Prueba de Hipótesis

Prueba de Hipótesis
© Pontificia Universidad Católica del Perú - CENTRUM, 2012

Todos los derechos reservados
haber hecho uno mejor”
“Si tu experimento necesita estadísticas, deberías

“Cuando puedes medir aquello de lo que
hablas, y expresarlo con números, sabes algo
acerca de ello; pero cuando no lo puedes

medir, cuando no lo puedes expresar con
números, tu conocimiento es pobre e
insatisfactorio: puede ser el principio del
conocimiento, pero apenas has avanzado en

tus pensamientos a la etapa de ciencia”.
Sumario
1. Pruebas de hipótesis.
2. Nivel de significancia.
3. Errores al tomar decisiones:

Errores tipo I y tipo II.
4. Prueba de hipótesis relativa a la media y
proporción.

5. Prueba de hipótesis para diferencia de
medias.
Prueba de hipótesis
¿Qué es una hipótesis? ¿Qué es una prueba de
• Enunciado respecto al valor hipótesis?
de un parámetro. • Procedimiento basado
– Las resistencias al en la evidencia muestral
impacto de los parabrisas y en la teoría de

que producen dos
empresas son iguales. probabilidades, que se
– El ingreso mensual emplea para determinar
promedio de los jubilados si la hipótesis es un
es 200 soles. enunciado razonable y
– El 90% de los formularios no debe rechazarse, o

del Impuesto a la renta se no tiene sustento y
llenan correctamente.
debe rechazarse.
Suposición que hacemos con respecto a un
parámetro de la población.
Población Muestra

Estadística

Parámetro
? ¿¿Significativa??
Supuesto: Tome una muestra
La edad media de la
población es 50.
H 0 :   50
H1 :   50  X  20

¿La evidencia muestral nos indica que la media
poblacional es significativamente diferente, es decir
no es igual, a 50?

SE RECHAZA LA HIPOTESIS NULA
NO ES PROBABLE
NO SE RECHAZA LA HIPOTESIS NULA
Pasos para probar una hipótesis
1.Plantear las hipótesis
nula (Ho) y
alternativa(H1)
2.Seleccionar un
nivel de significación

3. Identificar el
estadístico de prueba
4. Formular la
regla de decisión
5. Tomar una muestra

y
llegar a una decisión
No Rechazar Ho Rechazar Ho
1. Plantear la hipótesis nula y alternativa
• Hipótesis Nula(Ho)
– Una afirmación o enunciado tentativo que se realiza
acerca del valor de un parámetro.
– Es una afirmación de que el parámetro tiene un valor
específico.

– Hay un NO dentro de Ho.
– La planteamos como una AFIRMACIÓN que se aceptará
si los datos muestrales no indican que es falsa.
– Siempre contiene el signo IGUAL.
– La estadística muestral es distinta del parámetro (azar).

– Rechazamos o No la hipótesis nula, no podemos decir
que es verdadera (censo).
• Hipótesis Nula(Ho)
– “La resistencia del vidrio al impacto no es significativamente
diferente a 70PSI”.
H :   70
0

– La resistencia hipotética es 70 PSI.
– La resistencia promedio en una muestra de 12 parabrisas es
69.5 PSI.
– Conclusión respecto a la diferencia de 0.5 PSI.
– ¿Es la diferencia verdadera o significativa, o se debe al

azar?
• Hipótesis Alternativa (H1)
– Una afirmación o enunciado que se aceptará si
los datos muestrales proporcionan amplia
evidencia que Ho es falsa.
– Contiene los signos “desigual” (≠) o “mayor

que” (>) o “menor que”(<).
H :   70
1
“La resistencia es diferente a 70 PSI”

H :   70
1
H :   70
1
2. Nivel de significación o
significancia (α)
• Es el riesgo que se asume al rechazar la hipótesis nula (Ho),
cuando en realidad no debe rechazarse por ser verdadera.
• No hay un nivel de significancia patrón.
• Consumos / Ingresos: 0.05, Control de Calidad: 0.01,

Encuestas Políticas: 0.1
• Riesgo (de rechazar Ho) = Error.
• Error tipo I (α)
– Probabilidad de rechazar Ho, cuando en realidad es
verdadera.

• Error tipo II (β)
– Probabilidad de no rechazar Ho , cuando en realidad es
falsa.
3. Estadístico de Prueba
• Valor determinado a partir de la estadística
muestral, que usaremos para aceptar o rechazar
Ho.
• Existen varios estadísticos: z, t, F, otros.

• El primer estadístico usado es para la distribución
normal estándar.
• Emplearemos:
x
z


n
4. Regla de decisión
• Condición bajo la cuál se acepta o rechaza la
hipótesis nula.
• Distribución muestral se divide en:
– Región de aceptación

– Región de rechazo
• Valor crítico
– Número o valor que es el punto de división entre la
región de aceptación y la de rechazo.
• Dependerá de α.

4. Regla de decisión
Distribución de
Muestreo
Nivel de Significancia = 

No rechazar H0
x
  25 x Rechazar H0

Zc
Tipos de Prueba
• Pruebas de significación:
– Una cola
– Dos colas
• Prueba para la media de la población:

– n > 30 y se conoce desviación estándar
poblacional.
– n > 30 y se desconoce desviación estándar
poblacional (caso general).

• Prueba para dos medias poblacionales.
Prueba de dos Colas (Medias)
H :   70
0
H :   70 
x 
1
n

2 

Región de Aceptación
2
valor crítico - z 70 valor crítico z

2 2
Lim. Inf.    z / 2 x ¿x? Lim. Sup.    z / 2 x

(x  )
Valor z observado 
x
Prueba de Cola Derecha (Medias)
H :   70
0
H :   70
1

x 
n

70 valor crítico z
¿x? Lim. Sup.    z x

(x  )
x
Prueba de Cola Izquierda (Medias)
H :   70
0
H :   70

1
x 
 n

valor crítico - z 70
Lim. Inf.    z x

¿x?
(x  )
x
5. Tomar una decisión
• Rechazo o No Rechazo Ho.
• Cuando encontramos que un z calculado es tan grande o
es tan pequeño, es improbable y se debe al azar (variación
en el muestreo).
• Si somos conservadores, en lugar de aceptar:

– “No podemos rechazar ………”
– “Los resultados muestrales no permiten rechazar …….”
• No debemos olvidar que siempre existirá un riesgo mínimo
de cometer un error tipo I o II.

• La decisión siempre la tomará la persona, no el cálculo,
recomendará o decidirá según su jerarquía en la
organización.
Errores al Tomar Decisiones
• Error Tipo I
– Rechazar una Hipótesis Nula cuando es cierta.
– La probabilidad de cometer un Error del Tipo I es igual
al nivel de significancia α. La probabilidad de no

cometer el Error del Tipo I es igual a 1- α
• Error Tipo II
– Aceptar (no rechazar) una Hipótesis Nula cuando es
falsa.
– La probabilidad de cometer un Error del Tipo II es igual

a . La probabilidad de NO cometer un Error del Tipo II
es igual a 1- .
Resultados de Probabilidades
H0: Inocente
Juicio Prueba de Hipótesis
Lo Cierto Lo Cierto

Veredicto Inocente Culpable Decisión H 0 Verd. H 0 Falsa
No Error
Inocente Correcto Error Rechazar 1-  Tipo II
H0 ()

Error Prueba de
Rechazar
Culpable Error Correcto Tipo I Poder
H0 (α) (1 -  )
Error tipo II (β)
• Probabilidad de aceptar la hipótesis nula como
verdadera cuando en realidad es falsa.
– ¿Cómo calcular el error tipo II?
– ¿Cómo disminuir el error tipo II manteniendo el mismo
error tipo I?

• Curva Operacional.
– Nos muestra la probabilidad de aceptar una hipótesis
falsa cuando debimos rechazarla. Varía de acuerdo a
n, error estándar y alfa (α).

• Curva de poder o poder discriminador.
– Representa la probabilidad de NO cometer un error
tipo II, es decir (1-β). A >n > poder discriminador.
Tipos de Prueba
• Para la media de la población.

– n < 30 y se desconoce Desv. Std. poblacional.
• Para dos medias poblacionales.

– n < 30 y se desconoce Desv. Std. poblacional.
• Para la proporción de la población.
• Para dos proporciones poblacionales.
• Para la varianza de la población.
• Para dos varianzas poblacionales.

Pruebas t de Student (n<30)
• Prueba para la media • Prueba para dos medias
poblacional – Supuestos:
– Estadístico de • Obs. independientes.
prueba: • Varianzas pob. iguales.
x

t – Estadístico de prueba:
x1 x 2
s t
n   n1  1 s12   n2  1 s22  1 1
   
– G. libertad: n-1  n1  n2  2   n1 n2

– G. libertad : n1+n2-2
Prueba para proporciones
• Proporción poblacional • Entre dos Proporciones
– Supuestos: – Estadístico de
• Comportamiento prueba:
binomial. p1  p 2

• np y nq >5. z
– Estadístico de
  
pc 1  pc pc 1  pc


prueba: n1 n2
p p x1  x2
z pc  
p1  p 

n1 n2
n
Prueba de dos Colas (Porciones)
H 0 : p  0.6
H1 : p  0.6 pq
p 
n


2

Región de Aceptación 2
valor crítico - z 0.6 valor crítico z

2 2
Lim. Inf.  p  z / 2 p ¿ p ? Lim. Sup.  p  z / 2 p

( p  p)
p
Prueba de Cola Derecha (Porciones)
H 0 : p  0.6
H1 : p  0.6 pq
p 
n


0.6 valor crítico z
¿ p? Lim. Sup.  p  z p

( p  p)
p
Prueba de Cola Izquierda (Porciones)
H 0 : p  0.6
H1 : p  0.6
pq
p 
n


valor crítico - z 0.6

Lim. Inf.  p  z p ¿ p?

( p  p)
p
Prueba para la media de la
población n≥30 y se conoce σ
Sabemos que las tasas de eficiencia de los trabajadores de
producción de BACKUS S.A., se distribuye normalmente, con
µ=200 y σ=16.
El Departamento de I & D, cuestiona esa media, indicando que

es diferente de 200.
Usted es asesor de la Alta Dirección y le consultan si apoya o
refuta esta afirmación, si se efectuó una prueba de eficiencia a
100 trabajadores, y el promedio fue de 203.5.
Luego, el mismo Jefe de I & D, indica que la media es mayor a
200, ¿está en lo correcto?

Prueba para la media de la población
n≥30 y se conoce σ
1. Hipotesis nula y alternativa
H 0 : 1  200 ptos.
H1 : 1  200 ptos.

“El promedio de puntos de eficiencia no es significativamente
diferente de 200 puntos”.
2. Nivel de significación

Prueba de dos colas 

2
  0.01 Región de Aceptación 2
 / 2  0.005
Como se trata de una prueba de una media poblacional con n≥30,
y se conoce σ, usamos Z.
x
z


n
4. Regla de decisión (crítico)
zCritico  z / 2  z0.005 No Rechazo H0 si:

zCritico  2.58
 zCritico  zCalc.  zCritico
5. Estadístico Calculado - Decisión
203.5  200 3.5
x zCalc.  
z 16 1.6
 100
n zCalc.  2.1875  2.19

zcrit.  2.58
zcrit .  2.58
Región de Aceptación El Jefe de I&D
está equivocado
zCalc.  2.19  2.58  zCritico

La evidencia muestral NO nos permite rechazar la hipótesis nula.
Las media poblacional no es significativamente diferente de 200 ptos.
1. Hipotesis nula y alternativa (Segunda Parte)
H 0 : 1  200 ptos.
H1 : 1  200 ptos.

“El promedio de puntos de eficiencia no es significativamente
diferente de 200 puntos”.
Prueba de una cola

  0.01 
x

z

n

zCritico  z  z0.01
No Rechazo H0 si: zCalc.  zCritico
zCritico  2.33
203.5  200 3.5
z 16 1.6
 100
n zCalc.  2.1875  2.19

z  2.33

crit .
El Jefe de I&D,
zCalc.  2.19  2.33  zCritico sigue equivocado.

La evidencia muestral NO nos permite rechazar la hipótesis nula.
Las media poblacional no es significativamente diferente de 200 ptos.
Prueba para la media de la población n≥30 y
se desconoce σ
(Debemos basarnos en estudios previos de σ o empleando S)

Una cadena de tiendas, expide su propia tarjeta de crédito.
El Gerente de Marketing desea averiguar si el saldo medio por
cobrar por mes, es mayor a S/. 400. El desea asumir un riesgo de

0.05.
Una revisión aleatoria a 172 cuentas reveló que la media muestral
es S/.407 y la desviación estándar de S/.38.
¿El Gerente debería concluir que µ es mayor a S/.400, o es
razonable suponer que la diferencia de S/.7.00 se debe al azar?

población n≥30 y se desconoce σ
H 0 : 1  S / .400
H1 : 1  S / .400

“El saldo medio por cobrar por mes no es significativamente
diferente de S/. 400”.
Prueba de una cola


  0.05 Región de Aceptación
n≥30 y se desconoce σ
x x x

z z 
 sx s
n n
zCritico  z  z0.05

No Rechazo H0 si: zCalc.  zCritico
zCritico  1.645
Población n≥30 y se desconoce σ

407.5  400 7
z 38 2.8975
s 172

n zCalc.  2.4159  2.42
zcrit.  1.645 
Región de Aceptación Este valor ocurrirá
menos del 5% de

zCalc.  2.42  1.645  zCritico las veces.
La evidencia muestral nos permite rechazar la hipótesis nula.
El saldo medio/mes es significativamente diferente de S/.400.
Prueba para dos medias poblacionales
Se utilizan bloques de concreto en los cimientos de varios

edificios. Las especificaciones indican que la media aritmética
mínima de la resistencia a la compresión de una muestra de
bloques debe ser 1,000 PSI. Si dos compañías envían muestras de

bloques que tienen resistencias superiores a la mínima, entonces
las normas establecen que deben tomarse una de dos acciones:
1. Si se aplica una prueba estadística a los resultados muestrales
que indica que ambas muestras pueden venir de poblaciones
iguales o idénticas, el contrato de los bloques es divida por
igual.

2. Si las estadísticas muestrales indican que comprende dos
poblaciones, al fabricante que envíe los bloques con
resistencia más alta, se le dará la buena pro del contrato.
Se seleccionaron muestras aleatorias de las compañías “La

Piedra” y “El Duro”, con los siguientes resultados:
¿Qué compañía debemos contratar, si deseamos tener una

probabilidad de cometer un error tipo I de 0.01?
Compañía Media Muestra Desv.

Muestral Estandar
Muestral

La Piedra 1,070 PSI 81 63 PSI
El Duro 1,020 PSI 64 57 PSI
1. Hipótesis nula y alternativa
Definimos: La Piedra (1) y El Duro (2)
La Hipótesis Nula la podemos establecer de dos formas:
H 0 : 1  2 H 0 : 1  2  0
H1 : 1  2 H1 : 1  2  0

“No existe diferencia significativa entre la resistencia de La
Piedra y El Duro, es decir provienen de la misma población”
Prueba de dos colas


  0.01 2 
2
 / 2  0.005
Como se trata de una prueba de dos medias poblacionales con
n≥30, y se desconoce σ, usamos Z.
x1  x 2
z

2 2
s s
1 2
n n
1 2

zCritico  z / 2  z0.005 No Rechazo H0 si:
zCritico  2.58  zCritico  zCalc.  zCritico

x1  x 2 1070  1020 50
z zCalc.  
2 2 2
63  57
2
49  50.77
s s
1 2
n n
1 2
81 64

50 50
zCalc.    5.0059
99.7656 9.9883
zcrit.  2.58 zcrit .  2.58
Contratamos a

zCalc.  5.0059  2.58  zCritico La Piedra.
La evidencia muestral nos permite rechazar la hipótesis nula.

Las medias poblacionales son significativamente diferentes y no se debe al azar.
Error tipo II (β)
Usted es Jefe de Logística de una empresa dedicada a confeccionar
pasadores de sujeción tipo chaveta de diferentes dimensiones; se ha
efectuado la adquisición de un lote de varillas de acero.
La experiencia a revelado que la verdadera resistencia promedio de
los lotes recibidos es 10,000 PSI con una σ de 400 PSI.

Para tomar una decisión acerca de los embarques recibidos, la
empresa ha establecido una norma a seguir por el Control de
Calidad: “Tomar una muestra de 100 varillas, si la resistencia
promedio se encuentra entre 9,922 y 10,078 PSI, se acepta el lote; si
no lo rechazamos”.
¿Cuál será la probabilidad de aceptar el lote como “bueno”, cuando

en realidad la media del lote no es 10,000 PSI, sino 9,900 PSI, a un
nivel de significancia de 0.05?
¿Cómo disminuir el error tipo II, manteniendo el mismo error tipo I?
Error tipo II (β)
H 0 : 0  1000 PSI
H1 : 0  1000 PSI

“El promedio de la resistencia no es significativamente diferente
de 10,000 PSI”.

Prueba de dos colas

  0.05 2 
2
 / 2  0.025 Región de Aceptación
Error tipo II (β)
x
z


n

No Rechazo H0 si:

zCritico  z / 2  z0.025
Error tipo II (β)

2 
1 2
xCrit.  9,922 0  10,000 10,078

zCrit.  1.96 zCrit.  1.96

1 

1  9,900 9,922  xCrit.1
zCrit.1  ?
Error tipo II (β)
x Crit.1  1 9922  9900 22
zCrit.1  zCrit.1  
 400 40
n 100
zCrit.1  0.55
Aplicando

Distribución
Normal Std.
1  obtendremos el

área bajo la curva.
zcrit .1  0.55
Área = 0.7088 (acumulada, 1-β)

Área (β) = 1- 0.7088 = 0.2912 La probabilidad de aceptar
un lote malo es de 0.2912
Error tipo II (β)
¿Cómo disminuir el error tipo II manteniendo el mismo error tipo I?
1. Establecer el valor crítico del estadístico de prueba tanto para α

como para β, de acuerdo al nivel de significancia deseado.

2. Igualar las ecuaciones del estadístico de prueba y despejar n.

2 
1 2
xCrit.  9,922 0  10,000 10,078

zCrit.  1.96 zCrit.  1.96


1 
1  9,900 9,922  xCrit.1

zCrit.1  ?
Error tipo II (β)
1. Valor crítico del estadístico para α como para β.
x Crit.  0 x Crit.1  1
zCrit.  zCrit.1 
 
n n

  0.05   0.01
zCrit.  1.96 zCrit.1  2.33
2. Igualar y despejar n.
x Crit.  x Crit.1

x Crit.  zCrit. x  0
x Crit.1  zCrit.1 x  1 zCrit. x  0  zCrit.1 x  1
Error tipo II (β)
En la cola izquierda:
zCrit. x  0  zCrit.1 x  1
 400   400 
 1.96   10,000  2.33   9,900
 n  n

784 932
  10,000   9,900
n n
2
 1716 
n   294.4656  295

 100 
Para mantener α=0.05 y disminuir β de 0.2912 a 0.01, debemos efectuar una
prueba a 295 muestras.
población n<30 y se desconoce σ
La experiencia en el análisis de demandas por accidentes de
tránsito en la compañía “Juan Seguro S.A.”, muestra que en
promedio cuesta $60 el llevar a cabo todos los trámites. Este
costo se considera demasiado alto en comparación con otras

compañías del sector, por lo que el Gerente General dispuso
medidas correctiva para disminuir estos costos. Con la finalidad
de evaluar la bondad de estas medidas se seleccionó
aleatoriamente una muestra de 26 demandas recientes,
efectuándose un análisis de los costos, encontrándose que la
media y la desviación estándar muestral eran $57 y $10

respectivamente.
¿Habrá una reducción de costos significativa, o la diferencia de
$3 se debe al azar, a un nivel de confianza de 0.99?
n<30 y se desconoce σ
H 0 :   $60
H1 :   $60

“El promedio de las demanadas por accidentes no es
significativamente diferente a $60”.
Prueba de una cola


  0.01 Región de Aceptación
Como se trata de una prueba de una media poblacional con n<30,
y se desconoce σ, usamos “t”.
x
t α, Gl=n-1
s

n
gl=n-1=26-1=25
tCritico  t , gl  t0.01, 25

Rechazo H0 si:
tCritico  2.4851
tCalc.  tCritico
x 57  60 3
t tCalc.  
s 10 1.9612
n 26
tCalc.  1.5297  1.53

tcrit.  2.49
Región de Aceptación No existe
reducción de
costos.
tCalc.  1.53  2.49  tCritico

Al nivel de significancia de 0.01, la evidencia muestral No nos permite
rechazar la hipótesis nula. La diferencia pudo deberse al azar.
Prueba para dos medias
poblacionales n<30 y se desconoce σ
Para terminar de armar los procesadores INTEL Core Duo,

se han propuesto dos procedimientos. ¿Qué método es
más eficaz, el desarrollado por Zelectronics (#1), o el
desarrollado por NEWTON S.A. (#2)?

Para evaluar objetivamente ambos métodos se decidió
realizar estudios de movimientos y tiempos para algunos
componentes. El objetivo es comparar los tiempos
medios de ensamblado por unidad para los dos
procedimientos.
Se requiere saber a un nivel de significancia de 0.10, que

no hay diferencia en el tiempo medio de armado entre los
procedimientos #1 y #2.
Tiempos Promedio
x 4
1
Procedimiento #1 Procedimiento #2
x 5
2
2 3
s  2.9154
1 4 7 s  2.0736
2

9 5
3 8
2 4
3

Definimos: Z Electronics (1) y Newton (2)
La Hipotesis Nula la podemos establecer de dos formas:
H 0 : 1  2 H 0 : 1  2  0
H1 : 1  2 H1 : 1  2  0

“No existe diferencia significativa entre el tiempo de Z Electronics
y Newton, su desempeño es similar”
Prueba de dos colas

  0.1 

 / 2  0.05 2
2
Como se trata de una prueba de dos medias poblacionales con
n<30, y se desconoce σ, usamos “t”.
x1  x 2 
t
 n1  1s12  n2  1s22   1 1  gl  n1  n2  2
    

 n1  n2  2   n1 n2 
4. Regla de decisión (critico)
 / 2  0.05
gl  n1  n2  2  5  6  2  9 No Rechazo H0 si:

tCritico  t / 2 , gl  t0.05,9  tCritico  tCalc.  tCritico
tCritico  1.8331
5. Estadistico Calculado - Decision
x1  x 2 45
t tCalc. 
 n1  1s12  n2  1s22   1 1   5  18.5  6  14.4   1 1 
        
 562  5 6 
 n1
 n2
 2   n1 n2 
1 1
tCalc.    0.6620
 34  22  2.2817
  0.3667 

 9 
La diferencia
tcrit.  1.83 tcrit.  1.83
de 1 minuto
puede deberse
Región de Aceptación al azar.

tCalc.  0.6620  1.83  tCritico
Ante la evidencia muestral NO podemos rechazar la hipótesis nula.
No existe diferencia significativa entre los tiempos promedio de las dos empresas.
Prueba para la proporción poblacional
En elecciones anteriores llevadas a cabo en el Colegio de

Economistas, se determinó que es necesario que un candidato a
Decano logre al menos el 80% de los votos para que resulte
elegido.
El actual Decano está interesado en evaluar con un error de 0.05,

qué oportunidad tiene de lograr la reelección en el cargo, y
planea la realización de una encuesta que incluya a 2,000
electores registrados adecuadamente.
¿Qué probabilidad tiene el decano actual de ser reelegido, con
un riesgo de 0.05? Si la encuesta revelo que 1,550 economistas
volverían a votar por el actual Decano.

np  5, nq  5, p  0.8, q  0.2
H 0 :   0.8
np  2000 x0.8  1,600
H1 :   0.8
nq  2000 x0.2  400

“La proporcion que obtendrá el Decano actual no es
significativamente diferente de 0.8”
Prueba de una cola

  0.05

Dado que np > 5, podemos emplear z.
p
p p p p

z 
p p1  p 
n

zCritico  z  z0.05 Rechazo H0 si:
zCritico  1.645 zCalc.  zCritico

1550
p p  0.8
z 0.775  0.8
p1  p  zcalc.  2000 
0.80.2 0.00008
n
2000
zCalc.  2.80

z  1.645 La evidencia nos
crit .
dice que el Decano
Región de Aceptación actual no será
reelegido.
zCalc.  2.80  1.645  zCritico

Rechazamos la hipótesis nula.
La diferencia de 2.5 ptos % es estadísticamente significativa, y no se debería solo al
muestreo.
Prueba para la proporción
poblacional
Compruebe con nivel de significancia de 0.01, que el 55% de las
familias que planean (demandan) una residencia en la playa,
desean una del tipo condominio.
Una muestra aleatoria de 400 familias, con esta demanda,

indicó que 228 desean un condominio.
Usted es el asistente de Proyectos de GREMCO ¿qué le
recomendaría al Directorio?

np  5, nq  5, p  0.55, q  0.45
H 0 :   0.55
np  400 x0.55  220
H1 :   0.55
nq  400 x0.45  180
“La proporcion de familias que demandan un condominio en la

playa no es significativamente diferente del 55%”
Prueba de dos colas

  0.01

2 
 / 2  0.005 Región de Aceptación 2
Prueba para la proporción
poblacional
Dado que np>5, usamos “z”.
p
p p p p
z 
p p1  p 

n
No Rechazo H0 si:
 / 2  0.005

zCritico  z / 2  z0.005
5. Estadístico Calculado - Decision
p p 228
 0.55
z 0.57  0.55
p1  p  zcalc.  400 
0.550.45 0.0006
n 400
zCalc.  0.8165

z crit .
 2.58 z  2.58
crit .
Las familias si
Región de Aceptación desean
condominios.
zCalc.  0.8165  2.58  zCritico

Ante la evidencia muestral NO podemos rechazar la hipótesis nula.
No existe diferencia significativa en la proporción de familias que desean condominios, la
diferencia puede deberse al azar.
Prueba para dos proporciones
poblacionales
UNIQUE ha desarrollado un nuevo producto llamado “Todo o Nada”.
Varias pruebas de comparación indican que el perfume tiene potencial
en el mercado. Sin embargo, los Gerentes de Marketing y publicidad
quieren establecer una estrategia para que el producto llegue e
impresione al sector más grande posible del público comprador.
Una de las preguntas es si preferirá el perfume una proporción mayor

de mujeres jóvenes o de mujeres maduras.
Se usó una prueba estándar de aroma. Se seleccionaron damas en
forma aleatoria, aplicándoles la prueba con varios perfumes incluyendo
el que usar y “Todo o Nada”.
Usted es el único que conoce el nombre de los perfumes y cada dama
escoge el perfume que más le gusta. De un total de 100 mujeres

jóvenes, 20 escogieron nuestro perfume, y 100 de 200 mujeres maduras
también.
¿Hacia adonde enfocamos nuestro esfuerzo? (α=0.05)
poblacionales
Jovenes (1) , Maduras (2)
np  5, nq  5, H 0 : 1   2
p1  20 / 100  0.20, H1 :  1   2
p2  100 / 200  0.50

“No existe diferencia significativa entre la proporcion de
damas jovenes y maduras que prefieren Todo o Nada”


Prueba de dos colas
2 
  0.05 2
 / 2  0.025
poblacionales
Dado que np>5, usamos “z”,
  p,
p1  p 2 x1  x2

z pc 
p c 1  p c  p c 1  p c  n1  n2

n1 n2

No Rechazo H0 si:
 / 2  0.025
zCritico  z / 2  z0.025
poblacionales
p1  p 2
zCalc. 
x1  x2 20  100 p c 1  p c  p c 1  p c 
pc    0.40 
n1  n2 100  200 n1 n2
0.20  0.50  0.30
zCalc.  
0.400.60  0.400.60  0.06


100 200
zCalc.  5.00
zcrit.  1.96 zcrit.  1.96 Nuestro esfuerzo deberá
Región de Aceptación estar enfocado en las
jóvenes.
zCalc.  5  1.96  zCritico

Ante la evidencia muestral rechazamos la hipótesis nula.
La proporción de mujeres jóvenes que prefieren nuestro perfume es
significativamente diferentes a la de las maduras que también lo prefieren.

Prueba de Hipótesis

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Prueba de Hipótesis

Diunggah oleh

Hak Cipta:

Format Tersedia

Prueba de Hipótesis

© Pontificia Universidad Católica del Perú - CENTRUM, 2012

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

Todos los derechos reservados

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

Todos los derechos reservados

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

Todos los derechos reservados

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

Todos los derechos reservados

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

Todos los derechos reservados

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

5. Tomar una muestra

Todos los derechos reservados

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

Todos los derechos reservados

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

Todos los derechos reservados

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

Todos los derechos reservados

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

Todos los derechos reservados

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

Todos los derechos reservados

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

Todos los derechos reservados

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

Todos los derechos reservados

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

Todos los derechos reservados

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

valor crítico - z 70 valor crítico z

Todos los derechos reservados

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

Todos los derechos reservados

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

Todos los derechos reservados

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

Todos los derechos reservados

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

Todos los derechos reservados

Juicio Prueba de Hipótesis

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

Todos los derechos reservados

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

Todos los derechos reservados

• Para la media de la población.

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

Todos los derechos reservados

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

Todos los derechos reservados

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

Todos los derechos reservados

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

valor crítico - z 0.6 valor crítico z

Todos los derechos reservados

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

0.6 valor crítico z

¿ p? Lim. Sup.  p  z p

Todos los derechos reservados

© Pontificia Universidad Católica del Perú - CENTRUM, 2013

valor crítico - z 0.6