Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 9 vistas

    actividad 6..

    Cargado por

    miguelangel2014
    estadistica diferencia iberoamericana

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    actividad 6..

    Cargado por

    miguelangel2014
    9 vistas8 páginas
    estadistica diferencia iberoamericana

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    estadistica diferencia iberoamericana

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    9 vistas8 páginas

    actividad 6..

    Cargado por

    miguelangel2014
    estadistica diferencia iberoamericana

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 8

    1

    CORPORACIÓN UNIVERSITARIA IBEROAMERICANA

    FACULTAD DE INGENIERÍA

    INGENIERÍA INDUSTRIAL VIRTUAL

    ACTIVIDAD 6 - PRUEBAS DE HIPÓTESIS

    AUTOR

    MIGUEL ANGEL CARREÑO BASTILLA

    PROFESOR

    JESUS

    MIZGER

    AÑO

    2024
    2

    INTRODUCCIÓN

    A continuación, vamos a ver pruebas de hipótesis, un aspecto crucial para el análisis de datos
    y la toma de decisiones en diversos campos como la ciencia, la economía y la medicina. Estas
    pruebas evalúan afirmaciones o suposiciones basadas en muestras de datos, determinando si
    los resultados son estadísticamente significativos o si fueron accidentales. El taller explorará
    conceptos clave relacionados con las pruebas de hipótesis, como hipótesis nulas y
    alternativas, tipos de error e interpretación. Está diseñado para quienes se inician en la
    estadística y quienes refuerzan sus conocimientos en técnicas de inferencia estadística.

    Estadística es fundamental para investigación y decisiones basadas en datos, y las pruebas de


    hipótesis juegan un papel crucial en evaluar afirmaciones sobre poblaciones a partir de
    muestras.
    3

    Punto 1

    Primero, necesitamos realizar una prueba de hipótesis para la media poblacional. En este
    caso, utilizaremos una prueba t de una cola, ya que nuestra hipótesis alternativa es que la
    media poblacional es diferente a 10.

    Paso 1: Establecer la hipótesis nula y la hipótesis alternativa.


    Hipótesis nula (H0): 𝜇 = 10
    Hipótesis alternativa (H1): 𝜇 ≠ 10

    Paso 2: Determinar el nivel de significancia (alfa).


    Asumimos un nivel de significancia de 0.05.

    Paso 3: Calcular el estadístico de prueba.


    El estadístico de prueba t se calcula como: t = (x̄ - μ) / (s / √n), donde:
    x̄ = media muestral = 6.7
    μ = media poblacional = 10
    s = desviación estándar muestral = 5
    n = tamaño de la muestra = 55
    t = (6.7 - 10) / (5 / √55) = - 4.89

    Paso 4: Determinar el valor p.


    El valor p es la probabilidad de obtener un estadístico de prueba tan extremo como el que se
    observó, asumiendo que la hipótesis nula es verdadera.
    Usando una calculadora o una tabla de distribución t, encontramos que el valor p para un
    estadístico t de -4.89 con 54 grados de libertad es 0.001.

    Paso 5: Tomar una decisión.


    Si el valor p es menor que el nivel de significancia (alfa), rechazamos la hipótesis nula.
    Si el valor p es mayor que el nivel de significancia (alfa), no rechazamos la hipótesis nula.
    En este caso, el valor p (0.001) es menor que el nivel de significancia (0.05). Por lo tanto,
    rechazamos la hipótesis nula.
    4

    Punto 2:

    Paso 1: Establecer la hipótesis nula y la hipótesis alternativa.


    Hipótesis nula (H0): 𝜇 ≤ 8
    Hipótesis alternativa (H1): 𝜇 > 8

    Paso 2: Determinar el nivel de significancia (alfa).


    Asumimos un nivel de significancia de 0.05.

    Paso 3: Calcular el estadístico de prueba.


    El estadístico de prueba t se calcula como: t = (x̄ - μ) / (s / √n), donde:
    x̄ = media muestral = 12
    μ = media poblacional = 8 (de la hipótesis nula)
    s = desviación estándar muestral = 7.5
    n = tamaño de la muestra = 80
    t = (12 - 8) / (7.5 / √80) = 4.77

    Paso 4: Determinar el valor p.


    El valor p es la probabilidad de obtener un estadístico de prueba tan extremo como el que se
    observó, asumiendo que la hipótesis nula es verdadera.
    Usando una calculadora o una tabla de distribución t, encontramos que el valor p para un
    estadístico t de 4.77 con 79 grados de libertad es < 0.0001.

    Paso 5: Tomar una decisión.


    Si el valor p es menor que el nivel de significancia (alfa), rechazamos la hipótesis nula.
    Si el valor p es mayor que el nivel de significancia (alfa), no rechazamos la hipótesis nula.
    En este caso, el valor p (< 0.0001) es menor que el nivel de significancia (0.05). Por lo tanto,
    rechazamos la hipótesis nula.
    5

    Punto 3:

    Para evaluar si los platos preparados por el chef cumplen con la expectativa del restaurante de
    que el 90% de sus comidas son sanas, realizaremos una prueba de hipótesis para una
    proporción.

    Planteamiento de la prueba
    1. Hipótesis nula (H0): La proporción de platos sanos es igual al 90%, es decir, p=0.9.
    2. Hipótesis alternativa (H1): La proporción de platos sanos es menor al 90%, es decir,
    p<0.9.

    Datos
    • Tamaño de la muestra (n): 15
    • Número de éxitos (x): 5 (platos que cumplen con la norma)
    • Proporción muestral (p): p= x/n = 5/15 =0.3333

    Cálculo del estadístico de prueba


    Usamos la fórmula del estadístico z para proporciones:

    𝑝−𝑝0
    𝑧= 𝑝0(1−𝑝0)
    √
    𝑛

    donde p0 = 0.9 (proporción bajo la hipótesis nula), entonces sustituyendo los valores:
    0.3333 − 0.9
    𝑧=
    √0.9(1 − 0.9)
    15

    𝑧 = −7.31

    Para un estadístico z de -7.31, el valor p será extremadamente pequeño, mucho menor que
    0.02. Esto indica que la probabilidad de observar una proporción tan baja de platos sanos
    (33.33%) bajo la hipótesis nula es prácticamente nula. Dado que el valor p es mucho menor
    que el nivel de significancia del 2% (0.02), rechazamos la hipótesis nula.
    6

    Los resultados sugieren que la proporción de platos sanos es significativamente menor al


    90% que el restaurante esperaba. Por lo tanto, se puede concluir que los platos preparados por
    el chef no cumplen con las expectativas de sanidad establecidas por el restaurante.

    Punto 4:

    Planteamiento de la prueba:
    Hipótesis nula (H0): El gasto promedio semanal es igual a $29,500. (μ = 29,500)
    Hipótesis alternativa (H1): El gasto promedio semanal es diferente a $29,500. (μ ≠ 29,500)

    Datos:
    Tamaño de la muestra (n): 85
    Media muestral (x̄): $35,400
    Desviación estándar (s): $2,950
    Nivel de significancia (α): 0.07

    Para el cálculo del estadístico de prueba usaremos la fórmula del estadístico t para la media:
    t = (x̄ - μ0) / (s / √n)

    Donde:
    μ0 = 29,500 (media bajo la hipótesis nula)

    Sustituyendo los valores:


    t = (35,400 - 29,500) / (2,950 / √85) = 18.43

    Valor crítico y decisión:

    Para un nivel de significancia de 0.07 y con 84 grados de libertad (n - 1), buscamos el valor
    crítico en la tabla de distribución t. Dado que es una prueba bilateral, dividimos el nivel de
    significancia entre 2:
    7

    α/2 = 0.035

    El valor crítico t para 0.035 en cada cola con 84 grados de libertad es aproximadamente
    ±2.18.

    Comparación y conclusión:
    Estadístico t calculado: 18.4
    Valor crítico: ±2.18
    Dado que 18.4 es mucho mayor que 2.18, rechazamos la hipótesis nula.

    Conclusión:
    Los resultados sugieren que el gasto semanal de los estudiantes es significativamente
    diferente al promedio de $29,500. Por lo tanto, podemos inferir que el gasto semanal es
    diferente al pagado por el total de los estudiantes de la Ibero.
    Punto 5:

    A. Hipótesis nula y alternativa


    Hipótesis nula (H0): El número medio de palabras aprendidas por la IA es igual a 7.3
    palabras por hora. (μ = 7.3)
    Hipótesis alternativa (H1): El número medio de palabras aprendidas por la IA es diferente a
    7.3 palabras por hora. (μ ≠ 7.3)

    B. Error tipo I
    Error tipo I: Ocurre cuando se rechaza la hipótesis nula (H0) cuando en realidad es verdadera.
    En este caso, sería concluir que la IA de Instruments aprende un número diferente de palabras
    por hora cuando en realidad aprende 7.3 palabras por hora.

    C. Error tipo II
    Error tipo II: Ocurre cuando no se rechaza la hipótesis nula (H0) cuando en realidad es falsa.
    En este caso, sería concluir que la IA de Instruments aprende 7.3 palabras por hora cuando en
    realidad aprende un número diferente de palabras.
    8

    Referencias

    Levin, R. I. (2010). . Estadística para Administración y economía. . Pearson Educación.


    https://www-ebooks7-24-com.ibero.basesdedatosezproxy.com/?il=3692.
    Levine, D. M. (2014). . Estadística para Administración. Pearson Educación. https://www-
    ebooks7-24-com.ibero.basesdedatosezproxy.com/?il=3695.
    Lind, D. A. (2019). Estadística aplicada a los negocios y la economía. McGraw-Hill.
    https://www-ebooks7-24-com.ibero.basesdedatosezproxy.com/?il=9246.
    Spiegel, M. R. (2013). robabilidad y estadística. McGraw-Hill. https://www-ebooks7-24-
    com.ibero.basesdedatosezproxy.com/?il=678.
    Triola, M. F. (2018). Estadística. Pearson Educación. https://www-ebooks7-24-
    com.ibero.basesdedatosezproxy.com/?il=7386.

    También podría gustarte