INSTITUTO DE ESTUDIOS SUPERIORES

RED DE UNIVERSIDADES ANÁHUAC

DIVISIÓN DE CIENCIAS EXACTAS

PROBLEMARIO DE ESTADÍSTICA
INFERENCIAL
SEGUNDO PARCIAL

Trabajo de práctica que complementa la

materia de ESTADÍSTICA INFERENCIAL del 6to
semestre de la carrera de Ingeniería Química.

PRESENTA:
ALEJANDRO NÚÑEZ DELGADO………………………… 18990
 ALTAMIRA, TAMAULIPAS
INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA MUESTRA GRANDE
ENERO-MAYO 2019

1. Una muestra aleatoria extraída de una población con σ 2=100 de n = 144

observaciones tienen una media muestral X́ =160. se pide:
a. Calcular un intervalo de confianza del 95 % para la media poblacional μ.
b. Calcular un intervalo de confianza del 90 % para la media poblacional μ.
a) Z de una muestra
Estadísticas descriptivas

Error
estándar
de la
N Media media IC de 95% para μ
144 160.00 0.833 (158.367, 161.633)
0
μ: media de Muestra
Desviación estándar conocida = 10

CONCLUSIÓN: Tenemos una confianza del 95% de que la media verdadera de la población
analizada se encuentra entre 158.367 y 161.633

b) Z de una muestra
Estadísticas descriptivas

Error
estándar
de la
N Media media IC de 90% para μ
144 160.00 0.833 (158.629, 161.371)
0
μ: media de Muestra
Desviación estándar conocida = 10

CONCLUSIÓN: Tenemos una confianza del 90% de que la media verdadera de la población
analizada se encuentra entre 158.629 y 161.371

2. Se encuentra que la concentración promedio de zinc de una muestra de 36 cereales

es de 2.6 gramos por miligramo. Encuentre los intervalos de confianza de 99% para la
concentración media de zinc en el cereal. Suponga que la desviación estándar de la
población es 0.3.
Z de una muestra
Estadísticas descriptivas

N Media Error IC de 99% para

estándar μ
 de la
media
3 2.6000 0.0500 (2.4712, 2.7288)
6
μ: media de Muestra
Desviación estándar conocida = 0.3
CONCLUSIÓN: Tenemos una confianza del 99% de que la media verdadera de la cantidad de zinc
en el cereal se encuentra entre 2.4712 y 2.7288

3. El número de viajes mensuales realizados por los usuarios de una autopista sigue una
distribución normal de media desconocida y desviación típica de 6 viajes. Tomada una
muestra de 576 usuarios, su media mensual ha resultado ser de 12 viajes. Calcula los
intervalos de confianza del 95% y 99% para la media de la población.
a) Z de una muestra
Estadísticas descriptivas

Error
estándar
de la IC de 95% para
N Media media μ
576 12.000 0.250 (11.510, 12.490)
μ: media de Muestra
Desviación estándar conocida = 6

CONCLUSIÓN: Tenemos una confianza del 95% de que la media verdadera del número de viajes
mensuales realizados por los usuarios de una autopista se encuentra entre 11.51 y 12.49

b) Z de una muestra
Estadísticas descriptivas

Error
estándar
de la IC de 99% para
N Media media μ
576 12.000 0.250 (11.356, 12.644)
μ: media de Muestra
Desviación estándar conocida = 6

CONCLUSIÓN: Tenemos una confianza del 99% de que la media verdadera del número de viajes
mensuales realizados por los usuarios de una autopista se encuentra entre 11.356 y 12.644
 INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA MUESTRA PEQUEÑA
1. Se desea estudiar el peso en gramos del fruto producido por una planta. Para ello se
tomó una muestra de 16 plantas observando los siguientes pesos: 506, 508, 499, 503,
504, 510, 497, 512, 514, 505, 493, 496, 506, 502, 509, 496. El peso del fruto de cada
planta es una v.a. Normal con desviación típica 5 gr. Obtener un intervalo de confianza
al nivel de confianza 0.9 para el peso medio del fruto de esta planta.
T de una muestra: MASA DE LAS FRUTAS
Estadísticas descriptivas

Error estándar IC de 90% para

N Media Desv.Est. de la media μ
1 503.75 6.20 1.55 (501.03, 506.47)
6
μ: media de MASA DE LAS FRUTAS
CONCLUSIÓN: Tenemos una confianza del 90% de que la media verdadera de los gramos de un
fruto producido por una planta se encuentra entre 501.03 y 506.47

2. El contenido de siete contenedores similares de ácido sulfúrico son 9.8, 10.2, 10.4,
9.8, 10.0, 10.2 y 9.6 litros. Encuentre un intervalo de confianza del 95% para la media
de todos los contenedores si se supone una distribución aproximadamente normal.
T de una muestra: CONTENEDORES DE ÁCIDO SULFÚRICO
Estadísticas descriptivas

Error
estándar
Desv.Est de la IC de 95%
N Media . media para μ
7 10.000 0.283 0.107 (9.738, 10.262)
μ: media de CONTENEDORES DE ÁCIDO SULFÚRICO

CONCLUSIÓN: Tenemos una confianza del 95% de que la media verdadera del volumen
contenido por los contenedores de ácido sulfúrico se encuentra entre 501.03 y 506.47

3. Un artículo publicado en el Journal of Testing and Evaluation presenta las siguientes

20 mediciones del tiempo de combustión residual en segundos de especímenes
tratados de ropa de dormir para niños:

9.85 9.93 9.75 9.77 9.67

9.87 9.67 9.94 9.85 9.75
 9.83 9.92 9.74 9.99 9.88
9.95 9.95 9.93 9.92 9.89

Se desea encontrar un nivel de confianza del 95% para el tiempo de combustión

residual promedio. Supóngase que el tiempo de combustión residual sigue una
distribución normal.
T de una muestra: TIEMPO DE COMBUSTIÓN RESIDUAL
Estadísticas descriptivas

Error
estándar
de la IC de 95% para
N Media Desv.Est. media μ
20 9.852 0.0965 0.0216 (9.8074, 9.8976)
5
μ: media de TIEMPO DE COMBUSTIÓN RESIDUAL

CONCLUSIÓN: Tenemos una confianza del 95% de que la media verdadera del tiempo de
combustión residual en segundos de especímenes tratados de ropa para dormir para niños se
encuentra entre 9.8074 y 9.8976
 INTERVALO DE CONFIANZA PARA PROPORCIONES
1. Tomada al azar una muestra de 500 personas en cierta comunidad autónoma, se
encontró que 220 leían algún periódico habitualmente. Calcula, con un nivel de
confianza del 95%, el intervalo en el que se encontrará la verdadera proporción de
lectores de periódicos.
Prueba e IC para una proporción
Método

p: proporción de eventos
Para este análisis se utiliza el método de aproximación a la normal.
Estadísticas descriptivas

Event
N o Muestra p IC de 95% para p
500 220 0.440000 (0.396491, 0.483509)

CONCLUSIÓN: Tenemos una confianza del 95% de que la verdadera proporción de lectores de
periódico se encuentra entre 0.396491 y 0.483509.

2. Se ha obtenido una muestra al azar de 150 vendedores de una Editorial para estimar
la proporción de vendedores en la Editorial que no alcanza un límite de ventas mínimo
establecido por la dirección. De entre los seleccionados, 50 no han conseguido llegar
al límite de ventas mínimo establecido.
 Intervalo de confianza para la proporción de trabajadores en la Editorial que no
alcanza el límite al 80 %.
 Interprete los intervalos obtenidos.
Prueba e IC para una proporción
Método

p: proporción de eventos
Para este análisis se utiliza el método de aproximación a la normal.
Estadísticas descriptivas

Event
N o Muestra p IC de 80% para p
150 50 0.333333 (0.284006, 0.382660)

CONCLUSIÓN: Tenemos una confianza del 80% de que la verdadera proporción de trabajadores
de la Editorial que no alcanzaron el límite se ventas se encuentra entre 0.284006 y 0.382660.
3. En una muestra al azar de 120 empresas inspeccionadas de entre las visitadas un año
determinado por los inspectores de trabajo de una provincia se ha sancionado a 90 de
ellas. Estime a un nivel de confianza del 80 % la proporción de empresas que
sanciona la Inspección de Trabajo.
Prueba e IC para una proporción
Método

p: proporción de eventos
Para este análisis se utiliza el método de aproximación a la normal.
Estadísticas descriptivas

Event
N o Muestra p IC de 80% para p
120 90 0.750000 (0.699342, 0.800658)

CONCLUSIÓN: Tenemos una confianza del 80% de que la verdadera proporción de las empresas
que han sido sancionadas por la inspección de trabajo se encuentra entre 0.699342 y 0.800658.
INTERVALO DE CONFIANZA PARA LA VARIANZA (O DESVIACIÓN ESTÁNDAR) DE
UNA POBLACIÓN
1. En 16 recorridos, el consumo de gasolina de un motor experimental tuvo una
desviación estándar de 2.2 litros construir un intervalo de confianza del 99% para la
varianza y para la desviación estándar esperadas de este motor.
Prueba y CI para una varianza
Método

σ²: varianza de Muestra

El método de Bonett no se puede calcular para datos resumidos.
El método de chi-cuadrada solo es válido para la distribución normal.
Estadísticas descriptivas

IC de 99%
para σ²
Desv.Est usando
N . Varianza Chi-cuadrada
16 2.20 4.84 (2.21, 15.78)

CONCLUSIÓN: Tenemos una confianza del 99% de que la verdadera varianza del consumo de
gasolina de un motor experimental se encuentra entre 2.21 y 15.78.

DESVIACIÓN ESTÁNDAR

Estadísticas descriptivas

IC de 99%
para σ
Desv.Est usando
N . Varianza Chi-cuadrada
16 2.20 4.84 (1.49, 3.97)

CONCLUSIÓN: Tenemos una confianza del 99% de que la verdadera desviación estándar del
consumo de gasolina de un motor experimental se encuentra entre 1.49 y 3.97.
2. La varianza de la resistencia a la rótula de 30 cables probados fue de 32,000 lbs 2.
Halle un intervalo de confianza del 90% para la varianza de la resistencia de todos los
cables de esta marca.
Prueba y CI para una varianza
Método

σ²: varianza de Muestra

El método de Bonett no se puede calcular para datos resumidos.
El método de chi-cuadrada solo es válido para la distribución normal.

Estadísticas descriptivas

IC de 90%
para σ²
Varianz usando
N Desv.Est. a Chi-cuadrada
30 179 32000 (21806, 52405)

CONCLUSIÓN: Tenemos una confianza del 90% de que la verdadera varianza de la resistencia a
la rótula de los cables probados se encuentra entre 21806 y 52405.

3. Se estudia la altura de los individuos de una ciudad, obteniéndose en una muestra de

tamaño 25 los siguientes valores:
x́=170 cm y s=10 cm
Calcular un intervalo de confianza con α = 0, 05 para la varianza σ 2 de la altura de los
individuos de la ciudad.
Prueba y CI para una varianza
Método

σ²: varianza de Muestra

El método de Bonett no se puede calcular para datos resumidos.
El método de chi-cuadrada solo es válido para la distribución normal.
Estadísticas descriptivas

IC de 95%
para σ²
Desv.Est usando
N . Varianza Chi-cuadrada
25 10.0 100 (61.0, 193.5)

CONCLUSIÓN: Tenemos una confianza del 95% de que la verdadera varianza de la altura de los
individuos de una ciudad se encuentra entre 61 y 193.5.
 INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE LAS MEDIAS DE 2
PROBLACIONES (CASO I-II-III)
1. CASO I: Construya un intervalo de confianza del 94% para la diferencia real entre las
duraciones de dos marcas de focos, si una muestra de 40 focos tomada al azar de la
primera marca dio una duración media de 418 horas, y una muestra de 50 focos de
otra marca dieron una duración media de 402 horas. Las desviaciones estándares de
las dos poblaciones son 26 horas y 22 horas, respectivamente.
Prueba T de dos muestras e IC
Método

μ₁: media de la muestra 1

µ₂: media de la muestra 2
Diferencia: μ₁ - µ₂
No se presupuso igualdad de varianzas para este análisis.
Estadísticas descriptivas

Error
estándar
de la
Muestra N Media Desv.Est. media
Muestra 1 40 418.0 26.0 4.1
Muestra 2 50 402.0 22.0 3.1
Estimación de la diferencia

IC de 94%
para la
Diferencia diferencia
16.00 (6.16, 25.84)

CONCLUSIÓN: Tenemos una confianza del 94% de que la media de duración de la primera marca
de focos es mayor a la media de duración de la segunda marca de focos.

2. CASO III: Se realizó un experimento para comparar el tiempo promedio requerido por
el cuerpo humano para absorber dos medicamentos, A y B. Suponga que el tiempo
necesario para que cada medicamento alcance un nivel específico en el torrente
sanguíneo se distribuye normalmente. Se eligieron al azar a doce personas para
 ensayar cada fármaco registrándose el tiempo en minutos que tardó en alcanzar un
nivel específico en la sangre. Calcule un intervalo de confianza del 95% para la
diferencia del tiempo promedio. Suponga varianzas iguales.

Prueba T de dos muestras e IC

Método

μ₁: media de la muestra 1

µ₂: media de la muestra 2
Diferencia: μ₁ - µ₂
No se presupuso igualdad de varianzas para este análisis.
Estadísticas descriptivas

Error
estándar
de la
Muestra N Media Desv.Est. media
Muestra 1 12 26.80 3.95 1.1
Muestra 2 12 32.60 4.19 1.2
Estimación de la diferencia

IC de 95%
para la
Diferencia diferencia
-5.80 (-9.25, -2.35)

CONCLUSIÓN: Tenemos una confianza del 95% de que la media del tiempo de absorción del
medicamento B es mayor a la media del tiempo de absorción del medicamento A.

3. CASO III: Se comparan dos tipos distintos de recubrimientos para tubos, en cuanto a
su aptitud para tolerar la corrosión. La cantidad de corrosión en una muestra de tubo
se cuantifica midiendo la profundidad máxima de las picaduras. Para el recubrimiento
A. 35 muestras mostraron una profundidad máxima promedio de 0.18 cm. La
desviación estándar de estas profundidades máximas fue 0.02 cm. Para el
recubrimiento B, las profundidades máximas de picaduras en 30 muestras tuvieron un
promedio de 0.21 cm. y desviación estándar de 0.03 cm. Estimar la diferencia
verdadera entre profundidades promedio en un intervalo de confianza del 90%.
¿Piensa el lector que el recubrimiento B es un mejor inhibidor de la corrosión?
 Prueba T de dos muestras e IC
Método

μ₁: media de la muestra 1

µ₂: media de la muestra 2
Diferencia: μ₁ - µ₂
No se presupuso igualdad de varianzas para este análisis.
Estadísticas descriptivas

Muestra N Media Desv.Est. Error estándar de la media

Muestra 1 35 0.1800 0.0200 0.0034
Muestra 2 30 0.2100 0.0300 0.0055
Estimación de la diferencia

Diferenci IC de 90% para la

a diferencia
-0.03000 (-0.04079, -0.01921)

CONCLUSIÓN: Tenemos una confianza del 90% de que la media de la distancia máxima de
corrosión para el recubrimiento B es mayor que la media de la distancia máxima de corrosión para
el recubrimiento A, por lo que este no es mejor.
 INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE LAS MEDIAS DE 2
PROBLACIONES (CASO IV-V)
1. CASO IV: La siguiente tabla presenta los resultados de dos muestras aleatorias para
comparar el contenido de nicotina de dos marcas de cigarrillos.

MARCA A MARCA B
n 10 8
x́ 3.1 2.7
s 0.5 0.7

Suponiendo que los conjuntos de datos provienen de muestras tomadas al azar de

poblaciones normales con varianzas desconocidas e iguales, construya un intervalo de
confianza del 95% para la diferencia real de nicotina de las dos marcas.
Prueba T de dos muestras e IC
Método

μ₁: media de la muestra 1

µ₂: media de la muestra 2
Diferencia: μ₁ - µ₂
Se presupuso igualdad de varianzas para este análisis.
Estadísticas descriptivas

Error
estándar
de la
Muestra N Media Desv.Est. media
Muestra 1 10 3.100 0.500 0.16
Muestra 2 8 2.700 0.700 0.25
Estimación de la diferencia

IC de 95%
Desv.Est. para la
Diferencia agrupada diferencia
0.400 0.596 (-0.199, 0.999)
CONCLUSIÓN: Tenemos una confianza del 95% de que la media del contenido de nicotina en
ambas marcas de cigarrillos es la misma.

2. CASO V: Cierto metal se produce, por lo común, mediante un proceso estándar. Se

desarrolla un nuevo proceso en el que se añade una aleación a la producción del
metal. Los fabricantes se encuentran interesados en estimar la verdadera diferencia
entre las tensiones de ruptura de los metales producidos por los dos procesos. Para
cada metal se seleccionan 12 ejemplares y cada uno de éstos se somete a una
tensión hasta que se rompe.
La siguiente tabla muestra las tensiones de ruptura de los ejemplares, en kilogramos
por centímetro cuadrado:

Si se supone que el muestreo se llevó a cabo sobre dos distribuciones normales e

independientes, obtener los intervalos de confianza estimados del 99% para la
diferencia entre los dos procesos. Interprete los resultados.
Prueba T e IC de dos muestras: PROCESO ESTÁNDAR, ... CESO NUEVO
Método

μ₁: media de PROCESO ESTÁNDAR

µ₂: media de PROCESO NUEVO
Diferencia: μ₁ - µ₂
No se presupuso igualdad de varianzas para este análisis.
Estadísticas descriptivas

Error
estándar
de la
Muestra N Media Desv.Est. media
PROCESO 12 443.3 24.8 7.2
ESTÁNDAR
PROCESO NUEVO 12 451.4 14.9 4.3
Estimación de la diferencia

IC de 99%
para la
Diferencia diferencia
-8.08 (-32.16, 15.99)

CONCLUSIÓN: Tenemos una confianza del 99% de que la media de las tensiones de ruptura de
ambas muestras es la misma.

3. CASO V: Suponga que tiene una muestra n1=8 con una media muestral x1=42 y una
desviación estándar s1=4 y tiene una muestra independiente de n2=15 de otra
población con una media muestral de x2=34 y una desviación estándar de la muestra
de s2=5. Construya una estimación con un intervalo de confianza del 95% de la
relación de las medias.
Prueba T de dos muestras e IC
 Método

μ₁: media de la muestra 1

µ₂: media de la muestra 2
Diferencia: μ₁ - µ₂
No se presupuso igualdad de varianzas para este análisis.

Estadísticas descriptivas

Muestra N Media Desv.Est. Error estándar de la media

Muestra 1 8 42.00 4.00 1.4
Muestra 2 15 34.00 5.00 1.3

Estimación de la diferencia

Diferencia IC de 95% para la diferencia

8.00 (3.96, 12.04)

CONCLUSIÓN: Tenemos una confianza del 95% de que la media de la primera población es
mayor que la media de la segunda población.
INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE LAS PROPORCIONES DE 2
PROBLACIONES
1. Una firma productora de software afirma que su sistema operativo AX, sobrepasa en
ventas a la marca de su más cercano competidos el sistema operativo BX, en 8%. Si
se encuentra que 42 de 200 compañías prefirieron la marca AX y 18 de 150 el sistema
operativo BX, calcule un intervalo de confianza de 94% para la diferencia entre las
proporciones de ventas de las dos marcas de sistemas operativos y determine si la
diferencia de 8% es una afirmación válida.
Prueba e IC para dos proporciones
Método

p₁: proporción donde Muestra 1 = Evento

p₂: proporción donde Muestra 2 = Evento
Diferencia: p₁ - p₂
Estadísticas descriptivas

Muestra N Evento Muestra p

Muestra 1 200 42 0.210000
Muestra 2 150 18 0.120000
Estimación de la diferencia

Diferenci IC de 94% para la

a diferencia
0.09 (0.016348, 0.163652)
IC basado en la aproximación a la normal

CONCLUSIÓN: Tenemos una confianza del 94% de sistemas operativos vendidos por la compañía
A es mayor a la proporción de sistemas operativos vendidos por la compañía B. además, esta
diferencia excede al 8%, por lo que la afirmación asegurada por la empresa A es cierta.

2. El consorcio formado por varias compañías ha instituido una nueva política de

inspección para controlar la calidad. Entre 30 operarios seleccionados en la compañía
A solo 5 objetaron la nueva política. Entre 35 operarios muestreados en la compañía
B, 10 objetaron la nueva política. Estimar la diferencia verdadera entre las
 proporciones que no tienen objeción alguna a la nueva política para las 2 compañías,
con un intervalo de confianza de 98%.
Prueba e IC para dos proporciones
Método

p₁: proporción donde Muestra 1 = Evento

p₂: proporción donde Muestra 2 = Evento
Diferencia: p₁ - p₂
Estadísticas descriptivas

Muestra N Evento Muestra p

Muestra 1 30 25 0.833333
Muestra 2 35 25 0.714286
Estimación de la diferencia

Diferenci
a IC de 98% para la diferencia
0.119048 (-0.118884, 0.356979)
IC basado en la aproximación a la normal

CONCLUSIÓN: Tenemos una confianza del 98% de que la proporción de operarios que no tiene
objeción alguna a la nueva política en la compañía A es igual a la proporción de operarios que no
tiene ninguna objeción en la compañía B.

3. Dos marcas de televisores, representados por A y B tienen tres años de garantía. Una
muestra aleatoria de 100 televisores de marca A, 24 se descompusieron antes de
concluir el período de garantía. Una muestra aleatoria independiente de 120
televisores, marca B, dejó que 24 fallaron durante la garantía. Estime la diferencia real
(P1-P2) entre las cantidades de descompuestos durante el período de garantía con un
intervalo de confianza de 98%.
Prueba e IC para dos proporciones
Método

p₁: proporción donde Muestra 1 = Evento

p₂: proporción donde Muestra 2 = Evento
Diferencia: p₁ - p₂
Estadísticas descriptivas

Muestra N Evento Muestra p

Muestra 1 100 24 0.240000
Muestra 2 120 24 0.200000
Estimación de la diferencia

Diferenci
a IC de 98% para la diferencia
0.04 (-0.090718, 0.170718)
IC basado en la aproximación a la normal
CONCLUSIÓN: Tenemos una confianza del 98% de que la proporción de televisiones de la
empresa A que fallaron antes de que terminara la garantía es igual a la proporción de televisores
de la empresa B que fallaron en la misma situación.

INTERVALO DE CONFIANZA PARA EL COCIENTE DE LAS VARIANZAS DE 2

PROBLACIONES
1. Una medición de actividad sísmica, registró las siguientes magnitudes a lo largo de los
estados. Los primeros doce estados presentaron una media de 46.4 y desviación
estándar de 6.28 en escala Ritcher. Otros 15 estados presentaron un promedio de
25.2 grados y una desviación estándar de 3.2

Estimar el intervalo de confianza de 90% para la relación de las variancias verdaderas

para los dos registros de actividad sísmica.

Prueba e IC para dos varianzas

Método

σ₁: desviación estándar de Muestra 1

σ₂: desviación estándar de Muestra 2
Relación: σ₁/σ₂
Se utilizó el método F. Este método es exacto sólo para datos normales.
Estadísticas descriptivas

Desv.Est IC de 90% para

Muestra N . Varianza σ²
Muestra 1 12 6.280 39.438 (22.049, 94.828)
Muestra 2 15 3.200 10.240 (6.053, 21.818)
Relación de varianzas

IC de 90%
Relación para la
estimad relación
a usando F
3.85141 (1.501, 10.548)

CONCLUSIÓN: Tenemos una confianza del 90% de que la varianza de las magnitudes de los
sismos medidos en la muestra uno es mayor que la varianza de las magnitudes de los sismos
medidos en la muestra dos.
2. Se considera usar dos marcas diferentes de tintas. Se seleccionaron 15 especímenes
de cada tipo de tinta, los tiempos de secado en horas fueron los siguientes:

A B

Suponga que el tiempo de secado se distribuye normalmente. Calcule un intervalo de

confianza del 90% para σ 1 2
/σ

Prueba e IC para dos varianzas: TIEMPOS DE SECADO DE ... ADO DE B

Método

σ₁: desviación estándar de TIEMPOS DE SECADO DE A

σ₂: desviación estándar de TIEMPOS DE SECADO DE B
Relación: σ₁/σ₂
Los métodos de Bonett y Levene son válidos para cualquier distribución continua.
Estadísticas descriptivas

IC de 90%
Variable N Desv.Est. Varianza para σ²
TIEMPOS DE SECADO DE A 1 0.779 0.607 (0.362, 1.284)
5
TIEMPOS DE SECADO DE B 1 0.754 0.568 (0.369, 1.105)
5
Relación de varianzas

IC de 90% IC de 90%
para la para la
relación relación
Relación usando usando
estimada Bonett Levene
1.06888 (0.445, 2.346) (0.382, 2.565)

3. Los siguientes datos representan el tiempo de duración de llenado de tanques de

toneladas de agua por empresas distribuidoras de agua pura.

Empresa Minutos
A 100 90 120 95 87
B 90 88 130 85 190 90 125

Calcule un intervalo de confianza del 90% para la σ 21/σ 22 de los tiempos de llenado de
tanques de agua. La duración se distribuye de forma aproximadamente normal.
 Prueba e IC para dos varianzas: MINUTOS DE A, MINUTOS DE B
Método

σ₁: desviación estándar de MINUTOS DE A

σ₂: desviación estándar de MINUTOS DE B
Relación: σ₁/σ₂
Los métodos de Bonett y Levene son válidos para cualquier distribución continua.
Estadísticas descriptivas

Desv.Est
Variable N . Varianza IC de 90% para σ²
MINUTOS DE A 5 13.050 170.300 (41.504, 1551.857)
MINUTOS DE B 7 38.345 1470.333 (268.734, 13745.573)
Relación de varianzas

IC de
IC de 90% 90% para
para la la
relación relación
Relación usando usando
estimada Bonett Levene
0.115824 (0.015, 2.999) (0.005, *)
 PRUEBAS DE HIPÓTESIS PARA MEDIAS
1. La duración de la bombillas de 100 W que fabrica una empresa sigue una distribución
normal con una desviación típica de 120 horas de duración. Su vida media está
garantizada durante un mínimo de 800 horas. Se escoge al azar una muestra de 50
bombillas de un lote y, después de comprobarlas, se obtiene una vida media de 750
horas. Con un nivel de significación de 0,01, ¿habría que rechazar el lote por no
cumplir la garantía?

Enunciamos las hipótesis nula y alternativa:

H0 : µ ≥ 800
Ha : µ <800
Z de una muestra
Prueba de μ = 800 vs. < 800
La desviación estándar supuesta = 120

Error

estándar Límite

de la superior

N Media media de 99% Z P

50 750.0 17.0 789.5 -2.95 0.002

Conclusión: Cómo P<α , se rechaza Ho y toma Ha. Con una significancia del 1% aceptamos la
hipótesis alternativa.

2. Un fabricante de lámparas eléctricas está ensayando un nuevo método de producción

que se considerará aceptable si las lámparas obtenidas por este método dan lugar a
una población normal de duración media 2400 horas, con una desviación típica igual a
 300. Se toma una muestra de 100 lámparas producidas por este método y esta
muestra tiene una duración media de 2320 horas. ¿Se puede aceptar la hipótesis de
validez del nuevo proceso de fabricación con un riesgo igual o menor al 5%?

Enunciamos las hipótesis nula y alternativa:

H0 : μ = 2400
Ha : μ ≠2400
Z de una muestra
Prueba de μ = 2400 vs. < 2400
La desviación estándar supuesta = 300

Error

estándar Límite

de la superior

N Media media de 95% Z P

100 2320.0 30.0 2369.3 -2.67 0.004

Conclusión: Cómo P<α , se rechaza Ho y toma Ha. Con una significancia del 5% aceptamos la
hipótesis alternativa.

3. El control de calidad una fábrica de pilas y baterías sospecha que hubo defectos en la
producción de un modelo de batería para teléfonos móviles, bajando su tiempo de
duración. Hasta ahora el tiempo de duración en conversación seguía una distribución
normal con media 300 minutos y desviación típica 30 minutos. Sin embargo, en la
inspección del último lote producido, antes de enviarlo al mercado, se obtuvo que de
una muestra de 60 baterías el tiempo medio de duración en conversación fue de 290
minutos. Suponiendo que ese tiempo sigue siendo Normal con la misma desviación
típica:
¿Se puede concluir que las sospechas del control de calidad son ciertas a un nivel de
significación del 2%?

Enunciamos las hipótesis nula y alternativa:

H0 : µ ≥ 300
Ha : µ < 300
Z de una muestra
Prueba de μ = 300 vs. < 300
La desviación estándar supuesta = 30

Error

estándar Límite

de la superior

N Media media de 98% Z P

60 290.00 3.87 297.95 -2.58 0.005

Conclusión: Cómo P<α , se rechaza Ho y toma Ha. Con una significancia del 2% aceptamos la
hipótesis alternativa.

PRUEBAS DE HIPÓTESIS DE MEDIA PARA MUESTRAS

GRANDES (n>30)
1. Un gerente de una empresa afirma que sus vendedores concretan 9 ventas diarias. En
un estudio realizado a 35 vendedores se encontró que la media es de 8.05 con una
desviación estándar de 3.9. Con un nivel de confianza del 95%, confirme que los
vendedores realizan 9 ventas diarias.
Planteamiento de las hipótesis
H0= μ=9
Ha= μ≠9
Z de una muestra
Estadísticas descriptivas
Error
estándar
Medi de la IC de 95%
N a media para μ
35 8.050 0.659 (6.758, 9.342)
μ: media de Muestra
Desviación estándar conocida = 3.9
Prueba
Hipótesis nula H₀: μ =
9
Hipótesis alterna H₁: μ ≠ 9
Valor
Z Valor p
 -1.44 0.150

CONCLUSIÓN: Debido a que p>α, se acepta H0. La evidencia provee suficiente

información para asegurar, con un nivel de significancia del 5%, que la cantidad promedio
de ventas diarias de los empleados de una empresa es igual a 9.

2. Los enanos de Blanca Nieves le informan que excavan 12 toneladas promedio por
semana. Nieves recolecta datos de 49 semanas y obtiene X=11.5, s= 1.1 a un nivel de
significancia α=10%. ¿Los Enanos están en lo cierto?
Planteamiento de las hipótesis
H0= μ=12
Ha= μ ≠12
Z de una muestra
Estadísticas descriptivas

Error
estándar
de la IC de 90% para
N Media media μ

4 11.500 0.157 (11.242, 11.758)

9

μ: media de Muestra
Desviación estándar conocida = 1.1

Prueba
Hipótesis nula H₀: μ = 12

Hipótesis H₁: μ ≠ 12
alterna

Valor
Z Valor p

-3.18 0.001
CONCLUSIÓN: Debido a que p<α, se rechaza H0 y se acepta Ha. La evidencia provee
suficiente información para asegurar, con un nivel de significancia del 10%, que la
cantidad promedio excavada por semana por los enanos de Blancanieves es diferente a
12 toneladas.

3. Se planea en un restaurante eliminar del menú el pollo frito. Se afirma que las ventas
habían descendido por debajo de la media histórica de $4500. ¿Parece una decisión
adecuada si en una muestra de n=144 observaciones, se observa Xmedia= 4,477,
s=1,128 con α= 2%?
Planteamiento de las hipótesis
H0= μ ≥ 4500
Ha= μ< 4500

Z de una muestra
Estadísticas descriptivas
Error Límite
estándar superior
de la de 95%
N Media media para μ
144 4477.0 94.0 4631.6
μ: media de Muestra
Desviación estándar conocida = 1128

Prueba
Hipótesis nula H₀: μ = 4500
Hipótesis H₁: μ < 4500
alterna
Valor
Z Valor p
-0.24 0.403
CONCLUSIÓN: Debido a que p>α, se acepta H0. La evidencia provee suficiente
información para asegurar, con un nivel de significancia del 5%, que la cantidad promedio
vendida de pollo frito es mayor a $4500, por lo que eliminarlo del menú sería una maña
decisión.

PRUEBAS DE HIPÓTESIS DE MEDIA PARA MUESTRAS

PEQUEÑAS (n≤30)
1. Según la OMC, un índice de masa corporal para una persona saludable está entre
18.5 y 24.99. Valores de 25 a 29.99 se considera a la persona como pre obesa. Una
persona muy acomplejada se ha pesado cada semana durante los últimos 2 meses y
calculando su IMC, obteniendo un IMC promedio de 25.7 y una desviación estándar
muestral de
0.8. En total se realizaron 8 mediciones. Compruebe estadísticamente con un 5% de
confiabilidad si esta persona es o no es pre obesa.
Planteamiento de las hipótesis
H0= μ ≤25
Ha= μ>25
T de una muestra
Estadísticas descriptivas
Error Límite
estándar inferior
de la de
N Media Desv.Est. media 95% para μ
8 25.700 0.800 0.283 25.164
μ: media de Muestra
 Prueba
Hipótesis nula H₀: μ = 25
Hipótesis H₁: μ > 25
alterna
Valor
T Valor p
2.47 0.021

CONCLUSIÓN: Debido a que p<α, se rechaza H0 y se acepta Ha. La evidencia provee

suficiente información para asegurar, con un nivel de significancia del 5%, que el IMC
medio de la persona es mayor a 25, y por lo tanto, se encuentra en un rango de pre-
obesidad.

2. La duración media de lámparas producidas por una compañía ha sido en el pasado de

1120 horas. Una muestra de 8 lámparas de la producción actual dio una duración
media de 1070 horas con una desviación típica de 125 horas. Comprobar la hipótesis
μ=1200 horas contra la hipótesis alternativa μ<1200 horas mediante un α=5%.
Planteamiento de las hipótesis
H0= μ=1200
Ha= μ<1200

T de una muestra
Estadísticas descriptivas
Error Límite
estándar superior
de la de 95%
N Media Desv.Est. media para μ
8 1120.0 125.0 44.2 1203.7
μ: media de Muestra
Prueba
 Hipótesis nula H₀: μ = 1200
Hipótesis H₁: μ < 1200
alterna
Valor
T Valor p
-1.81 0.057

CONCLUSIÓN: Debido a que p>α, se acepta H0. La evidencia provee suficiente

información para asegurar, con un nivel de significancia del 5%, que la media de duración
de las lámparas producidas por la compañía es de 1200 horas.

3. Se quiere probar la afirmación de que la distancia promedio viajada por pelotas de golf
es de 250 yardas a un 95% de confianza. Se toma una muestra de 16 distancias.
269 288
300 278
268 276
278 286
282 296
263 265
301 271
295 279

Planteamiento de las hipótesis

H0= μ=250
Ha= μ ≠ 250
Cálculo de la estadística básica para la prueba de hipótesis
 Estadísticos descriptivos: C1
Estadísticas
Variabl
e Media Desv.Est. Varianza
C1 280.94 12.37 153.13

T de una muestra: C1
Estadísticas descriptivas
Error
estándar
Desv.Est de la IC de 95% para
N Media . media μ
16 280.9 12.37 3.09 (274.34, 287.53)
4
μ: media de C1

Prueba
Hipótesis nula H₀: μ =
250
Hipótesis alterna H₁: μ ≠ 250
Valor
T Valor p
10.00 0.000

CONCLUSIÓN: Debido a que p<α, se rechaza H0 y se acepta Ha. La evidencia provee

suficiente información para asegurar, con un nivel de significancia del 5%, que la media
de la distancia recorrida por una pelota de golf es diferente a 250 yardas.

PRUEBAS DE HIPÓTESIS DE MEDIA PARA DOS MUESTRAS

(CASOS I-II-III)
1. Dos profesores en una escuela desean comparar el rendimiento de los alumnos de
octavo año que han sido móviles (población 1) con los puntajes de los alumnos que no
lo han sido (población 2). ¿Se puede concluir con los datos de las muestras si el
puntaje de rendimiento promedio es diferente en los dos grupos?

GRUP n PROMEDIO s2
O
1 15 85 30
2 22 87 25

Móviles= estudiantes que asistieron a dos o más escuelas

No móviles= estudiantes estudiantes que permanecen permanecen en la misma
escuela.
 Planteamiento de las hipótesis

H0= μ1=μ 2
Ha= μ1 ≠ μ2

Prueba T de dos muestras e IC

Método
μ₁: media de la muestra 1
µ₂: media de la muestra 2
Diferencia: μ₁ - µ₂
No se presupuso igualdad de varianzas para este análisis.

Estadísticas descriptivas
Error
estándar
de la
Muestra N Media Desv.Est. media
Muestra 1 15 85.00 5.48 1.4
Muestra 2 22 87.00 5.00 1.1

Prueba
Hipótesis nula H₀: μ₁ - µ₂ = 0
Hipótesis H₁: μ₁ - µ₂ ≠ 0
alterna
Valor
T GL Valor p
-1.13 28 0.268
CONCLUSIÓN: Debido a que p>α, se acepta H0 y se rechaza Ha. La evidencia provee
suficiente información para asegurar, con un nivel de significancia del 5%, que la media
de calificaciones de los alumnos móviles es igual a la media de calificaciones de los
alumnos no moviles.

2. Para tomar una importante decisión a nivel profesional se desea determinar si existen
diferencias significativas fundamentadas entre dos empresas referentes al salario de sus
empleados. Se realiza una investigación revisando el salario de 60 trabajadores de la
empresa A y 70 de la empresa B. Se obtiene un salario medio de 30000 euros anuales
con una desviación típica de 1000 euros en el primer grupo y un salario medio
de 25000 euros anuales con una desviación típica de 1500 en el segundo grupo.
¿Podríamos decidir a favor de alguna de las dos empresas con un nivel de significación
del 1%?

Planteamiento de las hipótesis

 H0= μ1=μ 2
Ha= μ1 ≠ μ2

Prueba T de dos muestras e IC

Método
μ₁: media de la muestra 1
µ₂: media de la muestra 2
Diferencia: μ₁ - µ₂
No se presupuso igualdad de varianzas para este análisis.

Estadísticas descriptivas
Error
estándar
de la
Muestra N Media Desv.Est. media
Muestra 1 60 30000 1000 129
Muestra 2 70 25000 1500 179

Prueba
Hipótesis nula H₀: μ₁ - µ₂ = 0
Hipótesis H₁: μ₁ - µ₂ ≠ 0
alterna
Valor
T GL Valor p
22.63 121 0.000

CONCLUSIÓN: Debido a que p<α, se rechaza H0 y se acepta Ha. La evidencia provee

suficiente información para asegurar, con un nivel de significancia del 1%, de que existe
diferencia significativa entre la media del salario otorgado por las empresas A y B.

3. Se quieren probar dos tipos de alimentos para los 75 pingüinos de un zoológico cuyo
peso se distribuye normalmente. Se separan en dos grupos, uno formado por 40
pingüinos y otro por 35. Al cabo de un mes son pesados, y se obtiene para el primer
grupo un peso medio de 13 kg y desviación típica de 0,7 y para el segundo grupo, un
peso medio de 11 kg y desviación típica 0,3.
¿Se puede afirmar, con el nivel de confianza del 99%, que están mejor alimentados
los del primer grupo que los del segundo?
 Planteamiento de las hipótesis

H0= μ1 ≤ μ2
Ha= μ1 > μ2

Prueba T de dos muestras e IC

Método
μ₁: media de la muestra 1
µ₂: media de la muestra 2
Diferencia: μ₁ - µ₂
No se presupuso igualdad de varianzas para este análisis.

Estadísticas descriptivas
Error
estándar
de la
Muestra N Media Desv.Est. media
Muestra 1 40 13.000 0.700 0.11
Muestra 2 35 11.000 0.300 0.051

Prueba
Hipótesis nula H₀: μ₁ - µ₂ = 0
Hipótesis H₁: μ₁ - µ₂ > 0
alterna
Valor
T GL Valor p
16.43 54 0.000

CONCLUSIÓN: Debido a que p<α, se rechaza H0 y se acepta Ha. La evidencia provee

suficiente información para asegurar, con un nivel de significancia del 1%, que la media
de del peso del primer grupo de pingüinos es mayor que media del peso del segundo
grupo de pingüinos, por lo tanto, se encuentran mejor alimentados.

PRUEBAS DE HIPÓTESIS DE MEDIA PARA DOS MUESTRAS

(CASOS IV-V)
1. Una muestra aleatoria de 10 observaciones de una población dio una media muestral
de 23 y una desviación estándar de muestra igual a 4. Una muestra aleatoria de 8
observaciones de otra población indicó una media de 26, con una desviación estándar
de 5. Al nivel de significancia de 0.05, ¿existe una diferencia en las medias
poblacionales?
 Planteamiento de las hipótesis

H0= μ1=μ 2
Ha= μ1 ≠ μ2

Prueba e IC para dos varianzas

Método
σ₁: desviación estándar de Muestra 1
σ₂: desviación estándar de Muestra 2
Relación: σ₁/σ₂
Se utilizó el método F. Este método es exacto sólo para datos normales.

Relación de varianzas
Relación
estimad
a IC de 95% para la relación usando F
0.64 (0.133, 2.686)

Se concluye que las varianzas poblacionales son iguales

Prueba T de dos muestras e IC

Método
μ₁: media de la muestra 1
µ₂: media de la muestra 2
Diferencia: μ₁ - µ₂
Se presupuso igualdad de varianzas para este análisis.

Estadísticas descriptivas
Muestra N Media Desv.Est. Error estándar de la media
Muestra 1 10 23.00 4.00 1.3
Muestra 2 8 26.00 5.00 1.8

Estimación de la diferencia
Diferenci Desv.Est.
a agrupada IC de 95% para la diferencia
-3.00 4.47 (-7.49, 1.49)

Prueba
 Hipótesis nula H₀: μ₁ - µ₂ = 0
Hipótesis H₁: μ₁ - µ₂ ≠ 0
alterna
Valor
T GL Valor p
-1.42 16 0.176

CONCLUSIÓN: Debido a que p>α, se acepta H0 y se rechaza Ha. La evidencia provee

suficiente información para asegurar, con un nivel de significancia del 5%, de que no
existe una diferencia entre las medias poblacionales analizadas.

2. Una muestra aleatoria de 15 observaciones tomada de la primera población dio una

media muestral de 350 y una desviación estándar de muestra, igual a 12. Una muestra
también aleatoria de 14 observaciones provenientes de la segunda población
proporciono una media de 342 con una desviación estándar de 15. Al nivel de
significancia de 0.10, ¿existe alguna diferencia entre las medias poblacionales?
 Planteamiento de las hipótesis

H0= μ1=μ 2
Ha= μ1 ≠ μ2

Prueba e IC para dos varianzas

Método
σ₁: desviación estándar de Muestra 1
σ₂: desviación estándar de Muestra 2
Relación: σ₁/σ₂
Se utilizó el método F. Este método es exacto sólo para datos normales.

Estadísticas descriptivas
Varianz IC de 99% para
Muestra N Desv.Est. a σ²
Muestra 1 15 12.000 144.000 (64.369, 494.763)
Muestra 2 14 15.000 225.000 (98.090, 820.469)

Relación de varianzas
IC de 99%
Relación para la
estimad relación
a usando F
0.64 (0.142, 2.790)

Se concluye que las varianzas poblacionales son iguales

Prueba T de dos muestras e IC
Método
μ₁: media de la muestra 1
µ₂: media de la muestra 2
Diferencia: μ₁ - µ₂
Se presupuso igualdad de varianzas para este análisis.

Estadísticas descriptivas
Muestra N Media Desv.Est. Error
estándar
de la
media
Muestra 1 15 350.0 12.0 3.1
Muestra 2 14 342.0 15.0 4.0

Estimación de la diferencia
 IC de 99%
Diferenci Desv.Est. para la
a agrupada diferencia
8.00 13.53 (-5.93, 21.93)

Prueba
Hipótesis nula H₀: μ₁ - µ₂ = 0
Hipótesis H₁: μ₁ - µ₂ ≠ 0
alterna
Valor
T GL Valor p
1.59 27 0.123

CONCLUSIÓN: Debido a que p>α, se acepta H0 y se rechaza Ha. La evidencia provee

suficiente información para asegurar, con un nivel de significancia del 1%, de que no
existe una diferencia entre las medias poblacionales analizadas.

3. Una muestra de las calificaciones en un examen presentado en un curso de

estadística es:

Hombre 72 69 98 66 85 76 79 80 77
 s
Mujeres 81 67 90 78 81 80 76

Al nivel de significancia de 0.01, ¿la calificación media de las mujeres es más alta que la
de los hombres?
Planteamiento de las hipótesis

H0= μ1 ≥ μ2
Ha= μ1 < μ2

Prueba e IC para dos varianzas: HOMBRES, MUJERES

Método
σ₁: desviación estándar de HOMBRES
σ₂: desviación estándar de MUJERES
Relación: σ₁/σ₂
Se utilizó el método F. Este método es exacto sólo para datos normales.

Estadísticas descriptivas
Varianz IC de 99% para
Variable N Desv.Est. a σ²
HOMBRES 9 9.487 90.000 (32.794, 535.550)
MUJERES 7 6.880 47.333 (15.312, 420.288)

Relación de varianzas
IC de 99%
Relación para la
estimad relación
a usando F
1.90141 (0.180, 15.120)

Se concluye que las varianzas poblacionales son iguales

Prueba T e IC de dos muestras: HOMBRES, MUJERES
Método

μ₁: media de HOMBRES

µ₂: media de MUJERES
Diferencia: μ₁ - µ₂
Se presupuso igualdad de varianzas para este análisis.
Estadísticas descriptivas

Error
estándar
Desv.Est de la
Muestra N Media . media
 HOMBRES 9 78.00 9.49 3.2
MUJERES 7 79.00 6.88 2.6

Estimación de la diferencia

Límite superior
Diferenci Desv.Est. de 99% para la
a agrupada diferencia
-1.00 8.47 10.20

Prueba

Hipótesis nula H₀: μ₁ - µ₂ = 0

Hipótesis H₁: μ₁ - µ₂ < 0
alterna
Valor
T GL Valor p
-0.23 14 0.409

CONCLUSIÓN: Debido a que p>α, se acepta H0 y se rechaza Ha. La evidencia provee

suficiente información para asegurar, con un nivel de significancia del 1%, de que la
calificación media de los hombres es mayor que la calificación media de las mujeres.
 PRUEBAS DE HIPÓTESIS PARA LA PROPORCIÓN DE UNA
MUESTRA
1. En una muestra de 1000 nacimientos el número de varones ha sido 542 ¿Puede
considerarse, con un nivel de significación del 10%, que en general nacen más niños
que niñas?
Planteamiento de las hipótesis
H0= p ≤0.5
Ha= p>0.5
Prueba e IC para una proporción
Método
p: proporción de eventos
Para este análisis se utiliza el método de aproximación a la normal.

Estadísticas descriptivas
Límite
inferior
de
N Evento Muestra p 90% para p
100 542 0.542000 0.521809
0

Prueba
Hipótesis nula H₀: p = 0.5
Hipótesis H₁: p > 0.5
alterna
Valor
Z Valor p
2.66 0.004

CONCLUSIÓN: Debido a que p<α, se rechaza H0 y se acepta Ha. La evidencia provee

suficiente información para asegurar, con un nivel de significancia del 5%, que la
proporción de varones nacidos es mayor que la proporción de mujeres.
2. En un estudio se afirma que 3 de 10 estudiantes universitarios trabajan. Pruebe esta
aseveración, a un nivel de significación de 0,025, respecto a la alternativa de que la
proporción real de los estudiantes universitarios trabajan es mayor de lo que se afirma,
si una muestra aleatoria de 600 estudiantes universitarios revela que 200 de ellos
trabajan. La muestra fue tomada de 10000 estudiantes.
Planteamiento de las hipótesis
H0= p ≤0.3
Ha= p>0.3
Prueba e IC para una proporción
Método
p: proporción de eventos
Para este análisis se utiliza el método de aproximación a la normal.

Estadísticas descriptivas
Límite inferior
N Evento Muestra p de 97.5% para p
60 200 0.333333 0.295614
0

Prueba
Hipótesis nula H₀: p = 0.3
Hipótesis H₁: p > 0.3
alterna
Valor
Z Valor p
1.78 0.037

CONCLUSIÓN: Debido a que p>α, se acepta H0. La evidencia provee suficiente

información para asegurar, con un nivel de significancia del 2.5%, que la proporción de
alumnos que estudian y trabajan al mismo tiempo es igual a 0.3.
3. El expendio Pollos Deliciosos asegura que 90% de sus órdenes se entregan en menos
de 10 minutos. En una muestra de 100 órdenes, 82 se entregaron dentro de ese
lapso. Puede concluirse en el nivel de significancia 0,01, que menos de 90% de las
órdenes se entregan en menos de 10 minutos?
Planteamiento de las hipótesis
H0= p ≥0.9
Ha= p<0.9
Prueba e IC para una proporción
Método
p: proporción de eventos
Para este análisis se utiliza el método de aproximación a la normal.

Estadísticas descriptivas
Límite
superior de
N Evento Muestra p 99% para p
10 82 0.820000 0.909375
0

Prueba
Hipótesis nula H₀: p = 0.9
Hipótesis H₁: p < 0.9
alterna
Valor
Z Valor p
-2.67 0.004

CONCLUSIÓN: Debido a que p<α, se rechaza H0 y se acepta Ha. La evidencia provee

suficiente información para asegurar, con un nivel de significancia del 1%, que la
proporción de pollos entregados antes de que pasen 10 minutos es menor al 90%.
 PRUEBAS DE HIPÓTESIS PARA LA PROPORCIÓN DE DOS
MUESTRAS
1. Se ponen a prueba la enseñanza de la Estadística empleando Excel y Winstats. Para
determinar si los estudiantes difieren en términos de estar a favor de la nueva
enseñanza se toma una muestra de 20 estudiantes de dos paralelos. De paralelo A 18
están a favor, en tanto que del paralelo B están a favor 14. ¿Es posible concluir con un
nivel de significación de 0,05 que los estudiantes que están a favor de la nueva
enseñanza de la Estadística es la misma en los dos paralelos?
Planteamiento de las hipótesis

H0= p1= p2
Ha= p1 ≠ p2

Prueba e IC para dos proporciones

Método
p₁: proporción donde Muestra 1 = Evento
p₂: proporción donde Muestra 2 = Evento
Diferencia: p₁ - p₂

Estadísticas descriptivas
Muestra N Evento Muestra p
Muestra 1 20 18 0.900000
Muestra 2 20 14 0.700000

Estimación de la diferencia
Diferenci IC de 95% para la
a diferencia
0.2 (-0.040046, 0.440046)
IC basado en la aproximación a la normal

Prueba
Hipótesis nula H₀: p₁ - p₂ = 0
 Hipótesis H₁: p₁ - p₂ ≠ 0
alterna
Método Valor Z Valor p
Aproximación 1.63 0.102
normal
Exacta de Fisher 0.235
La aproximación normal puede ser inexacta para muestras pequeñas.
CONCLUSIÓN: Debido a que p>α, se acepta H0. La evidencia provee suficiente
información para asegurar, con un nivel de significancia del 5%, que la proporción de
alumnos a favor de la nueva enseñanza es la misma en ambos paralelos.
2. De 150 adultos que probaron un nuevo caramelo, 87 lo calificaron de excelente. De
200 niños en una muestra, 123 lo estimaron también como excelente. Utilizando el
nivel de significancia de 0.10. ¿es posible concluir que hay una diferencia en la
proporción de adultos y niños que califican al producto como excelente?
Planteamiento de las hipótesis

H0= p1= p2
Ha= p1 ≠ p2

Prueba e IC para dos proporciones

Método
p₁: proporción donde Muestra 1 = Evento
p₂: proporción donde Muestra 2 = Evento
Diferencia: p₁ - p₂

Estadísticas descriptivas
Muestra N Evento Muestra p
Muestra 1 150 87 0.580000
Muestra 2 200 123 0.615000

Estimación de la diferencia
Diferenci IC de 99% para la
a diferencia
-0.035 (-0.171492, 0.101492)
IC basado en la aproximación a la normal

Prueba
Hipótesis nula H₀: p₁ - p₂ = 0
Hipótesis H₁: p₁ - p₂ ≠ 0
alterna
 Método Valor Z Valor p
Aproximación -0.66 0.509
normal
Exacta de Fisher 0.511

CONCLUSIÓN: Debido a que p>α, se acepta H0. La evidencia provee suficiente

información para asegurar, con un nivel de significancia del 1%, que la proporción de
adultos y de niños que califican al dulce como excelente es la misma.

3. Una firma manufacturera de cigarros distribuye dos marcas. Si se encuentra que 56 de

200 fumadores prefieren la marca A y que 29 de 150 fumadores prefieren la marca B.
¿Puede concluirse con un nivel de significancia de 0.07 que la marca A aventaja en
vetas a la marca B?
Planteamiento de las hipótesis

H0= p1 ≤ p2
Ha= p1 > p2

Prueba e IC para dos proporciones

Método
p₁: proporción donde Muestra 1 = Evento
p₂: proporción donde Muestra 2 = Evento
Diferencia: p₁ - p₂

Estadísticas descriptivas
Muestra N Evento Muestra p
Muestra 1 200 56 0.280000
Muestra 2 150 29 0.193333

Estimación de la diferencia
Límite inferior
de 93% para la
Diferencia diferencia
0.0866667 0.019885
IC basado en la aproximación a la normal

Prueba
Hipótesis nula H₀: p₁ - p₂ = 0
Hipótesis H₁: p₁ - p₂ > 0
 alterna
Método Valor Z Valor p
Aproximación 1.92 0.028
normal
Exacta de Fisher 0.040

CONCLUSIÓN: Debido a que p<α, se rechaza H0 y se acepta Ha. La evidencia provee

suficiente información para asegurar, con un nivel de significancia del 7%, que la
proporción de personas que prefieren la marca A no supera a la proporción de personas
que prefieren la marca B.

PRUEBAS DE HIPÓTESIS PARA LA DESVIACIÓN ESTÁNDAR O

LA VARIANZA DE UNA MUESTRA
1. Una compañía que produce una parte maquinada para un motor, afirma que tiene una
varianza de diámetro no mayor a 0.0002 pulgadas. Una muestra aleatoria de 10 de
dichas partes dio una varianza de muestra s 2 = 0.0003. Si se supone que las medidas
del diámetro se distribuyen en forma normal, ¿hay evidencia para refutar lo que afirma
el proveedor? Use a= 0.05.
Planteamiento de las hipótesis

H0= σ 2 ≤ 0.0002
Ha= σ 2> 0.0002
Prueba y CI para una varianza
Método
σ²: varianza de Muestra
El método de Bonett no se puede calcular para datos resumidos.
El método de chi-cuadrada solo es válido para la distribución normal.

Estadísticas descriptivas
Límite inferior
de 95% para σ²
usando
N Desv.Est. Varianza Chi-cuadrada
1 0.0173 0.000300 0.0002
0

Prueba
Hipótesis nula H₀: σ² = 0.0002
 Hipótesis alterna H₁ : σ² > 0.0002
Estadística
Método de prueba GL Valor p
Chi- 13.50 9 0.141
cuadrada

CONCLUSIÓN: Debido a que p>α, se acepta H0.La evidencia provee suficiente

información para asegurar, con un nivel de significancia del 5%, que la varianza de los
diámetros de las piezas para motor no está por encima del 0.0002, lo cual lleva a aceptar
la afirmación del proveedor.

2. El contenido de azúcar del almíbar de los duraznos enlatados tiene una distribución
normal, donde se cree que la varianza es s 2 = 18 mg2 . Se toma una muestra de 10
latas dieron una desviación estándar de 4.8 mg. ¿Muestran estos datos suficiente
evidencia
para decir que la varianza ha cambiado?. Use un a = 0.05 y calcule el valor de P.
Planteamiento de las hipótesis

H0= σ 2=18
Ha= σ 2 ≠ 18
Prueba y CI para una varianza
Método
σ²: varianza de Muestra
El método de Bonett no se puede calcular para datos resumidos.
El método de chi-cuadrada solo es válido para la distribución normal.

Estadísticas descriptivas
IC de 95%
para σ²
Desv.Est usando
N . Varianza Chi-cuadrada
10 4.80 23.0 (10.90, 76.79)

Prueba
Hipótesis nula H₀: σ² = 18
Hipótesis H₁ : σ² ≠ 18
 alterna
Estadística
Método de prueba GL Valor p
Chi- 11.52 9 0.483
cuadrada

CONCLUSIÓN: Debido a que p>α, se acepta H0. La evidencia provee suficiente

información para asegurar, con un nivel de significancia del 5%, que la varianza presente
que presenta el contenido de azúcar del almíbar de los duraznos enlatados es igual a 18
mg2.

3. La St. Louis Metro Bus Company de Estados Unidos, desea dar una imagen de
confiabilidad haciendo que sus conductores sean puntuales en los horarios de llegada
a las paradas. La empresa desea que haya poca variabilidad en dichos tiempos. En
términos de la varianza de los tiempos de llegada de las paradas, la empresa desea
que la varianza sea de 4 minutos o menos. Esta prueba de hipótesis se realiza con un
nivel de significancia de α = 0.05. Asuma que en una muestra aleatoria de 24 llegadas
a cierta parada en una intersección en el centro de la ciudad, la varianza muestral
encontrada es s2=4.9.
Planteamiento de las hipótesis

H0= σ 2 ≤ 4
Ha= σ 2> 4
Prueba y CI para una varianza
Método

σ²: varianza de Muestra

El método de Bonett no se puede calcular para datos resumidos.
El método de chi-cuadrada solo es válido para la distribución normal.

Estadísticas descriptivas

N Desv.Est Varianza Límite inferior

 de 95% para σ²
usando
. Chi-cuadrada
24 2.21 4.90 3.20

Prueba

Hipótesis nula H₀: σ² = 4

Hipótesis H₁ : σ² > 4
alterna
Estadística
Método de prueba GL Valor p
Chi- 28.18 23 0.209
cuadrada

CONCLUSIÓN: Debido a que p>α, se acepta H0. La evidencia provee suficiente

información para asegurar, con un nivel de significancia del 5%, que la varianza presente
en los tiempos de llegada de los autobuses de la St. Louis Metro Bus Company de
Estados Unidos es menor o igual a 4 minutos.

PRUEBAS DE HIPÓTESIS PARA LA DESVIACIÓN ESTÁNDAR O

LA VARIANZA DE DOS MUESTRAS
1. Se realiza un estudio para comparar el tiempo que les toma a hombres y mujeres
ensamblar cierto producto. La experiencia indica que la distribución del tiempo tanto
para hombres como para mujeres es aproximadamente normal, pero que la varianza
del tiempo para las mujeres es menor que para los hombres. Una muestra aleatoria de
los tiempos de 11 hombres y 14 mujeres produce los siguientes datos:

Pruebe la hipótesis de que σ 12=σ 22 contra la alternativa de que σ 12> σ 22. Utilice un valor P
en su conclusión.
Planteamiento de las hipótesis
2 2
H0= σ 1 =σ 2
Ha= σ 12> σ 22
 Prueba e IC para dos varianzas
Método
σ₁: desviación estándar de Muestra 1
σ₂: desviación estándar de Muestra 2
Relación: σ₁/σ₂
Se utilizó el método F. Este método es exacto sólo para datos normales.

Estadísticas descriptivas

Límite
inferior
Relación de de 95% varianzas
Muestra NDesv.Est. Varianza para σ²
Límite inferior
Muestra 1 11 6.100
de 95% 37.210
para la 20.326
Relación
Muestra 2 14 relación
5.300 usando
28.090 16.330
estimada F
1.32467 0.496

Prueba
Hipótesis nula H₀: σ₁² / σ₂² =
1
Hipótesis alterna H₁: σ₁² / σ₂² >
1
Nivel de α = 0.05
significancia
Estadística
Método de prueba GL1 GL2 Valor p
F 1.32 10 13 0.312

CONCLUSIÓN: Debido a que p>α, se acepta H0. La evidencia provee suficiente

información para asegurar, con un nivel de significancia del 5%, que la varianza del
tiempo que les toma ensamblar una pieza a hombres y a mujeres es la misma.
2. Se lleva a cabo un experimento para comparar el contenido de alcohol en una salsa de soya en
dos líneas de producción diferentes. La producción se supervisa ocho veces al día. A
continuación, se presentan los datos.

Suponga que ambas poblaciones son normales. Se sospecha que la línea de producción 1 no
está produciendo tan consistentemente como la línea 2 en términos de contenido de alcohol.
Pruebe la hipótesis de que σ1 = σ2 contra la alternativa de que σ1 ≠ σ2. Utilice un valor P.

Prueba e IC para dos varianzas: LINEA 1, LINEA 2

Método
σ₁: desviación estándar de LINEA 1
σ₂: desviación estándar de LINEA 2
Relación: σ₁/σ₂
Se utilizó el método F. Este método es exacto sólo para datos normales.

Estadísticas descriptivas
IC de 95%
Variable N Desv.Est. Varianza para σ
LINEA 1 8 0.055 0.003 (0.037, 0.113)
 LINEA 2 8 0.012 0.000 (0.008, 0.025)

Relación de desviaciones estándar

Relación
estimad
a IC de 95% para la relación usando F
4.43471 (1.984, 9.911)

Prueba
Hipótesis nula H₀: σ₁ / σ₂ =
1
Hipótesis alterna H₁: σ₁ / σ₂ ≠ 1
Nivel de α = 0.05
significancia
Estadística
Método de prueba GL1 GL2 Valor p
F 19.67 7 7 0.001

CONCLUSIÓN: Debido a que p<α, se rechaza H0 y se acepta Ha. La evidencia provee

suficiente información para asegurar, con un nivel de significancia del 5%, que sí existe
diferencia entre las desviaciones estándar de las líneas de producción.

3. El toxafen es un insecticida que ha sido identificado como contaminante en el

ecosistema de los grandes lagos. Para investigar el efecto de la exposición al toxafen
en animales, a grupos de ratas se les administró toxafen en su dieta. El artículo
“Reproduction Study of Toxaphene in the Rat” reporta aumentos de peso (en gramos)
de ratas a las que se les administró una dosis baja (4 ppm) y de ratas de control cuya
dieta no incluía el insecticida. La desviación estándar de muestra de 23 ratas hembra
de control fue de 32 g y de 21 ratas hembra sometidas a dosis bajas fue de 54 g.
¿Sugieren estos datos que existe más variabilidad en los incrementos de peso a dosis
bajas que en los incrementos de peso en las ratas de control? Suponiendo
normalidad, realice una prueba de hipótesis con un nivel de significancia de 0.05
Planteamiento de las hipótesis
❑
H0= σ 1≥ σ❑
2
❑ ❑
Ha= σ 1 <σ 2

Prueba e IC para dos varianzas

Método
σ₁: desviación estándar de Muestra 1
σ₂: desviación estándar de Muestra 2
Relación: σ₁/σ₂ Se utilizó el método F. Este método es exacto sólo para datos normales.
 Estadísticas descriptivas
Muestra N Desv.Est. Varianza Límite superior de 95% para σ
Muestra 1 23 32.000 1024.000 42.731
Muestra 2 21 54.000 2916.000 73.312

Relación de desviaciones estándar

Relación estimada Límite superior de 95% para la relación usando F
0.592593 0.853

Prueba
Hipótesis nula H₀: σ₁ / σ₂ =
1
Hipótesis alterna H₁: σ₁ / σ₂ <
1
Nivel de α = 0.05
significancia
Estadística
Método de prueba GL1 GL2 Valor p
F 0.35 22 20 0.010

CONCLUSIÓN: Debido a que p<α, se rechaza H0 y se acepta Ha. La evidencia provee

suficiente información para asegurar, con un nivel de significancia del 5%, que existe
mayor variabilidad en los pesos de las ratas que reciben una baja dosis de toxafen en
contraste con las ratas que no lo recibieron.

PRUEBAS DE HIPÓTESIS PARA MUESTRAS APAREADAS O

DEPENDIENTES
1. En un estudio realizado mensualmente por accidentes, en 10 plantas industriales en
que se implantó un plan piloto de seguridad se encontró que el número de días de
trabajo perdidos antes y después del programa fueron dados en la tabla. ¿Existe
diferencia entre el número de accidentes antes y después del programa de seguridad?

1 2 3 4 5 6 7 8 9 10
ANTES 45 73 46 124 33 57 83 34 26 17
DESPUÉS 36 60 44 118 35 50 77 29 24 18

Planteamiento de las hipótesis

H0= μ❑
d =0
❑
Ha= μd ≠0
 IC y Prueba T pareada: ANTES, DESPUES
Estadísticas descriptivas
Error
estándar
de la
Muestra N Media Desv.Est. media
ANTES 10 53.8 32.1 10.1
DESPUE 10 49.1 29.9 9.5
S

Estimación de la diferencia pareada

Error
estándar IC de 95%
Medi de la para la
a Desv.Est. media diferencia_µ
4.70 4.57 1.45 (1.43, 7.97)
diferencia_µ: media de (ANTES - DESPUES)

Prueba
Hipótesis nula H₀: diferencia_μ = 0
Hipótesis alterna H₁: diferencia_μ ≠ 0
Valor
T Valor p
3.25 0.010

CONCLUSIÓN: Debido a que p<α, se rechaza H0 y se acepta Ha. La evidencia provee

suficiente información para asegurar, con un nivel de significancia del 5%, que sí existe
diferencia entre las medias del número de días de trabajo perdidos antes y después de la
aplicación del programa.
2. La tabla muestra las cantidades producidas por hora elaboradas por 8 operarios antes
de recibir una capacitación y las cantidades producidas luego de la misma. Pruebe la
afirmación al nivel de 0.05, de que la capacitación ha sido efectiva.

EMPLEAD 1 2 3 4 5 6 7 8
O
ANTES 5 8 7 6 9 7 12 8
DESPUÉS 8 10 7 11 9 12 14 9

Planteamiento de las hipótesis

H0= μ❑
d ≥0
❑
Ha= μd <0
 IC y Prueba T pareada: ANTES CAP, DESPUES CAP
Estadísticas descriptivas
Error
estándar
de la
Muestra N Media Desv.Est. media
ANTES CAP 8 7.750 2.121 0.750
DESPUES CAP 8 10.000 2.268 0.802

Estimación de la diferencia pareada

Error
estándar Límite superior
de la de 95% para la
Media Desv.Est. media diferencia_µ
-2.250 1.982 0.701 -0.922
diferencia_µ: media de (ANTES CAP - DESPUES CAP)

Prueba
Hipótesis nula H₀: diferencia_μ = 0
Hipótesis alterna H₁: diferencia_μ < 0
Valor
T Valor p
-3.21 0.007

CONCLUSIÓN: Debido a que p<α, se rechaza H0 y se acepta Ha. La evidencia provee

suficiente información para asegurar, con un nivel de significancia del 5%, que sí existe
diferencia entre las medias del desempeño de los trabajadores antes y después de la
capacitación, concluyendo que producen más después de haberla recibido.

3. Se ha constatado que 2 hospitales diferentes parecían cobrar cantidades ampliamente

diferentes por el mismo procedimiento médico. Se utilizaron muestras pareadas y se
construyó con un intervalo de confianza del 95% la siguiente tabla sobre costos de
facturación para 9 procedimientos idénticos en cada hospital

1 2 3 4 5 6 7 8 9
HOSPITAL 1 465 532 426 543 587 537 598 698 378
HOSPITAL 2 512 654 453 521 632 418 587 376 524

Planteamiento de las hipótesis

 H0= μ❑
d =0
❑
Ha= μd ≠0

IC y Prueba T pareada: HOSPITAL 1, HOSPITAL 2

Estadísticas descriptivas
Error
estándar
Medi de la
Muestra N a Desv.Est. media
HOSPITAL 9 529.3 96.5 32.2
1
HOSPITAL 9 519.7 94.0 31.3
2

Estimación de la diferencia pareada

Error
estándar IC de 95%
Desv.Est de la para la
Media . media diferencia_µ
9.7 140.9 47.0 (-98.6, 118.0)
diferencia_µ: media de (HOSPITAL 1 - HOSPITAL 2)

Prueba
Hipótesis nula H₀: diferencia_μ = 0
Hipótesis alterna H₁: diferencia_μ ≠ 0
Valor
T Valor p
0.21 0.842

CONCLUSIÓN: Debido a que p>α, se acepta H0 y se rechaza Ha. La evidencia provee

suficiente información para asegurar, con un nivel de significancia del 5%, que no existe
diferencia entre los costos por tratamientos idénticos en los hospitales comparados.

PRUEBAS DE BONDAD Y AJUSTE

1. Un dado se lanzó 36 veces, haga una prueba con un nivel de significancía del 5%,
para comprobar si el dado es legal o no. Los resultados obtenidos del ejercicio fueron
los siguientes:
 Planteamiento de las hipótesis
H0= La frecuencia observada en el lanzamiento del dado es igual a la frecuencia esperada, de
dicho lanzamiento.
Ha= La frecuencia observada en el lanzamiento del dado es distinta a la frecuencia esperada, de
dicho lanzamiento.

Prueba Chi-cuadrada de bondad de ajuste para conteos ... variable: FO

Uso de nombres de categorías en NÚMERO DE PUNTOS
Conteos observados y esperados
Proporción Contribución a
Categoría Observado de prueba Esperado chi-cuadrada
1 3 0.166667 6 1.50000
2 5 0.166667 6 0.16667
3 8 0.166667 6 0.66667
4 7 0.166667 6 0.16667
5 6 0.166667 6 0.00000
6 7 0.166667 6 0.16667

Prueba de chi-cuadrada
N GL Chi-cuad. Valor p
3 5 2.66667 0.751
6

CONCLUSIÓN: Debido a que p>α, se acepta H0 y se rechaza Ha. La evidencia provee

suficiente información para asegurar, con un nivel de significancia del 5%, que la
frecuencia observada en el lanzamiento del dado es igual a la frecuencia esperada, de
dicho lanzamiento.

2. El gerente de una planta industrial pretende determinar si el número de empleados

que asisten al consultorio médico de la planta se encuentran distribuido en forma
equitativa durante los 5 días de trabajo de la semana. Con base en una muestra
aleatoria de 4 semanas completas de trabajo, se observó el siguiente número de
consultas:
 Con a=0,05, ¿existe alguna razón para creer que el número de empleados que asisten
al consultorio médico, no se encuentra distribuido de forma equitativa durante los días
de la semana?
Planteamiento de las hipótesis
H0= La frecuencia observada en la asistencia al consultorio médico es igual a la frecuencia
esperada.
Ha= La frecuencia observada en la asistencia al consultorio médico es distinta a la frecuencia
esperada.

Prueba Chi-cuadrada de bondad de ajuste para conteos ... SISTENCIA

Uso de nombres de categorías en DÍA
Conteos observados y esperados
Proporción Contribución a
Categoría Observado de prueba Esperado chi-cuadrada
lunes 49 0.2 40 2.025
martes 35 0.2 40 0.625
miércoles 32 0.2 40 1.600
jueves 39 0.2 40 0.025
viernes 45 0.2 40 0.625

Prueba de chi-cuadrada
N GL Chi-cuad. Valor p
20 4 4.9 0.298
0

CONCLUSIÓN: Debido a que p>α, se acepta H0 y se rechaza Ha. La evidencia provee

suficiente información para asegurar, con un nivel de significancia del 5%, que la
frecuencia observada en la asistencia al consultorio médico es igual a la frecuencia
esperada.

3. El director de una escuela de medicina aplicó un examen departamental a 236

estudiantes de segundo año. Resumió las calificaciones con promedio y desviación
estándar, encontrando la siguiente tabla de frecuencias observadas y frecuencias
esperadas:
 MENOS DE 5.5 ENTRE 5.5 Y 7 ENTRE 7.01 Y 8.5 MÁS DE 8.5
FO 32 74 86 44
FE 37 81 81 37

Planteamiento de las hipótesis

H0= La frecuencia observada en los promedios de calificación del examen de medicina es igual a la
frecuencia esperada.
Ha= La frecuencia observada en los promedios de calificación del examen de medicina no es igual
a la frecuencia esperada.

Prueba Chi-cuadrada de bondad de ajuste para conteos ... riable: FOO

Uso de nombres de categorías en CALIF
Conteos observados y esperados
Conteos Proporción Contribución a
Categoría Observado históricos de prueba Esperado chi-cuadrada
MENOS DE 5.5 32 37 0.156780 37 0.67568
ENTRE 5.5 Y 7 74 81 0.343220 81 0.60494
ENTRE 7.01 Y 8.5 86 81 0.343220 81 0.30864
MÁS DE 8.5 44 37 0.156780 37 1.32432

Prueba de chi-cuadrada
N GL Chi-cuad. Valor p
23 3 2.91358 0.405
6

CONCLUSIÓN: Debido a que p>α, se acepta H0 y se rechaza Ha. La evidencia provee

suficiente información para asegurar, con un nivel de significancia del 5%, que la
frecuencia observada en los promedios de calificación del examen de medicina es igual a
la frecuencia esperada.

PRUEBAS DE INDEPENDENCIA
1. Una agencia de publicidad desea saber si el género de los consumidores es
independiente de sus preferencias de cuatro marcas de café. La respuesta
 determinará si se deben diseñar diferentes anuncios dirigidos a los hombres y otros
diferentes para las mujeres. Realice la prueba con un nivel de significancía del 5%.
Los resultados obtenidos de la encuesta realizada a 139 personas fueron:

Planteamiento de las hipótesis

H0= El género de los consumidores es independiente de sus preferencias de cuatro marcas de
café.
Ha= El género de los consumidores es dependiente de sus preferencias de cuatro marcas de café.

Prueba chi-cuadrada para asociación: C1, Columnas de la ... de trabajo

Filas: C1   Columnas: Columnas de la hoja de trabajo
A B C D Todo
Hombres 18 25 15 12 70
25.18 20.14 12.5 12.09
9
Mujeres 32 15 10 12 69
24.82 19.86 12.4 11.91
1
Todo 50 40 25 24 139
Contenido de la celda
        Conteo
        Conteo esperado
Prueba de chi-cuadrada
G
Chi-cuadrada L Valor p
Pearson 7.413 3 0.060
Relación de verosimilitud 7.499 3 0.058

CONCLUSIÓN: Debido a que p>α, se acepta H0 y se rechaza Ha. La evidencia provee

suficiente información para asegurar, con un nivel de significancia del 5%, que el género
de los consumidores es independiente de sus preferencias de cuatro marcas de café.
2. Se desea conocer si existe asociación entre el hábito de fumar y el bajo peso al nacer
en una población, para lo cual se selecciona una muestra aleatoria de 100 recién
nacidos, obteniéndose los resultados siguientes:

Planteamiento de las hipótesis

H0= El bajo peso al nacer es independiente del hábito de fumar.
Ha= El bajo peso al nacer es dependiente del hábito de fumar.

Prueba chi-cuadrada para asociación: HABITO DE ... la hoja de trabajo

Filas: HABITO DE FUMAR   Columnas: Columnas de la hoja de trabajo
SI NO Todo
PRESENTE 30 10 40
20 20
AUSENTE 20 40 60
30 30
Todo 50 50 100
Contenido de la celda
        Conteo
        Conteo esperado

Prueba de chi-cuadrada
G
Chi-cuadrada L Valor p
Pearson 16.667 1 0.000
Relación de verosimilitud 17.261 1 0.000

CONCLUSIÓN: Debido a que p<α, se rechaza H0 y se acepta Ha. La evidencia provee

suficiente información para asegurar, con un nivel de significancia del 5%, que el bajo
peso al nacer es dependiente del hábito de fumar