Ejemplo 1:

Considere el problema acerca de la velocidad de combustin de un

propulsor. Supongamos que si la tasa de combustin es inferior a 50
centmetros por segundo, queremos mostrar esto como una conclusin
firme. Las hiptesis se debe indicar como
H0 : = 50 centmetros por segundo
H1 : < 50 centmetros por segundo
Aqu, la regin crtica se encuentra en el extremo inferior de la distribucin
de

X . Desde el rechazo de H0 es siempre una conclusin clara, esta

declaracin de las hiptesis producir el resultado deseado si se rechaza H 0.

Tenga en cuenta que, aunque se plantea la hiptesis nula con un signo
igual, que se entiende para incluir cualquier valor de que no especificadas
por la hiptesis alternativa. Por lo tanto, no rechazar H 0 no significa que =
50 centmetros por segundo exactamente, pero slo tenemos que no tienen
una fuerte evidencia en apoyo de H 1.
Ejemplo 2:
Sistemas de las tripulaciones de escape son impulsados por un combustible
slido. La velocidad de combustin de este propulsor es una caracterstica
importante del producto. Especificaciones exigir que la media tasa media
de combustin debe ser 50 centmetros por segundo. Sabemos que la
desviacin estndar de la velocidad de combustin es de 2 centmetros por
segundo. El experimentador decide especificar un error de tipo I
probabilidad o nivel de significacin de 0,05 y selecciona una muestra
aleatoria de n = 25 y obtiene una tasa promedio de combustin

x =5 1.3

centmetros por segundo. Qu conclusiones se obtiene?

Podemos resolver este problema siguiendo los siguientes pasos:
1. El parmetro de inters es , la tasa de combustin.
2. H0 : = 50 centmetros por segundo
3. H1 : 50 centmetros por segundo
4. = 0.05
5. La prueba estadstica es

z0

x 0
/ n

6. Rechazar H0 si z0 > 1.96 o si z0 < - 1.96. Note que esto es resultado

del paso 4 donde especificamos = 0,05, y as los lmites de la regin
crtica est en z0.025 = 1.96 y z0.025 = -1.96
7. Clculo: Tenemos

x =51.3 y =2 ,
z0

51.3 50
2 / 25

8. Conclusin: Tenemos z0 = 3.25 > 1.96, rechazamos H0 : u = 50 en el

0.05 nivel de significacin. Dicho de forma ms completa, llegamos a
la conclusin de que la velocidad de combustin media de diferencia
de 50 centmetros por segundo, sobre la base de una muestra de 25
mediciones. De hecho, hay fuertes indicios de que el ndice de
combustin media supera a 50 centmetros por segundo.

Ejemplo 3:
La mayor disponibilidad de materiales ligeros con alta resistencia ha
revolucionado el diseo y la fabricacin de palos de golf, en particular los
conductores. Clubes con la cabeza hueca y las caras muy fina puede dar
lugar a golpes de salida mucho ms tiempo, especialmente para los
jugadores de habilidades modestas. Esto se debe en parte al "efecto
primaveral" que imparte el rostro delgado de la pelota. Disparar una pelota
de golf en la cabeza del palo y la medicin de la relacin entre la velocidad
de salida de la bola a la velocidad de entrada se puede cuantificar este
efecto primaveral. La relacin de velocidades se llama el coeficiente de
restitucin del club. Se realiz un experimento en el que 15 pilotos
producido por un fabricante determinado club fueron seleccionados al azar y
se midieron sus coeficientes de restitucin. En el experimento de las pelotas
de golf fueron disparados desde un can de aire para que la velocidad de
entrada y tasa de rotacin de la bola pueda ser controlada con precisin. Es
de inters para determinar si hay pruebas (con = 0,05) para apoyar la
afirmacin de que el coeficiente medio de la restitucin excede de 0,82. Las
observaciones son las siguientes:
0.8411
0.8580
0.8042

0.8191
0.8532
0.8730

0.8182 0.8125
0.8483 0.8276
0.8282 0.8359

0.8750
0.7983
0.8660

La media muestral y la desviacin estndar de la muestra son

x =0.83725

y s = 0,02456. La normal probabilidad grfica de los datos en la figura de

abajo apoya la hiptesis de que el coeficiente de restitucin es una
distribucin normal. Dado que el objetivo del investigador es demostrar que
el coeficiente medio de la restitucin excede a
0.82, una hiptesis
alternativa unilateral es apropiada.
La solucin mediante el procedimiento de ocho pasos para la prueba de
hiptesis es la siguiente:

La solucin mediante un procedimiento de ocho pasos para la prueba de

hiptesis es la siguiente:
1. El parmetro de inters es , el coeficiente de restitucin.
2. H0 : = 0.82.
3. H1 : > 0.82. Queremos rechazar H0 si el coeficiente medio de la
restitucin excede de 0,82
4. = 0.05
5. La prueba estadstica es

t0

x 0
s/ n

6. Rechazar H0 si t0 > t0.05,14 = 1.761

7. Clculos: Desde

x =0.83725 , s = 0.02456 , = 0.82 y n = 15.

0

Tenemos:

t0

0.83725 0.82
2.72
0.02456 / 15

8. Conclusiones: desde t0 = 2.72 > 1.761, rechazamos H0 y

concluimos en un 0.05 nivel de significacin que el coeficiente de
restitucin excede a 0.82.
Ejemplo 4:
Una mquina de llenado automtico se utiliza para rellenar las botellas de
detergente lquido. Una muestra aleatoria de 20 botellas da una varianza de
s2 = 0.0153 (onzas lquidas) 2 en el volumen de llenado. Si la variacin de
volumen de carga superior a 0,01 (onzas lquidas) 2, una proporcin
inaceptable de las botellas sern llenadas con un volumen errneo. Hay
evidencia en los datos de ejemplo para sugerir que el fabricante tiene un
problema con las botellas incorrectamente llenadas? Utilice = 0.05, y
asumir que el volumen de llenado tiene una distribucin normal
1.
2.
3.
4.
5.

El parmetro de inters es 2, el coeficiente de restitucin.

H0 : 2 = 0.82.
H1 : 2 > 0.82.
= 0.05
La prueba estadstica es

X
6. Rechazar H0 si

X 20

>

X 20.05,1 9

(n 1) s 2
2
= 30.14

7. Clculos:

x 20
8. Rechazar H0 si

X0

19(0.0153)
29.07
0.01

= 29.07 <

X 0.05,19

= 30.14. Concluimos que

no existe suficiente evidencia de que la varianza de volumen de

llenado excede 0.01

Ejemplo 5:
Una compaa disea un nuevo proceso de moldeo para reducir la
variabilidad en el dimetro de las piezas producidas. Se cree que la
varianza del nuevo proceso es menor que la varianza del proceso antiguo.
Para un amuestra de 8 piezas del proceso antiguo y una muestra de 6
piezas del proceso nuevo se obtienen los siguientes dimetros en
milmetros:
Antiguo: 17, 23, 21, 18, 22, 20, 21 ,19.
Nuevo: 13, 16, 14, 12, 15, 14.
Confirman estos datos que la varianza de los dimetros con el nuevo
proceso es menor que con el proceso antiguo?
Solucin:
Sean X1 y X2 las variables que representan los dimetros de las piezas con
el proceso antiguo y el nuevo respectivamente.
1. El parmetro de inters es

21

22

, la varianza de los

dimetros de las nuevas y antiguas piezas.

2. H0 :

21

22 .

3. H1 :

21

>

22 .

4. = 0.05
5. Estadstica: Poblaciones normales. Suponiendo verdadera la
hiptesis nula H0, para n1 = 8 y n2 = 6 , la estadstica es:

F=

S^ 21
S^ 22

Que se distribuyen con F (7, 5).

6. Regin crtica. Para a = 0.05 y la prueba unilateral cola a la derecha,
en la distribucin de F (7, 5), la regin crtica es:

R .C .={F >4.88 }

7. Clculos:

s^ 21=4.125, ^s22=2 y f k =s^ 21 / s^ 21=4.125/2=2.0625

8. Conclusin: Como

f k =2.065 R . C . , no se debe rechazar H0 y

concluir que las dos varianzas son iguales.

Ejemplo 6:
Un desarrollador de productos est interesado en reducir el tiempo de
secado de una pintura de imprimacin. Dos formulaciones de la pintura se
ponen a prueba, a la formulacin 1 es el estndar de la qumica, y la
formulacin 2 tiene nuevo secado ingrediente que debe reducir el tiempo de
secado. Por experiencia, se sabe que la desviacin estndar de tiempo de
secado es de 8 minutos, y esta variabilidad inherente no se ver afectados
por la adicin del nuevo ingrediente. Diez ejemplares estn pintados con la
formulacin 1, y otros 10 ejemplares estn pintados con la formulacin 2,
las 20 muestras estn pintadas en orden aleatorio. El promedio de la
muestra los tiempos de secado son

x =121

minutos y

x =112

minutos,

respectivamente. Qu conclusiones se pueden extraer los desarrolladores

de productos acerca de la efectividad del nuevo ingrediente, con = 0.05?
Podemos resolver este problema siguiendo los siguientes pasos:

1. La cantidad de inters es la diferencia en la media de los tiempos de

1 - 2, y 0 = 0
2. H0 : 1 - 2 = 0, o H0 : 1 = 2
3. H1 : 1 > 2. Queremos rechazar H0 si el nuevo ingrediente reduce el
tiempo de secado.
4. = 0.05
5. La prueba estadstica es

z0

Donde

21= 21=(8)2=64

x1 x 2 0

12 22

n1 n2

y n1 = n2 = 10

6. Rechazar H0 : 1 = 2 si z0 > 1.645 = z0.05

7. Clculos: Desde

x =121

minutos y

estadstica es:

z0

121 112
(8) 2 (8) 2

10
10

x =112

minutos la prueba

2.52

8. Conclusin: Desde z0 = 2.52 > 1.645, rechazamos H0 : 1 = 2 en

= 0.05 que agregando los nuevos a la pintura de secado se reduce
el periodo de secado.

Ejemplo 61:
La concentracin de arsnico en los suministros pblicos de agua potable es
un riesgo potencial para la salud. Un artculo en la Repblica de Arizona
(Domingo, 27 de mayo 2001) inform concentraciones de agua potable de
arsnico en partes por billn (ppb) durante 10 comunidades metropolitanas
de Phoenix y 10 comunidades en la zona rural de Arizona. Los datos
siguientes:

Queremos determinar que existe alguna diferencia en las concentraciones

media de arsnico entre las comunidades metropolitanas de Phoenix y las
comunidades en la zona rural de Arizona. La siguiente figura muestra una

grfica de probabilidad normal para las dos muestras de la concentracin de

arsnico. El supuesto de normalidad parece bastante razonable, pero como
las pendientes de las dos rectas son muy diferentes, es poco probable que
las varianzas poblacionales sean iguales.

Podemos resolver este problema siguiendo los siguientes pasos:

1. Los parmetros de inters son las concentraciones media de arsnico

para las dos regiones geogrficas, son, 1 y 2 ; estamos interesados
en determinar si 1 - 2 = 0
2. H0 : 1 - 2 = 0, o H0 : 1 = 2
3. H1 : 1 2
4. = 0.05
5. La prueba estadstica es

t0*

6. Los grados de libertad en son:

x1 x 2 0
s12 s22

n1 n2

s1 s1
+
n1 n 2

( 7.63 )2 /10 2

[ ( 15.3 )2 /10]2
9+
9

r =
7. Por lo tanto, usando = 0.05, rechazaremos H 0 : 1 = 2 si

t0* t0.025,13 2.160

t0* t0.025,13 2.160

o si

8. Clculos:

t0*

x1 x 2 0
s12 s22

n1 n2

12.5 27.5
(7.63) 2 (7.63) 2

10
10

2.77

t0* 2.77 t0.024,13 2.160

9. Conclusiones:
, rechazamos la hiptesis nula.
Por lo tanto, no hay pruebas que permitan concluir que la
concentracin media de arsnico en el agua potable en zonas rurales
de Arizona es diferente de la concentracin media de arsnico en
rea metropolitana de Phoenix agua potable. Adems, la
concentracin media de arsnico es mayor en las comunidades
rurales de Arizona.

Ejemplo7:
La Un artculo publicado en el Diario de anlisis de tensin (1983, vol. 18, N
2) compara varios mtodos para predecir la resistencia al corte de vigas
de placa de acero. Procedimientos de datos de dos de estos mtodos,
Karlsruhe y Lehigh, cuando se aplica a nueve vigas de concreto, se
muestran en la Tabla 10-2. Queremos determinar si hay alguna diferencia
(en promedio) entre los dos mtodos.

Podemos resolver este problema siguiendo los siguientes pasos:

1. El parmetro de inters es la diferencia media de la resistencia al

corte entre los dos
mtodos, es decir, D = 1 - 2 = 0
2. H0 : D = 0
3. H1 : D 0
4. = 0.05
5. La prueba estadstica es

t k=

d
S^ d / n

t0 t0.025,8 2.306

t0 t0.025,8 2.306

6. Rechazaremos H0 si
o si
7. Clculos: El promedio de la muestra y la desviacin estndar de las
diferencias es
es:

d=0.2736
y

s D =0.1356 , as la prueba estadstica

t k=

8. Conclusiones: Desde

d
0.2736
=
=6.05
S^ d / n 0.1356/ 9

t 0=6.05>2.306 , se concluye que los mtodos

de prediccin de la intensidad producir resultados diferentes. En

concreto, los datos indican que el mtodo de Karlsruhe produce, en
promedio, mas predicciones que el mtodo de Lehigh.

Ejemplo8:
Los extractos de la hierba de San Juan son ampliamente utilizados para
tratar la depresin. Un artculo del 18 de abril 2001 de la revista Journal de
la Asociacin Mdica Americana ("La eficacia de la hierba de San Juan en la
depresin mayor: un ensayo controlado") se compar la eficacia de un
extracto estndar de hierba de San Juan con un placebo en 200 pacientes
ambulatorios diagnosticados con depresin mayor. Los pacientes fueron
asignados aleatoriamente a dos grupos: un grupo recibi la hierba de San
Juan, y el otro recibi un placebo. Despus de ocho semanas, 19 de los
pacientes tratados con placebo mostraron una mejora, mientras que 27 de
los pacientes tratados con la hierba de San Juan mejor. Hay alguna razn
para creer que la hierba de San Juan es eficaz en el tratamiento de la
depresin mayor? Use = 0.05.
Podemos resolver este problema siguiendo los siguientes pasos:

1. El Los parmetros de inters son p1 y p2, la proporcin de pacientes

que mejoran despus del tratamiento con la St. Jhon (p 1) o the
placebo (p2).
2. H0 : p1 = p2
3. H1 : p1 p2
4. = 0.05
5. La prueba estadstica es

z 0=

Donde

^p=

p 1 p 2

^p ( 1 ^p ) (

1 1
+ )
n1 n2

^p1=27 /100=0.27, ^p 2=19/100=0.19, n1 =n2=100

x 1+ x 2
19+ 27
=
=0.23
n 1+ n2 100+ 100

p1 p2

z0 z0.025 1.96

6. Rechazaremos H0 si
si
7. Clculos: La prueba estadstica es:

z 0=

Conclusiones: Desde
nula hiptesis.

z 0=1.35

0.270.19

1
1
0.23 ( 0.77 ) (
+
)
100 100

z0 z0.025 1.96
o si

=1.35

no excede z0.025, no podemos rechazar la