL 20%

3: En una muestra aleatoria de 900 subensambles utilizados para la elaboración
de elevadores 370 resultaron defectuosos. Un auditor del proceso de
elaboración de estos subensambles sospecha que la fracción de defectusos
excede de 0.30. ¿A qué conclusión puede llegarse? Use   0.05 .
Test of p = 0.3 vs p > 0.3
Sample X N Sample p 95% Lower Bound Z-Value P-Value

1 370 900 0.411111 0.384134 7.27 0.000
Using the normal approximation.
MLL & ELIZABETH M.

7.27
0.4
0.3
Density
0.2
0.1
0.05
0.0 0
0 1.645
X

0.4
0.3
Density
0.2
0.1
1.7975E-13
0.0
0 7.27
X
COMO P ES MAYOR A Z ALPHA/2 SERECHAZA (H0) Y SE AZEPTA (HA).

CON UN NIVEL DE CONFIANZA DE 95% LA FRACCION DE DEFECTOS DE
SUBENSAMBLES EXEDE EL 0.30.

Prueba de Hipótesis para la varianza
1: Se analizaron 10 muestras para conocer el nivel de variabilidad que existe en

el contenido de azúcar del jarabe en latas de duraznos en almíbar, la desviación
estándar que se encontró en esta muestra fue s= 4.8 mg. Si se piensa que la
varianza real es σ2= 18 mg2, ¿Qué se puede concluir al respecto? Use   0.05 .
Test and CI for One Variance

Method
Null hypothesis σ = 18
Alternative hypothesis σ ≠ 18
The chi-square method is only for the normal distribution.

The Bonett method cannot be calculated with summarized data.
Statistics
N StDev Variance
10 4.80 23.0
95% Confidence Intervals
CI for CI for
Method StDev Variance
Chi-Square (3.30, 8.76) (10.9, 76.8)
MLL & ELIZABETH M.

Chi-Square, df=10
11.52
0.10
0.08
0.06
Density
0.04
0.02
0.025
0.025
0.00 0
0 3.247 20.48
X

Chi-Square, df=10
0.10
0.08
0.06
Density
0.3185
0.04
0.02
0.3185
0.00
0 7.459 11.52
X
COMO X ES MENOR A X ALPHA/2 SE ACEPTA (H0) Y SE RECHAZA (HA).

CON UN NIVEL DE CONFIANZA DEL 95% SE CONCLUYE QUE LA VARIANZA
REAL ES 18 MG QUE CORRESPONDE AL CONTENIDO DE AZUCAR DEL
JARAVE EN LAS LATAS DE DURAZNO.

2: Se efectuó una prueba de impacto Izod en 20 muestras de tubería PVC. La
norma ASTM para este material requiere que la resistencia al impacto Izod debe
ser mayor que 1.0 lbrs/Pulg. El promedio y la desviación estándar obtenidos de
esta muestra fue de X = 1.25 y S= 0.25 respectivamente. Si se piensa que la
varianza del impacto Izod es menor de 0.15 (Lbr/pulg) 2. ¿A qué conclusión
puede llegarse? Use   0.01 .
Method
Null hypothesis σ = 0.15

Alternative hypothesis σ < 0.15

Statistics
N StDev Variance
20 0.250 0.0625
99% One-Sided Confidence Intervals

Upper Bound Upper Bound
Method for StDev for Variance
Chi-Square 0.394 0.1556
Tests
Test
Method Statistic DF P-Value
Chi-Square 52.78 19 1.000
MLL & ELIZABETH M.

Chi-Square, df=20
7.63
0.07
0.06
0.05
0.04
Density
0.03
0.02
0.01
0.01
0.00 0
0 37.57
X

Chi-Square, df=20
0.07
0.06
0.05
0.04
Density
0.9940
0.03
0.02
0.01
0.00
0 7.63
X
COMO X ES MENOR A X ALPHA/2 SE RECHAZA (HA) Y SE ACEPTA (H0).

CON UN NIVEL DE CONFIANZA DEL 99% SE CONCLUYE QUE LA
RESISTENCIA AL IMPACTO IZOD ES MENOR A 0.15

Prueba de Hipótesis para la varianza
3: Se mide el porcentaje de titanio en una aleación usada en piezas fundidas de

aeronaves en 51 piezas seleccionadas al azar. La desviación estándar muestral
es s = 0.37. Pruebe la hipótesis de que la varianza del porcentaje de titanio es
igual a 0.21 con un nivel de confianza del 95%.
Method
Null hypothesis σ = 0.21

Alternative hypothesis σ ≠ 0.21

Statistics
N StDev Variance
51 0.137 0.0187
CI for
Method CI for StDev Variance

Chi-Square (0.115, 0.170) (0.0131, 0.0290)
Tests
Test
Chi-Square 21.25 50 0.000
MLL & ELIZABETH M.

Chi-Square, df=50
32.59
0.04
0.03
Density
0.02
0.01
0.025 0.025
0.00 0
32.36 71.42
X

Chi-Square, df=50
0.04
0.03
Density
0.02
0.01
0.02688 0.02688
0.00
32.59 71.03
X
COMO X ES MAYOR A X ALPHA/2 SE RECHAZA (HA) Y SE AZEPTA (H0).

CON UN NIVEL DE CONFIANZA DEL 95% SE PUEDE CONCLUIR QUE LA
VARIANZA DE PORCENTAJE DE TITANIO ES IGUAL A 0.21.

4: En el proceso de fabricación de discos para computadoras una de las
variables críticas es el rendimiento de formato. Se toma una muestra aleatoria
de n = 10 discos de la producción del turno de la mañana, se formatean y se
reporta el rendimiento de cada disco. Los datos obtenidos son:
96.11 91.06 93.38 88.52 89.57 92.63 85.20 91.41 89.79 92.62
Probar la hipótesis de que la varianza del rendimiento de formato para el

turno de la mañana es igual a 9.0. Use   0.05 .
Method
Null hypothesis σ = 9
Alternative hypothesis σ ≠ 9

Statistics
N StDev Variance
10 8.94 79.9
CI for CI forMethod StDev Variance

Chi-Square (6.15, 16.32) (37.8, 266.4)
Test
Test
Chi-Square 8.88 9 0.897
MLL & ELIZABETH M.

Chi-Square, df=9
8.94
0.10
0.08
Density
0.06
0.04
0.02
0.025
0.025
0.00 0
0 2.700 19.02
X

Chi-Square, df=10
0.10
0.08
0.4622
0.06
Density
0.04
0.02 0.4622
0.00
0 8.94
9.756
X
COMO X ES MENOR QUE X ALPHA/2 SE AZEPTA (HO) Y SE RECHAZA (HA)

CON UN NIVEL DE CONFIANZA DE DEL 95% SE PUEDE DETERMINAR QUE
EN EL TURNO DE LA MAÑANA LA VARIANZA DE RENDIMIENTO DE LOS
DISCOS CORRESPONDE A 9.O.


PH Una Población

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

PH Una Población

Încărcat de

Drepturi de autor:

Formate disponibile

PRUEBAS DE HIPÓTESIS

Hipótesis para µ con sigma conocida

1: Se tiene interés en la rapidez de combustión del propulsor sólido utilizado

N Mean SE Mean 95% CI Z P

MLL & ELIZABETH M.

MLL & ELIZABETH M. P VALUE

Dr. Jorge Limón Romero 1

Dr. Jorge Limón Romero 2

Test of μ = 100 vs > 100

N Mean SE Mean 99% Lower Bound Z P

MLL & ELIZABETH M.

P VALUE MLL & ELIZABETH M.

Dr. Jorge Limón Romero 3

Dr. Jorge Limón Romero 4

Test of μ = 1.5 vs ≠ 1.5

N Mean SE Mean 99% CI Z P

MLL & ELIZABETH M.

P VALUE MLL & ELIZABETH M.

Dr. Jorge Limón Romero 5

Dr. Jorge Limón Romero 6

Test of μ = 100 vs ≠ 100

N Mean SE Mean 95% CI Z P

MLL & ELIZABETH M.

P VALUE MLL & ELIZABETH M.

Dr. Jorge Limón Romero 7

Dr. Jorge Limón Romero 8

1: Se analizó una marca particular de margarina dietética para determinar el

Test of μ = 17.5 vs < 17.5

N Mean StDev SE Mean 95% Upper Bound T P

MLL & ELIZABETH M.

P VALUE MLL & ELIZABETH M.

Dr. Jorge Limón Romero 9

Dr. Jorge Limón Romero 10

N Mean StDev SE Mean 95% CI T P

MLL & ELIZABETH M.

P VALUE MLL & ELIZABETH M.

Dr. Jorge Limón Romero 11

Dr. Jorge Limón Romero 12

24.4 18.9 12.8 20.5 19.1 15.2 21.7 14.6

Si se supone que la población de la que provienen estas resistencias a la

N Mean StDev SE Mean 99% Lower Bound T P

MLL & ELIZABETH M.

P VALUE MLL & ELIZABETH M.

Dr. Jorge Limón Romero 13

4: Se realiza un muestreo de 41 sacos de alimento balanceado para ganado lo

Dr. Jorge Limón Romero 14

N Mean StDev SE Mean 99% CI T P

MLL & ELIZABETH M.

P VALUE MLL & ELIZABETH M.

COMO T ES MENOR QUE T ALPHA/2 SE RECHAZA (H0) Y SE ACEPTA (HA).

Dr. Jorge Limón Romero 15

Dr. Jorge Limón Romero 16

Test of p = 0.15 vs p > 0.15

MLL & ELIZABETH M.

P VALUE MLL & ELIZABETH M.

COMO P ES MENOR A Z ALPHA/2 SE RECHAZA (HA) Y SE ACEPTA (H0).

Dr. Jorge Limón Romero 17

2: Una muestra aleatoria de 50 cascos de suspensión usados por motociclistas y

Dr. Jorge Limón Romero 18

Test of p = 0.2 vs p ≠ 0.2

MLL & ELIZABETH M.

P VALUE MLL & ELIZABETH M.

Dr. Jorge Limón Romero 19