UNIDAD II

PRUEBA DE HIPOTESIS

Las secciones anteriores han mostrado cómo puede estimarse un

parámetro a partir de los datos contenidos en una muestra. Puede
encontrarse ya sea un sólo número (estimador puntual) o un intervalo de
valores posibles (intervalo de confianza). Sin embargo, muchos
problemas de ingeniería, ciencia, y administración, requieren que se
tome una decisión entre aceptar o rechazar una proposición sobre algún
parámetro. Esta proposición recibe el nombre de hipótesis. Este es uno
de los aspectos más útiles de la inferencia estadística, puesto que
muchos tipos de problemas de toma de decisiones, pruebas o
experimentos en el mundo de la ingeniería, pueden formularse como
problemas de prueba de hipótesis.

Una hipótesis estadística es una proposición o supuesto sobre los

parámetros de una o más poblaciones.

Suponga que se tiene interés en la rapidez de combustión de un agente

propulsor sólido utilizado en los sistemas de salida de emergencia para la
tripulación de aeronaves. El interés se centra sobre la rapidez de
combustión promedio. De manera específica, el interés recae en decir si
la rapidez de combustión promedio es o no 50 cm/s. Esto puede
expresarse de manera formal como

Ho ; = 50 cm/s

H1 ; 50 cm/s

La proposición Ho; = 50 cm/s, se conoce como hipótesis nula,

mientras que la proposición H1; 50 cm/s, recibe el nombre
de hipótesis alternativa. Puesto que la hipótesis alternativa especifica
valores de que pueden ser mayores o menores que 50 cm/s, también
se conoce como hipótesis alternativa bilateral. En algunas situaciones,
lo que se desea es formular una hipótesis alternativa unilateral, como
en

Ho ; = 50 cm/s Ho; = 50 cm/s

ó
 H1 ; < 50 cm/s H1; > 50 cm/s

Es importante recordar que las hipótesis siempre son proposiciones

sobre la población o distribución bajo estudio, no proposiciones sobre la
muestra. Por lo general, el valor del parámetro de la población
especificado en la hipótesis nula se determina en una de tres maneras
diferentes:

1. Puede ser resultado de la experiencia pasada o del conocimiento

del proceso, entonces el objetivo de la prueba de hipótesis
usualmente es determinar si ha cambiado el valor del parámetro.
2. Puede obtenerse a partir de alguna teoría o modelo que se
relaciona con el proceso bajo estudio. En este caso, el objetivo de
la prueba de hipótesis es verificar la teoría o modelo.
3. Cuando el valor del parámetro proviene de consideraciones
externas, tales como las especificaciones de diseño o ingeniería, o
de obligaciones contractuales. En esta situación, el objetivo usual
de la prueba de hipótesis es probar el cumplimiento de las
especificaciones.

Un procedimiento que conduce a una decisión sobre una hipótesis en

particular recibe el nombre de prueba de hipótesis. Los procedimientos
de prueba de hipótesis dependen del empleo de la información contenida
en la muestra aleatoria de la población de interés. Si esta información es
consistente con la hipótesis, se concluye que ésta es verdadera; sin
embargo si esta información es inconsistente con la hipótesis, se
concluye que esta es falsa. Debe hacerse hincapié en que la verdad o
falsedad de una hipótesis en particular nunca puede conocerse con
certidumbre, a menos que pueda examinarse a toda la población.
Usualmente esto es imposible en muchas situaciones prácticas. Por
tanto, es necesario desarrollar un procedimiento de prueba de hipótesis
teniendo en cuenta la probabilidad de llegar a una conclusión
equivocada.

La hipótesis nula, representada por Ho, es la afirmación sobre una o

más características de poblaciones que al inicio se supone cierta (es
decir, la "creencia a priori").

La hipótesis alternativa, representada por H1, es la afirmación

contradictoria a Ho, y ésta es la hipótesis del investigador.
La hipótesis nula se rechaza en favor de la hipótesis alternativa, sólo si la
evidencia muestral sugiere que Ho es falsa. Si la muestra no contradice
decididamente a Ho, se continúa creyendo en la validez de la hipótesis
nula. Entonces, las dos conclusiones posibles de un análisis por prueba
de hipótesis son rechazar Ho o no rechazar Ho.

Prueba de una Hipótesis Estadística

Para ilustrar los conceptos generales, considere el problema de la

rapidez de combustión del agente propulsor presentado con anterioridad.
La hipótesis nula es que la rapidez promedio de combustión es 50 cm/s,
mientras que la hipótesis alternativa es que ésta no es igual a 50 cm/s.
Esto es, se desea probar:

Ho ; = 50 cm/s

H1 ; 50 cm/s

Supóngase que se realiza una prueba sobre una muestra de 10

especímenes, y que se observa cual es la rapidez de combustión
promedio muestral. La media muestral es un estimador de la media
verdadera de la población. Un valor de la media muestral que este
próximo al valor hipotético = 50 cm/s es una evidencia de que el
verdadero valor de la media es realmente 50 cm/s; esto es, tal
evidencia apoya la hipótesis nula Ho. Por otra parte, una media muestral
muy diferente de 50 cm/s constituye una evidencia que apoya la hipótesis
alternativa H1. Por tanto, en este caso, la media muestral es el estadístico
de prueba.

La media muestral puede tomar muchos valores diferentes. Supóngase

que si 48.5 51.5, entonces no se rechaza la hipótesis nula Ho; =
50 cm/s, y que si <48.5 ó >51.5, entonces se acepta la hipótesis
alternativa H1; 50 cm/s.

Los valores de que son menores que 48.5 o mayores que 51.5
constituyen la región crítica de la prueba, mientras que todos los valores
que están en el intervalo 48.5 51.5 forman la región de aceptación.
Las fronteras entre las regiones crítica y de aceptación reciben el nombre
de valores críticos. La costumbre es establecer conclusiones con
respecto a la hipótesis nula Ho. Por tanto, se rechaza Ho en favor de H1 si
el estadístico de prueba cae en la región crítica, de lo contrario, no se
rechaza Ho.

Este procedimiento de decisión puede conducir a una de dos

conclusiones erróneas. Por ejemplo, es posible que el valor verdadero de
la rapidez promedio de combustión del agente propulsor sea igual a 50
cm/s. Sin embargo, para todos los especímenes bajo prueba, bien puede
observarse un valor del estadístico de prueba que cae en la región
crítica. En este caso, la hipótesis nula Ho será rechazada en favor de la
alternativa H1cuando, de hecho, Ho en realidad es verdadera. Este tipo de
conclusión equivocada se conoce como error tipo I.

El error tipo I se define como el rechazo de la hipótesis nula Ho cuando

ésta es verdadera. También es conocido como ó nivel de
significancia.

Si tuviéramos un nivel de confianza del 95% entonces el nivel de

significancia sería del 5%. Análogamente si se tiene un nivel de
confianza del 90% entonces el nivel de significancia sería del 10%.

Ahora supóngase que la verdadera rapidez promedio de combustión es

diferente de 50 cm/s, aunque la media muestral caiga dentro de la
región de aceptación. En este caso se acepta Ho cuando ésta es falsa.
Este tipo de conclusión recibe el nombre de error tipo II.

El error tipo II ó error se define como la aceptación de la hipótesis

nula cuando ésta es falsa.

Por tanto, al probar cualquier hipótesis estadística, existen cuatro

situaciones diferentes que determinan si la decisión final es correcta o
errónea.

Decisión Ho es verdadera Ho es falsa

Aceptar Ho No hay error Error tipo II ó

Rechazar Ho Error tipo I ó No hay error

1. Los errores tipo I y tipo II están relacionados. Una disminución en

la probabilidad de uno por lo general tiene como resultado un
aumento en la probabilidad del otro.
 2. El tamaño de la región crítica, y por tanto la probabilidad de
cometer un error tipo I, siempre se puede reducir al ajustar el o los
valores críticos.
3. Un aumento en el tamaño muestral n reducirá y de forma
simultánea.
4. Si la hipótesis nula es falsa, es un máximo cuando el valor real
del parámetro se aproxima al hipotético. Entre más grande sea la
distancia entre el valor real y el valor hipotético, será menor

PASOS PARA ESTABLECER UN ENSAYO DE HIPOTESIS

INDEPENDIENTEMENTE DE LA DISTRIBUCION QUE SE ESTE

TRATANDO

1. Interpretar correctamente hacia que distribución muestral se

ajustan los datos del enunciado.
2. Interpretar correctamente los datos del enunciado diferenciando los
parámetros de los estadísticos. Así mismo se debe determinar en
este punto información implícita como el tipo de muestreo y si la
población es finita o infinita.
3. Establecer simultáneamente el ensayo de hipótesis y el
planteamiento gráfico del problema. El ensayo de hipótesis está en
función de parámetros ya que se quiere evaluar el universo de
donde proviene la muestra. En este punto se determina el tipo de
ensayo (unilateral o bilateral).
4. Establecer la regla de decisión. Esta se puede establecer en
función del valor crítico, el cual se obtiene dependiendo del valor
de (Error tipo I o nivel de significancia) o en función del
estadístico límite de la distribución muestral. Cada una de las
hipótesis deberá ser argumentada correctamente para tomar la
decisión, la cual estará en función de la hipótesis nula o Ho.
5. Calcular el estadístico real, y situarlo para tomar la decisión.
6. Justificar la toma de decisión y concluir.

Tipos de Ensayo

Se pueden presentar tres tipos de ensayo de hipótesis que son:

  Unilateral Derecho
 Unilateral Izquierdo
 Bilateral

Dependiendo de la evaluación que se quiera hacer se seleccionará el tipo de

ensayo.

 Unilateral Derecho. El investigador desea comprobar la hipótesis de un

aumento en el parámetro, en este caso el nivel de significancia se carga
todo hacia el lado derecho, para definir las regiones de aceptación y de
rechazo.

Ensayo de hipótesis:

Ho; Parámetro x

H1; Parámetro  x

 Unilateral Izquierdo: El investigador desea comprobar la hipótesis

de una disminución en el parámetro, en este caso el nivel de
significancia se carga todo hacia el lado izquierdo, para definir las
regiones de aceptación y de rechazo.

Ensayo de hipótesis:

Ho; Parámetro x

H1; Parámetro  x
  Bilateral: El investigador desea comprobar la hipótesis de un
cambio en el parámetro. El nivel de significancia se divide en dos y
existen dos regiones de rechazo.

Ensayo de hipótesis:

Ho; Parámetro = x

H1; Parámetro x

Para realizar los ejemplos y ejercicios de ensayo de hipótesis se

recomienda seguir los pasos mencionados anteriormente. Los ejemplos
siguientes se solucionarán por los pasos recomendados, teniéndose una
variedad de problemas en donde se incluirán a todas las distribuciones
muestrales que se han visto hasta aquí.

Ejemplos:

1. Una muestra aleatoria de 100 muertes registradas en Estados

Unidos el año pasado muestra una vida promedio de 71.8 años.
Suponga una desviación estándar poblacional de 8.9 años, ¿esto
parece indicar que la vida media hoy en día es mayor que 70
años? Utilice un nivel de significancia de 0.05.

Solución:
1. Se trata de una distribución muestral de medias con desviación estándar conocida.
2. Datos:

=70 años

= 8.9 años

= 71.8 años
n = 100

= 0.05

3. Ensayo de hipótesis

H o; = 70 años.

H1; > 70 años.

4. Regla de decisión:

Si zR 1.645 no se rechaza Ho.

Si zR> 1.645 se rechaza Ho.

5. Cálculos:

6. Justificación y decisión.

Como 2.02 >1.645 se rechaza Ho y se concluye con un nivel de

significancia del 0.05 que la vida media hoy en día es mayor que
70 años.

Existe otra manera de resolver este ejercicio, tomando la decisión en

base al estadístico real, en este caso la media de la muestra. De la
formula de la distribución muestral de medias se despeja la media de la
muestra:
 Regla de decisión:

Si 71.46 No se rechaza Ho

Si > 71.46 Se rechaza Ho

Como la media de la muestral es de 71.8 años y es mayor al valor de la

media muestral límite de 71.46 por lo tanto se rechaza Ho y se llega a la
misma conclusión.

2. Una empresa eléctrica fabrica focos que tienen una duración que
se distribuye de forma aproximadamente normal con una media de
800 horas y una desviación estándar de 40 horas. Si una muestra
aleatoria de 30 focos tiene una duración promedio de 788 horas,
¿muestran los datos suficiente evidencia para decir que la duración
media ha cambiado? Utilice un nivel de significancia del 0.04.

Solución:

1. Se trata de una distribución muestral de medias con desviación

estándar conocida.
2. Datos:

=800 horas

= 40 horas
 = 788 horas

n = 30

= 0.04

3. Ensayo de hipótesis

Ho ; = 800 horas

H1 ; 800 horas

4. Regla de Decisión:

Si –2.052 ZR 2.052 No se rechaza Ho

Si ZR < -2.052 ó si ZR > 2.052 Se rechaza Ho

5. Cálculos:

6. Justificación y decisión:

Como –2.052 -1.643 2.052 por lo tanto, no se rechaza Ho y se

concluye con un nivel de significancia del 0.04 que la duración
media de los focos no ha cambiado.

Solución por el otro método:

 785.02 y 814.98

Regla de decisión:

Si 785.02 814.98 No se rechaza Ho

Si < 785.02 ó > 814.98 se rechaza Ho

Como la = 788 horas, entonces no se rechaza Ho y se concluye que la

duración media de los focos no ha cambiado.

3. Una muestra aleatoria de 64 bolsas de palomitas de maíz pesan,

en pomedio 5.23 onzas con una desviación estándar de 0.24
onzas. Pruebe la hipótesis de que = 5.5 onzas contra al
hipótesis alternativa,

< 5.5 onzas en el nivel de significamcia de 0.05.

Solución:

1. Se trata de una distribución muestral de medias con desviación

estándar desconocida, pero como el tamaño de muestra es mayor
a 30 se puede tomar la desviación muestral como un estimador
puntual para la poblacional.
2. Datos:

= 5.5 onzas

s= 0.24 onzas

= 5.23 onzas
n = 64

= 0.05

3. Ensayo de hipótesis

Ho ; = 5.5 onzas

H1 ; < 5.5 onzas

4. Regla de decisión:

Si ZR -1.645 No se rechaza Ho

Si ZR < -1.645 Se rechaza Ho

5. Cálculos:

6. Justificación y decisión:

Como –9 < -1.645 por lo tanto se rechaza Ho y se concluye con un

nivel de significancia del 0.05 que las bolsas de palomitas pesan en
promedio menos de 5.5 onzas.

Solución por el otro método:

Regla de decisión:

Si 5.45 No se Rechaza Ho

Si < 5.45 Se rechaza Ho

Como la = 5.23 y este valor es menor que 5.45 pot lo tanto se rechaza
Ho .

4. Un constructor afirma que se instalan bombas de calor en 70% de

todas las casas que se construyen hoy en día en la ciudad de
Richmond. ¿Estaría de acuerdo con esta afirmación si una
investigación de casas nuevas en esta ciudad muestra que 8 de 15
tienen instaladas bombas de calor? Utilice un nivel de significancia
de 0.10.

Solución:

1. Se trata de una distribución muestral de proporciones.

2. Datos:

P= 0.70

p = 8/15 = 0.5333

n = 15

= 0.10

3. Ensayo de hipótesis

Ho; P = 0.70
 H1 ; P 0.70

4. Regla de Decisión:

Si –1.645 ZR 1.645 No se rechaza Ho

Si ZR < -1.645 ó si ZR > 1.645 Se rechaza Ho

5. Cálculos:

6. Justificación y decisión:

Como –1.645 -1.41 1.645 No se rechaza Ho y se concluye con

un nivel de significancia de 0.10 que la afirmación del constructor
es cierta.

Solución por el otro método:

= 0.505 y 0.894
Regla de decisión:

Si 0.505 pR 0.894 No se rechaza Ho

Si pR < 0.505 ó si ZR > 0.894 Se rechaza Ho

Como el valor del estadístico real es de 0.533 por lo tanto no se rechaza

Ho y se llega a la misma conclusión.

3. Un fabricante de semiconductores produce controladores que se

emplean en aplicaciones de motores automovilísticos. El cliente
requiere que la fracción de controladores defectuosos en uno de
los pasos de manufactura críticos no sea mayor que 0.05, y que el
fabricante demuestre esta característica del proceso de fabricación
con este nivel de calidad, utilizando

= 0.05. El fabricante de semiconductores toma una muestra aleatoria de

200 dispositivos y encuentra que cuatro de ellos son defectuosos. ¿El
fabricante puede demostrar al cliente la calidad del proceso?

Solución:
1. Se trata de una distribución muestral de proporciones.
2. Datos:

P= 0.05

p = 4/200 = 0.02

n = 200

= 0.05

3. Ensayo de hipótesis

Ho; P = 0.05

H1; P < 0.05

 4. Regla de decisión:

Si ZR -1.645 No se rechaza Ho

Si ZR < -1.645 Se rechaza Ho

5. Cálculos:

6. Justificación y decisión:

Puesto que –1.946<-1.645, se rechaza Ho y se concluye con un

nivel de significancia del 0.05 que la fracción de artículos
defectuosos es menor que 0.05.

6. Un diseñador de productos está interesado en reducir el tiempo de

secado de una pintura tapaporos. Se prueban dos fórmulas de
pintura; la fórmula 1 tiene el contenido químico estándar, y la
fórmula 2 tiene un nuevo ingrediente secante que debe reducir el
tiempo de secado. De la experiencia se sabe que la desviación
estándar del tiempo de secado es ocho minutos, y esta variabilidad
inherente no debe verse afectada por la adición del nuevo
ingrediente. Se pintan diez especímenes con la fórmula 1, y otros
diez con la fórmula 2. Los dos tiempos promedio de secado
muestrales son 121 min y 112 min respectivamente. ¿A qué
conclusiones puede llegar el diseñador del producto sobre la
eficacia del nuevo ingrediente, utilizando

= 0.05?

Solución:
 1. Se trata de una distribución muestral de diferencia de medias con
desviación estándar conocida.
2. Datos:

1 = 2 =8

n1=n2= 10

= 0.05

3. Ensayo de hipótesis

Ho ; 1 - 2 =0

H1; 1- 2 > 0 Se desea rechazar Ho si el nuevo ingrediente

disminuye el tiempo promedio de secado, por eso se pone la
diferencia mayor a cero o sea positiva para poder probar que 2 es
menor que 1.

4. Regla de decisión:

Si zR 1.645 no se rechaza Ho.

Si zR> 1.645 se rechaza Ho.

5. Cálculos:
6. Justificación y decisión:

Puesto que 2.52>1.645, se rechaza Ho, y se concluye con un nivel

de significancia de 0.05 que la adición del nuevo ingrediente a la
pintura si disminuye de manera significativa el tiempo promedio de
secado.

Solución por el otro método:

Regla de decisión:

Si 5.88 No se rechaza Ho

Si > 5.88 Se rechaza Ho

Puesto que = 121-112 = 9 y este número es mayor a 5.88

por lo tanto se rechaza Ho.

7. Se utilizan dos máquinas para llenar botellas de plástico con un

volumen neto de 16.0 onzas. Las distribuciones de los volúmenes
de llenado pueden suponerse normales, con desviaciones
estándar 1= 0.020 y 2 = 0.025 onzas. Un miembro del grupo de
 ingeniería de calidad sospecha que el volumen neto de llenado de
ambas máquinas es el mismo, sin importar si éste es o no de 16
onzas. De cada máquina se toma una muestra aleatoria de 10
botellas. ¿Se encuentra el ingeniero en lo correcto? Utilice

= 0.05
MAQUINA 1 MAQUINA 2

16.03 16.01 16.02 16.03

16.04 15.96 15.97 16.04

16.05 15.98 15.96 16.02

16.05 16.02 16.01 16.01

16.02 15.99 15.99 16.00

Solución:

1. Se trata de una distribución muestral de diferencia de medias con

desviación estándar conocida.
2. Datos:

1 = 0.020

2 = 0.025

Este dato se obtuvo calculando la media de los datos en

la máquina 1.

Este dato se obtuvo calculando la media de los datos en

la máquina 2.

n1=n2 = 10

= 0.05

3. Ensayo de hipótesis

Ho ; 1 - 2 =0
 H1 ; 1 - 2 0 Si se cae en Ho se podrá probar que el volumen de
llenado es el mismo en las dos máquinas.

4. Regla de Decisión:

Si –1.96 ZR 1.96 No se rechaza Ho

Si ZR < -1.96 ó si ZR > 1.96 Se rechaza Ho

5. Cálculos:

6. Justificación y decisión:

Como –1.96 0.987 1.96 entonces no se rechaza Ho y se concluye con

un nivel de significancia de 0.05 que las dos máquinas tienen en
promedio la misma cantidad de llenado.

Solución por el otro método:

-0.019 y 0.019
Regla de decisión:

Si –0-019 0.019 No se rechaza Ho

Si < -0.019 ó > 0.019 Se rechaza Ho

Como = 16.015 – 16.005 = 0.01, entonces cae en la región de

aceptación y no se rechaza Ho.

8. Existen dos tipos de plástico apropiados para su uso por un

fabricante de componentes electrónicos. La tensión de ruptura de
ese plástico es un parámetro importante . Se sabe que 1= 2=
1.0 psi. De una muestra aleatoria de tamaño 10 y 12 para cada
plástico respectivamente, se tiene una media de 162.5 para el
plástico 1 y de 155 para el plástico 2. La compañía no adoptará el
plástico 1 a menos que la tensión de ruptura de éste exceda a la
del plástico 2 al menos por 10 psi. Con base a la información
contenida en la muestra, ¿la compañía deberá utilizar el plástico 1?
Utilice

= 0.05 para llegar a una decisión.

Solución:

1. Se trata de una distribución muestral de diferencia de medias con

desviación estándar conocida.
2. Datos:

1 = 2 = 1.0 psi
n1= 10

n2= 12

= 0.05

3. Ensayo de hipótesis

Ho ; 1 - 2 = 10

H1; 1- 2 > 10 Se desea rechazar Ho si la media del plástico 1

supera a la media del plástico 2 en por lo menos 10 psi.

4. Regla de decisión:

Si zR 1.645 no se rechaza Ho.

Si zR> 1.645 se rechaza Ho.

5. Cálculos:

6. Justificación y decisión:

No existe evidencia suficiente para apoyar el uso del plástico 1 ya

que
–5.83 1.645, por lo tanto no se rechaza Ho.

Solución por el otro método:

Regla de decisión:

Si 10.70 No se rechaza Ho

Si > 10.70 Se rechaza Ho

Puesto que = 162.5-155 = 7.5 y este número es no es mayor a

10.7 por lo tanto no se rechaza Ho.

8. Se evalúan dos tipos diferentes de soluciones para pulir, para su

posible uso en una operación de pulido en la fabricación de lentes
intraoculares utilizados en el ojo humano después de una cirugía
de cataratas. Se pulen 300 lentes con la primera solución y, de
éstos, 253 no presentaron defectos inducidos por el pulido.
Después se pulen otros 300 lentes con la segunda solución, de los
cuales 196 resultan satisfactorios. ¿Existe alguna razón para creer
que las dos soluciones para pulir son diferentes? Utilice

= 0.01

Solución:

1. Se trata de una distribución muestral de diferencia de proporciones.

2. Datos:
 p1= 253/300= 0.8433

p2 = 196/300= 0.6533

n1=n2 = 300

3. Ensayo de hipótesis:

Ho; P1-P2 = 0

H1; P1-P2 0

4. Regla de Decisión:

Si –2.575 ZR 2.575 No se rechaza Ho

Si ZR < -2.575 ó si ZR > 2.575 Se rechaza Ho

5. Cálculos:

En esta fórmula se puede observar que en el denominador se

tienen a las proporciones poblacionales o sea los parámetros, los
cuales no se conocen, por lo que en el ensayo de hipótesis la
fórmula para poder calcular la ZR cambia, estimando a el parámetro
común P de la siguiente forma:
 ó bien

Entonces la fórmula de ZR quedaría de la siguiente manera:

Se calculará el valor de P:

6. Justificación y decisión:

Puesto que 5.36>2.575, se rechaza la hipótesis nula y se concluye

con un nivel de significancia de 0.01 que los dos fluidos para pulir
son diferentes.

10. Se tomará el voto entre los residentes de una ciudad y el

condado circundante para determinar si se debe construir una
planta química propuesta. El lugar de construcción está dentro de
los límites de la ciudad y por esta razón muchos votantes del
condado consideran que la propuesta pasará debido a la gran
proporción de votantes que favorecen la construcción. Para
determinar si hay una diferencia significativa en la proporción de
votantes de la ciudad y votantes del condado que favorecen la
 propuesta, se realiza una encuesta. Si 120 de 200 votantes de la
ciudad favorecen la propuesta y 240 de 500 residentes del
condado también lo hacen, ¿estaría de acuerdo en que la
proporción de votantes de la ciudad que favorecen la propuesta es
más alto que la proporción de votantes del condado? Utilice un
nivel de significancia de 0.025.

Solución:

1. Se trata de una distribución muestral de diferencia de proporciones.

2. Datos:

p1= 120/200= 0.60

p2 = 240/500= 0.48

n1 = 200

n2 = 500

3. Ensayo de hipótesis:

Ho; P1-P2 = 0

H1; P1-P2 > 0

4. Regla de decisión:

Si zR 1.96 no se rechaza Ho.

Si zR> 1.96 se rechaza Ho.

5. Cálculos:

Se calculará el valor de P:
6. Justificación y decisión:

Puesto que 2.9>1.96, se rechaza la hipótesis nula y se concluye

con un nivel de significancia de 0.025 que la proporción de
votantes de la ciudad a favor de la propuesta es más alta que la
proporción de votantes del condado.