SÉPTIMA SEMANA: PRUEBA DE

HIPÓTESIS PARA MEDIAS Y VARIANZAS

Objetivos:
 Establecer el proceso metodológico de la prueba de
hipótesis para comparación de medias y varianzas.
E  Aplicar la prueba de hipótesis a la comparación de
d medias y varianzas a casos de la ingeniería
e
r química.
V  Explicar la prueba de hipótesis para medias
i pareadas.
c
u
ñ
a
 Pruebas de Hipótesis
 Se realiza mediante un procedimiento sistemático de
cinco pasos:

Paso 1 Paso 2 Paso 3 Paso 4 Paso 5

E
d Se plantean la Se selecciona Se identifica Se formula Se toma una
e hipótesis nula el nivel de el estadístico la regla de muestra y se
r y alternativa significancia de prueba decisión decide

V
No se rechaza H0 o se
i
rechaza H0 y se acepta Ha
c
u
ñ
a
 Comparación de Medias; de una
muestra respecto a su población
 Dado  conocida.
Una empresa de material eléctrico fabrica bombillas de
luz que tiene una duración que se distribuye de forma
aproximadamente normal con una media de 800 horas y
E una desviación estándar de 40 horas. Pruebe la hipótesis
d de que  = 800 horas contra la alternativa de   800 si
e
r una muestra aleatoria de 30 bombillas tiene una duración
promedio de 788 horas.
V
i 0 = 800 h
c  = 40 h
u
ñ
n = 30
a 𝑥 = 788 h
 Comparación de Medias; de una
muestra respecto a su población ...
Paso 1: H0:  = 0
Ha:  ≠ 0
Paso 2:  = 0,05
Paso 3: Estadístico: x 788  800 h
z   1,643
E / n 40 h/ 30
d
e Paso 4: Regla de decisión: si z > z/2 o z < -z/2, entonces se
r rechaza la hipótesis nula:
-z/2 = -z0,025 = -1,960
V
i Paso 5: Decisión: Como z > -z/2, entonces se acepta la
c hipótesis nula; esto es que hay evidencia de que la
u
ñ duración de la bombilla dura aproximadamente 800
a horas en promedio.
 Comparación de Medias; de una
muestra respecto a su población ...
 Dado  desconocida y un tamaño de muestra menor
a 30, se usa la prueba del t de student.
Ejemplo: Diez mediciones de recuperación de bromuro
potásico por cromatografía de gas-líquido en muestras de
E tomates de cierta partida arrojaron una media de 782
d
e μg/g y una desviación estándar muestral s = 16,2 μg/g.
r Suponga que las mediciones siguen una distribución
V
normal. Si la media poblacional es 775 μg/g; ¿hay
i evidencia que las mediciones corresponden al valor
c poblacional?
u
ñ
a
 Comparación de Medias; de una
muestra respecto a su población ...
 Paso 1: Planteamiento de la hipótesis nula y la alterna:
H0:  = 0 = 775 μg/g
Ha:  > 0

E o Paso 2: Nivel de significancia:

d  = 0,05
e
r o Paso 3: Estadístico de prueba:
x   782  775
V t   1,366
i s n 16,2 10
c o Paso 4: Regla de decisión:
u Si t > t entonces se rechaza la hipótesis nula
ñ
a
 Comparación de Medias; de una
muestra respecto a su población ...

Región de rechazo
Se acepta H0 de H0, 
Región de aceptación, p

0 t
E
d g.l.: grados de libertad,  = n -1 Valor crítico
e
r

V
i
c
u
ñ
a
 Comparación de Medias; de una
muestra respecto a su población ...
 Paso 5: Siendo t = 1,366 menor a 1,833, se acepa la
hipótesis nula; en otras palabras, los datos
muestran evidencia que el contenido de bromuro
en los tomates está alrededor de 775 μg/g.
E
d
e
r

V
i
c
u
ñ
a
 Comparación de las medias de
dos poblaciones
Muestras Independientes
 Si 2 es conocida, varianzas iguales para ambas
poblaciones.
E 𝛿−𝛿 𝜐1 𝜎1
2
+ 𝜐2 𝜎2
2
d
𝑧= 𝜎2 =
1 1 𝜐1 + 𝜐2
e 𝜎2 +
r 𝑛1 𝑛2
V
i
c
𝛿 = 𝑥1 − 𝑥2
u
ñ 𝛿 = 𝜇1 − 𝜇2
a
 Comparación de las medias de dos
poblaciones
 Si 2 es conocida, varianzas iguales para ambas
poblaciones.

E 𝛿−𝛿 𝜐1 𝜎1
2
+ 𝜐2 𝜎2
2
d
𝑧= 𝜎2 =
1 1 𝜐1 + 𝜐2
e 𝜎2 +
r 𝑛1 𝑛2
V
i
c
𝛿 = 𝑥1 − 𝑥2
u
ñ 𝛿 = 𝜇1 − 𝜇2
a
 Comparación de las medias de dos
poblaciones
 Se están estudiando las tasas de quemado de dos
diferentes propulsores de cohete a base de combustible
sólido. Se sabe que ambos propulsores tienen
aproximadamente la misma desviación estándar de
E tasa de quemado; esto es, 1 = 2 = 3 cm/s. Se prueban
d
e dos muestras aleatorias de n1 = 20 y n2 = 20
r especímenes, y las tasas medias de quemado
V muestrales son 𝑥1 = 18 cm/s y 𝑥2 = 24 cm/s. Mediante
i una prueba de hipótesis establezca si la tasa de
c
u
quemado del propulsor 2 es mayor que del 1.
ñ
a
 Comparación de las medias de dos
poblaciones
 Paso 1: Planteamiento de la hipótesis nula y la alterna:
H0: 1 = 2
Ha: 2 > 1

o Paso 2: Nivel de significancia:

E
d
 = 0,05
e o Paso 3: Estadístico de prueba:
r
𝛿−𝛿
𝑧=
V 1 1
i 𝜎2 +
𝑛1 𝑛2
c
u Toda vez que se conocen las varianzas
ñ poblacionales y que son iguales.
a
 Comparación de las medias de dos
poblaciones
Los grados de libertad respectivos son 𝜐1 = 19 y 𝜐2
= 19; y siendo iguales las varianzas, entonces la
varianza agrupada también será la misma, esto es 2
= 9 cm2/s2. Luego
𝛿−𝛿 24 − 18 − 0
E 𝑧= = = 6,3246
d 1 1 1 1
𝜎2 + 9× +
e 𝑛1 𝑛2 20 20
r

V o Paso 4: Regla de decisión:

i Si z > z entonces se rechaza la hipótesis nula
c z = z0,05 = 1,645
u
ñ
a
 Comparación de las medias de dos
poblaciones
 Paso 5: Dado que z > z entonces se rechaza la hipótesis
nula. Es decir, hay indicios de que la tasa de quemado del
propulsor 2 es mayor que del 1.

E
d
e
r

V
i
c
u
ñ
a
 Comparación de las medias de dos
poblaciones
 Si 2 es desconocida, pero con varianzas iguales
para ambas poblaciones y para muestras
grandes, es decir tamaños muestrales iguales o
mayores a 30.
E
d 𝛿−𝛿 𝜐1 𝑠1
2
+ 𝜐2 𝑠2
2
e 𝑧= 𝑆2 =
r 1 1 𝜐1 + 𝜐2
𝑆2 +
V
𝑛1 𝑛2
i
c 𝛿 = 𝑥1 − 𝑥2
u
ñ 𝛿 = 𝜇1 − 𝜇2
a
 Comparación de las medias de
dos poblaciones
 Una compañía sospecha que sus bombillas eléctricas tienen
un promedio de vida inferior a las de su principal
competidor. Si un estudio demostró que una muestra de n1
= 40 de sus bombillas tiene una vida media de 1638 horas
de uso continuo, con una desviación estándar de 31 horas,
E mientras que una muestra de n2 = 40 bombillas fabricadas
d
e por el competidor tienen una vida media de 1647 horas de
r uso continuo, con una desviación estándar de 27 horas.
¿Esto respalda la afirmación con un nivel de significancia
V
i de 0,05?
c
u Primero estableceremos si las varianzas son iguales o
ñ desiguales
a
 Comparación de las medias de
dos poblaciones
𝑠12 312
𝐹 = 2 = 2 = 1,318
𝑠2 27
Usaremos un procedimiento más fácil de recordar:

E
d
e
r
F1-/2 F/2
V
i F0,025; 39; 39 = 0,5289 F0,975, 39, 39 = 1,8907
c
u
Como F cae dentro del intervalo de confianza,
ñ establecemos que las varianzas de ambas maquinarias son
a iguales.
 Comparación de las medias de
dos poblaciones
 Paso 1: Planteamiento de la hipótesis nula y la alterna:
H0: A = B
Ha: A < B
 Paso 2: Nivel de significancia:
E  = 0,05
d
e  Paso 3: Estadístico de prueba:
r 𝛿−𝛿
𝑧=
V 1 1
𝑆2 +
i 𝑛1 𝑛2
c
u 2 2 2 + 39 × 272
𝜐 𝑠
1 1 + 𝜐 𝑠
2 2 39 × 31
ñ 𝑆2 = = = 845
a 𝜐1 + 𝜐2 39 + 39
 Comparación de las medias de
dos poblaciones
𝛿−𝛿 1638 − 1647 − 0
𝑧= = = −1,3846
1 1 1 1
𝑆2 + 845 × +
𝑛1 𝑛2 40 40
 Paso 4: Regla de decisión:
E
d Si z < -z entonces se rechaza la hipótesis nula
e -z = -z0,05 = -1,645
r
 Paso 5: Dado que z > -z entonces se acepta la hipótesis
V nula. Es decir, hay evidencia de que la diferencia observada
i
c entre las dos medias muestrales no es significativa.
u
ñ
a
 Comparación de las medias de
dos poblaciones
 Si 2 es conocida y con varianzas desiguales

𝛿−𝛿
𝑧=
E 𝜎12 𝜎22
+
d
e
𝑛1 𝑛2
r

V 𝛿 = 𝑥1 − 𝑥2
i
c 𝛿 = 𝜇1 − 𝜇2
u
ñ
a
 Comparación de las medias de dos
poblaciones
 Se emplean dos máquinas para llenar botellas de
plástico con detergente para cocina. Se tienen como
datos que las desviaciones estándar del volumen de
llenado son 1 = 0,15 onzas de líquido y 2 = 0,18
E onzas de líquido para cada una de las dos máquinas.
d
e Se seleccionan dos muestras aleatorias de n1 = 12
r botellas de la máquina 1 y n2 = 10 botellas de la
V máquina 2, y las medias de muestra de los volúmenes
i de llenado son 𝑥1 = 30,87 onzas de líquido y 𝑥2 = 30,68
c
u
onzas de líquido. Establezca si las dos máquinas
ñ llenan de manera diferente.
a
 Comparación de las medias de dos
poblaciones
 Paso 1: Planteamiento de la hipótesis nula y la alterna:
H0: 1 = 2
Ha: 1  2
 Paso 2: Nivel de significancia:
E  = 0,05
d
 Paso 3: Estadístico de prueba:
e
r 𝛿−𝛿
𝑧=
V 𝜎12 𝜎22
+
i 𝑛1 𝑛2
c
u
ñ Pues las varianzas poblacionales son conocidas y
a diferentes.
 Comparación de las medias de dos
poblaciones
𝛿−𝛿 (30,87 − 30,68) − 0
𝑧= = = 2,6566
𝜎12 𝜎22 0,152 0,182
+
+ 12 10
𝑛1 𝑛2

E
d  Paso 4: Regla de decisión:
e
Si z > z/2 o z < -z/2 entonces se rechaza la hipótesis
r
nula. De tablas z/2  z0,025 = 1,960.
V  Paso 5: Siendo z = 2,6566 mayor a 1,960, se rechaza la
i
c hipótesis nula; en otras palabras, hay evidencia que indican
u que las máquinas llenan las botellas con detergente de
ñ manera diferente.
a
 Comparación de las medias de dos
poblaciones
 Si 2 no es conocida, varianzas desiguales y
para muestras grandes (ni  30)

𝛿−𝛿
E 𝑧=
d 𝑠12 𝑠22
e +
r 𝑛1 𝑛2
V
i 𝛿 = 𝑥1 − 𝑥2
c
u 𝛿 = 𝜇1 − 𝜇2
ñ
a
 Comparación de las medias de dos
poblaciones
 Dos maquinarias A y B, usadas para el corte de pieles para
zapato, tienen que ser comparadas para comprobar la
magnitud de la longitud de los cortes. Se extrae una
muestra de 50 elementos por la maquinaria A y 45 para la
maquinaria B. Sabiendo que las medias muestrales son
E iguales a 140 cm y 120 cm respectivamente para A y B, y
d
e que la desviación estándar de los cortes es de 9 cm para el
r grupo A y 16 cm para el grupo B, mediante una prueba de
hipótesis compare la medias de ambas maquinarias.
V
i nA = 50 A = 49 𝑥𝐴 = 140 cm sA = 9 cm
c nB = 45 B = 44 𝑥𝐵 = 120 cm sB = 16 cm
u s2A = 81 cm2
ñ
a s2B = 256 cm2
 Comparación de las medias de dos
poblaciones
Evaluaremos si las varianzas de las dos maquinarias son
iguales: sA2 = 81 versus sB2 = 256.
𝑠𝐵2
𝐹 = 2 = 3,1605
𝑠𝐴
F0,025, 44,49 = 1,7829
E
d
e Siendo F > F0,025; 44; 49, concluimos que las varianzas son
r desiguales; en conclusión 2 no es conocida, varianzas
desiguales y para muestras grandes, usaremos:
V
i 𝛿−𝛿
c 𝑧=
u
𝑠12 𝑠22
ñ +
a 𝑛1 𝑛2
 Comparación de las medias de dos
poblaciones
Paso 1: Planteamiento de la hipótesis nula y la alterna:
H0: A = B
Ha: A > B
Paso 2: Nivel de significancia:
 = 0,05
E
d Paso 3: Estadístico de prueba:
e 𝛿−𝛿 20 − 0
r 𝑧= = = 7,398
81 256
𝑠12 𝑠22 +
V + 50 45
i 𝑛1 𝑛2
c
u Paso 4: Regla de decisión:
ñ
a Si z > z entonces se rechaza la hipótesis nula
 Comparación de las medias de dos
poblaciones

z = z0,05 = 1,645

E
d
e  Paso 5: Siendo z = 7,398 mayor a 1,645 se rechaza la
r hipótesis nula; esto quiere decir que hay sustento para
V
sospechar que la maquinaria A corta las pieles con mayor
i longitud que la maquinaria B.
c
u
ñ
*Dado  = 0,05, entonces P, que es igual a 1 - , será 0,95; y
a esto es lo que buscamos en la tabla normal estandarizada.
 Comparación de las medias de dos
poblaciones

 Si 2 no es conocida, varianzas iguales y para

muestras pequeñas
2 2
2
𝜐 𝑠
1 1 + 𝜐 𝑠
2 2 𝛿 = 𝑥1 − 𝑥2
E 𝑆 =
d 𝜐1 + 𝜐2 𝛿 = 𝜇1 − 𝜇2
e
r
 = n1 + n 2 − 2
V
i 𝛿−𝛿
c 𝑡=
u 1 1
𝑆2 +
ñ
a
𝑛1 𝑛2
 Comparación de las medias de dos
poblaciones
 Se está investigando el diámetro de barras de acero
manufacturadas en diferentes máquinas de extrusión.
Se seleccionan dos muestras aleatorias de tamaños n1 =
15 y n2 = 18, y las medias y varianzas muestrales son
E
𝑥1 = 8,73, 𝑠12 = 0,30, 𝑥2 = 8,68 y 𝑠22 = 0,34,
d respectivamente.
e
r Suponiendo que 𝜎12 = 𝜎22 , determine si una de las
máquinas produce barras de acero con diámetros
V
i inferiores al de la otra máquina.
c  𝑥1 = 8,73 𝑥2 = 8,68 n1 = 15 1 = 14
u
ñ  𝑠12 = 0,30 𝑠22 = 0,34 n2 = 18 2 = 17
a
 Comparación de las medias de dos
poblaciones
Usaremos la ecuación de la t de student, mostrado abajo, dado
que no conocemos las varianzas poblacionales pero que éstas
son iguales y que n1 = 15, n2 = 18 son menores a 30.
 Paso 1: Planteamiento de la hipótesis nula y la alterna:

H0: 2 = 1
E
d Ha: 2 < 1
e
 Paso 2: Nivel de significancia:
r
 = 0,05
V
i  Paso 3: Estadístico de prueba:
c 𝛿−𝛿
u 𝑡=
1 1
ñ 𝑆2 +
a 𝑛1 𝑛2
 Comparación de las medias de dos
poblaciones
2 2
2
𝜐1 𝑠1 + 𝜐2 𝑠2 14 × 0,30 + 17 × 0,34
𝑆 = = = 0,322
𝜐1 + 𝜐2 14 + 17
𝛿−𝛿 8,68 − 8,73
𝑡= = = −0,252
1 1 1 1
𝑆2 + 0,322 +
E 𝑛1 𝑛2 15 18
d
 Paso 4: Regla de decisión:
e
r Si t < -t entonces se rechaza la hipótesis nula
V -t = -t0,05; 31 = -1,696  = n1 + n2 - 2
i  Paso 5: Siendo t = -0,252 mayor a -1,696, se acepta la
c
u
hipótesis nula; en otras palabras, hay evidencia que indica
ñ que la máquina 2 produce barras de acero con diámetro
a parecido que el de la máquina 1.
 Comparación de las medias de dos
poblaciones

 Si 2 no es conocida, varianzas desiguales y

para muestras pequeñas
𝛿−𝛿
E
𝑡=
d 𝑠12 𝑠22
e +
r 𝑛1 𝑛2 2 2 2
𝑠1 𝑠2
+
V 𝑛1 𝑛2
i 𝜈=
2 2 2 2
c 𝑠1 𝑠2
u 𝑛1 𝑛2
ñ +
a 𝑛1 − 1 𝑛2 − 1
 Comparación de las medias de dos
poblaciones
 Un inspector de control de la contaminación sospecha que
una comunidad ribereña estuvo liberando aguas residuales
semitratadas en un río y esto, como consecuencia de ello,
cambió el nivel de oxígeno disuelto en el río. Para
V comprobar esto, este inspector sacó 15 muestras
E i
d seleccionadas al azar del agua del río en un lugar alto de la
c
e u ciudad y otros 15 ejemplares en la parte baja. Las lecturas
r ñ de oxígeno disuelto, en partes por millón, se dan en la tabla
a adjunta.
Arriba 5,2 4,8 5,1 5,0 4,9 4,8 5,0 4,7 4,7 5,0 4,7 5,1 5,0 4,9 4,9

Abajo 4,2 4,4 4,7 4,9 4,6 4,8 4,9 4,6 5,1 4,3 5,5 4,7 4,9 4,8 4,7
 Comparación de las medias de dos
poblaciones
 ¿Los datos proporcionan evidencia suficiente para indicar
que existe una diferencia en el contenido medio de oxígeno
en los lugares por encima y por abajo de la ciudad? Use un
 = 0,05.
n = 15
E
d 𝑥𝑢 = 4,92; su = 0,1567 u = arriba;
e
r
𝑥𝑙 = 4,74; sl = 0,3203 l = abajo
Probaremos si las varianzas son iguales:
V 2
i 𝑠𝑢 1
𝐹= = 0,2393 F = 0,975; 14, 14 = = 0,3357
c 𝑠𝑙2 𝐹𝛼=0,05;14,14
u
ñ
Siendo F < F0,975; 14; 14, concluimos que las varianzas son
a desiguales.
 Comparación de las medias de dos
poblaciones
Aclaremos; cuando se quiere establecer si las varianzas son
diferentes, se pueden presentar los siguientes casos:
Si F < F1-/2, o
Si F > F/2
E El que más hemos usado es
d
e el segundo caso, pero para F1-/2 F/2
r el primer caso, es necesario que el cociente de varianzas sea menor
V
que uno y que se use la siguiente identidad,
i 1
𝐹1−𝛼,𝜐 ,𝜐 =
c 2 1 2 𝐹𝛼,𝜐 ,𝜐
u 2 1 2
ñ toda vez que no se presentan en tablas los valores correspondientes
a a F.
 Comparación de las medias de dos
poblaciones
Usaremos una de las ecuaciones de la t de student,
dado que no conocemos las varianzas poblacionales,
que en base a sus varianzas muestrales se establece
que estas son desiguales y que n = 15, para ambos,
es menor a 30.
E
d  Paso 1: Planteamiento de la hipótesis nula y la alterna:
e
r
H0: u = l
Ha: u  l observe los datos; algunas veces uno es
V
mayor y otras veces menor
i
c  Paso 2: Nivel de significancia:
u
ñ  = 0,05
a
 Comparación de las medias de dos
poblaciones
 Paso 3: Estadístico de prueba:
𝛿−𝛿 4,92 − 4,74 − 0
𝑡= = = 1,955
𝑠12 𝑠22 0,15672 0,32032
+
+ 15 15
𝑛1 𝑛2
E
d
e con grados de libertad:
r
2 2 2 2
𝑠1 𝑠2 0,15672 0,32032
V + +
𝑛1 𝑛2 15 15
i 𝜈= = = 20,34 ≅ 20
2 2 2 2 2 2
c 𝑠1 𝑠2 0,15672 0,32032
u 15 15
𝑛1 𝑛2 +
ñ + 15 − 1 15 − 1
a 𝑛1 − 1 𝑛2 − 1
 Comparación de las medias de dos
poblaciones
 Paso 4: Regla de decisión:
Si t > t/2 entonces se rechaza la hipótesis nula

E
d
e
r

V  Paso 5: Siendo t = 1,955 menor a 2,086, se acepta la

i
c hipótesis nula; en otras palabras, hay evidencia que indican
u que no existe una diferencia en el contenido medio de
ñ oxígeno en los lugares por encima y por abajo de la ciudad.
a
 Datos pareados
 ¿Cómo obtenemos datos pareados?
 Cuando las observaciones individuales en la primera
muestra son pareadas a las observaciones individuales
de la segunda muestra, bajo las mimas condiciones.

E  Ejemplos para las pruebas pareadas:

d  Dos muestras del mismo lugar y a las mismas
e
r condiciones ambientales son analizadas mediante dos
instrumentos.
V
i
 Se evalúa la eficiencia de dos catalizadores en un
c determinado proceso efectuado bajo las mismas
u condiciones operacionales.
ñ
a
 Contraste para la diferencia de
medias de muestras pareadas
Tamaño de muestras pequeño y Dependientes
Sea X1, X2, …, Xn una muestra aleatoria de una población X →
N(µ1, σ), apareada con una muestra Y1, Y2, …, Yn de una
población Y → N(µ2, σ).
E Estadístico de contraste:
d
e D  D i
D  D
 D  D
n
t
2
r n
i
sD2
V sD  i 1

i n 1 n
c
u
Donde 𝐷 es la diferencia de las medias muestrales (𝑥 – 𝑦) y
ñ 𝑠𝐷 es la desviación estándar muestral de la diferencias
a experimentales de los datos pareados.
 Contraste para la diferencia de
medias de muestras pareadas ...
Tamaño de muestras grande
Sea X1, X2, …, Xn una muestra aleatoria de una población X →
N(µ1, σ), apareada con una muestra Y1, Y2, …, Yn de una
población Y → N(µ2, σ).
E Estadístico de contraste:
d D  D
e z
r sD2
V n
i
c
u
Dado varianzas poblacionales desconocidas, pero para
ñ tamaños muestrales mayores a 30.
a
 Contraste para la diferencia de
medias de muestras pareadas ...
Ventajas y Desventajas:
 Se controlan las fuentes conocidas de sesgo potencial. (+)
 La desviación estándar del estadístico de la prueba suele ser
menor, haciendo que la potencia de su prueba sea
E
proporcionalmente mayor. (+)
d  Las pruebas pareadas pueden ser relativamente costosas,
e
r
pues se tiene que definir las mismas condiciones, y puede
que se pierda algo debido a la presión de conseguirlas. (-)
V  Si se rechaza H0, se puede tener dificultades para
i
c argumentar que la diferencia se debe a eventos globales en
u lugar de un "efecto práctico" de prueba-reevaluación. (-)
ñ
a
 Contraste para la diferencia de
medias de muestras pareadas ...
Ejemplo:
Se desea comparar dos métodos para predecir la resistencia al
corte de vigas de placa de acero. Con este fin se selecciona
una muestra de 9 vigas, a las que se aplican los dos métodos.
Los datos se presentan en la siguiente tabla:
E
d Método 1 1,186 1,151 1,322 1,339 1,200 1,402 1,365 1,537 1,559
e
r
Método 2 1,061 0,992 1,063 1,062 1,065 1,178 1,037 1,086 1,052
V
i
c Contrastar al 5 % de significación si existe alguna diferencia
u entre estos dos métodos
ñ
a
 Contraste para la diferencia de
medias de muestras pareadas ...
Ejemplo…:
Llamamos D a la diferencia de resistencia entre el método 1 y
el método 2. Las diferencias experimentales son:
D 0,119 0,159 0,259 0,277 0,138 0,224 0,328 0,451 0,507
E
d que proporcionan una media 𝐷 = 0,2736 y una desviación 𝑠𝐷
e = 0,1356.
r
Paso 1: Hipótesis nula y la alterna:
V
i
H0 : µD = 0
c H1 : µD  0
u
ñ Paso 2: Nivel de confianza
a  = 0,05
 Contraste para la diferencia de
medias de muestras pareadas ...
Ejemplo…:
Paso 3: El estadístico de contraste es:
0,2736  0
t  6,05
2
0,1356
E
9
d Paso 4: Regla de decisión: si t es mayor que t/2 entonces se
e
r
rechaza la hipótesis nula
t1−α/2, n−1 = t0,975; 8 = 2,306.
V
i Paso 5: Inferencia
c Al ser 6,05 mayor que 2,306, rechazamos H0; es decir,
u
ñ hay evidencia de esta muestra de que los métodos
a proporcionan resultados diferentes.
 Contraste para la diferencia de
medias de muestras pareadas ...
 Dos medidores de flujo, A y B, se utilizan para medir el
caudal de salmuera en una planta de procesamiento de la
potasa, A en el tubo 1 y B en el tubo 2. Cierto día, se
observaron los caudales siguientes (en m3/s) a intervalos de
10 minutos de 13:00-14:00 horas:
E
d Hora 1:00 p.m. 1:10 p.m. 1:20 p.m. 1:30 p.m. 1:40 p.m. 1:50 p.m. 2:00 p.m.
e
r Medidor A 1,7 1,6 1,5 1,4 1,5 1,6 1,7

V Medidor B 2 1,8 1,6 1,5 1,6 1,7 1,9

i
c
 ¿Es el flujo en la tubería 1 significativamente menor del
u
ñ flujo en la tubería 2 a un nivel del 5% de significancia?
a
 Comparación de las medias de dos
poblaciones
 𝑥𝐴 = 1,5714 𝑥𝐵 = 1,7286 nA = 7 A = 6
 𝑠𝐴2 = 0,011 𝑠𝐵2 = 0,0324 nB = 7 B = 6
Las diferencias experimentales son:
 xA – xB:
E D -0,3 -0,2 -0,1 -0,1 -0,1 -0,1 -0,2
d
e
r

V
i
c
u
ñ
a
 Comparación de la varianza
muestral respecto a su población
Ejemplo: Una óptica adquiere cristales para montarlos en
anteojos, y sabe por experiencia que la varianza del índice
de refracción de esta clase de cristales es 1,2610-4. Como
es importante que los cristales tengan un índice de
E refracción muy parecido, la empresa rechaza uno de tales
d cargamentos si la varianza muestral de 21 cristales
e
r escogidos al azar excede 2,0010-4. Suponiendo que los
valores muestrales pueden considerarse como una muestra
V
i aleatoria de una población normal, ¿cuál es la
c probabilidad de que un cargamento sea rechazado a pesar
u
ñ
de que 2 = 1,2610-4?
a
 Comparación de la varianza
muestral respecto a su población ...
 Paso 1
H0:  2 = 𝜎02
Ha:  2 > 𝜎02
 Paso 2:  = 0,05

 
2 n  1s 2 21 1 2,00 104
  31,75
E  Paso 3:  2
1,26 10 4
d
e
r  Paso 4: Si 2 > 𝜒𝛼2 entonces se rechaza la hipótesis nula
V
i
c
u 5%
ñ
a 2
 Comparación de la varianza
muestral respecto a su población ...

E
d
e
r

V
i
c
u

ñ 2
a  = 31,42
 Comparación de la varianza
muestral respecto a su población ...
 Paso 5: Siendo 2 = 31,75 mayor a 31,42, se
rechaza la hipótesis nula; en otras palabras, los
datos muestran indicios de que la varianza de los
índices de refracción difieren del valor establecido.
E
d En este caso, los 2 son muy cercanos, por lo que
e sería recomendable realizar otras pruebas.
r

V
i
c
u
ñ
a
 Comparación de la varianzas de
dos poblaciones
 Comparación de Varianzas:
Ejemplo: Se requiere determinar si existe menos variabilidad
en el plateado realizado por la compañía 1 que el efectuado
por la compañía 2. Si muestras aleatorias de tamaño 10 y 12
para las compañías 1 y 2 respectivamente, producen s1 = 0,062
E
d
mm y s2 = 0,035 mm, pruebe la hipótesis nula de que 𝜎1 2 =
e 𝜎2 2 contra la hipótesis alterna de que 𝜎1 2 > 𝜎2 2 , con un nivel
r de significancia de 0,05.
V  Paso 1
i
H0: 𝜎𝐴2 = 𝜎𝐵2 A: referido a la compañía 1
c
u Ha: 𝜎𝐴2 > 𝜎𝐵2 B: referido a la compañía 2
ñ
a  Paso 2:  = 0,05
 Comparación de la varianzas de
dos poblaciones ...
o Paso 3: F  s /   s   s   0,062   3,138
2 2 2 2 2 2
A A A B A
2
Bs /
2
B s
2
B
2
A s 2
B  0,035 
o Paso 4: Si F > F (nA – 1, nB – 1) entonces se rechaza la
hipótesis nula

E
d
e P = 0,95
5%
r F0, 05  2,90

V
i
c
u
ñ
a
 Comparación de la varianzas de
dos poblaciones ...
 Paso 5: Siendo F = 3,14 mayor a 2,90, se debe rechazar la
hipótesis nula; en otras palabras, los datos apoyan el
argumento de que el plateado realizado por la compañía 1 es
más variable que el de la compañía 2.
E
d
e Si se hubiese planteado la otra forma de la hipótesis:
r  Paso 1

V H0: 𝜎𝐵2 = 𝜎𝐴2

i
c
Ha: 𝜎𝐵2 < 𝜎𝐴2
u  Paso 2:  = 0,05
ñ
a
 Comparación de la varianzas de
dos poblaciones ...
o Paso 3: F  s /   s   s   0,035   0,3187
2 2 2 2 2 2
B B B A B
s / s s 2
A
2
 0,062 
A
2
A
2
B
2
A

o Paso 4: Si F < 𝐹1−𝛼,𝑛𝐵 −1,𝑛𝐴−1 entonces se rechaza la

hipótesis nula
1 1
F1  F0,95;11;9    0,3448
E F0, 05;9;11 2,90
d 5%
e P = 0,95
r 0,3448

V
i
c
u
ñ
a
 Comparación de la varianzas de
dos poblaciones ...
 Paso 5: Siendo F = 0,3187 menor a 0,3448, se debe
rechazar la hipótesis nula; en otras palabras, los
datos apoyan el argumento de que el plateado
realizado por la compañía 2 es menos variable que
E
d el de la compañía 1.
e
r

V
i
c
u
ñ
a
 Distribución F…
Se pueden presentar dos escenarios:
I:
Matriz
Especificaciones: µ y 
E Subsidiaria 1 Subsidiaria 2
d
e T 0 cumplen: µ y  cumplen: µ y 
r
I
Variaciones s12
V
i
E en el F 2
M s2
c proceso
u P
ñ s1 s2
a O
 Distribución F…
II:

Matriz 1 Matriz 2
Especificaciones: Especificaciones:
E T
0 µ1 y 1 µ2 y 2
d
e I
r
E Variaciones s12 /  12
en el F 2 2
V M s2 /  2
i proceso
c P
u O s1 s2
ñ
a
 Comparación de la proporción
de una población, n grande
Se estudiaron 40 muestras de aceite crudo de
determinado proveedor con el fin de detectar la presencia
del níquel mediante una prueba que nunca da un
resultado erróneo. Si en 5 de dichas muestras se observó
E la presencia de níquel, ¿podemos creer al proveedor
d cuando asegura que a lo sumo el 8% de las muestras
e
r contienen níquel?
V
n = 40
i 𝑝 = 0,125
 = 0,05
c
u
ñ
a
𝑧 =1,6449
 Comparación de la proporción
de una población, n grande ...
Paso 1: H0: p  p0
Ha: p > p0
p0 = 0,08
Paso 2:  = 0,05
E
d Paso 3: Estadístico:
 0,125  1  0,125  
e
 pq 
r pˆ  N  p,   N  0,125,   N  0,125;0, 0523
 n   40 
V  
i
pˆ  p0 0,125  0, 08
c z   0,8606
u  0,0523
ñ
a
 Comparación de la proporción
de una población, n grande ...
Paso 4: Regla de decisión: si z > z entonces se rechaza la
hipótesis nula:
z =1,6449

E Paso 5: Decisión: Como z < z, entonces se acepta la

d hipótesis nula; esto quiero decir, que hay evidencia
e
r de que el contenido de níquel es menor al 8%.
V
i
c
u
ñ
a
 Comparación de la proporción
de una población, n grande ...
Paso 1: H0: p  p0
Ha: p > p0
p0 = 0,08
Paso 2:  = 0,05
E
d Paso 3: Método de comparación: Intervalo de confianza
e
r ˆˆ
pq
pˆ  z p
V n
i

0,125  1  0,125
c

0,125  1,6449 p
u
ñ
a 40
 Comparación de la proporción
de una población, n grande ...
0,039  p

Paso 4: Regla de decisión: si p0 no se encuentra en el

intervalo de confianza, entonces se rechaza la
E hipótesis nula:
d p0 = 0,08 se encuentra dentro del intervalo de
e
r
confianza.

V Paso 5: Decisión: p0 se encuentra dentro del intervalo de

i confianza, entonces se acepta la hipótesis nula;
c
u
esto quiero decir, que hay evidencia de que el
ñ contenido de níquel es menor al 8%.
a
 Procedimientos Generales

Estadístico Hipótesis Hipótesis Regla de decisión

nula alterna

x  < 0 z < -z

E Z  = 0  > 0 z > z
d  n  ≠ 0 z < -z/2 ó z > z/2
e
r
x  < 0 t < -t
V t  = 0  > 0 t > t
i
c
s n  ≠ 0 t < -t/2 ó t > t/2
u
ñ
a
 Procedimientos Generales…    2  1
Muestras Independientes ˆ  x 2  x1

z
ˆ   2 - 1 <  z < -z
1 1 2 - 1 =  2 - 1 >  z > z
   
2

 n1 n2  2 - 1 ≠  z < -z/2 ó z > z/2

z
ˆ   2 - 1 <  z < -z
E   12  22  2 - 1 =  2 - 1 >  z > z
  
d
 n1 n2   s 2
  s 2 2 - 1 ≠  z < -z/2 ó z > z/2
e S2  1 1 2 2

r t
ˆ    1  2 2 - 1 <  t < -t
1 1 2 - 1 =  2 - 1 >  t > t
S 2   
V
i  n1 n2    n1  n2  2 2 - 1 ≠  t < -t/2 ó t > t/2
c
t
ˆ   2 - 1 <  t < -t
u
 s12 s22  2 - 1 =  2 - 1 >  t > t
ñ   
a  n1 n2 
2 - 1 ≠  t < -t/2 ó t > t/2
 Procedimientos Generales…
Muestras Dependientes   n 1

D  D 2 - 1 < 0 t < -t

t
sD2 2 - 1 = 0 2 - 1 > 0 t > t
2 - 1 ≠ 0 t < -t/2 ó t > t/2
n
E
D  D 2 - 1 < 0 z < -z
d z  s =
2
 s
2
e s2 S 2
2 -1 1
1 0
2 2 2 - 1 > 0 z > z
r
D  1  2 2 - 1 ≠ 0 z < -z/2 ó z > z/2
n
V
i
 Di
sD 
Di  D 2
c
D
u n n 1
ñ
a
 Procedimientos Generales…

2
𝜎 2 < 𝜎02 𝜒 2 < 𝜒1−𝛼
(n  1) s 2
 
2
𝜎 2 = 𝜎02 𝜎 2 > 𝜎02 𝜒 2 > 𝜒𝛼2
V
2
2 2
E
d
i 𝜎 2 ≠ 𝜎02 𝜒 2 < 𝜒1−𝛼/2 ó 𝜒 2 > 𝜒𝛼/2
c
e u
r ñ
a 𝜎12 < 𝜎22 𝐹 < 𝐹1−𝛼; 𝜐1 ,𝜐2
s12 /  12 s12 22
F 2 2  2 2 𝜎12 = 𝜎22 𝜎12 > 𝜎22 𝐹 > 𝐹α; 𝜐1 ,𝜐2
s2 /  2 s2  1

𝜎12 ≠ 𝜎22 𝐹 < 𝐹1−𝛼2; 𝜐2 ,𝜐1 ó 𝐹 > 𝐹𝛼2; 𝜐1 ,𝜐2