CAPITULO 8.

PRUEBA DE HIPOTESIS: Pruebas de una sola muestra

8.1 INTRODUCCION
La prueba de hipótesis comienza con:
1. una suposición (valor para una media de la población), llamada hipótesis, que hacemos con
respecto a la población.
2. recolectamos datos de una muestra
3. producimos estadísticas de muestra (determinación de la diferencia entre el valor hipotético y
el valor real de la media de la muestra).
4. uso de la información para tomar una decisión con respecto a nuestra hipótesis (juzgamos si
la diferencia es significativa o no).
¿Cuándo aceptar o rechazar una hipótesis? Una hipótesis solo puede ser aceptada si los cálculos
y resultados obtenidos se encuentran dentro de los parámetros establecidos en nuestra hipótesis,
de lo contrario es rechazada. No obstante y a pesar de los resultados, en la toma de decisiones
habrá que enfrentar la incertidumbre.

8.2 CONCEPTOS BASICOS

 media de la población (µ)
 media de la muestra (X)
 error estándar de la media de la desviación estándar de la población
 valores de Z

Ej.: (pag. 422) µ = 04 X = 0.0408 n = 100 N = 10,000

El contrato para techar un nuevo complejo deportivo fue otorgado a grandes contratistas. Las
especificaciones de construcción pedían un techo movible de aproximadamente 10,000 láminas
de aluminio con un grosor de 0.04 pulgadas, éstas no pueden ser considerablemente mas gruesas
porque la estructura no podrá soportar el peso adicional, tampoco pueden ser mas delgadas
porque la fuerza estructural del techo sería inadecuado. El contratista no deseaba medir cada
lámina así es que decide tomar una muestra aleatoria de 100 y encontró que su grosor medio era
de 0.0408 pulgadas. Por experiencia con el proveedor de las láminas se cree que estas provienen
de una población que tiene una desviación estándar de 0.004 pulgadas de grosor.

Error estándar = 0.004/√100 = 0.0004

Z = (0.0408 – 0.04)/0.0004 = 2
Límites de confianza === µ±Z(error estándar) === 0.04±2(0.0004) === (0.0392, 0.0408).
El resultado es = 4.5% la probabilidad total de que la media de la muestra difiera de la media de la
población en 2 o mas errores estándar, es decir que la probabilidad de que la media de la muestra
sea ≥ 0.0408 0 ≤ 0.0392 es solo de 4.5%. En este caso la diferencia entre la media de la muestra
y la población hipotetizada es demasiado grande y la probabilidad de que la población produzca
una muestra aleatoria semejante es demasiado baja, por lo tanto se rechaza la hipótesis. Al
momento de tomar una decisión se deben determinar los costos que implican una decisión
incorrecta y el nivel preciso de riesgo que estemos dispuestos a asumir.

8.3 PRUEBA DE HIPOTESIS

 Para realizar pruebas de hipótesis se debe establecer el valor supuesto o hipotetizado del
parámetro de la población antes de tomar una muestra, conocido como “hipótesis nula ( H o o H
subcero)”. Por ej.:
H0 :µ = 500 === la hipótesis nula es que la media de la población es = 500
µH0 = 500 ==== valor hipotetizado de la media de la población.
 Si rechazamos la hipótesis, la conclusión que aceptamos se llama “hipótesis alternativa (H 1 o
H subuno)”. Por ej.:
H1: µ ≠ 500 H1: µ > 500 H1: µ < 500

Interpretación del nivel de significancia. El objetivo de la prueba de hipótesis es hacer un juicio con
respecto a la diferencia entre esa estadística de muestra y un parámetro de población hipotetizado.

1
 decidir que criterio utilizar para aceptar o rechazar la hipótesis nula. En el ejemplo de la pag.
422 se obtuvo una probabilidad de 4.5% de ocurrencia de esta diferencia entre la media de la
muestra y la de la población hipotetizada y por tanto se rechaza la hipótesis nula, este valor se
le conoce como “nivel de significancia” (a).
Si suponemos que la hipótesis es correcta, entonces el nivel de significancia indicará el porcentaje
de medias de muestra que está fuera de ciertos límites. Ver figuras 8-2 y 8-3 de páginas 426 y 427.
Ahora bien, el hecho de aceptar una hipótesis no prueba que nuestra hipótesis nula (H 0) sea cierta,
simplemente no nos proporciona evidencia estadística o que los datos son insuficientes como para
rechazarla.
Selección de un nivel de significancia. No existe un nivel de significancia único estándar o universal
para probar hipótesis, los investigadores pueden utilizar el que crean conveniente pero debemos
recordar que entre más alto sea ese nivel, mayor será la probabilidad de rechazar una hipótesis
nula cuando es cierta. Ver la figura 8-4 y tal como se ve la gráfica del inciso c) el nivel de
significancia es tan alto que sería raro aceptar la hipótesis nula cuando no sea cierta, pero al
mismo tiempo la rechazaríamos cuando es cierta.

Errores tipo I y tipo II.

Error tipo I. Es el rechazo de una H 0 cuando es cierta. Su probabilidad se simboliza como “a”
(alfa).
Error tipo II. Es aceptar una H0 cuando es falsa. Su probabilidad se simboliza como “ß” (beta).

En algunos casos es preferible el error tipo I (si la H 0 fuera agua contaminada y la rechazamos) y
en otros el error tipo II (si se acepta la hipótesis anterior siendo falsa). La probabilidad de cometer
un tipo de error puede reducirse incrementando la probabilidad de cometer el otro tipo de error.

Decisión sobre el tipo de distribución a utilizar en la prueba de hipótesis

La siguiente tarea es determinar la distribución de probabilidad adecuada (normal, t), también se
puede usar el multiplicador de población finita (ver tabla 8-1).

Prueba de hipótesis de dos extremos o colas y de un extremo

En una prueba con dos extremos se rechazará la H 0 si la media de muestra es significativamente >
o < la µ hipotetizada, existen dos zonas de rechazo (figura 8-5). Es apropiado cuando la H 0 es µ =
µH0 y H1 es µ≠ µH0 para ilustración veamos el ejemplo de la pag. 429 donde µ = µ H0 = 1000 horas
( entonces H0: µ = 1000 y H1: µ ≠ 1000)
Esta es una prueba de dos extremos o colas donde se rechaza H 0 si la vida media de la muestra
está por arriba o por debajo de 1000 horas (hacer figura 8-5).
Prueba de un extremo. (ver el ej. de la pag. 430) H0: µ = 1000 H1: µ < 1000 donde considera que
la vida media de los focos es de al menos 1000 horas y se rechazará la H 0 solo si la vida media
está significativamente por debajo de las 1000 horas (ver figura 8-6). Esta prueba es de extremo
izquierdo o inferior cuyo planeamiento es H 0: µ = µH0 y H1: µ < µH0. Otro ejemplo lo encontramos en
la pag. 431 H0: µ = 100 H1: µ > 100 donde considera que el promedio de gastos tiene un
límite de L. 100.00 y se rechazará la H 0 solo si la media de la muestra está significativamente por
encima de L. 100.00 y se tomarían medidas correctivas (ver figura 8-7). Esta prueba es de extremo
derecho o superior cuyo planeamiento es H0: µ = µH0 y H1: µ > µH0.
Debemos recordar que aceptamos una hipótesis nula con base a la información de la muestra, en
realidad estamos diciendo que no hay evidencia estadística para rechazarla. No estamos
afirmando que la hipótesis nula sea cierta.

8.4 Prueba de hipótesis de medias cuando se conoce la desviación estándar de la población.

Ej.: (pag. 433) Un fabricante suministra ejes traseros para camiones que deben soportar 80,000 lb
por pulg2 en pruebas de carga, pero un eje excesivamente fuerte eleva los costos de producción.
La experiencia indica que la desviación estándar de la fuerza de los ejes es de 4,000 lb por pulg 2.

2
Se selecciona una muestra de 100 ejes, se prueban y se detecta que la capacidad de carga
promedio es de 79,600 lb por pulg 2. a un a = 0.05 en la prueba, ¿Satisfarán los ejes sus
requerimientos de carga? Los datos se resumen de la siguiente manera:
µH0 = 80.000 n = 100 δ = 4,000 X = 79,600 a = 0.05
1. Planteamiento de hipótesis
H0: µ = 80,000 La media real es 80,000 lb por pulg 2
H1: µ ≠ 80.000 La media real no es 80,000 lb por pulg2
a = 0.05 Nivel de significancia para probar esta hipótesis

2. Cálculo del error estándar. Se conoce la δ y n es grande por lo tanto se trata de una
población infinita.
δx = (δ/√n) = 4,000/√100 = 400

3. Cuando a = 0.05 el N.C. = 0.95 (o sea 1 – 0.05), recuerde que esta prueba es de 2
extremos o colas que hace dividir 0.95/2 = 0.475; luego en la tabla de la distribución normal
estándar se busca un valor igual o lo mas cercano posible a 0.475, dando un resultado de
Z = 1.96.

4. Definir los límites de la región de aceptación: µH0 ± Zδx

LIC = 80,000 – 1.96 (400) = 79,216 lb por pulg2

80,000 ± 1.96 (400) LSC = 80,000 + 1.96 (400) = 80,784 lb por pulg2

5. Interpretación de los resultados. En la gráfica siguiente se puede observar que la media de

la muestra X = 79,600 cae en el área de aceptación, por tanto se acepta la H 0, porque no
hay diferencia significativa entre la µH0 = 80,000 y la media observada de los ejes de la
muestra.

PRUEBA DE HIPÓTESIS USANDO LA ESCALA ESTANDARIZADA.

Mediante este método se ejecutan los tres primeros pasos anteriores y en lugar del paso 4 se
ejecuta el paso siguiente, considerando como media Z = 0:

4. Escala estandarizada === Z = X - µ Z = 79,600 – 80,000 = -1

δx 400

RECHAZO ------ACEPTACION----------- RECHAZO

Valor crítico de Z-- -1.96 Z=0 1.96 --- Valor crítico de Z

X estandarizada Z --------- -1.00

5. Interpretación de los resultados. En la gráfica que antecede se puede observar que la

estadística de la muestra estandarizada Z = -1 cae en el área de aceptación, por tanto se
acepta la H0, porque no hay diferencia significativa entre la µH0 = 80,000 y la media observada
de los ejes de la muestra, el fabricante debe aceptar que los ejes producidos reúnen los
requisitos de carga.

PRUEBA DE UN EXTREMO DE MEDIAS

Ejemplo. El Hospital Escuela usa grandes cantidades de dosis envasadas de un medicamento
particular. Cada dosis de esta medicina es de 100 cc. que el cuerpo tolerará inocuamente dosis
excesivas pero las dosis insuficientes no producen el efecto médico deseado e interfieren en el
tratamiento del paciente. El Hospital durante varios años ha adquirido este producto del mismo
fabricante y sabe que la desviación estándar de la población es 2 cc. se inspecciona

3
aleatoriamente 50 dosis y encuentra que la media de estas dosis es de 99.75 cc. El Hospital
establece un a = 0.10 y pregunta si las dosis de esta remesa son demasiado pequeñas.
Los datos se resumen de la siguiente manera:
µH0 = 100 n = 50 δ = 2 X = 99.75 a = 0.10
1. Planteamiento de hipótesis
H0: µ = 100 La media de las dosis de la remesa es 100 cc.
H1: µ < 100 La media es menor que 100 cc.
a = 0.10 Nivel de significancia para probar esta hipótesis

2. Cálculo del error estándar. Se conoce la δ y n es grande por lo tanto se trata de una población
infinita.
δx = (δ/√n) = 2/√50 = 0.2829
3. Cuando a = 0.10 el N.C. = 0.90 Esta prueba es de extremo inferior por lo que a una mitad del
área bajo la curva (0.50) se le resta 0.10 = 0.40; luego en la tabla de la distribución normal
estándar se busca un valor igual o lo mas cercano posible a 0.40, el resultado de Z = 1.28.

4. Definir el límite de la región de aceptación: µH0 - Zδx

LIC = 100 - 1.28 (0.2829) = 99.64

5. Interpretación de los resultados. En la gráfica siguiente se puede observar que la media de la

muestra X = 99.75 cae en el área de aceptación, por tanto se acepta la H 0, porque la media
observada de la muestra no significativamente menor que la µH0 = 100 cc. El Hospital deberá
concluir que las dosis de la remesa son suficientes.
6.
8.6 PRUEBA DE HIPOTESIS DE PORCION. MUESTRAS GRANDES

Se debe recordar que la binomial es la distribución teóricamente correcta para usarse al trabajar
con porciones, porque los datos son discretos no continuos. Al aumentar el tamaño de la muestra,
la distribución binomial se aproxima a la normal en sus características y se puede usar la
distribución normal para aproximar la distribución de muestreo, siempre y cuando np y nq ≥ 5.

Ejemplo. Corporación Cresida está evaluando la promoción de sus empleados, es decir, está
determinando la porción de aquellos cuya capacidad, capacitación y experiencia de supervisión los
califican para promocionarlos al siguiente nivel de administración. El gerente de Recursos
Humanos dice que el 80% de los empleados son promocionables. El presidente de la empresa
reúne un comité especial para evaluar la capacidad de los empleados y éste realiza entrevistas con
150 empleados y encuentra que solo el 70% califica para promoción. Se desea probar al a = 0.05
la hipótesis de que el 80% de los empleados son sujetos a promoción.

PHO = 0.80 QHO = 0.20 n = 150 p = 0.70 q = 0.30

1. Planteamiento de hipótesis
H0: P = 0.80 80% de los empleados son promocionables.
H1: P ≠ 0.80 La porción de empleados promocionables no es 80%.
a = 0.05 Nivel de significancia para probar esta hipótesis

2. Cálculo del error estándar de la porción.

δP = √ (PHO * QHO/n) = √(0.80 * 0.20)/150 = 0.0327

3. Elegir la distribución apropiada y encontrar el valor crítico. np = 40 y nq = 10 se cumple la regla

para aproximar a una distribución normal. El N.C. = 0.95 Esta prueba es de dos extremos y el
valor crítico de Z = 1.96.

4. Estandarizar la porción de la muestra. === Z = p - PH0 = (0.7 – 0.8)/0.0327 = -3.06

4
5. Interpretación de los resultados. En la gráfica se observa que la porción de la muestra (-3.06)
cae en el área de rechazo, en cuyo caso el presidente de la empresa debe rechazar la H 0, e
inferir que la porción real de empleados promocionables no es de 80%.

PRUEBA DE UN EXTREMO DE PORCIONES. Es conceptualmente similar a una prueba de un

extremo de una media. Se ilustra en el siguiente ejemplo:
Un miembro de la sociedad civil, afirma que < 60% de las plantas industriales de Tegucigalpa,
cumple con los estándares de contaminación ambiental. Un funcionario de la Secretaría de
Agricultura cree que 60% de las plantas si cumple con los estándares y decide probar esta
hipótesis a un n.c. = 98%, para lo cual extrae una muestra de 60 de una población de más de
10,000 plantas y encuentra que 33 cumplen con los estándares de contaminación.

PHO = 0.60 QHO = 0.40 n = 60 p = 33/60 = 0.55 q = 27/60 = 0.45

1. Planteamiento de hipótesis
H0: P = 0.60 La porción de plantas que cumplen con los estándares de contaminación es 0.60.
H1: P< 0.60 La porción que cumplen con los estándares de contaminación no es 0.60.
n.c. = 0.98 Nivel de confianza para probar esta hipótesis

2. Cálculo del error estándar de la porción.

δP = √ (PHO * QHO/n) = √(0.60 * 0.40)/60 = 0.0632

Elegir la distribución apropiada y encontrar el valor crítico. np = 36 y nq = 24 se cumple la regla

para aproximar a una distribución normal. El n.c. = 0.98 Esta prueba es de extremo inferior por lo
que a una mitad del área bajo la curva (0.50) se le resta 0.02 = 0.48; luego en la tabla de la
distribución normal estándar se busca un valor igual o lo mas cercano posible a 0.48, dando un
resultado de Z = 2-05

3. Estandarizar la porción de la muestra. === Z = p - PH0 = (0.55 – 0.6)/0.0632 = -0.79

δP

4. Interpretación de los resultados. En la gráfica se observa que la porción de la muestra (-0.79)

cae en el área de aceptación rechazo, en cuyo caso el funcionario de la SAG debe aceptar la
H0, e inferir que la porción real de plantas que cumplen es de 0.60.

Ej.: Un fabricante de blusas para mujer, sabe que su marca se vende en 19% de las tiendas de
ropa en Comayagüela. Se toma una muestra de 85 tiendas en Tegucigalpa y se detecta que solo el
14.12% de ellas vende su producto. A un a = 0.04 ¿existe evidencia que en Tegucigalpa hay una
peor distribución? Es una prueba de extremo inferior.
Z = -1.15 (calculado) Z = -1.75 (tabla) LIC = 0.1155 se acepta la hipótesis nula.

PRUEBA DE HIPÓTESIS DE MEDIAS CUANDO NO SE CONOCE LA δ (D. EST. DE LA POB.)

Cuando no se conoce la desviación estándar de la población es necesario estimarla a partir de la
desviación estándar de la muestra. Y si además el tamaño de la muestra (n) es ≤ 30 se debe
utilizar la distribución “t” con n – 1 grados de libertad, en cuyo caso de usa la tabla 2.

Ej.: El Gerente de Recursos Humanos del Banco Central de Honduras, está reclutando personal
para un puesto en el extranjero y cree que la puntuación promedio será de aproximadamente 90.
Cuando la Administración revisa 20 de estos resultados encuentra que la puntuación promedio es
84 con una S = 11 y desea probar su hipótesis a un a = 0.10 ¿Cuál es el procedimiento a seguir?
Es una prueba de 2 extremos, µH0 = 90 n = 20 S = 11 X = 84 a = 0.10

1. Planteamiento de hipótesis

5
 H0: µ = 90 La media real es 90
H1: µ ≠ 90 La media real no es 90
a = 0.10 Nivel de significancia para probar esta hipótesis

2. Cálculo del error estándar estimado. δx = (δ/√n) = 11/√20 = 2.46

3. Elegir la distribución adecuada “t” y encontrar el valor crítico.

g.l. = n -1 = 20 – 1 = 19 a = 0.10 t = ± 1.729

4. Definir los límites de la región de aceptación: µH0 ± tδx

LIC = 90 – 1.729 (2.46) = 85.747

90 ± 1.729(2.46) LSC = 90 + 1.729 (2.46) = 94.253

Interpretación de los resultados. En ambas gráficas siguientes se puede observar que la media de
la muestra X = 84 y t = 2.44, caen en el área de rechazo, por tanto se rechaza la H 0, que es la
afirmación del gerente de Recursos Humanos acerca de que la puntuación media real de los
empleados examinados es 90.
Ej.: Un documental de televisión afirmaba que los hondureños tienen un sobrepeso aproximado de
10 lb. en promedio. Se examinó a 18 personas y se encontró que su sobrepeso promedio es de
12.4 lb. con una S = 2.7 lb. A un a = 0.01 ¿hay razón para dudar de la validez del valor aproximado
de 10 lb?
t = ± 2.898 Límites = (8.16, 11.84)

PRUEBAS DE UN EXTREMO DE MEDIAS MEDIANTE LA DISTRIBUCION T

El procedimiento es similar al de una prueba de un extremo que usa la distribución normal estándar
y la tabla Z, excepto que para encontrar el valor apropiado de “t” es necesario duplicar el valor de
“a” (área en ambos extremos combinados), por ej.: si a = 0.05 se tendrá que buscar los grados de
libertad a un a = 0.10 porque la columna 0.10 representa 10% del área bajo la curva contenida en
ambos extremos combinados, igualmente 0.05 del área bajo la curva contenida en cada uno de los
extremos.
Ej.: La corredora de bienes raíces VICASA tomó una muestra aleatoria de 12 viviendas de un
prestigiado barrio de Tegucigalpa y encontró que el valor de mercado promedio estimado de una
vivienda era L780,000, con una desviación estándar de L49,000. Pruebe la hipótesis de que para
todas las casas del área, el valor estimado medio es L825,000, contra una hipótesis alternativa de
que es menor que L825,000. Utilice un a = 0.05.

Preguntas para un quiz:

1. En la prueba de hipótesis, suponemos que algún parámetro de población toma un valor

particular antes de muestrear. Esta suposición que se va a probar se denomina hipótesis
alternativa.
2. Suponiendo que una hipótesis dada acerca de la media de una población es correcta, el
porcentaje de medias muestrales que pudieran caer fuera de ciertos límites de esta media
hipotética se denomina nivel de significancia.
3. En la prueba de hipótesis, la distribución de probabilidad apropiada es siempre la distribución
normal.
4. Si cometiéramos un error tipo I, rechazaríamos una hipótesis nula cuando realmente es
verdadera.
5. Una prueba en la escala sin procesar o en la escala estandarizada nos lleva a la misma
conclusión.
6. Sí 1.96 es el valor crítico de z, entonces el nivel de significancia de la prueba es 0.05.
7. Si nuestras hipótesis nula y alternativa son H0: m 5 80 y H1: m < 80, es apropiado utilizar una
prueba de cola izquierda.
8. Si la media de muestra estandarizada está entre cero y el valor crítico, entonces no se rechaza
H0.

6
9. El valor 1 2b se conoce como la potencia de la prueba.
10. Después de realizar una prueba de una cola y rechazar H0, se da cuenta de que debió haber
hecho una prueba de dos colas, al mismo nivel de significancia. También rechazará H0 para esa
prueba.
11. A menudo, aunque no siempre, es posible establecer el valor de a de manera que obtengamos
un trueque sin riesgos en la prueba de hipótesis.
12. Imagine que efectúa una prueba de hipótesis de dos colas sobre una media de población y ha
establecido a 5 0.05. Si el estadístico muestral cae dentro de 0.95 del área alrededor de mH0,
usted ha probado que la hipótesis nula es cierta.
13. Si las pruebas de hipótesis se hicieran a un nivel de significancia de 0.60, la hipótesis nula
generalmente se aceptaría cuando no es cierta.
14. Si mH0 5 50 y a 5 0.05, entonces 1 2b debe ser igual a 0.95 cuando m 5 50.
15. Para un nivel de significancia dado, los valores críticos de t se acercan a cero cuando crece el
tamaño de la muestra.
16. Elegir el nivel de significancia apropiado es más fácil que elegir la prueba correcta que se debe
utilizar.
17. Existen métodos matemáticos que garantizan que el nivel de significancia seleccionado
siempre será el adecuado.
18. La prueba de hipótesis nos ayuda a sacar conclusiones sobre parámetros estimados.
VF

7
CAPITULO 9. PRUEBA DE HIPOTESIS CON DOS MUESTRAS

Prueba de hipótesis para diferencias entre medias. En muchas situaciones de toma de decisiones
se necesita determinar si los parámetros de 2 poblaciones son parecidos o diferentes, por ejemplo:
un médico receta una misma medicina a 2 personas que padecen la misma enfermedad, la
reacción de la medicina en una de las personas es positiva, sin embargo en la otra persona no
produce la misma reacción. Otro ejemplo se presenta en algunas empresas en puestos cubiertos
por hombres y mujeres que desarrollan las mismas funciones pero el salario devengado por los
hombres es mejor que el de las mujeres.
Para el análisis de esta situación, estudiaremos la DISTRIBUCION DE MUESTREO PARA LA
DIFERENCIA ENTRE 2 PARAMETROS DE POBLACION. Para una mejor comprensión, veamos
las figuras siguientes:

El significado de la simbología utilizada, es el siguiente:

µ y µ = La media de la población 1 y de la 2 respectivamente
1 2

δȾ y δȾ = Error estándar de la media de la muestra 1 y el de la 2 respectivamente

1 2

µȾ = Media de la distribución de muestreo de las medias

Ⱦ - Ⱦ = Diferencia entre las medias
1 2

δȾ - Ⱦ = Error estándar de la diferencia entre 2 medias, o la desviación estándar de la diferencia

1 2

entre medias.
NOTA. Si la desviación estándar de la población ( δ) es desconocida entonces hay que estimar el
error estándar a partir de la S o S2.
Ambas poblaciones (1 y 2) tienen su propia µ y δ y además su distribución de muestreo de la
media (µȾ= µ) y su error estándar de la media ( δȾ) construidos a partir de todas las muestras
posibles de un tamaño dado que pueden tomar de la distribución de la población correspondiente.
Si se toma una muestra de cada población y se calcula la diferencia entre medias ( Ⱦ1 - Ⱦ2), se
pueden presentar los resultados siguientes:
a) > 0 == Ⱦ1 > Ⱦ2
b) < 0 == Ⱦ1 < Ⱦ2
c) = 0 == Ⱦ1 = Ⱦ2
Todas las diferencias posibles de las medias nos conducen a una distribución de muestreo de la
diferencia entre las medias de las muestras (µȾ1 - Ⱦ2 = µȾ1 - µȾ2). Si µ1= µ2 == µȾ1- µȾ2 = 0.
La desviación estándar de la distribución de la diferencia entre las medias de muestras se conoce
como ERROR ESTANDAR DE LA DIFERENCIA ENTRE DOS MEDIAS, su fórmula es:
2 2
δȾ - Ⱦ
1 2 =√ (δ 1/n1 + δ 2/n2) donde: δȾ1- Ⱦ2 = Error estándar de la diferencia entre dos medias
δ21 = Varianza de la población 1
δ22 = Varianza de la población 2
n1 = Tamaño de la muestra de la población 1
n2 = Tamaño de la muestra de la población 2

si no se conocen las dos desviaciones estándar de población se puede estimar el error estándar a
partir de las desviaciones de las muestras.
Prueba de diferencia entre medias. Tamaños de muestra grandes. Dos extremos.
A un estadístico en recursos humanos se le pide determinar si los salarios por hora de los
trabajadores especializados son los mismos en 2 ciudades distintas. El resultado de la
investigación es el siguiente: