Pruebas de Hipotesis

Marcelo Guaman Hidalgo

12 de junio de 2017

1. Prueba de hipotesis de compracion de dos medias con σ conocida

1.1. Prueba de hipotesis con σ conocida a dos colas
Ejercicio 1
Un profesor realizao un estudio sobre el rendimiento en la clase de estadistica y sus desempeño academico.
Tomo una muestra de 32 estudiantes de primer nivel y obtuvo una media de 13.75 y una media poblacional de
2,50. (De informacion historica y otra muestra de 28 observaciones cuya media fue de 14.50 con igual desviacion
etadar poblacional que le grupo anterior. Realizar una prueba de hipotesis que verifique si el primer grupo tiene
una media menor que el segundo grupo. Considerando un nivel de significancia de 0.02.

1. Planteamiento de la hipotesis

H0 : µ1 = µ2
H1 : µ1 < µ2

2. nivel de significancia

α = 0, 02
3. Calculo del estadistico de prueba

x¯1 − x¯2
z= √

99, 5 − 100
z= 1,5
√
25

z = −1, 667
4. Determinacion del estadistico de contraste

Para determinar el estadistico de contraste emplearemos el uso de R para lo cual utilizaremos el comando qnorm.

> q1=round(qnorm(0.025, mean = 0, sd = 1, lower.tail = TRUE, log.p = FALSE),3)

> q1

[1] -1.96

>

El valor del estadistico critico de la izquierda es zc = −1,96

> q2=round(qnorm(0.025, mean = 0, sd = 1, lower.tail = FALSE, log.p = FALSE),3)

> q2

[1] 1.96

El valor del estadistico critico de la derecha es zc = 1,96

1
5. Toma de decision

El estadistico de prueba z, se encuentra entre los valores de zc , es decir cae en la zona de no rechazo. Por lo
cual no rechazo H0 . No tengo evidencia suficiente para rechazar la hipotesis nula.

6. Calculo del valor-p

z z2
e− 2
Z
valor − p = 2 · √ dz
−∞ 2π
−1,67 z2
e− 2
Z
valor − p = 2 · √ dz
−∞ 2π

valor − p = 0,096

V alor − p > α por lo tanto no rechazo H0

7. Solucion usando el software R

Para resolver el ejemplo usando R, primero debemos cargar la libreria PASWR.

> library(PASWR)

Una vez que tenemos cargada esta libreria usamos el comando z. test, de la siguiente manera, pero trataremos
de emplearlo haciendo una pequena simulacion:
> set.seed(0)
> x<- round(rnorm(25,99.5,1.5),1)
> x

[1] 101.4 99.0 101.5 101.4 100.1 97.2 98.1 99.1 99.5 103.1 100.6 98.3
[13] 97.8 99.1 99.1 98.9 99.9 98.2 100.2 97.6 99.2 100.1 99.7 100.7
[25] 99.4

> z.test(x, y = NULL, alternative = "two.sided", mu = 100, sigma.x = 1.5,

+ sigma.y = NULL, conf.level = 0.95)

One-sample z-Test

data: x
z = -1.44, p-value = 0.1499
alternative hypothesis: true mean is not equal to 100
95 percent confidence interval:
98.98001 100.15599
sample estimates:
mean of x
99.568