PROBLEMAS DE HIPOTESIS ESTADISTICO

PROBLEMA1.

Un laboratorio farmacéutico afirma que el antiinflamatorio fabricado

por ellos elimina la inflamación en 14 minutos en los casos corrientes.

Con el objeto de comprobar estadísticamente esta afirmación,

eligimos al azar 18 pacientes con inflamaciones varias y tomamos
como variable de respuesta el tiempo transcurrido entre la
administración del antiinflamatorio y el momento en que desaparece
la inflamación. Además, nos dicen que la variable tiempo transcurrido
entre la administración del antiinflamatorio y el momento en que
desaparece la inflamación sigue una distribución normal de media 14
y desviación 7. El tiempo medio de respuesta de la muestra fue de 19
minutos.
Se pide comprobar la afirmación del laboratorio a un nivel de
significación de 0.05.

Solución.

Primero consideremos los datos que tenemos.

X = 19, m = 14, s = 7, n = 18
Planteemos ahora las hipótesis de este test. Queremos contrastar la
hipótesis nula a partir de la afirmación de la empresa que dice que la
inflamación desaparece en 14 minutos; así pues, tendremos:
Hipótesis nula Ho : m = 14
La hipótesis alternativa será el caso desfavorable, en esta ocasión
para la empresa, y puede escribirse:
Hipótesis alternativa Ha : m> 14
Procederemos aceptando de entrada la hipótesis nula (m = 14),
calculando el estadístico y observando si se sitúa en la región crítica.
Si así sucediera, rechazaríamos la creencia inicial de aceptación de la
hipótesis nula.

Sustituyendo los parámetros de la población y de la muestra en el

estadístico tenemos:

Con lo que podemos observar que el estadístico se sitúa en la región

crítica y ,por lo tanto no sigue el criterio de aceptación de la hipótesis
nula.

De ese modo, rechazaríamos la hipótesis Ho de que m = 14 y

concluimos que a un nivel 0.05 el tiempo medio de eliminar la
inflamación por este antiinflamatorio es superior a 14 minutos.

PROBLEMA 2.

Se analiza la fracción de productos defectuosos producidos por dos

líneas de producción. Una muestra aleatoria de 100 unidades
provenientes de la línea 1 contiene 10 que son defectuosos, mientras
que una muestra aleatoria de 120 unidades de la línea 2 tiene 25 que
son defectuosas.

Encuentre un intervalo de confianza del 99% para la diferencia en

fracciones de productos defectuosos producidos por las dos líneas.

Realizamos un recopilatorio de los datos ofrecidos en el enunciado del

problema:

· X1 ≡ 'Línea 1'. Sigue una distribución Binomial: X1 ~ B(100, 10/100) =

B(100, 1/10).
· X2 ≡ 'Línea 2'. Sigue una distribución Binomial: X2 ~ B(120, 25/120) =
B(120, 5/24).

Nos pide realizar un intervalo de confianza para la diferencia de

fracciones con n1 y n2, mayor o igual que 30:

Solución:

Para un 99%, obtenemos α:

100(1 - α) = 99

Despejamos el parámetro que nos interesa: α = 0.01. El siguiente

paso es obtener el valor de la z:

· zα/2 = z0.01/2 = z0.005

Teniendo en cuenta las características de las tablas que dispone

Aqueronte de la Normal, adecuamos dicho valor:

0.5 - 0.005 = 0.495

Tenemos que buscar el valor de z que satisfaga la probabilidad de
0.495, y dicho valor, no se encuentra de forma exacta, por lo que
realizamos una interpolación lineal:

..2.57...........Z....... ..2.58
0.4949.....0.495.. .0.4951

De donde:

2.57 - 2.58.-> 0.4949 - 0.4951

2.57 - Z.-> 0.4949 - 0.495

Calculamos:

Por lo tanto, ya disponemos de todos los datos necesarios para

realizar un intervalo de confianza para la diferencia de fracciones de
productos defectuosos producidos por dos líneas con un 99%,
simplemente, sustituimos valores:

Por lo tanto:

[-0.231137, 0.014471]

Al contener el cero el intervalo de confianza hallado, no podemos

obtener conclusiones significativas para la diferencia de fracciones de
productos defectuosos producidos por dos líneas con un 99%.

PROBLEMA 3.

Se utilizan dos máquinas para llenar botellas de plástico con un

volumen neto de 16.0 onzas. Las distribuciones de los volúmenes de
llenado pueden suponerse normales, con desviaciones estándar σ 1 =
0.020 y σ2 = 0.025 onzas.

Un miembro del grupo de ingeniería de calidad sospecha que el

volumen neto de llenado de ambas máquinas es el mismo, sin importar si éste es o no de
16 onzas. De cada máquina se toma una muestra aleatoria de 10 botellas.

Máquin 16.0 16.0 16.0 16.0 16.0 16.0 15.9 15.9 16.0 15.9
a 1: 3.. 4.. 5.. 5.. 2.. 1.. 6.. 8.. 2.. 9
Máquin 16.0 15.9 15.9 16.0 15.9 16.0 16.0 16.0 16.0 16.0
a 2: 2 7 6 1 9 3 4 2 1 0
Determinar:

a) ¿Se encuentra el ingeniero en lo correcto? Utilice α = 0,05.

b) ¿Cuál es el valor P de esta prueba?.

Solución:

En este problema, nos dan los datos de dos muestras aleatorias, por
lo que tenemos que obtener la media de cada máquina.

Para obtener la media:

Por lo tanto:

· Máquina 1:

· Máquina 2:

Realizamos una recopilación de los datos del problema:

· Tamaño de ambas muestras: n = 10.

· X1 ≡ 'Máquina 1'. Sigue una distribución Normal: X1 ~ N(16.015,
0.020).
· X2 ≡ 'Máquina 2'. Sigue una distribución Normal: X2 ~ N(16.005,
0.025).

Pasamos a resolver los distintos apartados del problema.

Apartado a)

La prueba de hipótesis que plantea el enunciado del problema es:

Es un contraste de diferencia de medias con desviación estándar

conocida, el estadístico es:
Obtenemos el valor del estadístico:

Para comprobar si aceptamos o rechazamos la hipótesis nula,

empleamos la región crítica, que para esta prueba es:

Z ≤ - zα/2, Z ≥ zα/2

Para un nivel de significación de: α = 0.05, tenemos, en la tabla

Normal:

· zα/2 = z0.05/2 = z0.025

Teniendo en cuenta las características de las tablas que dispone

Aqueronte de la Normal, adecuamos dicho valor:

0.5 - 0.025 = 0.475

Tenemos que buscar el valor de z que satisfaga la probabilidad de

0.475, y dicho valor es: Z = 1.96.

Comprobamos el valor del estadístico con la región crítica:

El valor del estadístico, 0.987730 está dentro del intervalo que

compone la región crítica, (-1.96, 1.96), por lo tanto, aceptamos la
hipótesis nula.

Esto quiere decir que, existen evidencias significativas de que la

diferencia de medias son iguales, por lo tanto, el ingeniero se
encuentra en lo cierto.

Apartado b)

En este apartado, nos piden obtener el p-valor de la prueba del

apartado anterior, para dicho cálculo, debemos tener claro en que
condiciones estamos, en nuestro caso, existen dos regiones críticas,
por lo tanto, tenemos dos colas de probabilidad, el p-valor en estas
condiciones, se calcula cómo:

p-valor = 2 · P(Z > |z|) = 2 · P(Z > 0.987730) = 2·[1 - P(Z ≤

0.987730)] = 2·[1 - (0.5 + Φ(0.987730))] = 2·[0.5 - Φ(0.987730)]

Buscamos en las tablas de la Normal, pero no encontramos el valor

exacto para 0.987730, por lo que interpolamos linealmente:

..0.98...........0.987730.......0.99
0.3365...............P............0.3389

De donde:

0.98 - 0.99.-> 0.3365 - 0.3389

0.98 - 0.987730.-> 0.3365 - P

Calculamos:

Sustituimos y obtenemos el p-valor:

p-valor = 2·[0.5 - Φ(0.987730)] = 2·[0.5 - 0.338355] = 0.32329

Como el p-valor es mayor que el nivel de significación, aceptamos la

hipótesis nula.

PROBLEMA 4.

Se estudia la fracción de circuitos integrados defectuosos producidos

en un proceso de fotolitografía. Para ello se somete a prueba una
muestra de 300 circuitos, en la que 13 son defectuosos.

Utilice los datos para probar H0 : p = 0.05 contra H1 : p ≠ 0.05.

Siendo α = 0.05. Encuentre el valor P para esta prueba.

Solución:

Realizamos una recopilación de datos del problema:

· Tamaño de la muestra: n = 300.

· Circuitos integrados defectuosos de la muestra: 13.
· Proporción de unidades defectuosas: ṗ = 13/300.
· Nivel de significación: α = 0.05.

La prueba de hipótesis que plantea el enunciado del problema es:

Es un contraste sobre la proporción, el estadístico es:

Obtenemos el valor del estadístico:

Nos piden obtener el p-valor, para dicho cálculo, debemos tener claro
en que condiciones estamos, en nuestro caso, existen dos regiones
críticas, por lo tanto, tenemos dos colas de probabilidad, el p-valor en
estas condiciones, se calcula cómo:

p-valor = 2 · P(Z > |z|) = 2 · P(Z > 0.529813) = 2 · [1 - P(Z ≤

0.529813)] = 2 · [1 - (0.5 + Φ(0.529813))] = 2 · [0.5 - Φ(0.529813)]

Buscamos en las tablas de la Normal, pero no encontramos el valor

exacto para 0.529813, por lo que interpolamos linealmente:

..0.52...........0.529813.......0.53
0.1985...............P............0.2019

De donde:

0.52 - 0.53.-> 0.1985 - 0.2019

0.52 - 0.529813.-> 0.1985 - P

Calculamos:

Sustituimos y obtenemos el p-valor:

p-valor = 2·[0.5 - Φ(0.529813)] = 2·[0.5 - 0.201836] = 0.596328

Como el p-valor es mayor que el nivel de significación, aceptamos la
hipótesis nula.