“AÑO DE LA SOBERANIA NACIONAL”

UNIVERSIDAD NACIONAL
SAN LUIS GONZAGA

ESTADISTICA NO PARAMETRICA,
TAMAÑO DE PRUEBAS Y PRUEBA DE
HIPOTESIS

DOCENTE:
ECOS QUINTANILLA VICENTE HIPOLITO

ALUMNA :
Alely Caroline Antezana Antezana
ESTADISTICA NO PARAMETRICA
DEFINICIÓN TECNICA

La estadística no paramétrica es una rama de la inferencia estadística cuyos cálculos y

procedimientos están fundamentados en distribuciones desconocidas.
La estadística no paramétrica no es muy popular. Sin embargo, existe una literatura
muy extensa sobre ella. El problema que pretende solucionar la estadística no
paramétrica es el desconocimiento de la distribución de probabilidad.
En otras palabras, la estadística no paramétrica intenta averiguar la naturaleza de una
variable aleatoria. Para, una vez sabe cómo se comporta, realizar cálculos y métricas
que la caracterizan.
OBJETIVO DE LA ESTADISTICA NO PARAMETRICA
Existen diferentes tipos de distribuciones de probabilidad sobre las que trabaja la
estadística paramétrica. Ahora bien, cuando no sabemos a qué tipo de distribución de
probabilidad corresponde una variable, ¿qué cálculos utilizamos?
Es decir, cuando no conocemos la distribución de probabilidad de un conjunto de
datos, debemos hacer inferencia estadística con procedimientos no paramétricos.
Dicho con otras palabras, si no sabemos qué tipo de distribución de probabilidad tiene
un fenómeno, no podemos realizar estimaciones como si realmente supiéramos cómo
se distribuye. Este es el objetivo de la estadística paramétrica, permitir conocer la
distribución para que podamos ir al siguiente paso (la estadística paramétrica).
PRUEBAS NO PARAMETRICAS
Nuestra misión será intentar saber cómo se distribuye. Para intentar averiguar qué
tipo de distribución tiene un fenómeno determinado, tenemos disponibles una serie
de pruebas o test que nos ayudan a ello. Entre las pruebas no paramétricas más
conocidas se encuentran:

 Test binomial
 Prueba de Anderson-Darling
 Prueba de Cochran
 Prueba de Cohen kappa
 Prueba de Fisher
 Prueba de Friedman
 Prueba de Kendall
 Prueba de Kolmogórov-Smirnov
 Prueba de Kuiper
 Prueba de Mann-Whitney o prueba de Wilcoxon
 Prueba de McNemar
 Prueba de la mediana
 Prueba de Siegel-Tukey
 Prueba de los signos
 Coeficiente de correlación de Spearman
 Tablas de contingencia
 Prueba de Wald-Wolfowitz
 Prueba de los rangos con signo de Wilcoxon

todas estas pruebas pretenden indicarnos si una variable aleatoria se distribuye de

una u otra forma. Por ejemplo, un posible resultado podría ser: la variable aleatoria
X se distribuye a razón de una distribución normal.

Todo sea dicho, los resultados no son infalibles. Para realizar pruebas no
paramétricas debemos tener muestras estadísticas. Por tanto, los resultados
pueden ser fiables pero no tienen por qué ser 100% perfectos.

PRUEBA DE RANGOS CON SIGNO DE WILCOXON PARA

MUESTRAS DEPENDIENTES
El test no paramétrico prueba de los rangos con signo de Wilcoxon, también conocido
como Wilcoxon signed-rank test, permite comparar poblaciones cuando sus
distribuciones (normalmente interpretadas a partir de las muestras) no satisfacen las
condiciones necesarias para otros test paramétricos. Es una alternativa al t-test de
muestras dependientes cuando las muestras no siguen una distribución normal
(muestran asimetría o colas) o cuando tienen un tamaño demasiado reducido para
poder determinar si realmente proceden de poblaciones normales.
A la hora de elegir entre t-test o Wilcoxon signed-rank test, es importante tener en
cuenta que, el problema de las muestras pequeñas, no se soluciona con ninguno de los
dos. Si el tamaño de las muestras es pequeño, también lo es la calidad de la inferencia
que se puede hacer con ellas. Ahora bien, existen dos situaciones en las que, a priori,
se puede recomendar utilizar un Wilcoxon signed-rank test antes que un t-test:

 Si el tamaño de las muestras es suficientemente grande para determinar (por

métodos gráficos o contrastes de hipótesis) que la distribución de las
poblaciones a comparar no es de tipo normal, en tal caso, los t-test no son
adecuados, por lo que mejor emplear un Wilcoxon signed-rank test
(bootstrapping, regresión cuantílica, o test de permutación también podrían ser
otras alternativa).

 Si el tamaño de las muestras no permite determinar con seguridad si las

poblaciones de las que proceden se distribuyen de forma normal, y no se
dispone de información que pueda orientar sobre la naturaleza de las
poblaciones de origen (estudios anteriores, que sea un tipo de variable que se
sabe que se distribuye casi siempre de forma normal…), entonces es más
apropiado el Wilcoxon signed-rank test ya que no requiere asumir la
normalidad de las poblaciones.

CARACTERISTICAS
 Es frecuente encontrar descrito que, el Wilcoxon signed-rank test, compara la
mediana de las diferencias, sin embargo, esto solo es correcto bajo
determinadas condiciones. A modo general, el Wilcoxon signed-rank test
compara si las diferencias entre pares de datos siguen una distribución
simétrica entorno a un valor. Si dos muestras proceden de la misma población,
es de esperar que las diferencias entre cada par de observaciones se
distribuyan de forma simétrica entorno al cero.
  Trabaja sobre rangos de orden, es decir, utilizan las posiciones que ocupan los
datos una vez ordenados. Por lo tanto, solo es aplicable a variables cuyos
valores se pueden ordenar.

 Tienen menos poder estadístico (menor probabilidad de rechazar la hipótesis

nula cuando realmente es falsa) ya que ignoran valores extremos. En el caso de
los t-test, al trabajar con medias, sí los tienen en cuenta. Esto a su vez, hace
que el Wilcoxon signed-rank test sean una prueba más robusta que el t-test.

CONDICIONES PARA LA PRUEBA DE LOS RANGOS CON SIGNO DE

WILCOXON

 Los datos tienen que ser dependientes.

 Los datos tienen que ser ordinales, se tienen que poder ordenar de
menor a mayor o viceversa.
 No es necesario asumir que las muestras se distribuyen de forma
normal o que proceden de poblaciones normales. Pero sea cual sea el
tipo de distribución de las diferencias, tiene que ser simétrica.
 A pesar de considerarse el equivalente no paramétrico del t-test, el
Wilcoxon signed-rank test trabaja con medianas, no con medias.
 Preferible al t-test cuando hay valores atípicos, no hay normalidad de
los datos o el tamaño de las muestras es pequeño.

EJEMPLOS:
EJEMPLO1
Se seleccionan aleatoriamente diez pares de niños de una estancia infantil, cada par
formado de acuerdo con su fecha de nacimiento. Se dividen en dos grupos, un niño de
cada par se coloca en el grupo I y el otro en el grupo II. Se emplean dos dietas
diferentes para alimentar a los dos grupos y después de cierto tiempo se registran sus
aumentos de peso en gramos como se muestra en la siguiente tabla:
Tal información proporciona suficiente evidencia estadística para probar que la dieta
correspondiente al grupo I es menos efectiva, en cuanto al aumento de peso, que la
dieta del grupo II. Utilice un nivel de significación del 5%.
 GRUPO DE PESO CON LAS DOS DIETAS
Numero de pares de niño
X (GRUPO I) Y (GRUPO II)
1 15 12
2 16 20
3 19 34
4 20 22
5 14 21
6 18 16
7 17 26
8 21 20
9 17 22
10 13 21

SOLUCIÓN:

AUMENTO DE PESO CON LAS DOS DIETAS RANGO CON SIGNO

X Y X-Y RANGO - +
15 12 +3 4 +4
16 20 -4 5 -5
19 34 -15 10 -10
20 22 -2 2.5 -2.5
14 21 -7 7 -7
18 16 +2 2.5 +2.5
17 26 -9 9 -9
21 20 +1 1 +1
17 22 -5 6 -6
13 21 -8 8 -8
TOTALES -47.5 +7.5

u 47.5−7.5
r w=¿ =27.5 ¿
2

σr =
w
√ 10 ( 10+ 1 ) (2 ( 10+1 )) =9.81
24
El valor crítico, al establecer una prueba de extremo izquierdo, con un nivel de significación del
5%, es decir, α=.05 por tablas correspondientes a la normal estándar, se tiene que es z c = −
1.645

H o : X -Y =0

H 1: X -Y <0
 -1.64

Cálculo del valor de prueba por el modelo correspondiente, con diferencias sin valor
absoluto :
−47.5−27.5
z p= =−7.64
9.811
Como Zp = − .64 1 < − .645 , entonces se localiza en la región de rechazo ⇒ H0 se rechaza luego
H1 se acepta

Conclusión: La información proporciona evidencia estadística significativa para establecer que

la dieta correspondiente al grupo II es más efectiva, en cuanto al aumento de peso, que la
dieta del grupo I.

EJEMPLO 2
Se desea averiguar si un grupo de estudiantes se sienten mas relajado cuando
escuchan música.

SUJETO CONDICIÓN 1 CONDICIÓN 2

(SIN MUSICA) (CON MUSICA)
1 3 5
2 4 5
3 3 2
4 1 5
5 5 4
6 2 5
7 3 5
8 4 4
9 1 5
10 3 5
MEDIANA 3 5
H O =Noesxisten diferencias entre losniveles de relajación sin y con musica

H 1=existen diferencias entre losniveles de relajación sin y con musica

SUJETO CONDICIÓN CONDICIÓN DIFERENCIA CLASIFICACIÓN

1 2 DE LA
(SIN (CON DIFERENCIA
MUSICA) MUSICA)
1 3 5 -2 (4) 5
2 4 5 -1 (1) 2
 3 3 2 1 (2) 2
4 1 5 -4 (8) 8.5
5 5 4 1 (3) 2
6 2 5 -3 7
7 3 5 -2 (5) 5
8 4 4 0 0
9 1 5 -4 (9) 8.5
10 3 5 -2 (6) 5
MEDIANA 3 5

8 + 9/ 2 = 8 .5
POSITIVAS NEGATIVAS
5
2 2
2 8.5
7
∑= 4 5
8.5
5
∑=41

EL VALOR WILCOXON ES LA SUMATORIA DE MENOR VALOR

W=4
Valor critico = 5
RESPUESTA: Dado que el valor de w es menor que el valor critico a una p<.0 25se
rechaza la hipótesis nula y se acepta la hipótesis de aceptación, por lo tanto, los niveles
de relajación de los estudiantes sin y con música, son diferente

EJEMPLO 3
Un grupo de investigadores realizo un estudio en la prisión, en el cual tenia un
propósito disminuir los niveles de estrés de los presos. Empleando una muestra de 12
presos. A ellos se le administro una escala de estrés, que arrojo los siguientes puntajes,
luego se les aplico el tratamiento, el cual consistió en adoptar ciertas técnicas de
relajación impartida por un experto en el área. Finalmente, se repite la administración
de la escala de estrés. El grupo de investigadores pretende conocer si las técnicas de
relajación tuvieron efectos positivos en los niveles de estrés de los presos que
participaron en el estudio.

N presos ANTES DESPUES

1 2 10
2 1 15
3 5 14
4 6 20
5 7 12
6 10 14
7 9 18
8 11 17
9 9 16
10 11 9
11 16 14
12 10 8

RESOLUCIÓN

N presos ANTES DESPUES Diferencia rango

1 2 10 -8 -8
2 1 15 -14 -11.5
3 5 14 -9 -9.5
4 6 20 -14 -11.5
5 7 12 -5 -5
6 10 14 -4 -4
7 9 18 -9 -9.5
8 11 17 -6 -6
9 9 16 -7 -7
10 11 9 2 2
11 16 14 2 2
12 10 8 2 2

POSITIVOS NEGATIVOS
∑= 6 ∑=14
VALOR CRITICO = 14
RESPUESTA= rechazamos la hipótesis nula, las cual afirman que las técnicas de
relajación producen cambios significativos en los niveles de estrés de los presos
 PRUEBA DEL COEFICIENTE DE CORRELACIÓN POR ORDEN DE RANGO

El coeficiente de correlación de Spearman es una prueba no paramétrica cuando se

desea quiere medir la relación entre dos variables y no se cumple el supuesto de
normalidad en la distribución de tales valores. El coeficiente de correlación de
Spearman de designa por rs .
EJEMPLO 1
Se toma una muestra aleatoria de 11 trabajadores de una fabrica y se anotan las
calificaciones de desempeño que les otorgan 2 supervisores, con los resultados que se
anotan en la siguiente tabla.

TRABAJADO Calificación del supervisor A Calificación del supervisor B

R
1 81 78
2 83 83
3 90 92
4 98 92
5 78 74
6 74 80
7 85 84
8 90 79
9 95 93
10 91 94
11 92 95

Calcule el coeficiente de correlación por orden de rango con un nivel de significación

del 95%
SOLUCIÓN:

TRABAJADO Calificación del Calificación del Rango Rango d dv2

R supervisor A supervisor B A B
1 81 78 3 2 1 1
2 83 83 4 5 -1 1
3 90 92 6.5 7.5 -1 1
4 98 92 11 7.5 3.5 12.25
5 78 74 2 1 1 1
6 74 80 1 4 -3 9
7 85 84 5 6 -1 1
8 90 79 6.5 3 3.5 12.25
9 95 93 10 9 1 1
10 91 94 8 10 -2 4
 11 92 95 9 11 -2 4
SUMA 47.5

6 ( 47.5 )
r s=1− =0.7841
11 ( 11 −1 )
2

La correlación de las calificaciones A y B es fuerte y positiva

H o=¿ ¿No existe correlación entre las poblaciones de calificaciones A y B

H 1=¿ Existe correlación entre las poblaciones de calificaciones A y B

0.7841
T prueba =
√ =3.790
2
1−0.7841
11−2
Como el valor critico del estadístico de prueba es t= ± 2.262 con 9 grados de libertad.
Por lo tanto si existe correlación entre las calificaciones de los 2 supervisores.

EJEMPLO 2
Se requiere analizar si existe correlación entre las calificaciones obtenidas en
matemática e historia. Para ello, se han seleccionado a 6 alumnos, a los que se
clasifico ordenadamente, en función de su calificación académica en ambas
asignaturas.

MATEMATICA HISTORIA
1° 3°
3° 2°
6° 5°
2° 1°
4° 4°
5° 6°
SOLUCIÓN:

MATEMATICA HISTORIA d d v2
1° 3° -2 4
3° 2° 1 1
6° 5° 1 1
2° 1° 1 1
4° 4° 0 0
5° 6° -1 1
SUMA 8

6∗8
r s=1− =0.77
63 −6
EJEMPLO 3
Un psicólogo organizacional esta interesado en conocer la influencia del clima
organizacional sobre el estrés de los trabajadores de una empresa. Para saberlo,
administro dos escalas, una que mide el clima organizacional y otra que mide el estrés,
aun grupo de 10 trabajadores. El psicólogo se plantea que ambas variables están
relacionadas.

Clima organizacional Estrés

61 2
41 15
56 9
42 12
50 11
55 10
62 1
57 7
60 3
59 5

SOLUCIÓN:

Clima organizacional Estrés Rango Rango d d v2

clima estrés
61 2 9 2 7 49
41 15 1 10 -9 81
56 9 5 6 -1 1
42 12 2 9 -7 49
50 11 3 8 -5 25
55 10 4 7 -3 9
62 1 10 1 9 81
57 7 6 5 1 1
60 3 8 3 5 25
59 5 7 4 3 9
SUMA 330

6∗330
r s=1− = -1
103−10
H 0=no existe relacion significactiva entre clima organizacinal y estres

H 1=existe una relación significativa entre clima organizacional y estres

Nivel critico : 0.564

CONCLUSIÓN : Existe una correlación significativa entre clima organizacional y es tres

TAMAÑO DE MUESTRAS
EJERCICIO 1
Se desea estimar el tiempo de duración de pilas Duracell producidos por la empresa
DURACELL. Que sigue una distribución normal con una desviación estándar de del
tiempo de duración es 12 meses . De que tamaño debe ser la muestra para estimar el
tiempo medio de duración con un error máximo de 4 meses y con una confianza del
95%
Z= 1.96

No= (1.96)2 ¿ ¿ = 31
RESPUESTA :La empresa debería tomar una muestra 31 pilas Duracell
Suponga que en el ejercicio anterior se tenia una población de 250 pilas Duracell y se
desea saber de que tamaño será la muestra.
HACIENDO USO DE LA FORMULA DE CORRELACIÓN
31
n= =28
31
1+¿
250
RESPUESTA: En vez de tomar una muestra de 31 pilas debería tomar la muestra de 28
pilas DURACELL

EJERCICIO 2
Se desea estimar la prevalencia de Diabetes en la ciudad de Ica. Siguiendo una
distribución normal con una desviación estándar de 20kg .¿A cuantas personas se debe
estudiar? Si se desea tener un nivel de confianza del 90 % de que la media poblacional
este dentro de 5 kg
0.9/2 = 0.45 = z=1.65

n o=(1.65) ¿ ¿ =44
2

- Se debe estudiar a 44 personas. Pero supongamos que tengamos una población

160
44
n= =35
44
1+¿
160
RESPUESTA: Se debe estudiar a 35 personas

EJERCICIO 3
Se desea conocer el nivel de glucosa de los alumnos de la facultad de administración
de la universidad nacional san Luis Gonzaga de ica. Con una desviación de 100 md/dl,
con un nivel de confianza del 94%, con una precisión de 3.
(1.88¿¿ 2)(250)
n 0= 2
¿ =8825
3
RESPUESTA: el nivel de glucosa de los alumnos de la facultad de administración es de
8825 md/dl
EJERCICIO 4
El dueño de una granja desea hacer una investigación. El peso promedio de las ovejas
según un estudio anterior en una muestra aleatoria d 12 ovejas mostro que la
desviación estándar de sus pesos es de 11.4 libras ¿Qué tan grande debe ser una
muestra para que tenga un nivel de confianza del 95% de que el error de estimación es
de 3 libras.

n=¿ = 56
RESPUESTA: La muestra debe ser de 56 para tener un nivel de confianza del 95%
EJERCICIO 5
Se quiere realizar una investigación entre los docentes de la universidad san Luis
Gonzaga, acerca del manejo de medios virtuales. En el cual se esta trabajando
400.Como dato se tiene que ya se realizo una investigación similar, arrojando como
dato que el 60% utilizan los medios virtuales, al nivel de confianza del 95% con un error
del 5%

(1.96)2 0.60 ¨∗0.40∗400

n= =193
0.052 ( 400−1 ) +1.952∗0.60∗0.40
RESPUESTA : Se tendría que estudiar a 193 docentes para saber acerca del manejo de
los medios virtuales .
EJERCICIO 6
Se harán elecciones en la facultad de ingeniería de sistemas de la universidad san Luis
Gonzaga. El total de alumnos es de 10200. Se quiere realizar una encuesta para saber
cual es la tendencia del voto entre los alumnos. De un estudio piloto se dedujo que
p=0.30, con un nivel de confianza del 95% con un error de 0.02 ¿se desea conocer a
cuantos estudiantes de debe estudiar?
2
(1.96) 0.30∗0.70∗10200
n= 2
=¿1684
0.0004 ( 10200−1 ) +1.96 ∗0.30∗0.70

RESPUESTA: Tendría que estudiarse a 1684 estudiantes para saber cual es la tendencia
máxima de votos entre los alumnos

EJERCICIO 7
Se desea conocer la prevalencia de glucosa en la ciudad de ica ¿ A cuantas personas se
debe estudiar? Se debe tener en cuenta la prevalencia aproximada en la población es
alrededor del 6. Se desea tener una precisión del 4% y un nivel de confianza del 95%
DATOS:
2
(1.96) 0.06∗0.94
Z=1.96 n¿ 2 = 135
0.04
P= 0.06
q=0.94
E=0.04
RESPUESTA: Se debe estudiar a 135 personas

EJERCICIO 8

LA facultad de Administración de la universidad san Luis Gonzaga planea hacer un

estudio con el interés de conocer el promedio de horas semanales trabajadas por las
mujeres del servicio doméstico. La muestra será extraída de una población de 10000
mujeres. De un estudio piloto se dedujo que p =0.40, con un nivel de confianza del 95%
y el error máximo de 0.02.

(1.96)2 0.40∗0.60∗10000
n= = 1873
0.022 ( 10000−1 ) +1.96 2∗0.40∗0.60

RESPUESTA: Tendría que estudiarse a 1873 mujeres para conocer el promedio de horas
semanales trabajadas por las mujeres del servicio domestico
 PRUEBA DE HIPOTESIS

EJERCICIO 1

Deseamos realizar una prueba de hipótesis para la media poblacional de los

estudiantes de la universidad san Luis Gonzaga y planteamos la hipótesis de interés de
que la edad es diferente a 26 años. Posteriormente cogemos una muestra de 18
alumnos y encontramos que el promedio de su edad es de 22.5 años, con una
desviación estándar de 3.5 años. Con un nivel de significación del 5%. Pruebe la
hipótesis del promedio es igual a 26 años en contraposición a la hipótesis alternativa
de que es menor a 26 años

PASO 1:
H 0=¿¿ µ= 26 años

H 1=¿ µ < 26 años

PASO 2
α= 5%
PASO 3
22.5−26
Z=
3.5 = - 4.24 1.64
√18
Decisión: Se rechaza la Ho

EJERCICIO 2
Una maquina express de café instantáneo vierte 230 ml por unidad. Una
muestra aleatoria de 35 café tiene un contenido promedio de 225 ml con
una desviación estándar de 15 ml. Pruebe la hipótesis del promedio sea
igual a 230 ml en contraposición a la hipótesis alternativa de que es menor
a 230 ml en el nivel de significancia del 5%.
PASO 1:
H 0=¿µ = 230

H 1=¿¿ µ < 230

PASO 2: α = 5%
PASO 3:
225−230
Zp= 15 =-1.98
√35

PASO 4 : 1.64

Decisión: se rechaza la Ho
CONCLUISÓN: SE PUEDE AFIRMAR QUE EL CONTENIDO PROMEDIO DE
CADA CAFE ES MENOR DE 23 ML CON UNA SIGNIFICACIÓN DEL 5 %

EJERCICIO 3
Una empresa fabrica y muebles para el hogar. La producción semanal del
escritorio modelo tiene una distribución normal, con una media de 250 y
una desviación estándar de 14. El gerente de la empresa pretende
investigar si hubo algún cambio en la producción de los muebles . ¿La
cantidad media de muebles que se produjeron es diferente de 200
muebles semanales? Utilice un nivel de significancia de 0.01. en una
muestra de 60 semanas, la cantidad media de muebles que se produjeron
fue de 206
PASO 1
H 0=¿µ = 200

H 1=¿ µ ≠ 200
PASO 2
α=0.01
PASO 3
206−200
z=
14 = 3.31 -2.58 2.58
√ 60
PASO 4:
Decisión: Se rechaza la Ho
CONCLUSIÓN: La cantidad media de muebles que se produjeron es
diferente de 200 muebles semanales

EJERCICIO 4

La empresa de ELECTRA ha puesto en marcha una promoción especial

para su licuadora y siente que la promoción debe provocar un cambio en
el precio para el consumidor. CURACAU sabe que antes de que comenzara
la promoción, el precio promedio al menudeo de la licuadora era s/269
con una desviación estándar de 5.12, CURACAU muestrea a 25 minoristas
después de iniciada la promoción y encuentra que el precio medio de las
licuadoras es ahora s/229. A un nivel de significación de 0.05.¿tiene
curacau razones para creer que el precio promedio al menudeo para el
consumidor a disminuido?
PASO 1:
H 0=¿¿ µ = 269

H 1=¿ µ<269

PASO 2
α=0.05
PASO 3
 229−269
Z=
5.12 = - 39
√25

-1.64
Decisión: Se rechaza la Ho
CONCLUSIÓN: Se puede afirmar que el precio promedio al menudeo a
disminuido

EJERCICIO 5

Una gasolinera quiere saber si sus bombas están sirviendo litros

completos, si estas están sirviendo gasolina de mas significa perdidas para
la empresa, si estas sirven menos pueden ser acreedores a una multa,
para esto se tomaron 25 muestras de sus bombas obteniendo los
siguientes resultados.
X= 1.009 L
S= 0.12 ml
Con un nivel del confianza del 95% .¿se puede decir que las bombas están
trabajando bien ?

PASO 1
H 0=µ=1 LITRO

H 1=μ ≠ 1 LITRO

PASO 2
α=5 %
PASO 3

-2.06 2.06
 1.009−1
t=
0.12 =0.38
√25

Decisión: Se acepta la Ho
CONCLUSIÓN: Se puede decir que las bombas están funcionando
correctamente

EJERCICIO 6

Un grupo de personas se someten a un programa riguroso de

adelgazamiento en una clínica, para mejorar sus condiciones de salud. Los
resultados de una muestra aleatoria de 10 pacientes. Si se tienen una
media de 15.9 y una desviación estándar de 5,30
Construya un intervalo de confianza del 95% para la media poblacional del
programa de adelgazamiento. Si la clínica espera que el programa ayude a
las personas a reducir en promedio de 14 kilos ¿considera el programa
adecuado?
PASO 1
H 0=μ=¿15.9

H 1=¿ µ < 15.9

PASO 2 = α=5%
PASO 3
5,30
15,9 ±(0.025)
√ 10
12.11 15.9 19.69
15,9 ±3,79

12,11 < µ < 19,69

DECISIÓN: Se acepta la Ho
CONCLUSIÓN: El programa es adecuado porque el peso promedio que
adelgazan las personas están dentro del intervalo de confianza.

EJERCICIO 7

Una embotelladora de cañete despachadora de botellas de cerveza vierte

225 ml por unidad una muestra aleatoria de 36 botellas de gaseosa tiene
un contenido promedio de 220 ml con desviación estándar de 15 ml.
Pruebe la hipótesis del promedio teorico igual a 225 ml en contraposición
a la hipótesis alternativa, de que es menor a 225 ml en el nivel de
significación del 5%.
PASO 1
H O=¿ ¿µ = 225 ml

H 1=¿¿ µ < 225 ml

PASO 2 = α=5%
PASO 3
220−225
t=
15 =-2.0 -1.65
√36
DECISIÓN: Se rechaza la Ho porque cae en zona de rechazo
CONCLUSIÓN: Se puede afirmar que el contenido promedio de cada
botella o unidad es menor de 225 ml con una significación del 5% de alfa
EJERCICIO 8
La empre QUIA de autoservicios, genera su propia tarjeta de crédito, el gerente desea
averiguar si el saldo medio adeudado por los clientes es mayor a s/400, el nivel de
significación es de 5%. Una revisión aleatoria de 172 saldos deudores revelo que la
media muestral es de s/407 y la desviación estándar de s/ 38 ¿debería concluir el
gerente que la media poblacional es mayor que s/400 o es razonable suponer que la
diferencia de s/ 7 se debe al azar de la selección?
PASO 1
H o =μ=400

H 1=μ> 400

PASO 2 = α=5%
PASO 3
407−400
t=
38 =2-41
√ 172

1.64
Decisión: Se rechaza la Ho
CONCLUSIÓN: Los datos muestrales permiten que el promedio adecuado por los
clientes de la tarjeta de crédito es mayor de s/400