Clase 11 Contraste de Hipotesis
Clase 11 Contraste de Hipotesis
Clase 11 Contraste de Hipotesis
CONTRASTE DE HIPÓTESIS
DE LA
MEDIA
Estadística inferencial
Población
4.- Estimación
de parámetros
5.- Contraste de
hipótesis
Contraste de Hipótesis
A través del contraste de hipótesis, la estadística proporciona procedimientos óptimos
para decidir la aceptación o el rechazo de afirmaciones o hipótesis acerca de la
población en estudio. Las hipótesis se contrastan comparando sus predicciones con
los datos experimentales. Si coinciden dentro de un margen de error, la hipótesis se
mantiene. En caso contrario se rechaza.
Una hipótesis estadística es una afirmación o conjetura que se hace sobre una, o
varias, características de una población. Ejemplos de dichas afirmaciones incluyen el
que la media de una población tenga un determinado valor, o que los valores de una
variable presenten menor dispersión en torno a un valor medio en una población
comparada con la dispersión en otra, etc. Evidentemente, la forma más directa de
comprobar.
Por ejemplo, para demostrar que un producto es mejor que otro, se hace la hipótesis
de que son iguales, es decir, que cualquier diferencia observada es debida
´únicamente a fluctuaciones en el muestreo.
n > 30
Zona de Zona de
Zona de aceptación aceptación
aceptación
Zona de Zona de
Zona de Zona de rechazo rechazo
rechazo rechazo
n < 30
Contraste de Hipótesis
1 Gráfico
2 Hipótesis
Cuando se quiere comprobar si la media de Cuando se quiere comprobar si la media de Cuando se quiere comprobar si la media de
la muestra es igual o diferente la media de la muestra menor a la media de la la muestra es mayor a la media de la
la población población población
Estadístico de
prueba
experimental
n > 30
3
Estadístico de
prueba
experimental
n < 30
Estadístico
tabulado
Su valor depende del NC con el que se Su valor depende del NC con el que se Su valor depende del NC con el que se
n > 30 trabaje trabaje trabaje
4
Estadístico
tabulado
n < 30 Su valor depende del NC con el que se Su valor depende del NC con el que se Su valor depende del NC con el que se
trabaje trabaje trabaje
Pasos Bilateral Izquierda Derecha
Comparar
estadístico
experimental y
tabulado
n > 30 Se compara en valor absoluto Se compara en valor absoluto Se compara en valor absoluto
5
Comparar
estadístico
experimental y
tabulado
Se compara en valor absoluto Se compara en valor absoluto Se compara en valor absoluto
n < 30
Decisión
n > 30
Decisión
n < 30
Paso 7 Bilateral
n > 30 Aceptar Ho
𝒁(𝜶/𝟐) = - (NC) 𝒁(𝜶/𝟐) = + (NC)
Rechazar Ho y se Acepta H1 Rechazar Ho y se Acepta H1
Paso 7 Bilateral
n < 30 Aceptar Ho
t(𝜶/𝟐; gl) = - (NC) t (𝜶/𝟐; gl) = + (NC)
Rechazar Ho y se Acepta H1 Rechazar Ho y se Acepta H1
n > 30
Rechazar Ho y se Acepta H1
Para ver gráficamente el valor del Z experimental si se considera el signo ( - o +)
Paso 7 Izquierda
n < 30
Aceptar Ho
t(𝜶 ; gl) = - (NC)
Rechazar Ho y se Acepta H1
n > 30
Aceptar Ho
𝒁(𝜶) = + (NC)
Rechazar Ho y se Acepta H1
Paso 7 Derecha
n < 30
Aceptar Ho
t(𝜶; gl) = + (NC)
Rechazar Ho y se Acepta H1
Paso 6 Decisión:
En este caso el valor absoluto del Z experimental es mayor al valor absoluto del Z tabulado, por lo
tanto, se rechaza Ho y se Acepta H1, es decir el valor calculado de la media 298,3 es diferente el
valor declarado en el envase de 300,0 g
Paso 7: Gráfico
Aceptar Ho
𝒁(𝜶/𝟐) = - 1,96 𝒁(𝜶/𝟐) = + 1,96)
Rechazar Ho y se Acepta H1
El valor de Z experimental es de -3,54, no esta entre los valores de Z(α/2) -1,96 y +1,96 , está muy por debajo del valor del
estadístico tabulado - 1,96, es decir cae en la zona de rechazo, por tal razón se rechaza Ho, y se acepta H1, es decir el peso de
298,3 de los envases no es igual al peso declarado
Contraste de Hipótesis
𝒁(𝜶) = - (NC)
Contraste de Hipótesis
Contraste de Hipótesis
Ejercicio 2
Paso 5: Comparar el estadístico experimental y el estadístico tabulado
Se debe compara en valor absoluto
Paso 6 Decisión:
En este caso el valor absoluto del Z experimental es mayor al valor absoluto del Z tabulado, por lo
tanto, se rechaza Ho y se Acepta H1, es decir el valor calculado de la media de 2,983, es menor al
valor declarado del envase 300,0 g
Paso 7: Gráfico
𝒁(𝜶/𝟐) = - 1,645
Rechazar Ho y se Acepta H1
El valor de Z experimental es de -3,54 , que esta muy por debajo del valor del estadístico tabulado Z(α ) = - 1,645, es decir cae
en la zona de rechazo, por tal razón se rechaza Ho, y se acepta H1, es decir el peso de 298,3 de los envases es menor al peso
declarado de 300 g
Ejercicio 3
Contraste de Hipótesis
El límite máximo de concentración del isótopo radiactivo estroncio 90 en la leche es de es 5 unidades por litro. Para
verificar si las especificaciones se cumplían en cierta región del país, fueron seleccionadas aleatoriamente 60
lecherías, encontrándose una media aritmética de 6,6 unidades por litro y una desviación estándar de 0,7958
unidades por litro. En las mediciones se trabajo al 95% de confianza.
¿Diga si la leche es apta para el consumo humano?
Desarrollo
, Para que la leche se apta para el consumo humano la leche no debe contener mas de 5 unidades por litro de
estroncio 90, ya que si existe mas de esto la leche se vuelve radioactiva y perjudicial para la salud.
Lo que vamos a comprobar en este problema es si las 6,6 unidades de estroncio 90 por litro es mayor al límite
permitido de 5 unidades por litro, es decir tenemos un contraste de hipótesis de cola derecha.
Cuando se quiere comprobar que la media experimental es mayor que el valor verdadero o media poblacional o el
valor de un estándar se plantea una hipótesis de cola derecha.
1: Gráfico
Paso 2: Hipótesis
En este caso la hipótesis son:
𝒁(𝜶) = + (NC)
Contraste de Hipótesis
Contraste de Hipótesis
Ejercicio 3
Paso 5: Comparar el estadístico experimental y el estadístico tabulado
Se debe compara en valor absoluto
Paso 6 Decisión:
En este caso el valor absoluto del Z experimental es mayor al valor absoluto del Z tabulado, por lo
tanto, se rechaza Ho y se Acepta H1, es decir el valor calculado de 6,6 unidades por litro de
estroncio 90, es superior al límite máximo establecido de 5 unidades por litro, y la leche no es apta
para el consumo humano
Paso 7: Gráfico
𝒁(𝜶) = + 1,645
Rechazar Ho y se Acepta H1
El valor de Z experimental es de 15,57 , que esta muy por encima del valor del estadístico tabulado Z(α) = +1,645, es decir
cae en la zona de rechazo, por tal razón se rechaza Ho, y se acepta H1, es decir las 6,6 unidades por litro de estroncio 90 esta sobre el
límite máximo de 5 unidades por litro permitidos
Contraste de Hipótesis
Paso 6 Decisión:
En este caso el valor absoluto del t experimental es menor al valor absoluto del t tabulado, por lo
tanto, se acepta Ho y se rechaza H1, es decir el valor calculado de la media 100,6 mg/L , es igual a
valor del estándar de plomo de 102,2 mg/L y la cantidad de errores sistemáticos cometido es
aceptable
Paso 7: Gráfico
Aceptar Ho
t (𝜶/𝟐 ; gl) = - 2,120 t (𝜶/𝟐 ; gl) = + 2,120
Aceptar Ho y se rechaza H1
El valor de t experimental es de -1,88 , que esta entre el valor del estadístico tabulado t (α/2) = -2,120 y + 2,120, es decir
cae en la zona de aceptación, por tal razón se acepta Ho, y se rechaza H1, es decir el valor medio de 100,6 mg/L es igual al valor del
estándar de 102,2 mg/L de plomo y los errores sistemáticos cometidos son aceptables
CONTRASTE DE HIPÓTESIS
DE DOS MEDIAS EXPERIMENTALES
Contraste de Hipótesis
de dos medias
Si las varianzas son iguales Si las varianzas son diferentes
Pasos Pasos
Paso 1 Sacamos factor común y de la raíz la a S Para ver si Paso 1: Calcular el t exp
las varianzas
son iguales
o diferentes.
lo hacemos
Paso 2 Calculamos la Sconjunta con la
distribución Paso 2 Calculamos el t (α/2; gl ) tabulado
de FISHER
Decisión
Distribución de
FISHER
Distribución de F de Fisher
La variación del método A comparada con el método B puede ser igual o diferente
Distribución de F de Fisher
Intuitivamente, podríamos comparar las varianzas de dos poblaciones, y utilizando
la razón de las varianzas de la muestra /
El estadístico de prueba para ver si dos varianzas muéstrales son iguales o diferentes será:
• Los grados de libertad gl1 = n1 -1 y gl2= n2-1 en donde n1 y n2 son los tamaños de las
muestras
• Y del nivel de confianza ( NC) con el que se trabaje, expresado como ( α ) nivel de
significancia
glN/glD
NC
Una cola
1-α
glN/glD
Dos colas
NC
1-α
Distribución de F de Fisher
Como calcular el valor de F UNA COLA
Como dijimos el valor de F depende del Nivel de Confianza ( NC), expresado como el nivel de significancia
(α ) y de los grados de libertad gl1 = n1-1 y gl2 n2-1, donde n1 y n2 son los tamaños de las muestras.
Ejemplo 1:
Se toma dos muestras de una población n1 = 10 y n2 = 8 se trabaja a un nivel de confianza del NC 95%;
calcular el valor de F, si se tiene una cola:
Supongamos que los datos de la muestra n1 tiene una varianza de 4 y los de la muestra 2 tienen una
varianza de 6.
Datos
NC = 95% = 0,95
ἀ = 5%= 0,05
n1 = 10
gl1 = n1-1
gl1 = 10-1 = 9
NC ἀ = 5% = 0,05
n2 = 8 95%
gl2 = n2-1
gl2 = 8-1 = 7
Grados de
libertad del
denominador glD
Tabla de la distribución de F de Fisher
Grados de
libertad del DOS COLAS
numerador glN
Grados de
libertad del
denominador glD
Distribución de F de Fisher
Como calcular el valor de F
UNA COLA
Ejemplo 2 variando el nivel de confianza
Se toma dos muestras de una población n1 = 10 y n2 = 8 se trabaja a un nivel de confianza del NC 2,5%;
calcular el valor de F, si se tiene una cola:
Supongamos que los datos de la muestra n1 tiene una varianza de 4 y los de la muestra 2 tienen una
varianza de 6.
Distribución de F de Fisher
Como calcular el valor de F UNA COLA
Ejemplo 2:
Se toma dos muestras de una población n1 = 10 y n2 = 8 se trabaja a un nivel de confianza del NC 2,5%;
calcular el valor de F, si se tiene una cola:
Supongamos que los datos de la muestra n1 tiene una varianza de 4 y los de la muestra 2 tienen una
varianza de 6.
Datos
NC = 2,5% = 0,025
α = 97,5%= 0,975
n1 = 10 α = 97,5% = 0,975
NC
gl1 = n1-1
2,5%
gl1 = 10-1 = 9
n2 = 8
gl2 = n2-1
gl2 = 8-1 = 7 Como no se tiene tabulado los valores de F para valores de α = 0,95, lo
que se hace es encontrar el valor de F( 0,05; glN/glN) y sacar su inversa
DOS COLAS
Ejemplo 3
Se toma dos muestras de una población n1 = 10 y n2 = 8 se trabaja a un nivel de confianza del NC 95%;
calcular el valor de F, si se tiene dos colas:
Supongamos que los datos de la muestra n1 tiene una varianza de 4 y los de la muestra 2 tienen una
varianza de 6.
Distribución de F de Fisher
Como calcular el valor de F
DOS COLAS
Ejemplo 3:
Se toma dos muestras de una población n1 = 10 y n2 = 8 se trabaja a un nivel de confianza del NC 95%;
calcular el valor de F, si se tiene dos colas:
Supongamos que los datos de la muestra n1 tiene una varianza de 4 y los de la muestra 2 tienen una
varianza de 6.
Datos
NC = 95% = 0,95
α = 5%= 0,05
α/2 = 0,05/2 = 0,025
n1 = 10
NC = 95%
gl1 = n1-1
gl1 = 10-1 = 9
n2 = 8
Grados de
libertad del
denominador glD
Contraste de hipótesis dos medias
Ejercicio 1:
En una comparación de dos métodos analíticos se obtiene los siguientes resultados. Se
trabajó al 95% de confianza.
Pasos
1.- Planteamos la hipótesis de las medias
glN = 10-1 = 9
glD = 10-1 = 9
Grados de
libertad del
denominador glD
Contraste de hipótesis dos medias
gl = n1+n2 - 2
gl = 10 + 10 - 2
gl = 18
9.- Decisión
En este caso como el t experimental, es mayor al t tabulado se rechaza Ho y se acepta H1
Es decir las medias no son iguales
Contraste de hipótesis dos medias
Ejercicio 2:
La siguiente tabla proporciona la concentración de tiol en sangre de dos grupos de personas, el primer
grupo es sano y el segundo grupo sufre artritis reumatoide
Concentración de tiol mMOL
Normal Reumatoide
1,84 2,81
1,92 4,06
1,94 3,62
1,92 2,27
1,85 3,27
1,91 3,76
2,07
Pasos
1.- Planteamos la hipótesis de las medias
glN = 6-1 = 5
glD = 7-1 = 6
Grados de
libertad del
denominador glD
Contraste de hipótesis dos medias
DESARROLLO
En este caso la hipótesis de comparación de dos medias no es apropiado, ya que tenemos una
muestra pareada.
Una muestra pareada es cundo a una misma muestra o individuo se le somete a dos tratamientos
diferentes y se observa si hubo diferencia entre el tratamiento y do al cual fue sometida la muestra o
individuo. En este caso lo mas apropiado es realizar un contraste de de hipótesis de media apareada,
en donde se observa la diferencia de cada para de resultados dados por los métodos.
1.- Plantear hipótesis
2.- Calcular las diferencias de xi, la media de las diferencias y la desviación estándar de las diferencias
Muestra Método oxidación húmeda Método extracción directa Xid
1 71 76 -5
2 61 68 -7
3 50 48 2
4 60 57 3
Media de las diferencias -1,75
Desviación Estándar de las diferencias 4,99
Contraste de hipótesis de muestras pareadas
Ejercicio 2
3.- calculo del t experimental.
6.- Decisión
En este caso como el valor absoluto del t experimental es menor al t tabulado, se acepta Ho, es decir
los métodos 1 y 2 no dan valores diferentes para las concentraciones de plomo.
α/2= 0,025
gl
CONTRASTE DE HIPÓTESIS
DE UNA
VARIANZA EXPERIMENTAL
CON LA VARIANZA DE LA
POBALCIÓN
Contraste de hipótesis de varianzas
Unilateral
Bilateral
gl
NC
1-α
Unilateral
gl
NC
1-α
Pasos para el contraste de hipótesis de varianzas
Pasos
4.- Comparar el estadístico Chi experimental con el Chi tabulado ( se compara en valor
absoluto)
Bilateral Unilateral
5.- Decisión
Bilateral Unilateral
Pasos para el contraste de hipótesis de varianzas
Ejercicio 1
Una compañía embotelladora de gaseosas quiere controlar la variación del llenado de las botellas,
para eso a especificado que la variación permitida máxima es de 0,0004 ml. Para comprobar esto
toma una muestra de 28 botellas mide su media y su varianza S^2 siendo esta de 0,0007 ml. Se
trabajó al 95% de confianza
a.- Diga si la varianza de la muestra es igual o diferente a lo especificado
b.- Diga si la variación de la muestra es menor o mayor a lo especificado
Datos
n = 28
NC = 95%
α = 5% = 0,05
α/2 = 0,025
gl
NC
1-α
gl= 27
Tabla 3
ἀ = 0,025
gl= 27
Pasos para el contraste de hipótesis de varianzas
Pasos
4.- Comparar el estadístico Chi experimental con el Chi tabulado ( se compara en valor absoluto)
Bilateral
5.- Decisión
En este caso el valor del chi experimental es mayor al Chi tabulado, y por lo tanto se acepta H1, lo que
significa que la varianza de l muestra es diferente a la varianza de la población
De forma gráfica podemos ver:
gl
NC
1-α
Datos
n = 28
NC = 95%
α = 5% = 0,05
α/2 = 0,025
gl
NC
1-α
gl= 27
Pasos para el contraste de hipótesis de varianzas
Pasos
4.- Comparar el estadístico Chi experimental con el Chi tabulado ( se compara en valor absoluto)
Unilateral
5.- Decisión
En este caso el valor del chi experimental es mayor al Chi tabulado, y por lo tanto se acepta H1, lo que
significa que la varianza de la muestra es mayor al de la varianza de la población
Es decir: 0,0007ml es mayor a 0,0004ml
gl
NC
1-α
Nos podemos preguntar que método analítico es mas preciso que otro
Unilateral
Bilateral
glN/glD
NC
1-α
Unilateral
glN/glD
NC
1-α
Pasos para el contraste de hipótesis de dos varianzas experimentales
Pasos
4.- Comparar el estadístico F experimental con el t tabulado ( se compara en valor
absoluto)
Bilateral Unilateral
5.- Decisión
Bilateral Unilateral
Pasos para el contraste de hipótesis de dos varianzas experimentales
2.- Las varianza del método 1, debe ser igual a la varianza del
método 2
Ejercicio 1
Los siguientes resultados se obtuvieron al comparar un método nuevo un un método estándar para la
determinación de fenibutazona, los datos están en porcentajes de recuperación. Se trabajó al 95% de
confianza. Indique si se puede aceptar los datos obtenidos por el método nuevo
Media Desviación Estándar Varianza n
Método nuevo 99,35 0,4301 0,185 3
Método estándar 99,53 0,3899 0,152 3
Para poder aceptar los datos del método nuevo, es necesario que :
1.- Las medias deben ser iguales
2.- Las varianza del método nuevo debe ser menor a la varianza del método estándar
Unilateral
glN/glD
NC
glN = n1-1
1-α
glN=3-1=2
glD = n1-1
glD=3-1=2
Grados de
libertad del
denominador glD
Pasos para el contraste de hipótesis de dos varianzas experimentales
Pasos
4.- Comparar el estadístico F experimental con el t tabulado ( se compara en valor absoluto)
Unilateral
5.- Decisión
En este caso la F experimental es menor al f tabulado y se acepta Ho, esto significa que la varianza del
método nuevo es mas pequeña que la del método estándar y si se puede aceptar los datos del
método nuevo.
glN/glD
NC
1-α
Pasos para el contraste de hipótesis de dos varianzas experimentales
Ejercicio 2
En una comparación de dos métodos para la determinación de Boro en plantas se obtuvieron los
siguientes resultados.
Para poder saber si los dos métodos dan los mismos resultados, es necesario que :
1.- Las medias deben ser iguales
2.- Las varianza del método 1 debe ser igual a la varianza del método 2
DESARROLLO
1.- Las medias deben ser iguales
Bilateral glN/glD
gl de la varianza mayor NC
glN = n1-1 1-α
glN=10-1 = 9
gl de la varianza menor
glD = n1-1
glD=8-1= 7
Grados de
libertad del
denominador glD
Pasos para el contraste de hipótesis de dos varianzas experimentales
Pasos
4.- Comparar el estadístico F experimental con el t tabulado ( se compara en valor absoluto)
Bilateral
5.- Decisión
En este caso la F experimental es menor al f tabulado y se acepta Ho, esto significa que la varianza del
método 1 es igual a la del método 2 y decimos que la variación de los dos métodos son iguales; o
también que se han cometido los mismos errores aleatorios
glN/glD
NC
1-α
CONTRASTE DE HIPÓTESIS
de
Proporciones
https://www.youtube.com/watch?v=abuTrNjsoWk
https://www.youtube.com/watch?v=C2AQiM7NCIk
Contraste de hipótesis de proporciones
El concepto de la prueba de hipótesis también se puede utilizar en relación con datos cualitativos,
esto permite decidir con base en los datos muestrales, si la proporción muestral p, es igual, mayor o
menor que la proporción poblacional.
p = xi/n
En donde la variable aleatoria Xi, definida como el número de éxitos obtenidos en una
muestra de tamaño n, es por definición una variable aleatoria de distribución binomial.
quedando
~N(0,1)
1 Gráfico
Estadístico de
3 prueba
experimental
Estadístico
4 tabulado
Su valor depende del NC con el que se
Su valor depende del NC con el que se Su valor depende del NC con el que se
trabaje
trabaje trabaje
Compara
estadístico
5 experimental
con estadístico
tabulado
Decisión
6
Contraste de hipótesis de proporciones
Ejercicio 1
Un medicamento para malestar estomacal tiene la advertencia de que algunos usuarios pueden
presentar una reacción adversa a él, más aún, se piensa que alrededor del 3% de los usuarios tienen
tal reacción. Si en una muestra aleatoria de 150 personas con malestar estomacal usa el
medicamento, y el 4% presenta reacción adversa. Se trabaja al 95% de confianza. Diga si la proporción
de la muestra es diferente a la proporción de la población.
Datos
Proporción de la población: po = 3%
n = 150
Proporción de la muestra :p= 4%
NC = 95%
α = 5%
Primero vamos a ver si la proporción de la muestra p, es igual o diferente a la proporción de la
población
Paso 1
Hipótesis
Ho: p = po
H1: p ≠ po
Contraste de hipótesis de proporciones
2.- Cálculo de Z experimental
5.- Decisión
En este caso el Z experimental es menor que el z tabulado, por lo tanto la proporción de la muestra
4% es igual a la proporción de la población 3%
0
Contraste de hipótesis de proporciones
Ejercicio 2
Una compañía farmacéutica afirma que un antibiótico tiene 80% de efectividad. Se somete a prueba
una muestra aleatoria de 50 casos de estudio y se obtiene una proporción de 65,7%. ¿Presentan los
datos suficiente evidencia para refutar la afirmación de la compañía?. Para este problema, si se
selecciona un nivel de confianza del 95%, nivel de significación α de 5%.
Datos
Proporción de la población: po = 80%
n = 50
Proporción de la muestra :p= 65,7%
NC = 95%
α = 5%
a).-
Paso 1
Hipótesis
Ho: p = po
H1: p ≠ po
Contraste de hipótesis de proporciones
2.- Cálculo de Z experimental
5.- Decisión
En este caso el valor absoluto del Z experimental es mayor que el z tabulado, por lo tanto la
proporción de la muestra 65,7% es diferente a la proporción de la población 80%
0
Contraste de hipótesis de proporciones
Ejercicio 2
Una compañía farmacéutica afirma que un antibiótico tiene 80% de efectividad. Se somete a prueba
una muestra aleatoria de 50 casos de estudio y se obtiene una proporción de 65,7%. ¿Presentan los
datos suficiente evidencia para refutar la afirmación de la compañía?. Para este problema, si se
selecciona un nivel de confianza del 95%, nivel de significación α de 5%.
Datos
Proporción de la población: po = 80%
n = 50
Proporción de la muestra :p= 65,7%
NC = 95%
α = 5%
Como en la parte (a) salió que la proporción de la muestra p es diferente a la proporción de la población po,
tenemos que comprobar si la proporción de la muestra es mayor o menor que la proporción de la población.
Aparentemente 65,7% puede ser menor que 80%,
Cuando se quiere probar que la proporción de la muestra p, es menor que la proporción de la población po se aplica
un contraste de cola izquierda.
probamos una hipótesis unilateral izquierda
b).-
Paso 1
Hipótesis
Ho: p ≥ po
H1: p < po
Contraste de hipótesis de proporciones
2.- Cálculo de Z experimental
5.- Decisión
En este caso el valor absoluto del Z experimental es mayor que el Z tabulado, por lo tanto la
proporción de la muestra 65,7% es menor que la proporción de la población 80%
Contraste de hipótesis de proporciones
Ejercicio 2
El gerente de producción de una empresa de productos derivados de la leche afirma que cuando
mucho el 2% de las bolsas de leche se descomponen en los lugares de venta. Pruebe esta aseveración
con α=0,05, si una revisión hecha en 50 bolsas de varios establecimientos se observó que 3 bolsas
estaban en mal estado.
Datos
Proporción de la población: po = 2% =0,02
n = 50
Xi = 6
Proporción de la muestra :p= xi/n = 4/50 = 0,08
NC = 95%
α = 5%
Aparentemente la proporción de la muestra p = 0,08 es mayor que la proporción de la población po = 0,02, vamos a
probar una hipótesis unilateral derecha
Paso 1
Hipótesis
Ho: p ≤ po
H1: p > po
Contraste de hipótesis de proporciones
2.- Cálculo de Z experimental
5.- Decisión
En este caso el valor absoluto del Z experimental es mayor que el Z tabulado, por lo tanto la
proporción de la muestra del 8% es mayor que la proporción de la población 2%; por lo tanto en las
tiendas las bolsas de leche se descomponen en un 8%, no cumpliéndose con lo que afirmaba el
gerente de la empresa, que decía que como máximo se descomponían un 2%