Autora: Ana María Lara Porras

Capítulo 10

Contrastes de hipótesis

En el Capítulo 9 se abordó una parte de la Inferencia Estadística, la referida a la Esti-

mación Puntual y por Intervalos En este capítulo se abordará otra área de la Inferencia
llamada Contraste (o Test) de Hipótesis.
En la Teoría de la Estimación la información que se desea conocer de la población
es el valor de alguno de sus parámetros, en los Contrastes de Hipótesis se establecen
procedimientos para aceptar o rechazar una hipótesis que se emite acerca de un parámetro
u otra característica de la población.
Podemos considerar las siguientes etapas en el proceso:

1) El investigador formula una hipótesis sobre un parámetro poblacional, por ejemplo

que toma un determinado valor

2) Selecciona una muestra de la población

3) Comprueba si los datos están o no de acuerdo con la hipótesis planteada, es decir

compara la observación con la teoría

a) Si lo observado es incompatible con lo teórico entonces el experimentador puede

rechazar la hipótesis planteada y proponer una nueva teoría.
b) Si lo observado es compatible con lo teórico entonces el experimentador puede
continuar como si la hipótesis fuera cierta.

Se trata, en general de un proceso continuo ya que se plantean nuevas teorías y se

vuelven a realizar las comparaciones.
Pero, ¿Cuándo se debe rechazar la hipótesis planteada?, ¿Cómo decidir si lo observado
es compatible con lo teórico?, ¿Cuál es la probabilidad de tomar una decisión equivocada?,
¿Cuál es el error que se comete al aceptar una hipótesis falsa?, ¿Qué estadístico muestral se

291

Autora: Ana María Lara Porras

292 Contrastes de hipótesis

debe utilizar en el contraste?. . . . Estas y algunas preguntas más se resuelven en el estudio

de los Contrastes de Hipótesis.
En resumen, el contraste de hipótesis es un procedimiento estadístico mediante el cual
se investiga la verdad o falsedad de una hipótesis acerca de una característica de una
población o un conjunto de poblaciones, para ello, se toman muestras representativas de
la población y sobre ellas se toma la decisión acerca de la veracidad o falsedad de la
hipótesis planteada.
Se distingue entre dos tipos de contrastes: Contraste de Hipótesis Paramétrico y Contraste
de Hipótesis No-Paramétrico:
Contraste de Hipótesis Paramétrico: Conocida una v.a. con una determinada dis-
tribución, se establecen afirmaciones sobre los parámetros de dicha distribución. Por ejem-
plo, dada una m.a.s. X1 , X2 , · · · , Xn de una v.a. X Ã N (μ, σ) establecemos la afirmación
μ = 20
Contraste de Hipótesis No-Paramétrico: La distribución de las observaciones es
desconocida a priori y las afirmaciones que se establen son acerca de alguna propiedad
de la distribución que se muestrea. Ejemplos: Una v.a. X tiene una distribución Normal;
Dos vv.aa. X e Y son independientes; Dos muestras independientes proceden de la misma
población...

10.1. Conceptos básicos

En un problema de contraste de hipótesis hay una teoría preconcebida sobre alguna ca-
racterística de la población que se estudia, por ejemplo, el contenido medio de proteínas
de un preparado alimenticio es de 42 %; el número de eritrocitos por milímetro cúbico de
sangre sigue una distribución Normal; los calmantes A y B son igual de efectivos en el
tratamiento de la jaqueca. Esto nos conduce a que en cualquier estudio estadístico hay
dos teorías o hipótesis implícitas: la hipótesis que propone el experimentador y la negación
de esta hipótesis. La primera hipótesis recibe el nombre de Hipótesis Alternativa y se
denota por H1 , mientras que la segunda hipótesis recibe el nombre de Hipótesis Nula
y se denota por H0 . El objetivo del problema de contraste es decidir si el procedimiento
realizado tiende a apoyar o a rechazar la Hipótesis Nula.
La hipótesis H0 es la hipótesis de la “no diferencia”, es decir, la igualdad forma parte
de H0 . Así, en el ejemplo sobre el contenido medio de las proteínas, la afirmación de que
μ = 42 forma parte de H0 y se escribe como

H0 ≡ μ = 42

Esta hipótesis que asigna, que especifica, un valor particular para el parámetro en estudio
recibe el nombre de Hipótesis Sencilla o Simple.
10.1 Conceptos básicos 293

Si la hipótesis nula se escribe como

H0 ≡ μ ≤ 42 o H0 ≡ μ ≥ 42

no asigna ningún valor específico al parámetro y recibe el nombre de Hipótesis Com-

puesta.
Para construir una regla de decisión apropiada en el contraste de hipótesis, como
hemos dicho anteriormente, es necesario establecer una hipótesis alternativa que muestre
el “posible valor” del parámetro de interés si la hipótesis nula es falsa. Generalmente la
hipótesis alternativa es la negación de la hipótesis nula: El contenido medio de proteínas
de un preparado alimenticio no es de 42 %; el número de eritrocitos por milímetro cúbico
de sangre no sigue una distribución Normal; los calmantes A y B no son igual de efectivos
en el tratamiento de la jaqueca. La hipótesis alternativa puede ser simple o compuesta.
En muchas ocasiones, aunque no es una generalización, la hipótesis H0 se establece más
específica que la H1 .
Un Contraste o Test de Hipótesis es un procedimiento mediante el cual nos decidimos
por H0 o por H1 . Las hipótesis estadísticas se formulan con el propósito, siempre que sea
posible, de rechazar H0 y por lo tanto, aceptar H1 . Es importante comprender que una
decisión con respecto a una hipótesis estadística es un proceso inferencial, el cual siempre
se encuentra sujeto a error.
Antes de continuar introduciendo más conceptos vamos a considerar por ejemplo, que
deseamos probar que la media poblacional tiene un determinado valor y establecemos la
hipótesis nula: H0 ≡ μ = μ0 .
Para ello tomamos una muestra de la citada población y con base en la muestra cal-
culamos la media muestral x. Si el valor de la media muestral está próximo al valor de la
media poblacional entonces no se rechaza 1 H0 , pero, ¿Cómo de próxima? ¿Qué error es
admisible? Parece intuitivamente razonable que si el intervalo de confianza para μ contiene
a x entonces no se rechaza H0 y se rechaza en caso contrario. Así,
£ √ √ ¤
Si X ∈ μ0 − zα/2 (σ/ n) , μ0 + zα/2 (σ/ n) ⇒ No rechazar H0
£ √ √ ¤
Si X ∈
/ μ0 − zα/2 (σ/ n) , μ0 + zα/2 (σ/ n) ⇒ Rechazar H0

Ejemplo 10.1. En una cadena de hoteles se determinó que el número medio de llamadas
solicitando servicio era de 42 por día. Para comprobar su afirmación se revisaron los re-
gistros de servicios para 25 días seleccionados al azar. Estudios realizados con anterioridad
dieron una desviación típica σ = 6. Si α = 0,05 ¿Se puede rechazar la hipótesis con base
en estos datos de la muestra?. (Supuesto que la población estudiada es Normal).
1
No rechazar la Hipótesis nula en el sentido de que μ0 es un valor posible de μ pero hay otros valores
igualmente posibles.
294 Contrastes de hipótesis

Respuesta:
Sabemos que μ0 = 42, n = 25 y σ = 6, por lo que
³ √ ´
X Ã N 42; 6/ 25 = (42; 1,2)

Para un nivel de significación del 5 %, zα/2 = 1,96 y el intervalo de no rechazo o región de

no rechazo para μ es: (42 − 1,96 × 1,2 , 42 + 1,96 × 1,2) = (39,648 , 44,352) . Entonces:

Si x ∈ (39,648 , 44,352) no se rechaza la hipótesis de que el número medio de lla-

madas al día es 42.

Si x ∈
/ (39,648 , 44,352) se rechaza la hipótesis de que el número medio de llamadas
al día es 42.

Pero, puede suceder que:

1) La media muestral no pertenezca al intervalo y sin embargo el valor de μ sea 42.

Cometiendo por tanto el error de rechazar la hipótesis nula cuando es cierta. En este
ejemplo, el riesgo de cometer este error es α = 0,05

2) La media muestral pertenezca al intervalo y sin embargo el valor de μ sea 40. Come-
tiendo por tanto el error de no rechazar la hipótesis nula cuando es falsa, ya que
aunque la media muestral pertenezca al intervalo la decisión de no rechazar la hipóte-
sis no es la correcta.

En cada una de estas situaciones estamos ante un tipo de error que vamos a analizar
pero, veamos en primer lugar las posibles decisiones que se pueden tomar con respecto a
H0
½ ½
Cuando H0 es cierta Cuando H0 es cierta
Rechazar H0 o No rechazar H0
Cuando H0 es falsa Cuando H0 es falsa

a) Si se rechaza H0 puede suceder que:

• Se rechace algo que es cierto siendo la decisión incorrecta o

• Se rechace algo que es falso siendo la decisión correcta

b) Si no se rechaza H0 puede suceder que:

• No se rechace algo que es cierto siendo la decisión correcta o

• No se rechace algo que es falso siendo la decisión incorrecta.
10.1 Conceptos básicos 295

Existiendo, por tanto dos posibilidades de tomar una decisión equivocada y esto nos con-
duce a definir los dos tipos de error que se pueden cometer
Error de Tipo I o error α consiste en rechazar la hipótesis H0 cuando es cierta y se
define como
P [rechazar H0 / H0 es cierta] = α; 0 ≤ α ≤ 1
Error de Tipo II o error β consiste en no rechazar la hipótesis H0 cuando es falsa y se
define como
P [no rechazar H0 / H0 es falsa] = β; 0 ≤ β ≤ 1
En la tabla siguiente presentamos las decisiones y posibles errores que se pueden cometer

Tabla 10.1
Decisión
Rechazar H0 No rechazar H0
Hipótesis cierta H0 α Decisión correcta
Hipótesis falsa H0 Decisión correcta β

Vamos a determinar el error β en el Ejemplo 10.1, suponiendo que el valor de la media

poblacional no es 42 sino 40, entonces X Ã N (40; 1,2)

£ ¤
β = P [no rechazar H0 / H0 es falsa] = P 39,648 ≤ X ≤ 44,352/μ = 40 =
∙ ¸
39,648 − 40 X − 40 44,352 − 40
=P ≤ ≤ = P [−0,293 ≤ Z ≤ 3,627] =
1,2 1,2 1,2

= 1 − P [Z > 3,627] − P [Z > 0,293] = 1 − 0,0001 − 0,3859 = 0,614

El error β es 0.614, por lo tanto el área comprendida entre 39.648 y 44.352 vale 0.614,
es decir que de cada 100 muestras que tomemos en la población:

En 61 de ellas cometemos un error de tipo II, es decir, admitimos como cierta una
hipótesis que es falsa

En 39 de ellas admitimos como verdadera una hipótesis que es cierta.

A continuación, estudiamos la relación entre los dos tipos de error entre sí y la relación
con el tamaño de la muestra:
296 Contrastes de hipótesis

a) Si disminuye el error de tipo I

Supongamos que el Ejemplo 10.1, el nivel de significación es α = 0,01.
Entonces la región de no rechazo es:
(42 − 2,58 × 1,2 , 42 + 2,58 × 1,2) = (38,904 , 45,096) y su amplitud es igual a 6.192.
Por lo tanto, la disminución de α hace que aumente la región de no rechazo.

Veamos que sucede con el error β

∙ ¸
38,904 − 40 X − 40 45,096 − 40
β=P ≤ ≤ = P [−0,914 ≤ Z ≤ 4,247] =
1,2 1,2 1,2

= 1 − P [Z > 4,247] − P [Z > 0,914] = 1 − 0,1814 = 0,8186.

Por lo tanto, con un tamaño fijo de muestra, si disminuye el error α de 0.05 a 0.01
entonces el error β aumenta de 0.614 a 0.8186. Del mismo modo se comprueba que
un aumento del error α conlleva a una disminución del error β.

b) Si aumenta el tamaño muestral

En este caso la distribución en el muestreo presentará menos variabilidad y el error
de tipo II decrece.
En efecto, supongamos que en el Ejemplo 10.1 el tamaño de la muestra es 36.

b1) Para α = 0,05 la región de no rechazo es: (40,04 , 43,96) y el error β es

β = P [40,04 − 40 ≤ Z ≤ 43,96 − 40] = P [0,04 ≤ Z ≤ 3,96] =
= 1 − 0,4840 = 0,516
b2) Para α = 0,01 la región de no rechazo es: (39,42 , 44,58) y el error β es
β = P [39,42 − 40 ≤ Z ≤ 44,58 − 40] = P [−0,58 ≤ Z ≤ 4,58] =
= 1 − 0,291 = 0,709.

α R. No rechazo Amplitud β
n = 25 0,05 (39,648 , 44,352) 4,704 0,614
n = 25 0,01 (38,904 , 45,096) 6,192 0,8186
n = 36 0,05 (40,04 , 43,96) 3,92 0,516
n = 36 0,01 (39,42 , 44,58) 5,16 0,709

Como hemos dicho anteriormente un contraste de hipótesis es un procedimiento para

decidir si se rechaza la hipótesis H0 basándonos en una muestra aleatoria tomada de la
10.1 Conceptos básicos 297

población bajo estudio. La decisión se toma observando el valor de algún estadístico cuya
distribución de probabilidad, bajo la presunción de que H0 es cierta, se conoce. Dicho
estadístico recibe el nombre de Estadístico de Contraste. Si el valor del estadístico
cuando H0 es cierta difiere de lo esperado, rechazamos la hipótesis nula en favor de la
hipótesis alternativa; en caso contrario no rechazamos la hipóteis nula.
Los valores del estadístico de contraste que nos conducen a rechazar la hipótesis H0
forman la Región Crítica o Región de Rechazo del contraste (los puntos que delimitan
la región crítica se llaman Puntos Críticos) y los valores que nos conducen a decidir H0
forman la Región de No rechazo.
Se dice que el resultado de un test o contraste de hipótesis es Estadísticamente Sig-
nificativo cuando se rechaza H0 y se dice que es Estadísticamente No-Significativo
cuando no se rechaza H0 .
En este capítulo estudiamos los Contrastes Paramétricos, es decir los contrastes que
se refieren a un parámetro θ.
En términos generales: Dada una variable aleatoria X que se distribuye según una ley
de probabilidad z(θ) que depende de un parámetro θ. Supongamos que el parámetro θ
es desconocido y que θ0 es el valor propuesto para θ. El contraste consiste2 en elegir, en
alguno de los contrastes siguientes, entre la hipótesis H0 o H1

H0 ≡ θ ≤ θ0 H0 ≡ θ ≥ θ0 H0 ≡ θ = θ0
o o
H1 ≡ θ > θ0 H1 ≡ θ < θ0 H1 ≡ θ 6= θ0

En los dos primeros contrastes, en los que la hipótesis alternativa es: H1 ≡ θ > θ0
o H1 ≡ θ < θ0 , se dice que la Hipótesis Alternativa es Unilateral , ya que los
posibles valores de θ bajo H1 están situados a un lado del valor propuesto bajo H0
y la región crítica recibe el nombre de Región crítica o de Rechazo Unilateral
.(La hipótesis H1 da lugar a una región crítica a un solo lado del valor del parámetro).

En el tercer contraste, en el que la hipótesis alternativa es de la forma H1 ≡ θ 6= θ0 ,

se dice que la Hipótesis Alternativa es Bilateral y la región crítica también
recibe el nombre de Región Crítica Bilateral . (La hipótesis H1 da lugar a una
región crítica a ambos lados del valor del parámetro).

Potencia de un contraste: Se define la Potencia de un contraste, y se denota por P (θ),

como
P (θ) = 1 − β(θ) ,
donde β(θ) es la probabilidad de que un valor del estadístico de contraste no se encuentre
en la región crítica cuando H0 es falsa. Por lo tanto, P (θ) representa la probabilidad de
2
Consideramos la hipótesis H0 simple y la hipótesis H1 compuesta.
298 Contrastes de hipótesis

que un valor del estadístico de contraste se encuentre dentro de la región crítica cuando
H0 es falsa, es decir, es la probabilidad de rechazar la hipótesis H0 cuando ésta es falsa.
(Probabilidad que se tiene en el contraste de detectar que H0 es falsa.)
P (θ) = 1 − β(θ) = P [rechazar H0 / H0 es falsa] = P [no rechazar H1 / H1 es cierta]

En la Tabla 10.2 presentamos otra forma de resumir las posibles decisiones y errores junto
con la función de potencia

Tabla 10.2
Decisión
Rechazar H0 No rechazar H0
Hipótesis cierta H0 α Decisión correcta
Decisión correcta
Hipótesis falsa H0 β
Potencia

Comentario 10.1 Recordar que para un α fijo, si se incrementa el tamaño de la muestra

se disminuye el tamaño del error de tipo II. Por tanto, se deduce que la función de potencia
aumentará conforme aumente el tamaño muestral.
P-valor o nivel crítico P o mínimo nivel de significación: Es el valor de α más
pequeño que hace que la muestra observada nos indique que se debe rechazar H0 . Elegido
un nivel de significación α, se rechazará H0 si p-valor < α.

10.2. Contrastes de hipótesis de una población Normal

En esta sección se estudian los contrastes de hipótesis sobre la media y la varianza de una
distribución Normal y los contrastes de hipótesis sobre el parámetro p de una distribu-
ción Binomial. Se recomienda al lector que consulte la sección 9.2 del Capítulo 9 y haga
comparaciones con los intervalos de confianza.

10.2.1. Contrastes de hipótesis para la media de una población Normal

El objetivo es probar uno de los siguientes contrastes de hipótesis con respecto de μ
H0 ≡ μ = μ0 H0 ≡ μ ≤ μ0 H0 ≡ μ ≥ μ0
o o
H1 ≡ μ 6= μ0 H1 ≡ μ > μ0 H1 ≡ μ < μ0
donde μ0 es un valor conocido dado de antemano. Para ello se toma una m.a.s concreta
n
1X
x1 , x2 , · · · , xn cuya media valdrá: x = xi
n
i=1
Gráficamente podemos expresar estos contrastes de la siguiente forma:
10.2 Contrastes de hipótesis de una población Normal 299

Figura 10.1 Figura 10.2 Figura 10.3

Distinguiremos dos situaciones: a) Varianza poblacional σ 2 conocida y b) Varianza pobla-

cional σ 2 desconocida.

a) Varianza poblacional σ 2 conocida

√
Sabemos que X Ã N (μ, σ/ n) y si H0 ≡ μ = μ0 es cierta entonces X Ã N (μ0 ,
√
σ/ n) por tanto
X − μ0
Z= √ Ã N (0, 1) .
σ/ n
√
Z = (X − μ0 )/ (σ/ n) es el estadístico de contraste y dado un nivel de significación
α, si H0 es cierta, la mayoría de los valores de la media muestral deben estar próximos
al valor μ0

a1) Para la hipótesis alternativa H1 ≡ μ 6= μ0¡, (contraste bilateral

¢ también llamado
de dos colas), la región de no rechazo es −zα/2 , zα/2 .
El contraste consiste en tomar una muestra aleatoria y a partir de ella deter-
minar el valor de Z
¡ ¢
◦ Si Z pertenece al intervalo −zα/2 , zα/2 no se rechaza H0
¡ ¢
◦ Si Z no pertenece al intervalo −zα/2 , zα/2 se rechaza H0
o bien, en vez de Z se utiliza |Z| que se suele llamar z experimental y se denota
zexp ¯ ¯
¯ x − μ0 ¯
zexp = ¯¯ √ ¯¯
σ/ n

Si zexp < zα/2 ⇒ No se rechaza H0

Si zexp ≥ zα/2 ⇒ Se rechaza H0

Figura 10.4
300 Contrastes de hipótesis

a2) Para la hipótesis alternativa H1 ≡ μ > μ0 la correspondiente región de no

rechazo es (−∞ , zα ) y el estadístico de contraste viene dado por

x − μ0
zexp = √ (10.1)
σ/ n

Si zexp < zα ⇒ No se rechaza H0

Si zexp ≥ zα ⇒ Se rechaza H0

Figura 10.5
a3) Para la hipótesis alternativa H1 ≡ μ < μ0 la correspondiente región de no
rechazo es (−zα , ∞) y el estadístico de contraste está dado por la expresión
(10.1)

Si zexp > −zα ⇒ No se rechaza H0

Si zexp ≤ −zα ⇒ Se rechaza H0

Figura 10.6

La regla de decisión también se puede realizar mediante el P-valor (Área que deja a la
derecha el valor experimental del estadístico de contraste).
Elegido un nivel de significación α, se rechazará H0 si p-valor < α,

Rechazar
No rechazar hipótesis nula
hipótesis nula

p-valor p-valor

zexp za za zexp
Figura 10.7: α < p−valor Figura 10.8: α > p−valor
10.2 Contrastes de hipótesis de una población Normal 301

Figura 10.7: Si α < p−valor =⇒ No rechazar H0

Figura 10.8: Si α > p−valor =⇒ Rechazar H0

Ejemplo 10.2. Se quiere comprobar, con un nivel de significación 0,05, si una muestra de
tamaño n = 20 con media 10 procede de una población que se distribuye según una Normal
(14, 3).
Respuesta: Hay que realizar un contraste bilateral para la media poblacional con varianza
conocida
⎧ ¯ ¯ ¯ ¯
⎪ ¯ x − μ0 ¯ ¯ 10 − 14 ¯
⎫ ⎪ ¯ ¯ ¯ ¯
H0 ≡ μ = 14 ⎬ ⎪ zexp = ¯ σ/√n ¯ = ¯ 3/√20 ¯ = 5,962
⎪
⎨
→
⎭ ⎪
⎪
H1 ≡ μ 6= 14 ⎪
⎪ z = z0,025 = 1,96 < zexp ⇒ Rechazar H0 ⇒
⎩ α/2
La muestra no procede de la citada población

Rechazar H0

Región crítica de
tamaño 0.025

p-valor

1.96 5.962
Figura 10.9

Ejemplo 10.3. En un preparado alimenticio infantil se especifica que según análisis garan-
tizado el contenido mínimo de proteínas es del 42 %. Tratamos de comprobar esta especifi-
cación y para ello tomamos 10 preparados que analizamos para determinar su contenido en
proteínas, obteniendo una media del 40 %. Suponiendo que la variable contenido proteico
tiene una distribución Normal con varianza 16. ¿Es correcta la especificación citada para
un nivel de significación α = 0,05?.
Respuesta: Hay que realizar un contraste unilateral para la media poblacional con varianza
conocida
302 Contrastes de hipótesis

⎧
⎪ x − μ0 0,4 − 0,42
⎫ ⎪
⎪ zexp = √ = √ = −0,0158
H0 ≡ μ ≥ 0,42 ⎬ ⎪
⎨ σ/ n 4/ 10
→
⎭ ⎪
⎪
H1 ≡ μ < 0,42 ⎪
⎪ −zα = −z0,05 = −1,64 < zexp ⇒ No rechazar H0 ⇒
⎩
Admitimos como correcta la especificación del preparado

Rechazar H0

Región crítica de
tamaño 0.05

-1.64 -0.0158
Figura 10.10

b) Varianza poblacional σ 2 desconocida

En este caso el estadístico de contraste que se utiliza sigue una distribución t−Student
y, bajo la hipótesis nula H0 ≡ μ = μ0 , dicho estadístico tiene la siguiente expresión

X − μ0
√ Ã tn−1
b/ n − 1
σ

Fijado un nivel de significación α

b1) Para la hipótesis

¡ alternativa H¢1 ≡ μ 6= μ0 la correspondiente región de no
rechazo es −tα/2;n−1 , tα/2;n−1 y el estadístico de contraste adopta la forma
¯ ¯ ¯ ¯
¯ x − μ0 ¯ ¯ x − μ0 ¯
¯
texp = ¯ √ ¯ = ¯ √ ¯
b/ n − 1 ¯ ¯ S/ n ¯
σ
y se utiliza la siguiente regla de decisión
¾ ½
H0 ≡ μ = μ0 Si texp < tα/2;n−1 ⇒ No se rechaza H0
→
H1 ≡ μ 6= μ0 Si texp ≥ tα/2;n−1 ⇒ Se rechaza H0
b2) Para la hipótesis alternativa H1 ≡ μ > μ0 la correspondiente región de no
rechazo es (−∞ , tα;n−1 ) y el estadístico de contraste tiene la expresión
x − μ0
texp = √ (10.2)
b/ n − 1
σ
10.2 Contrastes de hipótesis de una población Normal 303

y se adopta la siguiente regla de decisión

¾ ½
H0 ≡ μ = μ0 Si texp < tα;n−1 ⇒ No se rechaza H0
→
H1 ≡ μ > μ0 Si texp ≥ tα;n−1 ⇒ Se rechaza H0
b3) Para la hipótesis alternativa H1 ≡ μ < μ0 la correspondiente región de no
rechazo es (−tα;n−1 , ∞) , el estadístico de contraste es (10.2) y se adopta la
siguiente regla de decisión
¾ ½
H0 ≡ μ = μ0 Si texp > −tα;n−1 ⇒ No se rechaza H0
→
H1 ≡ μ < μ0 Si texp ≤ −tα;n−1 ⇒ Se rechaza H0

Ejemplo 10.4. Se quiere comprobar si 100 observaciones distribuidas normalmente, con

desviación típica desconocida, media muestral 10 y cuasidesviación típica 1, pueden pro-
ceder de una población Normal N (10,3; σ).
Respuesta: Hay que realizar un contraste bilateral para la media poblacional con varianza
desconocida
⎧ ¯ ¯ ¯ ¯
⎪ ¯ x − μ0 ¯ ¯ 10 − 10,3 ¯
⎫ ⎪ ¯ ¯ ¯ ¯
H0 ≡ μ = 10,3 ⎬ ⎪ texp = ¯ s/√n ¯ = ¯ 1/√100 ¯ = 3
⎪
⎨
→
⎭ ⎪
⎪
H1 ≡ μ 6= 10,3 ⎪
⎪ t = t0,025;99 = 1,984 < texp ⇒ Rechazar H0 ⇒
⎩ α/2;n−1
La muestra no procede de la citada población

Ejemplo 10.5. Realizar el Ejemplo 10.3 con varianza poblacional desconocida

Respuesta:
⎧
⎪ x−μ 0,4 − 0,42
⎫ ⎪
⎪ texp = √ 0 = √ = −0,01714
H0 ≡ μ ≥ 0,42 ⎬ ⎪
⎨ b/ n − 1
σ 3,5/ 9
→
⎭ ⎪
⎪
H1 ≡ μ < 0,42 ⎪
⎪ −tα;n−1 = −1,833 < texp ⇒ No rechazar H0 ⇒
⎩
Admitimos como correcta la especificación del preparado

Ejemplo 10.6. Una variable estudiada por los biólogos es la temperatura interna del cuerpo
en los animales poiquilotermos (animales cuya temperatura corporal fluctúa con el am-
biente circundante). El nivel letal (DL50) para los lagartos del desierto es de 45o C. Se ha
observado que la mayor parte de estos animales se oculta del calor en verano para evitar
aproximarse a este nivel letal. Se realiza un experimento para estudiar el tiempo (minutos)
que se requiere para que la temperatura del cuerpo de un lagarto del desierto alcance los
45o C partiendo de la temperatura normal de su cuerpo mientras está a la sombra. Se
obtuvieron las siguientes observaciones: 10.1 ; 12.5 ; 12.2 ; 10.2 ; 12.8 ; 12.1 ; 11.2 ; 11.4;
10.7 ; 14.9 ; 13.9 ; 13.3. Se pide:
304 Contrastes de hipótesis

a) Hallar estimaciones puntuales de la media y la varianza

b) Supóngase que la variable X: “Tiempo en alcanzar los 45o ” sigue una ley Normal
¿Puede concluirse que el tiempo medio requerido para alcanzar la dosis letal es
inferior a 13 minutos?

Respuesta: Dada la v.a. X: “Tiempo en alcanzar los 45o ”

n
1X 145,3
b=x=
a) μ xi = = 12,1083
n 12
i=1
n
1X 1
2
b =
σ ni x2i − (x)2 = 1783,39 − (12,1083)2 = 2,004; σ b = 1,415
n 12
i=1
b) ⎧
⎫ ⎪ x − μ0 12,1083 − 13
H0 ≡ μ ≥ 13 ⎬ ⎪
⎨ texp = √ = √ = −2,090
b/ n − 1
σ 1,415/ 11
→
⎭ ⎪
⎪
H1 ≡ μ < 13 ⎩
−t0,05;11 = −1,796 > texp ⇒ Rechazar H0 ⇒

Rechazar H0

Región crítica de
tamaño 0.05

texp=-2.09 ta =-1.796
Figura 10.11

Puede concluirse que el tiempo medio para alcanzar la dosis letal es inferior a 13 minutos.

10.2.2. Contrastes de hipótesis para la varianza de una población Nor-

mal
Sea X1 , X2 , · · · , Xn una muestra aleatoria de tamaño n de una distribución Normal con
varianza σ 2 desconocida, siendo X y σ b la media y desviación típica muestral. El objetivo
es probar uno de los siguientes contrastes de hipótesis con respecto de σ 2 :

H0 ≡ σ 2 = σ 20 H0 ≡ σ 2 ≤ σ 20 H0 ≡ σ 2 ≥ σ 20
o o
H1 ≡ σ 2 6= σ 20 H1 ≡ σ 2 > σ 20 H1 ≡ σ 2 < σ 20
10.2 Contrastes de hipótesis de una población Normal 305

donde σ 20 es un valor conocido dado de antemano.

El estadístico de contraste adopta distintas formas dependiendo de que la media sea
conocida o no.

a) Media poblacional conocida

Sabemos que
n
X
(Xi − μ)2
i=1
à χ2n
σ2
y si H0 ≡ σ 2 = σ 20 es cierta entonces
n
X
(Xi − μ)2
i=1
à χ2n (10.3)
σ 20
Fijado un nivel de significación α, el estadístico de contraste χ2exp , bajo la hipótesis
nula H0 ≡ σ 2 = σ 20 , sigue una distribución χ2n y tiene la expresión dada en (10.3)

Hipótesis alternativa Regla de decisión

H1 ≡ σ 2 6= σ 20 Rechazar H0 cuando χ2exp ≥ χ2α/2;n o χ2exp ≤ χ21−α/2;n
H1 ≡ σ 2 > σ 20 Rechazar H0 cuando χ2exp ≥ χ2α;n
H1 ≡ σ 2 < σ 20 Rechazar H0 cuando χ2exp ≤ χ21−α;n

b) Media poblacional desconocida

Sabemos que
n
X ¡ ¢2
Xi − X
i=1 (n − 1)S 2
= Ã χ2n−1
σ2 σ2
y si H0 ≡ σ2 = σ 20 es cierta entonces
n
X ¡ ¢2
Xi − X
(n − 1)S 2
i=1
= Ã χ2n−1 (10.4)
σ 20 σ 20
Fijado un nivel de significación α, el estadístico de contraste χ2exp , bajo la hipótesis
nula H0 ≡ σ 2 = σ 20 , sigue una distribución χ2n−1 y tiene la expresión dada en (10.4)
Se adopta la misma regla de decisión que el caso anterior pero teniendo en cuenta
que, en esta situación, la distribución Chi-cuadrada tiene n − 1 grados de libertad.
306 Contrastes de hipótesis

Ejemplo 10.7. Se quiere comprobar si en un determinado experimento la varianza es 4,

para ello se toma una muestra aleatoria de tamaño 28 de una población Normal con media
desconocida y varianza muestral 2.

Respuestas: Hay que realizar un contraste bilateral para la varianza poblacional con media
desconocida

⎧
⎫ ⎪
⎪ 2 nbσ2 28 × 2
H0 ≡ σ2 =4 ⎬ ⎪ χ
⎨ exp = 2 = = 14
σ0 4
→
⎭ ⎪
⎪ χ2α/2;n−1 = χ20,025;27 = 43,2 > χ2exp
H1 ≡ σ 2 =
6 4 ⎪
⎩ χ2 2 2
1−α/2;n−1 = χ0,975;27 = 14,6 > χexp ⇒ Se rechaza H0 .

0.025

0.95 0.025

χ
2
= 14.6 χ 2 = 43.2
χexp
2
= 14 0.975, 27 0.025,27

Figura 10.12

Ejemplo 10.8: Con los datos del Ejemplo 10.6 contestar a la siguiente pregunta: ¿Puede
concluirse que la desviación típica de X sea inferior a 1.5 minutos?

Respuesta:
⎧
⎫ ⎪
⎪ nbσ2 12 × 2,004
H0 ≡ σ2 ≥ 1,52 ⎬ ⎨ χ2exp = 2 = = 10,688
σ0 1,52
→
⎭ ⎪
⎪
H1 ≡ σ 2 < 1,52 ⎩
χ21−α;n−1 = χ20,95;11 = 4,57
χ2exp > χ21−α;n−1 = 4,57 ⇒ No rechazar H0
10.2 Contrastes de hipótesis de una población Normal 307

0.05
0.95

χ 02.95,11 = 4.57
2
χ exp = 10.688
Figura 10.13

No puede concluirse que la desviación típica de X sea inferior a 1.5 minutos.

10.2.3. Contraste para el parámetro p de una distribución Binomial

Si se toma una muestra aleatoria de tamaño n, suficientemente grande y denotamos por
pyb p las proporciones de éxitos de la población y de dicha muestra, respectivamente se
verifica que ⎛ s ⎞
bb
pq b−p
p
p à N ⎝p,
b ⎠ o r à N (0, 1)
n pb
bq
n
Fijado un nivel de significación α
a) Para p p
¡ la hipótesis¢ alternativa H1 ≡ 6= 0 la correspondiente región de no rechazo
es −zα/2 , zα/2 y el estadístico de contraste, bajo la hipótesis nula H0 ≡ p = p0 ,
adopta la siguiente expresión:
¯ ¯
p − p0 ¯
¯b
zexp = r
pb
b q
n
Se utiliza la siguiente regla de decisión
¾ ½ ¾
H0 ≡ p = p0 Si zexp < zα/2 ⇒ No se rechaza H0
→
H1 ≡ p 6= p0 Si zexp ≥ zα/2 ⇒ Se rechaza H0
b) Para la hipótesis alternativa H1 ≡ p > p0 la correspondiente región de no rechazo
es (−∞ , zα ) y el estadístico de contraste está dado por
b
p − p0
zexp = r (10.5)
pb
bq
n
308 Contrastes de hipótesis

y se adopta la siguiente regla de decisión

¾ ½
H0 ≡ p = p0 Si zexp < zα ⇒ No se rechaza H0
→
H1 ≡ p > p0 Si zexp ≥ zα ⇒ Se rechaza H0

c) Para la hipótesis alternativa H1 ≡ p < p0 la correspondiente región de no rechazo

es (−zα , ∞) , el estadístico de contraste es (10.5) y se adopta la siguiente regla de
decisión
¾ ½
H0 ≡ p = p0 Si zexp > −zα ⇒ No se rechaza H0
→
H1 ≡ p < p0 Si zexp ≤ −zα ⇒ Se rechaza H0 .

Ejemplo 10.9. Se ignora la proporción de familias numerosas y con el fin de determinar

dicha proporción se toma una muestra de 800 familias siendo la proporción observada de
0.18. Formulamos las siguientes hipótesis: H0 : p = 0,20 frente a la alternativa H1 = p 6=
0,20 que queremos contrastar para un nivel de significación α = 0,05.
Respuesta:
⎧ ¯ ¯
⎪ p − p0 ¯
¯b |0,18 − 0,20|
⎪
⎪ zexp = r =r = 1,472
⎫ ⎪
⎪
⎪
⎪ pb
bq 0,18 × 0,82
H0 ≡ p = 0,20 ⎬ ⎨
→ n 800
p ⎭ ⎪
⎪
H1 ≡ 6= 0,20 ⎪
⎪
⎪
⎪ zα/2 = z0,025 = 1,96 > zexp ⇒ No se rechaza H0 ⇒
⎪
⎩ La proporción de familias numerosas se toma igual a 0.20.

10.3. Constrastes de hipótesis en dos poblaciones normales:

Muestras independientes y muestras apareadas
En las sesiones siguientes los contrastes de hipótesis se efectuarán bajo dos tipos de
muestreo: muestras independientes y muestra apareadas.
Recordemos que dos muestras se dicen que son independientes cuando las observaciones
de una de ellas no condicionan a las observaciones de la otra y dos muestras se dicen
apareadas cuando cada dato de una muestra tiene su homónimo en la otra con el que está
relacionado, cada observación de una muestra está emparejada con una observación de la
otra muestra. Ejemplos de esta clase de emparejamiento ocurren en estudios en los que
se suministran dos tratamientos al mismo sujeto, en estudios con contrastes a priori y a
posteriori etc.
Para aclarar estos dos conceptos supongamos que se realiza un estudio para investigar
el efecto de un medicamento en individuos diabéticos. El experimento se podría planificar
de dos formas:
10.4 Contrastes de hipótesis en dos poblaciones normales independientes 309

Se eligen 20 individuos diabéticos al azar y se les suministra el medicamento a 10 de

ellos dejando sin suministrar el medicamento a los otros 10. Transcurrido un tiempo
se miden los niveles de glucosa en los dos grupos y se comprueba si el medicamento
ha tenido efecto, para ello se contrasta la hipótesis H0 ≡ μ1 = μ2 para comprobar
si las medias son iguales o no. En este caso, las dos muestras están formadas por
individuos distintos sin relación entre sí, son muestras independientes.

Se eligen 20 individuos diabéticos al azar a los que se les suministra el medicamento

y se anotan los niveles de glucosa antes y después de aplicar el medicamento y se
contrasta la hipótesis H0 ≡ μ1 = μ2 para responder a la pregunta sobre la efectividad
del medicamento. En este caso los datos vienen por pareja (niveles de glucosa antes y
niveles de glucosa después), las muestras están relacionadas. Son muestras apareadas

10.4. Contrastes de hipótesis en dos poblaciones normales

independientes
En esta sección se estudian los contrastes de hipótesis sobre las medias, varianzas y pro-
porciones de dos poblaciones independientes.
Supongamos que X e Y son dos variables aleatorias independientes y tales que X Ã
N (μX , σ X ) e Y Ã N (μY , σ Y ).

Sea (X1 , X2 , · · · , XnX ) una m.a.s. de tamaño nX extraída de la población N (μX ,

σ X ) y denotamos por X y σ b2X , a la media muestral y a la varianza muestral, respec-
tivamente.

Sea (Y1 , Y2 , · · · , YnY ) una m.a.s. de tamaño nY extraída de la población N (μY , σ Y )

y denotamos por Y y σ b2Y , a la media muestral y a la varianza muestral, respectiva-
mente.

10.4.1. Contrastes de comparación de dos medias

Consideramos dos poblaciones normales N (μX , σ X ) y N (μY , σ Y ) cuyas medias μX y μY
se desconocen. El objetivo es probar uno de los siguientes contrastes de hipótesis:

H0 ≡ μX − μY = μ0 H0 ≡ μX − μY ≤ μ0 H0 ≡ μX − μY ≥ μ0
o o
H1 ≡ μX − μY 6= μ0 H1 ≡ μX − μY > μ0 H1 ≡ μX − μY < μ0

conocidas las medias muestrales x e y y los tamaños nX y nY de las muestras. Para ello
distinguiremos las siguientes situaciones:
310 Contrastes de hipótesis

a) Varianzas poblaciones conocidas.

⎛ s ⎞
σ 2X σ 2Y
Sabemos que X − Y Ã N ⎝μX − μY , + ⎠ y si H0 es cierta (H0 ≡ μX −
nX nY
⎛ s ⎞
σ 2X σ 2
μY = μ0 ) entonces X − Y Ã N ⎝μ0 , + Y ⎠ por tanto
nX nY
¡ ¢
X − Y − μ0
Z= s à N (0, 1)
σ 2X σ 2Y
+
nX nY
¡¡ ¢ ¢ ³q¡ 2 ¢ ¡ ¢´
Z = X − Y − μ0 / σ X /nX + σ 2Y /nY es el estadístico de contraste y
dado un nivel de significación α :

a1) Para la hipótesis

¡ alternativa¢ H1 ≡ μX − μY 6= μ0 la correspondiente región de
no rechazo es −zα/2 , zα/2 y el estadístico de contraste, bajo la hipótesis nula
H0 ≡ μX − μY = μ0 , tiene la siguiente expresión:
|(x − y) − μ0 |
zexp = s
σ 2x σ 2y
+
nx ny

Se adopta la siguiente regla de decisión:

¾ ½ ¾
H0 ≡ μX − μY = μ0 Si zexp < zα/2 ⇒ No se rechaza H0
→
H1 ≡ μX − μY 6= μ0 Si zexp ≥ zα/2 ⇒ Se rechaza H0
a2) Para la hipótesis alternativa H1 ≡ μX − μY > μ0 la correspondiente región de
no rechazo es (−∞ , zα ) y el estadístico de contraste viene dado por
(x − y) − μ0
zexp = s (10.6)
σ 2x σ 2y
+
nx ny
y se adopta la siguiente regla de decisión
¾ ½
H0 ≡ μX − μY ≤ μ0 Si zexp < zα ⇒ No se rechaza H0
→
H1 ≡ μX − μY > μ0 Si zexp ≥ zα ⇒ Se rechaza H0
a3) Para la hipótesis alternativa H1 ≡ μX − μY < μ0 la correspondiente región de
no rechazo es (−zα , ∞) , el estadístico de contraste es (10.6) y se adopta la
siguiente regla de decisión
10.4 Contrastes de hipótesis en dos poblaciones normales independientes 311

¾ ½
H0 ≡ μX − μY ≥ μ0 Si zexp > −zα ⇒ No se rechaza H0
→
H1 ≡ μX − μY < μ0 Si zexp ≤ −zα ⇒ Se rechaza H0

Ejemplo 10.10. Se quieren comparar dos poblaciones de rana pipiens aisladas geográfica-
mente. Para ello se toman dos muestras de ambas poblaciones de tamaños 20 y 25 y se
les mide la longitud del cuerpo expresado en milímetros, obteniéndose como resultado un
valor medio de 50 y 60 unidades de medidas, respectivamente. Por estudios realizados an-
teriormente se sabe que las varianzas poblaciones valen 220 y 160 para cada una de las
poblaciones. Contrastar la hipótesis de igualdad de medias con un nivel de significación
del 5 % (Suponiendo que la longitud se distribuya según una Normal).
Respuesta:
X : “Longitud del cuerpo de ranas1”; X Ã N (μX , σ X )
Y : “Longitud del cuerpo de ranas2” ; Y Ã N (μY , σ Y )
⎫
H0 ≡ μX − μY = μ0 = 0 ⇒ H0 ≡ μX = μY ⎬
→
⎭
H1 ≡ μX − μY 6= μ0 = 0 ⇒ H1 ≡ μX 6= μY

⎧
⎪ |x − y| |50 − 60|
⎪
⎪ zexp = s =r = 2,397
⎪
⎪ 220 160
⎨ σ 2x σ 2y +
+ 20 25
⎪ n x ny
⎪
⎪
⎪
⎪
⎩
zα/2 = z0,025 = 1,96 < zexp ⇒ Se rechaza H0

b) Varianzas poblacionales desconocidas3 :

El estadístico de contraste adopta distintas formas dependiendo de que las varianzas
sean iguales o distintas

b1) Varianzas poblaciones desconocidas pero supuestas iguales y no se

pueden estimar por ser los tamaños muestrales pequeños

En este caso el estadístico de contraste que se utiliza tiene una distribución t−Student
y bajo la hipótesis nula H0 ≡ μX − μY = μ0 dicho estadístico tiene la siguiente expresión
3
En el resto de la sección sólo realizamos los contrastes bilaterales. De los estudios anteriores los con-
trastes unilaterales deben ser evidentes.
312 Contrastes de hipótesis

¡ ¢
X − Y − μ0
T =s r à tnX +nY −2
2 + (n − 1)S 2
(nX − 1)SX Y Y 1 1
+
nX + nY − 2 nX nY
Fijado un nivel
¡ de significación α, la correspondiente
¢ región de no rechazo para el contraste
bilateral es −tα/2;nX +nY −2 , tα/2;nX +nY −2 y el estadístico de contraste adopta la forma:

|(x − y) − μ0 |
texp = s r
(nX − 1)s2X + (nY − 1)s2Y 1 1
+
nX + nY − 2 nX nY
y la regla de decisión es
¾ ½
H0 ≡ μX − μY = μ0 Si texp < tα/2;nX +nY −2 ⇒ No se rechaza H0
→
H1 ≡ μX − μY 6= μ0 Si texp ≥ tα/2;nX +nY −2 ⇒ Se rechaza H0

Ejemplo 10.11. Se sabe que la duración de una determinada enfermedad sigue la ley Nor-
mal. Para la curación de dicha enfermedad se aplica un determinado antibiótico. Se desea
comparar la duración de la enfermedad según que al enfermo se le haya aplicado o no,
en otra ocasión dicho antibiótico. Observamos 6 enfermos a los que no se había aplicado
anteriormente el antibiótico y la duración media de la enfermedad ha sido de 12 días y 5
enfermos a los que sí se había aplicado, obteniendo una duración de la enfermedad de 15
días. La estimación de la varianza es 16. ¿Qué podemos afirmar acerca de la duración de
la enfermedad para α = 0,01.
Respuesta: ⎧
⎪ |x − y| |12 − 15|
⎫ ⎪
⎪ texp = r = r = 1,239
H0 ≡ μX = μY ⎬ ⎪
⎨ 1 1 1 1
sp + 4 +
→ nx ny 6 5
⎭ ⎪
⎪
H1 ≡ μX 6= μY ⎪
⎪
⎩
tα/2;nX +nY −2 = t0,005;9 = 3,250 > texp ⇒ No se rechaza H0

. La duración media de la enfermedad es la misma para los enfermos a los que se les
ha aplicado anteriormente el antibiótico y para los que no se les ha aplicado.

b2) Varianzas poblaciones desconocidas pero se pueden estimar por ser los
tamaños muestrales grandes
En este caso el estadístico de contraste que se utiliza tiene una distribución
Normal y bajo la hipótesis nula H0 ≡ μX − μY = μ0 dicho estadístico tiene la
10.4 Contrastes de hipótesis en dos poblaciones normales independientes 313

siguiente expresión ¡ ¢
X − Y − μ0
Z= s à N (0, 1)
2
SX SY2
+
nX nY
Fijado un nivel
¡ de significación
¢ α, la región de no rechazo para el contraste
bilateral es −zα/2 , zα/2 y el estadístico de contraste adopta la forma:

|(x − y) − μ0 |
zexp = s .
s2x s2y
+
nx ny
½
Si zexp < zα/2 ⇒ No se rechaza H0
y la regla de decisión es:
Si zexp ≥ zα/2 ⇒ Se rechaza H0

Ejemplo 10.12. A los 100 alumnos de una clase se les separa en dos grupos, aquellos que
practican habitualmente un deporte y los que no practican ninguno, formado cada grupo
por 60 y 40 alumnos respectivamente. Les medimos la altura y obtenemos para el primer
grupo una media de 1.80 m. y desviación típica de 0.08 m. y para el segundo grupo una
media de 1.76 m. y una desviación típica de 0.10 m. ¿Se puede afirmar con un nivel de
confianza del 95 % que los alumnos que practican algún deporte son más altos? Supóngase
que la altura se distribuye normalmente.
Respuesta: Hay que realizar un contraste unilateral para la igualdad de medias con va-
rianzas desconocidas y muestras grandes
⎧
⎪ x1 − x2 1,80 − 1,76
⎪
⎪ zexp = s =r = 2,118
⎫ ⎪
⎪ 2 2 0,082 0,102
⎪
⎪ s1 s2 +
H0 ≡ μ1 ≤ μ2 ⎬ ⎨ +
n 1 n 2
60 40
→
⎭ ⎪
⎪
H1 ≡ μ1 > μ2 ⎪
⎪
⎪
⎪ z = z0,05 = 1,64 < zexp ⇒ Se rechaza H0 ⇒ Los alumnos
⎪
⎩ α
que practican algún deporte son más altos.

10.4.2. Contraste de comparación dos proporciones

Si se se toman dos muestras aleatorias de tamaños nX y nY , suficientemente grandes y
denotamos por pX , pY , bpX , b
pY las proporciones de éxitos de cada una de las poblaciones
y de dichas muestras, respectivamente se verifica que
às !
pbX qbY pbX qbY
pbX − pbY Ã N pX − pY ; +
nX nY
314 Contrastes de hipótesis

o
pX − pbY ) − (pX − pY )
(b
r à N (0, 1) para nX y nY grandes
pbX qbX pbY qbY
+
nX nY
Fijado
¡ un nivel ¢de significación α, la región de no rechazo para el contraste bilateral
es −zα/2 , zα/2 y el estadístico de contraste, bajo la hipótesis nula H0 ≡ pX − pY =
(pX − pY )0 , adopta la forma

pX − pbY ) − (pX − pY )0 |
|(b
zexp = r
pbX qbX pbY qbY
+
nX nY

La regla de decisión es:

¾ ½ ¾
H0 ≡ pX − pY = (pX − pY )0 Si zexp < zα/2 ⇒ No se rechaza H0
→
H1 ≡ pX − pY 6= (pX − pY )0 Si zexp ≥ zα/2 ⇒ Se rechaza H0

Ejemplo 10.13. Se sospecha que añadiendo al tratamiento habitual para la curación de una
determinada enfermedad un medicamento A, se consigue mayor número de curaciones.
Tomamos dos grupos de enfermos de 100 individuos cada uno. A un grupo se le suministra
el medicamento A y se curan 60 enfermos y al otro grupo no se le suministra, curándose
55 enfermos ¿Es efectivo el tratamiento A en la curación de la enfermedad, al nivel de
significación del 1 %?
Respuesta: ⎧
⎪ pbx − pby 0,6 − 0,55
⎫ ⎪
⎪ zexp = s =r = 0,716
⎪
⎪ 0,6 × 0,4 + 0,55 × 0,45
H0 ≡ pX ≤ pY ⎬ ⎨ pbx qbx pby qby
+ 100
→ nx ny
⎭ ⎪
⎪
H1 ≡ pX > pY ⎪
⎪
⎪
⎩
zα = z0,01 = 2,33 > zexp ⇒ No se rechaza H0 ⇒
Podemos afirmar que el medicamento A no consigue un mayor no de curaciones.
Ejemplo 10.14. Se quiere comprobar la efectividad de una vacuna contra una enfermedad.
Para ello se suministró la vacuna a 100 animales y se les comparó con un grupo testigo de
otros 100. A los 200 se les contagió la enfermedad. Entre los vacunados murieron 8 como
resultado de la enfermedad y del grupo testigo hubo 20 muertos. ¿Podemos concluir que la
vacuna es eficaz en reducir la tasa de mortalidad?
Respuesta:
pX : “Probabilidad de morir con la vacuna”; pY : “Probabilidad de morir sin la vacuna”
10.4 Contrastes de hipótesis en dos poblaciones normales independientes 315

⎧
⎪ 8 20
⎪
⎪ −
⎫ ⎪
⎪ b
p x − b
py 100 100
⎪
⎪ z =s =r = −2,48
H0 ≡ pX ≥ pY ⎬ ⎨ exp pbx qbx pby qby 0,08 × 0,92 + 0,2 × 0,8
→ + 100
⎭ ⎪
⎪ nx ny
H1 ≡ pX < pY ⎪
⎪
⎪
⎪
⎪
⎩
−zα = −z0,05 = −1,645 > zexp ⇒ Se rechaza H0

Rechazar H0

Región crítica de
tamaño 0.05 0.95

zexp=-2.48 za =-1.645
Figura 10.14

Se rechaza H0 por lo tanto la vacuna es eficaz en reducir la tasa de mortalidad

10.4.3. Contrastes de comparación de dos varianzas

Consideramos dos poblaciones normales N (μX , σ X ) y N (μY , σ Y ) cuyas varianzas σ 2X y
σ 2Y son desconocidas. El objetivo es probar uno de los siguientes contrastes de hipótesis

H0 ≡ σ 2X = σ 2Y H0 ≡ σ 2X ≤ σ 2Y H0 ≡ σ 2X ≥ σ 2Y
o o
H1 ≡ σ 2X 6= σ 2Y H1 ≡ σ 2X > σ 2Y H1 ≡ σ 2X < σ 2Y

El estadístico de contraste adopta distintas formas dependiendo de que la media sea cono-
cida o no.

a) Media poblacional conocida

Sabemos que
nX
X
(Xi − μX )2
nY σ 2Y i=1
nY Ã FnX ,nY
nX σ 2X X 2
(Yj − μY )
j=1
316 Contrastes de hipótesis

y si H0 es cierta entonces
n1
X
(Xi − μX )2
nY i=1
n2 Ã FnX ,nY (10.7)
nX X 2
(Yj − μY )
j=1

Fijado un nivel de significación α, el estadístico de contraste Fexp , bajo la hipótesis

nula H0 ≡ σ 2X = σ 2Y , sigue una distribución FnX ,nY y tiene la expresión (10.7)

Hipótesis alternativa Regla de decisión

H1 ≡ σ 2X 6= σ 2Y Rechazar H0 cuando Fexp ≥ Fα/2;nX ,nY o Fexp ≤ F1−α/2;nX ,nY
H1 ≡ σ 2X > σ 2Y Rechazar H0 cuando Fexp ≥ Fα;nX ,nY
H1 ≡ σ 2X < σ 2Y Rechazar H0 cuando Fexp ≤ F1−α;nX ,nY

b) Media poblacional desconocida

Sabemos que
2 σ2
SX Y
à FnX −1,nY −1
S22 σ 2X
y si H0 es cierta entonces
2
SX
à FnX −1,nY −1 (10.8)
S22
Fijado un nivel de significación α, el estadístico de contraste Fexp , bajo la hipótesis
nula H0 ≡ σ 2X = σ 2Y , sigue una distribución FnX −1,nY −1 y tiene la expresión (10.8).
Se adopta la misma regla de decisión que el caso anterior pero teniendo en cuenta
que en esta situación la distribución F − Snedecor tiene nX − 1 y nY − 1 grados de
libertad.

Ejemplo 10.15. En el desarrollo de la arteroesclerosis cardiaca y coronaria un nivel de

colesterol elevado es un factor de alto riesgo, por ello es importante determinar los niveles
a esperar en los diferentes grupos de edad. Se realizó un estudio para comparar el nivel de
colesterol en varones de entre 20 y 29 años frente a mujeres del mismo grupo de edad. Se
obtuvieron los siguientes resultados:

Hombres: H : nH = 25 xH = 167,16 sH = 30
Mujeres: M : nM = 31 xM = 178,12 sM = 32

¿Se puede considerar que la dispersión en ambas poblaciones es la misma?

Respuesta:
10.4 Contrastes de hipótesis en dos poblaciones normales independientes 317

⎧ ⎫
⎪
⎪ s2 (30)2 ⎪
⎪
⎫ ⎪
⎪ Fexp = 2H = = 0,8789 ⎪
⎪
⎪
⎪ sM (32)2 ⎪
⎪
H0 ≡ σ 2H = σ 2M ⎬ ⎨ ⎬
→
⎭ ⎪
⎪ F0,025;24,30 = 2,14 ⎪
⎪
H1 ≡ σ 2H 6= σ 2M ⎪
⎪ ⎪
⎪
⎪
⎪ 1 ⎪
⎪
⎩ F0,975;24,30 = = 0,45 ⎭
F0,025;,30,24

F0,975;24,30 = 0,45 < Fexp < F0,025;24,30 = 2,14 ⇒ No se rechaza H0 ; la dispersión en

ambas poblaciones es la misma.

0.025

0.025
0.95

F = 0.45 F = 0.8789 F
0.025;24, 30
= 2.14
0.975;24, 30 exp

Figura 10.15

Ejemplo 10.16. Un instituto de dietética quiere comparar dos dietas. Se selecciona una
muestra de 50 individuos, al azar de una población de personas comparables con exceso
de peso. A 25 personas se les suministra la dieta A y a los 25 restantes la dieta B. Las
pérdidas de peso expresadas en Kg. al cabo de una semana son las siguientes:

Dieta A : xA = 4,3Kg sA = 1,4Kg

Dieta B : xB = 3,6Kg sB = 1,1Kg

Suponiendo normal la variable pérdida de peso, ¿hay razón suficiente para admitir que la
media del peso de las personas que se les suministra la dieta A es mayor que las corres-
pondientes de la dieta B? (nivel de confianza del 5 %).
Respuesta: Hay que realizar un contraste para la igualdad de medias pero en primer lugar
debemos contrastar las varianzas:
⎧ ⎫
⎪ s2A (1,4)2 ⎪
⎫ ⎪
⎪ Fexp = 2 = = 1,62 ⎪
⎪
H0 ≡ σ 2A = σ 2B ⎬ ⎪
⎨ sB (1,1)2 ⎪
⎬
→
⎭ ⎪
⎪ ⎪
H1 ≡ σ 2A 6= σ 2B ⎪
⎪ F = F0,025;24,24 = 2,27 > Fexp ⇒ ⎪
⎪
⎪
⎩ α/2;nA −1,nB −1 ⎭
⇒ No se rechaza H0
A continuación se realiza el contraste de igualdad de medias de dos poblaciones normales
con varianzas desconocidas pero iguales y muestras pequeñas.
318 Contrastes de hipótesis

⎧
⎪ xA − xB 4,3 − 3,6
⎫ ⎪
⎪ texp = r =s µ ¶ = 1,965
⎪
⎪ 1 1
H0 ≡ μA ≤ μB ⎬ ⎨ sp + 1 1
nA nB 1,585 +
→ 25 25
⎭ ⎪
⎪
H1 ≡ μA > μB ⎪
⎪
⎪
⎩
tα;nA +nB −2 = t0,05;48 = 2018 > texp ⇒ No se rechaza H0
(nA − 1)s2A + (nB − 1)s2B 24(1,96 + 1,21)
siendo s2p = = = 1,585.
nA + nB − 2 48
El peso de la personas que siguen la dieta A es menor que el peso de aquellas que siguen
la dieta B.

10.5. Contraste de hipótesis de comparación de dos medias

para datos emparejados (apareados)
En las muestras apareadas, cada observación de una muestra está emparejado con una
observación de la otra muestra, por lo tanto consideramos parejas de valores (x, y).
Supongamos que X e Y son dos variables aleatorias tales que X Ã N (μX , σ X ) e
Y Ã N (μY , σ Y ) y consideremos la diferencia de poblaciones D = X − Y . Entonces,
D Ã N (μD , σ D )
Se selecciona una muestra aleatoria de diferencias, Di = Xi − Yi , i = 1, 2, · · · , n
El valor medio de D es la diferencia de los valores medios de X e Y :

μD = E(D) = E(X − Y ) = E(X) − E(Y ) = μX − μY

La varianza de D es:

σ 2D = V ar(D) = V ar(X − Y )

Contrastar la hipótesis nula H0 ≡ μX − μY = 0 es equivalente a contrastar la hipótesis

H0 ≡ μD = 0, por lo tanto el contraste original de dos medias se reduce al problema de
una media y el estadístico de contraste está basado en la muestra de diferencias:

D
√
SD / n

que, bajo la Hipótesis H0 , sigue una distribución t de Student con n−1 grados de libertad.
Ejemplo 10.17. Se realiza un estudio, en el que participan 10 individuos, para investigar el
efecto del ejercicio físico en el nivel de colesterol en plasma. Antes del ejercicio se tomaron
muestras de sangre para determinar el nivel de colesterol de cada individuo. Después, los
participantes fueron sometidos a un programa de ejercicios. Al final de los ejercicios se
10.6 Ejercicios propuestos: Relación X 319

tomaron nuevamente muestras de sangre y se obtuvo una segunda lectura del nivel de
colesterol. Los resultados se muestran a continuación:

Nivel previo 182 230 160 200 160 240 260 480 263 240
Nivel posterior 190 220 166 150 140 220 156 312 240 250

Se quiere saber si el ejercicio físico ha reducido el nivel de colesterol para un nivel de

confianza del 95 %
Respuesta:

Nivel previo 182 230 160 200 160 240 260 480 263 240
Nivel posterior 190 220 166 150 140 220 216 312 243 250
d=x−y -8 10 -6 50 20 20 44 168 20 -10

10
X ¡ ¢
di − d
268
d= = 30,8; sd = i=1 = 52,36
10 ⎧ n−1
⎫ ⎪ d 30,8
H0 ≡ μD ≤ 0 ⎬ ⎪
⎨ texp = √ = √ = 1,86
Sd / n 52,36/ 10
→
⎭ ⎪
⎪
H1 ≡ μD > 0 ⎩
tα;n−1 = t0,05;9 = 1,833 < texp ⇒ Se rechaza H0
El nivel medio de colesterol se reducirá con el ejercicio físico.

10.6. Ejercicios propuestos: Relación X

1. El nivel medio de protrombina en una determinada población es conocido y resulta
ser de 20 mg/100ml de plasma. Se toma una muestra de 40 pacientes que se sabe
tienen deficiencia de vitamina K; los resultados han sido los siguientes: x = 18,50
mg/100ml y s = 4 mg/100ml. Se pregunta si es la muestra comparable con la
población a un nivel de significación del 0.05. (Sol: Rechazar H0 ).

2. Unos laboratorios farmaceúticos realizan unos estudios para determinar el contenido

en grs. de ungüento en unos frascos de un medicamento. Para ello se toman 10
frascos y se determina el contenido en grs. de ungüento en cada uno de los frascos
obteniendo los siguientes resultados:

Tubo 1 2 3 4 5 6 7 8 9 10
Contenido en gr. 5.2 4.9 5 5.1 5.2 4.8 4.9 5.3 4.6 5.4
320 Contrastes de hipótesis

Sabemos por otras muchas determinaciones que la desviación típica de la población

es de 0.10 grs. y queremos averiguar si los valores anteriores son compatibles con la
media μ = 5 grs. para la población, supuesta ésta Normal. (Sol: No rechazar H0 ).

3. En un anuncio publicitario se indica que un determinado tipo de agua reduce peso.

Doce individuos que decidieron tomar dicha marca de agua en sustitución de la
que habitualmente tomaban, manteniendo intacta el resto de la dieta alimenticia,
sufrieron las variaciones de peso, al cabo de cierto tiempo, dadas en la tabla, Se
puede admitir que el anuncio es correcto. (Sol: No rechazar H0 ).

Individuo 1 2 3 4 5 6 7 8 9 10 11 12
Variación de peso. 0.2 0 1 0.6 -0.5 -0.6 -1 0.6 1 0.5 -0.4 -0.5

4. Un laboratorio farmacéutico afirma que un calmante de su fabricación quita la jaque-

ca en14 minutos en los casos corrientes. Con el fin de comprobar estadísticamente
esta afirmación, se eligen al azar 18 pacientes con jaqueca y se toma como variable
respuesta en el experimento el tiempo transcurrido entre la administración del cal-
mante y el momento que desaparece la jaqueca. Los resultados en la muestra fueron
x = 19 minutos y s = 7 minutos. Se pide comprobar la afirmación del laboratorio a
un nivel de significación de 0.05. (Sol: SIG).

5. El nivel medio de nistamina en un ungüento, se supone conocido a través de una

larga serie de análisis, es igual a 2.5 millones de unidades por gramo. Su distribución
sigue la ley Normal. Se toma una muestra de 16 ungüentos, que nos dan un contenido
medio de nistamina de 2.8 millones de unidades por gr. con una desviación típica
muestral de 0.4 millones de unidades por gramo ¿ Son estos resultados compatibles
con la media supuesta para la población? (Sol: SIG).

6. Se están utilizando normalmente en una granja avícola dos tipos de piensos com-
puestos A y B. Queriendo averiguar si la media de engorde con ambos piensos es
idéntica, para un nivel de significación del 5 %, se alimenta a 20 aves durante cierto
tiempo con el pienso A y se obtiene una ganancia media de peso por ave de 0.4 Kg.
con una desviación típica de 0.2 Kg. Simultáneamente a otras 20 aves se les alimenta
con el pienso B y se obtiene un engorde medio de 0.5 Kg. con una desviación típica
de 0.3 Kg. Suponemos que las variables objeto de estudio, engorde con cada uno
de los piensos, son normales y con la misma varianza. Compárense los dos piensos
compuestos. (Sol: NO SIG).

7. 90 inadaptados son ingresados en centros de rehabilitación. De ellos 50 en el Cen-

tro A, donde consiguieron su recuperación en un plazo medio de 150 días, con una
desviación típica de 30 días. Los 40 restantes fueron ingresados en otro Centro B,
10.6 Ejercicios propuestos: Relación X 321

donde se recuperaron en 160 días con una desviación típica de 25 días ¿Se puede con-
siderar que el Centro de Rehabilitación A es más adecuado que el B, para conseguir
una recuperación más rápida? ¿Bajo qué hipótesis? (Sol: SIG).

8. Se quieren comparar dos poblaciones de ranas pipiens aisladas geográficamente. Para

ello se toman dos muestras de ambas poblaciones y se les mide la longitud del
cuerpo expresada en milímetros, obteniéndose los siguientes resultados: x1 = 74;
s2 = 225; n1 = 42; x2 = 78; s2 = 169; n2 = 56. Contrastar las hipótesis de
igualdad de medias con un nivel de significación del 5 %.(Suponiendo que la longitud
se distribuya según una Normal) (Sol: NO SIG)

9. Un laboratorio fabrica dos tipos de somníferos A y B. Se toman dos grupos análogos

de enfermos de insomnio formado por 80 y 100 individuos respectivamente, se sumi-
nistra a los enfermos del primer grupo el somnífero A y a los del segundo grupo, el
B. El número medio de horas de sueño para los enfermos del primer grupo fue de
7.84 con una cuasidesviación típica de 0,90 y para los del segundo grupo fue de 6,90
y 1,30 respectivamente ¿Se puede decir que la diferencia entre los números medios
de horas de sueño es significativa? (Sol: SIG)

10. Se está haciendo un estudio sobre la presión arterial. Se consideran las presiones
sistólicas de un grupo de niños con uno de sus padres hipertensos y otro grupo de
niños cuyos padres tiene presión normal. Los datos han sido los siguientes: x1 =
105,8; s21 = 50,51; n1 = 10; x2 = 97,2; s22 = 50,41; n2 = 9. Se quiere
comprobar estadísticamente si el tener progenitores hipertensos influye en la presión
sistólica. (α = 0,05).(Sol: SIG).

11. Se sabe que la duración de un determinada enfermedad sigue una ley Normal. Para
la curación de dicha enfermedad se emplean dos tipos de antibióticos y se desea
comprobar estadísticamente cuál de los dos es más eficaz con respecto a la duración
de la enfermedad. A tal fin se observan 6 enfermos a los que se les aplica el primer
antibiótico y 5 enfermos a los que se les aplica el segundo. Los resultados han sido
los siguientes:
x1 = 12 días; s21 = 16; n1 = 6; x2 = 15 días; s22 = 16; n2 = 95. Se pregunta
cuál de los dos antibióticos es más eficaz a un nivel de significación 0.025. (Sol: NO
SIG).

12. Una central lechera recibe diariamente leche de dos granjas A y B. Deseando estudiar
la calidad de los productos recibidos se eligen dos muestras al azar de la leche sumi-
nistrada por cada una de las granjas, se analiza el contenido de grasa y se obtienen
los siguientes resultados:
322 Contrastes de hipótesis

Granja A : x1 = 0,305; s21 = 0,034; n1 = 12 ; Granja B : x2 = 0,318; s22 = 0,027;

n2 = 16
Se pide, bajo la hipótesis de normalidad de los datos: a) ¿Son las dos granjas se-
mejantes desde el punto de vista del contenido en grasa de la leche que emiten a
la central lechera?; b) ¿ Son las varianzas poblacionales iguales? (Soluciones: a) NO
SIG; b) NO SIG).

13. Un laboratorio farmacológico afirma que un analgésico que fabrica es efectivo en

la eliminación del dolor de estómago durante 12 horas en un 95 % de los casos. Se
tomó una muestra de 150 individuos que padecían de dolor de estómago y se les
suministró el analgésico citado, siendo efectivo para 132 individuos. ¿Qué podemos
opinar acerca de la afirmación del laboratorio para un nivel de significación del 5 %?
(Sol: SIG).

14. Se quiere estudiar si el 85 % de los niños con dolor torácico tienen un ecocardiograma
normal. Para ello, se toma una muestra de 139 niños con dolor torácico, de ellos 123
presentan un ecocardiogramas normal. ¿Apoyan los datos la hipótesis? (Solución: no
se debe rechazar que la proporción de niños con ecocardiograma normal sea 0.85).

15. En una empresa de fundición se recibe periódicamente mineral de hierro procedente

de dos yacimientos distintos A y B. Para estudiar la calidad del mineral recibido
se extraen dos muestras y se analiza la riqueza de hierro, obteniendo los siguientes
resultados en %
A : 43, 45, 42, 35, 37, 38, 33, 38, 41, 43 ; B : 39, 36, 35, 37, 40, 39, 40, 38, 35,
39, 38, 34
Suponiendo normal la distribución de la riqueza del mineral, se pide a un nivel
α = 0,05: a) ¿se puede admitir que la diferencia de varianzas es significativa ; b)
Hay suficiente evidencia para afirmar que la riqueza en hierro del yacimiento A es
superior al del yacimiento B (Solución: a) No; b) No se puede afirmar que la riqueza
en hierro del yacimiento A es superior al del yacimiento B.).

16. Entre los pacientes con cáncer de pulmón, el 90 % o más muere generalmente en el
espacio de tres años. Como resultado de nuevas formas de tratamiento, se cree que
esta tasa se ha reducido. En un reciente estudio sobre 150 pacientes diagnosticados
de cáncer de pulmón, 128 murieron en el espacio de tres años. ¿Se puede afirmar
que realmente ha disminuido la tasa de mortalidad al nivel α = 0,1?(Sol: Si se puede
afirmar)

17. Ante una epidemia, un granjero sospecha que el número de aves jóvenes muertas es
inferior al de aves adultas. Para salir de dudas, aísla una muestra de 200 aves jóvenes
10.6 Ejercicios propuestos: Relación X 323

y al cabo de un mes se han muerto 58, igualmente aísla 150 aves adultas muriendo
en el mismo periodo 36. ¿Qué conclusión puede sacar el granjero, con un α = 0,05 ?
(Sol: NO SIG).

18. En un estudio de características corporales de las gaviotas de pico anillado, la variable

considerada es la longitud del pico. Se dispone de los datos mostrados en la tabla
adjunta ¿Hay evidencia para sostener el argumento de que la longitud media del pico
de los machos sea mayor que la de las hembras? (para un nivel α = 0,02) (Sol: Si
hay evidencia)
Hembras : n1 = 51; x1 = 59,1; s1 = 1,9 ; Machos : n2 = 41; x2 = 65,2; s2 = 2,0

19. El índice de salubridad idóneo para que un agua mineral sea de calidad extra es de
75 o más. En una fuente explotada por un cierto fabricante se tomaron 16 muestras,
dando un índice medio de salubridad de 74 y una desviación típica de 7.75. Bajo el
supuesto de normalidad del índice de salubridad, ¿se puede permitir a este fabricante
que embotelle con la etiqueta de calidad extra?

. En otro manantial cercano se llevó a cabo el mismo análisis con 25 muestras dando
una salubridad media de 72 y una desviación típica de 6.85 ¿Puede admitirse que
el agua de este manantial es de la misma calidad que la de la fuente anterior?
(Soluciones: a) Debe permitirse al fabricante el etiquetado extra; b) No se puede
rechazar que ambos manantiales tienen la misma calidad). (Examen Septiembre
2007).

20. Se lleva a cabo un estudio de dos tipos de tratamientos por fármacos para su uti-
lización potencial en transplantes de corazón. El fin de los fármacos es actuar como in-
munosupresores (reprimir la tendencia natural del cuerpo a rechazar el transplante).
Las ratas ACI machos sirven como receptores. Se toman dos muestras de este tipo
de ratas, y a cada grupo se le aplica uno de los tratamientos. La variable de interés
es X, tiempo de supervivencia en horas. Se obtuvieron los siguientes resultados en
horas:
Grupo A : n1 = 8; x1 = 1,432; s21 = 436 ; Grupo B :n2 = 21; x2 = 1,310;
s22 = 382

. Haciendo las suposiciones apropiadas de normalidad e independencia, contrastar si

existen diferencias entre los tiempos medios de supervivencia, al nivel 0.05. (Sol:
Ambos tratamientos son igual de efectivos).

21. Una organización de protección al consumidor llevó a cabo un estudio para comparar
la producción de tomates con 2 tipos de fertilizantes. Cada fertilizante fue instalado
324 Contrastes de hipótesis

en dos invernaderos independientes y la producción (Ton/ha) fue registrada para

varias cosechas, obteniendo los siguientes datos:
Fertilizante I: 1 2 3 3 1 5 4 3 ; Fertilizante II: 5 3 1 6 5 4 5 6 7

a) Se considera que una cosecha ha sido provechosa cuando la recolección excede

la cantidad de 3.5 Ton/ha. De las 17 cosechas anteriores se ha tomado una
observándose que ha sido provechosa, ¿cuál es la probabilidad de que haya sido
producida con el fertilizante I?
b) Se sabe por experiencias previas que la probabilidad de que una cosecha sea
provechosa con fertilizante I es 0.2. ¿Cuál es la probabilidad de que en 10
cosechas observadas al menos 1 haya sido provechosa? ¿Cuál es la probabilidad
de que en 100 cosechas observadas al menos 12 sean provechosas?
c) Suponiendo normalidad e independencia entre las muestras, ¿se puede consi-
derar que no hay diferencia entre ambos fertilizantes respecto a la cantidad de
producción? (α = 0,05).
d) Construir un intervalo de confianza para la diferencia de medias cuando las
varianzas son desconocidas pero iguales al nivel de confianza 1 − α. Aplicar-
lo para estudiar el comportamiento de las cantidades medias producidas por
ambos fertilizantes al nivel de confianza 0.95. (Examen Septiembre 2009).

22. Se realiza un estudio a 36 individuos para determinar el efecto de un medidor para

ayudar a los diabéticos a controlar sus niveles de glucosa en sangre. Se obtuvieron
los niveles de glucosa para cada paciente antes y después de utilizar el medidor. Se
registró una diferencia muestral media d = 2,78 y una cuasidesviación típica muestral
sd = 6,05. ¿Hay prueba suficiente para saber si el medidor es efectivo para ayudar a
los pacientes a reducir sus niveles de glucosa? (Sol: Si es efectivo)
23. Se realiza un estudio para investigar el efecto del ejercicio físico sobre el nivel de
triglicéridos, en el que participaron once individuos. Antes del ejercicio se tomaron
muestras de sangre para determinar el nivel de triglicéridos de cada participante.
Después, los individuos fueron sometidos a un programa físico que se centraba en
carreras y marchas diarias. Al final del periodo de ejercicios, se tomaron nuevamente
muestras de sangre y se obtuvo una segunda lectura del nivel de triglicéridos en
sangre. Los datos se muestran en la tabla adjunta. Se pensó que el programa de
ejercicios físicos podría reducir del nivel de triglicéridos en sangre. ¿Sostienen es-
tos datos el argumento de los investigadores? (Supóngase normalidad) (Solución: Si
puede reducirlo).
Nivel previo 198 210 194 220 138 220 219 161 210 313 226
Nivel posterior 65 77 94 73 37 131 77 24 99 321 57
10.7 Comentarios bibliográficos 325

10.7. Comentarios bibliográficos

Blaise Pascal

Nacido el 19 de junio de 1623 en Clermont (ahora Clermont-Ferrand),

Auvernia, Francia
Muere el 19 de agosto de 1662 en Paris, Francia

Blaise Pascal fue un matemático y filósofo francés muy influyente que contribuyó a
muchas de las áreas de las matemáticas. Trabajó en las secciones cónicas y en la geometría
proyectiva y carteándose con Fermat sentó los cimientos de la teoría de la probabilidad.
Blaise Pascal fue el tercero de los hijos de Étienne Pascal y el único varón. La madre
de Blaise murió cuando sólo tenía 3 años de edad. En 1632 la familia Pascal, Ètienne y sus
cuatro hijos, dejó Clermont y se estableció en París. El punto de vista educativo del padre
de Blaise Pascal no era nada ortodoxo y decidió enseñar a su hijo por sí mismo. Étienne
Pascal decidió que Blaise no iba a estudiar matemáticas antes de los 15 años y se retiraron
todos los textos matemáticos de su casa. Blaise, sin embargo, sintió crecer su curiosidad,
empezando a trabajar en la geometría por sí mismo a la edad de 12 años. Descubrió que
La suma de los ángulos de un triángulo era igual a dos ángulos rectos, y cuando su padre
se dio cuenta de esto, rectificó y le facilitó a Blaise una copia de Euclides.
A la edad de 14 años, Blaise Pascal comenzó a acompañar a su padre a las reuniones
de Mersenne. Mersenne pertenecía a la orden religiosa de los Mínimos, y su celda en París
era un lugar de frecuentes reuniones para Gassendi, Roberval, Desargues y otros. Al poco
tiempo, concretamente en la época en la que tenía 15 años, Blaise llegó a admirar la obra
de Desargues. A la edad de 16, Pascal presentó, en una de las reuniones de Mersenne
en junio de 1639, un solo pedazo de papel que contenía una cantidad de teoremas de
geometría proyectiva, incluyendo el hexágono místico de Pascal.
En diciembre de 1639 la familia Pascal dejó París para vivir en Rouen donde Ètienne
había sido nombrado recaudador de impuestos de la Alta Normandía. Poco después de
326 Contrastes de hipótesis

establecerse en Rouen, Blaise había publicado su primera obra, Ensayo sobre las Secciones
Cónicas, en febrero de 1640.
Pascal inventó la primera calculadora digital para ayudar a su padre en la tarea de
la recaudación de impuestos. Trabajó en ella durante tres años entre 1642 y 1645. El
aparato, llamado Pascalina, se parecía a una calculadora mecánica de los años 1940. Esto,
casi con total seguridad, hace de Pascal la segunda persona que inventó una calculadora
mecánica ya que Schickard había fabricado una en 1624.
En 1646 Pascal empezó una serie de experimentos sobre la presión atmosférica. Hacia
1647 probó para su propia satisfacción que existía el vacío. Descartes visitó a Pascal el
23 de septiembre. Su visita duró dos días y los dos discutieron acerca del vacío en el cual
Descartes no creía y escribió, de un modo bastante cruel, en una carta a Huygens después
de su visita a Pascal: “...tiene mucho vacío en su cabeza”.
En agosto de 1648 Pascal observó que la presión de la atmósfera decrecía con la altura
y dedujo que el vacío existía por encima de la atmósfera. Descartes escribió a Carcavi en
junio de 1647 acerca de los experimentos de Pascal diciendo:
“Fui yo quien le recomendó hacerlo hace dos años, por lo que aunque no lo he llevado
a cabo por mí mismo, no dudo de su éxito... ”
En octubre de 1647 Pascal había escrito Nuevos Experimentos Acerca del Vacío lo
que le había llevado a discutir con una cierta cantidad de científicos que, como Descartes,
no creían en el vacío.
Desde mayo de 1653 Pascal trabajó en las matemáticas y en la física escribiendo el
Tratado sobre el equilibrio de los líquidos en el que explica la ley de la presión de
Pascal. Trabajó en las secciones cónicas y produjo importantes teoremas en la geometría
proyectiva.
Aunque Pascal no fue el primero en estudiar el Triángulo de Pascal, su trabajo sobre
el tema Tratado del Triángulo Aritmético fue el más importante al respecto; a través del
trabajo de Wallis, la obra de Pascal sobre los coeficientes binomiales llevó a Newton a su
descubrimiento del teorema del binomio para potencias fraccionales y negativas.
En la correspondencia que mantuvo con Fermat dejó sentadas las bases de la Teoría
de la Probabilidad. Esta correspondencia consistió en cinco cartas que fueron enviadas
durante el verano de 1654, sobre el problema de los dados, ya estudiado por Cardán, y el
problema de los puntos también considerado por Cardán y, más o menos en la misma época,
por Pacioli y Tartaglia. El problema de los dados plantea cuántas veces debe lanzarse un
par de dados antes de que se espere que salga el seis doble, mientras que el problema de los
puntos plantea cómo dividir las apuestas si una partida de dados no se termina. Resolvieron
el problema de los puntos para una partida de dos jugadores, pero no desarrollaron métodos
matemáticos lo bastante buenos como para resolverlo en caso de que hubiera tres o más
jugadores.
10.7 Comentarios bibliográficos 327

Pascal tenía graves problemas de salud, y a pesar de ello trabajó intensamente en

cuestiones matemáticas y científicas hasta octubre de 1654. Por entonces estuvo a punto
de perder la vida en alguna ocasión. Los caballos que tiraban del carro en el que iba
se desbocaron, quedando este en un puente sobre el río Sena. Aunque fue rescatado sin
ningún daño, parece que resultó muy afectado psicológicamente. No mucho después sufrió
una experiencia religiosa, el 23 de noviembre de 1654, que le llevó a dedicar su vida al
cristianismo.
Después de esto Pascal realizó algunas visitas al monasterio de los jansenistas de Port-
Royal des Champs, a unos 30 Km al norte de París. Comenzó a publicar trabajos anónimos
sobre temas religiosos, dieciocho Cartas Provinciales que se publicaron durante 1656.
El trabajo filosófico más famoso de Pascal es Pensées (Pensamientos), una colección de
pensamientos personales sobre el sufrimiento y la fe en Dios que comenzó a finales de 1656
y en la que continuó trabajando durante 1657 y 1658. Este trabajo contiene la ’apuesta
de Pascal’ que reivindica la prueba de que la creencia en Dios es racional con el siguiente
argumento.
“Si Dios no existe, uno no pierde nada creyendo en él, mientras que si existe, uno lo
pierde todo no creyendo”.
Con la ’apuesta de Pascal’ utiliza argumentos matemáticos y probabilísticos pero su
conclusión principal es que: “...estamos obligados a jugar... ”
Su último trabajo trató sobre el cicloide, la curva trazada por un punto en la circun-
ferencia de un círculo rodante.
Pascal murió a la edad de 39 años sumido en un intenso sufrimiento a causa de un
tumor maligno del estómago que se extendió al cerebro. Pascal es descrito en como:
... un hombre de complexión débil con una potente voz y maneras autoritarias. ...vivió
la mayor parte de su vida adulta dentro de un gran sufrimiento. Su salud siempre fue
delicada, sufriendo migrañas en su juventud...
Su carácter se describe como: ... precoz, perseverante y testarudo, un perfeccionista,
despiadadamente intimidatorio aunque buscaba ser manso y humilde...