Comparación de

medias
DOS POBLACIONES
INDEPENDIENTES

Prueba t para muestras

independientes: varianzas iguales y
de Welch
Semana 9
Mag. Soledad canaza
 CONTENIDO DE HOY

01 02 03
Conexión con S8 Muestras Objetivo de la
De una muestra a dos: ¿por
Independientes Prueba
qué comparar grupos? Definición, ejemplos y ¿Es la diferencia x̄₁−x̄₂ real o
contraste con pareadas al azar?

04 05 06
Caso 1: Varianzas Caso 2: Prueba de Ejercicios y Caso
Iguales Welch Ejemplos resueltos, caso y
Estadístico t-pooled, sp², Varianzas desiguales, aprox. uso de software estadístico
grados de libertad Satterthwaite
 ¿Qué es una Prueba de Hipótesis?

Un procedimiento estadístico para tomar una decisión

Recordando sobre una afirmación (hipótesis) acerca de un
parámetro poblacional, basada en evidencia muestral.
las Pruebas de
Componentes Clave:
Hipótesis
Hipótesis Nula (H0​): Afirmación de "no efecto" o "status
quo". Se asume verdadera inicialmente. Contiene =, ≤,
o ≥.
Ej: H0​:μ=50
Hipótesis Alternativa (H1​): Lo que se quiere probar.
Contradice a H0​. Contiene ≠, <, o >.
Ej: H1​:μ ≠ 50 (bilateral), H1​:μ>50 (unilateral)

Nivel de Significancia (α): Probabilidad máxima de

cometer un Error Tipo I (Rechazar H0​ cuando es
verdadera). Usualmente 0.05, 0.01.

Errores Comunes:
Error Tipo I: Rechazar H0​ verdadera (P(Error Tipo I)=α)
Error Tipo II: No rechazar H0​ falsa (P(Error Tipo II)=β)
 Pasos Generales de una Prueba de Hipótesis:
[Link] H0​ y H1​.
[Link] α.
[Link] y calcular el Estadístico de Prueba (ej. Z, t).
Mide qué tan lejos está el resultado muestral de lo
El Proceso de esperado bajo H0​.

Decisión y Prueba 4. Regla de Decisión:

t para una Media Método del Valor Crítico: Comparar el estadístico de
prueba con un valor crítico de la tabla.
Método del p-valor: Comparar el p-valor con α. (Si p-
valor < α⟹ Rechazar H0​).
p-valor: Probabilidad de observar un resultado tan
extremo o más que el de la muestra, si H0​ es verdadera.

5. Concluir en el contexto del problema.

Prueba t para una Media (Recordatorio):

Usada para probar hipótesis sobre una media poblacional (μ)
cuando la desviación estándar poblacional (σ) es desconocida.

Estadístico de Prueba:
xˉ: media muestral
μ0​: valor hipotético de la media poblacional
s: desviación estándar muestral
n: tamaño de la muestra
Distribución: t de Student con gl=n−1 grados de libertad.
Recordatorio - El Objetivo: Tomar una decisión sobre una afirmación específica acerca
Proceso de del valor de una proporción poblacional p0​.

Decisión en Hipótesis (Misma lógica que para μ):

H0​:p=p0​ (o p≤p0​, o p≥p0​)
Pruebas para una H1​:p ≠ p0​ (o p>p0​, o p<p0​)
Proporción (p) Estadístico de Prueba (¡Usamos Z aquí!):
Se utiliza la distribución Normal Estándar (Z) cuando np0​≥5 y
n(1−p0​)≥5.

p^​: proporción muestral.

p0​: valor hipotético de la proporción poblacional.
n: tamaño de la muestra.

El Proceso de Decisión (¡Idéntico al de la Prueba t para la Media!):

1. Formular H0​ y H1​.
2. Elegir α.
3. Calcular el estadístico de prueba Zcalculado​.
4. Regla de Decisión:
• Método del Valor Crítico: Comparar Zcalculado​ con Zcritico (de tabla Z,
basado en α y tipo de prueba).
• Método del p-valor: Comparar p-valor con α. (Si p-valor < α⟹
Rechazar H0​). (El p-valor se obtiene de la distribución Z Normal
Estándar)
5. Concluir en el contexto del problema.
CONEXIÓN CON SEMANAS ANTERIORES: ¿POR QUÉ DOS MUESTRAS?

Antes (S7-S8): Analizábamos UN solo grupo — estimábamos μ o p, o

probábamos una afirmación sobre ellos. AHORA: Tenemos DOS grupos y
queremos saber si sus medias son diferentes.

¿Los tiempos de entrega del ¿El gasto promedio de turistas

Proveedor A son distintos a los europeos difiere del de
del Proveedor B? norteamericanos?

¿La campaña de marketing X ¿El salario promedio en el

genera más ventas promedio sector difiere entre dos países?
que la campaña Y?
La prueba t para DOS muestras independientes responde: ¿La diferencia observada en
las muestras refleja una diferencia REAL en las poblaciones, o es simplemente azar del
muestreo?

Parámetro de interés: La DIFERENCIA de medias poblacionales

μ₁ − μ₂ (bajo H₀ usualmente = 0)
MUESTRAS INDEPENDIENTES — ¿QUÉ SON Y CÓMO IDENTIFICARLAS?
Definición: Dos muestras son INDEPENDIENTES si la selección de
observaciones en una muestra NO influye en absoluto sobre la
selección en la otra. Los grupos son distintos y no relacionados entre
sí.
Ejemplos INDEPENDIENTES Ejemplos PAREADAS (S10 — próximo)

• Medición ANTES y DESPUÉS en el

• Clientes País A vs Clientes País B
mismo individuo
• Hombres vs Mujeres
• Sucursal Lima vs Sucursal
Santiago
• Envíos vía marítima vs vía aérea • Mismo trabajador en dos turnos
• Programa capacitación X vs
• Estudiante con y sin tutoría
Programa Y

CLAVE: ¿Puedo emparejar cada dato del grupo 1 con uno específico del
grupo 2? → SÍ = Pareadas | NO = Independientes

Supuestos: (1) Muestras aleatorias e independientes (2) Poblaciones aproximadamente

normales O n₁≥30 y n₂≥30 (3) Verificar igualdad de varianzas
Objetivo de la prueba

Determinar si la diferencia observada entre las

medias muestrales (xˉ1−xˉ2) es lo
suficientemente grande como para concluir que
existe una diferencia real entre las medias
poblacionales (μ1−μ2), o si la diferencia
observada podría deberse simplemente al azar
del muestreo.
FORMULACIÓN DE HIPÓTESIS PARA μ₁ − μ₂
Hipótesis NULA: Postula que NO hay diferencia entre
H₀ las medias.
H₀: μ₁ = μ₂ equivalentemente H₀: μ₁ − μ₂ = 0
UNILATERAL UNILATERAL
BILATERAL
DERECHA IZQUIERDA
H₁: μ₁ ≠ μ₂ H₁: μ₁ > μ₂ H₁: μ₁ < μ₂
¿Es μ₁ ¿Es μ₁
¿Difieren?
mayor? menor?

Dos colas → Cola derecha → Cola izquierda →

Rechazar si |t| > tα/2 Rechazar si t > tα Rechazar si t < −tα

El estadístico depende de si las varianzas poblacionales son iguales (Caso 1: t-pooled) o

desiguales (Caso 2: Welch)
 Parámetro de Interés: La diferencia entre las medias
Prueba t para poblacionales: μ1​−μ2.
Hipótesis:
Dos Medias • Nula (H0​): Generalmente postula que no hay diferencia entre
las medias poblacionales.
Independientes H0:μ1​=μ2 o, equivalentemente, H0:μ1​−μ2​=0
• Alternativa (H1 o Ha​): Postula que sí hay una diferencia. Puede
ser:
Bilateral (diferente de): H1:μ1​≠μ2 (o H1:μ1​−μ2​≠0)
Unilateral Derecha (mayor que): H1:μ1​>μ2 (o H1:μ1​−μ2​>0)
Unilateral Izquierda (menor que): H1:μ1​<μ2 (o
H1:μ1​−μ2​<0)

Estadístico de Prueba: Se utiliza la distribución t de Student, ya

que las varianzas poblacionales casi nunca se conocen.
La fórmula exacta depende de si podemos asumir que las
varianzas poblacionales son iguales o no.

Supuestos:
• Las dos muestras son aleatorias e independientes.
• Las dos poblaciones de donde provienen las muestras siguen
(aproximadamente) una distribución normal, O BIEN, los
tamaños de muestra son suficientemente grandes (n1​≥30 y
n2​≥30) para aplicar el Teorema Central del Límite.
• Supuesto adicional (evaluado para elegir la fórmula): ¿Son las
varianzas poblacionales ?
 CASO 1: VARIANZAS IGUALES (σ₁² = σ₂²) — Estadístico t-pooled
Cuándo usarlo: Cuando hay evidencia teórica o empírica de que la
variabilidad en ambas poblaciones es similar (varianzas muestrales s₁² ≈ s₂²).
SPSS usa la Prueba de Levene para evaluarlo.

① Varianza Combinada (sp²) ② Estadístico de Prueba (t-pooled)

Promedio ponderado de las Cuántos errores estándar separa
varianzas muestrales: la diferencia:

Grados de Libertad: gl = n₁ + n₂ − 2
③
Distribución: t de Student con gl = n₁+n₂−2
Prueba de Levene (en SPSS): Si p-valor de Levene > 0.05 → asumir
varianzas IGUALES → usar t-pooled. Si p-valor ≤ 0.05 → varianzas
DESIGUALES → usar Welch (Caso 2).
Caso 1: Cuándo usarlo: Si hay evidencia teórica o empírica (varianzas
Asumiendo muestrales s12​,s22 son "similares") para creer que la
variabilidad en ambas poblaciones es la misma. Software como
Varianzas SPSS usa la prueba de Levene para evaluar esto.
Poblacionales Varianza Combinada (Pooled Variance, sp2​): Se calcula un
Iguales ( ) promedio ponderado de las varianzas muestrales para obtener
una mejor estimación de la varianza común.

Estadístico de Prueba (t-pooled): Mide cuántos errores

estándar estimados separa la diferencia muestral de la
diferencia hipotética (usualmente 0).

(Donde (μ1​−μ2​)0 es el valor de la diferencia bajo H0​, casi

siempre 0)

Grados de Libertad (gl): df=n1​+n2​−2

Ejercicio 1: Una empresa multinacional tiene dos plantas de producción (Planta Alfa
y Planta Beta) que fabrican el mismo componente electrónico. La
Comparación gerencia quiere determinar si existe una diferencia significativa en el
costo promedio de producción por unidad entre las dos plantas. Se
de Costos de toman muestras aleatorias de los costos de producción de varios lotes:
Producción en Planta Alfa: nA=10 lotes, xˉA=$25.50 por unidad, sA=$2.10 por unidad.
Dos Plantas Planta Beta: nB=12 lotes, xˉB=$24.20 por unidad, sB=$1.90 por unidad.

Asumiendo que los costos de producción en ambas plantas siguen

distribuciones aproximadamente normales y que las varianzas
poblacionales de los costos son iguales, realice una prueba de hipótesis
con α=0.05 para determinar si existe una diferencia en los costos
promedio de producción.

Resolución Paso a Paso:

1. Formular Hipótesis:
• H0:μA=μB (El costo promedio de producción es el mismo en ambas
plantas, o μA−μB=0)
• H1:μA ≠ μB (El costo promedio de producción es diferente entre las
dos plantas - prueba bilateral)

2. Establecer Nivel de Significancia: α=0.05.

3. Seleccionar Estadístico de Prueba: Prueba t para muestras
independientes, asumiendo varianzas poblacionales iguales (t-pooled).
 4. Calcular la Varianza Combinada (sp2​):
Ejercicio 1:
Comparación
de Costos de
Producción en
Dos Plantas
5. Calcular el Estadístico de Prueba (t):

Determinar Grados de Libertad (df): df=nA​+nB​−2=10+12−2=20

Ejercicio 1: 6. Formular Regla de Decisión (Método del Valor Crítico):
Comparación de Para una prueba bilateral con α=0.05 y df=20, los valores críticos se
Costos de encuentran en las colas que dejan α/2=0.025 de probabilidad cada
una.
Producción en
Consultando una tabla t (o usando Excel: INV.T.2C(0.05, 20)),
Dos Plantas tcritico​≈±2.086.

Región de Rechazo: Se rechaza H0​ si tcalculado​<−2.086 o si

tcalculado​>2.086.

7. Tomar Decisión Estadística:

• El tcalculado​=1.524.
• Dado que −2.086<1.524<2.086, el estadístico de prueba no cae en
la región de rechazo.
• Por lo tanto, No se rechaza H0.

8. Interpretar en Contexto: Con un nivel de significancia del 5%, no

hay evidencia estadística suficiente para concluir que existe una
diferencia significativa en el costo promedio de producción por unidad
entre la Planta Alfa y la Planta Beta. La diferencia observada en las
medias muestrales ($25.50 vs $24.20) podría deberse al azar del
muestreo.
EJERCICIO 1 — Costos de Producción (Varianzas Iguales, t-pooled)

Contexto: Multinacional con dos plantas (Alfa y Beta) que fabrican

el mismo componente. Planta Alfa: nₐ=10, x̄ₐ=$25.50, sₐ=$2.10. Planta
Beta: nb=12, x̄b=$24.20, sb=$1.90. Asumir varianzas iguales. α=0.05.
Hipótesis Nivel de Significancia α
① H₀: μₐ=μb | H₁: μₐ≠μb → ②
α = 0.05
Bilateral
Estadístico t
Varianza combinada sp²
t = (25.50−24.20) /
③ sp² = [(9)(4.41)+(11)(3.61)] / 20 ④ √[3.97(1/10+1/12)]
= 79.40/20 = 3.97
= 1.30/0.853 ≈ 1.524
Grados libertad y tcrit
⑤ gl = 10+12−2 = 20 | tcrit = ±2.086 (bilateral, α=0.05)
Interpretar
Decisión
⑥−2.086 < 1.524 < 2.086 ⑦ Con α=0.05, la diferencia ($1.30)
→ NO rechazar H₀
podría deberse al azar

RESULTADO: Con α=5%, no hay evidencia suficiente para concluir que

los costos promedio de producción difieren entre Planta Alfa y Planta
Beta.
 Una empresa global implementa dos programas de capacitación
diferentes (Programa X y Programa Y) para sus nuevos ejecutivos
Ejercicio 2: de ventas internacionales. Para evaluar su efectividad, se mide el
volumen promedio de ventas (en miles de USD) generado por cada
Efectividad de ejecutivo en su primer año después de la capacitación. Se toman las
siguientes muestras:
Programas de
Capacitación en Programa X: nX=18 ejecutivos, xˉX=155 (miles USD), sX=25 (miles
USD).
Ventas Programa Y: nY=15 ejecutivos, xˉY=130 (miles USD), sY=22 (miles
Internacionales USD).

La empresa quiere saber si el Programa X es significativamente más

efectivo que el Programa Y. Asuma que las poblaciones son
aproximadamente normales y que sus varianzas son iguales. Utilice
un nivel de significancia α=0.01.

Resolución Paso a Paso:

1. Formular Hipótesis:
• H0:μX≤μY (La efectividad promedio del Programa X no es mayor
que la del Programa Y, o μX−μY≤0)
• H1:μX>μY (La efectividad promedio del Programa X es mayor
que la del Programa Y - prueba unilateral derecha)

2. Establecer Nivel de Significancia: α=0.01.

3. Seleccionar Estadístico de Prueba: Prueba t para muestras
independientes, asumiendo varianzas poblacionales iguales (t-
pooled).
Ejercicio: 4. Calcular la Varianza Combinada (sp2):

Efectividad de
Programas de
Capacitación en
Ventas
Internacionales
5. Calcular el Estadístico de Prueba (t):
Ejercicio: 6. Determinar Grados de Libertad (df):
Efectividad de df=nX​+nY​−2=18+15−2=31
Programas de 7. Formular Regla de Decisión (Método del p-valor):
Capacitación en • Calcularemos el p-valor para una prueba unilateral derecha.
Ventas Este es P(tdf=31​≥3.018).
• Usando una calculadora o software (Ej. Excel:
Internacionales [Link](3.018, 31) o [Link](3.018, 31)), el p-valor
≈0.0025.
• Regla: Se rechaza H0​ si p-valor <α.

8. Tomar Decisión Estadística:

• p-valor ≈0.0025.
• α=0.01.
• Dado que 0.0025<0.01, se rechaza H0.

9. Interpretar en Contexto: Con un nivel de significancia del

1%, existe evidencia estadística suficiente para concluir que el
volumen promedio de ventas generado por los ejecutivos
capacitados con el Programa X es significativamente mayor
que el de aquellos capacitados con el Programa Y. Esto
sugiere que el Programa X es más efectivo en términos de
generación de ventas.
Ejercicio 1 SPSS:
Para usar esto en SPSS, crearías dos columnas: una
Comparación de llamada Costo y otra llamada Planta. Pondrías los números
Costos de de costo en la columna Costo, y el identificador de la planta
(ej: 1 para Alfa, 2 para Beta) en la columna Planta
Producción en
Dos Plantas Costo Planta Costo Planta
Alfa Beta
24.15 1 23.05 2
26.88 1 25.18 2
23.50 1 24.55 2
27.92 1 22.90 2
25.05 1 26.01 2
22.81 1 23.85 2
26.10 1 24.92 2
24.77 1 23.40 2
28.35 1 25.50 2
24.01 1 24.10 2
22.75 2
25.02 2
Ejercicio 1 SPSS: Pasos en SPSS con estos datos:
Comparación de 1. Abre SPSS y ve a la vista de datos.
2. En la primera columna, ingresa los 10 valores de costo para
Costos de la Planta Alfa, seguidos de los 12 valores de costo para la
Producción en Planta Beta. Nombra esta columna Costo.
3. En la segunda columna, ingresa 1 en las primeras 10 filas
Dos Plantas (para Alfa) y 2 en las siguientes 12 filas (para Beta). Nombra
esta columna Planta.
4. Ve a la "Vista de variables" y para la variable Planta, define
las etiquetas de valor: 1 = Planta Alfa, 2 = Planta Beta.
5. Sigue los pasos descritos anteriormente: Analizar >
Comparar medias > Prueba T para muestras
independientes....
6. Pasa Costo a "Variables de prueba".
7. Pasa Planta a "Variable de agrupación".
8. Haz clic en "Definir grupos", ingresa 1 y 2, y haz clic en
"Continuar".
9. Haz clic en "Aceptar".

Ahora, la salida de SPSS te mostrará la prueba t realizada con

estos datos generados. Los resultados (estadístico t, grados de
libertad, p-valor) deberían ser muy cercanos a los que
calculamos manualmente (t ≈ 1.524, gl = 20, p-valor ≈ 0.143),
confirmando la interpretación.
Caso 2: Asumiendo Cuándo usarlo: Cuando no se puede asumir varianzas
iguales (varianzas muestrales muy diferentes, resultado
de prueba de Levene significativo). Es una aproximación
Varianzas Poblacionales más robusta y a menudo preferida por defecto.
Desiguales -
Estadístico de Prueba (t-Welch): No utiliza varianza
Prueba de Welch combinada.

Grados de Libertad (gl): Calculados con la aproximación

de Welch-Satterthwaite

(Nota: El software calcula esto. El resultado a menudo no

es entero y df<n1​+n2​−2).
PASOS PARA LA PRUEBA t DE DOS MUESTRAS INDEPENDIENTES

Formular Nivel de Evaluar

① Hipótesis →
② Significancia →
③ Varianzas
¿s₁² ≈ s₂²? o Prueba de
Establecer H₀: μ₁=μ₂ y H₁ Elegir α (0.01, 0.05 ó
Levene → elige Caso 1
(bilateral, derecha o 0.10) antes de ver los
(pooled) o Caso 2
izquierda) datos
(Welch)

Calcular Valor Crítico Tomar la

④ Estadístico t ⑤ / p-valor ⑥ Decisión
Aplicar la fórmula del
→ Buscar tcrit en tabla t → Si |t| > tcrit ó p-valor <
con gl y α, o calcular p-
caso elegido; calcular gl α → Rechazar H₀
valor con software

⑦ Interpretar en Contexto
Expresar la decisión en términos del
problema de negocios
Ejercicio: Una fábrica utiliza dos máquinas (Máquina A y Máquina B) para producir
una pieza. Se sospecha que el tiempo promedio de proceso por pieza
Tiempos de puede ser diferente entre las máquinas, y también se cree que la
variabilidad en el tiempo de proceso es diferente. Se toman muestras
Proceso en aleatorias de los tiempos de proceso (en minutos):
Dos Máquinas Máquina A: nA=15 piezas, xˉA=5.8 minutos, sA=1.2 minutos.
Máquina B: nB=20 piezas, xˉB=6.5 minutos, sB=2.0 minutos.

Asumiendo que los tiempos de proceso siguen distribuciones

aproximadamente normales y que las varianzas poblacionales son
desiguales, realice una prueba de hipótesis con α=0.05 para determinar
si existe una diferencia significativa en el tiempo promedio de proceso
entre las dos máquinas.

1. Identificación del Caso:

Estamos comparando las medias de dos grupos independientes (Máquina
A vs Máquina B). El enunciado especifica que debemos asumir varianzas
poblacionales desiguales (σA2≠σB2). Por lo tanto, este es el Caso 2 y
debemos aplicar la Prueba de Welch.

2. Establecer Hipótesis:
Queremos determinar si existe una diferencia en los tiempos promedio.
Esto indica una prueba de dos colas.
H0: μA=μB (El tiempo promedio de proceso es el mismo para ambas
máquinas).
H1: μA≠μB (El tiempo promedio de proceso es diferente para las dos
máquinas).
 3. Nivel de Significancia: α=0.05

Ejercicio: 4. Estadístico de Prueba (Prueba de Welch):

Tiempos de El estadístico t de Welch se calcula como:​​

Proceso en
Dos Máquinas
Sustituyendo los valores:

5. Grados de Libertad (df - Aproximación de Satterthwaite):

Los grados de libertad para la prueba de Welch se calculan con la fórmula
de Satterthwaite:

Calculemos los términos del numerador y denominador:

Ejercicio:
Por convención, los grados de libertad para la prueba de Welch se
Tiempos de redondean hacia abajo al número entero más cercano. gl≈31
Proceso en 6. Regla de Decisión:
Dos Máquinas Tenemos un estadístico t de -1.287 con 31 grados de libertad. Es una
prueba de dos colas con α=0.05.
Podemos encontrar el valor crítico t para α/2=0.025 y gl=31 en una tabla
t o usar software.
El valor crítico t0.025,31​≈2.039. La región de rechazo es cuando
∣tobservado∣>tcritico. En este caso, ∣−1.287∣=1.287.
Alternativamente, podemos calcular el p-valor asociado a t=−1.287 con
gl=31 en una prueba de dos colas. Usando software estadístico, el p-
valor ≈0.208.
7. Conclusión:
Comparamos el p-valor (0.208) con α (0.05). Dado que 0.208>0.05, no
rechazamos la hipótesis nula (H0​).
8. Interpretación: Con un nivel de significancia del 5%, no hay
suficiente evidencia estadística para concluir que existe una diferencia
significativa en el tiempo promedio de proceso entre la Máquina A y la
Máquina B.
 EJEMPLO 2 — Tiempos de Proceso en Dos Máquinas (Welch,
Varianzas Desiguales)
Contexto: Fábrica con dos máquinas. Máquina A: nₐ=15,
x̄ₐ=5.8 min, sₐ=1.2. Máquina B: nb=20, x̄b=6.5 min, sb=2.0.
Varianzas desiguales (Prueba de Welch). α=0.05.
Hipótesis Varianzas (no pooled)

① H₀: μₐ=μb | H₁: μₐ≠μb → ② sₐ²/nₐ = 1.44/15 = 0.096 |

Bilateral sb²/nb = 4.00/20 = 0.200

Estadístico t-Welch Grados libertad (Satterthwaite)

③ t = (5.8−6.5) / √(0.096+0.200) = ④ Numerador: (0.296)² = 0.0876 |
−0.7/0.544 ≈ −1.287 Denominador ≈ 0.002763 → gl ≈ 31
Valor crítico y decisión
⑤ tcrit = ±2.039 (bilateral, α=0.05, gl=31) | |−1.287| < 2.039 → NO
rechazar H₀

RESULTADO: Con α=5%, p-valor≈0.208 > 0.05. No hay evidencia

suficiente para concluir que el tiempo promedio de proceso difiere
entre Máquina A y Máquina B.
 Tiempo Máquina A Tiempo Máquina B

6.05 1 7.80 2

4.98 1 5.50 2
Ejercicio SPSS: Tiempos 7.12 1 6.15 2
de Proceso en Dos 5.30 1 8.05 2
Máquinas 5.75 1 4.90 2

6.21 1 7.20 2
Crea dos columnas en SPSS:
4.88 1 6.00 2
1. Columna llamada Tiempo (Variable 6.50 1 5.85 2
numérica para los minutos de proceso).
5.65 1 8.50 2
2. Columna llamada Maquina (Variable
numérica para identificar la máquina). 5.92 1 5.25 2

6.30 1 6.70 2
Para la variable Maquina, puedes definir las
siguientes etiquetas de valor (Value Labels): 5.50 1 7.55 2
Valor 1: Etiqueta "Maquina A" 6.15 1 5.05 2
Valor 2: Etiqueta "Maquina B"
5.20 1 6.90 2
Ingresa los siguientes valores en las 6.80 1 7.10 2
columnas correspondientes:
5.60 2

6.30 2

7.00 2

5.95 2

6.65 2
 (En total 15 filas para Máquina A (con Maquina=1) y 20 filas para Máquina
B (con Maquina=2))
Ejercicio SPSS:
Pasos en SPSS para ejecutar la Prueba de Welch con estos datos:
Tiempos de [Link] los Datos: Abre SPSS y ve a la vista de datos. Copia y pega o
ingresa manualmente los datos de las dos columnas (Tiempo y Maquina) tal
Proceso en Dos como se muestran arriba.
Máquinas [Link] Variable de Grupo: Ve a la vista de variables. Asegúrate de que
Maquina sea numérica y define las etiquetas de valor 1 = Maquina A y 2 =
Maquina B en la columna "Valores" (Values).

[Link] la Prueba t para Muestras Independientes:

Ve al menú: Analizar > Comparar medias > Prueba T para muestras
independientes...

[Link] el Diálogo:
Pasa la variable Tiempo a la lista de "Variables de prueba".
Pasa la variable Maquina a la lista de "Variable de agrupación".
Haz clic en el botón "Definir grupos...".
En "Grupo 1", escribe 1.
En "Grupo 2", escribe 2.
Haz clic en "Continuar".
Haz clic en "Aceptar".
Interpretación de la Salida en SPSS (Enfocándose en la Prueba de Welch):
La salida de SPSS te mostrará la tabla "Prueba de muestras independientes".
Esta tabla contiene dos filas principales bajo el encabezado "Prueba T para la
igualdad de medias":

Se asumen varianzas iguales (Corresponde a la prueba t de Student estándar).

No se asumen varianzas iguales (Corresponde a la Prueba de Welch).
 Como el enunciado del ejercicio especifica que debes asumir
Ejercicio SPSS: varianzas desiguales, debes ignorar la fila "Se asumen
Tiempos de varianzas iguales" y enfocarte en la fila "No se asumen
varianzas desiguales" para tomar tu decisión.
Proceso en Busca los valores de:
Dos Máquinas T: El estadístico t de Welch calculado por SPSS.
gl: Los grados de libertad calculados por SPSS usando la
aproximación de Satterthwaite. Notarás que este valor no suele
ser un entero en la prueba de Welch.
Sig. (2 colas): El p-valor de dos colas asociado a la prueba de
Welch.
Compara este valor "Sig. (2 colas)" con tu α=0.05.
Si Sig. (2 colas) < 0.05, rechazas H0.
Si Sig. (2 colas) ≥ 0.05, no rechazas H0.
La conclusión a la que llegues (rechazar o no rechazar H0​)
debería ser la misma que la obtenida en el cálculo manual del
Ejercicio 1, aunque los valores exactos de t, gl y p-valor pueden
variar ligeramente debido a que los datos generados son una
aproximación de las estadísticas originales.
 Ejercicio SPSS: Tiempos de Proceso en Dos Máquinas

Tabla 1: Estadísticos de grupo

N: Es el tamaño de la muestra. Tienes 15 piezas de la Máquina A y 20 de la Máquina B.
Media: El promedio de tiempo. Nota que para la Máquina A es 5,8873
Desviación típ. (Desviación Estándar): Indica qué tan dispersos están los datos respecto a la media. La
Máquina B (1,018) tiene una variabilidad mayor que la A (0,653).
Error típ. de la media: Es una estimación de cuánto podría variar la media si tomáramos otra muestra.

Tabla 2: Prueba de muestras independientes

A. Prueba de Levene (Igualdad de varianzas)
Antes de comparar las medias, SPSS verifica si las varianzas son iguales o diferentes.
F: Es el estadístico de contraste de Levene.
Sig. (p-valor de Levene): Aquí salió 0,055.
Interpretación: Como 0,055 es mayor que 0.05, técnicamente "fallamos en rechazar" la igualdad de
varianzas.
 Ejercicio SPSS: Tiempos de Proceso en Dos Máquinas
B. Prueba T para la igualdad de medias
Aquí es donde decides si hay diferencia entre las máquinas. Como el ejercicio pide Prueba de Welch,
miramos siempre la fila inferior ("No se han asumido varianzas iguales").
t: Es tu estadístico de prueba. Resultó -2,162. Indica cuántas desviaciones estándar de diferencia hay entre
las dos medias.
gl (Grados de libertad): Observa que sale 32,358.
Sig. (bilateral): Es el p-valor. Salió 0,038.
• Decisión: Como 0,038 < 0.05, SÍ existen diferencias significativas entre las máquinas.
Diferencia de medias: Es simplemente la resta de las medias (-0,61267). La Máquina A es, en promedio,
más rápida que la B por esa cantidad de minutos.
Error típ. de la diferencia: Es el denominador de la fórmula de t.

C. Intervalo de confianza (95%)

Nos da un rango de dónde se encuentra la verdadera diferencia poblacional:
Inferior: -1,18959
Superior: -,03575
Como ambos números son negativos (el rango no incluye el cero), se confirma que la diferencia es real y que
la Máquina B siempre tiende a ser más lenta que la A.

Interpretación:
Dado que el p-valor (0,038) es menor al nivel de significancia 0.05, rechazamos la hipótesis nula (H0). Existe
evidencia estadística suficiente para afirmar que los tiempos de proceso entre la Máquina A y la Máquina B
son diferentes, siendo la Máquina A más eficiente
Ejercicio: Se comparan dos métodos de enseñanza (Método 1 y Método 2) en
cursos universitarios. Se toman muestras de las calificaciones finales
Calificaciones en (en una escala de 0 a 100) de estudiantes que usaron cada método. Se
supone que la variabilidad en las calificaciones es diferente entre los
Dos Métodos de dos métodos.
Enseñanza
• Método 1: n1​=30 estudiantes, xˉ1​=85.0 puntos, s1​=8.0 puntos.
• Método 2: n2​=40 estudiantes, xˉ2​=81.5 puntos, s2​=12.0 puntos.

Asumiendo normalidad aproximada y varianzas poblacionales

desiguales, realice una prueba de hipótesis con α=0.01 para
determinar si el Método 1 resulta en una calificación promedio
significativamente mayor que el Método 2.

1. Identificación del Caso:

Estamos comparando las medias de dos grupos independientes
(Método 1 vs Método 2). Se nos indica que asumamos varianzas
poblacionales desiguales (σ12≠σ22​). Este es el Caso 2, y usaremos la
Prueba de Welch.

2. Establecer Hipótesis:
Queremos determinar si el Método 1 es mayor que el Método 2. Esto
indica una prueba de una cola (cola derecha, ya que H1 es μ1​>μ2​).
H0: μ1​=μ2 (La calificación promedio es la misma para ambos métodos).
H1: μ1​>μ2 (La calificación promedio del Método 1 es mayor que la del
Método 2).
3. Nivel de Significancia: α=0.01
 4. Estadístico de Prueba (Prueba de Welch):
Ejercicio:
Calificaciones
Sustituyendo los valores:
en Dos
Métodos de
Enseñanza

5. Grados de Libertad (df - Aproximación de Satterthwaite):

 Ahora calculamos los grados de libertad:
Ejercicio:
Calificaciones Redondeando hacia abajo al entero más cercano: gl≈67
en Dos 6. Regla de Decisión:
Métodos de
Enseñanza Tenemos un estadístico t de 1.462 con 67 grados de libertad. Es una
prueba de una cola (derecha) con α=0.01.

Podemos encontrar el valor crítico t para α=0.01 y gl=67 en una tabla t o

usar software. Buscando t0.01,67​, encontramos que es aproximadamente
2.380. La región de rechazo es cuando tobservado​>tcritico. En este caso,
1.462.

Alternativamente, calculamos el p-valor asociado a t=1.462 con gl=67 en

una prueba de una cola derecha. Usando software estadístico, el p-valor
≈0.074.

7. Conclusión:
Comparamos el p-valor (0.074) con α (0.01). Dado que 0.074>0.01, no
rechazamos la hipótesis nula (H0​).

8. Interpretación: Con un nivel de significancia del 1%, no hay

suficiente evidencia estadística para concluir que el Método de
Enseñanza 1 resulta en una calificación promedio significativamente
mayor que el Método de Enseñanza 2.
Toma de
Decisión Valor Crítico:
Se elige el nivel de significancia α (ej. 0.05, 0.01).
(Método del Se determina el/los valor/es crítico/s tcrit de la tabla t con
los gl apropiados (Caso 1 o Caso 2) y α (o α/2 para
Valor Crítico prueba bilateral).
Se compara tcalculado con tcritico Se rechaza H0 si tcalculado
o del p- cae en la región de rechazo. Ejem.
∣tcalc∣>∣tcrit∣ para bilateral
valor): tcalc>tcrit para cola derecha
tcalc​<tcrit para cola izquierda.

p-valor (más común con software):

1. El software calcula el p-valor asociado al tcalculado.
2- Se compara el p-valor con α.
3. Regla:
Si p-valor<α, se rechaza H0.
Si p-valor≥α, no se rechaza H0.

Conclusión: Expresar la decisión en el contexto del

problema, indicando si hay evidencia estadística
suficiente (o no) para afirmar la hipótesis alternativa, al
nivel de significancia elegido.
 Ejercicio 1: Comparación de Tiempos de Entrega
Ejercicios (Potencialmente Varianzas Iguales)
desarrollados Una empresa importadora trabaja con dos compañías de
envío internacional, A y B, para traer productos desde
China. Quiere determinar si existe una diferencia
significativa en los tiempos promedio de entrega (en días).
Registra los tiempos para una muestra de nA​=15 envíos de
la Compañía A y nB​=12 envíos de la Compañía B. Los
resultados son:

• Compañía A: xˉA​=28.5 días, sA​=3.5 días.

• Compañía B: xˉB​=26.1 días, sB​=3.1 días.
Asumiendo que las varianzas poblacionales podrían
ser iguales y que los tiempos siguen
aproximadamente una distribución normal, realice
una prueba de hipótesis con α=0.05 para determinar
si las medias de los tiempos de entrega difieren.
 1. Hipótesis:
H0​:μA​=μB (El tiempo promedio de entrega es el mismo para ambas
Resolución compañías)
H1​:μA≠μB​ (Los tiempos promedio de entrega son diferentes)

2. Nivel de Significancia: α=0.05.

3. Prueba a Utilizar: Prueba t para muestras independientes, asumiendo

varianzas iguales (t-pooled).

4. Calcular Varianza Combinada (sp2​):

5. Calcular Estadístico de Prueba (t):

Resolución 7. Grados de Libertad: df=nA​+nB​−2=15+12−2=25.

8. Regla de Decisión (Valor Crítico):

• Es una prueba bilateral con α=0.05 y df=25. Buscamos
tcrit​ tal que el área en cada cola sea α/2=0.025.
• tcrit​=t0.025,25​≈±2.060.
• Región de Rechazo: t<−2.060 o t>2.060.
• Como tcalculado​=1.86 no cae en la región de rechazo
(−2.060<1.86<2.060).

Decisión: No rechazar H0​.

Conclusión: Con un nivel de significancia del 5%, no hay

evidencia estadística suficiente para concluir que existe
una diferencia significativa en los tiempos promedio de
entrega entre la Compañía A y la Compañía B. La
diferencia observada en las muestras (xˉA​=28.5 vs
xˉB​=26.1) podría deberse al azar del muestreo.
Ejercicio 2:
Comparación de
Ventas Promedio Una empresa multinacional quiere comparar el
desempeño de sus equipos de ventas en dos
Regionales regiones: América Latina (LATAM) y Europa. Se
(Varianzas sospecha que, debido a condiciones de mercado
diferentes, la variabilidad de las ventas es mayor en
Desiguales) LATAM. Toman muestras aleatorias de los registros de
ventas mensuales (en miles de USD) de vendedores
individuales:

LATAM (L): nL​=25 vendedores, xˉL​=55.8 (miles USD),

sL​=15.2 (miles USD).

Europa (E): nE​=35 vendedores, xˉE​=62.5 (miles USD),

sE​=8.5 (miles USD).

Realice una prueba de hipótesis con α=0.01 para

determinar si las ventas promedio mensuales en
Europa son significativamente mayores que en
LATAM. Utilice la prueba apropiada sin asumir
varianzas iguales.
 1. Hipótesis:
H0​:μE​≤μL​ (o H0​:μE​−μL​≤0) (La media de ventas en Europa no es
mayor que en LATAM)
H1​:μE​>μL​ (o H1​:μE​−μL​>0) (La media de ventas en Europa es
Resolución mayor que en LATAM - prueba de cola derecha)

2. Nivel de Significancia: α=0.01.

3. Prueba a Utilizar: Prueba t para muestras independientes, sin

asumir varianzas iguales (Prueba de Welch).

4. Calcular Estadístico de Prueba (t):

5. Grados de Libertad (Welch-Satterthwaite):

Podemos usar df=34 (redondeando hacia abajo es más

conservador)
 6. Regla de Decisión (p-valor o Valor Crítico):
Resolución
Usando Valor Crítico: Prueba de cola derecha, α=0.01, df=34.
Buscamos tcrit​=t0.01,34​. (Usando Excel: INV.T(1-0.01, 34) o
[Link](0.99, 34)) ≈2.441.
Región de Rechazo: t>2.441.
Como tcalculado​=1.99 no es mayor que 2.441, no cae en la región
de rechazo.
Usando p-valor (conceptual): Calcularíamos el área a la
derecha de t=1.99 con df=34. (Usando Excel: [Link](1.99,
34) o [Link](1.99, 34)) ≈0.027.
Comparamos p-valor con α: 0.027>0.01.

7. Decisión: No rechazar H0​.

8. Conclusión: Con un nivel de significancia del 1%, no hay

evidencia estadística suficiente para concluir que las ventas
promedio mensuales en Europa sean significativamente
mayores que en América Latina. Aunque la media muestral
europea fue mayor, la diferencia no es estadísticamente
significativa a este estricto nivel de confianza, posiblemente
debido a la alta variabilidad en LATAM y el tamaño de las
muestras.
 “Global Connect" es una empresa peruana de e-commerce que
CASO DE ESTUDIO: importa productos tecnológicos de dos principales proveedores en
Asia: "TechSource Ltd." y "Innovatech Corp." La gerencia de "Global
"GLOBAL Connect" está preocupada por los tiempos de tránsito de los envíos,
ya que esto impacta directamente en la satisfacción del cliente y en
CONNECT" - los niveles de inventario. Quieren determinar si existe una diferencia
EFICIENCIA DE significativa en el tiempo promedio de tránsito (desde que el
proveedor despacha hasta que el producto llega al almacén de
PROVEEDORES "Global Connect" en Lima) entre estos dos proveedores.
LOGÍSTICOS Durante los últimos seis meses, han registrado los tiempos de
tránsito (en días) para una serie de envíos seleccionados al azar de
cada proveedor.

Datos Recopilados:
TechSource Ltd. (Proveedor 1):
• Número de envíos muestreados (n1​): 25
• Tiempo promedio de tránsito muestral (xˉ1​): 32.5 días
• Desviación estándar muestral (s1​): 5.8 días

Innovatech Corp. (Proveedor 2):

• Número de envíos muestreados (n2​): 20
• Tiempo promedio de tránsito muestral (xˉ2​): 28.9 días
• Desviación estándar muestral (s2​): 4.1 días

Supuestos Adicionales:
• Se considera que los tiempos de tránsito para cada proveedor
siguen distribuciones aproximadamente normales.
• Las muestras son independientes.
 Tarea:
CASO DE ESTUDIO: La gerencia de "Global Connect" te ha contratado como analista
para:
"GLOBAL Realizar una prueba de hipótesis para determinar si existe una
CONNECT" - diferencia significativa en el tiempo promedio de tránsito entre
"TechSource Ltd." e "Innovatech Corp." Utiliza un nivel de
EFICIENCIA DE significancia α=0.05.
PROVEEDORES Antes de realizar la prueba t final, evaluar si se puede asumir que
las varianzas poblacionales son iguales. (Aunque no tenemos
LOGÍSTICOS SPSS aquí para la prueba de Levene, discutiremos cómo se tomaría
la decisión basada en las varianzas muestrales y luego
procederemos con el caso que parezca más apropiado, y si es
posible, mencionaremos el otro).
Interpretar los resultados y proporcionar una recomendación a la
gerencia.
 Paso 1: Formular las Hipótesis
Queremos determinar si hay una diferencia en los tiempos promedio de
tránsito. Esto sugiere una prueba bilateral.
CASO DE • Hipótesis Nula (H0​): No hay diferencia en los tiempos promedio de tránsito
ESTUDIO: entre los dos proveedores. H0​:μ1​=μ2​ (o H0​:μ1​−μ2​=0)
"GLOBAL • Hipótesis Alternativa (H1​): Existe una diferencia en los tiempos promedio
CONNECT" - de tránsito entre los dos proveedores. H1​:μ1≠μ2​ (o H1​:μ1​−μ2≠0)
EFICIENCIA DE Paso 2: Establecer el Nivel de Significancia
PROVEEDORES El nivel de significancia proporcionado es α=0.05.
LOGÍSTICOS Paso 3: Evaluar la Igualdad de Varianzas Poblacionales
Para decidir qué fórmula de la prueba t usar (varianzas iguales o desiguales),
primero debemos evaluar si es razonable asumir que σ12​=σ22​.
Calculamos las varianzas muestrales:

Observamos que s12​ (33.64) es aproximadamente el doble de s22​ (16.81). Si

bien no hay una regla estricta sin una prueba formal como la de Levene, esta
diferencia podría sugerir que las varianzas poblacionales no son iguales.
Nota para la clase: En SPSS, realizaríamos la prueba de Levene. Si el p-valor
de Levene fuera > 0.05, asumiríamos varianzas iguales. Si fuera ≤0.05,
asumiríamos varianzas desiguales.
Decisión para este ejercicio: Dada la diferencia observada, procederemos
con la Prueba t para muestras independientes asumiendo varianzas
poblacionales desiguales (Prueba de Welch). Este es generalmente el
enfoque más seguro cuando no se está seguro o cuando las varianzas
muestrales difieren notablemente. (Si se quisiera ilustrar el caso de varianzas
iguales, se podría decir "supongamos que la prueba de Levene no fue
significativa y procedamos con varianzas iguales" para mostrar ese cálculo).
 Paso 4: Seleccionar y Calcular el Estadístico de Prueba (Asumiendo
Varianzas Desiguales - Prueba de Welch)
La fórmula del estadístico de prueba es:
CASO DE
ESTUDIO:
"GLOBAL
CONNECT" -
EFICIENCIA DE Donde (μ1​−μ2​)0​=0 según H0​.
PROVEEDORES
LOGÍSTICOS

Paso 5: Determinar los Grados de Libertad (df) para la Prueba de

Welch
La fórmula de Welch-Satterthwaite es:

Redondeamos hacia abajo al entero más cercano: df=42.

CASO DE Paso 6: Formular la Regla de Decisión
ESTUDIO: Usaremos el método del valor crítico. Es una prueba
"GLOBAL bilateral con α=0.05 y df=42. Necesitamos encontrar los
CONNECT" - valores críticos tcritico​ que dejan α/2=0.025 en cada
EFICIENCIA DE cola.
PROVEEDORES Consultando una tabla t o usando software (Ej. Excel:
LOGÍSTICOS INV.T.2C(0.05, 42) o [Link].2T(0.05,42)): tcritico​≈±2.018

Región de Rechazo: Se rechaza H0​ si tcalculado​<−2.018 o

si tcalculado​>2.018.

Paso 7: Tomar la Decisión Estadística

El estadístico de prueba calculado es t≈2.435.

Comparamos con los valores críticos: 2.435>2.018.
El estadístico de prueba calculado cae en la región de
rechazo.
Por lo tanto, se rechaza H0.
CASO DE
ESTUDIO: Paso 8: Interpretar los Resultados en Contexto y Proporcionar
"GLOBAL Recomendación

CONNECT" - Con un nivel de significancia del 5%, existe evidencia estadística

EFICIENCIA DE suficiente para concluir que hay una diferencia significativa en el tiempo
PROVEEDORES promedio de tránsito entre "TechSource Ltd." e "Innovatech Corp.".
LOGÍSTICOS Observación Adicional: Dado que xˉ1​=32.5 días y xˉ2​=28.9 días, y
hemos rechazado la hipótesis de que las medias son iguales, la
evidencia sugiere que "TechSource Ltd." tiene tiempos de tránsito
promedio más largos que "Innovatech Corp.".

Recomendación a la Gerencia de "Global Connect":

• Los datos indican que "Innovatech Corp." es, en promedio, más
rápido en sus entregas que "TechSource Ltd.".
• "Global Connect" podría considerar esta diferencia al tomar
decisiones sobre la asignación de pedidos futuros, especialmente
para productos donde el tiempo de entrega es crítico.
• Sería recomendable investigar las causas de los tiempos de tránsito
más largos de "TechSource Ltd." y, si es posible, trabajar con ellos
para mejorar su eficiencia o negociar mejores condiciones.
• Se podría también analizar la consistencia (variabilidad) de los
tiempos de entrega de cada proveedor, además de la media, para
una evaluación más completa.
 Si hubiéramos asumido Varianzas Iguales (para fines
comparativos o si la prueba de Levene lo indicara):
CASO DE
ESTUDIO:
"GLOBAL
CONNECT" -
EFICIENCIA DE
PROVEEDORES
LOGÍSTICOS [Link]ístico de Prueba (t):

[Link] de Libertad (df): df=n1​+n2​−2=25+20−2=43

[Link] Crítico (bilateral, α=0.05,df=43): tcritico​≈±2.017

(usando Excel: INV.T.2C(0.05, 43))

[Link]ón: 2.344>2.017, por lo que también se rechazaría H0.

En este caso particular, la conclusión es la misma. Sin
embargo, es importante elegir el método correcto basado en la
evidencia sobre las varianzas, ya que en otras situaciones la
conclusión podría cambiar.
 Ejercicio 1: Comparación de la Resistencia de un Material (Para
EJERCICIOS resolución manual)

PROPUESTOS Una empresa farmacéutica ha desarrollado dos formulaciones

(Fórmula A y Fórmula B) para un nuevo recubrimiento de pastillas,
buscando mejorar su resistencia a la ruptura. Se toma una muestra
aleatoria de pastillas recubiertas con cada fórmula y se mide la
fuerza necesaria para romperlas (en Newtons). Se asume que la
fuerza de ruptura sigue una distribución aproximadamente normal en
ambas formulaciones y que las varianzas poblacionales son iguales.

Fórmula A: nA​=18 pastillas, xˉA​=15.2 N, sA​=2.5 N.

Fórmula B: nB​=22 pastillas, xˉB=14.0 N, sB​=2.1 N.

Con un nivel de significancia de α=0.05, realice una prueba de

hipótesis para determinar si existe una diferencia significativa en la
resistencia promedio entre las dos formulaciones.

Instrucciones para el estudiante:

• Establece las hipótesis nula y alternativa.
• Calcula la varianza combinada (sp2​).
• Calcula el estadístico t de Student.
• Determina los grados de libertad.
• Encuentra el valor crítico t para una prueba de dos colas o calcula
el p-valor.
• Toma una decisión sobre si rechazar o no la hipótesis nula.
• Escribe una conclusión en el contexto del problema.
 Ejercicio 2: Satisfacción del Cliente con Dos Servicios (Para
resolución manual - Prueba de Welch)
EJERCICIOS Una empresa de telecomunicaciones quiere comparar los niveles de
satisfacción de los clientes que utilizan dos servicios diferentes (Servicio
PROPUESTOS X y Servicio Y). Se realiza una encuesta a muestras aleatorias de
usuarios de cada servicio, pidiéndoles que califiquen su satisfacción en
una escala de 1 a 10. Se considera que las puntuaciones de satisfacción
siguen una distribución aproximadamente normal, pero se sospecha (y
se asume para esta prueba) que la variabilidad en las puntuaciones es
diferente entre los dos grupos; es decir, las varianzas poblacionales son
desiguales.
Servicio X: nX​=25 usuarios, xˉX=7.8, sX​=1.5.
Servicio Y: nY​=35 usuarios, xˉY​=7.3, sY​=2.2.
Con un nivel de significancia de α=0.05, realice una prueba de hipótesis
para determinar si existe una diferencia significativa en el nivel promedio
de satisfacción entre los dos servicios.

Instrucciones para el estudiante:

• Establece las hipótesis nula y alternativa.
• Identifica que, al asumir varianzas desiguales, debes usar la Prueba
de Welch.
• Calcula el estadístico t de Welch.
• Calcula los grados de libertad utilizando la aproximación de
Satterthwaite y redondéalos hacia abajo al entero más cercano.
• Encuentra el valor crítico t para una prueba de dos colas (usando los
grados de libertad calculados) o calcula el p-valor.
• Toma una decisión sobre si rechazar o no la hipótesis nula.
• Escribe una conclusión en el contexto del problema.
 Ejercicio 3: Rendimiento de Cultivos con Dos Tipos de
EJERCICIOS Fertilizante (Para resolución en SPSS)
PROPUESTOS Un agrónomo desea comparar el rendimiento (en kg por
hectárea) de un cultivo utilizando dos tipos de fertilizante
(Fertilizante A y Fertilizante B). Selecciona parcelas aleatorias
de terreno y aplica uno de los dos fertilizantes a cada parcela.
Se registran los siguientes rendimientos al final de la
temporada. El agrónomo tiene razones para creer que la
variabilidad del rendimiento podría ser diferente entre los dos
tipos de fertilizante, por lo que se asume que las varianzas
poblacionales son desiguales.
Datos de Rendimiento (kg/ha):
• Fertilizante A (nA​=20): 450, 480, 465, 490, 475, 455, 500,
470, 485, 495, 460, 482, 478, 492, 468, 488, 472, 498, 462,
470
• Fertilizante B (nB​=25): 430, 410, 440, 425, 415, 435, 420,
445, 418, 428, 438, 412, 442, 422, 432, 405, 450, 428, 433,
417, 421, 436, 419, 448, 426
Con un nivel de significancia de α=0.01, utilice SPSS para
realizar una prueba de hipótesis y determinar si el rendimiento
promedio del Fertilizante A es significativamente mayor que el
rendimiento promedio del Fertilizante B, asumiendo varianzas
desiguales.
EJERCICIOS Instrucciones para el estudiante (resolución en SPSS):
PROPUESTOS 1. Abre SPSS y crea dos variables: una para el rendimiento
(Rendimiento) y otra para el tipo de fertilizante (Fertilizante).
2. Ingresa los datos de rendimiento en la variable Rendimiento.
3. Ingresa un código numérico (ej: 1 para Fertilizante A, 2 para
Fertilizante B) en la variable Fertilizante para identificar cada
observación. Define las etiquetas de valor correspondientes (ej:
1 = Fertilizante A, 2 = Fertilizante B).
4. Ve a Analizar > Comparar medias > Prueba T para muestras
independientes....
5. Configura el diálogo: Rendimiento como Variable de prueba,
Fertilizante como Variable de agrupación. Define los grupos (1 y
2).
6. Ejecuta la prueba.
7. En la tabla de salida "Prueba de muestras independientes",
enfócate en la fila titulada "No se asumen varianzas
iguales" (que corresponde a la Prueba de Welch, apropiada
dada la suposición del ejercicio).
8. Identifica el estadístico t, los grados de libertad y el valor "Sig.
(2 colas)".
9. Dado que la hipótesis alternativa es unilateral (μA​>μB​), divide el
valor "Sig. (2 colas)" por 2 para obtener el p-valor unilateral.
10. Compara el p-valor unilateral con α=0.01.
11. Escribe tu decisión y conclusión en el contexto del problema.
MAPA RESUMEN — ¿CUÁNDO USAR CADA PRUEBA?

Criterio t-pooled (Caso 1) Welch (Caso 2)

Supuesto de varianzas σ₁² = σ₂² (iguales) σ₁² ≠ σ₂² (desiguales)

Levene p≤0.05 o s₁² muy ≠

¿Cuándo? Levene p>0.05 o s₁²≈s₂²
s₂²

Fórmula estadístico

Satterthwaite (no entero,

Grados de libertad gl = n₁+n₂−2 (entero)
redondear ↓)

Fila: 'Se asumen varianzas Fila: 'No se asumen

En SPSS
iguales' varianzas iguales'

Regla general: Rechazar H₀ si |t| > tcrit ó p-valor < α (ambos

métodos)
Conclusión [Link]

✓
La prueba t de dos muestras independientes compara medias de grupos
que NO están relacionados entre sí

✓
El primer paso siempre es verificar si las varianzas son iguales (Caso 1:
pooled) o desiguales (Caso 2: Welch)

✓
En SPSS: leer la fila 'Se asumen varianzas iguales' (Caso 1) o 'No se
asumen' (Caso 2) según resultado de Levene

✓
La interpretación siempre debe hacerse en el contexto del problema de
negocios, no solo en términos estadísticos

PRÓXIMA SEMANA (S10):

Pruebas de hipótesis sobre DOS MUESTRAS RELACIONADAS (o pareadas) —
cuando las observaciones SÍ están vinculadas entre sí (antes/después,
gemelos, etc.)

Mag. Soledad Canaza • Semana 9: Comparación de Medias Dos Poblaciones

Independientes • Estadística para Negocios Internacionales