7 Contenido - Semana N°7 Test de Hipótesis II Vale PDF

SEMANA 7 – ESTADÍSTICA PARA LA GESTIÓN
ESTADÍSTICA PARA LA GESTIÓN
SEMANA 7
Test de hipótesis II
Todos los derechos de autor son de la exclusiva propiedad de IACC o de los otorgantes de sus licencias. No está
IACCemitir, difundir, poner a disposición del público ni
permitido copiar, reproducir, reeditar, descargar, publicar,
utilizar los contenidos para fines comerciales de ninguna clase. 1
APRENDIZAJES ESPERADOS
• Emplear métodos para contrastar las diferencias de dos poblaciones

y para contrastar varianzas.
IACC
2
APRENDIZAJES ESPERADOS ................................................................................................................. 2

INTRODUCCIÓN ................................................................................................................................... 4
1. PRUEBA PARA LA DIFERENCIA ENTRE MEDIAS POBLACIONALES CON DATOS PAREADOS
(MUESTRAS DEPENDIENTES) ............................................................................................................... 5
2. PRUEBA PARA LA DIFERENCIA ENTRE MEDIAS POBLACIONALES CON VARIANZAS
POBLACIONALES CONOCIDAS (MUESTRAS INDEPENDIENTES) ......................................................... 13
POBLACIONALES DESCONOCIDAS, PERO SUPUESTAMENTE IGUALES
(MUESTRAS INDEPENDIENTES) ......................................................................................................... 19
POBLACIONALES DESCONOCIDAS, PERO SE SUPONE QUE NO SON IGUALES (MUESTRAS
INDEPENDIENTES) ............................................................................................................................. 26
5. PRUEBA PARA LA DIFERENCIA DE DOS PROPORCIONES (GRANDES MUESTRAS) ..................... 30
6. PRUEBAS DE HIPÓTESIS SOBRE LA VARIANZA........................................................................... 36
6.1. PARA UNA POBLACIÓN NORMAL ...................................................................................... 36
6.2. PRUEBA PARA LA IGUALDAD DE DOS VARIANZAS ............................................................ 39
COMENTARIO FINAL.......................................................................................................................... 42
REFERENCIAS ..................................................................................................................................... 43
IACC
3
INTRODUCCIÓN
Esta semana se tratarán los métodos para construir pruebas de

hipótesis entre las medias, varianzas o proporciones de éxitos de dos
poblaciones. El proceso para comparar dos poblaciones comienza con
la formulación de una hipótesis sobre la naturaleza de las dos
poblaciones. La formulación de la hipótesis implica la elección entre dos
opciones sobre la diferencia de medias o de proporciones. A
continuación, se toma la decisión basándose en los resultados de un estadístico calculado a partir
de muestras aleatorias de datos de las dos poblaciones. Las pruebas de hipótesis relativas a las
varianzas son cada vez más importantes, ya que las empresas tratan de reducir la variabilidad de los
procesos con el fin de garantizar que todas las unidades producidas son de alta calidad.
IACC
4
1. PRUEBA PARA LA DIFERENCIA ENTRE MEDIAS

POBLACIONALES CON DATOS PAREADOS (MUESTRAS
DEPENDIENTES)
Si la distribución poblacional de las diferencias es una distribución normal, los siguientes contrastes
tienen un nivel de significación α (Newbold, Carlson & Thorne, 2008, pp. 395 y 396).
Las muestras aleatorias de n pares de observaciones enlazadas de distribuciones que tienen media
̅ y 𝒔𝒅 la media muestral y la desviación estándar muestral observadas de las n
𝝁𝒙 𝒚 𝝁𝒚 , donde 𝒅
diferencias (𝒙𝒊 − 𝒚𝒊 ).
IACC
5
Cuando se quiere contrastar la hipótesis nula en que las dos medias poblacionales son iguales, se
iguala 𝐷0 a 0 en las fórmulas.
IACC
6
Los valores P de estas pruebas son la probabilidad de obtener un valor al menos tan extremo con
el obtenido, dada la hipótesis nula.
EJEMPLO: Unos investigadores realizaron un estudio para estimar la relación entre la actividad
cerebral de un sujeto mientras veía un anuncio de televisión y su capacidad posterior para recordar
su contenido. Se mostró a los sujetos dos anuncios comerciales de 10 productos. Se midió la
capacidad para recordar cada anuncio 24 horas después y se llamó a cada miembro de un par de
anuncios comerciales vistos por un sujeto específico “bien recordado” o “mal recordado”. La tabla
muestra un índice de la cantidad total de actividad cerebral de la muestra aleatoria de sujetos
mientras veían estos anuncios. Los investigadores querían saber si la actividad de las ondas
cerebrales era mayor en el caso de los anuncios bien recordados que en el de los anuncios mal
recordados. Construya una prueba de hipótesis con un nivel de significación del 5% y calcule el valor
P.
IACC
7
DESARROLLO:
Sea 𝜇𝑋 la media poblacional de los anuncios bien recordados y 𝜇𝑦 la media poblacional de los
anuncios mal recordados. Entonces, las diferencias 𝑑𝑖 (𝑖 = 1,2,3, … ,10) son una muestra aleatoria
de 10 observaciones procedentes de una población que tiene una media(𝜇𝑥 − 𝜇𝑦 ) . Partiendo de
estos supuestos, se puede contrastar la hipótesis nula de que no existe ninguna diferencia entre los
niveles de actividad del cerebro.
Actividad cerebral de los sujetos que ven 10 pares de anuncios de televisión:
𝐻0 : 𝜇𝑥 − 𝜇𝑦 = 0
Frente a la alternativa de que la actividad cerebral es, en promedio, mayor en el caso de los anuncios
bien recordados, es decir:
𝐻1 : 𝜇𝑥 − 𝜇𝑦 ≠ 0
Se calculan las diferencias para cada observación y sobre esas diferencias se calcula el promedio y
la desviación estándar.
IACC
8
Luego, se reemplazan los datos en la regla de decisión:
𝐷0 = 0; 𝑑̅ = 23; 𝑠𝑑 = 33; 𝑛 = 10; 𝑡𝑛−1,𝛼 = 𝑡10−1,0,05 = 𝑡9,0,05 = 1833
No olvide que Excel calcula el valor de 𝒕 , asumiendo dos colas. Por

ello el valor de significancia se debe multiplicar por 2 en la fórmula:
𝒕𝟗,𝟎,𝟎𝟓 = 𝐃𝐈𝐒𝐓𝐑. 𝐓. 𝐈𝐍𝐕(𝟐 ∗ 𝟎, 𝟎𝟓; 𝟗) = 𝟏, 𝟖𝟑𝟑
IACC
9
La regla de decisión es rechazar 𝐻0 si:
Como la afirmación es verdadera (la desigualdad se cumple), se rechaza 𝐻0 . Por lo tanto, se llega a
la conclusión de que existen considerables pruebas para concluir que la actividad cerebral es mayor
en el caso de los anuncios bien recordados que en el de los mal recordados.
Para calcular el valor P en este caso, se usa la fórmula entregada en la semana 6 para una prueba
de la cola superior.
Para una prueba superior, es decir,
𝐻0 : 𝜇 = 𝜇0
𝐻1 : 𝜇 < 𝜇0
En Excel se inserta la fórmula: t =DISTR.T(2,21;9;1) = 0,027
Interpretación: Por lo tanto, para niveles de significación inferiores a 2,7%, esto es 𝛼 = 2,7% , 𝐻0
no se rechazará.
Recuerde que, si el valor P es inferior al nivel de significación, entonces la hipótesis nula es

rechazada.
IACC
10
Y obtiene en una hoja nueva del libro de Excel:
IACC
11
Con la herramienta análisis de datos de Excel usted puede

determinar el valor t calculado para una y dos colas y el valor P para
una y dos colas.
En el comando datos ubique la función de análisis de datos y
seleccione “Prueba t para medias de dos muestras emparejadas”. El
cuadro de diálogo que aparece lo completa como se indica.
Es muy importante que vayan revisando los links adjuntos, para

trabajar los conceptos aplicados
https://www.youtube.com/watch?v=3hYY8AQpIvo
Link del recurso (DESCARGA)
IACC
12

POBLACIONALES CON VARIANZAS POBLACIONALES
CONOCIDAS (MUESTRAS INDEPENDIENTES)
Suponga que se tiene muestras aleatorias independientes de 𝑛𝑥 𝑦 𝑛𝑦 observaciones procedentes

de distribuciones normales que tienen las medias 𝜇𝑥 𝑦 𝜇𝑦 las varianzas 𝜎𝑥2 𝑦 𝜎𝑦2 , respectivamente.
Si las medias muestrales observadas son 𝑥̅ 𝑒 𝑦̅ , entonces los siguientes contrastes tienen un nivel
de significación 𝛼 (Newbold, Carlson & Thorne, 2008, p. 399).
IACC
13
Si los tamaños de muestra son grandes 𝑛 > 100, puede obtenerse una buena aproximación al nivel
de significación α.
IACC
14
Si se sustituyen las varianzas poblacionales por las varianzas muéstrales. Además, el teorema del
límite central permite obtener buenas aproximaciones, aunque las poblaciones no sigan una
distribución normal.
Los valores P de todas estas pruebas son la probabilidad de obtener un valor al menos tan extremo
como el obtenido, dada la hipótesis nula.
EJEMPLO: Una economista agraria quiere comparar el uso de estiércol de vaca con el de pavo como
fertilizantes. Históricamente, los agricultores han utilizado estiércol de vaca en los maizales. Hace
poco, un importante criador de pavos vende el estiércol a un precio favorable. Los agricultores han
decidido que solo usarán este nuevo fertilizante si existen pruebas contundentes de que la
productividad es mayor que cuando se utiliza estiércol de pavo. Le han pedido que realice el estudio
y el análisis estadístico para hacerles una recomendación.
Construya un test de hipótesis que concluya qué tipo de fertilizante les conviene a los agricultores.
Use un nivel de significación y calcule el valor P.
DESARROLLO:
𝜇𝑥 : es la media poblacional de la productividad, utilizando estiércol de pavo.

𝜇𝑦 : es la media poblacional de la productividad, utilizando estiércol de vaca.
Como la hipótesis nula tiene la característica de ser la más conservadora, se dirá en este caso que
debe reflejar que el fertilizante actualmente usado es el más conveniente.
Hipótesis nula: 𝐻0 : 𝜇𝑥 − 𝜇𝑦 ≤ 0
Hipótesis alternativa: 𝐻1 : 𝜇𝑥 − 𝜇𝑦 > 0
𝐻1 indica que el estiércol de pavo aumenta la productividad.
IACC
15
Utilizando este diseño, se realiza un experimento para contrastar la hipótesis.
Se utiliza estiércol de vaca en un conjunto de 𝑛𝑦 = 25 explotaciones agrícolas seleccionadas

aleatoriamente.
La media muestral de la productividad es 𝑦̅ = 100.

Basándose en la experiencia, se supone que la varianza de la productividad de estas explotaciones
es 𝜎𝑦2 = 400.
Se utiliza estiércol de pavo en una segunda muestra aleatoria de 𝑛𝑥 = 25 explotaciones

La media muestral de la productividad 𝑥̅ = 115.
Basándose en algunos estudios publicados, se supone que la varianza de estas explotaciones

es 𝜎𝑥2 = 625. Los conjuntos de muestras aleatorias son independientes.
La regla de decisión es rechazar 𝐻0 :
IACC
16
IACC
17

https://www.youtube.com/watch?v=wtUHLLIwepk
IACC
18

DESCONOCIDAS, PERO SUPUESTAMENTE IGUALES
(MUESTRAS INDEPENDIENTES)
En este caso se debe utilizar un estimador agrupado común de la varianza poblacional igual. Este
estimador es:
IACC
19
EJEMPLO: En forma reciente se ha incrementado el interés por evaluar el efecto del ruido sobre la
habilidad de las personas para realizar una determinada tarea. Un investigador diseña un
experimento en el que se pedirá a un determinado número de sujetos que lleven a cabo una tarea
específica en un medio contralado y bajo dos niveles diferentes de ruido de fondo. El investigador
selecciona 32 personas que son capaces de realizar la misma tarea en el mismo tiempo. Del total de
IACC
20
personas, 16 seleccionadas al azar realizarán esta tarea bajo un nivel modesto de ruido de fondo,
llamado nivel 1. Los restantes 16 llevarán a cabo la misma tarea, bajo un ruido de nivel 2, el cual es
más severo que el ruido de nivel 1. Los siguientes datos representan los tiempos en minutos que
fueron necesarios para completar la tarea para cada una de las 16 personas de cada nivel.
Asumiendo que estos datos constituyen muestras aleatorias de dos distribuciones normales e
independientes con varianzas iguales, pero no conocidas, ¿existe alguna razón para creer que el
tiempo promedio para el nivel 2 es mayor por más de dos minutos que para el nivel 1, con 0,01?
DESARROLLO:
𝜇𝑥 : es el tiempo medio que tardan en realizar una tarea la población de las personas sometidas al
ruido nivel 1.
𝜇𝑦 : es el tiempo medio que tardan en realizar una tarea la población de las personas sometidas al
ruido nivel 2.
Como la hipótesis nula tiene la característica de ser la más conservadora, se dirá en este caso que
debe reflejar que el tiempo medio que tardan en realizar una tarea las personas sometidas al ruido
nivel 2 es mayor en 2 minutos al tiempo medio que tardan las personas sometidas al ruido nivel 1.
Hipótesis nula: 𝐻0 : 𝜇𝑦 − 𝜇𝑥 = 2
Hipótesis alternativa: 𝐻1 : 𝜇𝑦 − 𝜇𝑥 > 2
IACC
21
𝐻1 indica que el tiempo promedio para el nivel 2 es mayor por más de 2 minutos que para el nivel
1.
Se calculan los estadísticos muestrales:
IACC
22
Interpretación: por lo tanto, se rechaza 𝐻0 , es decir, es mayor en 2 minutos el tiempo que demora
en realizar la tarea asignada el grupo expuesto al ruido nivel 2.
Para calcular el valor P en este caso, la siguiente fórmula:
Para una prueba de la cola superior, es decir,

𝐻0 : 𝜇 = 𝜇0 
𝐻1 : 𝜇 > 𝜇0 

En Excel se inserta la fórmula: t =DISTR.T(2,5417;30;1)
P 𝜑t 2,5417) 0,00822
IACC
23
Interpretación: por lo tanto, para niveles de significación inferiores a 0,8%, esto es 0,8%,
𝐻0 no se rechazará.
Recuerde que, si el valor P es inferior al nivel de significación, entonces la hipótesis nula es

rechazada.
Con la herramienta análisis de datos de Excel seleccione “Prueba t

para dos muestras suponiendo varianzas iguales”. El cuadro de
diálogo que aparece lo completa como se indica. Debe tener
precaución de ingresar como variable 1 aquella que tenga mayor
media muestral, que en este caso es el nivel 2.
Y obtiene en una hoja nueva del libro de Excel:
IACC
24

https://www.youtube.com/watch?v=ivyKbq-Xg5s
IACC
25

DESCONOCIDAS, PERO SE SUPONE QUE NO SON
IGUALES (MUESTRAS INDEPENDIENTES)
En este caso se debe calcular los grados de libertad del estadístico que se llamará 𝑣 (Newbold,
Carlson & Thorne, 2008, pp. 404 y 405). t
Aproximando el valor de al entero más próximo.
IACC
26
IACC
27
EJEMPLO: Un fabricante de monitores prueba dos diseños de microcircuitos para determinar si

producen un flujo de corriente equivalente. El departamento de ingeniería ha obtenido los
siguientes datos:
Determine si existe alguna diferencia significativa en el flujo de corriente promedio entre los dos
diseños a un nivel de significación 10%. Suponga que las poblaciones son normales y las
varianzas poblacionales son desconocidas y distintas.
DESARROLLO:
IACC
28
𝜇𝑥 : es la media poblacional del flujo de corriente que produce un microcircuito diseño 1.

𝜇𝑦 : es la media poblacional del flujo de corriente que produce un microcircuito diseño 2.
Como la hipótesis nula tiene la característica de ser la más conservadora, en este caso debe reflejar
que no existe diferencia en el flujo de corriente promedio entre los dos diseños.
La hipótesis nula es: 𝐻0 : 𝜇𝑥 − 𝜇𝑦 = 0 

Frente a la hipótesis alternativa: 𝐻1 : 𝜇𝑥 − 𝜇𝑦 ≠ 0

Se calculan los grados de libertad del estadístico t que se llamará . Se reemplazan los datos que
se disponen:
Se calcula el valor 𝑡15,0,1 = 𝐷𝐼𝑆𝑇𝑅. 𝑇. 𝐼𝑁𝑉(0,1; 15) = 1,75 . Hay que recordar que por defecto Excel
2
entrega la probabilidad del 10% en dos colas, así que no es necesario dividir por 2.
IACC
29
Interpretación: Por lo tanto, no se rechaza 𝐻0 , ya que ninguna de las desigualdades se cumple con
𝛼 = 10% . Esto significa que no existe evidencia que el flujo de corriente promedio de los dos
diseños sea diferente.
Para calcular el valor P se usa: DISTR.T(0,1837;15;2) = 0,857
5. PRUEBA PARA LA DIFERENCIA DE DOS

PROPORCIONES (GRANDES MUESTRAS)
Se toman dos muestras aleatorias independientes de tamaño 𝑛𝑥 y 𝑛𝑦 que tienen una proporción
de éxitos 𝑃𝑥 y 𝑃𝑦 . Cuando se supone que las proporciones poblacionales son iguales, una estimación
de la proporción común es:
Cuando el tamaño de la muestra es grande:
Las pruebas de hipótesis, dependiendo si la hipótesis alternativa es bilateral o unilateral, son:
IACC
30
IACC
31
IACC
32
• En todas estas pruebas, el valor P es el nivel de significación

más bajo al que puede rechazarse la hipótesis nula.
• En este caso, no confundir el valor P con la proporción P.
EJEMPLO: Se realizó un estudio a un grupo de personas donde se les preguntó si fumaban. Se

tomaron dos muestras, considerando la lateralidad: una muestra de 400 zurdos, donde 190
fumaban, y otra muestra de 800 diestros, donde 300 fumaban. Construya un test al 2% de
significación para la diferencia real entre las proporciones p1 y p2.
DESARROLLO:
Se trata de una prueba de diferencia de proporciones.
Primero se calcula 𝑃𝑥 𝑦 𝑃𝑦
190 19
𝑃𝑥 = =
400 40
IACC
33
IACC
34
Interpretación: Como la primera desigualdad es verdadera, se rechaza 𝐻0 , es decir, las proporciones

poblacionales reales entre zurdos y diestros que fuman son distintas.

https://www.youtube.com/watch?v=vTYYEXG0jWo
IACC
35
6. PRUEBAS DE HIPÓTESIS SOBRE LA VARIANZA
6.1. PARA UNA POBLACIÓN NORMAL

Suponga que se quiere probar la hipótesis que la varianza de una población normal 𝜎 2 es igual a un
valor específico 𝜎02 . Si se toma una muestra aleatoria de tamaño 𝑛, se pueden realizar los siguientes
test con una significación 𝛼. (Montgomery & Runger, 1996, pp. 427 y 428):
IACC
36
Donde 𝑠 2 es la varianza muestral y el estadístico de prueba 𝜒02 sigue una distribución ji-cuadrado
con n – 1 grados de libertad.
IACC
37
EJEMPLO: El director de control de calidad de una industria química le ha pedido que averigüe si la
varianza de las impurezas de sus envíos de fertilizante está dentro de la norma establecida. Esta
norma establece que la varianza de los kilos de impurezas de los sacos de 100 kilos no puede ser
superior a 4. Se obtiene una muestra aleatoria de 20 sacos y se miden los kilos de impureza de cada
saco. Se calcula que la varianza muestral es 6,62 kilos. Construya una prueba de hipótesis con un 5%
de significación.
DESARROLLO:
En este caso 𝜎02 = 4 𝑦 𝑠 2 = 6,62
La hipótesis nula es: 𝐻0 : 𝜎 2 ≤ 4
Frente a la hipótesis alternativa: 𝐻1 : 𝜎 2 > 4
Se reemplazan los datos en la regla de decisión:
Ahora se busca en la tabla ji-cuadrado con 19 grados de libertad el percentil 95 (esto es 0,95), ya
que se trata de la cola derecha. Se obtiene:
2
𝜒19,0,05 = 30,14
𝜒02 = 31,445 > 30,14
Interpretación: Por lo tanto, se rechaza la hipótesis nula y se concluye que la variabilidad de las
impurezas es superior a la que establece la norma. Se recomienda que se estudie el proceso de
IACC
38
producción y se hagan mejoras para disminuir la variabilidad de los componentes.
Para esta prueba, el valor P se calcula como la probabilidad de una ji-cuadrado igual a 31,445 con
19 grados de libertad.
6.2. PRUEBA PARA LA IGUALDAD DE DOS VARIANZAS

Suponga que se tienen dos poblaciones normales independientes, donde las medias y las varianzas
de la población son 𝜇𝑥 , 𝜇𝑦 , 𝜎𝑥2 𝑦 𝜎𝑦2 son desconocidas. Se desea probar la hipótesis sobre la igualdad
de las varianzas con un nivel de significación 𝛼. Se toman muestras de tamaño 𝑛𝑥 y 𝑛𝑦 con varianzas
𝑆𝑥2
muestrales 𝑠𝑥2 𝑦 𝑠𝑦2 y respectivamente. Aquí se usará el estadístico 𝐹0 = .
𝑆𝑦2
IACC
39
EJEMPLO: El jefe de un laboratorio se encuentra con una técnica de medición fuera del control
estadístico. Para investigar las causas decide investigar si el factor humano tiene incidencia y toma
una muestra de suero cualquiera, dividiéndola en 20 alícuotas. Luego, elige 10 de ellas al azar y se
las entrega al laboratorista 1 para que haga las determinaciones; las restantes las encomienda al
laboratorista 2 para que las mida. Los resultados obtenidos son: s12 =2,4 es la varianza obtenida por
el laborista, 1 y s22 =0,8 para el otro. Decidir si hay diferencia en dispersión entre ambos.
(Fuente: Aprende en línea, programa de integración de tecnologías de la información y la

comunicación a la docencia, Universidad de Antioquia, Medellín).
Se usa el estadígrafo F, ya que se trata de comparar las varianzas de dos muestras. F
IACC
40
Como se trata de un ensayo de dos colas, para un nivel del 95% de confianza, se busca en las tablas
para: n1-1= 9 grados de libertad para cada muestra, mientras que α = 0,025 para el límite inferior y
α = 0,975 para el superior. Estos valores son F0,975;9;9 = 4,03.
Luego, para calcular el valor no tabulado α = 0,025 se aprovecha una propiedad que tiene la función
F usando la inversa:
Como el valor hallado F = 3 cae dentro de la zona de aceptación, no hay evidencia significativa como
para decir que el factor humano tiene incidencia en la dispersión de las mediciones.
IACC
41
COMENTARIO FINAL
Esta semana se continuó estudiando los métodos

para realizar un test de hipótesis. Se analizaron los
métodos para comparar las medias poblacionales y
proporciones poblacionales, además de los métodos
para probar hipótesis de varianzas poblacionales,
usando varianzas muestrales. Es importante
destacar el papel de los supuestos, ya que la dependencia/independencia de las muestras, así como
el conocimiento o desconocimiento de las varianzas poblacionales indican el tipo de test que debe
aplicar.
En la investigación de cualquier problema se puede hacer uso de alguna de estas pruebas como una
forma sólida de respaldar las conclusiones. Por lo tanto, las pruebas de hipótesis pasan a ser
herramientas prácticas para la toma de decisiones.
IACC
42
REFERENCIAS
Biosca, A.; Espinet, M. J.; Fandos, M. J.; Jimeno, J.; Villagrá, B. J. & Escolano, L. E. (2003). Matemáticas
II aplicadas a las ciencias sociales. España: Edebé Bachillerato.
Canavos, G. (1998). Probabilidad y estadística, aplicaciones y métodos. 1.ª edición. Estados Unidos:
McGraw-Hill.
Lincoln Chao, L. (1982). Estadística para las ciencias administrativas. 2.ª edición. Estados Unidos:
McGraw-Hill.
Montgomery, D. & Runger, G. (1996). Probabilidad y estadística aplicadas a la ingeniería. 1.ª edición.
Estados Unidos: McGraw-Hill.
Newbold, P.; Carlson, W. & Thorne, B. (2008). Estadística para la administración y economía. 6.ª
edición. Estados Unidos: Pearson, Prentice-Hall.
Universidad de Antioquia. (2012, noviembre). Programa de integración de tecnologías de la

información y la comunicación a la docencia. Aprende en línea. Vicerrectoría de docencia. Medellín.
PARA REFERENCIAR ESTE DOCUMENTO, CONSIDERE:
IACC (2018). Test de hipótesis II. Estadística para la Gestión. Semana 6.
IACC
43
IACC
44

7 Contenido - Semana N°7 Test de Hipótesis II Vale PDF

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

7 Contenido - Semana N°7 Test de Hipótesis II Vale PDF

Încărcat de

Drepturi de autor:

Formate disponibile

SEMANA 7 – ESTADÍSTICA PARA LA GESTIÓN

ESTADÍSTICA PARA LA GESTIÓN

• Emplear métodos para contrastar las diferencias de dos poblaciones

APRENDIZAJES ESPERADOS ................................................................................................................. 2

Esta semana se tratarán los métodos para construir pruebas de

1. PRUEBA PARA LA DIFERENCIA ENTRE MEDIAS

Actividad cerebral de los sujetos que ven 10 pares de anuncios de televisión:

Luego, se reemplazan los datos en la regla de decisión:

𝐷0 = 0; 𝑑̅ = 23; 𝑠𝑑 = 33; 𝑛 = 10; 𝑡𝑛−1,𝛼 = 𝑡10−1,0,05 = 𝑡9,0,05 = 1833

No olvide que Excel calcula el valor de 𝒕 , asumiendo dos colas. Por

La regla de decisión es rechazar 𝐻0 si:

En Excel se inserta la fórmula: t =DISTR.T(2,21;9;1) = 0,027

Recuerde que, si el valor P es inferior al nivel de significación, entonces la hipótesis nula es

Y obtiene en una hoja nueva del libro de Excel:

Con la herramienta análisis de datos de Excel usted puede

Es muy importante que vayan revisando los links adjuntos, para

Link del recurso (DESCARGA)

2. PRUEBA PARA LA DIFERENCIA ENTRE MEDIAS

Suponga que se tiene muestras aleatorias independientes de 𝑛𝑥 𝑦 𝑛𝑦 observaciones procedentes

𝜇𝑥 : es la media poblacional de la productividad, utilizando estiércol de pavo.

𝐻1 indica que el estiércol de pavo aumenta la productividad.

Utilizando este diseño, se realiza un experimento para contrastar la hipótesis.

Se utiliza estiércol de vaca en un conjunto de 𝑛𝑦 = 25 explotaciones agrícolas seleccionadas

La media muestral de la productividad es 𝑦̅ = 100.

Se utiliza estiércol de pavo en una segunda muestra aleatoria de 𝑛𝑥 = 25 explotaciones

Basándose en algunos estudios publicados, se supone que la varianza de estas explotaciones

La regla de decisión es rechazar 𝐻0 :

Es muy importante que vayan revisando los links adjuntos, para

Link del recurso (DESCARGA)

3. PRUEBA PARA LA DIFERENCIA ENTRE MEDIAS

Hipótesis alternativa: 𝐻1 : 𝜇𝑦 − 𝜇𝑥 > 2

Para calcular el valor P en este caso, la siguiente fórmula:

Para una prueba de la cola superior, es decir,

P 𝜑t 2,5417) 0,00822

Recuerde que, si el valor P es inferior al nivel de significación, entonces la hipótesis nula es

Con la herramienta análisis de datos de Excel seleccione “Prueba t

Y obtiene en una hoja nueva del libro de Excel:

Es muy importante que vayan revisando los links adjuntos, para

Link del recurso (DESCARGA)

4. PRUEBA PARA LA DIFERENCIA ENTRE MEDIAS

Aproximando el valor de al entero más próximo.

EJEMPLO: Un fabricante de monitores prueba dos diseños de microcircuitos para determinar si

𝜇𝑥 : es la media poblacional del flujo de corriente que produce un microcircuito diseño 1.

La hipótesis nula es: 𝐻0 : 𝜇𝑥 − 𝜇𝑦 = 0 

Para calcular el valor P se usa: DISTR.T(0,1837;15;2) = 0,857

5. PRUEBA PARA LA DIFERENCIA DE DOS

Cuando el tamaño de la muestra es grande:

Las pruebas de hipótesis, dependiendo si la hipótesis alternativa es bilateral o unilateral, son:

• En todas estas pruebas, el valor P es el nivel de significación

• En este caso, no confundir el valor P con la proporción P.

EJEMPLO: Se realizó un estudio a un grupo de personas donde se les preguntó si fumaban. Se

Interpretación: Como la primera desigualdad es verdadera, se rechaza 𝐻0 , es decir, las proporciones

Es muy importante que vayan revisando los links adjuntos, para

Link del recurso (DESCARGA)

6. PRUEBAS DE HIPÓTESIS SOBRE LA VARIANZA

6.1. PARA UNA POBLACIÓN NORMAL

En este caso 𝜎02 = 4 𝑦 𝑠 2 = 6,62

La hipótesis nula es: 𝐻0 : 𝜎 2 ≤ 4

Frente a la hipótesis alternativa: 𝐻1 : 𝜎 2 > 4

Se reemplazan los datos en la regla de decisión:

producción y se hagan mejoras para disminuir la variabilidad de los componentes.

6.2. PRUEBA PARA LA IGUALDAD DE DOS VARIANZAS

(Fuente: Aprende en línea, programa de integración de tecnologías de la información y la