ESTADÍSTICA PARA

INGENIERÍA II

PRUEBA DE HIPÓTESIS PARA

LA MEDIA Y PROPORCIÓN
Plan de clases:

• Motivación.
• Competencias
Inicio • Saberes previos.
• Definiciones básicas
• Prueba de hipótesis para la media:
• Cuando la varianza es conocida
• Cuando la varianzas es desconocida
Construcción • Prueba de hipótesis para la proporción
• Prueba de hipótesis para verificar normalidad (vía
minitab)

Cierre • Retroalimentación.
• Autoevaluación
CASO PRÁCTICO
El jefe de producción de una fabrica de hilos evaluó si los lotes que producen tienen la
calidad esperada. Los hilos producidos tienen una tolerancia del 5% de artículos
defectuosos. Si hay evidencia que es más del 5% se considerará la evaluación y
mantenimiento de la maquinaria. Para tomar una decisión, se seleccionó una muestra
aleatoria de 650 Hilos y se encontró que 610 no son defectuosos, ¿cuál será la decisión?

Use alfa = 0.01.

Competencias
Al termino de la sesión, el
estudiante estará en
capacidad de:

Calcular e interpretar los

errores tipo I y tipo II.
Formular e interpretar
apropiadamente pruebas de
hipótesis para un parámetro
con la finalidad de tomar de
decisiones.
¿Qué es una Hipótesis estadística?

Una hipótesis estadística es un enunciado acerca de la naturaleza

de una población. Principalmente, se formula en términos de sus
parámetros: media (µ), varianza (2 ), proporción (), etc.

¿Qué es una prueba de hipótesis?

Es un procedimiento que sirve para contrastar una hipótesis
estadística. Estas pruebas ayudan a determinar si la hipótesis es un
enunciado razonable y no debe rechazarse o si no es razonable y
debe rechazarse.

Es un procedimiento basado en:

• Evidencia de la muestra
• Teoría de probabilidades
 Tipos de Hipótesis
Hipótesis Nula (H0)
• Es la creencia apriori que no se
rechaza a menos que los datos
muestrales prueben lo contrario.
• Es la hipótesis de la “igualdad”.
• Es la hipótesis a contrastar.
• Lleva los signos igual, mayor o
igual y menor o igual.
Ejemplo:
H0: µ = 65
Hipótesis Alterna
(H1)
• Es la hipótesis del investigador.
• Es la hipótesis que queremos
probar como verdadera.
• Lleva los signos diferente,
mayor o menor ( ≠, > o <).
Ejemplo
H1: µ ≠ 65
Ejemplos de cómo plantear las hipótesis
1. La concentración promedio de Zinc en el agua es de 1.65.
H0:µ = 1.65
H1: µ ≠ 1.65

2. El tiempo de vida promedio de una Tablet es menor de 20000 horas.

H0: µ ≥ 20000
H1:µ < 20000
3. El porcentaje de artículos defectuosos de un proceso de empacado es mayor al
10%.
H0: π ≤ 0.10
H1: π > 0.10
 Tipos de Errores
Error tipo I (α)

• Rechazar una hipótesis nula cuando es verdadera.

• La probabilidad de cometer el error del Tipo I es igual al nivel de
significancia α.
• La probabilidad de no cometer el Error Tipo I es igual a 1- α

Error Tipo II ()

• Aceptar (no rechazar) una hipótesis nula cuando es falsa.

• La probabilidad de cometer un error Tipo II es igual a .
• La probabilidad de no cometer un Error Tipo II es igual a 1- .
 Resumen de las
situaciones posibles en
una prueba de hipótesis:
Decisión Ho es verdadera Ho es falsa
Acepta Ho No hay error Error tipo II
Rechaza Ho Error tipo I No hay error
 Procedimiento para llevar a
cabo una prueba de
1. Plantear las hipótesis hipótesis
Definir las hipótesis nula y alterna traducida a lenguaje estadístico

2. Fijar el nivel de significancia α

Los valores más usados son: 0.01, 0.05, 0.10.

3. Calcular el valor del estadístico de prueba

Puede ser: Z, T, χ2 , F, etc.

4. Establecer la región de rechazo

Obtener el valor crítico y establecer la región de rechazo para H 0.

5. Decisión:
Sacar conclusiones en base a la evidencia muestral y tomar la decisión correspondiente.
Prueba de Hipótesis para la media
poblacional
PASOS
UNILATERAL A LA
BILATERAL
UNILATERAL A LA
IZQUIERDA DERECHA

1. Hipótesis H 0 :   0 H 0 :   0 H 0 :   0
H1 :    0 H1 :    0 H1 :    0
2. Nivel de
significación  puede ser 0.01, 0.05, 0.10, etc 
Si s es conocido Si s es desconocido
3. Estadístico
de prueba x x
Z cal   N (0,1) Tcal   t( n 1)
/ n S/ n

4. Región de
rechazo

Rechazar H0 si Zcal < Za Rechazar H0 si |Zcal| > Z1-a/2 Rechazar H0 si Zcal > Z1-a
5. Decisión Rechazar H0 si Tcal < T(n-1,a) Rechazar H0 si |Tcal| > T(n-1,1-a/2) Rechazar H0 si Tcal > T(n-1,1-a)
EJERCICIO 1
Una máquina está calibrada para embolsar cereales con un peso promedio de
500 gr. Cada cierto tiempo el jefe de control de calidad realiza una inspección
para determinar si debe mandar a calibrar la máquina. Para tomar una
decisión, el jefe tomó una muestra aleatoria de 36 bolsas y encontró un
promedio de 496.5 gr. ¿A que conclusión llegará el jefe de control de calidad,
si suponemos que el peso se distribuye normalmente con una desviación
estándar de 9 gr.? Use un 5% de significancia.
SOLUCIÓN
1.- Hipótesis nula: Hipótesis alterna
H 0 :   500 H 1 :   500
La máquina esta calibrada (las bolsas de La máquina no esta calibrada (las bolsas de cereal no
cereal pesan en promedio 500 gr.) pesan en promedio 500 gr.)

2.-  = 0.05

3.- Estadístico de prueba

x   496.5  500
Z cal    2.33
/ n 9 / 36

4.- Valor crítico

Z0 = Z1-α/2 = Z0.975 = 1.96

Como Zcal= -2.33< Z0= -1.96, se rechaza H0.
5.- Decisión
Con un nivel de significación del 5%, existe evidencia estadística para concluir que el peso promedio de las
bolsas de cereal no pesan 500 gramos. Se justifica enviar a calibrar la máquina.
EJERCICIO 2
El productor artesanal de adornos de sala afirma que el número promedio de artículos
producidos por cada uno de sus artesanos es de 220 adornos en una semana. Un nuevo
material ha sido incluido en su producción con lo que se espera que la producción de
adornos en una semana sea superior a 220. Para tal prueba se considera una muestra
aleatoria de la producción de adornos en una semana en la siguiente muestra:

217 223 225 245 238 216 217 226 202 218
233 235 242 219 221 234 199 236 248 224

¿Habrá suficiente evidencia estadística para apoyar la afirmación del artesano? Justifique su
respuesta con α=0.05
SOLUCIÓN

En este problema  es desconocido; por lo tanto, se tiene que estimar su valor con los datos de
la muestra. A partir de los datos se obtiene la media y desviación estándar de la siguiente
manera:

x i
x i 1
 225.90
n
n

 xi  n x
2

s2  i 1
 171.3481
n 1

s  171.348  113 .09

1.- Hipótesis nula: Hipótesis alterna
H 0 :   220 El artesano no tiene la razón H 1 :   220 El artesano tiene la razón

2.-  = 0.05

3.- Estadístico de prueba

x   225.90  220
Tc    2.02
S / n 13.09 / 20

4.- Valor crítico

tt  t n 1;1 / 2  t19;0.975  1.7291

5.- Decisión
Como Tc= 2.02 < TT=1.7291, se rechaza H0.

Con un nivel de significación del 5%, existe evidencia estadística para concluir que la producción promedio
de los artesanos es mayor a 220. Es decir el artesano tiene la razón.
 Prueba de hipótesis para la proporción
PASOS
poblacional
UNILATERAL A LA
BILATERAL
UNILATERAL A LA
IZQUIERDA DERECHA
H0 :   0 H0 :   0 H0 :   0
1. Hipótesis
H1 :    0 H1 :    0 H1 :    0
2. Nivel de  puede ser 0.01, 0.05, 0.10, etc 
significación
p 0
Z cal 
3. Estadístico  0 (1   0 )
de Prueba
n

4. Región de
rechazo

Rechazar H0 si Zcal < Za Rechazar H0 si |Zcal| > Z1-a/2 Rechazar H0 si Zcal > Z1-a
5. Decisión
EJERCICIO 3

El jefe de producción de una fabrica de hilos evaluó si los lotes que

producen tienen la calidad esperada. Los hilos producidos tienen una
tolerancia del 5% de artículos defectuosos. Si hay evidencia que es
más del 5% se considerará la evaluación y mantenimiento de la
maquinaria. Para tomar una decisión, se seleccionó una muestra
aleatoria de 650 Hilos y se encontró que 610 no son defectuosos,
¿cuál será la decisión? Use alfa = 0.01.
Prueba de Hipótesis
1.- Hipotesis
Ho: p ≤ 0.05 La proporción de hilos defectuosos NO es superior al 5%.
H1: p > 0.05 La proporción de hilos defectuosos es superior al 5%.
2.- Nivel de significancia  = 0.01
3.- Estadístico de prueba
P  0.0615  0.05
Z cal    1.345
 (1   ) 0.05(1  0.05)
n 650
4.- Valor crítico

Z0 = Z1-α/2 = Z0.995 = 2.33

5.- Decisión
Como Zcal = 1.345 < Z0 =2.33, no se rechaza H0.

Con un nivel de significación del 1%, no existe suficiente evidencia estadística para
concluir que más del 5% de los hilos producidos son defectuosos.
 P-VALOR

¿Cómo calcular el p-valor?

UNILATERAL A LA UNILATERAL A LA
BILATERAL
IZQUIERDA DERECHA

p  valor  F ( Z cal ) p  valor  2(1  F ( Z cal ) ) p  valor  1  F ( Z cal )

¿Cómo interpretar?
Si p-valor < α, se rechaza Ho
Si p-valor > α, no se rechaza Ho

¿Qué significa?
El “p-valor” llamado el nivel de significación observado, es el mínimo valor de  al
cual se rechazaría la hipótesis nula. Un “p-valor” cercano a 0 indica que es muy poco
probable que Ho ocurra por lo que estaremos inclinados a rechazarla.
 PRUEBA DE NORMALIDAD: ANDERSON DARLING
(con Reporte Minitab)
La prueba de Normalidad se utiliza para verificar si los datos
provienen o no de una población con distribución normal.

Hipótesis

Ho: La variable se distribuye como una distribución normal

H1: La variable no se distribuye como una distribución normal

Nivel de significación:  puede ser 0.01, 0.05, 0.10, etc 

Decisión: Si p-valor < α, se rechaza Ho

Si p-valor > α, no se rechaza Ho
EJERCICIO 4
Verifique si los siguientes datos se distribuyen como una normal.

1.- Planteamiento de hipótesis Probability Plot of x

x H0: La variable aleatoria se Normal
99
8 comporta como una distribución normal Mean
StDev
9.25
1.913

9 H1: La variable aleatoria no se comporta 95

90
N
AD
12
0.449
P-Value 0.228
7 como una distribución normal. 80
70
7

Percent
60
50
8 2.- Nivel de significación: α =0.05 40
30

9 20

10
11 3.- Decisión 5

12 Como p-valor=0.228 > 0.05, entonces 1

5 6 7 8 9 10 11 12 13 14
13 no se rechaza Ho. x
8 Es decir, con un nivel de significación
9 de 5%, se puede decir que los datos se
10 distribuyen normalmente.
 PRUEBA DE HIPÓTESIS PARA UNA VARIANZA
UNILATERAL A LA UNILATERAL A LA
PASOS BILATERAL
IZQUIERDA DERECHA
H0 : 2
  02 H0 : 2
  02 H0 : 2
  02
1. Hipótesis
H1 :  2
  02 H1 :  2
  02
H1 :  2
 2
0

2. Nivel de
significación
 puede ser 0.10, 0.05, etc 

3. Estadístico (n  1) s 2
de Prueba  2
   n21
cal
 02

4. Región de
rechazo

5. Decisión
 cal
2
  n21, / 2 o
 cal
2
  n21, 1
 2
  2
cal n 1,
 cal
2
  n21, 1 / 2
EJERCICIO 5
El contenido de monóxido de carbono (en miligramos) que contiene una marca de
cigarrillos es una variable aleatoria que sigue una distribución normal y es estudiada
por un analista de laboratorio con fines de investigación.
La empresa que produce estos cigarrillos afirma que la desviación estándar del
contenido de monóxido de carbono es de 1.2 miligramos. Se selecciona una muestra
aleatoria de 30 cigarrillos y se obtiene que la desviación estándar es de 2.10
miligramos.
Al nivel de significación de 0.05, ¿existe evidencia de que la desviación estándar de
contenido de monóxido de carbono en los cigarrillos es superior a 1.2 miligramos?
SOLUCIÓN
1.- Hipótesis
H 0 :  2  1.2 2 La varianza no es mayor que 1.22
H1 :  2  1.2 2 La varianza es mayor que 1.22
2.- Nivel de significancia  = 0.05
3.- Estadístico de prueba
(n  1) S 2 (30  1) 2.12
 2
cal    88.81
02
1.2 2

4.- Valor crítico

 2
1  2
1 0.05  2
0.95  42. 6

5.- Decisión

Como  cal  88.81  1  42.6, se rechaza la hipótesis nula. Por lo tanto, existe
2 2

evidencia estadística para afirmar que la desviación estándar del contenido de monóxido de
carbono en los cigarrillos es superior a 1.2 miligramos.
EJERCICIO 6
El tiempo medio que tarda en secar una nueva marca de pintura esta siendo evaluado.
La pintura que se utilizó presentó una media de 4.5 minutos y una varianza de 0.06
minutos2. Si el tiempo de secado de la nueva pintura resulta más estable en su
variabilidad en comparación con la anterior, esta será remplazada.
Para tomar la decisión escogió una muestra aleatoria simple de 10 tiempos de secado
utilizando la nueva pintura y se obtuvo las siguientes mediciones en minutos:

4.55 4.30 4.45 4.48 4.59 4.53 4.36 5.10 4.40 4.38

¿Debería cambiarse la pintura por la nueva marca?

Use alfa = 0.05 y verifique que el tiempo de secado se distribuye como una normal.

Calculo de la desviación estándar: s  0.2252

Prueba de Hipótesis
La variable de estudio es tiempo que tarda en secar una nueva marca de pintura y se distribuye como una normal.

1.- Las Hipotesis

H 0 :  2  0.06
H1 :  2  0.06
2.- Nivel de significancia  = 0.05
3.- Estadístico de prueba
(n  1) S 2 (10  1) 0.2252 2
 2
calc    7.607
 02 0.06
4.- Valor crítico
 92, 0.05  3.33

5.- Decisión
Como:  C2  7.607  12  3.33
Como  C  7.607  1  3.33, se rechaza la hipótesis nula. Por lo tanto, existe
2 2

evidencia estadística para afirmar que el tiempo de secado de la nueva pintura resulta más
variable en comparación con el anterior.
 SÍNTESIS
 Definición de Hipótesis estadística: Una  Prueba de hipótesis para la media
hipótesis estadística es un enunciado poblacional
acerca de la naturaleza de una población.

 Prueba de hipótesis para la proporción

 Definición de Prueba de Hipótesis: Es el poblacional
procedimiento que sirve para contrastar una
hipótesis estadísticas.
 Pruebas para verificar los supuestos:
 Tipos de Hipótesis: Hipótesis nula, • Prueba de normalidad de Anderson
hipótesis alterna. Darling.

 Tipos de errores: Error tipo I, Error Tipo II.  Prueba de hipótesis para una varianza
 METACOGNICIÓN
¿Qué aspectos te han parecido interesantes?

¿Qué contenido consideras más importantes del tema

trabajado?

¿Qué competencias del tema podrías aplicar en tu vida diaria?

 Para reforzar lo aprendido
Resolver los problemas propuestos de la Guía de Trabajo
 REFERENCIA BIBLIOGRAFICA
1. Anderson, D. (2012) Estadística para Negocios y Economía. México:
CENGAGE Learning

2. Chue, J. (2012) Estadística Aplicada. Lima: Universidad de Lima

3. Lind, D. (2012) Estadística Aplicada a los Negocios y la Economía. México:

Mc Graw Hill

4. Pérez, C. (2013) Diseño de experimentos: técnicas y herramientas. Madrid:

Garceta