Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
234
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
XN(,),
Muestra:
X1,...,Xn
Estadsticos: X , S
Problemas de inters:
Contrastes de hiptesis sobre la media .
Contrastes de hiptesis sobre la varianza desviacin tpica
Hiptesis nula
H0: =0
conocida
H0: =0
desconocida
H0: =0
t0
Regin crtica
X 0
S
02
z0>z/2
z0>z
z0<z
t0>tn1,/2
t0>tn-1,
t0<tn1,
(n 1) S
2
0
2
0
n21, 2 02 n21,1 2
2
0
2
n 1,
02 n21,1
d=0/
=/0
(1)
a, b
c, d
c, d
(2)
e, f
g, h
g, h
i, j
k, l
m, n
(1) En este caso es preferible usar las frmulas desarrolladas en el Tema 12 para calcular y n.
(2) Como es desconocido podemos:
(a) Estimarla a partir de la muestra: S . Si an no se tiene, se necesita una muestra piloto.
(b) Expresar las alternativas en funcin de . P. ej. hallar para 0=1,5 (es decir d=1.5).
Tema 13. Contrastes de hiptesis en modelos normales y de proporciones.
235
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
Ejemplo: Un producto limpiador debe contener 25 gr. de un determinado componente para ser
eficaz, pero se sospecha por las muchas quejas de los consumidores que el proceso de fabricacin no
funciona bien y que esa cantidad es menor. Para ello se toma una muestra de 15 productos y en cada
uno se mide la cantidad del componente obteniendo: X 24.1 gr. y S=0.6gr.
El contraste que hay que plantear es H 0 : 25 contra H 1 : 25 pues queremos que los
consumidores tengan que demostrar que el contenido medio est por debajo de los 25 gr.
Supongamos que se hace un test a nivel habitual .
X 0
tn 1,
C
S n
X 0 24.1 25
0 0.25
0.41
0 .6
236
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
Ejemplo: Para esmerilar discos de silicio al grueso apropiado se utiliza un cierto proceso de
bruido. Para dar sensacin de homogeneidad en el producto, interesa que la variable "X=grosor de
los discos" tenga una desviacin tpica lo menor posible, considerando satisfactorio el proceso si
dicha desviacin no supera los 0.5 mm. Se realiza un estudio sobre una muestra de 15 discos y se
obtiene S=0.64 mm. Hay evidencias de que el proceso no sea satisfactorio al nivel .
Para saber si tenemos evidencias suficientes de que el proceso no funciona bien al nivel fijado
debemos colocar esta situacin en de modo que tendremos evidencias suficientes de ello si somos
capaces de rechazar .
H 0 : 2 0.5 2
n 1S 2
n 1S 2 14 0.64 2
2
2
El p-valor es: P 14 22.904 0.0618
237
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
Ejemplo: Un artculo publicado en la revista Materials Engineering (1989, Vol. II, No. 4, pgs. 275281) describe los resultados de pruebas de resistencia a la adhesin de 22 especmenes de aleacin
U-700. La carga para la que cada espcimen falla es la siguiente (en MPa):
19.8, 15.4, 11.4, 19.5, 10.1, 18.5, 14.1, 8.8, 14.9, 7.9, 17.6, 13.6, 7.5, 12.7, 16.7, 11.9, 15.4, 11.9,
15.8, 11.4, 15.4, 11.4
Hay evidencias empricas de que >10 Mpa con un nivel de significacin =0.01?
Se puede descartar que =4 Mpa al nivel =0.01?
Es asumible la hiptesis de normalidad?(Plot de Normalidad visto en prcticas)
Solucin: Resolvemos el problema con ayuda de STATGRAPHICS
percentage
10
11
12
13
14
15
16
17
Resistencia
18
19
20
99,9
99
95
80
50
20
5
1
0,1
7
10
13
16
19
22
Resistencia
238
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
239
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
Problemas de inters:
Comparacin de medias: Inferencias sobre 12 (12=0 12).
Comparacin de varianzas: Inferencias sobre 12/22 (12/22 =1 1=2).
Hiptesis nula
1 y 2 conocidas
n1
n2
H1: 12<
X X 2 0
H :
t0 1
H0: 12= 1 1 2
1
1
H : >
Sp
1=2 desconocidas 1 1 2
n1 n 2
H1: 12<
H0: 12= H1: 12
12 desconocidas H1: 12>
Behrens-Fisher
H1: 12<
H0: 1=2
H1: 12
H1: 1>2
t0
Regin crtica
z0>z/2
z0>z
z0<z
t0 tn1 n2 2, 2
t0 tn1 n2 2,
t0 tn1 n2 2,
t0>t,/2
t0>t,
t0<t,
X1 X 2 0
2
1
2
2
S
S
n1 n2
F0
2
1
2
2
S
S
F F
0
n1 1, n2 1, 2
2
1
2
1
F0 Fn1 1, n2 1,
1
2
n1 1
F F
0
S n S n
n1 1, n2 1,1 2
2
2
2
2
n2 1
solucin aproximada
o, p
q, r
(2) Como es desconocido se adoptan las mismas soluciones (a) y (b) del caso de una muestra.
Tema 13. Contrastes de hiptesis en modelos normales y de proporciones.
240
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
Ejemplo: En una investigacin industrial se est buscando reducir el tiempo de secado de una
pintura de imprimacin. Se ponen a prueba dos formulaciones de la pintura; la formulacin 1 es la
estndar, y la formulacin 2 tiene un nuevo ingrediente pensado para reducir el tiempo de secado.
Por experiencia, se sabe que la desviacin tpica del tiempo de secado es de 8 minutos, y que esta
variabilidad natural no se ver afectada por la adicin del nuevo ingrediente. Se pintan 20
ejemplares en orden aleatorio, diez con cada una de las formulaciones. El promedio de los tiempos
de secado de las muestras en minutos son X 1 121 min. y X 2 112 min.
a) Qu conclusiones se pueden extraer sobre la efectividad del ingrediente nuevo, usando =0.05?
b) Si la verdadera diferencia entre los tiempos medios de secado fuera de 10 minutos, hallar la
potencia de la prueba realizada en a) para detectar esta diferencia.
c) Si se quiere que dicha potencia sea al menos 0.95, hallar los tamaos muestrales necesarios.
d) Se puede afirmar a partir de la muestra, con un nivel de significacin =0.05, que el tiempo
medio de secado se reduce en ms de 5 minutos?
Solucin:
a) Las hiptesis a contrastar son
H 0: 1 2
H 1: 1 2
X X2
C 1
z
2
2
1 2
n2
1
z0
X1 X 2
2
1
n1
2
2
n2
121 112
2
8
8
10 10
241
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
b) Para calcular la potencia pedida, utilizamos las Curvas CO, Carta VI (c), con las entradas
1 2
2
1
2
2
10
8 8
2
0.88
n n1 n2 10
y obtenemos 0.85.
c) El tamao muestral necesario para que el test de a) tenga una potencia de 0.95 (es decir cometa
un error de tipo II con una probabilidad <0.05) si falla H0 y ocurre que se obtiene
tambin utilizando las curvas CO, la misma carta que en el apartado b):
n n1 n2 14.
d) Las hiptesis a contrastar son
H 0: 1 2 5
H 1: 1 2 5
X
X
2
C 1
z
2
2
1 2
n2
1
z0
X1 X 2 5
2
1
n1
2
2
n2
121 112 5
2
8
8
10 10
242
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
Ejemplo: La presencia de arsnico en el agua para consumo humano es un riesgo potencial para la
salud. Un artculo publicado en Arizona Republic (Sunday, May 27, 2001) inform de las
concentraciones de arsnico en el suministro de agua, en partes por billn (PPB), en 10 reas
metropolitanas de Phoenix y en 10 reas rurales de Arizona. Los datos obtenidos fueron:
Metro Phoenix
Phoenix, 3
Chandler, 7
Gilbert, 25
Glendale, 10
Mesa, 15
Paradise Valley, 6
Peoria, 12
Scottsdale, 25
Tempe, 15
Sun City, 7
Rural Arizona
Rimrock, 48
Goodyear, 44
New River, 40
Apachie Junction, 38
Buckeye, 33
Nogales, 21
Black Canyon City, 20
Sedona, 12
Payson, 1
Casa Grande, 18
X 1 12 .5
S 1 7.63
Rural Arizona:
X 2 27 .5 S 2 15 .35 .
Se quiere determinar si hay diferencias entre las concentraciones medias de arsnico en el agua en
ambas zonas para . Se supone normalidad para la distribucin de ambas variables.
243
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
Solucin:
Vamos a hacer en primer lugar un test de comparacin de varianzas, por ejemplo, con :
H 0: 1 2
H 1: 1 2
S12 7.632
1
F
0
.
2473
F9,9,0.95
; 0 S 2 15.32
3
.
18
2
X1 X 2
C
t , / 2
2
2
S1 S 2
n n
2
H0: 1 2 0
H1: 1 2 0
t0
X1 X 2
2
1
2
2
S
S
n1 n 2
12.5 27.5
2
7.63
15.3
10
10
Luego rechazamos la igualdad de medias y las concentraciones medias de arsnico en ambas zonas
son diferentes para el nivel de significacin usado.
El p-valor sera P t 0 2.77 2 P t 0 2.77 2 0.0079589 0.016 .
Nota:
2
1
2
1
n1 S 22 n2
2
2
n1
S n2
n1 1
n2 1
2 13.2 13
244
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
Ejemplo: Se analizan dos catalizadores para ver la forma en que afectan al rendimiento promedio de
un proceso qumico. El Catalizador 1 es el que se est empleando en este momento, pero el
Catalizador 2 tambin es aceptable y ms econmico. Por tanto, podra adoptarse ste siempre que
no haya evidencias de que cambia el rendimiento medio del proceso. Se hace una prueba en una
planta piloto y los resultados son:
Catalizador 1
91,50
94,18
92,18
95,39
91,79
89,07
94,72
89,91
Catalizador II
89,19
a) Existen diferencias entre los rendimientos promedio? =0.05
90,95
b) Se pueden considerar iguales las varianzas? =0.05 (verlo antes)
90,46
c) Los rendimientos siguen leyes normales?
93,21
97,19
97,04
91,07
92,75
Catalizador 1
Catalizador 2
89
90
91
92
93
94
95
96
97
98
245
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
Comparison of Means
percentage
99,9
99
95
80
50
20
5
1
0,1
89
91
93
95
97
Catalizador 1
P-value = 0,77279
CONCLUSIONES:
a) Las varianzas se pueden considerar iguales.
b) No hay evidencias de que cambie el rendimiento medio.
c) La hiptesis de normalidad se puede asumir.
Tema 13. Contrastes de hiptesis en modelos normales y de proporciones.
99,9
99
95
80
50
20
5
1
0,1
percentage
89
91
93
95
97
99
Catalizador 2
246
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
1 2
2
2 .5
1
0.47
2
2S p
2 2.65
1 2 1.5
247
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
248
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
Cov(X1, X2)
Poblacin 2 : X 2 ( 2 , 2 )
Muestra 2 : X 2,1 X 2,2
X
X 2 , S2
2,n
Diferencia : D X 1 X 2
Muestra :
D N ( D , D ), D 1 2
D1 ,
D2 , .... , Dn
Estadsticos : D, S D
1 n
1 n
2
2
D Di , D X 1 X 2 ,
SD
D
D
, S D2 S12 S 22 2Cov ( X 1 , X 2 )
i
n i 1
n 1 i 1
Las observaciones bidimensionales son independientes entre s, pero cada observacin de la
poblacin 1 est relacionada con la que tiene el mismo subndice de la poblacin 2: Diseo de dos
muestras relacionadas o pareadas (apareadas).
Problema de inters: Comparacin de medias: Inferencias sobre D=12 (D=0 12).
El problema se convierte as en un problema de una muestra y se resuelve como un problema de
contraste de hiptesis sobre la media de una poblacin normal con desconocida.
(La comparacin previa de las varianzas carece aqu de inters)
Hiptesis nula
t
H1: D >0
0
SD n
D desconocida
H1: D <0
Regin crtica
t0>tn1,/2
t0>tn-1,
t0<tn1,
(2)
e, f
g, h
g, h
249
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
t0INDRP
X1 X 2
2
1
2
2
X1 X 2
S
S
n
n
2
D
S
n
D
SD
t0PARES
250
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
Ejemplo: Un artculo publicado en Journal of Strain Analysis (1983, Vol. 18, No. 2) compara dos
mtodos, Karlsruhe y Lehigh, para predecir la resistencia al corte de vigas de placa de acero. Se
aplican ambos mtodos a una muestra de nueve vigas y se obtienen los siguientes resultados:
Viga
S1/1
S2/1
S3/1
S4/1
S5/1
S2/1
S2/2
S2/3
S2/4
Karlsruhe Method
1.180 1.151 1.322 1.339 1.203 1.402 1.365 1.537 1.559
Lehigh Method
1.061 0.992 1.063 1.062 1.065 1.178 1.037 1.086 1.052
Diferencias
0.119 0.159 0.259 0.277 0.138 0.224 0.328 0.451 0.507
a) Determinar si hay alguna diferencia de medias entre los dos mtodos para =0.05.
D
D
H0 : D 0
0.2736
C
t
t
n 1, / 2
0
S D n 0.1356 9
S D n
H1: D 0
D 0.2736; S D 0.1356
Rechazamos la hiptesis nula. Los datos parecen indicar concretamente una mayor resistencia del
Mtodo Karlsruhe. El p-valor es prcticamente nulo.
b) Determinar si la media con el Mtodo Karlsruhe es superior en ms de 0.2 para =0.05.
D 0
H0 : D 0.2
D 0 0.2736 0.2
0
n 1,
H
:
0
.
2
0
.
1356
9
S
n
S
n
D
D
1 D
No se rechaza H0 ,y por tanto, no queda probada H1.
c) Hallar el tamao muestral necesario para que la prueba realizada en b) detecte una diferencia de
0.25 favorable a Karlsruhe con una potencia de 0.9.
D 0 0.25 0.20
Curvas CO, Carta VI (g)
d
251
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
Ejemplo: Un Laboratorio lanza un producto diettico y anuncia en su publicidad que el uso del
producto durante un mes conduce a una prdida de peso promedio de al menos 2 kg. Ocho sujetos
utilizan el producto durante un mes, y los datos de peso antes y despus del uso del producto se
presentan a continuacin.
a) Los datos apoyan la afirmacin del productor de los productos dietticos con ?
b) En un esfuerzo por mejorar las ventas, el Laboratorio est considerando cambiar su eslogan de
"al menos 2 kg." por "al menos 3 kg."
Sujeto
Peso Antes
Peso Despus
1
75.6
70.3
2
83.1
82.2
3
98,4
92.3
4
67.9
66.1
5
102.6
100.2
6
88.3
82.7
7
72.5
68.6
8
97.9
91.4
4
ANTES - DESPUES
252
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
99,9
99
95
porcentaje
Estadstico t = 2,73276
Valor-P = 0,014611
Se rechaza la hiptesis nula para alfa = 0,05.
80
50
20
5
1
0,1
0
4
ANTES - DESPUES
Prueba t
Hiptesis Nula: media = 3,0
Alternativa: mayor que
Estadstico t = 1,40778
Valor-P = 0,10101
No se rechaza la hiptesis nula para alfa = 0,05.
Tema 13. Contrastes de hiptesis en modelos normales y de proporciones.
253
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
Hiptesis nula
H0: pp0
H0: p1p2=
p
n1 p1 n2 p 2
n1 n2
H. alternativa
Estadstico test
H1: pp0
H1: p>p0
H1: p<p0
H1: p1p2
H1: p1p2>
H1: p1p2<
z0
z0
p p 0
p 0 (1 p 0 )
n
p1 p 2
1 1
p (1 p )
n1 n2
Regin crtica
z0>z/2
z0>z
z0<z
z0>z/2
z0>z
z0<z
No hay curvas CO
254
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
Ejemplo: Un fabricante de lentes intraoculares evala una nueva mquina pulidora. El fabricante
aprobar la mquina si el porcentaje de lentes pulidos que contienen defectos en la superficie est
significativamente por debajo del 2%. Se toma una muestra aleatoria de 250 lentes y se encuentra
que 6 de ellos tienen defectos.
Qu decisin debe tomar el fabricante a nivel =0.05?
Contraste para demostrar que la mquina es buena:
H 0 : p 0 . 02 contra H 1 : p 0 . 02
p p0
C z0 z z0
z
p
(1
p
)
0
0
n
p p 0
0.024 0.02
0.45 1.645 z 0.05
0.02 0.98
p 0 (1 p 0 )
250
n
P z 0 .45 0 .6736 ,
255
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
Ejemplo: Se utilizan dos mquinas diferentes de moldeo por inyeccin para la fabricacin de piezas
de plstico. Una pieza se considera defectuosa si tiene un encogimiento excesivo o si le falta color. Se
toman dos muestras aleatorias, cada una de tamao 300, y se encuentran 15 piezas defectuosas en la
muestra de la Mquina 1 y 8 piezas defectuosas en la muestra de la Mquina 2. Queda con ello
probado que existen diferencias entre las mquinas a nivel a nivel =0.05?
El contraste que hay que plantear es: H 0 : p 1 p 2 contra H 1 : p 1 p 2
La regin crtica es :
p 1 p 2
z
C
p (1 p ) 1 1
n n
2
1
p 1
Es decir:
15
0.05
300
p 1 p 2
1
1
p (1 p )
n
n
2
1
p 2
n p n2 p 2
p 1 1
2 , con
n1 n2
8
0.0266
300
0.05 0.0266
2
0.0383 0.9617
300
0.05 0.0266
0.0383
2
P z 1.49 0.13622 ,
256
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
Hiptesis nula
H0: =0
desconocida
H. alternativa
H1: 0
H1: >0
H1: <0
H1: 12
H0: 12=
H : >
1, 2 desconocidas 1 1 2
H1: 12<
Estadstico test
z0
z0
X 0
S
X1 X 2 0
S12 S 22
n1 n2
Regin crtica
z0>z/2
z0>z
z0<z
z0>z/2
z0>z
z0<z
No hay curvas CO
257
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
P
Error
I
H 0 cierta
0
H0
258
ESTADSTICA
GRADOS EN INGENIERA MECNICA, INGENIERA QUMICA E
INGENIERA EN ORGANIZACIN INDUSTRIAL
z / 2
z / 2 C X 0 z / 2
C 0 z / 2
n X 0 z / 2
C X 0 z / 2
n X 0 z / 2
X z / 2
X z / 2
Intervalo de Confianza:
0 IC
X z / 2
0 X z / 2
0 z / 2
X 0 z / 2
X C
259