ESTADISTICA

INDUSTRIAL
TEMA 02

PRUEBA DE HIPOTESIS
PARA PROPORCIONES
Ing. William León Velásquez
CONTENIDO
 PRUEBA DE HIPÓTESIS PARA
UNA PROPORCION
 PRUEBA DE HIPÓTESIS PARA
DOS PROPORCIONES
 ERROR TIPO II
 POTENCIA DE LA PRUEBA
PRUEBA PARA UNA
PROPORCIÓN

3
 PRUEBA PARA UNA PROPORCIÓN

• Las pruebas de hipótesis con

proporciones son
necesarias en muchas áreas
del conocimiento y en
especial en la
administración e ingeniería.
• Se considerará el problema
de probar la hipótesis de
que la proporción de éxito
en un experimento
binomial sea igual a un
cierto valor especifico.

4
 PRUEBA PARA UNA PROPORCIÓN
• Se probará que la hipótesis nula es:

p = p0
donde
• p es el parámetro de la distribución
binomial.
• po es el valor poblacional

5
 PRUEBA PARA UNA PROPORCIÓN

 La información que frecuentemente se utilizará para la

estimación de una proporción real o verdadera
(porcentaje o probabilidad) es una proporción muestral.
 Que se calcula de la siguiente manera

𝑥
𝑝=
𝑛

 donde x es el número de veces

que ha ocurrido un evento en n
ensayos.
6
 PRUEBA PARA UNA PROPORCIÓN
Ejemplo,
 Si una muestra aleatoria de 600 compras realizadas en
una tienda, 300 se realizan con tarjeta de crédito.

 Entonces se puede utilizar esa cifra

como estimación puntual de la
proporción real de compras
realizadas en ese negocio que se
abonaron a tarjetas de crédito.

300
𝑝=
600
7
PRUEBA PARA UNA PROPORCIÓN

• De la misma forma muchas

compañías podrían estimar
las proporciones de muchas
transacciones.
• La hipótesis alterna puede
ser una de las alternativas
usuales: unilateral o
bilateral
• Tales como:

p  p0 , p  p0 ,..o.. p  p0
8
PRUEBA PARA UNA PROPORCIÓN
• Un valor Zc calculado a partir de la
muestra se compara con un valor critico
de Z dados en las tablas.

• Zc se obtiene así:

p p
Zc 
p.q
n
x  np
 O también se puede Zc 
utilizar: npq
9
 EJEMPLOS PARA PROBAR UNA
PROPORCIÓN
Ejemplos:
• Un político esta interesado en
conocer si ha habido un aumento en
la proporción (porcentaje) de votantes
que lo favorecen en las próximas
elecciones;
• Un productor de cereales puede
querer conocer si ha ocurrido o no una
baja en la proporción de clientes que
prefieren su marca de cereal;

• Un hospital desea confirmar la

afirmación de un fabricante de
medicamentos quien indica que su
producto cura al 80% de los usuarios.
10
 EJEMPLOS PARA PROBAR UNA
PROPORCIÓN
• Estos ejemplos son algunas de las situaciones
donde nos interesa probar alguna afirmación
referente a una proporción.

• El procedimiento
para probar una
proporción en
una población
normal es casi
igual al usado
para las medias.
11
MÉTODOS PARA PROBAR UNA
PROPORCIÓN

Para probar
una
proporción

De la región Por el valor de

de rechazo p

12
A. MÉTODO DE LA REGIÓN DE RECHAZO (MÉTODO 1)
Paso 1

Establecer las hipótesis.

Sea po es la proporción admitida o requerida.

Ho : p = po

H1 : p > po ó
p < po ó
p ≠ po

13
A. MÉTODO DE LA REGIÓN DE RECHAZO (MÉTODO 1)

• Paso 2 Con el nivel de significancia (α) se

dibuja la región de rechazo en la curva normal
estándar (curva z) indicando el valor de Z
proveniente de la tabla Z.
•

αó
Z α/2

14
A. MÉTODO DE LA REGIÓN DE RECHAZO (MÉTODO 1)
• Paso 3
• Indicar el valor de Zc en el diagrama de la
región de rechazo (Paso 2).

Zc

15
A. MÉTODO DE LA REGIÓN DE RECHAZO (MÉTODO 1)
• Paso 4 Calcular el valor zc para la
proporción muestral usando la
fórmula

𝑝 − 𝑝0
𝑥 𝑧𝑐
𝑝=
𝑛
𝜎𝑝

p0 (1  p0 )
p 
n
16
A. MÉTODO DE LA REGIÓN DE RECHAZO (MÉTODO 1)

• Paso 5
• Si el valor Zc cae dentro de la región de rechazo
(sombreada), entonces se rechaza Ho.
Si cae fuera de la región sombreada, entonces no se
rechaza la Ho.

Escriba la conclusión de la prueba en términos de la Ha

17
 A. MÉTODO DE LA REGIÓN DE RECHAZO (MÉTODO 1)
• Ejemplo :
• Se desea probar si a habido una variación en la
proporción de 0.4 de mujeres en las carreras de
ingeniería.
• En el ultimo examen de admisión realizado se
selecciona una muestra de 200 ingresantes y se
obtiene una proporción de mujeres de 0.45.

• Utilice un nivel de
significancia del
0.01
𝑝 = 0.45, n = 200, y
α= 0.01.

18
 A. MÉTODO DE LA REGIÓN DE RECHAZO (MÉTODO 1)
• Solución:
Paso 1
• H0 : p = 0.4
La proporción de mujeres en las carreras de
ingeniería es de 0.4
• H1 : p ≠ 0.4
La proporción de mujeres en las carreras de
ingeniería es diferente de 0.4

19
A. MÉTODO DE LA REGIÓN DE RECHAZO (MÉTODO 1)

• Paso 2
• Usando α= .01,
• como es de dos colas α/2= 0.005

Entonces Z= -2.575

20
A. MÉTODO DE LA REGIÓN DE RECHAZO (MÉTODO 1)

Paso 2
• Usando α= .01,
• Z= -2.575 y como es de colas el otro Z=
2.575
• Entonces el diagrama de la región de
rechazo es:
005
. .005

-2.575 2.575

21
A. MÉTODO DE LA REGIÓN DE RECHAZO (MÉTODO 1)
Paso 3
• Calculando el valor z para la
proporción muestral
𝑝 = 0.45, po=0.4

0.4(1  0.4)
p   0.0346
200
• obtenemos:
0.45  0.4
• Z=  1.45
0.0346

22
A. MÉTODO DE LA REGIÓN DE RECHAZO (MÉTODO 1)

Paso 4
• Dibujando z = 1.45 en el diagrama de la región de
rechazo (Paso 2) obtenemos:

1.45

.005 .005

-2.575 2.575

23
A. MÉTODO DE LA REGIÓN DE RECHAZO (MÉTODO 1)

Paso 5
• Como el valor z está fuera de la región de rechazo
(sombreada),
• Por lo tanto no se rechaza Ho.
• Conclusión:
• La proporción de mujeres en las carreras de
ingeniería no es diferente de 0.4.

24
B. MÉTODO DEL VALOR P (MÉTODO 2)

• Sea po es la proporción admitida o requerida.

• Paso 1 Se establece las hipótesis:

H0 : p = p0
H1 : p > p0 ó
p < p0 ó
p ≠ p0

25
 B. MÉTODO DEL VALOR P (MÉTODO 2)

• Paso 2
• Calcular el valor de Zc para la proporción
muestral usando la fórmula:
•

𝑝 − 𝑝0
𝑧𝑐
𝜎𝑝
• donde

𝑥 p0 (1  p0 )
𝑝= p 
𝑛 n
26
B. MÉTODO DEL VALOR P (MÉTODO 2)

• Paso 3
• Utilizando la hipótesis alternativa dibujar la región bajo
la curva z que representa los valores extremos y con
el valor de Zc. Ir a la tabla y encontrar el valor de p

p o p/2
Zc

27
B. MÉTODO DEL VALOR P (MÉTODO 2)

• Paso 4
• El valor p = al área de la cola sombreada (s)
en el Paso 3.

28
 B. MÉTODO DEL VALOR P (MÉTODO 2)

Paso 5
• Si el valor p< α, entonces se rechaza H0
• Si el valor p >= α, entonces no se rechaza H0.

• Escribir la conclusión de la prueba, en

términos de la Ha

29
 B. MÉTODO DEL VALOR P (MÉTODO 2)

Ejemplo :
• Se desea probar si a habido una variación en la proporción
de 0.4 de mujeres en las carreras de ingeniería.
• Se selecciona una muestra de 200 ingresantes y se obtiene
una proporción de mujeres de 0.45.
• Utilice un nivel de significancia del 0.01
𝑝 = 0.45,
n = 200, y
α= 0.01.

30
 B. MÉTODO DEL VALOR P (MÉTODO 2)
Paso 1
• Formulación de la hipótesis
H0 : p = 0.4
La proporción de mujeres en las carreras de
ingeniería es de 0.4

H1 : p ≠ 0.4
La proporción de mujeres en las carreras de
ingeniería no es de 0.4

• Asuma que
• 𝑝 = 0.45,
• n = 200, y
α = 0.01.
31
 B. MÉTODO DEL VALOR P (MÉTODO 2)
Paso 2
o Calculo del valor z de 𝑝

0.4(1  0.4)
p   0.0346
o Se obtiene 200

0.45  0.4
Z=  1.45
0.0346

32
 B. MÉTODO DEL VALOR P (MÉTODO 2)
Paso 3
• El valor P= para una de las áreas.
• Z= 1.45
• =1.4 +0.05 =1.45

33
 B. MÉTODO DEL VALOR P (MÉTODO 2)

Paso 3
• La región bajo la curva z que contiene los
valores extremos de es 0.0735 en ambos
lados de la curva

P/2 P/2

0.0735 0.0735

34
 B. MÉTODO DEL VALOR P (MÉTODO 2)

Paso 4
• El valor p de una de las áreas es 0.0735 (p/2)
• Por lo tanto el valor total de los dos extremos para
poder comparar con el α es sumando las dos
regiones del Paso 3
p= 2(el área a la izquierda de 1.45)
p= 2(0.0735)
p= 0.147

35
 B. MÉTODO DEL VALOR P (MÉTODO 2)
Paso 5
• Como alfa es 0.01
• Y sabemos que si el valor p >= α, entonces no se
rechaza H0
• Se tiene que 0.147 >=0.01 por lo tanto no se
rechaza la Ho

Conclusión:
La proporción de mujeres en las
carrera de ingeniería no es
diferente de 0.4.

36
 EJEMPLO 1:
• Se afirma que, de todas los trabajadores que se contratan en
una empresa por lo menos el 30 % proviene del cono sur.
• Si una muestra de 600
contrataciones tomada al azar
de los registros de la oficina
de Recursos Humanos revela
que de las personas
contratadas 153 fueron del
cono sur.
• Se desea verificar tal
afirmación con un nivel de
significancia del 1%

37
 EJEMPLO 1:
SOLUCIÓN:
• Se probará la hipótesis nula p = 0.30 contra la
hipótesis alternativa p < 30 con un α=0.01
• Para calcular la proporción p lo primero que se ha
de hacer es determinar la proporción muestral.
• Luego se planteará una hipótesis unilateral con un
nivel de significancia al 1%.

 153
n  600,.. p   0.255,.. p  0.30,...
600
q  0.70,..x  153

38
 EJEMPLO 1:
1.- Hipótesis:
H 0 : p  0.30 Ho: El porcentaje de trabajadores que
proviene del cono sur es del 30%

H 1 : p  0.30 H1: El porcentaje de trabajadores que

proviene del cono sur es menor del 30%

39
 EJEMPLO 1:
2.- Cálculo del valor critico
con un nivel de significancia del 1 %
para una prueba de una cola se tiene α=0.01.

Z  2.33, 40
 EJEMPLO 1:

• Regla de decisión o Región crítica:

Se rechaza la Hipótesis nula si:

•
Z c  Z
 es decir, .

Z c  2.33

41
 EJEMPLO 1:
3.- Cálculo del estadístico de prueba
Aplicando formula se tiene:
•

p  p 0.255  0.300 0.045 0.045

Zc      Z c  2.41
p.q 0.3 x0.7 0.00035 0.0187
n 600
O también Aplicando:

x  np 153  600(0.30) 153  180 27

Z     2.41
npq 600(0.30)(0.70) 126 11,225

42
 EJEMPLO 1:
4.- Conclusión:
• Como Zc es menor que Z , se rechaza Ho
Zc
con un nivel de significancia de 0.01.
-2.41
Z c  2.41  2.33
Esto se observa en la grafica donde Zc cae fuera
del área de no rechazo .001 AREA DE
• El porcentaje de trabajadores NO
RECHAZO
que proviene del cono sur es
menor del 30% -2.33
• Por lo tanto, la afirmación de
que, de todas los trabajadores
que se contratan en una
empresa por lo menos el 30 %
proviene del cono sur, es falsa. 43
 EJEMPLO 2:
• Se sabe que el 10 % de los fumadores prefieren la
marca de cigarrillo Malboro. Después de una campaña
publicitaria del cigarrillo Malboro, se entrevistaron a
200 fumadores para determinar la eficiencia de la
campaña publicitaria.
• El resultado de la muestra realizada detecto un total de
26 personas que fumaban Malboro.
• ¿Pueden considerarse que
esos datos presentan
evidencia suficiente para
indicar que hubo un aumento
en la aceptación del cigarrillo
Malboro. Utilice un nivel de
significancia del 5 %.
44
 EJEMPLO 2:
• SOLUCIÓN:
• Para resolver el problema se plantea una hipótesis
alternativa unilateral por la derecha.
• En la grafica se representara un 5 % por la derecha .
• Datos: .
p  0.10,..
q  0.90......
p  26  0.13,..
200
n  200
45
 EJEMPLO 2:
1.- Hipótesis:
Ho: El porcentaje de fumadores que
H 0 : p  0.10 prefieren la marca de cigarrillo
Malboro es del 10%
H 1 : p  0.10 H1: El porcentaje de fumadores que
prefieren la marca de cigarrillo
Malboro es mayor del 10%

46
 EJEMPLO 2:
2.-Cálculo del z critico
Por tabla se sabe que al 5 % por la derecha es decir un α=0.05

Z  1,645

47
 EJEMPLO 2:

• Regla de decisión o Región crítica:

Se rechaza la Hipótesis nula si

Z c  Z
 es decir,

Z c  1,645

48
 EJEMPLO 2:
3.-Calculo el Z de los datos
Aplicando formula se tiene:

p  p 0.13  0.10
Zc   
p.q 0.1x0.9
n 200

0.03 0.03
   Z c  1.41
0.00045 0.02127

49
 EJEMPLO 2:
4.- Conclusión:
• Como Z c es menor que Z  , es decir, Z c  1.41  1.96
• no se rechaza la Ho con un nivel de significancia de
0.05.
• Esto se podrá observar en una grafica en donde Z c 1.41

caerá dentro del área de no rechazo,

• El porcentaje de fumadores que

prefieren la marca de cigarrillo .005
Malboro no es mayor del 10% 1.96
• Lo que indica que la campaña
publicitaria no fue efectiva

50
 EJEMPLO 3:
• Un fabricante de semiconductores produce controladores
que se emplean en el sistema eléctrico de vehículos.
• El cliente requiere que la proporción de controladores
defectuosos no sea mayor de 0.05, y que el fabricante
demuestre estas características del proceso de
fabricación con este nivel de calidad, con un nivel de
significancia del 5 %.
• El fabricante de semiconductores
toma una muestra aleatoria de
200 dispositivos y encuentra
que 4 de ellos son
defectuosos.
• ¿El fabricante puede demostrar
al cliente la calidad exigida?
51
Obtener sus conclusiones.
 EJEMPLO 3:
SOLUCIÓN:
• Para resolver el problema hay que plantear una hipótesis
alternativa unilateral de una cola por la izquierda
• Es decir, p< 0.05
• y para ello se busca en la tabla el valor de Zα .
• Datos:

p  0.05,
q  0.95,
p  4 200  0.02,.
n  200
52
 EJEMPLO 3:
1.- Hipótesis:

H 0 : p  0.05
Ho: La proporción de controladores
defectuosos es igual a 0.05

H1 : p  0.05 H1: La proporción de controladores

defectuosos es menor a 0.05

53
 EJEMPLO 3:
2.-Cálculo del Z crítico
Por tabla se sabe que al 5 % por la cola izquierda es decir un σ=0.05

Z  1,645

54
EJEMPLO 3:
• Regla de decisión o Región crítica:
• Se rechaza la Hipótesis nula si

Z c   Z
• Es decir, Z c  1,645

55
 EJEMPLO 3:
3.- Calculo el Z de los datos
Aplicando formula se tiene:
•
p  p 0.02  0.05
Zc   
p.q 0.05 x0.95
n 200

0.03 0.03
   Z c  1.95
0.0002375 0.0154

56
 EJEMPLO 3:
4.- Conclusión:
• Como Z c es menor que Z , es decir, Z c  1.95  1.645
• , se rechaza Ho con un nivel de significancia de 0.05.
• Esto se podrá observar en una
grafica en donde Z c caerá -1.91
dentro del área de rechazo
• .005
• Por lo tanto La proporción de
controladores defectuosos es -1.645
menor a 0.05
• es decir
• El fabricante puede demostrar
al cliente la calidad exigida

57
 EJEMPLO 4:
• Se ha afirmado que por lo menos el 60 % de los
estudiantes de primero y segundo semestre de una
Universidad prefieren estudiar a partir de las dos de la
madrugada.
• Si 4 de una muestra de 14 estudiantes de primero y
segundo semestre tomadas al azar, afirman que
estudian a partir de las dos de la madrugada,
• Pruebe con un nivel
de significancia del 5 %
si es cierta la
afirmación.

58
 EJEMPLO 4:
SOLUCIÓN:
Datos:
p  0.60,..q  0.40,..n  14,..x  4
• Nivel de significancia de 0.05
4
• 𝑝 = = 0.285
14
• Como 𝑝 < 𝑝
• La hipótesis nula será p=0.60
contra la hipótesis alternativa p
menor que 0.60

59
 EJEMPLO 4:
1.- Hipótesis: H 0 : p  0.60
H1 : p  0.60
Ho: El porcentaje de los estudiantes de primero y
segundo semestre de una Universidad que prefieren
estudiar a partir de las dos de la madrugada es del
60%
H1: El porcentaje de los estudiantes
de primero y segundo semestre
de una Universidad que prefieren
estudiar a partir de las dos de la
madrugada es menor del 60%

60
 EJEMPLO 3:
2.-Cálculo del Z crítico
Por tabla se sabe que al 5 % por la cola izquierda es decir un α=0.05

Z  1,645

61
EJEMPLO 4:
Regla de decisión
• Región crítica:
• Se rechaza la Hipótesis nula si
Z c   Z
• ,es decir, . Z c  1,645
• se rechaza la Ho

62
 EJEMPLO 4:
3.- Calcular el Z de los datos:
• Aplicando formula se tiene:

x  np 4  14(0.60)
Z  
npq 14(0.60)(0.40)
4  8.40 4.4
   2.40
3.36 1,833
63
 EJEMPLO 4:
4.-Conclusión:
• Como Z es menor que Z  , es decir, Z  2.40  1,645
c c
• Se rechaza Ho y se acepta H1 con un nivel de
significancia de 0.05.
Z c  2.40
Esto se puede observar en una grafica
en donde Z c cae fuera del área de no
rechazo, por lo tanto, se acepta la Ha
.005
• Se concluye que la proporción
de estudiantes del primero y -1.645
segundo semestre que
prefieren estudiar a partir de
las dos de la madrugada es
menor del 60 %.
64
 PRUEBA DE HIPOTESIS
PARA DOS PROPORCIONES

65
 COMPARANDO DOS
PROPORCIONES
• En ciertos casos se esta interesado en comparar la
proporción de “éxito” en dos poblaciones
independientes.
• La proporción de semillas que germinan siendo
tratadas o no con un funguicida.
• El porcentaje de hombres y de mujeres que votan a
determinado candidato.

66
COMPARANDO DOS
PROPORCIONES
•Para efectuar esta comparación se requiere

 Una muestra aleatoria de tamaño n1 extraída

de la población 1 con parámetro p1
 Una muestra aleatoria de tamaño n2 extraída
de la población 2 con parámetro p2

67
 COMPARANDO DOS
PROPORCIONES
• Comparamos las dos proporciones haciendo
inferencia sobre p1-p2, la diferencia entre las
dos proporciones poblacionales.
•Si las dos proporciones poblacionales son
iguales, entonces p1-p2 = 0.
•El mejor estimador de p1-p2 es la diferencia
entre las dos proporciones muestrales,
𝑥1 𝑥2
𝑝1 − 𝑝2 = −
𝑛1 𝑛2

68
 DIFERENCIAS ENTRE PROPORCIONES
• Muestras Grandes 0 por Ho

• Aleatorias
• Independientes ( P1 – P2 )

H0: P1 = P2

H1: P1  P2

Proporción ponderada

69
.
EJEMPLO 1
La administración de una gran tienda cree, sobre la base
de una investigación, que el porcentaje de hombres que
visitan sus tiendas más veces al mes (clientes frecuentes)
es mayor que el porcentaje de mujeres que hacen lo
mismo.
Para probar esta información
se toma una muestras de
clientes y se encuentra que
67 fueron hombres y 48
fueron mujeres
Utilice un nivel de
significación de 0.05
Con los datos
proporcionados probar esta
hipótesis 70
.
EJEMPLO 1

La información proporcionada es:

𝑛𝐻 = 67 𝑛𝑀 = 48 Especifica el nivel de
𝑝𝐻 = 0.58 𝑝𝑀 = 0.42 significación de

𝑝𝐻 − 𝑝𝑀 = 0.58 − 0.42 = 0.16   .05

71
 EJEMPLO 1
1. Se formula las hipótesis:
Las especificaciones requeridas y el procedimiento
para probar esta hipótesis es la siguiente:
Las hipótesis nula y alternativa son las siguientes:

Ho: Ph – Pm = 0 la proporción de hombres que reportan 9

o más visitas por mes es la misma que la
proporción de mujeres que hacen lo
mismo.

H1: Ph – Pm >0 la proporción de hombres que reportan 9

o más visitas por mes es mayor a la
proporción de mujeres que hacen lo
mismo. 72
 EJEMPLO 1
2. Especifica el nivel de significación de α = .05 .
El valor crítico para la prueba de una sola cola es de
1.64.

Z  1,645

73
73
 EJEMPLO 1
4. Calculo del estadístico de la prueba:

a. Calculamos el P (la proporción ponderada)

𝑛𝐻 𝑝𝐻 + 𝑛𝑀 𝑝𝑀
𝑃= 74
𝑛𝐻 + 𝑛𝑀
𝑝𝐻 = proporción muestral de hombres (H)
𝑝𝑀 = proporción muestral de mujeres (M)
nH = tamaño de muestra hombres
nM = tamaño de muestra mujeres

Reemplazando se obtiene:

67(0.58)+48(0.42)
𝑃= =0.59
67+48
74
 EJEMPLO 1
3. Calculo del estadístico de la prueba:
b. Se estima el error estándar de la diferencia de las
dos proporciones:
1 1
𝑆𝑝ℎ−𝑚 = 𝑃(1 − 𝑃) +
𝑛𝐻 𝑛𝑀

P=0.59 𝑃 = proporción ponderada

nH = tamaño de muestra hombres
Reemplazando se obtiene: nM = tamaño de muestra mujeres

1 1
𝑆𝑝ℎ−𝑚 = 0.59(1 − 0.59) + =
67 48

1 1
𝑆𝑝ℎ−𝑚 = 0.24 + =0.0925=0.1
67 48
 EJEMPLO 1
4. Calculo del estadístico de la prueba:

c. Calculamos el Z de la muestra

76

Diferencias entre proporciones observadas= 𝑝𝐻 - 𝑝𝑀

𝑝𝐻 = proporción muestral de hombres (H)= 0.58
𝑝𝑀 = proporción muestral de mujeres (M)= 0.42
Sph-m=0.1
Reemplazando se obtiene:

0.58−0.42 −(0)
Z= =1.6
0.1
76
 EJEMPLO 1
5.- La hipótesis nula no se
rechaza, porque el valor de la 1.6
Z calculada (1.60) es menor Zc
que el valor crítico Z. (1.64)
.005
Conclusión: 1.64
La administración no puede concluir con un nivel de
significancia del nivel de 0.05, que la proporción de
hombres que visita más veces a la gran tienda es mayor
que la proporción de mujeres.

77
 EJEMPLO 02
• Se considera cierto cambio en un proceso de fabricación de
partes componentes. Se toman muestras del procedimiento
existente y del nuevo para determinar si éste tiene como
resultado una mejoría.
• Si se encuentra que 75 de 1500
artículos del procedimiento
actual son defectuosos y 80 de
2000 artículos del
procedimiento nuevo también
lo son.
• Encuentre un intervalo de
confianza de 95% para la
diferencia real en la fracción de
defectuosos entre el proceso
actual y el nuevo. 78
 EJEMPLO 02
Solución:
• Sean P1 y P2 las proporciones reales de
defectuosos para los procesos actual y nuevo,
respectivamente.
• De aquí,

• 𝑝1 =75/1500 = 0.05 y
• 𝑝2 = 80/2000 = 0.04

79
EJEMPLO 02
1.- Formulación de la hipótesis:

Ho: Pa – Pn = 0
Ho: La proporción de defectuosos del proceso
existentes es igual al nuevo proceso
H1: Pa – Pn >0

Ho: La proporción de defectuosos del proceso

existentes es mayor al nuevo proceso

80
 EJEMPLO 02
2. Obtención del valor crítico:
• Con el uso de la tabla encontramos que z para un nivel
de confianza del 95% (alfa=0.05)

Z  1,645

81
81
 EJEMPLO 02
3.- Cálculo de los valores del intervalo

𝑝1 𝑞1 𝑝2 𝑞2
𝑃1 − 𝑃2 = (𝑝1 −𝑝2 ) + 𝑧 + =
𝑛1 𝑛2

(0.05)(0.95) (0.04)(0.96)
𝑃1 − 𝑃2 = 0.05 − 0.04 + 1.645 + =
1500 2000

p1-p2<0.0217

82
 EJEMPLO 02
4.- Conclusión:
Como el intervalo contiene el valor de cero, no se
rechaza la hipótesis nula
Es decir
La proporción de defectuosos del proceso existentes no
es mayor al nuevo proceso con un nivel de significancia
del 5%
Por lo tanto
no hay razón para creer que el nuevo
procedimiento producirá una disminución
significativa en la proporción de artículos
defectuosos comparado con el método existente.

83
FIN
wjleonv@yahoo.com