UNIVERSIDAD NACIONAL DE CAJAMARCA

FACULTAD DE INGENIERÍA
ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA CIVIL

PRUEBA DE HIPÓTESIS
Ejemplos de cada caso

ALUMNO: Caruajulca Tiglla, Juan Carlos

DOCENTE: Poémape Grados, Aracelli

CURSO: Estadística Aplicada

CICLO: III

 GRUPO: C2
CASO 1A: PRUEBA DE HIPÓTESIS PARA LA MEDIA CON VARIANZA
CONOCIDA
Ejemplo 1:
Una fábrica de ladrillos de techo para viviendas, ha conseguido elaborar sus
productos en un plazo medio de 52 días. Este promedio se considera un estándar
para medir la eficiencia de una máquina. Sin embargo, un chequeo aleatorio de 110
ladrillos dio como resultado un promedio de 56 días, con una desviación estándar de
16 días. Es este resultado significativamente diferente al estándar, a un nivel de 9%?
Solución:
1) El tiempo para elaborar ladrillos por una fábrica.
2) Ho: µ = 52 (la elaboración de los ladrillos se realiza en el tiempo estándar)
3) H1: µ ≠ 52 (la elaboración de los ladrillos se realiza en un tiempo diferente al
estándar)
4) El nivel de significancia: α = 0.09
5) Estadístico de prueba: Z
6) Regla de decisión: rechazar Ho si Z > Z1-α/2 o p-value < 0.09
Ingresando los datos en MINITAB 18:

Decisión:
 Como p-value = 0.009 < 0.09, entonces se rechaza Ho y se concluye con un
nivel de significancia del 9% que existe suficiente evidencia estadística para
creer que el tiempo para la elaboración de los ladrillos es diferente al estándar.
Ejemplo 2:
En la fabricación de bolsas de cemento, una fábrica ha conseguido elaborar sus
productos en un plazo medio de 47 días. Este promedio se considera un estándar
para medir la eficiencia de una máquina. Sin embargo, un chequeo aleatorio de 105
bolsas de cemento dio como resultado un promedio de 51 días, con una desviación
estándar de 14 días. Es este resultado significativamente diferente al estándar, a un
nivel de 7%?
Solución:
7) El tiempo para elaborar vidrios por la industria del diseño.
8) Ho: µ = 47 (la elaboración de las bolas de cemento se realiza en el tiempo
estándar)
9) H1: µ ≠ 47 (la elaboración de las bolsas de cemento se realiza en un tiempo
diferente al estándar)
10)El nivel de significancia: α = 0.07
11)Estadístico de prueba: Z
12)Regla de decisión: rechazar Ho si Z > Z1-α/2 o p-value < 0.07
Ingresando los datos en MINITAB 18:
Decisión:
 Como p-value = 0.003 < 0.07, entonces se rechaza Ho y se concluye con un
nivel de significancia del 9% que existe suficiente evidencia estadística para
creer que el tiempo para la elaboración de las bolsas de cemento es diferente
al estándar.

Problema 3:
 Una compañía de fabricación de clavos de acero, ha determinado que la
cantidad media de hierro que tienen éstas es de 128gr. Este promedio se
considera un estándar que la compañía dio a conocer. Sin embargo, un
chequeo aleatorio de 85 clavos dio como resultado un promedio de 120 gr, con
una desviación estándar de 27gr. Es este resultado significativamente menor
al estándar, a un nivel de 5% de significancia?
Solución:
1) La cantidad de hierro que contienen los clavos de acero.
2) Ho: µ = 128 (la determinación del hierro en las varillas se realiza en cantidad
estándar)
3) H1: µ < 128 (la determinación del hierro en las varillas se realiza en una
cantidad menor a la estándar)
4) El nivel de significancia: α = 0.05
5) Estadístico de prueba: Z
6) Regla de decisión: rechazar Ho si Z > Z(1-α/2) o p-value < 0.05
Ingresando los datos en MINITAB 18:

Decisión:
 Como p-value=0.003 < 0.05, entonces se rechaza Ho y se concluye con un
nivel de significancia del 5% que existe suficiente evidencia estadística para
creer que el contenido de hierro en los clavos de acero es menor al estándar.
CASO 1B: PRUEBA DE HIPÓTESIS PARA LA MEDIA CON VARIANZA
DESCONOCIDA Y MUESTRA PEQUEÑA:
Ejemplo 1:
En un centro de investigación química se quiere determinar si cierto producto
aumenta la velocidad de secado de partículas de soluciones de concreto. Para este
fin, selecciona aleatoriamente una muestra de 7 soluciones y registra la velocidad de
sedimentación de las partículas (mm/s) ganadas al aplicar el producto. Los resultados
fueron los siguientes:
Solución 1 2 3 4 5 6 7
Aceleración 1.5 2.1 2.3 1.8 2.3 2.6 2.2
Suponiendo que la velocidad de secado de partículas ganadas con el producto en
cada una de las soluciones es una variable aleatoria con distribución normal. Con un
α del 4% hay prueba de que el producto aumenta la aceleración de reacción?
Solución:
1) Aceleración de secado de partículas ganadas con el producto.
2) Ho: µ = 0 (el producto no aumenta la aceleración de secado)
3) H1: µ > 0 (el producto aumenta la aceleración de secado)
4) El nivel de significancia: α = 0.04
5) Estadístico de prueba: T
6) Regla de decisión: rechazar Ho si T > t (1-α/2, n-1) o p-value < 0.06
Ingresando los datos en MINITAB 18:
Decisión:
 Como p-value= 0.000 < 0.04; entonces se rechaza Ho y se concluye con un
nivel de significancia del 4% que existe suficiente evidencia estadística de que
el producto químico aumenta la aceleración de secado del concreto.
Problema 2:
 Un ingeniero quiere determinar si cierto compuesto disminuye el tiempo de
duración de la cerámica en un baño. Para este trabajo, se selecciona
aleatoriamente 5 muestras y se registra el tiempo (s) ahorrado al aplicar dicho
compuesto. A continuación, se muestran los resultados obtenidos:
 Muestra 1 2 3 4 5
 Tiempo 25 20 18 23 21
 Suponiendo que el tiempo ahorrado en cada una de las muestras es una
variable aleatoria con distribución normal. Con un α del 8% hay prueba de que
el compuesto disminuya el tiempo de duración de la cerámica?
Solución:
1) Tiempo de duración de la cerámica en un baño.
2) Ho: µ = 0 (el compuesto no disminuye la duración de la cerámica)
3) H1: µ < 0 (el compuesto disminuye la duración de la cerámica)
4) El nivel de significancia: α = 0.08
5) Estadístico de prueba: T
6) Regla de decisión: rechazar Ho si T > t (1-α/2, n-1) o p-value < 0.08
Decisión:
 Como p-value= 1.000 > 0.08; entonces se acepta Ho y se concluye con un
nivel de significancia del 8% que existe suficiente evidencia estadística de que
el compuesto no disminuye el tiempo de duración de la cerámica en el baño.
CASO 1C: PRUEBA DE HIPÓTESIS PARA LA VARIANZA
Suponga que quiere probarse la hipótesis de que la varianza σ 2 de una población
normal es igual a un valor específico, digamos σ 20. Sea X1; X2; …; Xn una muestra
aleatoria de n observaciones de una población, para probar

Se usa el estadístico de la prueba:

Ejemplo 1:
La St. Louis Metro Bus Company de Estados Unidos, desea dar una imagen de
confiabilidad haciendo que sus conductores sean puntuales en los horarios de llegada
a las paradas. La empresa desea que haya poca variabilidad en dichos tiempos. En
términos de la varianza de los tiempos de llegada de las paradas, la empresa desea
que la varianza sea de 4 minutos o menos. Esta prueba de hipótesis se realiza con un
nivel de significancia de α = 0.05 Asuma que, en una muestra aleatoria de 24 llegadas
a cierta parada en una intersección en el centro de la ciudad, la varianza muestral
encontrada es s2 = 4.9
1) Formular las hipótesis:
Ho: σ2 ≤ 4
Ha: σ2 > 4
2) Nivel de significancia de α = 0.05, como la prueba es de una sola cola (la del
lado derecho), se considera una distribución X 2
3) Obtenemos el valor critico X2c utilizando la tabla de valores de esta distribución:
Grados de libertad = n-1= 24 – 1 = 23 (renglones de tabla).
Probabilidad: nivel de significancia α = 0.05 (columnas de tabla).
Buscando estos valores en la tabla tenemos que X 2c = 35.172.
4) Calcular el estadístico de prueba X2p
𝑋2p = (𝑛 − 1)𝑠2 / 𝜎20 = (24 − 1)(4.9) / 4 = 28.18
Si el estadístico de prueba es menor que el valor crítico, se rechaza H 0, de
manera contraria se acepta. Por lo tanto, para esta prueba, tenemos que: 28.18
< 35.172, se rechaza H0
5) Se concluye que existe evidencia suficiente para rechazar H 0, en tal caso habrá
que tomar medidas para reducir la varianza poblacional.
CASO 1D: PRUEBA DE HIPÓTESIS PARA UNA PROPORCIÓN
Ejemplo 1:
Cierta fábrica metalúrgica dedica a la fabricación de acero para construcción fue
acusada, diciendo que más de 32% de las unidades que fabrica son defectuosos.
Para confirmar su acusación, el consumidor usó una muestra aleatoria de 60
productos, donde 18 de ellos, eran defectuosos. ¿Qué conclusión puede extraer
usted? Use un nivel de significancia del 9%.
Solución:
1) Unidades defectuosas.
2) Ho: p ≤ 0.32 (la producción defectuosa es inferior al 32%)
3) H1: p > 0.32 (la producción defectuosa es más de 32%)
4) Nivel de confianza del 91%.
5) Estadístico de prueba: Z
6) Regla de decisión: rechazar Ho si Z > Z o p-value < 0.09
Ingresando los datos en MINITAB 18:
Decisión:
 Como p-value= 0.630 > 0.09; entonces se ACEPTA Ho y se concluye con un
nivel de significancia del 9%, de que no existe suficiente evidencia estadística
para creer que más del 32% de la producción es defectuosa.
PRUEBA DE HIPÓTESIS PARA LA DIFERENCIA DE MEDIAS, COCIENTE DE
VARIANZAS Y DIFERENCIAS DE PROPORCIONES DE DOS POBLACIONES.
CASO 2A: PRUEBA DE HIPÓTESIS PARA LA DIFERENCIA DE MEDIAS CON
VARIANZAS POBLACIONALES CONOCIDAS
Ejemplo 1:
Una empresa dedica a la fabricación de ladrillos para construcción, fabrica dos
ladrillos similares: A y B, cuyas vidas útiles tienen desviaciones estándar respectivas
de 135 horas y 95 horas. Para comparar el promedio de vida útil de estos artículos se
extrae una muestra aleatoria de 72 artículos de cada fabricante encontrándose la
duración media de 1260 horas para la marca A y de 1210 horas para la marca B. ¿Se
puede concluir a un nivel de significación del 7% que los artículos de marca A
tienen mayor duración media que los artículos de marca B?
1) Vida útil de artículos producidos por dos fabricantes.
2) Ho: µ1 = µ2 (Vida útil promedio de los artículos del fabricante A es igual al del
fabricante B)
3) H1: µ1 > µ2 (Vida útil promedio de los artículos del fabricante A es mayor al del
fabricante B)
4) Nivel de confianza del 93%.
5) Estadístico de prueba: Z
6) Regla de decisión: rechazar Ho, si p < 0.07
Ingresando los datos en MINITAB 18:
Conclusión:
 Como el p-value = 0.006 < 0.07, existe suficiente evidencia estadística para
rechazar la hipótesis nula, es decir, con un nivel de significancia del 7% se
puede concluir que los ladrillos del tipo A tienen mayor duración media que los
ladrillos del tipo B.
Ejemplo 2:
Un ingeniero analiza dos compuestos para determinar la forma en que afectan la
resistencia de acero. De manera específica, el compuesto 1 es el que se está
empleando en este momento. Debido a que el compuesto 2 es más económico, éste
puede adoptarse siempre y cuando no cambie el rendimiento del proceso. Se hace
una prueba; los resultados obtenidos, son los siguientes:
Compuesto 1: X1 = 107, σ1 = 11, n1 = 42
Compuesto 2: X2 = 102, σ2 = 13, n2 = 31
¿Existe alguna diferencia entre los rendimientos promedios? Utilícense nivel de
significancia de 6%?

Solución:

1) Planteamos la hipótesis:
H0: µ1 - µ2 = 0 (Rendimiento promedio de compuestos es el mismo)
H1: µ1 - µ2 (Rendimiento promedio de compuestos es diferente)
2) Seleccionamos el nivel de significancia: α = 0.6, entonces N.C = 94%
3) Calcular el estadístico de prueba:

Z = (107-102) / √ ((11^2/42) + (13^2/31)) = 1.73

Decisión:
 Como 1.73 < 1.88 se acepta H0, por lo tanto, el rendimiento promedio de los
tipos de compuesto es el mismo con un nivel de significancia del 6%.
 Por lo tanto, se puede cambiar el compuesto 1 por el compuesto 2, dado que
es más económico.
Ingresando los datos en MINITAB 18:
CASO 2B: PRUEBA DE HIPÓTESIS PARA LA DIFERENCIA DE MEDIAS CON
VARIANZAS POBLACIONALES DESCONOCIDAS PERO IGUALES
(HOMOGENEAS)
Ejemplo 1:
Un ingeniero civil realizó un experimento para comparar la dureza de dos tipos de
acero que utilizará en una construcción, obteniéndose los siguientes resultados:
Acero 1: S1 = 5, n1 = 9, X1 = 70
Acero 2: S2 = 6, n2 = 8, X2 = 65
Suponga que son muestras aleatorias independientes y que provienen de poblaciones
normales con varianzas poblacionales desconocidas, suponer iguales.
Pruebe con 4% de significancia que la dureza del tipo de Acero 1 excede a la dureza
del tipo 2 en más de tres unidades
Solución:
1) Dureza de dos tipos de Acero.
2) Ho: µ1 - µ2 = 3 (La diferencia de la dureza de los lingotes del tipo de Acero 1
excede a la dureza del tipo de Acero 2, en tres unidades)
3) H1: µ1 - µ2 >3 (La diferencia de la dureza de los lingotes del tipo de Acero 1
excede a la dureza del tipo 2 en más tres unidades).
4) Nivel de significancia: α = 0.04
5) Estadístico de prueba: T
6) Regla de decisión: rechazar Ho, si p < 0.04
Ingresando los datos en MINITAB 18:
Conclusión:
 Como el p-value = 0.214> a 0.04, no existe suficiente evidencia estadística
para rechazar la hipótesis nula, es decir, con un 4% de significancia no existe
suficiente evidencia estadística para rechazar que La diferencia de la
dureza del tipo de Acero 1 excede a la dureza del tipo de Acero 2, en tres
unidades.
CASO 2C: PRUEBA DE HIPÓTESIS PARA LA DIFERENCIA DE MEDIAS CON
VARIANZAS POBLACIONALES DESCONOCIDAS, PERO DIFERENTES
(HETEROGÉNEAS)
Ejemplo 1:
Se realizó un experimento para comparar la resistencia de dos materiales,
obteniéndose los siguientes resultados:
Material 1: n1 = 16, S1 = 3.5, X1 = 4.2
Material 2: n2 = 13, S2 = 1.2, X2 = 2.1
Suponga que son muestras aleatorias independientes y que provienen de poblaciones
normales con varianzas desconocidas, suponer diferentes. Pruebe con un nivel de
confianza de 96% para la diferencia de las medias poblacionales la hipótesis nula: 1 >
2 frente 1 < 2
Solución:
1) Resistencia de dos materiales.
2) Ho: µ1 > µ2 (Resistencia promedio de material 1 es mayor que la del material 2.)
3) H1: µ1 < µ2 (Resistencia promedio de material 1 es menor que la del material 2.)
4) Nivel de significancia: α = 0.04
5) Estadístico de prueba: T
6) Regla de decisión: rechazar Ho, si p < 0.04
Ingresando los datos en MINITAB 18:
Conclusión:
 Como el p-value= 0.981 > 0.05, no existe suficiente evidencia estadística para
rechazar la hipótesis nula, es decir, con un nivel de confianza del 96% la
resistencia promedio del Material 1 es mayor que la resistencia promedio del
Material 2.
CASO 2D: PRUEBA DE HIPÓTESIS PARA EL COCIENTE DE VARIANZAS
Ejemplo 1:
La variabilidad en el espesor de ciertas capas de óxido es una característica crítica de
las obleas, y es deseable una variabilidad reducida en las fases subsecuentes del
procesamiento. Se estudian dos mezclas diferentes de gases a fin de determinar si
una de ellas es mejor para reducir la variabilidad del espesor del óxido. Se someten a
corrosión 30 obleas en cada gas. Las desviaciones estándar muestrales del espesor
del óxido son S1= 1.86 angstroms y S2= 2.10 angstroms, respectivamente. ¿Hay
evidencia que indique que deba preferirse alguno de los dos gases? Use α = 0.10.

Solución:
1) Los parámetros de interés son las varianzas del espesor del óxido, 𝜎1 y 𝜎2. Se
supondrá que el espesor del óxido es una variable aleatoria normal para ambas
mezclas de gas.
2) 𝐻0: 𝜎12 = 𝜎22
𝐻1: 𝜎12 ≠ 𝜎22
3) Nivel de significancia: α = 0.10
4) El estadístico de la prueba está dado por:
5) Si p > 0.10 se acepta la 𝐻0

Ingresando los datos en MINITAB 18:

Decisión:
 Como p value = 0.518 > α = 0.10. Se acepta la hipótesis nula, con un α = 0.10.
Por lo tanto, se asume que los dos gases dan como resultado variabilidades
similares en los espesores del óxido.
CASO 2E: PRUEBA DE HIPÓTESIS PARA LA DIFERENCIA DE PROPORCIONES
Ejemplo 1:
Se usan dos tipos diferentes de máquinas para hacer piezas de cerámica para baño.
Una pieza se considera defectuosa si se presenta una deformación o está decolorada.
Se seleccionan dos muestras aleatorias, cada una de tamaño 250 y se encuentran 18
piezas defectuosas en la muestra de la máquina 1, mientras que 7 piezas de la
máquina 2 se encuentran en la misma condición. ¿Es razonable concluir que ambas
máquinas tienen diferentes proporciones a un nivel de significancia de 6%?
Solución:
1) P1 es la proporción de piezas defectuosas de la máquina 1 y P 2 es la
proporción de piezas defectuosas de la máquina 2.
2) H0: P1 = P2
H1: P1 ≠ P2
3) Nivel de significancia: α = 0.06
4) Estadístico de prueba: Z
5) Regla de decisión: rechazar Ho, si p < 0.06
Ingresando los datos en MINITAB 18:
Resultados:
 Como 0.023, 0.038 < 0.06 entonces se Rechaza H0 y se acepta que la
proporción de piezas defectuosas de la máquina 1 es diferente a la proporción
de piezas defectuosas de la máquina 2.