ACTIVIDAD 6.

EJERCICIOS SOBRE PRUEBA DE HIPÓTESIS

• Con base en el material consultado en la unidad resuelve los ejercicios que se plantean acerca
de los siguientes temas:

➢ Establecimiento de las hipótesis nula y alternativa

➢ Errores tipo I y tipo II
➢ Pruebas unilaterales sobre la media de una población: caso de muestra grande
➢ Pruebas bilaterales sobre la media de una población: caso de muestra grande
➢ Pruebas sobre la media de una población: caso de muestra pequeña
➢ Pruebas sobre la proporción de una población

Aplicaciones

1. Considere una prueba en la que H 0 = 4 . Para cada uno de los casos siguientes, establezca la
región de rechazo para la prueba en términos de un estadístico z .

Determinamos los siguientes resultados sin tener alguna muestra

ẋ − µ0
𝑍𝛼 =
Ϭ
√𝑛

Página 1 de 16
 a. Ha : μ  4, α = .05
En esta situación, la hipótesis alternativa establece que la media es mayor que 4, y se ha
fijado un nivel de significancia de 0.05. Para determinar la zona de rechazo, es necesario
identificar el valor crítico de z utilizando una tabla de la distribución normal estándar. Este
valor crítico de z se encuentra al buscar el valor correspondiente al área de 1 - α en la
parte derecha de la distribución. En este escenario, 1 - 0.05 = 0.95. Al consultar la tabla,
se obtiene que el valor crítico de z es aproximadamente 1.645. Por lo tanto, la región de
rechazo se establece como z > 1.645.

b. Ha : μ  4, α = .10
En esta situación particular, se ha establecido un nivel de significancia de 0.10. Al calcular
1 - 0.10, obtenemos 0.90. Al consultar la tabla de distribución normal estándar, se
encuentra que el valor crítico de z es aproximadamente 1.28. Por lo tanto, la región de
rechazo se define como z>1.28.

c. Ha : μ  4, α = .05
En esta situación, la hipótesis alternativa sugiere que la media es inferior a 4. Para
determinar el valor crítico de z, se busca el valor correspondiente al área de α en la cola
izquierda de la distribución, siendo en este caso α igual a 0.05. Al consultar la tabla, se
encuentra que el valor crítico de z es aproximadamente -1.645. Por lo tanto, la región de
rechazo se establece como z< -1.645.

d. Ha : μ  4, α = .05
En esta situación, la hipótesis alternativa plantea que la media no es igual a 4. Al tratarse
de una prueba de dos colas, dividimos el nivel de significancia en dos partes iguales: α/2
= 0.025. Para el extremo izquierdo, buscamos el valor correspondiente al área de 0.025,
obteniendo un valor crítico de z aproximadamente igual a -1.96. Para el extremo derecho,
buscamos el valor correspondiente al área de 1 - 0.025 = 0.975, dando como resultado un
valor crítico de z aproximadamente igual a 1.96. Por lo tanto, la región de rechazo se
define como z menor que -1.96 o z >1.96.

Página 2 de 16
2. Una muestra aleatoria de n = 1000 observaciones de una población binomial produjo x = 279.
Si su hipótesis de investigación es que p sea menor a 0.3, ¿qué debe escoger para su
hipótesis alternativa?, ¿Y para su hipótesis nula?

En este ejercicio, se nos provee información acerca de una población binomial y se nos solicita
establecer las hipótesis nula y alternativa basadas en una hipótesis de investigación específica.
La investigación busca determinar si la proporción p es inferior a 0.3. Por consiguiente, definimos
nuestras hipótesis de la siguiente manera:
La hipótesis nula (H₀) postula que no existe diferencia o cambio en la proporción. En este caso,
se asume que la proporción p es igual a 0.3.
H₀: p = 0.3
Por otro lado, la hipótesis alternativa (Hₐ) contradice la hipótesis nula. Según nuestra hipótesis de
investigación, se plantea que la proporción p es menor a 0.3.
Hₐ: p < 0.3
Por lo tanto, nuestras hipótesis quedan definidas como:
H₀: p = 0.3
Hₐ: p < 0.3

3. Una muestra aleatoria de n = 1400 observaciones de una población binomial produjo x = 529.

a. Si la hipótesis de su investigación es que p difiera de .4, ¿cuáles hipótesis debe

probar?
Si la hipótesis de investigación plantea que p es distinto de 0.4, entonces nuestras hipótesis nula
y alternativa se establecerían de la siguiente manera:
La hipótesis nula (H₀) asume que la proporción p es igual a 0.4.
H₀: p = 0.4
Por otro lado, la hipótesis alternativa (Hₐ) contradice la hipótesis nula, afirmando que p es
diferente de 0.4.
Hₐ: p ≠ 0.4

Página 3 de 16
 b. Calcule el estadístico de prueba y su valor p. Use el valor p para evaluar la signifi
cancia estadística de los resultados al nivel del 1%.
Para calcular el estadístico de prueba utilizando la fórmula z, consideramos los siguientes
valores: n = 1400, x = 529.
Donde z = (p̂ - p₀) / sqrt((p₀ * (1 - p₀)) / n), siendo p̂ la proporción muestral, p₀ la proporción
bajo la hipótesis nula, y n el tamaño de la muestra.
En este caso, calculamos p̂ = x / n = 529 / 1400 ≈ 0.3786, p₀ = 0.4, y n = 1400.
Así, z = (0.3786 - 0.4) / sqrt((0.4 * (1 - 0.4)) / 1400) ≈ -1.96.
Seguidamente, determinamos el valor p empleando una tabla de distribución normal
estándar. Al ser una prueba de dos colas, consideramos el área en ambas colas. Para z
= -1.96, el área en una cola es de 0.025. Dado que es una prueba de dos colas,
multiplicamos el área de una cola por 2:
Valor p = 2 * 0.025 = 0.05

c. ¿Los datos dan suficiente evidencia para indicar que p es diferente de .4?
Al evaluar la significancia estadística al nivel del 1% (α = 0.01), comparamos el valor p
con α:
Valor p = 0.05
α = 0.01
Al observar que el valor p (0.05) es mayor que α (0.01), no se dispone de suficiente
evidencia para rechazar la hipótesis nula. Por consiguiente, los datos analizados no
ofrecen suficiente sustento para afirmar que p difiere de 0.4.

Aplicaciones

1. (Ver base de datos DRUGRAT). Efecto de drogas. El efecto de las drogas y el alcohol en el
sistema nervioso humano ha sido objeto de estudio de muchas investigaciones. Suponga que
una neuróloga está probando el efecto de una droga en los tiempos de respuesta, para ello
inyecta a 100 ratas con dosis de una unidad, somete a cada rata a un estímulo neurológico y
registra el tiempo de respuesta. La neuróloga sabe que el tiempo medio de respuesta de las
datas no inyectadas (la media del grupo control) es de 1.2 segundos. Utilice los datos en el
archivo DRUGRAT para llevar a cabo la siguiente pruebe con α = .01

Página 4 de 16
 H0 : μ = 1.2
Ha : μ  1.2

Este resumen muestra que se calcularon la media y la desviación estándar de la muestra del
archivo DRUGRAT, donde se registraron los tiempos de respuesta de 100 ratas. Se encontró
una media aproximada de 1.013 segundos y una desviación estándar cercana a 0.536 segundos
en esos tiempos.

La neuróloga pretende probar si la media poblacional (μ) difiere de 1.2 segundos, estableciendo
las hipótesis:
H₀: μ = 1.2
Hₐ: μ ≠ 1.2

Con un tamaño de muestra suficiente (n ≥ 30) y un nivel de significancia α = 0.01, se aplicó una
ẋ−µ0
prueba z. Se empleó la fórmula 𝑍𝛼 = Ϭ , utilizando la desviación estándar muestral (s) como
√𝑛

estimación al desconocer σ.

El valor calculado de z, aproximadamente -3.48, se comparó con el valor crítico de z para α/2 =
0.005 en una distribución normal estándar. Este valor crítico es aproximadamente ±2.576 para
una prueba bilateral (dos colas). Al ser el estadístico z calculado (-3.48) menor que el valor
crítico de z (-2.576), se rechaza la hipótesis nula. Concluyendo que hay suficiente evidencia para
afirmar que el tiempo promedio de respuesta de las ratas inyectadas con la droga difiere de 1.2
segundos, al nivel de significancia del 1% (α = 0.01).

2. Porcentaje de ocupación en líneas aéreas. Suponga que un vuelo regular debe promediar al
menos 60% de ocupación para ser rentable. Un examen del porcentaje de ocupación para 120
vuelos de las 10:00 a.m. de Atlanta a Dallas mostró una ocupación media por vuelo de 58% y
una desviación estándar de 11%.
a. Si μ es la ocupación media por vuelo y si la compañía quiere determinar si este vuelo
en particular es rentable o no, establezca las hipótesis nula y alternativa.

Hipótesis nula (H₀): La media de la ocupación por vuelo es igual o mayor al 60%.

Página 5 de 16
 Hipótesis alternativa (Hₐ): La media de la ocupación por vuelo es menor al 60%.

b. ¿La hipótesis alternativa del inciso a) implica una prueba de una o de dos colas?
Explique.
La hipótesis alternativa planteada en el inciso a) sugiere una prueba unidireccional, ya
que se está investigando si la ocupación promedio por vuelo es inferior al 60%. Esta
prueba unidireccional se utiliza cuando se analiza un único extremo de la distribución, en
este caso, el extremo izquierdo.

c. Los datos de ocupación para los 120 vuelos sugieren que este vuelo regular es
rentable. Compruébelo usando α = .05

Para determinar si los datos de ocupación de los 120 vuelos indican si este vuelo regular
es financieramente viable, se llevó a cabo una prueba t de una sola cola utilizando un
nivel de significancia α = 0.05. La elección de la prueba t se justifica por la falta de
conocimiento sobre la desviación estándar poblacional. En primer lugar, se calculó el
estadístico t mediante la fórmula t = (x̄ - μ) / (s / sqrt(n)), utilizando los valores x̄ = 0.58
(ocupación promedio por vuelo), μ = 0.6, s = 0.11 (desviación estándar) y n = 120
(cantidad de vuelos). El resultado fue t ≈ -1.96.

Posteriormente, se buscó el valor crítico de t correspondiente a α = 0.05 y n - 1 = 119

grados de libertad en una tabla de distribución t para una prueba unidireccional, siendo
este valor aproximadamente -1.658.

Al observar que el estadístico t calculado (-1.96) es menor que el valor crítico de t (-1.658),
se rechaza la hipótesis nula. Por lo tanto, los datos de ocupación de los 120 vuelos no
respaldan la viabilidad financiera de este vuelo regular con un nivel de significancia del
5% (α = 0.05).

3. Horario flexible. Una compañía considera la instalación de un programa de horario flexible en

el cual un empleado acomoda sus horas de trabajo o comprime sus semanas laborales. La
compañía estimó que necesitaba una media mínima de 7 horas por día por trabajador de

Página 6 de 16
ensamble para operar de manera eficiente. A cada uno de una muestra aleatoria de 80
ensambladores de la compañía se les pidió que enviaran un programa de horario flexible
tentativo. Si el número medio de horas por día para el lunes era de 6.7 horas y la desviación
estándar fue de 2.7 horas, ¿los datos dan suficiente evidencia para indicar que el número
medio de horas trabajadas por día en los lunes, para todos los ensambladores de la compañía,
será menor a 7 horas? Pruebe usando α = .05 .
Comencemos estableciendo las hipótesis nula y alternativa para este análisis. Dado que la
empresa necesita que la media sea de al menos 7 horas por día por trabajador de ensamble
para operar de manera eficiente, formulamos las hipótesis como sigue:
Hipótesis nula (H₀): μ ≥ 7 (la cantidad media de horas trabajadas por día en los lunes es igual
o mayor a 7 horas)
Hipótesis alternativa (Hₐ): μ < 7 (la cantidad media de horas trabajadas por día en los lunes es
menor a 7 horas)

Con un tamaño de muestra de n = 80 (cumpliendo con n ≥ 30), optamos por realizar una prueba
z para evaluar estas hipótesis.
Calculamos el estadístico z utilizando la fórmula:
ẋ − µ0
𝑍𝛼 =
Ϭ
√𝑛
Siendo x̄ = 6.7 (media de horas trabajadas por día en los lunes), μ = 7, σ representa la
desviación estándar poblacional, y n = 80.
Ya que no tenemos información sobre la desviación estándar poblacional, empleamos la
desviación estándar muestral (s) como una aproximación:
≈ -1.96
Al llevar a cabo una prueba unidireccional (donde buscamos confirmar si la cantidad media de
horas trabajadas por día en los lunes es menor a 7 horas), consultamos el valor crítico de z
para α = 0.05 en una distribución normal estándar. Para α = 0.05, el valor crítico de z es
aproximadamente -1.645.
Debido a que el valor calculado de z (-1.98) es menor que el valor crítico de z (-1.645),
rechazamos la hipótesis nula. Esto sugiere que los datos ofrecen suficiente evidencia para
sugerir que la cantidad media de horas trabajadas por día en los lunes, para todos los
ensambladores de la empresa, es menor a 7 horas al nivel de significancia del 5% (α = 0.05).

Página 7 de 16
4. Frecuencia cardiaca. Bola de Nieve es una perra de raza pastor inglés de 10 años a la que
llevan regularmente a su chequeo con el veterinario. Sea X la variable aleatoria que
representa la frecuencia cardiaca de Bola de Nieve en reposo (latidos por minuto). A partir de
la experiencia previa, el veterinario sabe que X se distribuye normalmente con σ = 12 . El
veterinario revisó el Manual de Veterinaria Merck y encontró que para esta raza de perros,
μ = 115 latidos por minuto. La siguiente tabla muestra la frecuencia cardiaca (latidos por

minuto) de Bola de Nieve en los chequeos de las últimas 6 semanas.

93 109 110 89 112 117
La media muestral es x = 105 . Al veterinario le preocupa que la frecuencia cardiaca esté
disminuyendo. ¿Los datos indican que ese es el caso?, utilice α = .05

Comencemos estableciendo las hipótesis nula y alternativa para este análisis. Dado que la
empresa necesita que la media sea de al menos 7 horas por día por trabajador de ensamble
para operar de manera eficiente, formulamos las hipótesis como sigue:
Hipótesis nula (H₀): μ ≥ 7 (la cantidad media de horas trabajadas por día en los lunes es igual
o mayor a 7 horas)
Hipótesis alternativa (Hₐ): μ < 7 (la cantidad media de horas trabajadas por día en los lunes
es menor a 7 horas)

Con un tamaño de muestra de n = 80 (cumpliendo con n ≥ 30), optamos por realizar una
prueba z para evaluar estas hipótesis.
Calculamos el estadístico z utilizando la fórmula:
ẋ − µ0
𝑍𝛼 =
Ϭ
√𝑛
Siendo x̄ = 6.7 (media de horas trabajadas por día en los lunes), μ = 7, σ representa la
desviación estándar poblacional, y n = 80.

Página 8 de 16
 Ya que no tenemos información sobre la desviación estándar poblacional, empleamos la
desviación estándar muestral (s) como una aproximación:
≈ -2.18
Al realizar una prueba unidireccional (buscamos verificar si la frecuencia cardiaca en reposo
ha disminuido), consultamos el valor crítico de z para α = 0.05 en una tabla de distribución
normal estándar. El valor crítico de z para α = 0.05 es aproximadamente -1.645.
Dado que el valor calculado de z (-2.18) es menor que el valor crítico de z (-1.645),
rechazamos la hipótesis nula. Por lo tanto, los datos sugieren que la frecuencia cardiaca en
reposo de Bola de Nieve ha disminuido al nivel de significancia del 5% (α = 0.05).

5. (Ver base de datos SMOKING) Fumar y capacidad pulmonar. Es un hecho reconocido que
fumar tiene un efecto dañino en la función pulmonar. En un estudio del efecto de fumar sobre
la capacidad de difusión de monóxido de carbono (DL) del pulmón, unos investigadores
encontraron que los fumadores actuales tenían lecturas de DL considerablemente más bajas
que otros que habían sido fumadores o que son no fumadores. Las capacidades de difusión
de monóxido de carbono para una muestra aleatoria de fumadores actuales aparecen a
continuación:
a. ¿Estos datos indican que la lectura media de DL para fumadores actuales es
considerablemente más baja que 100 DL, que es el promedio para no fumadores?
Use α = .01
Para examinar si la lectura media de DL para fumadores actuales es menor que el promedio de
100 DL para no fumadores, definimos las hipótesis nula y alternativa:

Hipótesis nula (H₀): μ = 100 (la lectura media de DL para fumadores actuales no es más baja que
el promedio de 100 DL para no fumadores)
Hipótesis alternativa (Hₐ): μ < 100 (la lectura media de DL para fumadores actuales es más baja
que el promedio de 100 DL para no fumadores)

Con un tamaño de muestra n = 20, optamos por utilizar una prueba t debido a la falta de
información sobre la desviación estándar poblacional. Calculamos la media y la desviación
estándar muestral de los datos proporcionados en la base de datos SMOKING:

Página 9 de 16
Media muestral (x̄): ≈ 90.08
Desviación estándar muestral (s): ≈ 14.24

Calculamos el estadístico t utilizando la fórmula:

ẋ−µ
𝑠
√𝑛
Donde x̄ = 90.08 (media muestral), μ = 100, s = 14.24 (desviación estándar muestral) y n = 20
(tamaño de la muestra).
≈−2.99
Realizando una prueba unidireccional (buscamos si la lectura media de DL para fumadores
actuales es más baja que 100 DL), consultamos el valor crítico de t para α = 0.01 y 19 grados de
libertad en una tabla de distribución t. El valor crítico de t para α = 0.01 y 19 grados de libertad es
aproximadamente -2.539.

Al ser el valor calculado de t (-2.99) menor que el valor crítico de t (-2.539), rechazamos la
hipótesis nula. Por lo tanto, los resultados sugieren que la lectura media de DL para fumadores
actuales es significativamente menor que 100 DL al nivel de significancia del 1% (α = 0.01).

6. Cirugía ocular. Un grupo de cirujanos oftalmólogos desarrolló una nueva técnica para una
operación riesgosa que tiene como objetivo restaurar la vista de personas que perdieron este
sentido a causa de una enfermedad particular. Bajo la técnica antigua, se sabe que sólo el
30% de los pacientes recuperaron la vista. Suponga que los cirujanos de varios hospitales
llevaron a cabo un total de 225 operaciones utilizando la nueva técnica de las cuales 88 fueron
exitosas (es decir, el paciente recuperó por completo la vista). ¿Es justificable afirmar que la
nueva técnica es mejor que la antigua? (utilice un nivel de significancia del 1%)

Para evaluar si la proporción de éxito con la nueva técnica supera el 30%, definimos las hipótesis
nula y alternativa:

Página 10 de 16
Hipótesis nula (H₀): p = 0.30 (la proporción de éxito con la nueva técnica no es mayor que la
proporción de éxito con la técnica antigua)

Hipótesis alternativa (Hₐ): p > 0.30 (la proporción de éxito con la nueva técnica es mayor que la
proporción de éxito con la técnica antigua)

Usaremos una prueba z sobre la proporción de una población. Calculamos la proporción muestral
(p̂) y el estadístico z:
𝑥 88
ṕ = 𝑛 = 225 ≈ 0.391

Donde x es el número de éxitos (88) y n es el tamaño de la muestra (225). Ahora, calculamos el

estadístico z utilizando la fórmula:

Donde ṕ = 0.391 (proporción muestral), 𝑝0 = 0.30 (proporción de éxito con la técnica antigua) y

n=225 (tamaño de la muestra).

z ≈ 2.92

Al realizar una prueba unidireccional (queremos determinar si la proporción de éxito con la nueva
técnica es mayor que 0.30), consultamos el valor crítico de z para α =0.01 en una tabla de
distribución normal estándar. El valor crítico de z para α=0.01 es aproximadamente 2.33.

Al ser el valor calculado de z (2.92) mayor que el valor crítico de z (2.33), rechazamos la hipótesis
nula. Por lo tanto, los resultados sugieren que la nueva técnica supera significativamente a la
antigua al nivel de significancia del 1% (α = 0.01).

7. Baterías defectuosas. La reputación (y por consecuencia las ventas) de muchas empresas

puede verse seriamente dañada por embarques de productos manufacturados con un alto
porcentaje de piezas defectuosas. Por ejemplo, un fabricante de baterías alcalinas puede
querer estar razonablemente seguro de que menos del 5% de sus baterías son defectuosas.
Suponga que se seleccionan de un gran embarque aleatoriamente 300 baterías, se prueba
cada una y 10 resultan defectuosas. ¿Este resultado provee al fabricante suficiente evidencia
para concluir que la fracción defectuosa en todo ese embarque es menor a 0.05? Utilice α = .01

Página 11 de 16
Para evaluar si la proporción de baterías defectuosas es menor al 5%, definimos las hipótesis
nula y alternativa:

Hipótesis nula (H₀): p ≥ 0.05 (la proporción de baterías defectuosas es igual o mayor al 5%)

Hipótesis alternativa (Hₐ): p < 0.05 (la proporción de baterías defectuosas es menor al 5%)

Utilizaremos una prueba z sobre la proporción de una población. Calculemos la proporción

muestral (p̂) y el estadístico z:

ṕ = x/n = 10/300 ≈ 0.0333

Donde x es el número de baterías defectuosas (10) y n es el tamaño de la muestra (300). Ahora,

calculamos el estadístico z utilizando la fórmula:

z = (p̂ - p₀) / sqrt((p₀ * (1 - p₀)) / n)

≈−1.886

Realizamos una prueba de una cola (interesa saber si la proporción de baterías defectuosas es
menor que 0.05). Consultamos el valor crítico de z para α=0.01 en una tabla de distribución normal
estándar. Para una prueba de una cola, el valor crítico de z para α=0.01 es aproximadamente -
2.33.

Dado que el valor calculado de z (-1.886) es mayor que el valor crítico de z (-2.33), no tenemos
evidencia suficiente para rechazar la hipótesis nula. Por lo tanto, estos resultados no proporcionan
suficiente evidencia para concluir que la fracción defectuosa en todo ese embarque es menor a
0.05 al nivel de significancia del 1% (α = 0.01).

8. Tasa de criminalidad. La tasa de criminalidad en E.U.A, ¿realmente está disminuyendo?

Algunos sociólogos afirman que sí; explican que la razón de esta disminución, entre las
décadas de los años 1980 y 1990, es la demografía. Parece que la población está
envejeciendo y existe una correlación negativa entre la edad y la propensión a cometer
crímenes. De acuerdo con el FBI y el Departamento de Justicia de E.U.A., 70% de las personas
arrestadas son varones entre 15 y 34 años (Fuente: True Odds by J. Walsh, Merritt Publishing).

Página 12 de 16
 Suponga que usted es un sociólogo del estado de Wyoming, una muestra aleatoria de
expedientes policiales informa que el mes previo hubo 32 personas arrestadas, 24 de éstas
fueron hombres de 15 a 34 años de edad. Utilice un nivel de significancia del 1% para probar
la afirmación que indica que la proporción de tales arrestos en la población del estado es
distinta al 70%.

Para evaluar si la proporción de arrestos de varones entre 15 y 34 años es distinta al 70%,

definimos las hipótesis nula y alternativa:

Hipótesis nula (H₀): p = 0.70 (la proporción de arrestos de varones entre 15 y 34 años es igual al
70%) Hipótesis alternativa (Hₐ): p ≠ 0.70 (la proporción de arrestos de varones entre 15 y 34 años
es distinta al 70%)

Utilizamos una prueba z sobre la proporción de una población. Calculemos la proporción muestral
𝑥 24
(p̂) y el estadístico z: ṕ = 𝑛 = 32≈ 0.75 Donde x es el número de arrestos de varones entre 15 y 34

años (24) y n es el tamaño de la muestra (32). Ahora, calculamos el estadístico z utilizando la

fórmula donde ṕ =0.75 (proporción muestral), 𝑝0 =0.70 (proporción de arrestos objetivo) y n=32
(tamaño de la muestra) ≈ 1.033

Realizamos una prueba de dos colas (interesa saber si la proporción de arrestos es diferente al
70%). Consultamos los valores críticos de z para α=0.01 en una tabla de distribución normal
estándar. Los valores críticos de z para α=0.01 en una prueba de dos colas son aproximadamente
-2.576 y 2.576.

Dado que el valor calculado de z (1.033) está dentro del rango entre los valores críticos de z (-
2.576 y 2.576), no tenemos suficiente evidencia para rechazar la hipótesis nula. Por lo tanto, este
resultado no proporciona evidencia suficiente para concluir que la proporción de arrestos de
varones entre 15 y 34 años en la población del estado es distinta al 70% al nivel de significancia
del 1% (α = 0.01).

9. (Ver base de datos SKINCREAM). Efectividad de crema facial. La marca de cosméticos Ponds
descontinuó la producción de Age-Defying Complex, una crema con ácido Alpha-hidróxido y
los sustituyó con Age-Defying Towlettes. La empresa anunciaba que el producto podía reducir
marcas de expresión y mejorar significativamente la piel. En un estudio publicado en la revista

Página 13 de 16
Archivos de Dermatología (junio 1996), 33 mujeres de mediana edad utilizaron el producto con
Alpha-hidróxido durante 22 semanas. Al final de este periodo una dermatóloga evaluó si la piel
de cada participante en el estudio había mejorado o no. Los resultados para las 33 mujeres
(I=Mejoró y N=No Mejoró) se encuentran en el archivo de datos SKINCREAM.
b. ¿La información provee suficiente evidencia para concluir que la crema mejora la piel de
más del 60% de las mujeres de edad media? Utilice α = .05 .
Para evaluar si la crema mejora la piel de más del 60% de las mujeres de edad media,
definimos las hipótesis nula y alternativa:

Hipótesis nula (H₀): p ≤ 0.60 (la proporción de mujeres de mediana edad cuya piel mejora
es menor o igual al 60%)
Hipótesis alternativa (Hₐ): p > 0.60 (la proporción de mujeres de mediana edad cuya piel
mejora es mayor al 60%)

Utilizamos una prueba z sobre la proporción de una población. Calculemos la proporción

𝑥 25
muestral (p̂) y el estadístico z: ṕ = 𝑛 = 33≈ 0.7576 Donde x es el número de mujeres cuya

piel mejoró (25) y n es el tamaño de la muestra (33). Ahora, calculemos el estadístico z

Donde ṕ =0.7576 (proporción muestral), 𝑝0 =0.60 (proporción de mejoramiento objetivo)
y n=33 (tamaño de la muestra).
≈ 2.576
Al realizar una prueba de una cola (interesa verificar si la proporción de mejoras es mayor
al 60%), consultamos el valor crítico de z para α=0.05 en una tabla de distribución normal
estándar. Para α=0.05 en una prueba de una cola, el valor crítico de z es
aproximadamente 1.645.

El valor calculado de z (2.576) es mayor que el valor crítico de z (1.645), lo que nos
permite rechazar la hipótesis nula. Por lo tanto, este resultado proporciona suficiente
evidencia para concluir que la crema mejora la piel de más del 60% de las mujeres de
edad media al nivel de significancia del 5% ( α=0.05 ).
c. Encuentre e interprete el valor- p de la prueba
Exactamente, al comparar el valor p obtenido con el nivel de significancia (α), que es 0.05
en este caso, vemos que el valor p (aproximadamente 0.005) es menor que α. Esto indica

Página 14 de 16
 que la probabilidad de obtener un resultado igual o más extremo que el observado,
asumiendo que la verdadera proporción de mejoras es menor o igual al 60%, es muy baja
(menos del 0.5%).

Por lo tanto, esta evidencia respalda la decisión de rechazar la hipótesis nula en favor de la
alternativa, lo que lleva a la conclusión de que la crema mejora la piel de más del 60% de
las mujeres de edad media.

Conclusión.
Hoy hemos revisado pruebas de hipótesis y su aplicación en diferentes escenarios. Desde
pruebas z para proporciones hasta pruebas t para medias, pasando por diversas situaciones
donde evaluamos afirmaciones sobre poblaciones, ya sea sobre proporciones de éxitos, medias
de tiempos de respuesta o la eficacia de ciertos tratamientos.

Exploramos cómo formular hipótesis nula y alternativa, calcular estadísticos de prueba y

compararlos con valores críticos o utilizar valores p para tomar decisiones acerca de las
afirmaciones que hacemos sobre poblaciones.

En resumen, hemos recorrido un camino para comprender cómo se utilizan las pruebas
estadísticas para evaluar afirmaciones sobre datos de muestra y tomar decisiones basadas en la
evidencia estadística.

Página 15 de 16
Referencias

Devore, J. L. (2016). Probabilidad y estadistica para ingenieria y ciencias (9 ed.). Cengage

Learning. Retrieved from
[Link]
CIA/APUNTES/APUNTES%20PDF/Probabilidad%20y%20Estadistica%20para%20Ingen
ieria%20y%20Ciencias%20-%20Jay%20Devore%20-%20Septima%[Link]

McClave, J., & Sincich, T. (2014). Statistics (12 ed.). Harlow: Pearson.

Mendenhall, W. I., Beaver, R. J., & Beaver, B. M. (2015). Introducción a la probabilidad y

estadística (14 ed.). México, D.F: CENGAGE Learning.

Sweeney, D. J., Anderson, D. R., & Williams, T. (2011). Estadistica para negocios y economia (11
ed.). Cengage Learning. Retrieved from [Link]
[Link]

Página 16 de 16