2261.

Estadística Económica II
Grado en Economía
Departamento de Métodos Cuantitativos para la Economía y la Empresa
Universidad de Murcia

Relación 4 (2261)
Contrastes de Hipótesis
1.- Defina los siguientes conceptos, interprételos brevemente con sus propias palabras y relaciónelos
entre sí: hipótesis nula y alternativa; hipótesis simple y compuesta; función potencia, errores
posibles en un contraste de hipótesis, tamaño de un contraste; contraste uniformemente más
potente.

2.- Estudie la veracidad o falsedad de las siguientes afirmaciones:

a) La función de potencia no es una probabilidad, por eso no tiene ninguna relación con la
probabilidad del error tipo I y del error tipo II.
b) El test uniformemente más potente de tamaño  tiene asociada una función de potencia
horizontal.
c) El tamaño del test y el p–valor tienen cierta relación.
d) En los test de una cola, la regla de rechazo nos proporciona un valor crítico a partir del cual se
produce un cambio de decisión respecto a la hipótesis nula.
e) Los tests de dos colas proporcionan dos valores críticos que delimitan dos zonas para los
valores del estadístico del test, la zona de rechazo de la hipótesis nula y la zona de
aceptación.
f) La región crítica de un test se construye a partir de la regla de rechazo del mismo.

3.- Sea una m.a.s. de tamaño 10 extraída de una población normal de varianza 1. Para el
contraste H0 :   1 frente a H1 :   1 con tamaño   0,1 comente qué tipo de error puede
ocurrir si  toma cada uno de los tres valores siguientes: 0, 1 y 2. Calcule en cada caso la
probabilidad de que dicho error ocurra.

4.- Una universidad ha de comprar una partida de lámparas para retroproyector y acude a una
empresa que asegura para ellas una duración media –o esperanza de vida– mínima de 600 horas,
con una desviación típica de 36,5. Antes de realizar el pedido pone a prueba una muestra de 36
de ellas, y decide que lo efectuará si comprueba que lo afirmado por la empresa es aceptable. El
dato acerca de la desviación típica sí que es considerado válido, y la distribución de la duración de
las lámparas se supone normal.
a) Fijado un tamaño   5% , ¿cuál es la duración media que debe arrojar la muestra para hacer
el pedido?
b) ¿Cuál es la probabilidad de que el pedido sea hecho, si la esperanza de vida de las lámparas
es 585? ¿Qué tipo de error se cometería en ese caso? ¿Se contradice la probabilidad de ese
error con el 5% que se fijó para calcular el test?

5.- Examinados los datos acerca del gasto trimestral en vestir de nueve estudiantes, se obtuvo un
valor muestral de 157,82€ para la media y de 38,89€ para la desviación típica. Supuesto que dicho
gasto se distribuye normalmente y trabajando con   0,1 , ¿se puede admitir 160 como valor
medio de dicha población? ¿Y 150? Relacione su respuesta con el intervalo de confianza al 90%
para el gasto medio trimestral.

6.- Se fabrica una pieza circular que debe ser colocada en el interior de otra, lo que obliga a que los
errores en la longitud de su diámetro deban ser controlados con mucho cuidado. Dichos errores
siguen una distribución N(0,) y se desea contrastar H0 :  2  1 frente a H1 : 2  1 . Si se han
observado los siguientes errores (en décimas de mm.),
0,3 0,8 – 0,6 1,2 – 0,7 – 1,8 0 2 – 1,1

RELACIÓN 4 (2261): CONTRASTES DE HIPÓTESIS  1

 2261. Estadística Económica II. Grado en Economía. Curso 2014/2015
Departamento de Métodos Cuantitativos para la Economía y la Empresa
Universidad de Murcia

¿habrá evidencia suficiente para rechazar H0? Trabaje con   0,05 .

7.- Los creadores de un sistema de enseñanza aseguran que la varianza de la puntuación en

cálculo aritmético para los niños de tercer curso es como máximo 25. Para una muestra de 61
alumnos, se obtiene S2  23 . A un tamaño del 5%, ¿se puede admitir que la varianza de las
puntuaciones se encuentra dentro del rango señalado por los creadores del sistema de
enseñanza? Suponga que las puntuaciones siguen una distribución normal.

8.- Se ha practicado un cierto test de memoria a un gran número de estudiantes de bachillerato,

encontrándose 33,5 y 38,2 como desviaciones típicas poblacionales para las alumnas y alumnos
respectivamente. Aplicando el test a una muestra de 18 alumnas, dio una media muestral de 183,7
mientras que para una muestra de 25 alumnos resultó una media de 165,4. ¿Son estos resultados
significativos de una diferencia de medias poblacionales entre los dos sexos? (Trabaje con
  0,05 y suponga normalidad en las puntuaciones del test).

9.- La distribución del gasto mensual por persona en consumo de alimentos en una determinada
2
ciudad sigue una distribución normal de varianza 225 u.m. , mientras que en otra ciudad se
2
distribuye también normal pero con varianza 100 u.m. . Encuestadas 100 personas de cada una
de las ciudades, el gasto medio mensual muestral es de 36 u.m. en la primera y de 40 u.m. en la
segunda.
a) Calcule el intervalo de confianza al 95% para la diferencia de medias.
b) ¿Se rechazaría la igualdad de medias poblacionales para un nivel de significación del 5%? ¿Y
si el nivel de significación fuera del 10%? Relacione la respuesta de este apartado con la del
anterior.
c) Para el contraste del apartado b) con nivel de significación del 5%, ¿cuál será el valor de la
función de potencia en el caso en que la media poblacional de la primera ciudad fuera de
36,50 u.m. y 38,50 u.m. la de la segunda?

10.- Dos fábricas de válvulas electrónicas utilizan procedimientos diferentes de fabricación. La duración
de vida de estas válvulas se supone normal. Se extrae en la primera fábrica una muestra de 20
válvulas y en la segunda una de 22. Para la primera muestra, los resultados muestrales son 1832
horas para la media y 497 horas para la desviación típica. En la segunda, 1261 h. y 501 h.,
respectivamente. ¿Puede considerarse la diferencia entre las medias significativa a un nivel del
5%?

11.- La tabla adjunta representa el número de horas de sueño ganadas por 10 pacientes con un cierto
somnífero. Según estos datos, ¿existe evidencia de que el somnífero aumenta la media de horas
de sueño? Suponga normalidad y   0,05 .
Paciente 1 2 3 4 5 6 7 8 9 10
Horas ganadas 1,2 1,3 0,7 3,4 0,8 3,1 0,2 1,8 2 3,1

12.- Para averiguar la eficacia del sistema de aprendizaje llevado a cabo en los cursos de inglés de una
academia, se ha examinado a 9 estudiantes antes y después de asistir a la academia. Las
calificaciones obtenidas (sobre 100 puntos) son las siguientes:
Después 53,2 54,5 51,6 54,5 53,9 55 52,5 53,3 51,5
Antes 52,5 54 50,8 54,4 53,5 52 53 53,5 50,7
¿Hay evidencia de que el sistema de aprendizaje mejora las calificaciones? Suponga normalidad y
  0,05 .

13.- La fabricación de un producto se hace de manera artesanal. Actualmente, un obrero es capaz

de elaborar al mes una media de 4000 unidades con una desviación típica de 20 unidades,
siendo la cantidad finalmente producida al mes por cada obrero una v.a. normal. Es preciso
estudiar la efectividad de unas nuevas herramientas que en principio deberían de afectar sólo a
la calidad de la producción, no a la productividad de los obreros. Se seleccionan 5 obreros y se
les dota de las nuevas herramientas. Tras un mes de prueba, los datos de producción mensual

RELACIÓN 4 (2261): CONTRASTES DE HIPÓTESIS  2

 2261. Estadística Económica II. Grado en Economía. Curso 2014/2015
Departamento de Métodos Cuantitativos para la Economía y la Empresa
Universidad de Murcia

de cada obrero son 4010, 3975, 3992, 4028 y 4055. Se desea contrastar si la desviación típica
de la producción usando las herramientas nuevas es menor o igual que la que se obtenía con
las antiguas. No se sabe si suponer o no que el uso de las nuevas herramientas afecta a la
media de lo producido. Aplique, bajo una posibilidad y otra para la media, el test
correspondiente para la desviación típica, explicando las diferencias en el planteamiento en
cada caso, así como los estadísticos usados (   0,05 ).

14.- Se cree que en una región española A la dispersión de los sueldos –medida a través de su
varianza– no supera en más de un 10% a la que existe en otra región B. Sabiendo que los
salarios son normales y que se toman muestras de 31 salarios en A (denotados X i) y 61 en B
(denotados Yj), conteste a las siguientes cuestiones:
a) Exprese la condición que han de cumplir las respectivas desviaciones típicas muestrales
para que esa hipótesis sea aceptada a un tamaño del 10%.
b) Los resultados de las muestras, medidos en cientos de euros, son los siguientes:
31 31 61 61

x
i 1
i  3255, x
i 1
2
i  403155, y
j 1
j  7015, y
j 1
2
j  861625 ,

¿Se aceptaría la hipótesis a ese tamaño del 10%? ¿En qué caso cambiaría el resultado del
contraste, aumentando o disminuyendo el tamaño? Halle hasta qué niveles habría que
llevar el tamaño para que se produjera ese cambio.

15.- Una empresa utiliza dos métodos distintos para la medición de la calidad que tienen asociado
un coste unitario distinto. Ambos costes siguen una distribución normal. Para poder
compararlos, se aplican de forma independiente sobre sendas muestras de 10 artículos. Los
costes medios muestrales y las desviaciones típicas muestrales son los siguientes:
Método A Método B
Coste medio muestral 1,4 1,6
Desviación típica muestral del coste 0,21 0,25
a) Determine si el coste de ambos métodos tiene la misma varianza (   0,05 ).
b) Suponiendo varianzas iguales, ¿se puede admitir al mismo tamaño que el coste medio del
método B es superior en al menos 0,3 u.m. al del método A?

16.- Una estación de servicio de gasolina A realiza una campaña publicitaria en la que asegura que
el índice de octano de sus combustibles se ajusta fielmente a las cifras expuestas en los
surtidores. Con objeto de verificar la veracidad del mensaje y, al mismo tiempo, para lanzar una
contraofensiva de captación del mercado, el gerente de la estación B más próxima, bajo
supervisión oficial, ha dirigido una investigación realizando el análisis de 100 muestras de
gasolina de 95 octanos, extraídas al azar en distintos días del año, de las estaciones A y B. Las
medias y desviaciones típicas de los resultados de los análisis son los que se indican a
continuación (las distribuciones correspondientes son, en todo caso, normales):
Estación A nA=100 Media muestral=93,2 Varianza muestral=0,96
Estación B nB=100 Media muestral=94,8 Varianza muestral=1,2
Suponiendo normalidad para ambas distribuciones, conteste razonadamente a las siguientes
cuestiones:
a) Contraste H0 :  A  95 frente a H1 :  A  95 (   2% ).
b) Contraste H0 : B  95 frente a H1 : B  95 (   2% .
c) Contraste H0 :  A  B frente a H1 :  A  B (   2% ).
d) Contraste H0 : 2A  B2 frente a H1 :  2A  B2 (   2,5% ).

17.- ¿Se podría aceptar que es igual la probabilidad de nacer hombre o mujer en una comarca
donde se ha escogido al azar una muestra de 1000 niños recién nacidos y de ellos 485 son
mujeres y 515 hombres? (   0,05 )

RELACIÓN 4 (2261): CONTRASTES DE HIPÓTESIS  3

 2261. Estadística Económica II. Grado en Economía. Curso 2014/2015
Departamento de Métodos Cuantitativos para la Economía y la Empresa
Universidad de Murcia

18.- Se realiza una comparación entre las probabilidades p A y pB de aprobar dos asignaturas A y B.
Una muestra aleatoria simple de estudiantes de A de tamaño 50, arroja una cifra de 30
aprobados. Una de B, de tamaño 75, cuenta con 36 aprobados. Ambas muestras son
independientes entre sí. Indique si podemos aceptar la hipótesis de ambas probabilidades son
iguales para   0,05 .

CONTRASTES NO PARAMÉTRICOS

19.- Las longitudes (en mm.) de 150 tornillos fabricados por un torno han sido clasificadas en 5
grupos:
Intervalo [10,01;10,06) [10,06;10,11) [10,11;10,16) [10,16;10,21) [10,21;10,26)
Nº tornillos 26 32 35 29 28
Sabiendo que la mínima y máxima longitud que puede alcanzar un tornillo fabricado por dicho
torno son 10,01 mm. y 10,26 mm., compruebe si esa variable se distribuye uniformemente
(utilice el test de la  y   0,05 ).
2

20.- Se desea hacer un estudio de los errores ortográficos cometidos por los alumnos de
Bachillerato. Para ello, en 262 exámenes de selectividad, se analiza el número de errores
cometidos en cada uno. El número medio muestral de errores cometidos por examen, en esa
muestra, ya se ha calculado y vale 0,7. Un resumen de los resultados obtenidos es el siguiente:
Nº de errores por examen 0 1 2 3 o más
Nº de exámenes 156 63 29 14
Se cree que la variable X=“número de errores por examen” sigue una distribución de Poisson.
a) ¿Qué método de contraste emplearía para decidir si aceptar o no esa hipótesis? Describa
todas las características de la situación que le conducen a usar ese método y desechar los
restantes que conoce.
b) Desarrolle el contraste para la situación específica que aquí se enuncia y determine si
aceptar o rechazar la hipótesis al 1%.

21.- Los responsables de un organismo de sanidad han comprobado que a lo largo de 200 días de
clase se han producido las siguientes cantidades de accidentes por día:
Nº accidentes 0 1 2 3 4
Nº de días 82 75 31 10 2
¿Puede considerarse que el número de accidentes diarios sigue una distribución de Poisson?
Responda a la pregunta anterior usando el p-valor.

22.- Los grosores en mm. de 9 piezas incluidas en una muestra fueron :

0,962 1,066 0,900 0,846 0,807 0,797 0,814 0,710 0,676
¿Puede aceptarse que la variable se distribuye según una N(0,8; 0,12) a un tamaño 5%?

23.- Dada la siguiente muestra aleatoria,

0,7017 1,3871 1,4120 0,0236 1,8542 1,7697 0,3041 0,2344
0,0504 0,6095 1,1827 1,2472 0,9881 0,4483 1,7020 1,9235
analice si procede de una distribución uniforme sobre el intervalo (0,2), usando   0,05 .

RELACIÓN 4 (2261): CONTRASTES DE HIPÓTESIS  4

 2261. Estadística Económica II. Grado en Economía. Curso 2014/2015
Departamento de Métodos Cuantitativos para la Economía y la Empresa
Universidad de Murcia

24.- De una variable se recoge una muestra de tamaño 50 con los resultados siguientes:
Intervalos Nº observaciones
0,00 – 0,20 1
0,20 – 0,40 7
0,40 – 0,60 10
0,60 – 0,80 18
0,80 – 1,00 14
Se desea contrastar si la variable en estudio sigue o no una distribución con función de
densidad f(x)=2x cuando 0<x<1. ¿Qué tipo de problema estadístico es el que se plantea aquí?
¿Cuántos métodos conoce para resolverlo? ¿Cree que, dada la situación descrita, alguno de
esos métodos es más adecuado? Aplíquelo con   1% . Razone todas sus respuestas.

25.- En un municipio de Murcia se obtuvieron los ingresos mensuales en euros de 12 familias

elegidas aleatoriamente:
1790 1000 450 3840 2300 1000 3200 800 2200 3200 2100 1590
¿Se puede admitir la normalidad de los ingresos mensuales (   0,05 )?

Soluciones

X 1
3. RH0 si T  z0,05  1,6449 o T  z 0,05  1,6449 , con T  .
1 10
Si   0 puede ocurrir un error de tipo II (si no se rechaza H0 siendo falsa) y su probabilidad será
0,0643.
Si   1 puede haber error de tipo I (si se rechaza H0 siendo cierta) y su probabilidad será 0,1.
Si   2 puede ocurrir un error de tipo II (si no se rechaza H0 siendo falsa) y su probabilidad será
0,0643.

4. a) Para hacer el pedido deber ser x  589,9935.

b) P=585 (X  589,9935) =0,2061, y se corresponde con la probabilidad de aceptar H0 cuando
  585 (error de tipo II). No se contradice, por tanto, con el 5% del tamaño del test, que representa
la probabilidad máxima de cometer error de tipo I (rechazar H0 siendo cierta).

5. Dada una m.a.s. de tamaño 9, en el contraste H0 :   160 frente a H1 :   160 con varianza
desconocida al 10% se rechaza H0 si T  t 8;0,05  1,8595 o T  t 8;0,05  1,8595 siendo
X  160
T .
S 8
Como 1,8595 0,1585  1,8595 no se rechaza H0. Lo mismo sucede en el contraste H0 :   150
frente a H1 :   150 , al ser 1,8595 0,5687  1,8595 . Ambos valores (160 y 150) pertenecen al
intervalo de confianza para  con varianza desconocida al 90%: (132,25; 183,39).

6. Dada una m.a.s. de tamaño 9 se rechaza la hipótesis nula en el contraste H0 : 2  1 frente a

9
H1 : 2  1 con media conocida (=0) al 5% si T  9;0,05
2
 16,9190 , siendo T   Xi2 . Como
i 1

11,47  16,9190 no se rechaza H0.

RELACIÓN 4 (2261): CONTRASTES DE HIPÓTESIS  5

 2261. Estadística Económica II. Grado en Economía. Curso 2014/2015
Departamento de Métodos Cuantitativos para la Economía y la Empresa
Universidad de Murcia

7. Dada una m.a.s. de tamaño 61, en el contraste H0 :   25 frente a H1 :   25 con media

61S2
desconocida al 5% se rechaza H0 si T  260;0,05 con T  . Como 56,12  79,082 no se
25
rechaza H0.

8. Dadas mm.aa.ss. independientes de X e Y de tamaños 18 y 25 respectivamente, en el contraste

H0 :  X   Y frente a H1 :  X  Y con varianzas conocidas al 5% se rechaza H0 si
XY
T   z0,05  1,96 o T  z 0,05  1,96 con T  . Como 1,96 1,6659  1,96 no se
33,52 38,22

18 25
rechaza H0.

9. a) IC para  X  Y al 95%: (–7,5334; –0,4666).

b) Como 0 no pertenece al intervalo anterior, se rechaza H0 :  X   Y  0 a nivel de significación
  0,05. Además, como el intervalo para  X  Y al 90% está contenido en el anterior, también
se rechaza H0 :  X   Y  0 para   0,1.
c)   X  Y  2  0,1987.

XY
10. Al 5% se rechaza H0 si T   t 40;0,025  2,0211 o T  t 40;0,025  2,0211 con T  . Como
Sc2X Sc2Y

20 22
3,6147  2,0211 se rechaza H0.

11. Dada una m.a.s. de tamaño 10, en el contraste H0 :   0 frente a H1 :   0 con varianza
X
desconocida al 5% se rechaza H0 si T  t 9;0,05  1,8331 con T  . Como 4,9574  1,8331
Sc 10
existe evidencia de que el tratamiento aumenta el número medio de horas de sueño.

12. Dada una m.a.s. de tamaño 9, en el contraste H0 :  X   Y  0 frente a H1 :  X   Y  0 con

D
muestras apareadas al 5% se rechaza H0 si T  t 8;0,05  1,8595 siendo T  y D  X Y ,
ScD 9
donde X representa la puntuación con el nuevo sistema de aprendizaje e Y la puntuación obtenida
antes. Como 1,8672  1,8595 existe evidencia de que el sistema de aprendizaje mejora las
calificaciones.

13. Si la media es conocida e igual a 4000, dada una m.a.s. de tamaño 5 se rechaza H0 en el contraste
5

 (X  4000)
i
2

H0 :   400 frente a H1 :   400 al 5% si T  

2 2 2
5;0,05  11,070 con T  i 1
. Al ser
400
11,495  11,070 existe evidencia de que la desviación típica es mayor que 20 usando las nuevas
herramientas.

Si la media es desconocida, dada una m.a.s. de tamaño 5 se rechaza H0 al 5% en el contraste

4Sc2
H0 :  2  400 frente a H1 : 2  400 si T  24;0,05  9,488 con T  . Al ser 9,695  9,488
400
existe evidencia de que la desviación típica es mayor que 20 usando las nuevas herramientas.

14. a) SX  1,2656 SY .

RELACIÓN 4 (2261): CONTRASTES DE HIPÓTESIS  6

 2261. Estadística Económica II. Grado en Economía. Curso 2014/2015
Departamento de Métodos Cuantitativos para la Economía y la Empresa
Universidad de Murcia

b) Como SX  44,4972  37,968  1,2656SY se rechaza H0 en el contraste H0 : 12 22  1,1 frente a
H1 : 12 22  1,1 con medias desconocidas.
En general, dadas mm.aa.ss. independientes de tamaños 31 y 61 de X e Y, se rechaza H0 si
Sc2X 31 60  S2X
T   F30,60; . Al ser T  2,0328 no se rechazará H0 para aquellos valores de
1,1 Sc2Y 1,1 30  61 S2Y
 tales que 2,0328  F30,60; , de donde   P F30,60  2,0328. En las tablas, el valor más próximo
que aparece es F30,60;0,01  2,03 a partir del cual lo único que se podría decir es que  será
ligeramente inferior a 0,01 (usando Excel, F30,60;0,0098  2,0328 por lo que no se rechazará H0 para
tamaños menores o iguales a 0,98%).

15. a) Dadas mm.aa.ss. independientes ambas de tamaño 10, se rechaza H0 en el contraste

H0 : 2X 2Y  1 frente a H0 : 2X 2Y  1 con medias desconocidas al 5% si T  F9,9;0,975  0,248 o
Sc2X
T  F9,9;0,025  4,03 con T  . Como 0,25  0,7056  4,03 no hay evidencia suficiente para
Sc2Y
rechazar H0.
b) Dadas mm.aa.ss. independientes ambas de tamaño 10, y suponiendo que las varianzas son
iguales, en el contraste H0 :  X  Y  0,3 frente a H1 :  X   Y  0,3 al 5% se rechaza H0 si
X  Y  0,3
T  t18;0,05  1,7341 con T  . Pero como 0,9188  1,7341 no hay evidencia
9Sc2X  9Sc2Y 20
18 100
suficiente para rechazar H0.

16. a) Dada una m.a.s. de tamaño 100, se rechaza H0 :  A  95 al 2% si T  t 99;0,02 con

X A  95
T . Como t 99;0,02 no está en la tabla, se aproxima por el valor más cercano que sí
Sc2A 100
aparece, t120;0,02  2,0763 . Finalmente, al ser 18,2791  2,0763 se rechaza H0 (con Excel,
t 99;0,02  2,0812 ).
b) Dada una m.a.s. de tamaño 100, se rechaza H0 : B  95 al 2% si T  t 99;0,02 con
XB  95
T . Al igual que antes, al no estar t 99;0,02 en la tabla, se aproxima por el valor más
Sc2B 100
cercano que sí aparece, t120;0,02  2,0763 . Finalmente, como 1,8166  2,0763 no se rechaza H0
(con Excel, t 99;0,02  2,0812 ).

c) Dadas mm.aa.ss. independientes de tamaño 100, se rechazará H0 :  A  B al 2% si T  t196;0,02

X A  XB
con T  . Como t196;0,02 no está en la tabla, se aproxima por t ;0,02  z0,02  2,0537. Al
Sc2A Sc2B

100 100
verificarse 10,8321  2,0537 se rechaza H0.

d) Dadas mm.aa.ss. independientes de tamaño 100, se rechazará H0 : 2A B2 al 2,5% si

Sc2A
T  F99,99;0,025 con T  . Aproximando F99,99;0,025 por F120,120;0,025  1,43 se decide no rechazar H0 al
Sc2B
ser 0,8  1,43 (con Excel, F99,99;0,025  1,4862 ).

RELACIÓN 4 (2261): CONTRASTES DE HIPÓTESIS  7

 2261. Estadística Económica II. Grado en Economía. Curso 2014/2015
Departamento de Métodos Cuantitativos para la Economía y la Empresa
Universidad de Murcia

17. Dada una m.a.s. de tamaño 1000, en el contraste H0 : p  0,5 (la probabilidad de que nazca un
hombre es 0,5 y, por tanto, igual a la de que nazca una mujer) frente a H1 : p  0,5 al 5% se
X  0,5
rechaza H0 si T  z0,025  1,96 o T  z 0,025  1,96 con T . Como el porcentaje
0,5  0,5
1000
muestral de hombres es 51,5%, se tiene 1,96  0,9487  1,96 por lo que no se rechaza H0.

18. Dadas mm.aa.ss. independientes de tamaños 50 y 75, en el contraste H0 : pA  pB frente a

H1 : pA  pB al 5% se rechaza H0 si T  z0,025  1,96 o T  z 0,025  1,96 con
XA  XB
T . Como se verifica 1,96  1,3310  1,96 no hay evidencia suficiente
XA 1  XA  XB 1  XB 

n m
para rechazar la hipótesis H0.

CONTRASTES NO PARAMÉTRICOS

19. No hay evidencia en contra de la distribución U(10,01;10,26) para las longitudes al 5%, ya que se
verifica 2exp  1,667  9,488  24;0,05 .

20. a) Se trata de un contraste de bondad de ajuste con parámetros desconocidos. Por ese motivo y por
tratarse de una distribución discreta, debe ser resuelto por el método basado en la chi-cuadrado
(además, se tiene un tamaño de muestra grande).
b) Se rechaza que la distribución sea Poisson al 1% porque 2exp  16,9236  9,21  2;0,01
2
.

21. Se puede admitir que la distribución es Poisson porque p-valor=0,9459 (al ser 2exp  0,1113 ).

22. Se puede aceptar la distribución N(0,8; 0,12) al 5% porque D9  0,268  D9;0,05  0,432.

23. No hay evidencia en contra de una distribución U(0,2) al 5% porque D16  0,101  D16;0,05  0,328.

24. Es un problema de bondad de ajuste con parámetros conocidos al que aplicamos el contraste de la
 (por ser el tamaño de muestra grande y disponer de los datos agrupados en intervalos). Como
2

2exp  2,032  11,345  3;0,01

2
, no hay evidencia en contra de la distribución propuesta.

25. No hay evidencia en contra de la normalidad al 5% porque D12  0,149  D12;0,05  0,242 (tablas de
Lilliefors).

RELACIÓN 4 (2261): CONTRASTES DE HIPÓTESIS  8