TEST DE HIPÓTESIS

Docente: Ismael Valdivia Z.

Docente: Cristian Gutiérrez N. Adaptación

PRELIMINARES

1
EJEMPLOS:

Descripción de la base de datos. La base de datos se encuentra disponible en

el Campus Virtual de nuestra la asignatura, el nombre es “BBDD_AUTOS”,
descargar y abrir en Rstudio.

Tabla 1: Descripción de la base de datos

Variables
mpg1 = Miles per Gallon, regular gasoline
mpg2 = Miles per Gallon, modified gasolina
engine = Engine Displacement (cu. inches) (Desplazamiento del motor)
horse = Horsepower
weight = Vehicle Weight (lbs.)
accel1 = Time to Accelerate from 0 to 60 mph (sec) first test
accel2 = Time to Accelerate from 0 to 60 mph (sec) second test
year = Model Year
origin = Country of Origin 1=America, 2=Europa
cylinder = Number of Cylinders

2
Ejemplo 1.- Basado en la información de la base de datos, construya test de
hipótesis para la media de la potencia (horse), que la media es menor o igual
a 107 “horsepower”, utilice un 95% de confianza, interprete los resultados.

Hipótesis:
H0: la media es menor o igual a 107 “horsepower”
H1: la media es mayor a 107 “horsepower”

Códigos:
#pregunta 1:
t.test(BBDD_AUTOS$horse, mu=107, alternative = "greater", conf.level = 0.95)

One Sample t-test

data: BBDD_AUTOS$horse
t = 1.5269, df = 311, p-value = 0.0639
alternative hypothesis: true mean is greater than 107
95 percent confidence interval:
106.7245 Inf
sample estimates:
mean of x
110.4231

Conclusión: No se rechaza H0, por tanto, la media es menor o igual a 107

“horsepower”, aun cuando el promedio muestral es 110.4231

Ejemplo 2.- Considerando los datos de la variable “weight”, desarrolle una

prueba de hipótesis para la desviación estándar (segundos), se presume que el
valor de la variabilidad en los pesos es 912 (lbs) o más, con un 98% de
confianza, interprete los resultados.

Hipótesis:
H0: el valor de la variabilidad en los pesos es 912 (lbs) o más
H1: el valor de la variabilidad en los pesos es menos que 912 (lbs)

Códigos:
#pregunta 2:
require(TeachingDemos)
sigma.test(BBDD_AUTOS$weight, sigma=912, conf.level = 0.98, alternative =
"less")

Salida de datos

One sample Chi-squared test for variance

data: BBDD_AUTOS$weight
X-squared = 258.54, df = 311, p-value = 0.01362
alternative hypothesis: true variance is less than 831744
98 percent confidence interval:
0.0 820904.7
sample estimates:
var of BBDD_AUTOS$weight
691432.1

3
Criterio de p-valor
Para este paso es indispensable el criterio de:
Si 𝑝 − 𝑣𝑎𝑙𝑜𝑟 < 𝛼 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑙𝑎 ℎ𝑖𝑝ó𝑡𝑒𝑠𝑖𝑠 𝑛𝑢𝑙𝑎
𝑝 − 𝑣𝑎𝑙𝑜𝑟 > 𝛼 𝑛𝑜 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑙𝑎 ℎ𝑖𝑝ó𝑡𝑒𝑠𝑖𝑠 𝑛𝑢𝑙𝑎

En nuestro caso 𝒑 − 𝒗𝒂𝒍𝒐𝒓 = 𝟎, 𝟎𝟏𝟑𝟔𝟐 < 𝜶 = 𝟎, 𝟎𝟐 𝒔𝒆 𝒓𝒆𝒄𝒉𝒂𝒛𝒂 𝒍𝒂 𝒉𝒊𝒑ó𝒕𝒆𝒔𝒊𝒔 𝒏𝒖𝒍𝒂

Conclusión: Se rechaza H0, por tanto, el valor de la variabilidad en los pesos

es menos de 912 (lbs), el valor muestral es la raíz de 691432.1, es 831.524

Ejemplo 3.- Obtenga una comparación de la prueba de aceleración (accel1 y

accel2), con un 90% de confianza, datos pareados, determine si la medición
media es igual.

Hipótesis:
H0: los promedios de aceleraciones son iguales
H1: los promedios de aceleraciones son diferentes

Códigos:
#pregunta 3:

t.test(BBDD_AUTOS$accel1, BBDD_AUTOS$accel2, mu=0, alternative = "two.sided",

conf.level = 0.90, paired = TRUE)

Paired t-test
data: BBDD_AUTOS$accel1 and BBDD_AUTOS$accel2
t = 0.23399, df = 311, p-value = 0.8151
alternative hypothesis: true difference in means is not equal to 0
90 percent confidence interval:
-0.09114828 0.12127649
sample estimates:
mean of the differences
0.0150641

Conclusión: No se rechaza H0, es posible afirmar que los promedios de las

pruebas de aceleración (accel1 y accel2), con un 90%, son iguales, el IC
contiene al cero.

Ejemplo 4.- Desarrolle una prueba de hipótesis con un 97% de confianza, para
la proporción de autos con 5 o más cilindros, se estima que es 63% o mayor.

Hipótesis:
H0: la proporción de autos con 5 o más cilindros es 63% o mayor
H1: la proporción de autos con 5 o más cilindros es menor a 63%

Códigos:
#pregunta 4:
x=length(BBDD_AUTOS$cylinder[BBDD_AUTOS$cylinder>=5])
n=length(BBDD_AUTOS$cylinder)

4
prop.test(x,n,p=0.63, conf.level = 0.97, alternative = "two.sided", correct =
F)

1-sample proportions test without continuity correction

data: x out of n, null probability 0.63
X-squared = 2.9149, df = 1, p-value = 0.08776
alternative hypothesis: true p is not equal to 0.63
97 percent confidence interval:
0.5219640 0.6422244
sample estimates:
p
0.5833333

Conclusión: No se rechaza H0, la proporción de autos con 5 o más cilindros es

63% o mayor, aunque la proporción muestral es 0.5833333.

Ejemplo 5.- Compare los consumos mpg1 y mpg2 por medio de una prueba de
hipótesis con un error de tipo I del 5%, observación las variables son
independientes, considere realizar una prueba de comparación de varianzas
antes de contrastar las medias, interprete los resultados.

Hipótesis: varianzas
H0: las varianzas de los consumos son iguales
H1: las varianzas de los consumos son diferentes

Hipótesis: medias
H0: los promedios de los consumos son iguales
H1: los promedios de los consumos son diferentes

#pregunta 5:
var.test(BBDD_AUTOS$mpg1, BBDD_AUTOS$mpg2, alternative = "two.sided",
ratio=1, conf.level = 0.95)

t.test(BBDD_AUTOS$mpg1, BBDD_AUTOS$mpg2, mu=0, alternative = "two.sided",

conf.level = 0.95)

F test to compare two variances

data: BBDD_AUTOS$mpg1 and BBDD_AUTOS$mpg2
F = 1.0015, num df = 311, denom df = 311, p-value = 0.9896
alternative hypothesis: true ratio of variances is not equal to 1
95 percent confidence interval:
0.8015551 1.2512860
sample estimates:
ratio of variances
1.001486

Welch Two Sample t-test

data: BBDD_AUTOS$mpg2 and BBDD_AUTOS$mpg2
t = 0, df = 622, p-value = 1
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:

5
 -1.122795 1.122795
sample estimates:
mean of x mean of y
19.28333 19.28333

Conclusión: En ambas pruebas, No se rechaza H0, en consecuencia, las varianzas

y medias de los consumos de gasolina son iguales, con un 95% de confianza.

EJERCICIOS PROPUESTOS

Preguntas:
En cada una de las preguntas escriba las hipótesis en el contexto del problema
y en parámetros, de una conclusión de sus resultados.

Pregunta 1.- Basado en la información de la base de datos, construya test de

hipótesis para la media del peso es igual a 3107 lbs, utilice un 93% de
confianza, interprete los resultados.

Pregunta 2.- Considerando los datos de la variable “mpg1”, desarrolle una

prueba de hipótesis para la desviación estándar, se presume que el valor de
la variabilidad es 6,45 o menos, con un 99% de confianza, interprete los
resultados.

Pregunta 3.- Desarrolle una prueba de hipótesis con un 90% de confianza, para
la proporción de autos que tienen un motor (engine) mayor a 305, se cree que
es 72%.

Pregunta 4.- Obtenga una comparación de proporciones para la prueba de

aceleración (accel1 y accel2), con un 90% de confianza, si se considera como
éxito aquello autos con un consumo menor a 13,4 mpg. Determine si las
proporciones son iguales.

Pregunta 5.- Compare los consumos mpg1 y mpg2 por medio de una prueba de
hipótesis 90%, y 99% de confianza, observación las variables son
independientes, considere realizar una prueba de comparación de varianzas
antes de contrastar las medias, interprete los resultados.

Pregunta 6.- Compare la variable “engine” para cada origen, mediante una
prueba de hipótesis con un error de tipo I del 3%, observación las variables
son independientes, considere realizar una prueba de comparación de varianzas
antes de contrastar las medias, interprete los resultados.