1.      ¿Cuáles son las partes por las que está conformada una prueba de hipótesis?

Prueba de hipótesis:

* Plantear la hipótesis nula y la hipótesis alternativa

* Especificar el nivel de significancia
* Determinar el tamaño de la muestra
* Establecer los valores críticos que establecen las regiones de rechazo de las de no rechazo.
* Determinar la prueba estadística.
* Coleccionar los datos y calcular el valor de la muestra de la prueba estadística apropiada.
* Determinar si la prueba estadística ha sido en la zona de rechazo a una de no rechazo.
* Determinar la decisión estadística.
* Expresar la decisión estadística en términos del problema.

2.      ¿Cómo decide el investigador si debe de rechazar o aceptar la hipótesis nula?

La decisión se toma en base a los datos muéstrales, si estos confirman que dicha hipótesis es falsa, el inve

3.      ¿A qué se le conoce como error tipo I?

Error tipo I: se presenta si la hipótesis nula es rechazada siendo verdadera y debía ser aceptada. La proba

4. ¿Cómo se determina las regiones de rechazo de una prueba de hipótesis?

5. ¿Cuáles son las condiciones que se deben presentar para realizar una prueba de hipótesis para la media? ¿para

* prueba de hipótesis para la media: no se busca el valor estimado de un parámetro, se decide si una afirmación rel

* prueba de proporción: es cuando los datos que se analizan constan de frecuencias de elementos de dos o más cla

* diferencia de medias: es cuando se trabaja junto con una variable categórica y una variable dependiente, Se deben
Definición y características principales del análisis de varianza
El análisis de la varianza (o Anova: Analysis of variance) es un método para comparar dos o más medias, que es necesario porq
En primer lugar, y como se realizarían simultánea e independientemente varios contrastes de hipótesis, la probabilidad de enco
Por otro lado, en cada comparación la hipótesis nula es que las dos muestras provienen de la misma población, por lo tanto, cu

¿Cuándo y cómo aplicar un análisis de varianza?

Dar una idea intuitiva del fundamento del ANOVA
Calcular la tabla de analisis de la varianza y como se interpreta su contenido
Aprender una tecnica sencilla para comparar varias medias, si el ANOVA resulta significativo

La idea del ANOVA es descomoponer la variailidad total de los datos.

recrear el test de hipotesis con la igualdas de las variables

¿Es útil aplicar análisis de varianza a la problemática de estudio?

El análisis de la varianza (ANOVA) es una potente herramienta estadística, de gran utilidad tanto en la industria, para el control
El ANOVA también puede utilizarse en situaciones donde ambas fuentes de variación son aleatorias. Un ejemplo sería el anális
 as de no rechazo.

e no rechazo.

dicha hipótesis es falsa, el investigador tiene el deber de rechazarla, pero normales la (H0) es una afirmación verdadera.

y debía ser aceptada. La probabilidad de cometer un error tipo I se denomina con la letra alfa.

hipótesis para la media? ¿para la proporción? ¿para la diferencia de medias? ¿para la diferencia de proporciones?

se decide si una afirmación relativa a un parámetro es falso o verdadero.

de elementos de dos o más clases. La misión de estas pruebas es calificar las afirmaciones con respecto a un porcentaje de pobl

variable dependiente, Se deben considerar el número de niveles de la variable categórica y se trabaja con muestras relacionada
ás medias, que es necesario porque cuando se quiere comparar más de dos medias es incorrecto utilizar repetidamente el contraste basad
hipótesis, la probabilidad de encontrar alguno significativo por azar aumentaría.
misma población, por lo tanto, cuando se hayan realizado todas las comparaciones, la hipótesis nula es que todas las muestras provienen d

to en la industria, para el control de procesos, como en el laboratorio de análisis, para el control de métodos analíticos. Los ejemplos de ap
atorias. Un ejemplo sería el análisis de algún compuesto de un vino almacenado en un depósito. Supongamos que las muestras se toman a
a afirmación verdadera.

e proporciones?

specto a un porcentaje de población.

baja con muestras relacionadas, lo que nos lleva a mediciones cuantitativas en el mismo grupo.
repetidamente el contraste basado en la t de Student. por dos motivos:

ue todas las muestras provienen de la misma población y, sin embargo, para cada comparación, la estimación de la varianza necesaria para

dos analíticos. Los ejemplos de aplicación son múltiples, pudiéndose agrupar, según el objetivo que persiguen, en dos principalmente: la co
mos que las muestras se toman aleatoriamente de diferentes partes del depósito y se realizan diversos análisis replicados.
ción de la varianza necesaria para el contraste es distinta, pues se ha hecho en base a muestras distintas.

uen, en dos principalmente: la comparación de múltiples columnas de datos y la estimación de los componentes de variación de un proces
álisis replicados.
onentes de variación de un proceso. Nos ocupamos en este artículo de la primera de ellas.
 tipo de muestre: SISTEMATICO

Muestreo en que los n elementos de la muestra se seleccionan tomando aleatoriamente un número

una lista o población de N elementos, al primero que va a formar parte de la mues

Características:
1) Una lista completa de la población
2) La población ordenada y la muestra también estará ordenada
Esta es la forma o cada cuanto se selecciona un elemento
F= N/n
F= fracción sistemática (o cada cuanto se toma el elemento de la población)
N= Tamaño de la población
n= Tamaño de la muestra (Calculado ya anteriormente)

F= N/n
N= 1810
n= 202
F= 8.96

F= 9
Alea= 2
Fijo= 5

Densidad Crioscopia (°C)

Nº muestra % Proteína % Grasa
(g/ml)

12 104 1.06 -0.57 3.2 3

78 698 1.07 -0.52 3.2 3
112 1004 1.03 -0.51 3.3 3.2
114 1022 1.11 -0.52 3.2 2.9
185 1661 1 -0.55 3.1 2.8
re: SISTEMATICO

onan tomando aleatoriamente un número i, que designará, en

primero que va a formar parte de la muestra.

enada

l elemento de la población)

Células
somáticas Peroxidasa
% Sólidos totales Fosfatasa
(células/ml de
leche)
11.7 1898700 2 2
11.7 1906861 1 1
12.0 1891692 2 2
12.0 1906783 2 2
11.7 1912214 2 2
Tipo de leche Temperatura Costo Prueba de yodo

1 3 1149 2
1 2 735 1
1 2 636 2
4 1 879 2
2 2 1082 2
Temperatura de Satisfacción Departamento
recepcion

1 4 5
1 4 6
1 4 2
1 4 4
1 4 4
 Fase 3 Pruebas de Hipotesis
Datos
Tamaño de la muestra = 105
Media Muestral= 3.007
Desviación estandar= 0.125
promedio de porcentaje de grasa 3
Paso 1: Describir la hipótesis
Ho: media del % de grasa del tipo de leche pasteurizada es mayor o igual a 3,0
Ha: media del % de grasa del tipo de leche pasteurizada es menor a 3,0

Escrito en forma simbólica:

Ho : µ ≥ 3,0
Ha: µ < 3.0
unilateral izquierda

Paso 2: Establecer el nivel de significancia con el que se va a trabajar

a= 0.05

Paso 3: Estadístico de prueba (o calculado)

�_𝒑𝒓𝒖𝒆𝒃𝒂=(𝒙  
−𝝁)/(𝒔/√𝒏)

Zprueba= 0.55

Paso 4: Estadístico teórico (tablas)

Zteórico= -1.645

Paso 5: Tomar la decisión

con una significancia del 5% se acepta la hipotesis nula tomando en cuenta el valor de
Z prueba es mayor que el valor que le Zteorico. Ademas el valor del pvalor (0,6958) es
mayor que el nivel de significancia

Conclusión:
con un nivel de significancia del 5% la media del % de grasa del tipo de leche
pasteurizada es mayor o igual a 3,0
 SE REQUIERE PROBAR SI LA MEDIA DEL PROCENTAJE DE GRASA
DEL TIPO DE LECEH PASTEURIZADA ES MAYOR O IGUAL A 3,0

𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖𝑜�:

𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻_0

𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0

p-valor 0.6958
% Grasa
3.1
2.8
3
3.2
3
3.1
2.8
3
3
3.1
3.1

3
3
3.1
3.1
2.9
3.3
2.8
3.1
2.9
3
3
3
2.9
2.9
2.9
2.9
2.8
3.2
3.2
3.1
3.1
3.2
2.8
3.2
3
2.9
3.1
3.1
2.9
2.9
3
2.9
2.7
3.1
3.1
2.9
3
2.8
2.9
2.9
3
3
3
3.1
3
3.2
2.9
3
3
3.1
3
3
3
2.8
2.9
2.8
3
2.9
3
3
3.1
3.1
3
3.1
3
3.2
3
 3
3.3
2.9
2.9
3.1
2.7
3
3.1
3
3
3.2
3
3.2
3.1
2.9
3
2.9
3
3.1
3
3.3
2.9
3
2.9
3.2
2.9
3.1
 Fase 3 Pruebas de Hipotesis
Datos
Tamaño de la muestra = 29
porcentaje de proveedores del departamento 5 con satisfaccion 2
(p) % proveedores con ta= 7%
(P) Proporción= 70%
Paso 1: Describir la hipótesis
Ho: el porcentaje de proveedores del departamento 5 con satisfaccion "muy satisfecho" es menor igual al 70%
Ha: el porcentaje de proveedores del departamento 5 con satisfaccion "muy satisfecho" es mayor al 70%

Escrito en forma simbólica:

Ho : P ≤ 70%
Ha: P > 70% unilateral derecha

Paso 2: Establecer el nivel de significancia con el que se va a trabajar

a = 0.09

Paso 3: Estadístico de prueba (o calculado)

Proporción de la
p- P muestra 7%
Zprueba= Proporción
P(1- P) Poblacional 70%

Zprueba= -7.42

Paso 4: Estadístico teórico (tablas)

Zteórico= 1.341

Paso 5: Tomar la decisión

con una significancia del 9% se acepta la hipotesis nula ya que el valor de la Z prueba es menor que
el Zteorico. Ademas encontrar el valor del p valor (1) mayor que el nivel de significancia
con una significancia del 9% se acepta la hipotesis nula ya que el valor de la Z prueba es menor que
el Zteorico. Ademas encontrar el valor del p valor (1) mayor que el nivel de significancia

Conclusión:

con una significancia del 9% el porcentaje de proveedores del departamento 5 con satisfaccion
"muy satisfecho" es menor igual al 70%
 Se requiere probar si el porcentaje de proveedores del departamento 5 con
satisfaccion "muy satisfecho" es mayor al 70%

𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖𝑜�:

𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻_0

𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
p-valor 1
alfa 0.09
 Data
Departamento Tipo de leche Count - Departamento Average - % Grasa StDev - % Grasa
5 29 3.024137931 0.10907131
1 14 3.0428571429 0.10894096
2 6 3 0.10954451
3 2 3 0
4 7 3.0142857143 0.13451854
Total Result 29 3.024137931 0.10907131
tDev - % Grasa
 Fase 3 Pruebas de Hipotesis

Datos
MEDIA POBLACIONAL

MEDIAS MUESTRALES
% DE GRASA DE LOS PROVEEDORES DEL DEPARTAMENTO 5, CON LECHE % DE GRASA DE LOS PROVEEDORES DEL DEPARTAMENTO 5,
PASTEURIZADA CON LECHE ESTERILIZADA

Media muestral= 3.0428 Media Muestral=

Desviación muestral= 0.1089 Desviación Muestral =
Tamaño de muestra( n1)= 14 Tamaño de muestra(n2)=

EL PROMEDIO DE PORCENTAJE DE GRASA DEL TIPO DE LECHE PASTEURIZADA ES IGUAL

H0: ALA TIPO DE LECHE ESTERIZADA EN EL DEPARTAMENTO 5

EL PROMEDIO DE PORCENTAJE DE GRASA DEL TIPO DE LECHE PASTEURIZADA ES

Ha: DIFERENTE ALA TIPO DE LECHE ESTERIZADA EN EL DEPARTAMENTO 5

Ho : 𝜇_1= 𝜇_2
Ha : 𝜇_1 ≠ 𝜇_2

Donde
BILATERAL
𝜇_1: promedio de porcentaje de grasa para el tipo de
leche pasteurizada.
𝜇_2: promedio de porcentaje de grasa para el tipo de
leche esterilizada.

Paso 2: Establecer el nivel de significancia con el que se va a trabajar

a= 0.09

Paso 3: Estadístico de prueba (o calculado)

Zprueba= 0.49

Paso 4: Estadístico teórico (tablas)

Zteórico= -1.69539771 1.69539771

Paso 5: Tomar la decisión

CON UNA SIGNIFICANCIA DEL 9%SE ACEPTA LA HIPOTESIS NULA TOMANDO EN CUENTA EL VALOR DE Z PRUEBA SE ENCUENTRA EN MEDIO DE
LOS DOS VALORES DEL Z TEORICO. ADEMAS EL VALOR DEL P-VALOR ES (0,6375) MAYOR AL NVEL DE SIGNIFICANCIA 0,09

Conclusión:
CON UNA SIGNIFICANCIA DEL 9% EL PROMEDIO DE PORCENTAJE DE GRASA DEL TIPO DE LECHE
PASTEURIZADA ES IGUAL ALA TIPO DE LECHE ESTERIZADA EN EL DEPARTAMENTO 5
 Se requiere probar que el promedio % de grasa del tipo de leche pasteurizada es
igual al tipo de leche esterilizada en el departamento 5

PROVEEDORES DEL DEPARTAMENTO 5,

LECHE ESTERILIZADA

3.0142
0.1345
7

PASTEURIZADA ES IGUAL

PASTEURIZADA ES
ENTO 5

ERAL

𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖𝑜�:

𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻_0

𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
 𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖𝑜�:

𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻_0

𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0

RUEBA SE ENCUENTRA EN MEDIO DE

IFICANCIA 0,09
p-valor 0.6375
alfa 0.09
L TIPO DE LECHE
TO 5
 e leche pasteurizada es
rtamento 5
 Fase 3 Pruebas de Hipotesis
Datos
PROVEEDORES DEPARTAMENTO 1 PROVEEDORES DEPARTAMENTO 4
n1= 32 n2= 36

DEPARTAMENTO 1, TEMPERATURA RECEPCION DEPARTAMENTO 4, TEMPERATURA RECEPCION

X1= 28 X2= 28
P1= 88% P2= 78%
Proporción Ponderada Pc
PC= 82%
1-PC= 18%

Paso 1: Describir la hipótesis

el% de proveedores con temperatura de recpcion "inferior al 10ºc" en el departamento 1 es igual al % de
Ho:
proveedores con temperatura de recepcion "inferior a 10ºc" en el departamento 4

el% de proveedores con temperatura de recpcion "inferior al 10ºc" en el departamento 1 es DIFERENTE al % de

Ha:
proveedores con temperatura de recepcion "inferior a 10ºc" en el departamento 4

Escrito en forma simbólica:

Ho : P1 = P2
Ha: P1 ≠ P2

Donde
bilateral
P1:el% de proveedores con temperatura de recpcion "inferior al
10ºc" en el departamento 1 .
P2:% de proveedores con temperatura de recepcion "inferior
a10ºC" en el departamento 4 .

Paso 2: Establecer el nivel de significancia con el que se va a trabajar

a= 0.08

Paso 3: Estadístico de prueba (o calculado)

P1 - P2
Zprueba=
PC (1- PC ) PC (1- PC )
+
n1 n2

Zprueba= 0.10 =
 0.0926198217
Paso 4: Estadístico teórico (tablas)

Zteórico= -1.751 1.751

Paso 5: Tomar la decisión

Con una significancia 8% se acepta la hipotesis nula; el valor de la Zprueba se encuentra entre los valores negativo y
positivo, ademas el valor del pvalor (0,2939) es mayor al nivel de significancia

Conclusión:

con una sinificancia del 8%; el% de proveedores con temperatura de recpcion "inferior al 10ºc" en el departamento
1 es igual al % de proveedores con temperatura de recepcion "inferior a 10ºc" en el departamento 4
esis
Se requiere probar la diferencia de proporciones, para prob
TOTAL proveedores con temperatura de recepcion "inferior al 10ºC" en
68 es igual al % de proveedores con temperatura de recepcion "inf
departamento 4

DEPARTAMENTO 4, TEMPERATURA RECEPCION

ºc" en el departamento 1 es igual al % de

el departamento 4

ºc" en el departamento 1 es DIFERENTE al % de

el departamento 4

bilateral

ajar

1.0496913126
 𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖𝑜�:

𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻_0

𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0

Zprueba se encuentra entre los valores negativo y

mayor al nivel de significancia
alfa 0.08
p-valor 0.2939

de recpcion "inferior al 10ºc" en el departamento

rior a 10ºc" en el departamento 4
rencia de proporciones, para probar que él % de
de recepcion "inferior al 10ºC" en el departamento 1
con temperatura de recepcion "inferior a10ºC" en el
departamento 4
 Satisfacción 1 Satisfacción 2

(Satisfecho) (Aceptable)
Costo promedio proveedor 1 Costo promedio proveedor 6

Costo promedio proveedor 2 Costo promedio proveedor 7

Costo promedio proveedor 3 Costo promedio proveedor 8

Costo promedio proveedor 4 Costo promedio proveedor 9
Costo promedio proveedor 5 Costo promedio proveedor 10

COMPARACIÓN MÚLTIPLE DE TUKEY

Media del grupo 1 700.2
n del grupo 1 5
Media del grupo 2 610.4
n del grupo 2 5
Media del grupo 3 896.2

n del grupo 3 5

CME(Cuadrado medio del error) 23102.5666666667

Estadistico Q de tukey 3.08

Comparacion del grupo 1 con el grupo 2
Diferencia absoluta 89.8
Error éstandar de la diferencia 67.9743579104
Amplitud critica 209.3610223641
Medias del grupo1 y 2 son No depende
Comparacion del grupo 1 con el grupo 3
Diferencia absoluta 196
Error éstandar de la diferencia 67.9743579104
Amplitud critica 209.3610223641
Medias del grupo1 y 3 son No depende
Comparacion del grupo 2 con el grupo 3
Diferencia absoluta 285.8
Error éstandar de la diferencia 67.9743579104
Amplitud critica 209.3610223641
Medias del grupo 2 y 3 son Depende
 Satisfacción 3

(Poco satisfecho)
Costo promedio proveedor 11 observacion 1

Costo promedio proveedor 12

observacion 2
Costo promedio proveedor 13 observacion 3
Costo promedio proveedor 14 observacion 4
Costo promedio proveedor 15 observacion 5

Ho
Ha

Análisis de varianza de un factor

RESUMEN

Grupos

satisfaccion 1

satisfaccion 2
satisfaccion 3

ANÁLISIS DE VARIANZA
Origen de las variaciones
Entre grupos
Dentro de los grupos

Total

conclusion:
 satisfaccion 1 satisfaccion 2 satisfaccion 3
677 511 1149

744 647 735

804 627 636
478 640 879
798 627 1082

Los promedios de las costos en los tres niveles de satisfaccions son iguales
Al menos dos de ellas sean diferentes

Cuenta Suma Promedio Varianza

5 3501 700.2 18042.2

5 3052 610.4 3161.8

5 4481 896.2 48103.7

Suma de cuadrados Grados de libertad Promedio de los cuadrados F

213602.8 2 106801.4 4.6229235713
277230.8 12 23102.5666666667

490833.6 14

Con una significancia del 5%, se la rechaza la hipotesis nula, ya que el p-valor (0,03246) es menor al nivel de significancia. Por lo
promedios de las costos en los tres niveles de satisfaccion al menos uno es diferente, lo que implica, que el costo depende del
satisfaccion
 Probabilidad Valor crítico para F 𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖𝑜�:
0.0324670748 3.8852938347 𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻_0

𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<�, 𝑒�𝑡𝑜�𝑐𝑒𝑠 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0

6) es menor al nivel de significancia. Por lo tanto, los

lo que implica, que el costo depende del tipo de