Prueba de Hipótesis

Estadística
Inferencial
Profesora: Emma Pérez Palacios
Curso: Estadística Inferencial
Semestre: 2022-II
 PRUEBAS DE HIPÓTESIS
Hipótesis Estadística Tipos de
🞽 Es una aseveración que se hace
acerca de un parámetro (de las Hipótesis
relaciones entre parámetros, o de
la distribución de una variable). Hipótesis Nula.- Es
🞽 Esta afirmación se debe analizar aquella que se
esperamos rechazar o
con base a la evidencia de los desaprobar y está
datos de una muestra. denotada por H0

Nota: Hipótesis
Alternativa.- Es la
Ho : Hipótesis nula se caracteriza por que proposición que se
contener a la igualdad desea aprobar o aceptar
y está denotada por H1
 PRUEBAS DE HIPÓTESIS
En una Prueba de Hipótesis se evalúa una hipótesis nula H0 frente a una
hipótesis alternativa H1.
Prueba de Cola
H0 : θ = o ≥ θ 0
Inferior o
Pruebas Izquierda vs H1: θ < θ 0
Unilaterales o
de una cola Prueba de Cola
H0 : θ = o ≤ θ 0
Tipos de Superior o
Derecha vs H1: θ > θ 0
Pruebas
Prueba Bilateral H0 : θ = θ 0 vs
o de dos Colas H 1: θ ≠ θ 0
Tipos de pruebas de hipótesis
Dependiendo de la hipótesis alternativa H1

H 1: θ < θ0 H 1: θ > θ0 H 1: θ ≠ θ0
PRUEBAS DE HIPÓTESIS
Estadística de Prueba Es una estadística muestral (fómula) que
a su vez es un estimador insesgado del parámetro a probar.

Valor Crítico es aquel valor de la estadística de prueba que

permite rechazar H0. Además divide la regíon de aceptación
(RA) y la región de Rechazo (RR)
Reglas de Decisión:
🠶 Se establecen en base al valor crítico de la estadística de prueba
🠶 Región de Rechazo (RR) o Crítica. - Contiene el nivel de
significancia o error tipo II ( α )
🠶 Región de Aceptación (RA). - Contiene al nivel de confianza (δ)
Etapas Básicas de una Prueba de Hipótesis
Inicialmente identificar la variable y estimador sobre el cual se basará la décima de
hipótesis.
● Plantear la hipótesis nula H0 y alternativa H1
● Elegir la estadística (fórmula) y hallar el “valor calculado” de la misma.
● Establecer el valor o valores críticos y las regiones de aceptación y rechazo de H 0,
de acuerdo al nivel de significación especificado.
● Determinar las reglas de decisión de la prueba.
● Tomar la decisión:
- Si el valor calculado pertenece a la región de rechazo rechazar
H0 y aceptar H1.

- En caso contrario aceptar Ho.

Conclusión : El comentario ( verificación o bien desaprobación) del enunciado
Prueba de hipótesis para la media de
la población
a) Caso de n> 30 (o varianza σ2 conocida (usando software )
Prueba de hipótesis para la media de
la población
b) Caso de n ≤ 30 (o varianza σ2 desconocida (usando software)
 Ejemplo 1.-
Un fabricante afirma que mediante el uso de un aditivo en la gasolina, los
automóviles podrían recorrer por término medio, más de 3 kilómetros por litro. Se
usa una muestra aleatoria de 100 automóviles para evaluar este producto. El
incremento medio muestral alcanzado fue 3,4 kilómetros por litro, con una
desviación estándar de 1,8 kilómetros. ¿Con α = 0,05, se puede rebatir la
afirmación del fabricante?
Solución .-
De los datos tenemos:

Hipótesis Planteada
H0: El aditivo no permite el incremento del recorrido.
H 0: μ ≤ 3
H1: El aditivo permite el incremento del recorrido de 3 km.
H 1: μ > 3 Con μ0 = 3
Nivel de significación: α = 0,05
Estadística de Prueba

Valor crítico: Región de

t(n-1; 1-α) =t(99; 0,95) = 1,66039 Rechazo

Regla de Decisión:
Si tcal > t(n-1; 1-α) se rechaza H0
P=0.014
Decisión de la
Prueba:
Rechazar H0 2,22
Interpretación del resultado de la Prueba de
Hipótesis en el Minitab:
P = P value = probabilidad del valor calculado en el mismo
sentido que H1 (1cola izq, 1cola derecha o 2 colas)
En el SPSS sig (significancia interna de la P. de Hipótesis)
Es la probabilidad de error del valor calculado.
Debe de ser lo mas pequeño posible, para rechazar Ho.
Máximo valor permitido: 0.10
Entonces:
* Si P (P value) ≤ α ⇒ Rechazar Ho
⇒ Aceptar H1

* Si P (P value) > α ⇒ Aceptar H0

Ejemplo 2.-
Un proceso funciona correctamente cuando produce frascos de champú con un contenido
promedio de 200 gramos. Una muestra aleatoria de 8 frascos de una remesa presentó los
siguientes pesos: 197, 206, 197, 208, 201, 197, 203, 209. Asumiendo que la distribución
de los pesos es normal, al nivel del 5%, ¿hay razones para creer de que el proceso no está
funcionando correctamente?

Solución .-
De los datos tenemos:

Las Hipótesis planteadas son las siguientes

H0: El proceso está funcionando correctamente.
H1: El proceso no está funcionando correctamente.
H0: μ = 200 =μ0
H1: μ ≠ 200 =μ0
 Nivel de significación: α = 0,05 Función de distribución acumulativa
inversa
Estadística de Prueba Distribución t de Student con 7 DF

P( X <= x ) x
0.025 -2.36462
0.975 2.36462

Valores críticos:
t(7; 0,025) = -2,3646
t(7; 0,975) = 2,3646
Regla de Decisión:
Si tc < t(n-1; α/2) o tc > t(n-1; 1-α/2) se rechaza H0

Decisión de la Prueba: Aceptar H0

Ejemplo 3.-
Un inspector de calidad investiga las acusaciones contra una embotelladora
por el deficiente llenado que debe ser, en promedio, de 32,5 onzas, además se
sabe que la máquina embotelladora debe producir un llenado con una
desviación estándar de 3,6 onzas. Para verificar tal acusación se toma una
muestra de 60 botellas, encontrando que el contenido medio es de 31,9 onzas
de líquido.
a) Con α = 0,05, ¿puede el inspector llegar a la conclusión que se están llenando las
botellas por debajo de su especificación de contenido?
b) Con α = 0,10, ¿se llega a la misma conclusión?
Solución a) De los datos tenemos:
µ0 =32,5 σ= 3.6 n = 60 x=31,9 α= 0.05 z = 1,645

H0: Llenando no esta por debajo de su capacidad. H0: μ ≥ (32.5=μ0 )

H1: Llenando esta por debajo de su capacidad. H1: μ < (32.5= μ0 )
1) Hipótesis Planteadas
H0: μ ≥ 32.5
H1: μ < 32.5
2) Estadística: 3)

RR
R.A.

α =0.05
Zc = 31.9 – 32.5 = -1.29099 -1.64485
3.6 / raíz (60)

4) Zc ∈ RA ⇒ Ho se acepta

5) μ ≥ 32.5. por lo tanto: La Embotelladora esta llenando con la cantidad

especificada.
 Decisiones Posibles de una Prueba de
Hipótesis

Dada una hipótesis Nula: Ho

Error Tipo I.- Se comete cuando rechazamos H0 siendo verdadera.

Error Tipo II.- Se comete cuando aceptamos H0 siendo falsa.
Potencia de la Prueba Es la probabilidad de rechazar H0 siendo falsa, se denota por 1-β .
 Ejemplo 1.-
Considere el siguiente caso como una prueba de hipótesis. Un médico sospecha que su
paciente tiene cáncer. Ordena análisis clínicos.
a) Establezca cuidadosamente los 4 posibles resultados al tomar la decisión
Hipótesis planteadas:
H0: Tiene cáncer
H1: No tiene cáncer
Decisiones posibles:
⯌Afirmar que tiene cáncer, siendo esto verdad
⯌ ERROR TIPO II: Afirmar que tiene cáncer cuando en verdad no lo tiene.
⯌ERROR TIPO I: Rechazar que tiene cáncer, cuando en realidad si tiene cáncer.
⯌Rechazar que no tiene cáncer cuando en realidad no lo padece.
Ejemplo 1.-
b) Decida sobre la gravedad de los dos errores posibles.
Errores posibles:
⯌ Error Tipo I: Afirmar erróneamente que el no paciente tiene
cáncer. (más grave)
⯌ Error Tipo II: Afirmar erróneamente que el paciente tiene cáncer.
c) Si se pudiesen controlar estadísticamente α y β, ¿qué conjunto de
probabilidades preferiría el paciente?.

α = 0,10 y β = 0,001; α = 0,001 y β = 0,10; α= 0,05 y β = 0,05.

Seria conveniente que: α = 0,001 y β = 0, 01.
 II Prueba de Hipótesis para la
Proporción de la Población: π
Cuando n > 30, a > 5 Si: p = a/n : proporción muestral
Usar la distribución Normal Estándar
Ejemplo 1.-
Un fabricante de cigarrillos asegura que el 20% de los fumadores prefieren la marca
que ellos producen. Para probar esta afirmación se toma una muestra de 40 fumadores
a quienes se les averigua la marca de cigarrillos que fuman. Si 9 de los
entrevistados prefieren la marca A. Con α = 0,05, ¿Se puede rebatir la afirmación
del fabricante?.
π = Proporción poblacional de los que de los que prefieren los cigarrillos de marca A
¿π = 0.20 o 20% ?
Solución .- Los datos que tenemos son:

a = 9, p = a / n = (9 / 40) = 0.225 o 22.5%

Las hipótesis planteados son:
1. H0: El 20% de los consumidores prefieren la marca A.
H1: El 20% de los consumidores no prefieren la marca A
H0: π = (π 0 = 0.20)
H : π ≠ (π = 0.20)
 Ejemplo 1.-
Nivel de Significación α = 0,05.
2. Estadística de Prueba
4. Decisión

Z c = 0,40 = valor calculado ∈ RA

3. Valores Críticos y RR , RA :

Se puede decidir Aceptar H0 RR 0.95

R
π = 0.20 o 20% A

5. Conclusión: Al 5% de sig. se puede afirmar 0,4

que el fabricante tiene la razón
 Desición
=a P valor > α, 0,693 > 0,05
=n
Zc= 0,40 ∈ RA

=> Ho se acepta

P valor = 0,3446 +0,3446 = 0,692

 Si H1: π < π 0 = 0.25 ⇒ cola izq.

Ejemplo 2.- p = 8 /40 = 0.20

El gerente de una gran compañía afirma que al
menos 25% de sus empleados llegan tarde. En Z cal = 0.20 - 0.25 = 0.73
tal sentido, se solicita al jefe de personal la raíz 0.25x 0.75
revisión de los registros de la hora de llegada de 40
40 empleados, en la quincena pasada, y se verifica
que 8 han llegado tarde. RR RA
a) Con α = 0,02; ¿hay razón para concluir que el α =0.02
gerente de la compañía está exagerando?
Z= -2.05375 0.73
Solución.-
Hipótesis Planteadas Zcal ∈ RA ⇒ Ho se acepta.
H0: Al menos 25% de empleados llega tarde.
H0: π ≥ π0 = 0.25 Al menos el 25% de los empleados llega
H1: Menos del 25% de empleados llega tarde
tarde.
H : π < π = 0.25
Prueba de Hipótesis para la
Varianza de la Población
Ejemplo 1.-
Una máquina automática empacadora de azúcar se usa para llenar bolsas de 2
Kg. Una muestra de 15 bolsas arrojó una media de 1.97 Kg. con una desviación
estándar de 0,012 Kg.; si se supone que la distribución de los pesos es normal,
y de la experiencia pasada se sabe que la desviación estándar de los pesos es de
0,009, ¿puede explicarse el aparente incremento en la variabilidad por el error
muestral únicamente?.
Solución.- Los datos que tenemos son:

Las hipótesis planteadas son:

= 0,0092
H0: La variabilidad no se ha incrementado
H1: La variabilidad se ha incrementado.
= 0,0092
 Ejemplo 1.-
Nivel de Significación: Se asume α = 0,05
Estadística de Prueba

2(n-1) = 2 (14)
Valor Crítico

Como
Se rechazar H0 0.95

Se acepta H1 : σ 2 > 0,0092

Conclusión: En efecto la varianza de del peso

Las bolsas azúcar se ha incrementado al 5% se sig.

Tarea :

Hallar al salida de la P. hip. de la varianza con el Minitab, Interpretar,

Indicar a decisión y establecer la conclusión.

Presentar la capturas de pantalla

0.036 < 0.05 => Ho se rechaza
Hq1 se acepta
 Cálculo del p-valor

Ejemplo 2.- (TAREA)

Se afirma que una maquina está fuera de
control si la varianza de los contenidos
excede 1.15 decilitros2. Si una muestra
aleatoria de 25 refrescos de esta maquina
tiene una varianza de 2,03 decilitros.
a) Con α = 0,05, ¿indica esto que la maquina
está fuera de control?.
Solución: Se tiene los siguientes datos:

Hipótesis Planteadas
H0: La maquina no esta fuera de
control. Luego se rechaza H0. Porque
p-valor < α
H1: La máquina está fuera de control.
 P. H. de Proporciones de Poblaciones
Independientes
Se requiere ( n1+n2 ) > 30 , ( a1+ a2 ) > 5
Por lo general a = 0

-a

Se debe de calcular
1. La proporción muestral conjunta: p = (a1 + a2 ) / (n1+n2)

2. Las proporciones de cada muestra: p1 = a1 / n1 y p2 = a2/n2

Donde:
a1 y a2 : Nº de elementos que tienen la característica de interés
 Posibilidades de Pruebas de
Hipótesis
Ho :π1 = π2 , H1: π1 ≠ π2 Ho :π1- π2 = 0 H1: π1 - π2 ≠ 0

Ho :π1 ≥ π2 , H1: π1 < π2 Ho :π1- π2 ≥ 0 H1: π1 - π2 < 0

Ho :π1 ≤ π2 , H1: π1 > π2 Ho :π1- π2 ≤ 0 H1: π1 - π2 > 0

En realidad “0” es el valor hipotetizado de la P-Hip. de

Diferencia de 02 Proporciones
Ejemplo 1.-
Un ensamblador de computadoras compra los chips de sus productos a dos
proveedores. En el lote de 300 chips del proveedor A, se encontró 50 defectuosos.
Mientras que en el lote de 400 chips del proveedor B, se observó 70 con fallas. ¿Cree
usted que existe evidencia que permita afirmar que no existe diferencia en la
proporción de chips defectuosos entre ambos proveedores?

Solución: De los datos tenemos:

= a1

= a2
Hipótesis Planteadas
H0: No existe diferencia en la proporción de chips defectuosos
H1: Existe diferencia en la proporción de chips defectuosos
H0: π1 = π2
H1: π1 ≠ π2
Estadística de la prueba
Zc = 0.1667 - 0.1750
raíz [( 0.171429 ( 1-0.171429) ( 1 + 1 ) ]
300 400

Zc = -0.29

p= 50 + 70 = 0.171429
300+ 400
p1 = 50 / 300 = 0.1667
p2 = 70/ 400 = 0.1750
 Ejemplo 1.- Nivel de significación: α = 0,05
Estadística de Prueba
Regla de Decisión:
Si zc< zα/2 ó Valores críticos:
zc > z1-α/2 zα/2 = -1,96 y
se rechaza H0 z1-α/2 = 1,96

Decisión de la
Prueba:
Zc  RA

=> Aceptar H0 Zcal = -0.29 RA

Conclusión:
Existe evidencia al 5% de sig. que permite
afirmar
que no existe diferencia
en la proporción de chips defectuosos
ente ambos proveedores
 P Valor > α
0,772 > 0,05

=> Zcal ∈ RA => Ho se acepta

Conclusión:
Existe evidencia que permite afirmar que no existe diferencia
en la proporción de chips defectuosos ente ambos proveedores
 Nivel de significación: α = 0,05

P valor = 0.3859 + 0.3859 = 0.7718

P. H. de Varianzas Poblaciones
Independientes

Nota:
Usar F con
(n1-1, n2-1) g.l.

@ Ho: 12 / 22  1
@ H1: 12 / 22 < 1
“1” valor o relación
hipotetizada de
 de la Prueba de Hip.
@ Ho: 12 / 22  1
@ H1: 12 / 22 >1

@ Ho: 12 / 22 = 1

@ H1: 12 / 22 ≠ 1
Ejemplo 1.-
Se lleva a cabo un estudio para comparar el tiempo que tardan hombres y mujeres en
ensamblar un producto determinado. Las experiencias anteriores indican que la
distribución de los tiempos tanto para hombres como para mujeres es
aproximadamente normal. En una muestra de 11 hombres, la desviación estándar fue
6,1 minutos; y la muestra de 16 mujeres, la desviación estándar fue de 5,3 minutos.
¿Cree usted que exista diferencia en la variabilidad los tiempos entre hombres y
mujeres?

Solución .- De los datos del problema tenemos

Hombres: n1 = 11; s1 = 6,1 Mujeres: n2 = 16; s2 = 5,3

Hipótesis Planteadas
H0: No existe diferencia en la variabilidad de los tiempos
H1: Existe diferencia en la variabilidad de los tiempos
 Ejemplo 1.-
Nivel de significación: α = 0,05
Estadística de Prueba

F ( 10, 15)

Valores críticos:

0,95

Regla de Decisión: R
A

Conclusión
Se puede afirmar al 5% de sig. que no
existe diferencia en la variabilidad los
Decisión de la Prueba: Aceptar H0 tiempos entre hombres y mujeres
P Valor = 0.3016 + 0.3016 = 0.6032
 Prueba de Hip. de Comparación de
Medias de Poblaciones Independientes
1. Caso de n>30 (o varianzas σ2 conocida (usando sotfware) )
 Ho :µ1 = µ2 , H1: µ1 ≠ µ2

Ho :µ1 ≥ π2 , H1: µ1 < µ 2

Ho :π1 ≤ µ2 , H1: µ1 > µ2 Posibilidades de Pruebas de

Hipótesis

Ho :µ1- µ2 = a H1: µ1 - µ2 ≠ a

Ho :µ1- µ2 ≥ a H1: µ1 - µ2 < a

Ho :µ1- µ2 ≤ a H1: µ1 - µ2 > a

P.H. de Medias de Poblaciones Independientes:
n ≤ 30
(o varianza σ2 desconocida (usando
software)
a) Caso de Varianza Iguales

S2p = Varianza ponderada

S2p = (n1-1) S12 + (n2-1) S22

n1 + n2 - 2
P.H. de Medias de Poblaciones Independientes:
n ≤ 30
(o varianza σ2 conocida (usando software)
b) Caso de varianzas desconocidas, pero diferentes
 Ejemplo 1.-
El jefe de compras de una fábrica está considerando la posibilidad de comprar un
nuevo tipo de fresadora. Ha determinado comprar la nueva máquina si confirma que
las piezas producidas con ella tienen una mayor resistencia a la rotura que las de la
máquina antigua. La desviación estándar de la resistencia a la rotura para la máquina
antigua es 25 Kg y para la nueva 20 Kg. Una muestra de 100 piezas tomada de la
máquina antigua arrojó una resistencia media de 65 Kg. en tanto que una muestra
similar de la nueva maquina señaló una resistencia media de 75 Kg. ¿Con α = 0,01, el
jefe de compras debe adquirir la nueva máquina?.

Solución .- De los datos del problema tenemos:

Hipótesis Planteadas
H0: No comprar la nueva máquina H0 : μ1 ≤ μ2
H1: Comprar la nueva máquina H1 : μ1 > μ2
 Nivel de significación: α = 0,01
Ejemplo 1.- Estadística de Prueba

Valor crítico:
z1-α = 2,33

Regla de Decisión:
Si zc > z1-α se rechaza H0

Decisión: Rechazar H0, aceptar H1 μ1 > μ2

Conclusión : El jefe de compras debe adquirir la nueva
máquina, por que la nueva maquina tiene una mayor
resistencia (promedio) a la rotura que la antigua.
Nota:

El Minitab no dispone la
Los IC y P. Hipótesis para
la diferencia de medias con
Varianzas Poblacionales
conocidas

(Z de dos muestras)
Ejemplo 2.-
Al medir el rendimiento de dos grupos de trabajo A y B se han obtenido los
siguientes resultados (en kg. de materia prima por hora de trabajo):
Grupo A: 14,1 10,1 14,7 13,7 14,0 13,9
Grupo B: 14,0 14,5 13,7 12,7 14,1 13,4
¿Se puede considerar que los rendimientos de los grupos A y B son
significativamente diferentes suponiendo que ambas muestras provienen de
poblaciones normales? (α = 0.01).
Solución .- De los datos del
problema tenemos:

Hipótesis Planteadas
H0: Los rendimientos de los A y B no son significativamente diferentes
H1: Los rendimientos de los A y B son significativamente diferentes
Caso de varianzas desconocidas: Debe hacer la prueba de igualdad de
varianzas.
Ejemplo 2.-

Hipótesis

Nivel de significación: α = 0,01

Estadística de Prueba:

Valores Críticos:

Las varianzas son iguales.

Ejemplo 2.-
H0: Los rendimientos de los A y B no son diferentes H 0: μ1 = μ2
H1: Los rendimientos de los A y B son diferentes H 1: μ1 ≠ μ2

T ( 8)
Nivel de significación: α = 0,01
Estadística de Prueba

Valores críticos:

Decisión: H0 se acepta.
Ejemplo 3.-
Una compañía debe decidir cuál de dos tipos de neumáticos va a adquirir. Se desea
adquirir los neumáticos A, a menos que haya alguna evidencia que la marca B resulte
mejor. Se hace una prueba con 5 neumáticos de cada marca, encontrándose los
siguientes rendimientos en Km.
Marca A: 2500 2490 2500 2510 2480
Marca B: 2550 2540 2530 2570 2300
A la luz de estos resultados, ¿qué decisión debe tomar la compañía?. ¿Son homogéneas
las varianzas poblacionales?
Solución .- De los datos del
problema tenemos:

Hipótesis Planteadas
Caso de varianzas desconocidas, entonces
H0: No comprar neumáticos marca A se debe realizarse previo la prueba de
H1: Comprar neumáticos marca A igualdad de varianzas.
Ejemplo 3.-

Hipótesis

Nivel de significación: α = 0,05

Estadística de Prueba RR
RA

Valores críticos:

F cal pertenece la RR, Ho se rechaza, H1 se acepta

Por lo tanto: Las varianzas son diferentes
 Ejemplo 3.-
H0: No comprar neumáticos marca A H0: μ1 ≤ μ2
H1: Comprar neumáticos marca A H1: μ1 > μ2

Nivel de significación: α = 0,05

Estadística de Prueba

Valor crítico:
Decisión: Aceptar H0
P.H. de la Media Poblacional de Datos Pareados –
Poblaciones relacionadas

di = Xi - Yi

(antes – después)
 Aplicación de
un instrumento
de recolección
datos

Momento del
tiempo 1
(Antes) Xi
Estadísticos de la muestra
Media: d
di = Xi –Yi
Muestra Desviac. Estand: Sd

Momento
del tiempo 2
Tamaño (después)
Yi

Parámetro: d => Prueba de hip para d d : Valor hiptetizado por lo general es = 0

0
 Ejemplo 1.-
Un analista de sistemas está probando la factibilidad de utilizar un nuevo sistema de
computo. El analista solo cambiará el procesamiento al nuevo sistema si hubiera
evidencia de que este emplea menos tiempo de procesamiento que el antiguo. A fin de
tomar una decisión, se seleccionó una muestra de siete trabajos y se registró el tiempo
de procesamiento con los dos sistemas, en segundos, con los siguientes resultados:

Trabajo 1 2 3 4 5 6 7
X: Antiguo 8 4 10 9 8 7 12
Y: Nuevo 6 3 7 8 5 8 9
Al 1% de significación, ¿hay alguna evidencia de que el sistema antiguo utiliza más
tiempo de procesamiento?. (  = 0.01)
H0: μD ≤ 0 Deseable : Media antiguo (X) > Media Nuevo Y
H1: μD > 0 (xi > yi: di >0 ) D > 0
 Ejemplo 1.-
Solución .-

Trabajo 1 2 3 4 5 6 n= 7
Antiguo 8 4 10 9 8 7 12
Nuevo 6 3 7 8 5 8 9
Diferencia d i 2 1 3 1 3 -1 3

Hipótesis planteadas Nivel de significación: α = 0,01

H0: Sistema antigua no utiliza más
Estadística de Prueba
tiempo
H1: Sistema antigua utiliza más T (6)

tiempo
H0: μ D ≤ 0
Valor crítico:
H1: μ D > 0 (d: xi > yi)

Aceptar H0
Decisión

Tc  RA => Ho se acepta

Conclusión

Al 1% de significancia se puede afirmar que

No hay evidencia de que el sistema antiguo utiliza
mas tiempo de procesamiento que nuevo
Al 1% de significación, ¿hay alguna evidencia de que el sistema
antiguo utiliza mas tiempo de procesamiento?.
α = 0,010

P valor > α
0,012 > 0,010 => Ho se acepta
 RA

3,03

Tc = 3,03 ∈ RA => Ho se acepta (P valor = 0.012) > ( α = 0.010)

=> Ho se acepta
 Gracias
Practiquen para su Examen Final
¡Muchos éxitos!