Probabilidad y estadística

Unidad 6: Pruebas de hipótesis

UNIDAD 6: PRUEBAS DE HIPÓTESIS
 Conceptos de pruebas de hipótesis

Hipótesis estadísticas.
Pruebas de hipótesis.
Tipos de errores.
Pruebas de una y dos colas.
 Hipótesis estadística

Los problemas a los que se enfrentan los Esta hipótesis nunca se puede verificar con
científicos e ingenieros no siempre se certeza absoluta, a menos que se examine
toda la población. Esto es imposible en el
basan en la estimación de parámetros. sentido práctico.

Por lo general, los ingenieros realizan Al aceptar una hipótesis, sólo se está
conjeturas o hipótesis sobre algún asunto. implicando que no hay evidencia suficiente
para refutarla con el porcentaje de
confianza dado.
Al usar los datos experimentales, se
verifica la hipótesis para aceptarla o El resultado de la hipótesis, por la misma
rechazarla. incertidumbre, puede ser contrario al
resultado obtenido, pero el riesgo es
pequeño si se tiene cuidado en la manera
La hipótesis estadística es una afirmación como se efectúa.
o conjetura acerca de una o más
poblaciones, las cuales cumplen con una
distribución particular.
 Hipótesis nula y alternativa

El método más utilizado de inferencia implica el empleo de

dos hipótesis: la hipótesis que se desea probar, y la hipótesis
contraria
La hipótesis nula es la hipótesis que se desea probar, y se
representa por 𝐻0 .
La hipótesis alternativa es el resultado del rechazo de 𝐻0 .
La hipótesis nula siempre establece el valor exacto del
parámetro. La hipótesis alternativa admite una variedad
amplia de valores.
La hipótesis alternativa puede ser bilateral o unilateral
 Prueba de una hipótesis

Para entender el proceso, veamos los componentes que la constituyen y sus

características:
La hipótesis nula siempre debe estar igualada a un valor. Ejemplo: 𝐻0 : 𝜇 =
50 𝑐𝑚/𝑠
La hipótesis alternativa comprende cualquier valor (ya sea hacia un lado o
hacia ambos) que no esté dado por la hipótesis nula.
En nuestro caso: 𝐻1 : 𝜇 ≠ 50 𝑐𝑚/𝑠
Se debe seleccionar una muestra de un tamaño dado. 𝑛 = 10.
La hipótesis siempre involucra un valor poblacional por ejemplo 𝜇, que se
estima por medio de un valor muestral, 𝑥.ҧ
Si el valor muestral está próximo al valor hipotético, es una evidencia de
que el verdadero valor es el dado por la hipótesis nula.
 Prueba de una hipótesis

Por otro lado, si el valor muestral está alejado del poblacional, entonces
la evidencia apoya la hipótesis alternativa.
Es importante tomar en cuenta que el estadístico muestral puede tomar
muchos valores, así que se debe decidir el intervalo de aceptación. Esto
se logra con la delimitación del intervalo de confianza.
Por ejemplo, si 48.5 ≤ 𝑥ҧ ≤ 51.5, entonces se acepta la hipótesis nula
𝐻0 : 𝜇 = 50. Ésta es la región de aceptación.
Por el contrario, si 𝑥ҧ < 48.5 o 𝑥 > 51.5, entonces se acepta la hipótesis
alternativa. Estos valores son la región crítica.
Prueba de una hipótesis
 Tipos de errores

El método no es infalible. Existen Estados posibles

dos conclusiones erróneas a las Decisión
que se podría llegar, debido a la posible
Hipótesis Hipótesis
propia naturaleza probabilística nula cierta nula falsa
de las hipótesis:
Tipo I: Implica el rechazo de la Aceptación
hipótesis nula, 𝑯𝟎 , cuando ésta Aceptación
de la Error tipo II
es verdadera. (α) correcta
hipótesis nula
Tipo II: Es la aceptación de la
hipótesis nula, 𝑯𝟎, cuando ésta
es falsa. (β) Rechazo de la Rechazo
Error tipo I
hipótesis nula correcto
 Nivel de significancia

La probabilidad de ocurrencia de
un error de tipo I se le llama nivel
de significancia. Se calcula
hallando las áreas de las regiones
críticas.
El nivel de significancia se
simboliza como 𝛼. La confianza es
1 − 𝛼 100%.
 Valores P

El valor P es el nivel de significancia más pequeño que conduce al rechazo

de 𝐻0 .
Este valor ayuda a indicar dónde se ubica el estadístico calculado con
respecto a la significancia.
Una vez que se conoce el valor P, quien toma las decisiones puede
determinar cuán significativos son los datos, sin que el análisis de los
mismos imponga un nivel seleccionado de antemano.
Si 𝜃0 es el valor calculado del estadístico, entonces el valor P es:
2 1 − Φ 𝜃0 𝑐𝑢𝑎𝑛𝑑𝑜 𝐻0 : 𝜃 = 𝜃0 , 𝐻1 : 𝜃 ≠ 𝜃0
𝑃 = ൞ 1 − Φ 𝜃0 𝑐𝑢𝑎𝑛𝑑𝑜 𝐻0 : 𝜃 = 𝜃0 , 𝐻1 : 𝜃 > 𝜃0
Φ 𝜃0 𝑐𝑢𝑎𝑛𝑑𝑜 𝐻0 : 𝜃 = 𝜃0 , 𝐻1 : 𝜃 < 𝜃0
 Valores P

Donde Φ 𝜃 es la función de distribución acumulada.

Por ejemplo, supongamos que al calcular el valor del estadístico,
éste es 𝑧0 = 3.25. Si es de dos colas, el valor P es:
𝑃 = 2 1 − Φ 3.25 = 0.0012
Por tanto, la hipótesis nula en este caso será rechazada con
cualquier nivel de significancia 𝛼 ≥ 𝑃 = 0.0012.
 Cálculo del error tipo II 𝛽

El error del tipo II se calcula

comparando la distribución
normal con la media dada por
la hipótesis nula y la
distribución normal con media
en el valor real.
La probabilidad 𝛽 es el área de
la distribución real hasta el
valor crítico de la hipótesis
nula.
 Potencia

Es la probabilidad de rechazar de manera correcta una

hipótesis nula falsa.
Es una medida descriptiva de la sensibilidad de una prueba; por
ejemplo, si la hipótesis nula es de 50 cm/s, y el valor real de la
media es 52 cm/s, la potencia resultante es de 0.7357.
Esto indica que la prueba rechazará correctamente la hipótesis
nula y detectará la diferencia el 73.57% de las veces.
 Pruebas de una y dos colas

Es necesario determinar si la prueba que se Para determinar cuál prueba utilizar, es

realizará es de una cola o dos, de acuerdo con
lo que se requiera. necesario leer el problema y revisar los
Por lo general, se puede considerar que la adjetivos que se usan para describir los
prueba es bilateral. Esto significa que las valores que se quieren demostrar. Por
hipótesis para este caso son:
𝐻0 : 𝜇 = 𝜇0 ejemplo, “excede”, “menos que”, “mayor
𝐻1 : 𝜇 ≠ 𝜇0 que”, etcétera.
En otros problemas, la prueba es unilateral.
Esto significa que: Es importante que se tome en cuenta
𝐻0 : 𝜇 = 𝜇0 que si no puede rechazarse el valor de la
𝐻1 : 𝜇 > 𝜇0 hipótesis nula no significa que el valor
O dado sea el real, si no que no hay
𝐻0 : 𝜇 = 𝜇0 suficiente evidencia que avale la hipótesis
𝐻1 : 𝜇 < 𝜇0
alternativa.
 Relación entre pruebas de hipótesis e
intervalos de confianza

Las pruebas de hipótesis están muy relacionadas con los intervalos de confianza.
Si [𝑙, 𝑢] es el intervalo de confianza del 100 1 − 𝛼 para el parámetro 𝜃. Entonces la
prueba de tamaño 𝛼 para:
𝐻0 : 𝜃 = 𝜃0
𝐻1 : 𝜃 ≠ 𝜃0
Conduce al rechazo de 𝐻0 si y sólo si 𝜃0 no está en el intervalo de confianza 𝑙, 𝑢
Esto es aplicable en el caso unilateral también, simplemente hay que modificar el
intervalo de confianza, por ejemplo:
𝐻0 : 𝜃 = 𝜃0
𝐻1 : 𝜃 > 𝜃0
Conduce al rechazo de 𝐻0 si y sólo si 𝜃0 no está en el intervalo de confianza (−∞, 𝑙]
Probabilidad y estadística

Unidad 6: Pruebas de hipótesis

 Pruebas de hipótesis para una muestra

Prueba de hipótesis para 𝜇

– Muestras grandes
– Muestras pequeñas
Prueba de hipótesis para 𝑝
Prueba de hipótesis para 𝜎 2
 Procedimientos básicos para pruebas de
hipótesis

Se han desarrollado diversos métodos para establecer

pruebas de hipótesis de acuerdo a las condiciones dadas:
1. Verificar si el valor se incluye dentro del intervalo de
confianza.
2. Definir la significancia máxima α y de acuerdo con ella,
revisar si cumple con la hipótesis.
3. Hallar el valor P para las condiciones del problema y dejar
a criterio del investigador su rechazo.
 El procedimiento de α

1. Del contexto del problema, identifica el parámetro de interés.

2. Establece la hipótesis nula, 𝐻0 .
3. Especifica la hipótesis alternativa apropiada, 𝐻1 .
4. Selecciona el nivel de significancia 𝛼.
5. Establece un estadístico de prueba apropiado.
6. Establece la región de rechazo para dicho estadístico.
7. Calcula las cantidades muestrales necesarias, sustitúyelas en la
ecuación y calcula el valor.
8. Decide si debe rechazarse o no 𝐻0 y notifícalo.
 El procedimiento del valor P

1. Del contexto del problema, identifica el parámetro de interés.

2. Establece la hipótesis nula, 𝐻0 .
3. Especifica la hipótesis alternativa apropiada, 𝐻1 .
4. Establece un estadístico de prueba apropiado.
5. Calcula (o ubica en caso de que no se necesite) el valor para α a
partir del cual se debe rechazar el valor P.
6. Juzga si el valor de P resulta significativo para la prueba. Si es un
valor muy pequeño, rechaza 𝐻0 . Redacta la conclusión de acuerdo
con lo obtenido.
 Pruebas de hipótesis para 𝜇:
muestras grandes

Estas pruebas requieren tomar en Supongamos que se desea probar la

cuenta algunas suposiciones: hipótesis:
La población que se examina tiene 𝐻0 : 𝜇 = 𝜇0
media 𝜇 y varianza 𝜎 2 . Primero 𝐻1 : 𝜇 ≠ 𝜇0
examinaremos el caso en donde se Donde 𝜇0 es una constante. Se tiene
conoce la varianza poblacional. una muestra aleatoria 𝑋1 , 𝑋2 , … , 𝑋𝑛 de la
El estadístico de prueba se basa en la población. Se supone que 𝑋ത es
media muestral 𝑋. ത Por lo tanto, la aproximadamente normal con media 𝜇0
población debe estar distribuida y desviación estándar 𝜎/ 𝑛 para la
normalmente o cumplir con el teorema hipótesis nula.
del límite central. Es necesario utilizar el estadístico de
prueba conocido:
𝑋ത − 𝜇0
𝑍0 =
𝜎/ 𝑛
 Pruebas de hipótesis para 𝜇:
muestras grandes
Si la hipótesis nula 𝐻0 : 𝜇 = 𝜇0 es verdadera, De lo anterior, se debe rechazar 𝐻0 cuando
entonces 𝐸 𝑋ത = 𝜇0 , y como es una media, se 𝑧0 ≥ 𝑧𝛼 . (Región de rechazo)
usa la distribución normal tipificada. Además, 2

como 𝐻0 es cierta, la probabilidad de que la Por otra parte, 𝐻0 no puede rechazarse si

estadística de prueba esté entre −𝑧𝛼/2 y 𝑧𝛼/2 es 𝑧0 ≤ 𝑧𝛼 . (Región de aceptación).
2
de 1 − 𝛼. Por lo tanto, sería inusual que el Otra forma de verlo es con el siguiente
resultado de la prueba caiga en las colas, por lo algoritmo:
que 𝐻0 debe rechazarse en ese caso. Rechazar 𝐻0 : 𝜇 = 𝜇0 si 𝑥ҧ > 𝑎 o 𝑥ҧ < 𝑏
Donde
𝑧𝛼 𝜎
𝑎 = 𝜇0 + 2
𝑛
𝑧𝛼 𝜎
𝑏 = 𝜇0 − 2
𝑛
 Pruebas de hipótesis para 𝜇:
muestras grandes

A continuación se presentan todas las posibles opciones de pruebas de hipótesis.

Las hipótesis:
≠ 𝜇0
𝐻0 : 𝜇 = 𝜇0 vs 𝐻1 : 𝜇 ቐ> 𝜇0
< 𝜇0
Para probar la hipótesis alternativa, usamos el estadístico
𝑋ത − 𝜇0
𝑍0 =
𝜎/ 𝑛
≠, 𝑧0 ≥ 𝑧𝛼
2
Su región de rechazo es: ൞ >, 𝑧0 ≥ 𝑧𝛼
<, 𝑧0 ≤ −𝑧𝛼
 Ejemplo

Los sistemas de escape de 1. El parámetro de interés es 𝜇, la

emergencia para tripulaciones de rapidez promedio de combustión.
aeronaves son impulsados por un 2. 𝐻0 : 𝜇 = 50 cm/s.
combustible sólido. Una de las 3. 𝐻1 : 𝜇 ≠ 50 cm/s.
características requieren que la 4. 𝛼 = 0.05
rapidez promedio de combustión sea ഥ−𝝁𝟎
𝒙
50 cm/s. Se sabe que la desviación 5. La estadística de prueba es: 𝒛𝟎 =
𝝈/ 𝒏
estándar es 𝜎 = 2 cm/s. El 6. Hay que rechazar 𝐻0 si 𝑧0 ≥ 𝑧𝛼 . Esto
experimentador decide especificar depende del valor de 𝛼 = 0.05, de
2

una muestra aleatoria de 𝑛 = 25 y modo que las fronteras de la región

obtiene una rapidez promedio crítica son 𝑧0.025 = 1.96 y −𝑧0.025 =
muestral de combustión de 𝑥ҧ = 51.3 − 1.96.
cm/s. 7. Sustituyendo los valores:
¿A qué conclusiones debe llegar? 𝑧0 =
51.3−50
= 3.2516
2/ 25
 Ejemplo

Conclusión:
Dado que 𝑧0 = 3.25 > 1.96, se rechaza la hipótesis nula con un
nivel de significancia de 0.05, y se acepta la hipótesis alterna.
De hecho, existe evidencia de que la rapidez promedio de
combustión es diferente de 50 cm/s.
 Ejemplo (usando el valor P)

1. El parámetro de interés es 𝜇, la En la tabla vemos que para ese

rapidez promedio de combustión. valor, 𝑝 = 0.4994. Entonces:
2. 𝐻0 : 𝜇 = 50 cm/s. 𝑃 = 2 1 − 0.5 + 0.4994 = 0.0012
3. 𝐻1 : 𝜇 ≠ 50 cm/s.
Conclusión:
4. La estadística de prueba es: 𝒛𝟎 =
ഥ−𝝁𝟎
𝒙 Dado que P = 0.0012, se rechaza la
𝝈/ 𝒏 hipótesis nula al ser un valor
5. Sustituyendo los valores: pequeño y significativo, y se
51.3 − 50 acepta la hipótesis alterna.
𝑧0 = = 3.25 De hecho, existe evidencia de que
2/ 25
6. Revisando las fórmulas para el valor P,
la rapidez promedio de
se debe aplicar 2 1 − Φ 𝑧0 , es decir: combustión es diferente de 50
2 1 − Φ 3.25 cm/s.
 Pruebas de hipótesis para 𝜇:
muestras pequeñas

En muchas ocasiones, no se conoce la varianza de la población.

Si este es el caso, y se puede considerar que la muestra es grande, se
puede seguir aplicando la prueba como se realizó en el caso anterior,
supliendo 𝜎 2 por 𝑠 2 .
Aunque por lo general esta aproximación es buena para cualquier caso,
también se puede obtener un resultado más preciso si se utiliza la
distribución T en lugar de la normal.
 Pruebas de hipótesis para 𝜇:
muestras pequeñas

Tal como en el caso de los intervalos cuando las muestras son pequeñas y se
desconoce la varianza poblacional. En este caso, es necesario verificar que la
población se distribuya normalmente.
Las hipótesis:
≠ 𝜇0
𝐻0 : 𝜇 = 𝜇0 vs 𝐻1 : 𝜇 ቐ> 𝜇0
< 𝜇0
Para probar la hipótesis alternativa, usamos el estadístico
𝑋ത − 𝜇0
𝑇0 =
𝑆/ 𝑛
≠, 𝑡0 ≥ 𝑡𝛼,𝑛−1
2
Su región de rechazo es: ൞ >, 𝑡0 ≥ 𝑡𝛼,𝑛−1
<, 𝑡0 ≤ −𝑡𝛼,𝑛−1
 Ejemplo

Un artículo publicado en la revista Materials Engineering describe los

resultados de pruebas de resistencia a la adhesión de 22 especímenes de
aleación U-700. La carga para la que cada espécimen falla es la siguiente (en
MPa):
19.8 18.5 17.6 16.7 15.8
15.4 14.1 13.6 11.9 11.4
11.4 8.8 7.5 15.4 15.4
19.5 14.9 12.7 11.9 11.4
10.1 7.9

¿Sugieren los datos que la carga promedio de falla es mayor que 10 Mpa?
Supón que la carga donde se presenta la falla tiene una distribución normal
y utilicen 𝛼 = 0.05.
 Ejemplo

Primero, estimaremos la media, calculando la media muestral:

σ𝑓
𝑥ҧ = para datos aislados.
𝑛
19.8+18.5+17.6+16.7+15.8+15.4+⋯+7.9
𝑥ҧ = = 𝟏𝟑. 𝟕𝟏 𝑴𝑷𝒂
22
Ahora necesitamos calcular la desviación estándar:
19.8 − 13.71 2 + 18.5 − 13.71 2 + ⋯ + 7.9 − 13.71 2
𝑠= = 𝟑. 𝟓𝟓 𝑴𝑷𝒂
21
Para esta hipótesis, usaremos un nivel de significancia de 𝛼 = 0.05.
 Ejemplo

1. El parámetro de interés es la carga promedio de

falla 𝜇. Conclusión:
2. La hipótesis nula: 𝐻0 : 𝜇 = 10.
3. La hipótesis alternativa es 𝐻1 : 𝜇 > 10. Debido a que el valor
Recordemos que es unilateral porque nos
interesa que sea mayor a 10 MPa. obtenido 𝑡0 = 4.90 > 1.72,
4. El nivel de significancia 𝛼 = 0.05. entonces se rechaza 𝐻0 y se
5. La prueba que hay que hacer es:
𝑥ҧ − 𝜇0 concluye que con un nivel de
𝑡0 =
𝑠/ 𝑛 significancia de 0.05, la carga
6. El valor crítico para esta prueba se busca en la t
de Student. En este caso, se rechaza 𝐻0 si 𝑡0 > promedio es mayor de 10
𝑡0.05, 21 . El valor es 1.721.
7. Ahora se calcula el valor de la función de MPa.
prueba:
13.71 − 10
𝑡0 = = 4.90
3.55/ 22
 Ejemplo (usando el valor P)

1. El parámetro de interés es la carga promedio de En la tabla de t de student,

falla 𝜇.
2. La hipótesis nula: 𝐻0 : 𝜇 = 10. localizamos el valor para 21 grados
3. La hipótesis alternativa es 𝐻1 : 𝜇 > 10. de libertad. Vemos aquí que 𝛼 <
Recordemos que es unilateral porque nos
interesa que sea mayor a 10 MPa. 0.0005. Entonces:
4. La prueba que hay que hacer es: 𝑃 = 1 − 1 − 0.0005 , 𝑃 < 0.0005
𝑥ҧ − 𝜇0
𝑡0 = Conclusión:
𝑠/ 𝑛
5. Ahora se calcula el valor de la función de Debido a que el valor obtenido 𝑃 es
prueba: muy significativo, entonces se
13.71 − 10
𝑡0 = = 4.90 rechaza 𝐻0 y se concluye que la
3.55/ 22
6. Revisando las fórmulas para el valor P, se debe
carga promedio es mayor de 10 MPa.
aplicar 1 − Φ 𝑡0 , es decir:
1 − Φ 4.90
 Actividad

Como parte del programa de control de calidad para la línea de

producción de un catalizador, se prueba la pureza de las
materias primas (alúmina y un espesante). El proceso requiere
que la pureza de la alúmina sea mayor a 85%. Una muestra
aleatoria de un envío reciente de alúmina produjo estos
resultados (en %):
93.2 87.0 92.1 90.1 87.3 93.6
Realiza una prueba de hipótesis para determinar si se acepta o
no el embarque mediante el valor P.
 Prueba de hipótesis para 𝑝

En el caso de una proporción, la prueba que se realiza es del tipo:

≠ 𝑝0
𝐻0 : 𝑝 = 𝑝0 vs 𝐻1 : 𝑝 ቐ> 𝑝0
< 𝑝0
La prueba se basa en la aproximación normal de una distribución binomial.
Es válido siempre y cuando 𝑝 no sea cercano a cero ni uno, y la muestra sea relativamente grande.
Por lo general se sigue usando el criterio 𝑛𝑝Ƹ > 5, 𝑛 1 − 𝑝Ƹ > 5
La prueba se efectúa usando el estadístico:
𝑝Ƹ − 𝑝0
𝑍0 =
𝑝0 𝑞0
𝑛
≠, 𝑧0 ≥ 𝑧𝛼
2
Su región de rechazo es: ൞ >, 𝑧0 ≥ 𝑧𝛼
<, 𝑧0 ≤ −𝑧𝛼
 Ejemplo

Un fabricante de semiconductores produce controladores que se

emplean en aplicaciones de motores automovilísticos. El cliente
requiere que la fracción de controladores defectuosos, en uno de los
pasos de manufactura críticos, no sea mayor que 0.05, y que, el
fabricante, demuestre esta característica del proceso de fabricación con
este nivel de calidad, utilizando 𝛼 = 0.05. El fabricante de
semiconductores toma una muestra aleatoria de 200 dispositivos y
encuentra que cuatro de ellos son defectuosos. ¿El fabricante puede
demostrar el cliente la calidad del proceso?
 Ejemplo

Siguiendo el procedimiento de ocho pasos: Finalmente, como 𝑧0 = −1.95 < −𝑧0.05 =

1. El parámetro de interés es la fracción 𝑝.
2. La hipótesis nula: 𝐻0 : 𝑝 = 0.05 − 1.645, se rechaza 𝐻0 y se concluye
3. La hipótesis alternativa: 𝐻1 : 𝑝 < 0.05. Este lado que la fracción de artículos
es el que nos interesa ya que queremos defectuosos 𝑝 es menor que 0.05.
demostrar que es menor a 0.05.
4. La significancia es de 0.05
5. El estadístico de prueba es:
𝑝Ƹ − 𝑝0
𝑍0 =
𝑝0 𝑞0
𝑛
6. El valor crítico para 𝑧0 < −𝑧0.05 = −1.645
7. El cálculo del estadístico es:
0.02 − 0.05
𝑧0 = = −1.95
0.05 0.95
200
 Ejemplo (usando el valor P)

Siguiendo el procedimiento de ocho pasos: Φ −1.95 = 0.5 − 0.4744 = 0.0256

1. El parámetro de interés es la fracción 𝑝.
2. La hipótesis nula: 𝐻0 : 𝑝 = 0.05 Finalmente, como 𝑃 = 0.0256, la
3. La hipótesis alternativa: 𝐻1 : 𝑝 < 0.05. Este significancia es pequeña y es factible
lado es el que nos interesa ya que rechazar 𝐻0 , siempre y cuando 𝛼 ≥
queremos demostrar que es menor a 0.05.
0.0256, por lo que el número de
4. El estadístico de prueba es:
𝑝Ƹ − 𝑝0 defectuosos 𝑝 es menor que 0.05.
𝑍0 =
𝑝0 𝑞0
𝑛
5. El cálculo del estadístico es:
0.02 − 0.05
𝑧0 = = −1.95
0.05 0.95
200
Entonces Φ 𝑧0 para este caso
 Prueba de hipótesis para 𝜎 2

Si los datos se distribuyen de manera normal, se prueba:

≠ 𝜎0 2
𝐻0 : 𝜎 2 = 𝜎0 2 vs 𝐻1 : 𝜎 2 ൞> 𝜎0 2
< 𝜎0 2
Se utiliza el estadístico de prueba
𝑛 − 1 𝑆2
𝑋0 2 =
𝜎0 2

≠, 𝜒02 > 𝜒 2 𝛼,𝑛−1 𝑜 𝜒02 < 𝜒 21−𝛼,𝑛−1

2 2
Su región de rechazo es: >, 𝜒02 > 𝜒 2 𝛼,𝑛−1
<, 𝜒02 < 𝜒 21−𝛼,𝑛−1
 Ejemplo

Se toma una muestra aleatoria de 20 botellas se obtiene una varianza

muestral para el volumen de llenado de 𝑠 2 = 0.0153 𝑜𝑛𝑧𝑎𝑠 𝑑𝑒 𝑓𝑙𝑢𝑖𝑑𝑜 2 . Si
la varianza del volumen de llenado es mayor que 0.01 (onzas de
fluido)2, entonces existe una proporción inaceptable de botellas que
serán llenadas con una cantidad menor de líquido. ¿Existe evidencia en
los datos muestrales que sugiera que el fabricante tiene un problema
con el llenado de las botellas? Utiliza 𝛼 = 0.05.
 Ejemplo

Utilizando el procedimiento de 8 pasos: La conclusión:

1. El parámetro de interés es la
varianza 𝜎 2 .
Como 𝜒0 2 = 29.07 < 𝜒 2 0.05,19 =
2. 𝐻0 : 𝜎 2 = 0.01 30.14, se concluye que no hay
3. 𝐻1 : 𝜎 2 > 0.01 evidencia fuerte de que la
4. 𝛼 = 0.05 varianza del volumen de
5. El estadístico de prueba es 𝜒0 2 = llenado sea mayor que 0.01
𝑛−1 𝑠 2
𝜎0 2
(onzas de fluido)2.
6. La prueba que se debe cumplir es
𝐻0 si 𝜒0 2 > 𝜒 2 0.05,19 = 30.14.
7. Calculando:
19 0.0153
𝜒0 2 = = 29.07
0.01
 Ejemplo (usando el valor P)

1. El parámetro de interés es la varianza La conclusión:

𝜎 2.
2. 𝐻0 : 𝜎 2 = 0.01
Como 0.05 < P < 0.1, se
3. 𝐻1 : 𝜎 2 > 0.01
concluye que no hay
𝑛−1 𝑠 2
evidencia fuerte de que la
4. El estadístico de prueba es 𝜒0 2 = varianza del volumen de
𝜎0 2
5. Calculando: llenado sea mayor que 0.01
19 0.0153 (onzas de fluido)2.
𝜒0 2 = = 29.07
0.01
6. Con lo establecido, 𝑃 = 1 − Φ 29.07 .
Con los 19 grados de libertad, eso
implica que el valor de P está entre 0.1
y 0.05. Puede hallarse el valor por
interpolación o simplemente tomar en
cuenta este hecho.
 Actividad

La Stewart Aviation Products Company utiliza un nuevo método de

producción para fabricar altímetros para aviones. Se prueba una
muestra aleatoria simple de 81 altímetros en una cámara de presión, y
se registran los errores en la altitud como valores positivos o negativos.
La muestra tiene una desviación estándar de 52.3 ft. Con un nivel de
significancia de 0.05, prueba la aseveración de que la nueva línea de
producción tiene errores con una desviación estándar de 43.7 ft. ¿Con la
anterior prueba es posible demostrar que alguno de los métodos es
mejor que el otro?