UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD TIERRA DEL FUEGO

UNIVERSIDAD TECNOLOGICA NACIONAL

FAC. REGIONAL RIO GRANDE
INGENIERIA QUIMICA
GUIA PRACTICA N° 4
ING. HORACIO GUILLERMO GARCIA
CATEDRA: CONTROL ESTADISTICOS DE PROCESOS

1
 UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD TIERRA DEL FUEGO

INDICE
1. INTRODUCCIÓN ………………………………………………………… 3

2. PRUEBA DE HIPÓTESIS …………………………………………….…….. 3

3. HIPÓTESIS NULA E HIPÓTESIS.ALTERNATIVA.

NIVELES DE SIGNIFICANCIA …………………………..………………… 5

4. USO DE LA CURVA CARACTERÍSTICA PARA SELECCIONAR

UNA REGIÓN ACEPTADA ………………..…………………………………. 9

5. CONTRASTE DE HIPÓTESIS CUANDO EL TAMAÑO DE

LA MUESTRA ES FIJADO DE ANTEMANO ……………………………….. 9

6. MODO DE SACAR CONCLUSIONES DE LOS CONTRASTES

DE HIPÓTESIS ………………….………….……………………………….. 13

7. ESTIMACION ESTADISTICA: LIMITES E CONFIANZA ……….…….. 13

8. DETERMINACION DEL TAMAÑOS DE LA MUESTRA

NECESARIA PARA ALCANZAR UNA PRECISION
ESPECIFICADA EN UNA ESTIMACION ………………..………………….. 15

9. RELACION ENTRE LOS LIMITES DE CONFIANZA

Y LOS CONTRASTES DE HIPOTESIS….………………..………………….. 16

10. LIMITES DE CONTRASTE ESTADISTICOS ….………..………………….. 16

11. EJERCICIOS ….……………………………..……………..………………….. 18

2
 UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD TIERRA DEL FUEGO

GUIA PRACTICA N° 4
UNIDAD 4: Contraste De Hipótesis. Naturaleza esencial del Test de Hipótesis. Hipótesis Nula e Hipótesis
Alternativa. Niveles de Significancia. Vinculación con el Control Estadístico de Procesos.
1. INTRODUCCIÓN

Una hipótesis estadística es una afirmación acerca de una característica poblacional formulada en base a los
parámetros de su distribución. Es afirmación queda plasmada en el valor numérico de algún parámetro de la
población.-
Un contraste de hipótesis es un procedimiento para decidir si una hipótesis se acepta como válida o se
rechaza.
Existen diversos tipos de hipótesis:
 Hacen referencia a un parámetro de una población.

Por ejemplo, consideremos el rendimiento obtenido en un proceso químico, X, con distribución N (μ, σ),
siendo μ desconocido. Podríamos plantear las siguientes hipótesis:
μ = 90

μ ≠ 90

μ > 90

μ < 90

Si la hipótesis asigna un único valor al parámetro se le llama hipótesis simple; en caso contrario, hipótesis
compuesta. En este ejemplo, la primera es simple y el resto son compuestas.
 Comparan parámetros de varias poblaciones.

Por ejemplo, supongamos que queremos contrastar si el fumar provoca cáncer. Esto equivale a contrastar si la
proporción de fumadores con cáncer, p1, es significativamente mayor que la proporción de no fumadores con
cáncer, p2.
Contrastar una hipótesis es comparar lo que dice la hipótesis con la información que nos proporciona una
muestra. Si hay coincidencia, dentro de un margen de error admisible entre la hipótesis planteada (hipótesis
nula, H0) y la información muestral entonces la mantendremos como cierta, en caso contrario la
rechazaremos. Rechazar una hipótesis es sustituirla por otra que sea capaz de explicar la realidad observada
en la muestra (hipótesis alternativa, H1).
Por ejemplo, supongamos que nos planteamos si el rendimiento del proceso puede ser en media del 90%, H0:
μ = 90. Realizamos una serie de pruebas y el rendimiento medio muestral resulta ser ẋ = 75, menor que 90. La
información muestral parece ir más a favor de H1: μ < 90 que de H0: μ = 90.
2. PRUEBA DE HIPÓTESIS

En vez de estimar el valor de un parámetro, a veces se debe decidir si una afirmación relativa a un parámetro
es verdadera o falsa. Vale decir, probar una hipótesis relativa a un parámetro. Ejemplo I: Un fabricante de
pintura de secado rápido afirma que el tiempo de secado de la misma es de 20 min. El comprador diseña el
siguiente experimento: pinta 36 tableros y decide rechazar el producto si el promedio de tiempo de secado de
los mismos supera los 20.75 min. Si por experiencia =2.4 min, se pregunta cuál es la probabilidad de
rechazar la partida aún perteneciendo a una población con media de 20 min.

3
 UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD TIERRA DEL FUEGO

La probabilidad de que el promedio de las muestras exceda 20.75 min a causa del azar se calcula del siguiente
modo:

con esta abscisa, se calcula la probabilidad (área hacia la derecha), resultando 0.0304. Gráficamente:

Este gráfico está hecho sobre valores reales, no normalizados. Para los cálculo se usan estos últimos cuando
se trabaja con tablas.
Entonces, la probabilidad de rechazar erróneamente la hipótesis μ=20 min es de aproximadamente 0.03, o
bien 3%.
Supóngase ahora que la media real del tiempo de secado es μ=21 min. Luego, la probabilidad de obtener una
media muestral menor o igual que 20.75 (y por lo tanto equivocarse en la aceptación) está dada por:

(a pesar de ser μ=21) es del 26.6%. Gráficamente:

4
 UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD TIERRA DEL FUEGO

3. HIPÓTESIS NULA E HIPÓTESIS ALTERNATIVA. NIVELES DE SIGNIFICANCIA

Una cosa en la que hay que hacer hincapié es la siguiente: nunca podemos afirmar el que una hipótesis sea
verdadera o falsa, ya que para ello tendríamos que tener observaciones de toda la población. Por lo tanto, al
realizar un contraste y tomar una decisión siempre cabe la posibilidad de equivocarnos. Existen dos tipos de
errores asociados a cualquier contraste: error tipo I, que tiene lugar cuando rechazamos H0 siendo cierta, y
error tipo II, que ocurre si aceptamos H0 siendo falsa.

A la probabilidad de que ocurra el error tipo I se le llama nivel de significación del contraste, que denotamos
por α y que fijamos antes de realizar un contraste. A la probabilidad de error tipo II la denotamos por β.

A 1 − α se le llama nivel de confianza, y a 1 − β potencia del test.

α = P (error tipo I)=P (rechazar H0 /H0 es cierta) ,
β = P (error tipo II)=P (aceptar H0 /H0 es falsa )
Lógicamente, a medida que uno disminuye el otro aumenta.

Un ejemplo clásico es el siguiente: supongamos que un juez tiene que declarar a un individuo culpable o
inocente.
H0 : inocente

H1 : culpable

Si rechaza H0 declara culpable al individuo, y si la acepta lo declara inocente. Comete un error de tipo I si
declara culpable al acusado siendo inocente, y un error de tipo II si lo declara inocente siendo culpable. Desde
el punto de vista moral parece más grave el primer error, de ahí que en un contraste se fije el nivel de
significación α y se minimice β.
Para la resolución de problemas en forma sistemática se siguen los preceptos:
1) Se formula una Hipótesis Nula simple y una Hipótesis Alterna apropiada que se acepta cuando
la Hipótesis Nula debe ser rechazada.
2) Se especifica la probabilidad de un Error de Tipo I si es posible, conveniente o necesario, se
puede especificar también las probabilidades de Errores Tipo II, para alternativas particulares
3) Con base en la distribución muestral de un estadístico apropiado, se construye un criterio para
probar la Hipótesis Nula contra la alternativa determinada.
4) Se calcula, a partir de los datos, el valor del estadístico sobre el cual se basa la decisión.
5) Se decide rechazar la Hipótesis Nula, aceptarla o abstenerse de tomar una decisión.

Ejemplo I: La duración media de una muestra de 100 tubos fluorescentes producidos por una compañía
resulta ser de 1570 horas, con una desviación típica de 120 horas. Si  es la duración media de todos los tubos
producidos por la compañía, comprobar la hipótesis = 1600 contra la hipótesis alternativa  horas
con un nivel de significación de 0.05.

1) Hipótesis Nula  = 1600 hr. Hipótesis Alternativa  <> 1600 hr. (bilateral)
2) Nivel de significancia:  =0.05.

5
 UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD TIERRA DEL FUEGO

3) Para trabajar con tablas normalizadas, se usa z en lugar de x :

Por otro lado, zα/2 será tal que el área bajo la normal a su derecha sea α/2 y -zα/2 será tal que el área bajo la
normal a su izquierda sea α/2. Estos dos valores definen las zonas de aceptación y rechazo de la Hipótesis
Nula. Según donde caiga el valor de z calculado por la expresión anterior, se producirá la aceptación o
rechazo.

4) Cálculos:

5) Dado que –2.5 < -z0.025 se Rechaza la Hipótesis Nula, luego la duración media de los tubos es
significativamente menor que 1600 horas. Como se puede apreciar en el siguiente gráfico, la media
muestral cae fuera de la zona de aceptación:

En general, el siguiente cuadro resume las distintas pruebas de hipótesis nulas μ=μ0o que se pueden realizar
sobre una media:

6
 UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD TIERRA DEL FUEGO

Otro ejemplo: una hipótesis podría enunciar la vida media de una población de baterías que es igual a 30,0,
escribiéndose H: μ0=30,0. Esta afirmación puede ser correcta o puede no serlo. Un “contraste de hipótesis” es
un ensayo de validez de la afirmación, y se lleva a cabo analizando una muestra de datos.
El error tipo I para la hipótesis H: μ0=30,0 se vé en la siguiente gráfica: el área comprendida entre las líneas
verticales representa el “área de aceptación” para el contraste de hipótesis; si el resultado cae dentro de la
región de aceptación, se acepta la hipótesis. De no ser así, se rechaza.

Obsérvese que una pequeña parte de la curva que cae afuera de la región de aceptación.; esa parte representa
la probabilidad de tener de la muestra un resultado que caiga fuera de la región de aceptación, aún cuando la
hipótesis sea correcta.-
Supóngase que se decide que el error de tipo I no debe ser mayor que el 5%; ésta es la probabilidad de
rechazar cuando en realidad la vida media era de 30,00. La región de aceptación puede obtenerse hallando
valores de vida media que sólo tengan el 5% de probabilidad de ser sobrepasados cuando la vida media
verdadera es de 30,00. Supongamos además que la muestra n es de cuatro mediciones y σ = 10,0.
Recuerde que la curva representa la población de medias muestrales, porque la decisión se tomará basándose
en una media muestral. Las medias muestrales varían menos que las mediciones individuales de acuerdo con
la relación . Además la distribución de medias muestrales es aproximadamente normal aún
cuando la distribución de las distribuciones individuales no lo sea. Esta aproximación es válida para los
grandes valores de n, pero sigue siendo adecuada aun cuando n valga 4.-
La tabla muestra un área del 2,5% en cada extremo está en un límite que corresponde a 1,96 desviaciones.
Entonces, en la hipótesis de que μ0= 30,0, el 95% de las medias muestrales caerán dentro de ± 1,96 σx de
30,00, o sea:

= 39,8
= 20,2

La región de aceptación queda así definida entre 20,2 y 39,8. Si la media de una muestra aleatoria de cuatro
baterías está comprendida en esta región de aceptación, se acepta la hipótesis. Si la media cae fuera de la
región de aceptación, se rechaza la hipótesis. Esta regla implica un error de tipo I de σ0,05.
El error de tipo II o β, probabilidad de aceptar una probabilidad falsa, aparece representado por el área
sombreada de la siguiente figura.

7
 UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD TIERRA DEL FUEGO

Obsérvese que es posible obtener un resultado muestral dentro de la región de aceptación, aun cuando la
población tenga una media real que no sea igual a la media enunciada en la hipótesis. El valor numéricos de β
depende del valor real de la media de la población ( y también de n, σ, y α). Esto se representa mediante la
“curva característica” (CC).
El problema consiste en construir la curva característica para definir la magnitud del error tipo II (β). Como β
es la probabilidad de aceptar la hipótesis original (μ0 = 30,00) siendo la misma falsa, hay que hallar la
posibilidad de que una media muestral este entre 20,2 y 39,8, cuando la media real de la población sea
diferente de 30,00.Esto se ha hecho para muchos valores de la media real y el resultado es el de la siguiente
figura:

8
 UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD TIERRA DEL FUEGO

Así, la curva CC es una gráfica de la probabilidad de aceptar la hipótesis original, como función del valor real
del parámetro poblacional ( y los valores dados de n, σ y α).
4. USO DE LA CURVA CARACTERÍSTICA PARA SELECCIONAR UNA REGIÓN
ACEPTADA:

La región de aceptación se determinó dividiendo el 5% del error α en dos partes iguales. Esto se denomina un
ensayo de dos colas. El 5% del error completo podría colocarse también, bien en la cola derecha o bien en la
izquierda de la curva de distribución; estos son los ensayos de cola.-(figuras a y b de la imagen anterior)
Se pueden trazar curvas características de ensayos que tengan estas regiones de aceptación de una cola,
siguiendo el procedimiento ya empleado anteriormente para la región de dos colas. Aunque el error α es el
mismo, el error β varía para los tres ensayos.
En algunos problemas se sabe que si la media real de la población no es igual al valor de la hipótesis,
entonces está a un lado del valor de la hipótesis. Por ejemplo: un nuevo material se supone tiene una
resistencia media superior, tendrá una media igual o mayor que la del material de referencia. Esta información
ayudará a seleccionar un ensayo de una cola o de dos colas, para que el error β sea tan pequeño como sea
posible. Las directrices siguientes se basan en el análisis de las curvas características.
 Realice el ensayo de una cola con el riesgo α en la cola derecha, si: (1) se sospecha que (si μ0 no es
verdadera) la media real es > μ0, o (2) los valores de la media poblacional < μ0 son aceptables y sólo
estamos interesados en detectar la media poblacional > μ0.-
 Realice un ensayo de cola con todo el riesgo α en la cola izquierda si: (1) se sospecha que (si μ0 no
es verdadera) la media real es < μ0, o (2) los valores de la media poblacional < μ0 son aceptables y
sólo estamos interesados en detectar una media poblacional < μ0.
 Realice un ensayo de dos colas si: (1) no hay un conocimiento previo acerca de la posición de la
media poblacional real, o (2) estamos interesado en detectar una media poblacional real < o > que la
μ0 enunciada en la hipótesis original.

Todo contraste tiene un CC ; después de enunciar los principios básicos, pasemos a explicar los pasos
necesarios para contrastar una hipótesis:
5. CONTRASTE DE HIPÓTESIS CUANDO EL TAMAÑO DE LA MUESTRA ES FIJADO DE
ANTEMANO:

Idealmente los valores para los errores tipo I y II se definen de antemano, y se determina el tamaño de la
muestra necesaria, Si el tamaño de la muestra está fijado de antemano, a causa del costo o del tiempo
disponible, se suele definir el error tipo I según el siguiente procedimiento:
1. Enuncie la hipótesis
2. Elija el error tipo I. los valores comunes son de 0,01, 0,05 o 0,10.
3. Elija el estadístico de prueba para contrastar la hipótesis
4. Determine la región de aceptación para la prueba, es decir, el intervalo de valores del estadístico de
prueba que dan como resultado la decisión de aceptar la hipótesis.
5. Obtenga la muestra de observaciones, calcule el estadístico de prueba y compare el valor de la región
de aceptación para tomar la decisión de aceptar o de rechazar la hipótesis.
6. Extraiga la conclusión técnica.

Ejemplo:

Las pruebas realizadas con 8 unidades de un motor experimental demostraron que funcionaban durante 28,
26, 31, 29, 25, 27, 28 y 27 minutos respectivamente, con un galón de cierta clase de combustible. La

9
 UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD TIERRA DEL FUEGO

especificación propuesta indica que el motor debe funcionar debe funcionar durante una media de 30
minutos, por lo menos. ¿ Cumple la máquina lo especificado?. Suponga un nivel de significancia del 5%.

Solución:

H: μ0= 30

De tabla usando la distribución T de Student:

Estadístico de prueba:

Región de aceptación: Grados de libertad g.d.l.= 8 -1= 7

Con la tabla de la distribución tenemos:

t ≥ -1,895
Análisis:

X= 27,6 s=1,86

10
 UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD TIERRA DEL FUEGO

Conclusión: rechace la hipótesis. Hay suficiente evidencia para llegar a la conclusión de que el motor no
cumple con lo especificado

Ejemplo de contraste de hipótesis para la media, µ con σ conocida (dos colas) Se desea contrastar con un
nivel de significación del 5 % la hipótesis de que la talla media de los hombres de 18 o más años de un país es
igual a 180. Suponiendo que la desviación típica de las tallas en la población vale 4, contraste dicha hipótesis
frente a la alternativa de que es distinta.

H0 : µ = 180

frente a la alternativa

H1 : µ ≠ 180

Los datos constituyen una muestra de n=15 hombres seleccionados al azar, cuyas alturas son: 167 167 168
168 168 169 171 172 173 175 175 175 177 182 195 Es necesario determinar la media de la muestra, X, y los
valores de los cuartiles, z α 2 , en la distribución normal. En el modelo normal, el cuartil de orden 0.975 es
z0,025 = 1,96. La media de la muestra es igual a 173.47.

Sustituyendo los datos en la expresión del estadístico de contraste, tenemos:

El valor del estadístico de contraste está en la zona de rechazo. Por lo que se rechaza la hipótesis nula que
establece una talla media igual a 180 cm.

Gráficamente la situación es la siguiente:

11
 UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD TIERRA DEL FUEGO

Ejemplo de Contraste de hipótesis para la media con σ conocida (una cola) Se desea contrastar con un nivel
de significación del 5 % la hipótesis de que la talla media de los hombres de 18 o mas años de un país es igual
o mayor a 175. Suponiendo que la desviación típica de las tallas en la población vale 4, contraste dicha
hipótesis frente a la alternativa de que es menor, con una muestra de n=15 hombres seleccionados al azar,
cuyas alturas son las del apartado anterior:

H0 : µ ≥ 175

frente a la alternativa:

H1 : µ < 175

En el modelo normal, el cuartil de orden 0.05 es −z0,05 = −1,64. Sustituyendo los datos en la expresión del
estadístico de contraste, tenemos:

El valor del estadístico de contraste está en la zona de aceptación. Por lo que no se puede rechazar la hipótesis
nula que establece una talla media igual o mayor a 175 cm. Gráficamente la situación es la siguiente:

12
 UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD TIERRA DEL FUEGO

6. MODO DE SACAR CONCLUSIONES DE LOS CONTRASTES DE HIPÓTESIS:

Con los contrastes de hipótesis se pueden alcanzar conclusiones útiles. El significado “Rechace la hipótesis” o
“Acepte la hipótesis” se muestra en la siguiente tabla junto con algún as analogías que explican las sutilezas
de los significados.

El tamaño requerido dependerá de (1) los riesgos del muestreo deseados (α y β), (2) el tamaño de la
menor diferencia verdadera que ha de ser detectada, y (3) la variación de la característica que ha de
ser medida. El tamaño de la muestra puede determinarse utilizando la “curva característica”
correspondiente a la prueba.
7. ESTIMACION ESTADISTICA: LIMITES E CONFIANZA

La estimación es el proceso de analizar el resultado de una muestra con el objeto de predecir el valor
correspondiente del parámetro poblacional.-
Por ejemplo: una muestra de 12 aisladores tiene como media una resistencia al choque de 4.952
lb/pie2. Si es una muestra representativa del proceso, ¿qué estimación puede hacerse de la verdadera
media de resistencia al choque correspondiente a toda la población de aisladores?
1. La “estimación puntual” es un valor único usado para estimar el parámetro poblacional. Por
ejemplo: 4952 lb/pie2 es la estimación puntual de la resistencia media de la población.
2. El “Intervalo de confianza” es un conjunto de valores quenincluye (con una probabilidad
previamente asignada denominada “nivel de confianza”) el valor verdadero del parámetro
poblacional. Los “límites de confianza” son los extremos superior e inferior del intervalo de
confianza. El nivel de confianza es la probabilidad de que una afirmación acerca del valor
de un parámetro poblacional sea correcta.

13
 UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD TIERRA DEL FUEGO

Si la media poblacional es μ, entonces la probabilidad de que la media muestral esté comprendida

entre:

Es igual a 0,95. Es decir:

Esto equivale a afirmar que la probabilidad de que la media muestral más 1,96 desviaciones tipo de
las mas medias sea mayor que μ y de que la media muestral menos 1,96 desviaciones tipo de las
medias sea menor que μ es igual a 0,95. O sea:

Combinando:

O sea que el intervalo de confianza del 95% para μ es X ± 1,96. . . Este intervalo tiene una
probabilidad del 0,95 de incluir el valor poblacional. Hablando en términos exactos: el 95% de los

14
 UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD TIERRA DEL FUEGO

conjuntos comprendidos en esos intervalos incluirían el valor poblacional. Esto se interpreta, en la

práctica, con el significado de que hay un 95% de probabilidades que los límites de con fianza
basados en una muestra incluyan el valor verdadero.
Para la muestra de 12 aisladores supongamos σ = 0,25. Entonces: los limites de confianza del 95%
son:

Esto se interpreta como que hay un 95% en que μ esté comprendida entre 4,811 y 5,093. El 95% es el
nivel de confianza, y 4,811 y 5,093 son los límites del intervalo de confianza. Se asocia el nivel de
confianza a una afirmación basada en mediciones reales y mide la probabilidad de que la afirmación
sea verdadera. Los límites de confianza son límites que incluyen el valor verdadero con un grado de
confianza previamente asignado (el nivel de confianza).
Ejemplo:
Setenta y una piezas de latón tienen una dureza media de 54,62 y una desviación estándar de 5,34.
Determinar los límites de confianza del 95% para la media.
Solución:
Limites de confianza = X ± t.
= 54,63 ± 2,00 .
= 53,20 y 55,99
Hay un 95% de confianza de que la dureza media verdadera del latón esté comprendida entre 53,25 y
55,99.

A continuación tenemos una tabla resumen que indica las fórmulas y gráficas para determinar los
límites de confianza:
8. DETERMINACION DEL TAMAÑOS DE LA MUESTRA NECESARIA PARA ALCANZAR
UNA PRECISION ESPECIFICADA EN UNA ESTIMACION:

Las pruebas adicionales aumentarán la precisión de las estimaciones obtenidas a partir de un programa de
ensayos. El aumento de la precisión no suele variar linealmente con el número de ensayos: al aumentarse al
doble el número de pruebas, no se suele doblar la precisión . Además, si la muestra se selecciona al azar y el
tamaño es inferior al 10% del tamaño de la población, entones la precisión depende principalmente del
tamaño absoluto de la muestra más que del tamaño de la muestra expresado como un porcentaje del tamaño
de la población. Así, una muestra cuyo tamaño corresponde al 1% de la población de 100000 puede ser más
precisa que una muestra cuyo tamaño equivale al 10% de una población de 1000.
Hay que evaluar el costo de las pruebas adicionales frente al valor de la precisión adicional. Los límites de
confianza pueden ayudar a determinar el alcance del programa de ensayos requeridos para estimar una
característica de un producto con una precisión especificada. Supongamos que se desea estimar la vida media
verdadera de unas baterías. Para que tenga algún valor, la estimación debe estar como máximo a 2,0 hs de la
media verdadera. Se desea un nivel de confianza del 95% para la declaración de confianza. El intervalo
deseado es de 2,0 horas o:

2,0= con n=96

Una muestra de 96 baterías proporcionará una media que difiera en 2,0 horas como máximo, de la media
verdadera (con un 05% de confianza). Obsérvese el tipo de información requerida: (1) amplitud deseada del
intervalo de confianza (la precisión deseada en la estimación), (2) nivel de confianza deseado, (3) variabilidad
del la característica investigada. No puede determinarse el número de pruebas requeridas hasta que un técnico
proporcione toda esta información.-

15
 UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD TIERRA DEL FUEGO

9. RELACION ENTRE LOLS LIMITES DE CONFIANZA Y LOS CONTRASTES DE

HIPOTESIS

Los límites de confianza proporcionan un conjunto de límites dentro de los cuales se encuentra un parámetro
poblacional (con una proporción especificada). Los contrastes de hipótesis evalúan una afirmación específica
acerca de un parámetro poblacional. Estos procedimientos están relacionados y la mayoría de los contraste de
hipótesis se pueden hacer también utilizando los cálculos de límites de confianza.
Ejemplo:
Una muestra de 12 aisladores tiene una resistencia media de 4,95 libra-pie. Se sabe que la desviación standard
de la población es 0,25. Se desea constatar la hipótesis que la media poblacional es de 5,15.
Solución:
H: μ = μ0 = 5,15

U= = -2,75

Como el índice muestral cae fuera de la región de aceptación, se rechaza la hipótesis.

El procedimiento a seguir utilizando los límites de confianza, es el siguiente:

1. Enunciar la hipótesis relativa al valor de un parámetro poblacional.

2. Obtener una muestra de datos y calcular los límites de confianza para el parámetro
poblacional.
3. Si el valor de la hipótesis cae dentro de los límites de confianza, aceptar la hipótesis. So el valor
de la hipótesis cae fuera de los limites de confianza, rechazar la hipótesis.

Solución utilizando los límites de confianza del ejercicio anterior:

H: μ = μ0 = 5,15

Según el parámetro correspondiente, los límites de confianza son:

Los limites de confianza del 95% son:

4,95 = 4,81 y 5,09

Como el valor de la hipótesis cae fuera de los límites de confianza, se rechaza. Se llega a la misma
conclusión utilizando el procedimiento de contrate de hipótesis.

10. LIMITES DE CONTRASTE ESTADISTICOS

Los “límites de tolerancia estadísticos” son similares a la “capacidad del proceso”, es decir, que muestran los
extremos prácticos de la variabilidad del proceso y por lo tanto, puede ser un dato valioso para determinar los
límites de tolerancia técnicos (que especifican los límites admitidos para aceptación del producto), Los

16
 UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD TIERRA DEL FUEGO

métodos para calcular los limites de tolerancia estadísticos son de dos tipos: aquellos que dan supuesto una
distribución normal y los que no requieren ningún supuesto sobre la distribución.

Se había elegido un nivel de confianza del 95% y un porcentaje de la población del 99%.Utilizando el primer
método y la desviación standard s, los limites de tolerancia estadísticos son:

X ± Ks = 1,00287 ± 3,615.(0,00034) = 1,000614 y 1,00410

Utilizando el método 2 y el recorrido R de los datos combinados, los límites son:

X ± K1.R = 1,00287 ± 1,0005.(0,00034) = 1,000152 y 1,00422

Utilizando el método 3 y la media de los recorridos R de los datos combinados, los límites son:

X ± K2.R = 1,00287 ± 1,783.(0,00078) = 1,000148 y 1,00426

Estos métodos dan por supuestos que la característica sigue la distribución normal. El método 4 es de
“distribución libre” y solo da por supuesto que la distribución es continua y que la muestra es aleatoria

Todos los métodos anteriores implican dos posibilidades: un nivel de confianza y la probabilidad P de estar
comprendido dentro de los límites. Esto se presta a confusión, pero se necesitan de esas dos probabilidades
para obtener un enunciado matemáticamente correcto referente a los límites.

Los límites de tolerancia estadísticos a veces se confunden con otros límites utilizados en la ingeniería y
estadística. En la siguiente tabla se resume las diferencias entre cinco tipos de límites.

17
 UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD TIERRA DEL FUEGO

Sintesisde de contraste de hipótesis:

11. EJERCICIOS
1. Se tienen dos cajas, caja A y caja B. La caja A tiene 40 fichas con el número 1; 50 fichas con el
número 10 y 10 fichas con el número 100. La caja B tiene 40 fichas con el número 100; 50 fichas
con el número 10 y 10 fichas con el número 1. Se elige una caja al azar, y de ella se saca una ficha.
Usted no sabe si es la caja A ó B. Se tienen las hipótesis:

La caja es la A 1 0 Se establece la regla de decisión: Rechazar la hipótesis nula si la ficha es de 100.

a. ¿Cuál es la probabilidad de cometer el error tipo I?. Desarrolle. Respuesta: La probabilidad

de cometer el error tipo I es el nivel de significación alfa:
Respuesta:

18
 UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD TIERRA DEL FUEGO

b. ¿Cuál es la probabilidad de cometer el error tipo II?. Desarrolle.

Respuesta:

c. ¿Es este un test de hipótesis de una ó de dos colas?. Justifique.

d. Si la ficha que sacamos es un 10:

2. Comer para tener huesos sanos significa ingerir suficientes alimentos ricos en calcio y vitamina D”,
es la campaña que han estado siguiendo los consultorios de la Región del Maule. En particular, el
calcio se encuentra en muchos alimentos, pero la fuente más común es la leche y otros productos

19
 UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD TIERRA DEL FUEGO

lácteos. Por ejemplo, tomar un vaso de leche, significan 300 miligramos (mg) de calcio, y para un
Adulto con edades entre 19 y 50 años, se recomienda una dosis de 1000 mg según la Academia
Nacional de Ciencias de los EE.UU. Sobre la base anterior, se ha encuestado a un grupo de Adultos
consultándose la cantidad de vasos de leche diarios que consume, reuniéndose la siguiente
información según el lugar de origen:

Pero, en la recopilación de la información, en varios de los casos se omite el lugar de origen del
Adulto, para resolver este problema, se plantea la siguiente hipótesis:

Se determinó la siguiente regla de decisión: Se rechaza H0 si la persona seleccionada consume al

menos 4 vasos de leche diario.

a. Indique el tipo de hipótesis planteada, ya sea Unilateral ó Bilateral. Justifique.

Respuesta:
Rechazamos H0 para valores grandes (4 ó más vasos diarios), es decir a la derecha, por lo tanto la
hipótesis es unilateral.

20
 UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD TIERRA DEL FUEGO

b. Calcule el nivel de significación. Interprete el resultado obtenido.

Respuesta:

c. Calcule la probabilidad del Error Tipo 2. Interprete el resultado obtenido.

Respuesta:

21
 UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD TIERRA DEL FUEGO

d. Si la persona seleccionada ha consumido 3 vasos de leche, determine el valor_p. ¿Qué decisión

debe tomar?.

3. El buen hábito de higiene bucal que deben tener las personas para una dentadura saludable es el tema
de tesis que realiza un alumno de la carrera de Odontología de la Universidad de Talca, y para ello,
su estudio se centra en niños de 7 años de edad que asisten a dos colegios A y B en la zona urbana de
Talca, registrando la cantidad de cepillados diarios que realizan los niños:

Pero el alumno cuando completa sus fichas, no siempre registra el nombre del colegio al cual asiste
el niño, y con la información previa propone el siguiente test de hipótesis:

Para concluir, establece la siguiente regla de decisión: Rechazar H0 si el niño realiza a lo más 1
cepillado diario.

a. ¿Cuál es la probabilidad de cometer error tipo 1?. Interprete.

Respuesta:

b. ¿Cuál es la probabilidad de cometer error tipo 2?. Interprete.

Respuesta:

22
 UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD TIERRA DEL FUEGO

β = 0.5088.

Existe una probabilidad del 50.88% de afirmar que el niño asiste al colegio A cuando en verdad
asiste al colegio B

c. Si el niño realiza 3 cepillados diarios, ¿A cuál colegio asiste?. ¿Qué tipo de error podría
cometer?.

Respuesta:

d. Si el niño seleccionado realiza 3 cepillados diarios, ¿Cuál es el valor_p?. ¿Cuál es la decisión y

conclusión?.

Respuesta:

23