I.

INTERVALO DE CONFIANZA
PARA UNA MEDIA

Experimentos con uno o

dos tratamientos:
PARTE 2

OBJETIVOS
° Describir las pruebas para la media y la varianza, así
como los conceptos básicos de prueba de hipótesis.
° Identificar las pruebas para la igualdad de varianzas
° Distinguir las pruebas para comparar medias con
muestras independientes y muestras pareadas
OBJETIVOS
° Describir las pruebas para la media y la varianza, así
como los conceptos básicos de prueba de hipótesis.
° Identificar las pruebas para la igualdad de varianzas
° Distinguir las pruebas para comparar medias con
muestras independientes y muestras pareadas

IV. PRUEBAS D
HIPÓTESIS PARA D
MEDIDAS
ALO DE CONFIANZA
A UNA MEDIA

II. INTERVALO PARA LA

VARIANZA

III. INTERVALO PARA

LA PROPORCIÓN
 III. INTERVALO PARA
LA PROPORCIÓN

IV. PRUEBAS DE
HIPÓTESIS PARA UNA
MEDIDA

IV. PRUEBAS DE
HIPÓTESIS PARA DOS
MEDIDAS
Criterio de rechazo
* El estadístico construido, bajo el supuesto que Ho es
verdad es una variable aleatoria con distribución conocida.

* Si Ho es verdad, Si el Estdístico de prueba, deberia caer

dentro del rango de valores más probables de su
distribución aosciada. (Región de aceptación)

* Si cae en una de las colas de su distribución asociada,

fuera del rango de valores más probables, (Región de
Rechazo) es evidencia en contra de que este valor
pertenece a esta distribución. De aquí se deduce que debe
estar mal el supuesto bajo el cual se construyó, es decir,
H0 debe ser falsa.
 Hipótesis estadística
Es una afirmación sobre los valores
de los parámetros de una población
o proceso, que puede probarse a
partir de la información contenida
en una muestra.

PRUEBA DE HIPOTESIS:
CONCEPTOS BÁSICOS
ruido, bajo el supuesto que Ho es
e aleatoria con distribución conocida.

l Estdístico de prueba, deberia caer

alores más probables de su
(Región de aceptación)

colas de su distribución asociada,

ores más probables, (Región de
a en contra de que este valor
ibución. De aquí se deduce que debe
bajo el cual se construyó, es decir,

Supongamos que se toma una muestra de n =

150 piezas y de ellas x = 20 estan defectuosas,
¿Cuál será el valor de Zo para una región de
rechazo unilateral y bilateral?
dística
ón sobre los valores
os de una población Palnteamiento de una Hipótesis Hipótesis Nula : H0 : p = 0.08 (la proporción de defe
puede probarse a estadística Hipótesis Alternativa: HA : p < 0.08 (la proporción es men
rmación contenida La afirmación “este proceso produce menos
. de 8% de defectuosos” se puede plantear
estadísticamente, en términos de la
proporción p desconocida de artículos
defectuosos que genera el proceso de la
siguiente manera
Ejemplos de Hipótesis estadística
* Los tres proveedores del material tienen el
mismo nivel de calidad
* El Porcentaje de este ingerediente afecta al
resultado de la mezcla.
* El tiempo de espera de esta operación es
de tres horas, en promedio.
* Si aumentamos la cantidad de reactivo se
elimina el problema.
* Este proceso produce menos de 8% de
defectos
Palnteamiento de una Hipótesis
estadística
Supongamos ahora que la afirmación a
probar es “este proceso produce 8% de
defectuosos”. Observe que la afirmación
señala que su falsedad se da, tanto si se
observan menos de 8% de defectuosos como
si se observan más de 8% de defectuosos. En
este sentido, el planteamiento estadístico
debe ser:
Hipótesis Nula : H0 : p = 0.08 (la prop
Hipótesis Alternativa: HA : p ≠ 0.08 (la prop
 * pˆ es la proporción de defectuosos que se
encontró en una muestra de n artículos
Estadístico de prueba inspeccionados.
Número calculado a partir de los
datos y de H0, cuya magnitud
permite discernir si se rechaza o no * n es el tamaño de la muestra. la
la hipótesis nula. aproximación es mejor mientras más grande es
el valor de n. En general, se requiere n > 10
para una buena aproximación

* El estadístico de prueba es un número

calculado a partir de los datos y la hipótesis nula,
cuya magnitud permite discernir si se rechaza o
no la hipótesis nula H0.

* Al conjunto de posibles valores del estadístico

de prueba que llevan a rechazar H0, se le llama
región o intervalo de rechazo para la prueba.
* A los posibles valores donde no se rechaza H0
se les llama región o intervalo de aceptación.
H0 : p = 0.08 (la proporción de defectuosos es 0.08)
HA : p < 0.08 (la proporción es menor a 0.08)
En este caso, HA se conoce como hipótesis
alternativa de un solo lado (unilateral), ya
que la única manera de rechazar H0 es
teniendo valores de la proporción muestral
pˆ significativamente más pequeños que
0.08

¿Por qué 0.08 en las hipótesis de l

Este valor se elige de manera que

situaciones que llevan a tomar dif
En general, la estrategia a seguir para probar
una hipótesis es suponer que la hipótesis acciones. Por ejemplo, en la hipóte
nula es verdadera, y que en caso de ser : p < 0.08, se eligió 0.08, porque
rechazada por la evidencia que aportan los ésta es la proporción de defectuos
datos, se estará aceptando la hipótesis mes anterior, y después de implem
alternativa. programa de mejora se quiere ver
En este caso, HA se llama hipótesis resultado esperado. En caso de no
alternativa de dos lados (bilateral), ya que la concluiría que el programa no fun
evidencia en contra de H0 se obtiene con deben tomar medidas adicionales
valores pequeños o grandes de la proporción proporción de defectuosos.
muestral pˆ

ula : H0 : p = 0.08 (la proporción de defectuosos es 0.08)

ternativa: HA : p ≠ 0.08 (la proporción es diferente a 0.08)
¿Por qué 0.08 en las hipótesis de las expresiones?

Este valor se elige de manera que separe dos

situaciones que llevan a tomar diferentes
acciones. Por ejemplo, en la hipótesis dada en HA
: p < 0.08, se eligió 0.08, porque seguramente,
ésta es la proporción de defectuosos reportada el
mes anterior, y después de implementar un
programa de mejora se quiere ver si dio el
resultado esperado. En caso de no rechazar H0 se
concluiría que el programa no funcionó y que se
deben tomar medidas adicionales para bajar la
proporción de defectuosos.
P.

*La ubicación de la región o intervalo de

rechazo depende de si la hipótesis es
bilateral o unilateral. *Para probar la hipótes
*Una hipótesis es bilateral cuando la estadístico de prueba z
hipótesis alternativa (HA) es del tipo “no es en la región de rechazo
igual” (π o µ)

*Es unilateral cuando la alternativa es del

tipo “mayor que” (>) o “menor que” (<)

PRUEBA DE HIPOTESIS DE UNA COLA Y DOS COLAS

CONCEPTOS BÁSICOS
 1. Con los valor de Zo calcualdos en el caso
anterior, ¿se acepta o rechaza hipótesis nula Ho,
con un nivel de confianza del 95%, para los casos
de una cola y dos colas?

2. ¿Qué pasaría si en vez de 20 defectuosos, se

tienen 15?

Desafío 1:
Un fabricante de dulces compra costales de
azúcar a cierto ingenio. Según los vendedores, los
costales tienen un peso medio de 50.1 kg, con
una varianza de (S² = 0.5). El comprador sospecha
que el peso medio es menor. Para ello, selecciona
de manera aleatoria tres bultos de cada uno de
los siguientes cinco pedidos. Pesa los 15 bultos y
obtiene que Xmedia = 49.4 y S² = 1.2. ¿Tiene
razón el fabricante?. calcule con un nivel de
significancia de 5% (a = 0.05).

DESAFÍO 2

ALUMINOSA tiene un nivel de producción de 2000 unidade

la calidad se toma de la línea de producción una muestra a
conformidades críticas, los resultados se muestran en el re
la calidad se toma de la línea de producción una muestra a
conformidades críticas, los resultados se muestran en el re

¿Está el proceso dentro de control estadístico?

¿Cuáles son los límites iniciales?

El Supervisor de la linea decidió realizar una investigación p

detectadas y mejorar el desempeño del proceso, usó la grá
siguientes resultados:

¿Hubo alguna variación con los PNC?

¿Desde que día?
¿Podría concluir con un 95% de confianza, que en verdad e
¿Qué nuevos límites usaría?
*Para probar la hipótesis se calcula el
estadístico de prueba z0 y se verifica si cae
en la región de rechazo o aceptación

*Por lo general se utilizan los valores α = 0.0

riesgo que se quiera admitir en la conclusión

*Mientras más pequeño es el valor de α se r

datos para rechazar Ho. Por ejemplo, si la acc
rechazar Ho implica una inversión fuerte de r
utilizarα= 0.01 para tener mayor confianza d
adecuada. Si la decisión no implica una inver
trabajar con α = 0.05, que es el valor más uti
Error tipo I
Es cuando se rechaza una H0 que es *Un valor más pequeño que α no necesariam
verdadera. admite poco riesgo (α ≤ 0.01) se está truncan
cambios que serían positivos para la empresa
Error tipo II
Es cuando se acepta una H0 que es falsa. *Utilizar α = 0.05 significa que por cada 100
aplica el procedimiento y se rechaza H0, se e
Potencia de la prueba (1-β) 95 veces, tal decisión sea la correcta
Es la probabilidad de rechazar Ho cuando es
 utilizarα= 0.01 para tener mayor confianza d
adecuada. Si la decisión no implica una inver
trabajar con α = 0.05, que es el valor más uti
Error tipo I
Es cuando se rechaza una H0 que es *Un valor más pequeño que α no necesariam
verdadera. admite poco riesgo (α ≤ 0.01) se está truncan
cambios que serían positivos para la empresa
Error tipo II
Es cuando se acepta una H0 que es falsa. *Utilizar α = 0.05 significa que por cada 100
aplica el procedimiento y se rechaza H0, se e
Potencia de la prueba (1-β) 95 veces, tal decisión sea la correcta
Es la probabilidad de rechazar Ho cuando es
falsa.

*Por lo general, en las pruebas de hipótesis se especifica el valor de α y

se diseña la prueba de tal forma que el valor de β sea pequeño. Esto es, la
probabilidad del error tipo I se controla directamente, mientras que la
probabilidad de error tipo II se controla de manera indirecta con el tamaño
de la muestra, ya que a más datos β será menor. En otras palabras, con una
muestra grande es mayor la potencia de la prueba,1 es decir, se
incrementa la probabilidad de rechazar Ho si ésta es falsa.

de producción de 2000 unidades al día aproximadamente del disco de aluminio #20. Para probar
ea de producción una muestra al azar de n=40 unidades para verificar la ausencia de no
resultados se muestran en el registro siguiente:
ea de producción una muestra al azar de n=40 unidades para verificar la ausencia de no
resultados se muestran en el registro siguiente:

control estadístico?
ales?

cidió realizar una investigación para reducir el nivel de PNC, provocado por las NC críticas
sempeño del proceso, usó la gráfica de control durante el mes siguiente, obteniendo los

n los PNC?
% de confianza, que en verdad el proceso ha mejorado?.
?
o general se utilizan los valores α = 0.05 o 0.01, dependiendo del
que se quiera admitir en la conclusión

tras más pequeño es el valor de α se requiere más evidencia en los

para rechazar Ho. Por ejemplo, si la acción a tomar después de
zar Ho implica una inversión fuerte de recursos, se recomienda
rα= 0.01 para tener mayor confianza de que la decisión será la
ada. Si la decisión no implica una inversión fuerte, es suficiente
ar con α = 0.05, que es el valor más utilizado para este riesgo.

alor más pequeño que α no necesariamente será mejor, ya que si se

e poco riesgo (α ≤ 0.01) se está truncando la posibilidad de muchos
os que serían positivos para la empresa

ar α = 0.05 significa que por cada 100 veces independientes que se

el procedimiento y se rechaza H0, se espera que en un promedio de
es, tal decisión sea la correcta
rα= 0.01 para tener mayor confianza de que la decisión será la
ada. Si la decisión no implica una inversión fuerte, es suficiente
ar con α = 0.05, que es el valor más utilizado para este riesgo.

alor más pequeño que α no necesariamente será mejor, ya que si se

e poco riesgo (α ≤ 0.01) se está truncando la posibilidad de muchos
os que serían positivos para la empresa

ar α = 0.05 significa que por cada 100 veces independientes que se

el procedimiento y se rechaza H0, se espera que en un promedio de
es, tal decisión sea la correcta
 Datos:
n= 15
μ= 50,1 Kg
x= 49,4 Kg
s²= 1,2 Kg
α= 0,05

Las Hipotesis:
Ho : μ = 50,1
H1 : μ < 50,1

Grados de libertad

g.l = 14
t tablas= -1.761

T prueba = x-u -2.259

s
 raiz n

tprueba < ttablas la hipotesis es nula

tcal < ttablas

Por la tanto la hipótesis nula se

rechaza

Proporcion por cada muestra LC LCS LCI

0.250

0.200
 Proporcion por cada muestra LC LCS LCI

0.250

0.200

0.150

0.100

0.050

0.000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
-0.050

-0.100

nivel de produccion 2000

DIA 1 2 3 4 5 6 7 8 9 10
PNC 2 3 1 4 3 2 1 1 0 3
Nivel muestra
Proporcion por cada muestra 40 40 40 40 40 40 40 40 40 40
0.050 0.075 0.025 0.100 0.075 0.050 0.025 0.025 0.000 0.075
LC 0.065 0.065 0.065 0.065 0.065 0.065 0.065 0.065 0.065 0.065
LCS 0.182 0.182 0.182 0.182 0.182 0.182 0.182 0.182 0.182 0.182
LCI -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05

n= 40.00
p= 0.06
ñ= 40.00
 LC, LCS y LCI
Proporcion por cada muestra LC LCS LCI

0.150
0.100
0.050
0.000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
-0.050
-0.100
Proporcion por cada muestra

DIA 1 2 3 4 5 6 7 8 9 10
PNC 2 3 4 1 3 1 1 0 2 1
Nivel muestra
Proporcion por cada muestra 40 40 40 40 40 40 40 40 40 40
0.050 0.075 0.100 0.025 0.075 0.025 0.025 0.000 0.050 0.025
LC 0.036 0.036 0.036 0.036 0.036 0.036 0.036 0.036 0.036 0.036
LCS 0.124 0.124 0.124 0.124 0.124 0.124 0.124 0.124 0.124 0.124
LCI -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05

DATOS
 Zcrit= 1.96
n= 23
μ= 0.036
x= 40
s²= 1.075
α= 0.05

Las Hipotesis:
Ho : μ < 0,035
H1 : μ > 0.035

Grados de libertad

g.l = 22
t tablas= 1.717

T prueba = x-u 178.273

s
raiz n
0.200
 0.200

0.150

0.100

0.050

0.000
7 18 19 20 21 22 1
-0.050

-0.100

11 12 13 14 15 16 17 18 19 20 21 22 22
2 4 7 2 3 3 2 8 0 1 3 2 57
40 40 40 40 40 40 40 40 40 40 40 40 880 Proporcion general
0.050 0.100 0.175 0.050 0.075 0.075 0.050 0.200 0.000 0.025 0.075 0.050 0.0648
0.065 0.065 0.065 0.065 0.065 0.065 0.065 0.065 0.065 0.065 0.065 0.065
0.182 0.182 0.182 0.182 0.182 0.182 0.182 0.182 0.182 0.182 0.182 0.182
-0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05
y LCI
LC LCS LCI

2 13 14 15 16 17 18 19 20 21 22 23

da muestra

11 12 13 14 15 16 17 18 19 20 21 22 23 23
0 2 1 2 1 0 2 1 2 1 2 0 1 33
40 40 40 40 40 40 40 40 40 40 40 40 40 920 Proporcion general
0.000 0.050 0.025 0.050 0.025 0.000 0.050 0.025 0.050 0.025 0.050 0.000 0.025 0.036
0.036 0.036 0.036 0.036 0.036 0.036 0.036 0.036 0.036 0.036 0.036 0.036 0.036
0.124 0.124 0.124 0.124 0.124 0.124 0.124 0.124 0.124 0.124 0.124 0.124 0.124
-0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05
 Chart Title
Proporcion por cada muestra LC LCS LCI

0.200
 Chart Title
Proporcion por cada muestra LC LCS LCI

0.200

0.150

0.100

0.050

0.000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 1
-0.050

-0.100

DIA 1 2 3 4 5 6 7 8 9 10 11 12 14 15 16 17
PNC 2 3 1 4 3 2 1 1 0 3 2 4 2 3 3 2
Nivel muestra
Proporcion por cada muestra 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
0.050 0.075 0.025 0.100 0.075 0.050 0.025 0.025 0.000 0.075 0.050 0.100 0.050 0.075 0.075 0.050
LC 0.053 0.053 0.053 0.053 0.053 0.053 0.053 0.053 0.053 0.053 0.053 0.053 0.053 0.053 0.053 0.053
LCS 0.158 0.158 0.158 0.158 0.158 0.158 0.158 0.158 0.158 0.158 0.158 0.158 0.158 0.158 0.158 0.158
LCI -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05 -0.05
 Chart Title
0.120
0.100
0.080
 Chart Title
0.120
0.100
0.080
0.060
0.040
0.020
0.000
1 2 3 4 5 6 7 8 9 10 11 12 13
-0.020
17 18 19 20
-0.040
-0.060

Row 73 Row 74 Row 75

18 19 20 21 1 2 3 4 5 6 7 8 9 10 11
0 1 3 2 42 2 3 4 1 3 1 1 0 2 1 0
40 40 40 40 800 40 40 40 40 40 40 40 40 40 40 40
0.000 0.025 0.075 0.050 0.053 0.050 0.075 0.100 0.025 0.075 0.025 0.025 0.000 0.050 0.025 0.000
0.053 0.053 0.053 0.053 0.036 0.036 0.036 0.036 0.036 0.036 0.036 0.036 0.036 0.036 0.036
0.158 0.158 0.158 0.158 0.111 0.111 0.111 0.111 0.111 0.111 0.111 0.111 0.111 0.111 0.111
-0.05 -0.05 -0.05 -0.05 -0.051 -0.051 -0.051 -0.051 -0.051 -0.051 -0.051 -0.051 -0.051 -0.051 -0.051

n= 800 H0= 0.0648 𝑝 ̂= 0.0648

PNC= 24 HA< 0.0648 P= 0.030
𝑝 ̂= 0.030 Zcritico= -1.96 -95% n= 800
LCS= 0.111
LCI= -0.051 Zcal = P
Chart Title
 Chart Title

0 11 12 13 14 15 16 17 18 19 20 21 22 23

73 Row 74 Row 75 Row 76

12 13 14 15 16 17 18 19 20 21 22 23 23
2 1 2 1 0 2 1 2 1 2 0 1 24
40 40 40 40 40 40 40 40 40 40 40 40 800
0.050 0.025 0.050 0.025 0.000 0.050 0.025 0.050 0.025 0.050 0.000 0.025 0.030
0.036 0.036 0.036 0.036 0.036 0.036 0.036 0.036 0.036 0.036 0.036 0.036
0.111 0.111 0.111 0.111 0.111 0.111 0.111 0.111 0.111 0.111 0.111 0.111
-0.051 -0.051 -0.051 -0.051 -0.051 -0.051 -0.051 -0.051 -0.051 -0.051 -0.051 -0.051

𝒛_𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒅𝒂=(−
(𝒑 ̂−𝒑))/√(𝒑(𝟏−𝒑)/𝒏)
Koritsu
* Términos de referencia
* Contratos

INSPECCIONES
 liza
Ana