Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 63 vistas

    Ejercicios Resueltos Sobre Prueba de Hipótesis para Una Muestra

    Cargado por

    carla lorena
    Este documento presenta 7 ejemplos de pruebas de hipótesis para una muestra de proporción o media. En cada ejemplo se plantean las hipótesis nula y alternativa, se presentan los datos recolectados, se realiza la prueba estadística correspondiente (prueba de proporciones o prueba t), se toma una decisión sobre si rechazar o no la hipótesis nula basada en el valor p, y se presenta una conclusión.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Ejercicios Resueltos Sobre Prueba de Hipótesis para Una Muestra

    Cargado por

    carla lorena
    63 vistas4 páginas
    Este documento presenta 7 ejemplos de pruebas de hipótesis para una muestra de proporción o media. En cada ejemplo se plantean las hipótesis nula y alternativa, se presentan los datos recolectados, se realiza la prueba estadística correspondiente (prueba de proporciones o prueba t), se toma una decisión sobre si rechazar o no la hipótesis nula basada en el valor p, y se presenta una conclusión.

    Descripción original:

    preguntas

    Título original

    Ejercicios Resueltos Sobre Prueba de Hipótesis Para Una Muestra

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta 7 ejemplos de pruebas de hipótesis para una muestra de proporción o media. En cada ejemplo se plantean las hipótesis nula y alternativa, se presentan los datos recolectados, se realiza la prueba estadística correspondiente (prueba de proporciones o prueba t), se toma una decisión sobre si rechazar o no la hipótesis nula basada en el valor p, y se presenta una conclusión.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    63 vistas4 páginas

    Ejercicios Resueltos Sobre Prueba de Hipótesis para Una Muestra

    Cargado por

    carla lorena
    Este documento presenta 7 ejemplos de pruebas de hipótesis para una muestra de proporción o media. En cada ejemplo se plantean las hipótesis nula y alternativa, se presentan los datos recolectados, se realiza la prueba estadística correspondiente (prueba de proporciones o prueba t), se toma una decisión sobre si rechazar o no la hipótesis nula basada en el valor p, y se presenta una conclusión.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 4

    EJERCICIOS SOBRE PRUEBA DE HIPÓTESIS PARA UNA MUESTRA

    PROPORCIÓN

    EJEMPLO 1

    i) Planteamiento de las hipótesis


    Ho: P≤0.5 V
    Ha: P>0.5 (tendría mucha confianza) F
    ii) Datos
    n=40, x=22 (número de elementos favorables), α=0.05
    iii) Prueba estadística o estadístico de prueba
    > prop.test(22,40,p=0.5,alternative = "greater",
    + correct = FALSE,conf.level = 0.95)
    1-sample proportions test without continuity correction
    data: 22 out of 40, null probability 0.5
    X-squared = 0.4, df = 1, p-value = 0.2635
    alternative hypothesis: true p is greater than 0.5
    95 percent confidence interval:
    0.4215725 1.0000000
    sample estimates:
    p
    0.55
    iv) Decisión
    Como el p valor 0.2635 es mayor que el nivel de significancia α de 0.05, existe evidencia
    estadística para no rechazar la hipótesis nula.
    v) Conclusión
    El hincha no debería tener tanta confianza.

    Ejemplo 2
    i) Planteamiento de las hipótesis
    Ho: P≥0.09 F
    Ha: P<0.09 V
    ii) Datos
    n=200; x=10; α=0.05; NC=0.95
    iii) Prueba
    > prop.test(10,200,0.09,alternative = "less"
    + ,correct=FALSE)
    1-sample proportions test without continuity
    correction
    data: 10 out of 200, null probability 0.09
    X-squared = 3.9072, df = 1, p-value = 0.02404
    alternative hypothesis: true p is less than 0.09
    95 percent confidence interval:
    0.00000000 0.08189183
    sample estimates:
    p
    0.05
    iv) Decisión
    Como el p valor es 0.02404, es menor que el nivel de significancia de 0.05, hay evidencia
    estadística para rechazar la hipótesis nula.
    v) Conclusión
    Se puede afirmar que el ausentismo en dicha municipalidad es menor que el promedio de
    ausentismo a nivel nacional.

    Ejemplo 3
    i) Planteamiento de las hipótesis
    Ho: P≥0.15 V
    Ha: P<0.15 F
    ii) Datos
    n=354, x=90, α=0.02, NC=0.98
    iii) Prueba estadística
    > prop.test(90,354,0.15,alternative = "less",
    + correct=FALSE,conf.level = 0.98)
    1-sample proportions test without continuity
    correction
    data: 90 out of 354, null probability 0.15
    X-squared = 30.167, df = 1, p-value = 1
    alternative hypothesis: true p is less than 0.15
    98 percent confidence interval:
    0.0000000 0.3044687
    sample estimates:
    p
    0.2542373
    iv) Decisión
    Como el p valor es 1, mayor que el nivel de significancia de 0.02, existe evidencia estadística
    para no rechazar la hipótesis nula.
    v) Conclusión
    No se puede afirmar que, con el nuevo fármaco, menos del 15% de pacientes desarrolla
    gastritis.

    MEDIA
    Ejemplo 4
    i) Planteamiento de las hipótesis
    Ho: µ≤200 F
    Ha: µ>200 V
    ii) Datos
    n= 12, data (media, desviación estándar), α=0.05
    iii) Prueba estadística
    Como no se conoce la desviación estándar poblacional, se debe utilizar “t”.
    > t.test(x,mu=200,alternative = "greater")
    One Sample t-test
    data: x
    t = 2.0583, df = 11, p-value = 0.03203
    alternative hypothesis: true mean is greater than 200
    95 percent confidence interval:
    210.4429 Inf
    sample estimates:
    mean of x
    281.9167
    iv) Decisión
    Como el p valor es 0.03203 es menor que el nivel de significancia de 0.05, hay evidencia
    estadística para rechazar la hipótesis nula.
    v) Conclusión
    Se puede afirmar que hay pruebas suficientes para concluir que el tiempo medio verdadero
    de reparación es superior a 200 minutos.

    Ejemplo 5
    i) Planteamiento de las hipótesis
    Ho: µ=4.5 V
    Ha: µ≠4.5 F
    ii) Datos
    n= 36, data (media, desviación estándar), α=0.05
    iii) Prueba estadística
    Como no se conoce la desviación poblacional, vamos a utilizar “t”.
    > t.test(x,mu=4.5,alternative = "two.sided")
    One Sample t-test
    data: x
    t = -0.64215, df = 29, p-value = 0.5258
    alternative hypothesis: true mean is not equal to 4.5
    95 percent confidence interval:
    4.441411 4.530589
    sample estimates:
    mean of x
    4.486
    iv) Decisión
    Como el p valor es 0.5258 no es menor que el nivel de significancia de 0.05, hay evidencia
    estadística para no rechazar la hipótesis nula.
    v) Conclusión
    No se puede afirmar o no se verifica que la media no cumpla con el requerimiento. Al
    parecer está funcionando bien.

    Ejemplo 6
    i) Planteamiento de las hipótesis
    Ho: µ≥100 (Se puede utilizar el concreto) V
    Ha: µ<100
    ii) Datos
    n=10, data (media, desviación estándar), α=0.01
    iii) Prueba estadística
    Como no se conoce σ vamos a utilizar la prueba t.
    > t.test(x,mu=100,conf.level = 0.99,alternative="less")
    One Sample t-test
    data: x
    t = -1.3708, df = 9, p-value = 0.1018
    alternative hypothesis: true mean is less than 100
    99 percent confidence interval:
    -Inf 103.7884
    sample estimates:
    mean of x
    96.42
    iv) Decisión
    Como el p valor 0.1018 es mayor que el nivel de significancia de 0.01, hay evidencia
    estadística para no rechazar la hipótesis nula.
    v) Conclusión
    Se verifica que el concreto se puede utilizar.
    Ejemplo 7
    i) Planteamiento de las hipótesis
    Ho: µ≥15 F
    Ha: µ<15 V
    ii) Datos
    n=115, media=11.3, s=6.43, α=0.01
    iii) Prueba estadística
    Como el tamaño de muestra es grande (n>110) asumimos que el valor de s≈σ, entonces
    asumimos el procedimiento con σ conocida. Sin embargo, la data debe ser simulada para
    poder utilizar el software.
    > x<-rnorm(115,mean=11.3,sd=0.001)
    > z.test(x,mu=15,alternative = "less",sigma.x =6.43,
    + conf.level = 0.99)
    One-sample z-Test
    data: x
    z = -6.1709, p-value = 3.396e-10
    alternative hypothesis: true mean is less than 15
    99 percent confidence interval:
    -Inf 12.69482
    sample estimates:
    mean of x
    11.29994
    iv) Decisión
    Como el p valor es 0,00 menor que el nivel de significancia de 0.01, existe evidencia
    estadística para rechazar la hipótesis nula.
    v) Conclusión
    Los datos indican que la ingesta diaria de zinc en dicho grupo de edad cae por debajo de la
    cantidad recomendada.

    También podría gustarte