INDICE

UNIDAD I
TEORIA DEL MUESTREO
Muestras aleatorias
Errores en el muestreo
Distribuciones muestrales
Teorema del lmite central
Distribucin muestral de medias
Distribucin muestral de proporciones
Distribucin muestral de diferencia de medias
Distribucin muestral de diferencia de proporciones
Distribucin Muestral de nmero de defectos
Problemas propuestos
ESTIMACION
Estimacin Puntual
Propiedades de un buen estimador
Estimacin por intervalos
Estimacin para la media
Estimacin de una proporcin
Estimacin de la diferencia entre dos medias
Estimacin de la diferencia de Proporciones
DETERMINACION DE TAMAOS DE MUESTRA
Clculo del tamao de la muestra para estimar una media
Clculo del tamao de la muestra para estimar una proporcin
Clculo del tamao de la muestra para estimar la diferencia de medias
Clculo del tamao de la muestra para diferencia de proporciones
Problemas propuestos

UNIDAD II
PRUEBA DE HIPOTESIS
Hiptesis nula
Hiptesis alternativa
Error tipo I y tipo II
Pasos para establecer un ensayo de hiptesis
Tipos de Ensayo
Uso de valores P para la toma de decisiones
Error tipo II
Curva caracterstica de operacin
Problemas propuestos

UNIDAD III
TEORIA DE PEQUEAS MUESTRAS
Distribucin t de student.
Intervalo de confianza para una media con varianza desconocida.
Prueba de hiptesis sobre la media de una distribucin normal, varianza desconocida.
Error tipo II.
Distribucin Ji-cuadrada.
Estimacin de la varianza.
Ensayo de hiptesis para la varianza de una distribucin normal.
Error tipo II.
Distribucin Fisher.
Intervalo de confianza para el cociente de varianzas de dos distribuciones normales.
Ensayo de hipstesis.
Error tipo II.
Intervalo de confianza para la diferencia de medias de dos distribuciones normales varianza desconocida.
Intervalo de confianza para la diferencia de medias de dos distribuciones normales varianza
desconocida pero iguales.
Prueba sobre dos medias, poblaciones normales, varianza desconocida pero iguales.
Intervalo de confianza para la diferencia de medias de dos distribuciones normales varianzas
desconocidas diferentes.
Prueba sobre dos medias, poblaciones normales varianzas desconocidas diferentes.
Muestras pequeas dependientes o pruebas pareadas.
Ejercicios propuestos.

UNIDAD IV
PRUEBA CHI-CUADRADA Y ESTADISTICA NO PARAMETRICA
Ensayo de hipstesis.
Prueba chi-cuadrada para la bondad de ajuste.
Tablas de contingencia.
Tablas de contingencia para probar homogeneidad.
Estadstica no paramtrica.
Prueba del signo.
Prueba del signo para muestras pareadas.
Prueba del rango con signa de Wilcoxon.
Dos muestras con observaciones pareadas.
Aproximacin normal para muestras grandes.
Ejercicios propuestos.

TEORIA DEL MUESTREO

Uno de los propsitos de la estadstica inferencial es estimar las caractersticas
poblacionales desconocidas, examinando la informacin obtenida de una
muestra, de una poblacin. El punto de inters es la muestra, la cual debe ser
representativa de la poblacin objeto de estudio.
Se seguirn ciertos procedimientos de seleccin para asegurar de que las
muestras reflejen observaciones a la poblacin de la que proceden, ya que solo
se pueden hacer observaciones probabilsticas sobre una poblacin cuando se
usan muestras representativas de la misma.
Una poblacin est formada por la totalidad de las observaciones en las cuales
se tiene cierto observa.
Una muestra es un subconjunto de observaciones seleccionadas de una
poblacin.
Muestras Aleatorias
Cuando nos interesa estudiar las caractersticas de poblaciones grandes, se
utilizan muestras por muchas razones; una enumeracin completa de la
poblacin, llamada censo, puede ser econmicamente imposible, o no se cuenta
con el tiempo suficiente.
A continuacin se ver algunos usos del muestreo en diversos campos:
1. Poltica. Las muestras de las opiniones de los votantes se usan para que los
candidatos midan la opinin pblica y el apoyo en las elecciones.
2. Educacin. Las muestras de las calificaciones de los exmenes de
estudiantes se usan para determinar la eficiencia de una tcnica o programa
de enseanza.
3. Industria. Muestras de los productos de una lnea de ensamble sirve para
controlar la calidad.
4. Medicina. Muestras de medidas de azcar en la sangre de pacientes
diabticos prueban la eficacia de una tcnica o de un frmaco nuevo.
5. Agricultura. Las muestras del maz cosechado en una parcela proyectan en
la produccin los efectos de un fertilizante nuevo.
6. Gobierno. Una muestra de opiniones de los votantes se usara para
determinar los criterios del pblico sobre cuestiones relacionadas con el
bienestar y la seguridad nacional.
Errores en el Muestreo
Cuando se utilizan valores muestrales, o estadsticos para estimar valores
poblacionales, o parmetros, pueden ocurrir dos tipos generales de errores: el
error muestral y el error no muestral.

El error muestral se refiere a la variacin natural existente entre muestras

tomadas de la misma poblacin.
Cuando una muestra no es una copias exacta de la poblacin; an si se ha
tenido gran cuidado para asegurar que dos muestras del mismo tamao sean
representativas de una cierta poblacin, no esperaramos que las dos sean
idnticas en todos sus detalles. El error muestral es un concepto importante que
ayudar a entender mejor la naturaleza de la estadstica inferencial.
Los errores que surgen al tomar las muestras no pueden clasificarse como
errores muestrales y se denominan errores no muestrales.
El sesgo de las muestras es un tipo de error no muestral. El sesgo muestral se
refiere a una tendencia sistemtica inherente a un mtodo de muestreo que da
estimaciones de un parmetro que son, en promedio, menores (sesgo negativo),
o mayores (sesgo positivo) que el parmetro real.
El sesgo muestral puede suprimirse, o minimizarse, usando la aleatorizacin.
La aleatorizacin se refiere a cualquier proceso de seleccin de una muestra de
la poblacin en el que la seleccin es imparcial o no est sesgada; una muestra
elegida con procedimientos aleatorios se llama muestra aleatoria.
Los tipos ms comunes de tcnicas de muestreo aleatorios son el muestreo
aleatorio simple, el muestreo estratificado, el muestreo por conglomerados y el
muestreo sistemtico.
Si una muestra aleatoria se elige de tal forma que todos los elementos de la
poblacin tengan la misma probabilidad de ser seleccionados, la llamamos
muestra aleatoria simple.
Ejemplo 1.1
Suponga que nos interesa elegir una muestra aleatoria de 5 estudiantes en un
grupo de estadstica de 20 alumnos. 20C5 da el nmero total de formas de elegir
una muestra no ordenada y este resultado es 15,504 maneras diferentes de
tomar la muestra. Si listamos las 15,504 en trozos separados de papel, una
tarea tremenda, luego los colocamos en un recipiente y despus los revolvemos,
entonces podremos tener una muestra aleatoria de 5 si seleccionamos un trozo
de papel con cinco nombres. Un procedimiento ms simple para elegir una
muestra aleatoria sera escribir cada uno de los 20 nombres en pedazos
separados de papel, colocarlos en un recipiente, revolverlos y despus extraer
cinco papeles al mismo tiempo.
Otro mtodo parea obtener una muestra aleatoria de 5 estudiantes en un grupo
de 20 utiliza una tabla de nmeros aleatorios. Se puede construir la tabla usando
una calculadora o una computadora. Tambin se puede prescindir de estas y
3

hacer la tabla escribiendo diez dgitos del 0 al 9 en tiras de papel, las colocamos
en un recipiente y los revolvemos, de ah, la primera tira seleccionada determina
el primer nmero de la tabla, se regresa al recipiente y despus de revolver otra
vez se selecciona la seguida tira que determina el segundo nmero de la tabla;
el proceso contina hasta obtener una tabla de dgitos aleatorios con tantos
nmeros como se desee.
Hay muchas situaciones en las cuales el muestreo aleatorio simple es poco
prctico, imposible o no deseado; aunque sera deseable usar muestras
aleatorias simples para las encuestas nacionales de opinin sobre productos o
sobre elecciones presidenciales, sera muy costoso o tardado.
El muestreo estratificado requiere de separar a la poblacin segn grupos que
no se traslapen llamados estratos, y de elegir despus una muestra aleatoria
simple en cada estrato. La informacin de las muestras aleatorias simples de
cada estrato constituira entonces una muestra global.
Ejemplo 1.2
Suponga que nos interesa obtener una muestra de las opiniones de los
profesores de una gran universidad. Puede ser difcil obtener una muestra con
todos los profesores, as que supongamos que elegimos una muestra aleatoria
de cada colegio, o departamento acadmico; los estratos vendran a ser los
colegios, o departamentos acadmicos.
El muestreo por conglomerados requiere de elegir una muestra aleatoria
simple de unidades heterogneas entre s de la poblacin llamadas
conglomerados. Cada elemento de la poblacin pertenece exactamente a un
conglomerado, y los elementos dentro de cada conglomerado son usualmente
heterogneos o dismiles.
Ejemplo 1.3
Suponga que una compaa de servicio de televisin por cable est pensando
en abrir una sucursal en una ciudad grande; la compaa planea realizar un
estudio para determinar el porcentaje de familias que utilizaran sus servicios,
como no es prctico preguntar en cada casa, la empresa decide seleccionar una
parte de la ciudad al azar, la cual forma un conglomerado.
En el muestreo por conglomerados, stos se forman para representar, tan
fielmente como sea posible, a toda la poblacin; entonces se usa una muestra
aleatoria simple de conglomerados para estudiarla. Los estudios de instituciones
sociales como iglesias, hospitales, escuelas y prisiones se realizan,
generalmente, con base en el muestreo por conglomerados.

El muestreo sistemtico es una tcnica de muestreo que requiere de una

seleccin aleatoria inicial de observaciones seguida de otra seleccin de
observaciones obtenida usando algn sistema o regla.
Ejemplo 1.4
Para obtener una muestra de suscriptores telefnicos en una ciudad grande,
puede obtenerse primero una muestra aleatoria de los nmeros de las pginas
del directorio telefnico; al elegir el vigsimo nombre de cada pgina
obtendramos un muestreo sistemtico, tambin podemos escoger un nombre
de la primera pgina del directorio y despus seleccionar cada nombre del lugar
nmero cien a partir del ya seleccionado. Por ejemplo, podramos seleccionar un
nmero al azar entre los primeros 100; supongamos que el elegido es el 40,
entonces seleccionamos los nombres del directorio que corresponden a los
nmeros 40, 140, 240, 340 y as sucesivamente.
Error Muestral
Cualquier medida conlleva algn error. Si se usa la media para medir, estimar, la
media poblacional , entonces la media muestral, como medida, conlleva algn
error. Por ejemplo, supongamos que se ha obtenido una muestra aleatoria de
tamao 25 de una poblacin con media = 15: si la media de la muestra es
x=12, entonces a la diferencia observada x- = -3 se le denomina el error
muestral. Una media muestral x puede pensarse como la suma de dos
cantidades, la media poblacional y el error muestral; si e denota el error
muestral, entonces:
X= +e
Ejemplo 1.5
Se toman muestras de tamao 2 de una poblacin consistente en tres valores, 2,
4 y 6, para simular una poblacin grande de manera que el muestreo pueda
realizarse un gran nmero de veces, supondremos que ste se hace con
reemplazo, es decir, el nmero elegido se reemplaza antes de seleccionar el
siguiente, adems, se seleccionan muestras ordenadas. En una muestra
ordenada, el orden en que se seleccionan las observaciones es importante, por
tanto, la muestra ordenada (2,4) es distinta de la muestra ordenada (4,2). En la
muestra (4,2), se seleccion primero 4 y despus 2. La siguiente tabla contiene
una lista de todas las muestras ordenadas de tamao 2 que es posible
seleccionar con reemplazo y tambin contiene las medioas muestrales y los
correspondientes errores muestrales. La media poblacional es igual a
= (2+4+6)/3 = 4. Ver la tabla en la siguiente pgina.
Notese las interesantes relaciones siguientes contenidas en la tabla:

La media de la coleccin de medias muestrales es 4, la media de la poblacin de

la que se extraen las muestras. Si x denota la media de todas las medias
muestrales entonces tenemos:
x = (3+4+3+4+5+5+2+4+6)/9 = 4
La suma de los errores muestrales es cero.
e1 + e2 + e3 + . . . + e 9 = (-2) + (-1) + 0 + (-1) + 0 + 1 + 0 + 1 + 2 = 0
Muestras ordenadas
(2,2)
(2,4)
(2,6)
(4,2)
(4,4)
(4,6)
(6,2)
(6,4)
(6,6)

x
2
3
4
3
4
5
4
5
6

Error muestral e = x -
2 4 = -2
3 4 = -1
44=0
3 4 = -1
44=0
54=1
44=0
54=1
64=2

En consecuencia, si x se usa para medir, estimar, la media poblacional , el

promedio de todos los errores muestrales es cero.
Distribuciones Muestrales
Las muestras aleatorias obtenidas de una poblacin son, por naturaleza propia,
impredecibles. No se esperara que dos muestras aleatorias del mismo tamao y
tomadas de la misma poblacin tenga la misma media muestral o que sean
completamente parecidas; puede esperarse que cualquier estadstico, como la
media muestral, calculado a partir de las medias en una muestra aleatoria,
cambie su valor de una muestra a otra, por ello, se quiere estudiar la distribucin
de todos los valores posibles de un estadstico. Tales distribuciones sern muy
importantes en el estudio de la estadstica inferencial, porque las inferencias
sobre las poblaciones se harn usando estadsticas muestrales. Como el
anlisis de las distribuciones asociadas con los estadsticos muestrales,
podremos juzgar la confiabilidad de un estadstico muestral como un instrumento
para hacer inferencias sobre un parmetro poblacional desconocido.
Como los valores de un estadstico, tal como x, varan de una muestra aleatoria
a otra, se le puede considerar como una variable aleatoria con su
correspondiente distribucin de frecuencias.
La distribucin de frecuencia de un estadstico muestral se denomina
distribucin muestral. En general, la distribucin muestral de un estadstico
es la de todos sus valores posibles calculados a partir de muestras del mismo
tamao.

Suponga que se han seleccionado muestras aleatorias de tamao 20 en una

poblacin grande. Se calcula la madia muestral x para cada muestra; la
coleccin de todas estas medias muestrales recibe el nombre de distribucin
muestral de medias, lo que se puede ilustrar en la siguiente figura:
X1

X1
Muestra 1

X2

X2

Muestra 2

X3

X3

Muestra 3

Xk

Muestra K

Xk
POBLACION

Distribucin muestral de
medias (x)

Suponga que se eligen muestras aleatorias de tamao 20, de una poblacin

grande, y se calcula la deviacin estndar de cada una. La coleccin de todas
estas desviaciones estndar muestrales se llama distribucin muestral de la
desviacin estndar, y lo podemos ver en la siguiente figura:
s1

Muestra 1

s2

Muestra 2
Muestra 3

s1
s2
s3
sk

s3

Muestra K

sk

POBLACION

Distribucin muestral de
desviaciones estndar (s)

Ejemplo 1.6
Se eligen muestras ordenadas de tamao 2, con reemplazo, de la poblacin de
valores 0, 2, 4 y 6. Encuentre:
, la media poblaciona.
, la desviacin estndar poblacional.
x, la media de la distribucin muestral de medias.
x , la desviacin estndar de la distribucin muestral de medias.
Adems, grafique las frecuencias para la poblacin y para la distribucin
muestral de medias.
7

Solucin:
a) La media poblacional es:
=

0+ 2+4+6
=3
4

f
1

x
0 2 4 6
Grfica de frecuencias para la poblacin

b) La desviacin estndar de la poblacin es:

=

(0 3)2 + (2 3) 2 + (4 3)2 + (6 3) 2
4

= 2.236

c) A continuacin se listan los elementos de la distribucin muestral de la media

y la correspondiente distribucin de frecuencias.
Muestra x
(0,0)
(0,2)
(0,4)
(0,6)
(2,0)
(2,2)
(2,4)
(2,6)
(4,0)
(4,2)
(4,4)
(4,6)
(6,0)
(6,2)
(6,4)
(6,6)

0
1
2
3
1
2
3
4
2
3
4
5
3
4
5
6

Distribucin de frecuencias de x
x
f
0
1
1
2
2
3
3
4
4
3
5
2
6
1
4
3
2
1
0

2 3

4 5 6

Grfica de frecuencias para las medias de las muestras

La media de la distribucin muestral de medias es:

( fx
f

(0 )(1 ) + (1 )(2 ) + (2 )(3 ) + (3 )(4 ) + (4 )(3 ) + (5 )(2 ) + (6 )(1 ) =

16

48
3

= 3

d) La desviacin estndar de la distribucin muestral de medias es:

(x x ) f
f
2

x =
x =

(0 3)2 1 + (1 3)2 2 + (2 3)2 3 + (3 3)2 4 + (4 3)2 3 + (5 3) 2 2 + (6 3)2 1 = 1.58

16

2.236
=
= 1.58
2
n
Como para cualquier variable aleatoria, la dsitribucin muestral de medias tiene
una media o valor esperado, una varianza y una desviacin estndar, se puede
demostrar que la distribucin muestral de medias tiene una media igual a la
media poblacional. Esto es:
x = E (x) = = 3
Distribuciones muestrales
Despus de haber realizado el ejercicio anterior se puede ver que una
distribucin muestral se genera extrayendo todas las posibles muestras del
mismo tamao de la poblacin y calculndoles a stas su estadstico.
Si la poblacin de la que se extraen las muestras es normal, la distribucin
muestral de medias ser normal sin importar el tamao de la muestra.
De aqu que podamos deducir que: x =

Poblacin
Normal

Distribucin muestral de medias

generada con muestras de

Si la poblacin de donde se extraen las muestras no es normal, entonces el

tamao de la muestra debe ser mayor o igual a 30, para que la distribucin
muestral tenga una forma acampanada. Mientras mayor sea el tamao de la
muestra, ms cerca estar la distribucin muestral de ser normal.
Para muchos propsitos, la aproximacin normal se considera buena si se
cumple n=30. La forma de la disitribucin muestral de medias sea
aproximadamente normal, an en casos donde la poblacin original es bimodal,
es realmente notable.

Poblacin Exponencial

Distribucin muestral de medias

generada con muestras de tamao
9

Teorema del lmite central

Si se seleccionan muestras aleatorias de n observaciones de una poblacin con
media y desviacin estndar , entonces, cuando n es grande, la distribucin
muestral de medias tendr aproximadamente una distribucin normal con una
media igual a y una desviacin estndar de
. La aproximacin ser cada
n
vez ms exacta a medida de que n sea cada vez mayor.

n=50
n=30
n=20

Ejemplo
Para la dsitribucin muestral de medias del ejercicio pasado, encuentre:
a) El error muestral de cada media
b) La media de los errores muestrales
c) La desviacin estndar de los errores muestrales.
Solucin:
a) En la tabla siguiente se ven las muestras, las medias de las muestras y los
errores muestrales:
Muestra x Error muestral, e=x-
(0,0)
0
0 - 3 = -3
(0,2)
1
1 - 3 = -2
(0,4)
2
2 - 3 = -1
(0,6)
3
33=0
(2,0)
1
1 3 = -2
(2,2)
2
2 3 = -1
(2,4)
3
33=0
(2,6)
4
43=1
(4,0)
2
2 3 = -1
(4,2)
3
33=0
(4,4)
4
43=1
(4,6)
5
53=2
(6,0)
3
33=0
(6,2)
4
43=1
(6,4)
5
53=2
(6,6)
6
63=3

10

b) La media de los errores muestrales es e, es:

e =

( 3 ) + ( 2 ) + ( 1 ) +

0 + ... + 2 + 3

16

= 0

c) La desviacin estndar de la distribucin de los errores muestrales e, es

entonces:
e =

(e e )2 f
=
N

( 3 0)21 + ( 2 0)2 2 + (1 0)2 3 + (0 0)2 4 + (1 0)2 3 + (2 0)2 2 + (3 0)21

16

=1.58

La desviacin estndar de la distribucin muestral de un estadstico se conoce

como error estndar del estadstico. Para el ejercicio anterior el error estndar
de la media denotado por x , es 1.58. Con esto se puede demostrar que si de
una poblacin se eligen muestras de tamao n con reemplazo, entonces el
error estndar de la media es igual a la desviacin estndar de la distribucin de
los errores muestrales.
En general se tiene: x = e
Cuando las muestras se toman de una poblacin pequea y sin reemplazo, se
puede usar la formula siguiente para encontrar x .

N n
x =
n N 1
donde es la desviacin estndar de la poblacin de donde se toman las
muestras, n es el tamao de la muestra y N el de la poblacin.
Como rfegla de clculo, si el muestreo se hace sin reemplazo y el tamao de la
poblacin es al menos 20 veces el tamao de la muestra (N20), entonces se
puede usar la frmula.
N n
El factor
se denomina factor de correccin para una poblacin finita.
N 1
Ejemplo:
Suponga que la tabla siguiente muestra la antiguedad en aos en el trabajo de
tres maestros universitarios de matemticas:
Maestro de matemticas
Antiguedad
A
6
B
4
C
2
Suponga adems que se seleccionan muestras aleatorias de tamao 2 sin
reemplazo. Calcule la antigedad media para cada muestra, la media de la
distribucin muestral y el error estndar, o la desviacin estndar de la
distribucin muestral.
Solucin:
Se pueden tener 3C2 =3 muestras posibles. La tabla lista todas las muestras
posibles de tamao 2, con sus respectivas medias muestrales.
Muestras

A,B

Antigedad

(6,4)

Media Muestral

11

A,C
B,C

(6,2)
(4,2)

4
3

La media poblacional es:

2+4+6
=4
3
La media de la distribucin muestral es:
5+ 4 +3
x =
=4
3
La desviacin estndar de la poblacin es:
(6 4 )2 + (4 4 ) 2 + (2 4 ) 2
=
=

= 1 . 63

El error estndar o la desviacin estndar de la distribucin muestral es:

(5 4 )2 + (4 4 ) 2 + (3 4 ) 2 = 0 . 816
=
x

Si utilizamos la frmula del error estndar sin el factor de correcin tendriamos

que:

1 . 63
=
= 1 . 152
n
2

Por lo que observamos que este valor no es el verdadero. Agregando el factor

de correccin obtendremos el valor correcto:

N n
1 . 63
=
N 1
2

32
= 0 . 816
31

El diagrama de flujo resume las decisiones que deben tomarse cuando se

calcula el valor del error estndar:
Comienzo

S
Es la poblacin
infinita?

No

Se muestrea
con sustitucin?

No
S
Es
N20n?

x =

Nn
N 1

12

Distribucin Muestral de Medias

Si recordamos a la distribucin normal, esta es una distribucin continua, en
forma de campana en donde la media, la mediana y la moda tienen un mismo
valor y es simtrica.
Con esta distribucin podamos calcular la probabilidad de algn evento
relacionado con la variable aleatoria, mediante la siguiente frmula:
x
z=

En donde z es una variable estandarizada con media igual a cero y varianza

igual a uno. Con esta frmula se pueden a hacer los clculos de probabilidad
para cualquier ejercicio, utilizando la tabla de la distribucin z.
Sabemos que cuando se extraen muestras de tamao mayor a 30 o bien de
cualquier tamao de una poblacin normal, la distribucin muestral de medias
tiene un comportamiento aproximadamente normal, por lo que se puede utilizar
la formula de la distribucin normal con = x y = x , entonces la frmula
para calcular la probabilidad del comportamiento del estadstico, en este caso la
media de la muestra , quedara de la siguiente manera:
x
z =

n
y para poblaciones finitas y muestro con reemplazo:
x
z=
N n

n N 1
Ejemplo:
Una empresa elctrica fabrica focos que tienen una duracin que se distribuye
aproximadamente en forma normal, con media de 800 horas y desviacin
estndar de 40 horas. Encuentre la probabilidad de que una muestra aleatoria
de 16 focos tenga una vida promedio de menos de 775 horas.
Solucin:
775 800
z=
= 2.5
40
0.0062
16
Este valor se busca en la tabla de z
P( x 775) = P (z 2.5) = 0.0062
775

800

La interpretacin sera que la probabilidad de que la media de la muestra de 16

focos sea menor a 775 horas es de 0.0062.
Ejemplo:
Las estaturas de 1000 estudiantes estn distribuidas aproximadamente en forma
normal con una media de 174.5 centmetros y una desviacin estndar de 6.9
13

centmetros. Si se extraen 200 muestras aleatorias de tamao 25 sin reemplazo

de esta poblacin, determine:
a) El nmero de las medias muestrales que caen entre 172.5 y 175.8
centmetros.
b) El nmero de medias muestrales que caen por debajo de 172 centmetros.
Solucin:
Como se puede observar en este ejercicio se cuenta con una poblacin finita y
un muestreo sin reemplazo, por lo que se tendr que agregar el factor de
correccin. Se proceder a calcular el denominador de Z para slo sustituirlo en
cada inciso.

N n 6.9
1000 25
=
= 1.36
25 1000 1
N 1

a)

z=

N n
N 1

172.5 174.5
= 1.47
1.36

175.8 174.5
z=
= 0.96
1.36
p (172.5 x 175.8) = 0.7607

0.7607

172.5

174.5

175.8

(0.7607)(200)=152 medias muestrales

172 174.5
= 1.83
1.36
p ( x 172) = 0.00336

b) z =

0.0336

(0.0336)(200)= 7 medias muestrales

172

174.5

Distribucin muestral de Proporciones

Existen ocasiones en las cuales no estamos interesados en la media de la
muestra, sino que queremos investigar la proporcin de artculos defectuosos o
la proporcin de alumnos reprobados en la muestra. La distribucin muestral de
proporciones es la adecuada para dar respuesta a estas situaciones. Esta
distribucin se genera de igual manera que la distribucin muestral de medias, a
excepcin de que al extraer las muestras de la poblacin se calcula el
estadstico proporcin (p=x/n en donde x es el nmero de xitos u
observaciones de inters y n el tamao de la muestra) en lugar del estadsitico
media.

14

p1

Muestra 1

p1
p2
p3
.
.
pk
p

p2

Muestra 2

p3

Muestra 3
Muestra K

pk
POBLACION

Distribucin muestral de Proporciones

Una poblacin binomial est estrechamente relacionada con la

distribucin muestral de proporciones; una poblacin binomial es una coleccin
de xitos y fracasos, mientras que una distribucin muestral de proporciones
contiene las posibilidades o proporciones de todos los nmeros posibles de
xitos en un experimento binomial, y como consecuencia de esta relacin, las
afirmaciones probabilsticas referentes a la proporcin muestral pueden
evaluarse usando la aproximacin normal a la binomial, siempre que np5 y
n(1-p)5. Cualquier evento se puede convertir en una proporcin si se divide el
nmero obtenido entre el nmero de intentos.
Generacin de la Distribucin Muestral de Proporciones
Suponga que se cuenta con un lote de 12 piezas, el cual tiene 4 artculos
defectuosos. Se van a seleccionar 5 artculos al azar de ese lote sin reemplazo.
Genere la distribucin muestral de proporciones para el nmero de piezas
defectuosas.
Como se puede observar en este ejercicio la Proporcin de artculos
defectuosos de esta poblacin es 4/12=1/3. Por lo que podemos decir que el
33% de las piezas de este lote estn defectuosas.
El nmero posible de muestras de tamao 5 a extraer de una poblacin de 12
elementos es 12C5=792, las cuales se pueden desglosar de la siguiente manera:
Artculos
Buenos

Artculos Malos

1
2
3
4
5

4
3
2
1
0

Proporcin de
artculos
defectuoso
4/5=0.8
3/5=0.6
2/5=0.4
1/5=0.2
0/5=0
Total

Nmero de maneras
en las que se puede
obtener la muestra
8C1*4C4=8
8C2*4C3=112
8C3*4C2=336
8C4*4C1=280
8C5*4C0=56
792

15

Para calcular la media de la distribucin muestral de proporciones se tendra que

hacer la sumatoria de la frecuencia por el valor de la proporcin muestral y
dividirla entre el nmero total de muestras. Esto es:
(0.8 * 8) + (0.6 *112 ) + (0.4 * 336) + (0.2 * 280 ) + (0 * 56 ) = 1 = 0.3333
p =
792
3
Como podemos observar la media de la distribucin muestral de proporciones es
igual a la Proporcin de la poblacin.
p = P
Tambin se puede calcular la desviacin estndar de la distribucin muestral de
proporciones:
p =

(0.8 1/ 3)2 *8 +(0.6 1/ 3)2 *112+(0.4 1/ 3)2 *336+ (0.21/ 3)2 *280+(0 1/ 3)2 *56 = 0.1681

792
La varianza de la distribucin binomial es 2= npq, por lo que la varianza de la
distribucin muestral de proporciones es 2p =(Pq)/n. Si se sustituten los valores
en esta frmula tenemos que:
(1 / 3)(2 / 3)
p =
= 0.2108 , este valor no coincide con el de 0.1681, ya que nos
5
falta agregar el factor de correccin para una poblacin finita y un muestreo sin
reemplazo:
(1 / 3)(2 / 3) 12 5
p =
= 0.1681
5
12 1

p =

Pq N n
n N 1

300
200
100

0.2

0.4 0.6 0.8

Grfica de frecuencias para las proporciones de las muestras

La frmula que se utilizar para el clculo de probabilidad en una distribucin

muestral de proporciones est basada en la aproximacin de la distribucin
normal a la binomial . Esta frmula nos servir para calcular la probabilidad del
comportamiento de la proporcin en la muestra.

z=

p P
Pq
n

16

A esta frmula se le puede agregar el factor de correccin de

N n
si se cumple con
N 1

las condiciones necesarias.

Ejemplo:
Se ha determinado que 60% de los estudiantes de una universidad grande
fuman cigarrillos. Se toma una muestra aleatoria de 800 estudiantes. Calcule la
probabilidad de que la proporcin de la muestra de la gente que fuma cigarrillos
sea menor que 0.55.
Solucin:
Este ejercicio se puede solucionar por dos mtodos. El primero puede ser con la
aproximacin de la distribucin normal a la binomial y el segundo utilizando la
frmula de la distribucin muestral de proporciones.
Aproximacin de la distribucin normal a la binomial:
Datos:
n=800 estudiantes
p=0.60
x= (.55)(800) = 440 estudiantes
p(x<440) = ?
Media= np= (800)(0.60)= 480
z=

0.0017

x np
439.5 480
=
= 2.92
npq
800(0.60)(0.40 )

440-0.5=439.5

440

480

p(x<440) = 0.0017. Este valor significa que existe una probabilidad del 0.17% de
que al extraer una muestra de 800 estudiantes, menos de 440 fuman cigarrillos.
Distribucin Muestral de Proporciones
Datos:
n=800 estudiantes
P=0.60
p= 0.55
p(p<0.55) = ?

0.0017

0.55

0.60

0.55-(0.5/800)=0.549375

z=

p P

0.549375 0.60

= 2.92 Observe que este valor es igual al obtenido

Pq
(0.60)(0.40)
n
800
en el mtodo de la aproximacin de la distribucin normal a la binomial, por lo
que si lo buscamos en la tabla de z nos da la misma probabilidad de 0.0017.
17

Tambin se debe de tomar en cuenta que el factor de correccin de 0.5 se esta

dividiendo entre el tamao de la muestra, ya que estamos hablando de una
proporcin.
La interpretacin en esta solucin, estara enfocada a la proporcin de la
muestra, por lo que diramos que la probabilidad de que al extraer una
muestra de 800 estudiantes de esa universidad, la proporcin de
estudiantes que fuman cigarrillos sea menor al 55% es del 0.17%.
Ejemplo:
Un medicamento para malestar estomacal tiene la advertencia de que algunos
usuarios pueden presentar una reaccin adversa a l, ms an, se piensa que
alrededor del 3% de los usuarios tienen tal reaccin. Si una muestra aleatoria de
150 personas con malestar estomacal usa el medicamento, encuentre la
probabilidad de que la proporcin de la muestra de los usuarios que realmente
presentan una reaccin adversa, exceda el 4%.
a) Resolverlo mediante la aproximacin de la normal a la binomial
b) Resolverlo con la distribucin muestral de proporciones
a) Aproximacin de la distribucin normal a la binomial:
Datos:
n=150 personas
p=0.03
x= (0.04)(150) = 6 personas
p(x>6) = ?
Media = np= (150)(0.03)= 4.5
z=

x np
6.5 4.5
=
= 0.96
npq
150(0.03)(0.97 )

4.5

0.1685

6
6+0.5=6.5

p(x>6) = 0.1685. Este valor significa que existe una probabilidad del 17% de que
al extraer una muestra de 150 personas, mas de 6 presentarn una reaccin
adversa.
b) Distribucin Muestral de Proporciones
0.1685

Datos:
n=150 personas
P=0.03
p= 0.04
p(p>0.04) = ?

0.03

0.04

0.04+(0.5/150)=0.0433

18

z=

p P

0.0433 0.03

= 0.96 Observe que este valor es igual al obtenido y la

Pq
(0.03)(0.97 )
n
150
interpretacin es: existe una probabilidad del 17% de que al tomar una muestra
de 150 personas se tenga una proporcin mayor de 0.04 presentando una
reaccin adversa.
Ejemplo:
Se sabe que la verdadera proporcin de los componentes defectuosos
fabricadas por una firma es de 4%, y encuentre la probabilidad de que una
muestra aleatoria de tamao 60 tenga:
a) Menos del 3% de los componentes defectuosos.
b) Ms del 1% pero menos del 5% de partes defectuosas.
Solucin:
a) Datos:
n= 60 artculos
P=0.04
p= 0.03
p(p<0.03) = ?

0.2327

0.03

0.04

0.03-(0.5/60)= 0.0216

z=

p P

0.0216 0.04

= 0.73 La probabilidad de que en una muestra de 60

Pq
(0.04 )(0.96)
n
60
artculos exista una proporcin menor de 0.03 artculos defectuosos es de
0.2327.
0.3290

b) Datos:
n= 60 artculos
P=0.04
p= 0.01 y 0.05
p(0.01<p<0.05) = ?
0.01

0.04

0.01+(0.5/60)= 0.0183

z=

p P
Pq
n

0.0183 0.04

(0.04 )(0.96 )
60

= 0.86

z=

p P
Pq
n

0.05

0.05-(0.5/60)= 0.0416

0.0416 0.04

(0.04 )(0.96)

= 0.06

60

19

Distribucin Muestral de Diferencia de Medias

Suponga que se tienen dos poblaciones distintas, la primera con media 1 y
desviacin estndar 1, y la segunda con media 2 y desviacin estndar 2. Ms
an, se elige una muestra aleatoria de tamao n1 de la primera poblacin y una
muestra independiente aleatoria de tamao n2 de la segunda poblacin; se
calcula la media muestral para cada muestra y la diferencia entre dichas medias.
La coleccin de todas esas diferencias se llama distribucin muestral de las
diferencias entre medias o la distribucin muestral del estadstico x1 x 2 .
X21

X11

X11-X 21
Muestra 1

X12

Muestra 2

Muestra 2

X12-X 22
X13-X 23

Muestra 3

Muestra 1

X22

X23

Muestra 3

X13
Muestra K

X1k-X 2k

Muestra K

X2k
X1k

POBLACION 1

Distribucin muestral de
Diferencia de Medias

POBLACION 2

La distribucin es aproximadamente normal para n130 y n230. Si las

poblaciones son normales, entonces la distribucin muestral de medias es
normal sin importar los tamaos de las muestras.
En ejercicios anteriores se haba demostrado que = x y que x=

, por lo

+ 2 .
n1
n2
2

que no es difcil deducir que x1 x 2 = 1 2 y que x1 x 2 =

n
2

La frmula que se utilizar para el calculo de probabilidad del estadstico de

diferencia de medias es:
( x x 2 ) ( 1 2 )
z= 1
12 2 2
+
n1
n2
Ejemplo:
En un estudio para comparar los pesos promedio de nios y nias de sexto
grado en una escuela primaria se usar una muestra aleatoria de 20 nios y otra
de 25 nias. Se sabe que tanto para nios como para nias los pesos siguen
una distribucin normal. El promedio de los pesos de todos los nios de sexto
grado de esa escuela es de 100 libras y su desviacin estndar es de 14.142,
mientras que el promedio de los pesos de todas las nias del sexto grado de esa

20

escuela es de 85 libras y su desviacin estndar es de 12.247 libras. Si x1

representa el promedio de los pesos de 20 nios y x 2 es el promedio de los
pesos de una muestra de 25 nias, encuentre la probabilidad de que el promedio
de los pesos de los 20 nios sea al menos 20 libras ms grande que el de las 25
nias.
Solucin:
Datos:
1 = 100 libras
2 = 85 libras
1 = 14.142 libras
2 = 12.247 libras
n1 = 20 nios
n2 = 25 nias

p ( x1 x 2 20 ) = ?

0.1056

1 -2 =15

z=

( x1 x2 ) ( 1 2 )
1

+ 2
n1
n2
2

x1 x 2 = 20

20 (100 85)

(14.142 )

20

(12.247 )

= 1.25

25

Por lo tanto, la probabilidad de que el promedio de los pesos de la muestra de

nios sea al menos 20 libras ms grande que el de la muestra de las nias es
0.1056.
Ejemplo:
Uno de los principales fabricantes de televisores compra los tubos de rayos
catdicos a dos compaas. Los tubos de la compaa A tienen una vida media
de 7.2 aos con una desviacin estndar de 0.8 aos, mientras que los de la B
tienen una vida media de 6.7 aos con una desviacin estndar de 0.7.
Determine la probabilidad de que una muestra aleatoria de 34 tubos de la
compaa A tenga una vida promedio de al menos un ao ms que la de una
muestra aleatoria de 40 tubos de la compaa B.
Solucin:
Datos:
A = 7.2 aos
B = 6.7 aos
A = 0.8 aos
B = 0.7 aos
nA = 34 tubos
nB = 40 tubos

p ( x A x B 1) = ?

0.0023

A -B=0.5

z=

( x A x B ) ( A B )
A2 B2
+
nA
nB

x A xB = 1

1 (7.2 6.7 )

(0.8) 2 + (0.7 )2
34

= 2.84

40

21

Ejemplo:
Se prueba el rendimiento en km/L de 2 tipos de gasolina, encontrndose una
desviacin estndar de 1.23km/L para la primera gasolina y una desviacin
estndar de 1.37km/L para la segunda gasolina; se prueba la primera gasolina
en 35 autos y la segunda en 42 autos.
a) Cul es la probabilidad de que la primera gasolina de un rendimiento
promedio mayor de 0.45km/L que la segunda gasolina?
b) Cul es la probabilidad de que la diferencia en rendimientos promedio se
encuentre entre 0.65 y 0.83km/L a favor de la gasolina 1?.
Solucin:
En este ejercicio no se cuenta con los parmetros de las medias en ninguna de
las dos poblaciones, por lo que se supondrn que son iguales.
0.0642

Datos:
1 = 1.23 Km/Lto
2 = 1.37 Km/Lto
n1 = 35 autos
n2 = 42 autos

1 -2 =0

a) p ( x1 x 2 0.45 ) = ?

z=

x1 x2 = 0 .45

( x1 x2 ) (1 2 )
12 22
+
n1
n2

( x1 x2 ) (1 2 )
1

+ 2
n1
n2
2

0.83 0

(1.23)2 + (1.37 )2
35

(1.23)2 + (1.37 )2
35

b) p (0.65 x1 x2 0.83) = ?
( x x2 ) (1 2 )
0.65 0
z= 1
=
= 2.19
2
2
2
2
1

(1.23) + (1.37 )
+ 2
n1
n2
35
42
z=

0.45 0

= 1.52

42

= 2.80

42

0.0117

1 -2 =0

0.65

0.83

La probabilidad de que la diferencia en rendimientos promedio en las muestras

se encuentre entre 0.65 y 0.83 Km/Lto a favor de la gasolina 1 es de 0.0117.

22

Distribucin Muestral de Diferencia de Proporciones

Muchas aplicaciones involucran poblaciones de datos cualitativos que deben
compararse utilizando proporciones o porcentajes. A continuacin se citan
algunos ejemplos:
Educacin.- Es mayor la proporcin de los estudiantes que aprueban
matemticas que las de los que aprueban ingls?
Medicina.- Es menor el porcentaje de los usuarios del medicamento A que
presentan una reaccin adversa que el de los usuarios del frmaco B que
tambin presentan una reaccin de ese tipo?
Administracin.- Hay diferencia entre los porcentajes de hombres y mujeres
en posiciones gerenciales.
Ingeniera.- Existe diferencia entre la proporcin de artculos defectuosos
que genera la mquina A a los que genera la mquina B?
Cuando el muestreo procede de dos poblaciones binomiales y se trabaja con
dos proporciones muestrales, la distribucin muestral de diferencia de
proporciones es aproximadamente normal para tamaos de muestra grande
(n1p15, n1q15,n2p25 y n2q25). Entonces p1 y p2 tienen distribuciones
muestrales aproximadamente normales, as que su diferencia p1-p2 tambin
tiene una distribucin muestral aproximadamente normal.
p 21

p 11

Muestra 1

p 12

Muestra 2
Muestra 3

p 13

Muestra K

p11-p21
p12-p22
p13-p23
.
.
.
p1k-p2k

Muestra 1

p 22

Muestra 2
p 23

Muestra 3
Muestra K
p 2k

p 1k

Distribucin muestral de
Diferencia de Proporciones

POBLACION 1

POBLACION 2

Cuando se estudi a la distribucin muestral de proporciones se comprob que

Pq
P = p y que p =
, por lo que no es difcil deducir que p1 p 2 = P1 P2 y
n
que p1 p 2 =

P1q1
Pq
+ 2 2 .
n1
n2

La frmula que se utilizar para el calculo de probabilidad del estadstico de

diferencia de proporciones es:

23

z=

( p1 p 2 ) ( P1 P2 )
P1 q1
Pq
+ 2 2
n1
n2

Ejemplo:
Los hombres y mujeres adultos radicados en una ciudad grande del norte
difieren en sus opiniones sobre la promulgacin de la pena de muerte para
personas culpables de asesinato. Se cree que el 12% de los hombres adultos
estn a favor de la pena de muerte, mientras que slo 10% de las mujeres
adultas lo estn. Si se pregunta a dos muestras aleatorias de 100 hombres y 100
mujeres su opinin sobre la promulgacin de la pena de muerte, determine la
probabilidad de que el porcentaje de hombres a favor sea al menos 3% mayor
que el de las mujeres.
Solucin:
Datos:
PH = 0.12
PM = 0.10
nH = 100
nM = 100
p(pH-p M 0.03) = ?

0.4562

PH -PM=0.02 p H -p M=0.03
0.03-(0.5/100)=0.025

Se recuerda que se est incluyendo el factor de correccin de 0.5 por ser una
distribucin binomial y se est utilizando la distribucin normal.
z=

( pH

pM ) ( PH PM )

0.025 (0.12 0.10 )

= 0.11
(0.12)(0.88) + (0.10)(0.90 )
100
100

PH q H
P q
+ M M
nH
nM
Se concluye que la probabilidad de que el porcentaje de hombres a favor de la
pena de muerte, al menos 3% mayor que el de mujeres es de 0.4562.
Ejemplo:
Una encuesta del Boston College const de 320 trabajadores de Michigan que
fueron despedidos entre 1979 y 1984, encontr que 20% haban estado sin
trabajo durante por lo menos dos aos. Supngase que tuviera que seleccionar
otra muestra aleatoria de 320 trabajadores de entre todos los empleados
despedidos entre 1979 y 1984. Cul sera la probabilidad de que su porcentaje
muestral de trabajadores sin empleo durante por lo menos dos aos, difiera del
porcentaje obtenido en la encuesta de Boston College, en 5% o ms?
Solucin:
En este ejercicio se cuenta nicamente con una poblacin, de la cual se estn
extrayendo dos muestras y se quiere saber la probabilidad de la diferencia de los

24

porcentajes en esas dos muestras, por lo que se debe de utilizar la distribucin

muestral de proporciones con P 1= P 2, ya que es una misma poblacin.
Otra de las situaciones con la cual nos topamos es que desconocemos la
proporcin de trabajadores despedidos entre 1979 y 1984 que estuvieron
desempleados por un perodo de por lo menos dos aos, slo se conoce la
p1= 0.20 ya que al tomar una muestra de 320 trabajadores se observ esa
proporcin.
En la frmula de la distribucin muestral de proporciones para el clculo de
probabilidad se necesita saber las proporciones de las poblaciones, las cuales
en este ejercicio las desconocemos, por lo que se utilizar el valor de 0.20 como
una estimacin puntual de P. En el siguiente tema se abordar el tema de
estimacin estadstica y se comprender el porque estamos utilizando de esa
manera el dato.
Tambin debe de comprenderse la pregunta que nos hace este problema, cul
sera la probabilidad de que su porcentaje muestral de trabajadores sin empleo
durante por lo menos dos aos, difiera del porcentaje obtenido en la encuesta
de Boston College, en 5% o ms?, la palabra difiera quiere decir que puede
existir una diferencia a favor de la muestra uno, o a favor de la muestra dos, por
lo que se tendrn que calcular dos reas en la distribucin y al final sumarlas.
Datos:
p1 = 0.20
n1 = 320 trabajadores
n2 = 320 trabajadores
P1 = P 2

0.063

p 1 -p2 =-0.05

0.063

P1 -P2 =0

-0.05+(0.5/320)=-0.0484

z=

( p1 p 2 ) ( P1 P2 )

P1q1
Pq
+ 2 2
n1
n2

z=

( p1 p 2 ) ( P1 P2 )
P1q1
Pq
+ 2 2
n1
n2

p 1 -p2 =0.05
0.05-(0.5/320)=0.0484

0.0484 0
= 1.53
(0.20 )(0.80) + (0.20)(0.80 )
320
320
0.0484 0
= 1.53
(0.20 )(0.80) + (0.20)(0.80)
320
320

p ( 0.05 p1 p 2 0.05) = 0.063 + 0.063 = 0.1260

La probabilidad de que su proporcion muestral de trabajadores sin empleo
durante por lo menos dos aos, difiera del porcentaje obtenido en la encuesta
de Boston College, en 0.05 o ms es de 0.1260.

25

Ejemplo:
Se sabe que 3 de cada 6 productos fabricados por la mquina 1 son defectuosos
y que 2 de cada 5 objetos fabricados por la mquina 2 son defectuosos; se
toman muestras de 120 objetos de cada mquina:
a) cul es la probabilidad de que la proporcin de artculos defectuosos de la
mquina 2 rebase a la mquina 1 en por lo menos 0.10?
b) cul es la probabilidad de que la proporcin de artculos defectuosos de la
mquina 1 rebase a la mquina 2 en por lo menos 0.15?
Solucin:
Datos:
P1 = 3/6 = 0.5
P2 = 2/5 = 0.4
n1 = 120 objetos
n2 = 120 objetos
a) p(p2-p10.10) = ?
z=

( p 2 p1 ) ( P2 P1 )

0.0011

P2 -P1 =-0.10

p 2 -p1 =0.10

0.10-(0.5/120)=0.0958

0.0958 ( 0.10)
= 3.06
(0.50 )(0.50) + (0.40 )(0.60)
120
120

P1q1
Pq
+ 2 2
n1
n2
Otra manera de hacer este ejercicio es poner P 1-P 2:
0.0011

p 1 -p2 =-0.10

P1 -P2 =0.10

-0.10+(0.5/120)=-0.0958

z=

( p1 p 2 ) ( P1 P2 )
P1q1
Pq
+ 2 2
n1
n2

0.0958 0.10
= 3.06
(0.50 )(0.50) + (0.40)(0.60 )
120
120

La probabilidad de que exista una diferencia de proporciones de artculos

defectuosos de por lo menos 10% a favor de la mquina 2 es de 0.0011.
b) p(p1-p20.15)=?

0.2357

P1 -P2 = 0.10

p 1 -p2 =0.15

0.15-(0.5/120)=0.1458

26

z=

( p1 p 2 ) ( P1 P2 )

0.1458 0.10
= 0.72
(0.50 )(0.50) + (0.40 )(0.60)
120
120

P1q1
Pq
+ 2 2
n1
n2
La probabilidad de que exista una diferencia de proporciones de artculos
defectuosos de por lo menos 15% a favor de la mquina 1 es de 0.2357.
Distribucin Muestral de Nmero de Defectos
En el control de calidad y especficamente en los grficos de control c se aplica
esta distribucin, la cual consiste en que al extraer un artculo contabilicemos el
nmero de defectos que tiene ese artculo.
Esta distribucin muestral proviene de la distribucin de Poisson, en la cual le
media es y que en este caso es el nmero promedio de defectos por unidad.
Como ya es conocido la varianza de la distribucin de Poisson es igual a por lo
que se puede deducir la formula de la siguiente manera:
x
z=

Para la distribucin muestral de nmero de defectos la nomenclatura utilizada

es:
c = nmero defectos por unidad de inspeccin
C = nmero de defectos promedio por unidad de inspeccin
Se debe de recordar que la distribucin de Poisson es una distribucin discreta,
y se esta utilizando la aproximacin de la normal a la Poisson, debiendo aplicar
el factor de correccin de 0.5 segn sea el caso. La formula para la dsitribucin
muestral de nmero de defectos quedara de la siguiente manera:
c C
z=
C
Ejemplo:
En cierta empresa se fabrican productos con un promedio de 8 defectos por
unidad. Determine la probabilidad de que el prximo producto inspeccionado
tenga un nmero de defectos:
a) Mayor o igual a 6
b) Exactamente 7
c) Como mximo 9
0.8106

a)
z=

c C 5.5 8
=
= 0.88
C
8

c=6

C=8

6-0.5 = 5.5

La probabilidad de que el siguiente producto inspeccionado tenga por lo menos

6 defectos es de 0.8106.

27

b) z =

c C 6.5 8
=
= 0.53
C
8

z=

7.5 8
0.17
8

0.1344

c=7
7-0.5=6.5

C=8
7+0.5=7.5

La probabilidad de que el siguiente producto inspeccionado tenga exactamente 7

defectos es de 0.1344.
c)
z=

c C 9.5 8
=
= 0.53
C
8

0.7019

C=8

c=9
9+0.5 = 9.5

La probabilidad de que el siguiente producto inspeccionado tenga a lo ms 9

defectos es de 0.7019.
Problemas propuestos
1. Se sabe que la resistencia a la ruptura de cierto tipo de cuerda se distribuye
normalmente con media de 2000 libras y una varianza de 25,000 lbs2. Si se
selecciona una muestra aleatoria de 100 cuerdas; determine la probabilidad
de que en esa muestra:
a) La resistencia media encontrada sea de por lo menos 1958 libras.
b) La resistencia media se mayor de 2080 libras.
2. Como parte de un proyecto general de mejoramiento de la calidad, un
fabricante textil decide controlar el nmero de imperfecciones encontradas en
cada pieza de tela. Se estima que el nmero promedio de imperfecciones por
cada pieza de tela es de 12, determine la probabilidad de que en la prxima
pieza de tela fabricada se encuentren:
a) Entre 10 y 12 imperfecciones.
b) Menos de 9 y ms de 15 imperfecciones.
3. En una prueba de aptitud la puntuacin media de los estudiantes es de 72
puntos y la desviacin estndar es de 8 puntos. Cul es la probabilidad de
que dos grupos de estudiantes, formados de 28 y 36 estudiantes,
respectivamente, difieran en su puntuacin media en:
a) 3 ms puntos.
28

b) 6 o ms puntos.
c) Entre 2 y 5 puntos.
4. Un especialista en gentica ha detectado que el 26% de los hombres y el
24% de las mujeres de cierta regin del pas tiene un leve desorden
sanguneo; si se toman muestras de 150 hombres y 150 mujeres, determine
la probabilidad de que la diferencia muestral de proporciones que tienen ese
leve desorden sanguneo sea de:
a) Menos de 0.035 a favor de los hombres.
b) Entre 0.01 y 0.04 a favor de los hombres.
5. Una urna contiene 80 bolas de las que 60% son rojas y 40% blancas. De un
total de 50 muestras de 20 bolas cada una, sacadas de la urna con
remplazamiento, en cuntas cabe esperar
a) Igual nmero de bolas rojas y blancas?
b) 12 bolas rojas y 8 blancas?
c) 8 bolas rojas y 12 blancas?
d) 10 mas bolas blancas?
6. Los pesos de 1500 cojinetes de bolas se distribuyen normalmente con media
de 2.40 onzas y desviacin estndar de 0.048 onzas. Si se extraen 300
muestras de tamao 36 de esta poblacin, determinar la media esperada y la
desviacin estndar de la distribucin muestral de medias si el muestreo se
hace:
a) Con remplazamiento
b) Sin remplazamiento
7. La vida media de una mquina para hacer pasta es de siete aos, con una
desviacin estndar de un ao. Suponga que las vidas de estas mquinas
siguen aproximadamente una distribucin normal, encuentre:
a) La probabilidad de que la vida media de una muestra aleatoria de 9 de
estas mquinas caiga entre 6.4 y 7.2 aos.
b) El valor de la x a la derecha del cual caera el 15% de las medias
calculadas de muestras aleatorias de tamao nueve.
8. Se llevan a cabo dos experimentos independientes en lo que se comparan
dos tipos diferentes de pintura. Se pintan 18 especmenes con el tipo A y en
cada uno se registra el tiempo de secado en horas. Lo mismo se hace con el
tipo B. Se sabe que las desviaciones estndar de la poblacin son ambas
1.0. Suponga que el tiempo medio de secado es igual para los dos tipo de
pintura. Encuentre la probabilidad de que la diferencia de medias en el
tiempo de secado sea mayor a uno a favor de la pintura A.

29

Respuestas a los problemas propuestos:

1. a) 0.9960
b) 0
2. a) 0.3221
b) 0.3122
3. a) 0.2150
b) 0.0064
c) 0.4504
4. a) 0.2227
b) 0.2848
5. a) 6
b) 9
c) 2
d) 12
6. a) x = 22.4, x = 0.008
b) x = 22.4, x = ligeramente menor que 0.008
7. a) 0.6898
b) 7.35
8. 0.0013

30

ESTIMACION
El objetivo principal de la estadstica inferencial es la estimacin, esto es que
mediante el estudio de una muestra de una poblacin se quiere generalizar las
conclusiones al total de la misma. Como vimos en la seccin anterior, los
estadsticos varan mucho dentro de sus distribuciones muestrales, y mientras
menor sea el error estndar de un estadstico, ms cercanos sern unos de
otros sus valores.
Existen dos tipos de estimaciones para parmetros; puntuales y por intervalo.
Una estimacin puntual es un nico valor estadstico y se usa para estimar un
parmetro. El estadstico usado se denomina estimador.
Una estimacin por intervalo es un rango, generalmente de ancho finito, que
se espera que contenga el parmetro.
Estimacin Puntual
La inferencia estadstica est casi siempre concentrada en obtener algn tipo de
conclusin acerca de uno o ms parmetros (caractersticas poblacionales).
Para hacerlo, se requiere que un investigador obtenga datos muestrales de cada
una de las poblaciones en estudio. Entonces, las conclusiones pueden estar
basadas en los valores calculados de varias cantidades muestrales . Po ejemplo,
representamos con (parmetro) el verdadero promedio de resistencia a la
ruptura de conexiones de alambres utilizados para unir obleas de
semiconductores. Podra tomarse una muestra aleatoria de 10 conexiones para
determinar la resistencia a la ruptura de cada una, y la media muestral de la
resistencia a la ruptura x se poda emplear para sacar una conclusin acerca del
valor de . De forma similar, si 2 es la varianza de la distribucin de resistencia
a la ruptura, el valor de la varianza muestral s2 se podra utilizar pra inferir algo
acerca de 2.
Cuando se analizan conceptos generales y mtodos de inferencia es
conveniente tener un smbolo genrico para el parmetro de inters. Se utilizar
la letra griega para este propsito. El objetivo de la estimacin puntual es
seleccionar slo un nmero, basados en datos de la muestra, que represente el
valor ms razonable de .
Una muestra aleatoria de 3 bateras para calculadora podra presentar
duraciones observadas en horas de x1=5.0, x2 =6.4 y x3=5.9. El valor calculado
de la duracin media muestral es x = 5.77, y es razonable considerar 5.77 como
el valor ms adecuado de .
Una estimacin puntual de un parmetro es un slo nmero que se puede
considerar como el valor ms razonable de . La estimacin puntual se obtiene
al seleccionar una estadstica apropiada y calcular su valor a partir de datos de
la muestra dada. La estadstica seleccionada se llama estimador puntual de .

31

El smbolo (theta sombrero) suele utilizarse para representar el estimador de

y la estimacin puntual resultante de una muestra dada. Entonces = x se lee
como el estimador puntual de es la media muestral x . El enunciado la
estimacin puntual de es 5.77 se puede escribir en forma abreviada = 5.77 .
Ejemplo:
En el futuro habr cada vez ms inters en desarrollar aleaciones de Mg de bajo
costo, para varios procesos de fundicin. En consecuencia, es importante contar
con mtodos prcticos para determinar varias propiedades mecnicas de esas
aleaciones. Examine la siguiente muestra de mediciones del mdulo de
elasticidad obtenidos de un proceso de fundicin a presin:
44.2 43.9 44.7 44.2 44.0 43.8 44.6 43.1
Suponga que esas observaciones son el resultado de una muestra aleatoria. Se
desea estimar la varianza poblacional 2. Un estimador natural es la varianza
muestral:
2
2
2
2
( x i x )
(
44.2 44.0625) + (43.9 44.0625) + ... + (43.1 44.0625 )
2
2
= s =
=
= 0.251
n 1
8 1
En el mejor de los casos, se encontrar un estimador para el
cual = siempre. Sin embargo, es una funcin de las Xi muestrales, por lo
que en s misma una variable aleatoria.
= + error de estimacin
entonces el estimador preciso sera uno que produzca slo pequeas diferencias
de estimacin, de modo que los valores estimados se acerquen al valor
verdadero.
Propiedades de un Buen Estimador
Insesgado.- Se dice que un estimador puntual es un estimador insesgado de
si E = , para todo valor posible de . En otras palabras, un estimador
insesgado es aquel para el cual la media de la distribucin muestral es el
parmetro estimado. Si se usa la media muestral x para estimar la media
poblacional , se sabe que la x = , por lo tanto la media es un estimador
insesgado.

()

Eficiente o con varianza mnima.- Suponga que 1 y 2 son dos estimadores

insesgados de . Entonces, aun cuando la distribucin de cada estimador est
centrada en el valor verdadero de , las dispersiones de las distribuciones
alrededor del valor verdadero pueden ser diferentes.
Entre todos los estimadores de que son insesgados, seleccione al que tenga
varianza mnima. El resultante recibe el nombre de estimador insesgado
con varianza mnima (MVUE, minimum variance unbiased estimator) de .
En otras palabras, la eficiencia se refiere al tamao de error estndar de la
estadstica. Si comparamos dos estaisticas de una muestra del mismo tamao y
tratamos de decidir cual de ellas es un estimador mas eficiente, escogeramos la

32

estadstica que tuviera el menor error estndar, o la menor desviacin estndar

de la distribucin de muestreo.
Tiene sentido pensar que un estimador con un error estndar menor tendr una
mayor oportunidad de producir una estimacin mas cercana al parmetro de
poblacin que se esta considerando.
Distribucin muestral de
medias

Distribucin muestral de
medianas

Como se puede observar las dos distribuciones tienen un mismo valor en el

parmetro slo que la distribucin muestral de medias tiene una menor varianza,
por lo que la media se convierte en un estimador eficiente e insesgado.
Coherencia.- Una estadstica es un estimador coherente de un parmetro de
poblacin, si al aumentar el tamao de la muestra se tiene casi la certeza de que
el valor de la estadstica se aproxima bastante al valor del parmetro de la
poblacin. Si un estimador es coherente se vuelve mas confiable si tenemos
tamaos de muestras mas grandes.
Suficiencia.- Un estimador es suficiente si utiliza una cantidad de la informacin
contenida de la muestra que ningn otro estimador podra extraer informacin
adicional de la muestra sobre el parmetro de la poblacin que se esta
estimando.
Es decir se pretende que al extraer la muestra el estadstico calculado contenga
toda la informacin de esa muestra. Por ejemplo, cuando se calcula la media de
la muestra, se necesitan todos los datos. Cuando se calcula la mediana de una
muestra slo se utiliza a un dato o a dos. Esto es solo el dato o los datos del
centro son los que van a representar la muestra. Con esto se deduce que si
utilizamos a todos los datos de la muestra como es en el caso de la media, la
varianza, desviacin estndar, etc; se tendr un estimador suficiente.
Estimacin por Intervalos
Un estimado puntual, por ser un slo nmero, no proporciona por s mismo
informacin alguna sobre la precisin y confiabilidad de la estimacin. Por
ejemplo, imagine que se usa el estadstico x para calcular un estimado puntual
de la resistencia real a la ruptura de toallas de papel de cierta marca, y suponga

33

que x = 9322.7. Debido a la variabilidad de la muestra, nunca se tendr el caso

de que x =. El estimado puntual nada dice sobre lo cercano que esta de . Una
alternativa para reportar un solo valor del parmetro que se est estimando es
calcular e informar todo un intervalo de valores factibles, un estimado de
intervalo o intervalo de confianza (IC). Un intervalo de confianza se calcula
siempre seleccionando primero un nivel de confianza, que es una medida de el
grado de fiabilidad en el intervalo. Un intervalo de confianza con un nivel de
confianza de 95% de la resistencia real promedio a la ruptura podra tener un
lmite inferior de 9162.5 y uno superior de 9482.9. Entonces, en un nivel de
confianza de 95%, es posible tener cualquier valor de entre 9162.5 y 9482.9.
Un nivel de confianza de 95% implica que 95% de todas las muestras dara lugar
a un intervalo que incluye o cualquier otro parmetro que se est estimando, y
slo 5% de las muestras producir un intervalo errneo. Cuanto mayor sea el
nivel de confianza podremos creer que el valor del parmetro que se estima est
dentro del intervalo.
Una interpretacin correcta de la confianza de 95% radica en la interpretacin
frecuente de probabilidad a largo plazo: decir que un evento A tiene una
probabilidad de 0.95, es decir que si el experimento donde A est definido re
realiza una y otra vez, a largo plazo A ocurrir 95% de las veces. Para este caso
el 95% de los intervalos de confianza calculados contendrn a .
Valor verdadero de

Esta es una construccin repetida de intervalos de confianza de 95% y se puede

observar que de los 11 intervalos calculados slo el tercero y el ltimo no
contienen el valor de .
De acuerdo con esta interpretacin, el nivel de confianza de 95% no es tanto un
enunciado sobre cualquier intervalo en particular, ms bien se refiere a lo que
sucedera si se tuvieran que construir un gran nmero de intervalos semejantes.
Encontrar z a partir de un nivel de confianza

34

Existen varias tablas en las cuales podemos encontrar el valor de z, segn sea
el rea proporcionada por la misma. En esta seccin se realizar un ejemplo
para encontrar el valor de z utilizando tres tablas diferentes.
Ejemplo:
Encuentre el valor de z para un nivel de confianza del 95%.
Solucin 1:
Se utilizar la tabla que tiene el rea bajo la curva de - hasta z. Si lo vemos
grficamente sera:

El nivel de confianza bilateral est dividido en partes iguales bajo la curva:

0.475

0.475

En base a la tabla que se esta utilizando, se tendr que buscar el rea de 0.975,
ya que cada extremo o cola de la curva tiene un valor de 0.025.
0.975

z = 1.96

Por lo que el valor de z es de 1.96.

Solucin 2:
Si se utiliza una tabla en donde el rea bajo la curva es de 0 a z:

En este caso slo se tendr que buscar adentro de la tabla el rea de 0.475 y el
resultado del valor de z ser el mismo, para este ejemplo 1.96.

35

Solucin 3:
Para la tabla en donde el rea bajo la curva va desde z hasta :
0.025

Se busca el valor de 0.025 para encontrar z de 1.96.

Independientemente del valor del Nivel de Confianza este ser el procedimiento
a seguir para localizar a z. En el caso de que no se encuentre el valor exacto se
tendr que interpolar.
Estimacin para la Media
Es conocido de nosotros durante este curso, que en base a la distribucin
muestral de medias que se gener en el tema anterior, la formula para el calculo
x
de probabilidad es la siguiente: z =
. Como en este caso no conocemos

n
el parmetro y lo queremos estimar por medio de la media de la muestra, slo se
despejar de la formula anterior, quedando lo siguiente:
z
= x
n
De esta formula se puede observar que tanto el tamao de la muestra como el
valor de z se conocern. Z se puede obtener de la tabla de la distribucin normal
a partir del nivel de confianza establecido. Pero en ocasiones se desconoce
por lo que en esos casos lo correcto es utilizar otra distribucin llamada t de
student si la poblacin de donde provienen los datos es normal.
Para el caso de tamaos de muestra grande se puede utilizar una estimacin
puntual de la desviacin estndar, es decir igualar la desviacin estndar de la
muestra a la de la poblacin (s=).
Ejemplos:
1. Se encuentra que la concentracin promedio de zinc que se saca del agua a
partir de una muestra de mediciones de zinc en 36 sitios diferentes es de 2.6
gramos por mililitro. Encuentre los intervalos de confianza de 95% y 99%
para la concentracin media de zinc en el ro. Suponga que la desviacin
estndar de la poblacin es 0.3.
Solucin:
La estimacin puntual de es x = 2.6. El valor de z para un nivel de confianza
del 95% es 1.96, por lo tanto:

36

= x

z
(1.96 )(0.3) = 2.50 y 2.70
= 2.6
n
36
0.95

min = 2.50

max = 2.70

Para un nivel de confianza de 99% el valor de z es de 2.575 por lo que el

intervalo ser ms amplio:
z
(2.575)(0.3) = 2.47 y 2.73
= x
= 2.6
n
36
0.99

min = 2.47

max = 2.73

El intervalo de confianza proporciona una estimacin de la presicin de nuestra

estimacin puntual. Si es realmente el valor central de intervalo, entonces
x estima sin error. La mayor parte de las veces, sin embargo, x no ser
exactamente igual a y la estimacin puntual es errnea. La magnitud de este
error ser el valor absoluto de la diferencia entre y x , y podemos tener el nivel
z
de confianza de que esta diferencia no exceder
.
n
Como se puede observar en los resultados del ejercicio se tiene un error de
estimacin mayor cuando el nivel de confianza es del 99% y ms pequeo
cuando se reduce a un nivel de confianza del 95%.
2. Una empresa elctrica fabrica focos que tienen una duracin
aproximadamente distribuida de forma normal con una desviacin estndar
de 40 horas. Si una muestra de 30 focos tiene una duracin promedio de 780
horas, encuentre un intervalos de confianza de 96% para la media de la
poblacin de todos los focos que produce esta empresa.
Solucin:
z
z
(2.054 )(40) < < 780 + (2.054 )(40) = 765 < < 795
x
< < x+
= 780
n
n
30
30
Con un nivel de confianza del 96% se sabe que la duracin media de los focos
que produce la empresa est entre 765 y 765 horas.

37

3. La prueba de corte sesgado es el procedimiento ms aceptado para evaluar

la calidad de una unin entre un material de reparacin y su sustrato de
concreto. El artculo Testing the Bond Between Repair Materials and
Concrete Substrate informa que, en cierta investigacin, se obtuvo una
resistencia promedio muestral de 17.17 N/mm2 , con una muestra de 48
observaciones de resistencia al corte, y la desviacin estndar muestral fue
3.28 N/mm2 . Utilice un nivel de confianza inferior del 95% para estimar la
media real de la resistencia al corte.
Solucin:
En este ejercicio se nos presentan dos situaciones diferentes a los ejercicios
anteriores. La primera que desconoce la desviacin estndar de la poblacin y la
segunda que nos piden un intervalo de confianza unilateral.
El primer caso ya se haba comentado y se solucionar utilizando la desviacin
estndar de la muestra como estimacin puntual de sigma.
Para el intervalo de confianza unilateral, se cargar el rea bajo la curva hacia
un solo lado como sigue:
0.95

Z=-1.645

z
(1.654 )(3.38) = 16.39
= 17.17
n
48

Esto quiere decir que con un nivel de confianza de 95%, el valor de la media
est en el intervalo (16.39, ).
Estimacin de una Proporcin
Un estimador puntual de la proporcin P en un experimento binomial est dado
por la estadstica P=X/N, donde x representa el nmero de xitos en n pruebas.
Por tanto, la proporcin de la muestra p =x/n se utiulizar como estimador
puntual del parmetro P.
Si no se espera que la proporcin P desconocida est demasiado cerca de 0
de 1, se puede establecer un intervalo de confianza para P al considerar la
distribucin muestral de proporciones.
p P
z=
Pq
n
Al despejar P de esta ecuacin nos queda:

38

Pq
n
En este despeje podemos observar que se necesita el valor del parmetro P y
es precisamente lo que queremos estimar, por lo que lo sustituiremos por la
proporcin de la muestra p siempre y cuando el tamao de muestra no sea
pequeo.
pq
P= pz
n
Cuando n es pequea y la proporcin desconocida P se considera cercana a 0
a 1, el procedimiento del intervalo de confianza que se establece aqu no es
confiable, por tanto, no se debe utilizar. Para estar seguro, se debe requerir que
np nq sea mayor o igual a 5.
P= pz

El error de estimacin ser la diferencia absoluta entre p y P, y podemos tener el

pq
nivel de confianza de que esta diferencia no exceder z
.
n
Ejemplos:
1. Un fabricante de reproductores de discos compactos utiliza un conjunto de
pruebas amplias para evaluar la funcin elctrica de su producto. Todos los
reproductores de discos compactos deben pasar todas las pruebas antes de
venderse. Una muestra aleatoria de 500 reproductores tiene como resultado
15 que fallan en una o ms pruebas. Encuentre un intervalo de confianza de
90% para la proporcin de los reproductores de discos compactos de la
poblacin que no pasan todas las pruebas.
Solucin:
n=500
p = 15/500 = 0.03
z(0.90) = 1.645

pq
(0.03)(0.97 )
= 0.03 (1.645)
n
500
0.0237<P<0.0376
Se sabe con un nivel de confianza del 90% que la proporcin de discos
defectuosos que no pasan la prueba en esa poblacin esta entre 0.0237 y
0.0376.
P= pz

2. En una muestra de 400 pilas tipo B fabricadas por la Everlast Company, se

encontraron 20 defectuosas. Si la proporcin p de pilas defectuosas en esa
muestra se usa para estimar P, que vendr a ser la proporcin verdadera de
todas las pilas defectuosas tipo B fabricadas por la Everlast Company,
encuentre el mximo error de estimacin tal que se pueda tener un 95% de
confianza en que P dista menos de de p.

39

Solucin:
p=x/n = 20/400=0.05
z(0.95)=1.96

pq
(0.05)(0.95 )
= 1.96
= 0.021
n
400
Si p=0.05 se usa para estimar P, podemos tener un 95% de confianza en que P
dista menos de 0.021 de p. En otras palabras, si p=0.05 se usa para erstimar P,
el error mximo de estimacin ser aproximadamente 0.021 con un nivel de
confianza del 95%.
=z

Para calcular el intervalo de confianza se tendra:

p = 0.05 0.021
Esto da por resultado dos valores, (0.029, 0.071). Con un nivel de confianza del
95% se sabe que la proporcin de pulas defectuosas de esta compaa est
entre 0.029 y 0.071.
Si se requiere un menor error con un mismo nivel de confianza slo se
necesita aumentar el tamao de la muestra.
3. En un estudio de 300 accidentes de automvil en una ciudad especfica, 60
tuvieron consecuencias fatales. Con base en esta muestra, construya un
intervalo del 90% de confianza para aproximar la proporcin de todos los
accidentes automovilsticos que en esa ciudad tienen consecuencias fatales.
Solucin:
P= 60/300 = 0.20
Z(0.90) = 1.645

P= pz

pq
(0.20 )(0.80)
= 0.20 (1.645)
= 0.20 0.038
n
300
0.162<P<0.238

Estimacin de la Diferencia entre dos Medias

Si se tienen dos poblaciones con medias 1 y 2 y varianzas 12 y 22,
respectivamente, un estimador puntual de la diferencia entre 1 y 2 est dado
por la estadstica x1 x 2 . Por tanto. Para obtener una estimacin puntual de
1- 2, se seleccionan dos muestras aleatorias independientes, una de cada
poblacin, de tamao n1 y n2 , se calcula la diferencia x1 x 2 , de las medias
muestrales.
Recordando a la distribucin muestral de diferencia de medias:

40

z=

( x1 x 2 ) ( 1 2 )
12 2 2
+
n1
n2

Al despejar de esta ecuacin 1 - 2 se tiene:

2

1
22
1 2 = ( x1 x 2 ) z
+
n1
n2
En el caso en que se desconozcan las varianzas de la poblacin y los tamaos
de muestra sean mayores a 30 se podr utilizar la varianza de la muestra como
una estimacin puntual.
Ejemplos:
1. Se lleva a cabo un experimento en que se comparan dos tipos de motores, A
y B. Se mide el rendimiento en millas por galn de gasolina. Se realizan 50
experimentos con el motor tipo A y 75 con el motor tipo B. La gasolina que se
utiliza y las dems condiciones se mantienen constantes. El rendimiento
promedio de gasolina para el motor A es de 36 millas por galn y el promedio
para el motor B es 24 millas por galn. Encuentre un intervalo de confianza
de 96% sobre la diferencia promedio real para los motores A y B. Suponga
que las desviaciones estndar poblacionales son 6 y 8 para los motores A y
B respectivamente.
Solucin:
Es deseable que la diferencia de medias sea positiva por lo que se recomienda
restar la media mayor menos la media menor. En este caso ser la media del
motor B menos la media del motor A.
El valor de z para un nivel de confianza del 96% es de 2.05.
2

A
B2
36 64
B A = (x B x A ) z
+
= (42 36) 2.05
+
nA
nB
50 75
3.43<B-A <8.57
La interpretacin de este ejemplo sera que con un nivel de confianza del 96% la
diferencia del rendimiento promedio esta entre 3.43 y 8.57 millas por galn a
favor del motor B. Esto quiere decir que el motor B da mas rendimiento promedio
que el motor A, ya que los dos valores del intervalo son positivos.
2. Una compaa de taxis trata de decidir si comprar neumticos de la marca A
o de la B para su flotilla de taxis. Para estimar la diferencia de las dos
marcas, se lleva a cabo un experimento utilizando 12 de cada marca. Los
neumticos se utilizan hasta que se desgastan, dando como resultado
promedio para la marca A 36,300 kilmetros y para la marca B 38,100
kilmetros. Calcule un intervalo de confianza de 95% para la diferencia
promedio de las dos marcas, si se sabe que las poblaciones se distribuyen

41

de forma aproximadamente normal con desviacin estndar de 5000

kilmetros para la marca A y 6100 kilmetros para la marca B.
Solucin:
2

A
2
5000 2 6100 2
B A = (xB xA ) z
+ B = (38100 36300) 1.96
+
nA
nB
12
12
-2662.68<B-A <6262.67
Grficamente:
0.95

B A = 2662.68

B A = 6262.67

B A = 0
Como el intervalo contiene el valor cero, no hay razn para creer que el
promedio de duracin del neumtico de la marca B es mayor al de la marca A,
pues el cero nos est indicando que pueden tener la misma duracin promedio.
Estimacin de la Diferencia de dos Proporciones
En la seccin anterior se vio el tema de la generacin de las distribuciones
muestrales, en donde se tena el valor de los parmetros, se seleccionaban dos
muestras y podamos calcular la probabilidad del comportamiento de los
estadsticos. Para este caso en particular se utilizar la distribucin muestral de
diferencia de proporciones para la estimacin de las misma. Recordando la
formula:
( p p 2 ) ( P1 P2 )
z= 1
P1 q1
Pq
+ 2 2
n1
n2
Despejando P 1-P 2 de esta ecuacin:
Pq
Pq
P1 P2 = ( p1 p 2 ) z 1 1 + 2 2
n1
n2
Aqu se tiene el mismo caso que en la estimacin de una proporcin, ya que al
hacer el despeje nos queda las dos proporciones poblacionales y es
precisamente lo que queremos estimar, por lo que se utilizarn las proporciones
de la muestra como estimadores puntuales:
pq
p q
P1 P2 = ( p1 p 2 ) z 1 1 + 2 2
n1
n2
Ejemplos:
1. Se considera cierto cambio en un proceso de fabricacin de partes
componentes. Se toman muestras del procedimiento existente y del nuevo
42

para determinar si ste tiene como resultado una mejora. Si se encuentra

que 75 de 1500 artculos del procedimiento actual son defectuosos y 80 de
2000 artculos del procedimiento nuevo tambin lo son, encuentre un
intervalo de confianza de 90% para la diferencia real en la fraccin de
defectuosos entre el proceso actual y el nuevo.
Solucin:
Sean P 1 y P2 las proporciones reales de defectuosos para los procesos actual y
nuevo, respectivamente. De aqu, p 1=75/1500 = 0.05 y p2 = 80/2000 = 0.04. con
el uso de la tabla encontramos que z para un nivel de confianza del 90% es de
1.645.
pq
pq
(0.05 )(0.95) (0.04 )(0.96)
P1 P2 = ( p1 p 2 ) z 1 1 + 2 2 = (0.05 0.04) 1.645
+
n1
n2
1500
2000
-0.0017<P 1-P 2<0.0217
Como el intervalo contiene el valor de cero, no hay razn para creer que el
nuevo procedimiento producir una disminucin significativa en la proporcin de
artculos defectuosos comparado con el mtodo existente.
2. Un artculo relacionado con la salud, reporta los siguientes datos sobre la
incidencia de disfunciones importantes entre recin nacidos con madres
fumadoras de marihuana y de madres que no la fumaban:
Tamao Muestral
Nmero de disfunciones
Proporcin muestral

Usuaria
1246
42
0.0337

No Usuaria
11178
294
0.0263

Encuentre el intervalo de confianza del 99% para la diferencia de

proporciones.
Solucin:
Representemos P1 la proporcin de nacimientos donde aparecen disfunciones
entre todas las madres que fuman marihuana y definamos P 2, de manera similar,
para las no fumadoras. El valor de z para un 99% de confianza es de 2.58.
pq pq
(0.0337)(0.9663) (0.0263)(0.9737)
P1 P2 = ( p1 p2 ) z 1 1 + 2 2 = (0.0337 0.0263) 2.58
+
n1
n2
1246
11178
-0.0064<P 1-P 2<0.0212
Este intervalo es bastante angosto, lo cual sugiere que P1-P 2 ha sido estimado
de manera precisa.
Determinacin de Tamaos de Muestra para Estimaciones
Al iniciar cualquier investigacin, la primer pregunta que surge es: de qu
tamao debe ser la o las muestras?. La respuesta a esta pregunta la veremos
en esta seccin, con conceptos que ya se han visto a travs de este material.

43

Clculo del Tamao de la Muestra para Estimar una Media

Qu tan grande debe ser una muestra si la media muestral se va a usar para
estimar la media poblacional?. La respuesta depende del error estndar de la
media, si este fuera cero, entonces se necesitara una sola media que ser igual
necesariamente a la media poblacional desconocida , porque = 0. Este caso
extremo no se encuentra en la prctica, pero refuerza el hecho de que mientras
menor sea el error estndar de la media, menor es el tamao de muestra
necesario para lograr un cierto grado de precisin.
Se estableci antes que una forma de disminuir el error de estimacin es
aumentar el tamao de la muestra, si ste incluye el total de la poblacin,
entonces x sera igual a cero. Con esto en mente, parece razonable que
para un nivel de confianza fijo, sea posible determinar un tamao de la muestra
tal que el error de estimacin sea tan pequeo como queramos, para ser mas
preciso, dado un nivel de confianza y un error fijo de estimacin , se puede
escoger un tamao de muestra n tal que P( x <) = Nivel de confianza. Con
el propsito de determinar n. El error mximo de estimacin esta dado por:
z
=
n
Si se eleva al cuadrado ambos lados de esta ecuacin y se despeja n de la
ecuacin resultante, obtenemos:
2
z
n =

Como n debe de ser un nmero entero, redondeamos hacia arriba todos los
resultados fraccionarios.
En el caso de que se tenga una poblacin finita y un muestreo sin reemplazo, el
error de estimacin se convierte en:
z N n
=
n N 1
De nuevo se eleva al cuadrado ambos lados y se despeja la n, obteniendo:
n=

z 2 2 N
2 ( N 1) + z 2 2

Ejemplos:
1. Un bilogo quiere estimar el peso promedio de los ciervos cazados en el
estado de Maryland. Un estudio anterior de diez ciervos cazados mostr que
la desviacin estndar de sus pesos es de 12.2 libras. Qu tan grande debe
ser una muestra para que el bilogo tenga el 95% de confianza de que el
error de estimacin es a lo ms de 4 libras?

44

Solucin:

z
(1.96 )(12.2 )
n =
=
= 35.736
4

En consecuencia, si el tamao de la muestra es 36, se puede tener un 95% de

confianza en que difiere en menos de 4 libras de x .
2

2. Una empresa elctrica fabrica focos que tienen una duracin

aproximadamente normal con una desviacin estndar de 40 horas. De qu
tamao se necesita una muestra si se desea tener 96% de confianza que la
media real est dentro de 10 horas de la media real?
2
2
z
(2.053)(40 )
n =
=
= 67.43
10

Se necesita una muestra de 68 focos para estimar la media de la poblacin y

tener un error mximo de 10 horas.
Qu pasara si en lugar de tener un error de estimacin de 10 horas slo se
requiere un error de 5 horas?
2
2
z
(2.053)(40 )
n =
=
= 269.74
5

Se puede observar como el tamao de la muestra aumenta, pero esto tiene

como beneficio una estimacin ms exacta.
3. Suponga que en el ejercicio anterior se tiene una poblacin de 300 focos, y
se desea saber de que tamao debe de ser la muestra. El muestreo se
realizar sin reemplazo.
Solucin:
Como se tiene una poblacin finita y un muestreo sin reemplazo es necesario
utilizar la formula con el factor de correccin.
2
2
z 2 2 N
(
2.053) (40) (300)
n= 2
=
= 55.21
( N 1) + z 2 2
(10 )2 (300 1) + (2.053)2 (40 )2
Si se tiene una poblacin finita de 300 focos slo se tiene que extraer de la
poblacin una muestra sin reemplazo de 56 focos para poder estimar la duracin
media de los focos restantes con un error mximo de 10 horas.
Clculo del Tamao de la Muestra para Estimar una Proporcin
Se desea saber que tan grande se requiere que sea una muestra para asegurar
que el error al estimar P sea menor que una cantidad especfica .
pq
=z
n
Elevando al cuadrado la ecuacin anterior se despeja n y nos queda:
z 2 pq
n= 2

45

Esta frmula est algo engaosa, pues debemos utilizar p para determinar el
tamao de la muestra, pero p se calcula a partir de la muestra. Existen
ocasiones en las cuales se tiene una idea del comportamiento de la proporcin
de la poblacin y ese valor se puede sustituir en la frmula, pero si no se sabe
nada referente a esa proporcin entonces se tienen dos opciones:
Tomar una muestra preliminar mayor o igual a 30 para proporcionar una
estimacin de P. Despus con el uso de la frmula se podra determinar de
forma aproximada cuntas observaciones se necesitan para proporcionar el
grado de precisin que se desea.
Tomar el valor de p como 0.5 ya que sustituyendo este en la frmula se
obtiene el tamao de muestra mayor posible. Observe el siguiente ejemplo:
Se desconoce el valor de P, por lo que se utilizarn diferentes valores y se
sustituirn en la formula para observar los diferentes tamaos de muestras. El
nivel de confianza que se utilizar es del 95% con un error de estimacin de
0.30.
z 2 pq
p
n
2
(1.96) 2(0.10)(0.90)
0.10
3.84
(0.30)2
(1.96) 2(0.20)(0.80)
0.20
6.82
(0.30)2
(1.96)2(0.30)(0.70)
0.30
8.96
(0.30) 2
(1.96) 2(0.40)(0.60)
0.40
10.24
(0.30)2
(1.96)2(0.50)(0.50)
0.50
10.67
(0.30) 2
(1.96)2(0.60)(0.40)
0.60
10.24
(0.30) 2
(1.96)2(0.70)(0.30)
0.70
8.96
(0.30) 2
(1.96) 2(0.80)(0.20)
0.80
6.82
(0.30)2
(1.96) 2(0.90)(0.10)
0.90
3.84
(0.30)2
Como se puede observar en la tabla anterior cuando P vale 0.5 el tamao de la
muestra alcanza su mximo valor.
En el caso de que se tenga una poblacin finita y un muestreo sin reemplazo, el
error de estimacin se convierte en:
pq N n
=z
n N 1

46

De nuevo se eleva al cuadrado ambos lados y se despeja la n, obteniendo:

z 2 pqN
n= 2
( N 1) + z 2 pq

Ejemplos:
1. En una muestra aleatoria de 500 familias que tienen televisores en la ciudad
de Hamilton, Canad, se encuentra que 340 estn suscritas a HBO. Qu
tan grande se requiere que sea una muestra si se quiere tener 95% de
confianza de que la estimacin de P est dentro de 0.02?
Solucin:
Se tratarn a las 500 familias como una muestra preliminar que proporciona una
estimacin de p=340/500=0.68.
2
z 2 pq (1.96) (0.68)(0.32 )
n= 2 =
= 2090

(0.02) 2
Por lo tanto si basamos nuestra estimacin de P sobre una muestra aleatoria de
tamao 2090, se puede tener una confianza de 95% de que nuestra proporcin
muestral no diferir de la proporcin real por ms de 0.02.
2. Una legisladora estatal desea encuestar a los residentes de su distrito para
conocer qu proporcin del electorado conoce la opinin de ella, respecto al
uso de fondos estatales para pagar abortos. Qu tamao de muestra se
necesita si se requiere un confianza del 95% y un error mximo de
estimacin de 0.10?
Solucin:
En este problema, se desconoce totalmente la proporcin de residentes que
conoce la opinin de la legisladora, por lo que se utilizar un valor de 0.5 para p.
2
z 2 pq (1.96) (0.50 )(0.50)
n= 2 =
= 96.04

(0.10) 2
Se requiere un tamao de muestra de 97 residentes para que con una confianza
del 95% la estimacin tenga un error mximo de 0.10.
Clculo del Tamao de la Muestra para Estimar la Diferencia de Medias
Si se recuerda a la distribucin muestral de diferencia de medias se tiene que
error esta dado por:
21 2 2
=z
+
n1
n2
En esta ecuacin se nos pueden presentar dos casos:
Los tamaos de muestra son iguales.
Los tamao de muestra son diferentes .

47

Para el primer caso no se tiene ningn problema, se eleva al cuadrado la

ecuacin y se despeja n ya que n1 es igual a n2.
z 2 21 + 2 2
n=
2
Para el segundo caso se pondr una n en funcin de la otra. Este caso se utiliza
cuando las poblaciones son de diferente tamao y se sabe que una es K veces
mayor que la otra.

Poblaci
n 1

Poblacin 2

n1=Kn2

z 2 21 + k 22
n2 =
k 2

Ejemplo:
Un director de personal quiere comparar la efectividad de dos mtodos de
entrenamiento para trabajadores industriales a fin de efectuar cierta operacin
de montaje. Se divide un nmero de operarios en dos grupos iguales: el primero
recibe el mtodo de entrenamiento 1, y el segundo, el mtodo 2. Cada uno
realizar la operacin de montaje y se registrar el tiempo de trabajo. Se espera
que las mediciones para ambos grupos tengan una desviacin estndar
aproximadamente de 2 minutos. Si se desea que la estimacin de la diferencia
en tiempo medio de montaje sea correcta hasta por un minuto, con una
probabilidad igual a 0.95, cuntos trabajadores se tienen que incluir en cada
grupo de entrenamiento?
z 2 21 + 2 2
1.96 2 2 2 + 2 2
n=
=
= 31
2
12
Cada grupo debe contener aproximadamente 31 empleados.

) (

)(

Clculo del Tamao de la Muestra para Estimar la Diferencia de

Proporciones
Si se recuerda a la distribucin muestral de diferencia de medias se tiene que
error esta dado por:
pq
pq
=z 1 1 + 2 2
n1
n2
En esta ecuacin se nos pueden presentar dos casos:
Los tamaos de muestra son iguales.
Los tamao de muestra son diferentes .
Para el primer caso no se tiene ningn problema, se eleva al cuadrado la
ecuacin y se despeja n ya que n1 es igual a n2.

48

z 2 ( p1q1 + p 2 q 2 )
2
Para el segundo caso se pondr una n en funcin de la otra. Este caso se utiliza
cuando las poblaciones son de diferente tamao y se sabe que una es K veces
mayor que la otra.
n=

Poblaci
n 1

Poblacin 2

n1=Kn2

z 2 ( p1q1 + kp2 q 2 )
n2 =
k 2
Ejemplo:
Una compaa de productos alimenticios contrat a una empresa de
investigacin de mercadotecnia , para muestrear dos mercados, I y II, a fin de
comparar las proporciones de consumidores que prefieren la comida congelada
de la compaa con los productos de sus competidores. No hay informacin
previa acerca de la magnitud de las proporciones P1 y P2. Si la empresa de
productos alimenticios quiere estimar la diferencia dentro de 0.04, con una
probabilidad de 0.95, cuntos consumidores habr que muestrear en cada
mercado?
z 2 ( p1q1 + p 2 q2 ) 1.96 2 [(0.5)(0.5) + (0.5)(0.5)]
n=
=
= 1200.5
2
0.04 2
Se tendr que realizar encuestas a 1201 consumidores de cada mercado para
tener una estimacin con una confianza del 95% y un error mximo de 0.04.

Problemas propuestos
1. Se prob una muestra aleatoria de 400 cinescopios de televisor y se
encontraron 40 defectuosos. Estime el intervalo que contiene, con un
coeficiente de confianza de 0.90, a la verdadera fraccin de elementos
defectuosos.
2. Se planea realizar un estudio de tiempos para estimar el tiempo medio de un
trabajo, exacto dentro de 4 segundos y con una probabilidad de 0.90, para
terminar un trabajo de montaje. Si la experiencia previa sugiere que = 16
seg. mide la variacin en el tiempo de montaje entre un trabajador y otro al
realizar una sola operacin de montaje, cuntos operarios habr que incluir
en la muestra?
3. El decano registr debidamente el porcentaje de calificaciones D y F
otorgadas a los estudiantes por dos profesores universitarios de
matemticas. El profesor I alcanz un 32%, contra un 21% para el profesor II,
con 200 y 180 estudiantes, respectivamente. Estime la diferencia entre los

49

porcentajes de calificaciones D y F otorgadas por los dos profesores. Utilice

un nivel de confianza del 95% e interprete los resultados.

4. Suponga que se quiere estimar la produccin media por hora, en un proceso

que produce antibitico. Se observa el proceso durante 100 perodos de una
hora, seleccionados al azar y se obtiene una media de 34 onzas por hora con
una desviacin estndar de 3 onzas por hora. Estime la produccin media
por hora para el proceso, utilizando un nivel de confianza del 95%.
5. Un ingeniero de control de calidad quiere estimar la fraccin de elementos
defectuosos en un gran lote de lmparas. Por la experiencia, cree que la
fraccin real de defectuosos tendra que andar alrededor de 0.2. Qu tan
grande tendra que seleccionar la muestra si se quiere estimar la fraccin
real, exacta dentro de 0.01, utilizando un nivel de confianza fe 95%?
6. Se seleccionaron dos muestras de 400 tubos electrnicos, de cada una de
dos lneas de produccin, A y B. De la lnea A se obtuvieron 40 tubos
defectuosos y de la B 80. Estime la diferencia real en las fracciones de
defectuosos para las dos lneas, con un coeficiente de confianza de 0.90 e
interprete los resultados.
7. Se tienen que seleccionar muestras aleatorias independientes de n1=n2=n
observaciones de cada una de dos poblaciones binomiales, 1 y 2. Si se
desea estimar la diferencia entre los dos parmetros binomiales, exacta
dentro de 0.05, con una probabilidad de 0.98. qu tan grande tendra que
ser n?. No se tiene informacin anterior acerca de los valores P1 y P2, pero
se quiere estar seguro de tener un nmero adecuado de observaciones en la
muestra.
8. Se llevan a cabo pruebas de resistencia a la tensin sobre dos diferentes
clases de largueros de aluminio utilizados en la fabricacin de alas de
aeroplanos comerciales. De la experiencia pasada con el proceso de
fabricacin se supone que las desviaciones estndar de las resistencias a la
tensin son conocidas. La desviacin estndar del larguero 1 es de 1.0
Kg/mm2 y la del larguero 2 es de 1.5 Kg/mm2. Se sabe que el
comportamiento de las resistencias a la tensin de las dos clases de
largueros son aproximadamente normal. Se toma una muestra de 10
largueros del tipo 1 obtenindose una media de 87.6 Kg/mm2, y otra de
tamao 12 para el larguero 2 obtenindose una media de 74.5 Kg/mm2 .
Estime un intervalo de confianza del 90% para la diferencia en la resistencia
a la tensin promedio.
9. Se quiere estudiar la tasa de combustin de dos propelentes slidos
utilizados en los sistemas de escape de emergencia de aeroplanos. Se sabe
que la tasa de combustin de los dos propelentes tiene aproximadamente la

50

misma desviacin estndar; esto es 1=2 = 3 cm/s. Qu tamao de

muestra debe utilizarse en cada poblacin si se desea que el error en la
estimacin de la diferencia entre las medias de las tasas de combustin sea
menor que 4 cm/s con una confianza del 99%?.
Respuesta a los Problemas propuestos
1.
2.
3.
4.
5.
6.
7.
8.
9.

0.07532 P 0.1246
n= 44
0.0222 P1- P 2 0.1978
33.412 34.588
n= 6147
0.059 PB-P A 0.141
n= 1086
12.22 1-2 13.98
n= 8

51

UNIDAD

II

PRUEBA DE HIPOTESIS
Las secciones anteriores han mostrado cmo puede estimarse un parmetro a
partir de los datos contenidos en una muestra. Puede encontrarse ya sea un
slo nmero (estimador puntual) o un intervalo de valores posibles (intervalo de
confianza). Sin embargo, muchos problemas de ingeniera, ciencia, y
administracin, requieren que se tome una decisin entre aceptar o rechazar
una proposicin sobre algn parmetro. Esta proposicin recibe el nombre de
hiptesis. Este es uno de los aspectos ms tiles de la inferencia estadstica,
puesto que muchos tipos de problemas de toma de decisiones, pruebas o
experimentos en el mundo de la ingeniera, pueden formularse como problemas
de prueba de hiptesis.
Una hiptesis estadstica es una proposicin o supuesto sobre los parmetros
de una o ms poblaciones.
Suponga que se tiene inters en la rapidez de combustin de un agente
propulsor slido utilizado en los sistemas de salida de emergencia para la
tripulacin de aeronaves. El inters se centra sobre la rapidez de combustin
promedio. De manera especfica, el inters recae en decir si la rapidez de
combustin promedio es o no 50 cm/s. Esto puede expresarse de manera formal
como
Ho; = 50 cm/s
H1; 50 cm/s
La proposicin Ho ; = 50 cm/s, se conoce como hiptesis nula , mientras que
la proposicin H1 ; 50 cm/s, recibe el nombre de hiptesis alternativa.
Puesto que la hiptesis alternativa especifica valores de que pueden ser
mayores o menores que 50 cm/s, tambin se conoce como hiptesis
alternativa bilateral. En algunas situaciones, lo que se desea es formular una
hiptesis alternativa unilateral, como en
Ho; = 50 cm/s
Ho; = 50 cm/s

H1; < 50 cm/s

H1; > 50 cm/s
Es importante recordar que las hiptesis siempre son proposiciones sobre la
poblacin o distribucin bajo estudio, no proposiciones sobre la muestra. Por lo
general, el valor del parmetro de la poblacin especificado en la hiptesis nula
se determina en una de tres maneras diferentes:
1. Puede ser resultado de la experiencia pasada o del conocimiento del
proceso, entonces el objetivo de la prueba de hiptesis usualmente es
determinar si ha cambiado el valor del parmetro.

52

2. Puede obtenerse a partir de alguna teora o modelo que se relaciona con el

proceso bajo estudio. En este caso, el objetivo de la prueba de hiptesis es
verificar la teora o modelo.
3. Cuando el valor del parmetro proviene de consideraciones externas, tales
como las especificaciones de diseo o ingeniera, o de obligaciones
contractuales. En esta situacin, el objetivo usual de la prueba de hiptesis
es probar el cumplimiento de las especificaciones.
Un procedimiento que conduce a una decisin sobre una hiptesis en particular
recibe el nombre de prueba de hiptesis . Los procedimientos de prueba de
hiptesis dependen del empleo de la informacin contenida en la muestra
aleatoria de la poblacin de inters. Si esta informacin es consistente con la
hiptesis, se concluye que sta es verdadera; sin embargo si esta informacin
es inconsistente con la hiptesis, se concluye que esta es falsa. Debe hacerse
hincapi en que la verdad o falsedad de una hiptesis en particular nunca puede
conocerse con certidumbre, a menos que pueda examinarse a toda la poblacin.
Usualmente esto es imposible en muchas situaciones prcticas. Por tanto, es
necesario desarrollar un procedimiento de prueba de hiptesis teniendo en
cuenta la probabilidad de llegar a una conclusin equivocada.
La hiptesis nula, representada por Ho, es la afirmacin sobre una o ms
caractersticas de poblaciones que al inicio se supone cierta (es decir, la
creencia a priori).
La hiptesis alternativa, representada por H1, es la afirmacin contradictoria a
Ho, y sta es la hiptesis del investigador.
La hiptesis nula se rechaza en favor de la hiptesis alternativa, slo si la
evidencia muestral sugiere que Ho es falsa. Si la muestra no contradice
decididamente a Ho , se contina creyendo en la validez de la hiptesis nula.
Entonces, las dos conclusiones posibles de un anlisis por prueba de hiptesis
son rechazar H o o no rechazar H o.
Prueba de una Hiptesis Estadstica
Para ilustrar los conceptos generales, considere el problema de la rapidez de
combustin del agente propulsor presentado con anterioridad. La hiptesis nula
es que la rapidez promedio de combustin es 50 cm/s, mientras que la hiptesis
alternativa es que sta no es igual a 50 cm/s. Esto es, se desea probar:
Ho; = 50 cm/s
H1; 50 cm/s
Supngase que se realiza una prueba sobre una muestra de 10 especmenes, y
que se observa cual es la rapidez de combustin promedio muestral. La media

53

muestral es un estimador de la media verdadera de la poblacin. Un valor de la

media muestral x que este prximo al valor hipottico = 50 cm/s es una
evidencia de que el verdadero valor de la media es realmente 50 cm/s; esto
es, tal evidencia apoya la hiptesis nula Ho. Por otra parte, una media muestral
muy diferente de 50 cm/s constituye una evidencia que apoya la hiptesis
alternativa H1. Por tanto, en este caso, la media muestral es el estadstico de
prueba.
La media muestral puede tomar muchos valores diferentes. Supngase que si
48.5 x 51.5, entonces no se rechaza la hiptesis nula Ho; = 50 cm/s, y que si
x <48.5 x >51.5, entonces se acepta la hiptesis alternativa H1 ; 50 cm/s.
Los valores de x que son menores que 48.5 o mayores que 51.5 constituyen la
regin crtica de la prueba, mientras que todos los valores que estn en el
intervalo 48.5 x 51.5 forman la regin de aceptacin. Las fronteras entre las
regiones crtica y de aceptacin reciben el nombre de valores crticos. La
costumbre es establecer conclusiones con respecto a la hiptesis nula Ho. Por
tanto, se rechaza Ho en favor de H1 si el estadstico de prueba cae en la regin
crtica, de lo contrario, no se rechaza Ho .
Este procedimiento de decisin puede conducir a una de dos conclusiones
errneas. Por ejemplo, es posible que el valor verdadero de la rapidez promedio
de combustin del agente propulsor sea igual a 50 cm/s. Sin embargo, para
todos los especmenes bajo prueba, bien puede observarse un valor del
estadstico de prueba x que cae en la regin crtica. En este caso, la hiptesis
nula Ho ser rechazada en favor de la alternativa H1cuando, de hecho, Ho en
realidad es verdadera. Este tipo de conclusin equivocada se conoce como
error tipo I.
El error tipo I se define como el rechazo de la hiptesis nula Ho cuando sta es
verdadera. Tambin es conocido como nivel de significancia.
Si tuviramos un nivel de confianza del 95% entonces el nivel de significancia
sera del 5%. Anlogamente si se tiene un nivel de confianza del 90% entonces
el nivel de significancia sera del 10%.
Ahora supngase que la verdadera rapidez promedio de combustin es diferente
de 50 cm/s, aunque la media muestral x caiga dentro de la regin de aceptacin.
En este caso se acepta Ho cuando sta es falsa. Este tipo de conclusin recibe
el nombre de error tipo II.
El error tipo II error se define como la aceptacin de la hiptesis nula
cuando sta es falsa.
Por tanto, al probar cualquier hiptesis estadstica, existen cuatro situaciones
diferentes que determinan si la decisin final es correcta o errnea.

54

Decisin
Aceptar Ho
Rechazar Ho

Ho es verdadera
No hay error
Error tipo I

Ho es falsa
Error tipo II
No hay error

1. Los errores tipo I y tipo II estn relacionados. Una disminucin en la

probabilidad de uno por lo general tiene como resultado un aumento en la
probabilidad del otro.
2. El tamao de la regin crtica, y por tanto la probabilidad de cometer un error
tipo I, siempre se puede reducir al ajustar el o los valores crticos.
3. Un aumento en el tamao muestral n reducir y de forma simultnea.
4. Si la hiptesis nula es falsa, es un mximo cuando el valor real del
parmetro se aproxima al hipottico. Entre ms grande sea la distancia entre
el valor real y el valor hipottico, ser menor .
PASOS PARA ESTABLECER UN ENSAYO DE HIPOTESIS
INDEPENDIENTEMENTE DE LA DISTRIBUCION QUE SE ESTE TRATANDO
1. Interpretar correctamente hacia que distribucin muestral se ajustan los datos
del enunciado.
2. Interpretar correctamente los datos del enunciado diferenciando los
parmetros de los estadsticos. As mismo se debe determinar en este punto
informacin implcita como el tipo de muestreo y si la poblacin es finita o
infinita.
3. Establecer simultneamente el ensayo de hiptesis y el planteamiento grfico
del problema. El ensayo de hiptesis est en funcin de parmetros ya que
se quiere evaluar el universo de donde proviene la muestra. En este punto se
determina el tipo de ensayo (unilateral o bilateral).
4. Establecer la regla de decisin. Esta se puede establecer en funcin del valor
crtico, el cual se obtiene dependiendo del valor de (Error tipo I o nivel de
significancia) o en funcin del estadstico lmite de la distribucin muestral.
Cada una de las hiptesis deber ser argumentada correctamente para
tomar la decisin, la cual estar en funcin de la hiptesis nula o Ho .
5. Calcular el estadstico real, y situarlo para tomar la decisin.
6. Justificar la toma de decisin y concluir.
Tipos de Ensayo
Se pueden presentar tres tipos de ensayo de hiptesis que son:
Unilateral Derecho
Unilateral Izquierdo
Bilateral

55

Dependiendo de la evaluacin que se quiera hacer se seleccionar el tipo de

ensayo.

Unilateral Derecho. El investigador desea comprobar la hiptesis de un

aumento en el parmetro, en este caso el nivel de significancia se carga todo
hacia el lado derecho, para definir las regiones de aceptacin y de rechazo.
Ensayo de hiptesis:
H1

Ho

Ho; Parmetro x
H1; Parmetro > x

Regin de
rechazo

Regin de aceptacin

Parmetro = x
Unilateral Izquierdo: El investigador desea comprobar la hiptesis de una
disminucin en el parmetro, en este caso el nivel de significancia se carga
todo hacia el lado izquierdo, para definir las regiones de aceptacin y de
rechazo.
Ensayo de hiptesis:
H1
Ho
Regin de
Ho; Parmetro x
rechazo
H1; Parmetro < x

Regin de aceptacin

Parmetro = x

Bilateral: El investigador desea comprobar la hiptesis de un cambio en el

parmetro. El nivel de significancia se divide en dos y existen dos regiones
de rechazo.
Ho
Ensayo de hiptesis:
H1
H1

Ho; Parmetro = x
H1; Parmetro x

Regin de
rechazo

Regin de
Rechazo

/2

/2
Regin de aceptacin

Parmetro = x
Para realizar los ejemplos y ejercicios de ensayo de hiptesis se recomienda
seguir los pasos mencionados anteriormente. Los ejemplos siguientes se
solucionarn por los pasos recomendados, tenindose una variedad de
problemas en donde se incluirn a todas las distribuciones muestrales que se
han visto hasta aqu.
Ejemplos:

56

1. Una muestra aleatoria de 100 muertes registradas en Estados Unidos el ao

pasado muestra una vida promedio de 71.8 aos. Suponga una desviacin
estndar poblacional de 8.9 aos, esto parece indicar que la vida media hoy
en da es mayor que 70 aos? Utilice un nivel de significancia de 0.05.
Solucin:
1. Se trata de una distribucin muestral de medias con desviacin estndar
conocida.
2. Datos:
=70 aos
= 8.9 aos
x = 71.8 aos
n = 100
= 0.05
3. Ensayo de hiptesis
H1
Ho; = 70 aos.
Ho
Regin
de
H1; > 70 aos.
rechazo

= 0.05

Regin de aceptacin

= 70

ZL = 1.645

4. Regla de decisin:
Si zR 1.645 no se rechaza Ho.
Si zR> 1.645 se rechaza Ho.
5. Clculos:
x 71.8 70
ZR = R
=
= 2.02

8.9
n
100
6. Justificacin y decisin.
Como 2.02 >1.645 se rechaza Ho y se concluye con un nivel de significancia
del 0.05 que la vida media hoy en da es mayor que 70 aos.
Existe otra manera de resolver este ejercicio, tomando la decisin en base al
estadstico real, en este caso la media de la muestra. De la formula de la
distribucin muestral de medias se despeja la media de la muestra:
x
Z
(1.645)( 8.9)
ZL = L
x L = + l = 70 +
= 71.46

n
100
n
H1

Ho

Regin de
rechazo

= 0.05

Regin de aceptacin

= 70

x L = 71.46
57

Regla de decisin:
Si x R 71.46 No se rechaza Ho
Si x R > 71.46 Se rechaza Ho
Como la media de la muestral es de 71.8 aos y es mayor al valor de la media
muestral lmite de 71.46 por lo tanto se rechaza Ho y se llega a la misma
conclusin.
2. Una empresa elctrica fabrica focos que tienen una duracin que se
distribuye de forma aproximadamente normal con una media de 800 horas y
una desviacin estndar de 40 horas. Si una muestra aleatoria de 30 focos
tiene una duracin promedio de 788 horas, muestran los datos suficiente
evidencia para decir que la duracin media ha cambiado? Utilice un nivel de
significancia del 0.04.
Solucin:
1. Se trata de una distribucin muestral de medias con desviacin estndar
conocida.
2. Datos:
=800 horas
= 40 horas
x = 788 horas
n = 30
= 0.04
3. Ensayo de hiptesis
Ho; = 800 horas
H1; 800 horas

Ho

H1

H1
Regin de
rechazo

Regin de
Rechazo

/2 = 0.02

/2 = 0.02
Regin de aceptacin

ZL = -2.052

= 800

ZL = 2.052

4. Regla de Decisin:
Si 2.052 ZR 2.052 No se rechaza Ho
Si ZR < -2.052 si Z R > 2.052 Se rechaza Ho
5. Clculos:

ZR =

x R 788 800
=
= 1.643

40
n
30

6. Justificacin y decisin:
58

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

con un nivel de significancia del 0.04 que la duracin media de los focos no
ha cambiado.
Solucin por el otro mtodo:
Z
( 2.052)( 40)
x L = l = 800
= 785.02 y 814.98
n
30
Ho

H1

H1
Regin de
rechazo

Regin de
Rechazo

/2 = 0.02

/2 = 0.02
Regin de aceptacin

x L = 785.02 = 800

x L = 814.98

Regla de decisin:
Si 785.02 x R 814.98 No se rechaza Ho
Si x R < 785.02 x R > 814.98 se rechaza Ho
Como la x R = 788 horas, entonces no se rechaza Ho y se concluye que la
duracin media de los focos no ha cambiado.
3. Una muestra aleatoria de 64 bolsas de palomitas de maz pesan, en pomedio
5.23 onzas con una desviacin estndar de 0.24 onzas. Pruebe la hiptesis
de que = 5.5 onzas contra al hiptesis alternativa, < 5.5 onzas en el nivel
de significamcia de 0.05.
Solucin:
1. Se trata de una distribucin muestral de medias con desviacin estndar
desconocida, pero como el tamao de muestra es mayor a 30 se puede
tomar la desviacin muestral como un estimador puntual para la poblacional.
2. Datos:
= 5.5 onzas
s= 0.24 onzas
x = 5.23 onzas
n = 64
= 0.05
3. Ensayo de hiptesis
Ho; = 5.5 onzas
H1; < 5.5 onzas

H1

Ho
Regin de
rechazo

= 0.05
Regin de aceptacin

ZL = -1.645

= 5.5

59

4. Regla de decisin:
Si ZR -1.645 No se rechaza Ho
Si ZR < -1.645 Se rechaza Ho
5. Clculos:

ZR =

x R 5.23 5.5
=
= 9

0.24
n
64

6. Justificacin y decisin:
Como 9 < -1.645 por lo tanto se rechaza Ho y se concluye con un nivel de
significancia del 0.05 que las bolsas de palomitas pesan en promedio menos
de 5.5 onzas.
Solucin por el otro mtodo:
xL =

Zl
n

= 5 .5

(1.645)(0.24)
64

= 5.45

H1

Ho
Regin de
rechazo

= 0.05
Regin de aceptacin

x L = 5.45

= 5.5

Regla de decisin:
Si x R 5.45 No se Rechaza Ho
Si x R < 5.45 Se rechaza Ho
Como la x R = 5.23 y este valor es menor que 5.45 pot lo tanto se rechaza Ho.
4. Un constructor afirma que se instalan bombas de calor en 70% de todas las
casas que se construyen hoy en da en la ciudad de Richmond. Estara de
acuerdo con esta afirmacin si una investigacin de casas nuevas en esta
ciudad muestra que 8 de 15 tienen instaladas bombas de calor? Utilice un
nivel de significancia de 0.10.
Solucin:
1. Se trata de una distribucin muestral de proporciones.
2. Datos:
P= 0.70
p = 8/15 = 0.5333
n = 15
= 0.10

60

3. Ensayo de hiptesis
Ho; P = 0.70
H1; P 0.70

Ho

H1

H1
Regin de
rechazo

Regin de
Rechazo

/2 = 0.05

/2 = 0.05
Regin de aceptacin

ZL = -1.645

P = 0.70

ZL = 1.645

4. Regla de Decisin:
Si 1.645 ZR 1.645 No se rechaza Ho
Si ZR < -1.645 si Z R > 1.645 Se rechaza Ho
5. Clculos:

ZR =

pP
Pq
n

0.533 0.70
(0.70)( 0.30)
15

= 1.41

6. Justificacin y decisin:
Como 1.645 -1.41 1.645 No se rechaza Ho y se concluye con un nivel de
significancia de 0.10 que la afirmacin del constructor es cierta.
Solucin por el otro mtodo:
Pq
( 0.70)( 0.30)
pL = P zL
= 0.70 1.645
= 0.505 y 0.894
n
15
Ho

H1

H1
Regin de
rechazo

Regin de
Rechazo

/2 = 0.05

/2 = 0.05
Regin de aceptacin

p L = 0.505

P = 0.70

p L = 0.894

Regla de decisin:
Si 0.505 pR 0.894 No se rechaza Ho
Si p R < 0.505 si ZR > 0.894 Se rechaza Ho
Como el valor del estadstico real es de 0.533 por lo tanto no se rechaza Ho y se
llega a la misma conclusin.
5. Un fabricante de semiconductores produce controladores que se emplean en
aplicaciones de motores automovilsticos. El cliente requiere que la fraccin
de controladores defectuosos en uno de los pasos de manufactura crticos no
sea mayor que 0.05, y que el fabricante demuestre esta caracterstica del
proceso de fabricacin con este nivel de calidad, utilizando = 0.05. El

61

fabricante de semiconductores toma una muestra aleatoria de 200

dispositivos y encuentra que cuatro de ellos son defectuosos. El fabricante
puede demostrar al cliente la calidad del proceso?
Solucin:
1. Se trata de una distribucin muestral de proporciones.
2. Datos:
P= 0.05
p = 4/200 = 0.02
n = 200
= 0.05
3. Ensayo de hiptesis
Ho; P = 0.05
H1; P < 0.05

H1

Ho
Regin de
rechazo

= 0.05
Regin de aceptacin

ZL = -1.645

P = 0.05

4. Regla de decisin:
Si ZR -1.645 No se rechaza Ho
Si ZR < -1.645 Se rechaza Ho
5. Clculos:

ZR =

pP
Pq
n

0.02 0.05
(0.05)( 0.95)
200

= 1.946

6. Justificacin y decisin:
Puesto que 1.946<-1.645, se rechaza Ho y se concluye con un nivel de
significancia del 0.05 que la fraccin de artculos defectuosos es menor que
0.05.
6. Un diseador de productos est interesado en reducir el tiempo de secado de
una pintura tapaporos. Se prueban dos frmulas de pintura; la frmula 1 tiene
el contenido qumico estndar, y la frmula 2 tiene un nuevo ingrediente
secante que debe reducir el tiempo de secado. De la experiencia se sabe
que la desviacin estndar del tiempo de secado es ocho minutos, y esta
variabilidad inherente no debe verse afectada por la adicin del nuevo
ingrediente. Se pintan diez especmenes con la frmula 1, y otros diez con la
frmula 2. Los dos tiempos promedio de secado muestrales son 121 min y
112 min respectivamente. A qu conclusiones puede llegar el diseador del
producto sobre la eficacia del nuevo ingrediente, utilizando = 0.05?
62

Solucin:
1. Se trata de una distribucin muestral de diferencia de medias con desviacin
estndar conocida.
2. Datos:
1=2= 8
x1 = 121 min
x 2 = 112 min
n1=n2= 10
= 0.05
3. Ensayo de hiptesis
Ho; 1-2 = 0
H1; 1-2 > 0 Se desea rechazar Ho si el nuevo ingrediente disminuye el
tiempo promedio de secado, por eso se pone la diferencia mayor a cero o
sea positiva para poder probar que 2 es menor que 1.
H1

Ho

Regin de
rechazo

= 0.05
Regin de aceptacin

1-2 =0
70

ZL = 1.645

4. Regla de decisin:
Si zR 1.645 no se rechaza Ho.
Si zR> 1.645 se rechaza Ho.
5. Clculos:

ZR =

( x1 x 2 ) ( 1 2 )
12 22
+
n1
n2

(121 112) 0
82 82
+
10 10

= 2.52

6. Justificacin y decisin:
Puesto que 2.52>1.645, se rechaza Ho , y se concluye con un nivel de
significancia de 0.05 que la adicin del nuevo ingrediente a la pintura si
disminuye de manera significativa el tiempo promedio de secado.

63

Solucin por el otro mtodo:

( x1 x 2 ) L = ( 1 2 ) + z

12 12
82 82
+
= 0 + 1.645
+
= 5.88
n1 n 2
10 10
H1

Ho

Regin de
rechazo

= 0.05
Regin de aceptacin

1-2 =0

x1 x2 = 5.88

Regla de decisin:
Si ( x1 x 2 ) R 5.88 No se rechaza Ho
Si ( x1 x 2 ) R > 5.88 Se rechaza Ho
Puesto que ( x1 x 2 ) R = 121-112 = 9 y este nmero es mayor a 5.88 por lo tanto
se rechaza Ho .
7. Se utilizan dos mquinas para llenar botellas de plstico con un volumen neto
de 16.0 onzas. Las distribuciones de los volmenes de llenado pueden
suponerse normales, con desviaciones estndar 1= 0.020 y 2 = 0.025
onzas. Un miembro del grupo de ingeniera de calidad sospecha que el
volumen neto de llenado de ambas mquinas es el mismo, sin importar si
ste es o no de 16 onzas. De cada mquina se toma una muestra aleatoria
de 10 botellas. Se encuentra el ingeniero en lo correcto? Utilice = 0.05
MAQUINA 2

MAQUINA 1

16.03
16.04
16.05
16.05
16.02

16.01
15.96
15.98
16.02
15.99

16.02
15.97
15.96
16.01
15.99

16.03
16.04
16.02
16.01
16.00

Solucin:
1. Se trata de una distribucin muestral de diferencia de medias con desviacin
estndar conocida.
2. Datos:
1= 0.020
2= 0.025
x1 = 16.015 Este dato se obtuvo calculando la media de los datos en la
mquina 1.

64

x 2 = 16.005 Este dato se obtuvo calculando la media de los datos en la

mquina 2.
n1=n2 = 10
= 0.05
3. Ensayo de hiptesis
Ho; 1-2 = 0
H1; 1-2 0 Si se cae en Ho se podr probar que el volumen de llenado es el
mismo en las dos mquinas.
Ho

H1

H1
Regin de
rechazo

Regin de
Rechazo

/2 = 0.025

/2 = 0.025
Regin de aceptacin

12 = 0

ZL = -1.96

ZL = 1.96

4. Regla de Decisin:
Si 1.96 ZR 1.96 No se rechaza Ho
Si ZR < -1.96 si Z R > 1.96 Se rechaza Ho
5. Clculos:

ZR =

( x1 x 2 ) ( 1 2 )
12 22
+
n1
n2

(16 .015 16.005) 0

0.020 2 0.025 2
+
10
10

= 0.987

6. Justificacin y decisin:
Como 1.96 0.987 1.96 entonces no se rechaza Ho y se concluye con un nivel
de significancia de 0.05 que las dos mquinas tienen en promedio la misma
cantidad de llenado.
Solucin por el otro mtodo:
12 12
0.020 2 0.025 2
( x1 x 2 ) L = ( 1 2 ) z
+
= 0 1.96
+
= -0.019 y 0.019
n1
n2
10
10

Ho

H1

H1
Regin de
rechazo

Regin de
Rechazo

/2 = 0.025

/2 = 0.025
Regin de aceptacin

( x1 x2 ) = 0.019

12 = 0

( x1 x 2 ) = 0.019
65

Regla de decisin:
Si 0-019 ( x1 x 2 ) R 0.019 No se rechaza Ho
Si ( x1 x 2 ) R < -0.019 ( x1 x 2 ) R > 0.019 Se rechaza Ho
Como ( x1 x 2 ) R = 16.015 16.005 = 0.01, entonces cae en la regin de
aceptacin y no se rechaza Ho.
8. Existen dos tipos de plstico apropiados para su uso por un fabricante de
componentes electrnicos. La tensin de ruptura de ese plstico es un
parmetro importante . Se sabe que 1=2= 1.0 psi. De una muestra aleatoria
de tamao 10 y 12 para cada plstico respectivamente, se tiene una media
de 162.5 para el plstico 1 y de 155 para el plstico 2. La compaa no
adoptar el plstico 1 a menos que la tensin de ruptura de ste exceda a la
del plstico 2 al menos por 10 psi. Con base a la informacin contenida en la
muestra, la compaa deber utilizar el plstico 1? Utilice = 0.05 para
llegar a una decisin.
Solucin:
1. Se trata de una distribucin muestral de diferencia de medias con desviacin
estndar conocida.
2. Datos:
1=2= 1.0 psi
x1 = 162 .5 psi
x 2 = 155 psi
n1= 10
n2= 12
= 0.05
3. Ensayo de hiptesis
Ho; 1-2 = 10
H1; 1-2 > 10 Se desea rechazar Ho si la media del plstico 1 supera a la
media del plstico 2 en por lo menos 10 psi.

H1

Ho

Regin de
rechazo

= 0.05
Regin de aceptacin

1-2 =10

ZL = 1.645

66

4. Regla de decisin:
Si zR 1.645 no se rechaza Ho.
Si zR> 1.645 se rechaza Ho.
5. Clculos:

ZR =

( x1 x 2 ) ( 1 2 )

+
n1 n 2
2
1

2
2

(162.5 155) 10
12 12
+
10 12

= 5.83

6. Justificacin y decisin:
No existe evidencia suficiente para apoyar el uso del plstico 1 ya que
5.83 1.645, por lo tanto no se rechaza Ho .
Solucin por el otro mtodo:
( x1 x 2 ) L = ( 1 2 ) + z

12 12
12 12
+
= 10 + 1.645
+
= 10.70
n1 n 2
10 12
H1

Ho

Regin de
rechazo

= 0.05
Regin de aceptacin

1-2 =10

x1 x 2 = 10.70

Regla de decisin:
Si ( x1 x 2 ) R 10.70 No se rechaza Ho
Si ( x1 x 2 ) R > 10.70 Se rechaza Ho
Puesto que ( x1 x 2 ) R = 162.5-155 = 7.5 y este nmero es no es mayor a 10.7 por
lo tanto no se rechaza Ho.

9. Se evalan dos tipos diferentes de soluciones para pulir, para su posible uso
en una operacin de pulido en la fabricacin de lentes intraoculares utilizados
en el ojo humano despus de una ciruga de cataratas. Se pulen 300 lentes
con la primera solucin y, de stos, 253 no presentaron defectos inducidos
por el pulido. Despus se pulen otros 300 lentes con la segunda solucin, de
los cuales 196 resultan satisfactorios. Existe alguna razn para creer que
las dos soluciones para pulir son diferentes? Utilice = 0.01

67

Solucin:
1. Se trata de una distribucin muestral de diferencia de proporciones.
2. Datos:
p1= 253/300= 0.8433
p2 = 196/300= 0.6533
n1=n2 = 300
3. Ensayo de hiptesis:
Ho; P1-P 2 = 0
H1
H1; P1-P 2 0

Ho
H1
Regin de
rechazo

Regin de
Rechazo

/2 = 0.005

/2 = 0.005
Regin de aceptacin

ZL = -2.575

P1P2 = 0

ZL = 2.575

4. Regla de Decisin:
Si 2.575 ZR 2.575 No se rechaza Ho
Si ZR < -2.575 si Z R > 2.575 Se rechaza Ho
5. Clculos:

ZR =

( p1 p 2 ) ( P1 P2 )

P1 q1 P2 q 2
+
n1
n2
En esta frmula se puede observar que en el denominador se tienen a las
proporciones poblacionales o sea los parmetros, los cuales no se conocen,
por lo que en el ensayo de hiptesis la frmula para poder calcular la ZR
cambia, estimando a el parmetro comn P de la siguiente forma:

P=

x1 + x 2
n p + n2 p 2
bien P = 1 1
n1 + n 2
n1 + n 2

Entonces la frmula de Z R quedara de la siguiente manera:

ZR =

( p1 p 2 ) ( P1 P2 )
1
1
Pq +
n1 n2

68

Se calcular el valor de P:

P=

ZR =

x1 + x 2 253 + 196
=
= 0.7483
n1 + n 2 300 + 300

( p1 p2 ) ( P1 P2 )
1
1
Pq +
n1 n 2

(0.8433 0.6533) 0
1
1
( 0.7483)( 0.2517)
+

300 300

= 5.36

6. Justificacin y decisin:
Puesto que 5.36>2.575, se rechaza la hiptesis nula y se concluye con un
nivel de significancia de 0.01 que los dos fluidos para pulir son diferentes.
10. Se tomar el voto entre los residentes de una ciudad y el condado
circundante para determinar si se debe construir una planta qumica
propuesta. El lugar de construccin est dentro de los lmites de la ciudad y
por esta razn muchos votantes del condado consideran que la propuesta
pasar debido a la gran proporcin de votantes que favorecen la
construccin. Para determinar si hay una diferencia significativa en la
proporcin de votantes de la ciudad y votantes del condado que favorecen la
propuesta, se realiza una encuesta. Si 120 de 200 votantes de la ciudad
favorecen la propuesta y 240 de 500 residentes del condado tambin lo
hacen, estara de acuerdo en que la proporcin de votantes de la ciudad
que favorecen la propuesta es ms alto que la proporcin de votantes del
condado? Utilice un nivel de significancia de 0.025.
Solucin:
1. Se trata de una distribucin muestral de diferencia de proporciones.
2. Datos:
p1= 120/200= 0.60
p2 = 240/500= 0.48
n1 = 200
n2 = 500
3. Ensayo de hiptesis:
Ho; P1-P 2 = 0
H1; P1-P 2 > 0
H1

Ho

Regin de
rechazo

= 0.025
Regin de aceptacin

P1-P2 =0

ZL = 1.96

69

4. Regla de decisin:
Si zR 1.96 no se rechaza Ho.
Si zR> 1.96 se rechaza Ho.
5. Clculos:
Se calcular el valor de P:

P=

x1 + x 2 120 + 240
x + x 2 120 + 240
=
= 0.51 P = 1
=
= 0.51
n1 + n 2 200 + 500
n1 + n 2 200 + 500
ZR =

( p1 p2 ) ( P1 P2 )
1
1
Pq +
n1 n 2

( 0.60 0.48) 0
1
1
( 0.51)(0.49)
+

200 500

= 2 .9

6. Justificacin y decisin:
Puesto que 2.9>1.96, se rechaza la hiptesis nula y se concluye con un nivel
de significancia de 0.025 que la proporcin de votantes de la ciudad a favor
de la propuesta es ms alta que la proporcin de votantes del condado.
Uso de valores P para la toma de decisiones
Al probar hiptesis en las que la estadstica de prueba es discreta, la regin
crtica se puede elegir de forma arbitraria y determinar su tamao. Si es
demasiado grande, se puede reducir al hacer un ajuste en el valor crtico. Puede
ser necesario aumentar el tamao de la muestra para compensar la disminucin
que ocurre de manera automtica en la potencia de la prueba (probabilidad de
rechazar Ho dado que una alternativa especfica es verdadera).
Por generaciones enteras de anlisis estadstico, se ha hecho costumbre elegir
un nivel de significancia de 0.05 0.01 y seleccionar la regin crtica en
consecuencia. Entonces, por supuesto, el rechazo o no rechazo estricto de Ho
depender de esa regin crtica. En la estadstica aplicada los usuarios han
adoptado de forma extensa la aproximacin del valor P. La aproximacin se
disea para dar al usuario una alternativa a la simple conclusin de rechazo o
no rechazo.
La aproximacin del valor P como ayuda en la toma de decisiones es bastante
natural pues casi todos los paquetes de computadora que proporcionan el
clculo de prueba de hiptesis entregan valores de P junto con valores de la
estadstica de la prueba apropiada.

Un valor P es el nivel (de significancia) ms bajo en el que el valor

observado de la estadstica de prueba es significativo.

70

El valor P es el nivel de significancia ms pequeo que conduce al rechazo

de la hiptesis nula Ho.
El valor P es el mnimo nivel de significancia en el cual Ho sera rechazada
cuando se utiliza un procedimiento de prueba especificado con un conjunto
dado de informacin. Una vez que el valor de P se haya determinado, la
conclusin en cualquier nivel particular resulta de comparar el valor P con
:
1. Valor P rechazar Ho al nivel .
2. Valor P > No rechazar Ho al nivel .

Ensayo Unilateral Derecho:

Valor P

Z= 0
ZR calculada

Ensayo Unilateral Izquierdo:

Valor P

ZR calculada

Z= 0

Ensayo Bilateral:
Valor P = Suma de las dos reas

ZR , -ZR calculadas
71

Ejemplos:
1. Calcular el valor de P para el primer ejemplo de ensayo de hiptesis en
donde se quera probar que la edad media de los habitantes de Estados
Unidos es superior a 70 aos.
Solucin:
1. Ensayo de hiptesis
Ho; = 70 aos.
H1; > 70 aos.

H1

Ho

Regin de
rechazo

= 0.05

Regin de aceptacin

= 70

ZL = 1.645

2. Regla de decisin:
Si P 0.05 se rechaza Ho.
Si P > 0.05 No se rechaza Ho.
3. Clculos:

x R 71.8 70
=
= 2.02

8.9
n
100
Esta es el valor de Z que se utilizar para calcular el valor de P, como es un
ensayo unilateral derecho se calcular el rea a la derecha de este valor.
ZR =

Valor P = 0.0217

Z= 0
ZR = 2.02
4. Justificacin y decisin:
Como el valor de P es 0.217 y es menor al valor del nivel de significancia de
0.05 por lo tanto se rechaza H0 , y se concluye que la edad media de los
habitantes es mayor a 70 aos.

2. Calcular el valor de P para el ejemplo 7 de esta seccin en donde se tiene

dos mquinas y se quiere ver si tienen la misma cantidad promedio de
llenado en las botellas de plstico.
Solucin:
1. Ensayo de hiptesis
Ho; 1-2 = 0

72

H1; 1-2 0 Si se cae en Ho se podr probar que el volumen de llenado es el

mismo en las dos mquinas.
Ho

H1

H1
Regin de
rechazo

Regin de
Rechazo

/2 = 0.025

/2 = 0.025
Regin de aceptacin

ZL = -1.96

2. Regla de Decisin:
Si P 0.05 Se rechaza Ho
Si P > 0.05 No se rechaza Ho
3. Clculos:

ZR =

( x1 x 2 ) ( 1 2 )
12 22
+
n1
n2

12 = 0

ZL = 1.96

(16 .015 16.005) 0

0.020 2 0.025 2
+
10
10

= 0.987

Como este es un ensayo bilateral se proceder a calcular el valor de P mediante

el valor de la ZR, positiva y negativa y luego se sumarn las reas.
Valor P = 0.1618 + 0.1618 = 0.3236

ZR = -0.987

ZR = 0.987

Como el valor de P es mayor al de , se no se rechaza H0, y se concluye que las

maquinas tienen el mismo llenado promedio.
3. Se afirma que un automvil se maneja en promedio ms de 20,000
kilmetros por ao. Para probar esta afirmacin, se pide a una muestra de
100 propietarios de automviles que lleven un registro de los kilmetros que
viajen. Est de acuerdo con esta afirmacin si la muestra aleatoria tiene un
promedio de 23,500 kilmetros y una desviacin estndar de 3900
kilmetros? Utilice un valor P para su conclusin.
Solucin:
En este ejercicio no nos manejan ningn valor de , por lo que se proceder a
plantear el ensayo y luego calcular z para poder conocer el valor de P y llegar a
una conclusin.

73

1. Ensayo de hiptesis
Ho; = 20,000 kilmetros.
H1; > 20,000 kilmetros.
2. Clculos:

ZR =

x R 23500 20000
=
= 8.97

3900
n
100

3. Decisin.
Se observa que este valor de Z es muy grande, ni siquiera se encuentra en la
tabla, entonces quiere decir que el rea a la derecha de ese valor es cero y
este sera el valor de P, por lo que no apoya a la hiptesis nula y se
concluye que los automviles se manejan en promedio ms de 20,000
kilmetros por ao.
4. Se estudia la fraccin de circuitos integrados defectuosos producidos en un
proceso de fotolitografa. Para ello se somete a prueba una muestra de 300
circuitos, en la que 13 son defectuosos. Utilice los datos para probar
Ho: P=0.05 contra H1: P 0.05. Utilice un valor de P para su conclusin.
Solucin:
1. Ensayo de hiptesis
Ho; P = 0.05
H1; P 0.05
2. Clculos:

ZR =

pP
Pq
n

0.043 0.05
(0.05)( 0.95)
300

= 0.53

Valor P = 0.298 + 0.298 = 0.596

ZR = -0.53

ZR = 0.53

3. Decisin:
Este valor de P de 0.596 es muy grande por lo que se concluye que la
fraccin defectuosa de circuitos integrados es de 0.05, o sea no se rechaza
Ho.

74

ERROR TIPO II
Al evaluar un procedimiento de prueba de hiptesis, tambin es importante
examinar la probabilidad del error tipo II, el cual se denota por . Esto es,
= P(error tipo II) = P(aceptar Ho / Ho es falsa)
Para calcular se debe tener una hiptesis alternativa especfica; esto es, debe
tenerse un valor particular del parmetro. Por ejemplo, supngase que es
importante rechazar la hiptesis nula Ho: = 50 cada vez que la rapidez
promedio de combustin es mayor que 52 cm/s o menor que 48 cm/s. Para
ello, puede calcularse la probabilidad de un error tipo II para los valores = 52
y = 48, y utilizar este resultado para averiguar algo con respecto a la forma en
que se desempear la prueba. De manera especfica, cmo trabajar el
procedimiento de prueba si se desea detectar, esto es, rechazar Ho , para un
valor medio de = 52 = 48? Dada la simetra, slo es necesario evaluar uno
de los dos casos, esto es, encontrar la probabilidad de aceptar la hiptesis nula
Ho: = 50 cuando el valor verdadero es = 52.
Para hacer este clculo se tendr un tamao de muestra de 10 y una desviacin
estndar de la poblacin de 2.5 cm/s. Adems se evaluar el error tipo II con un
nivel de significancia de 0.06.
Ho: = 50
H1: 50
Como ya sabemos se trata de un ensayo bilateral por lo que se tendr que
calcular el valor del estadstico x L de la siguiente manera:
xL =

Z l
n

= 50

(1.88)( 2.5)
10

= 48.51 y 51.48

Para facilitar los clculos se redondearn estos nmeros a 48.5 y 51.5

Ho
H
1

H1

Regin de
rechazo

Regin de
Rechazo

/2 = 0.03

/2 = 0.03
Regin de aceptacin

x L = 48.5

= 50

x L = 51.5

Para poder comprender mejor el clculo del error tipo II se delimitar el rea de
la regin de aceptacin con dos lneas ya que es bilateral y se evaluar la
probabilidad de caer en esa rea cuando la media tiene un valor de 52 y de 48.

75

Ho

H1

H1
Regin de
rechazo

Regin de
Rechazo

/2 = 0.03

/2 = 0.03
Regin de aceptacin

x L = 48.5

= 50

x L = 51.5

z=

48.5 52
= 4.43
2 .5
10

z=

51.5 52
= 0.63
2 .5
10

= 0.2643

= 52
= 0.2643

= 48

48.5 48
= 0.63
2 .5
10
51.5 48
z=
= 4.43
2 .5
10
z=

Como se puede observar en cada calculo del valor se tuvieron que evaluar los
dos valores de z. En el primer calculo de se tiene un valor de z=-4.43, esto
quiere decir que no existe rea del lado izquierdo del 48.5, por lo que slo ser
el rea que corresponda a la z=-0.63. Lo mismo pasa con el segundo clculo de
. Como las medias de 52 y 48 son equidistantes del 50 por este motivo los
valores del error tipo II son los mismos.
En caso que no estn equidistantes se tienen que calcular por separado y
calcular los valores correspondientes de z porque en ocasiones se tiene un rea
que no est dentro de la regin de aceptacin, la cual no se tiene que tomar en
cuenta para evaluar al error tipo II.
A continuacin se proceder a generar algunas curvas caractersticas de
operacin para evaluar al error tipo II, entre ms se aleja el valor verdadero de la
media de la media de la hiptesis nula, menor es la probabilidad del error tipo II
para un tamao de muestra y nivel de significancia dadas. A medida que el
tamao de la muestra aumenta la probabilidad de cometer el error tipo II
disminuye. Esto se observar en los ejercicios siguientes.
Ejemplos:
1. Generar una curva caracterstica de operacin para el ejercicio nmero 1 de
la seccin de ensayo de hiptesis con las siguientes medias supuestas:
= 70.5, 71, 71.5, 72, 72.5, 73, 73.5, y 74.

76

2. Datos:
=70 aos
= 8.9 aos
x = 71.8 aos
n = 100
= 0.05
3. Ensayo de hiptesis
Ho; = 70 aos.
H1; > 70 aos.

H1

Ho

Regin de
rechazo

= 0.05
Regin de aceptacin

= 70

ZL = 1.645

Se calcular el estadstico lmite:

xL = +

Z l
n

= 70 +

(1.645)( 8.9)
100

= 71.46

H1

Ho

Regin de
rechazo

= 0.05

x L = 71.46

Regin de aceptacin

= 70
= 0.8599

z=

71.46 70.5
= 1.08
8 .9
100

z=

71.46 71
= 0.517
8 .9
100

= 70.5
= 0.6974

= 71

77

= 0.4824

z=

71.46 71.5
= 0.044
8 .9
100

z=

71.46 72
= 0.606
8 .9
100

z=

71.46 72.5
= 1.168
8 .9
100

z=

71.46 73
= 1.73
8 .9
100

z=

71.46 73.5
= 2.29
8 .9
100

z=

71.46 74
= 2.85
8 .9
100

= 71.5

= 0.2722

= 72

= 0.1214

= 72.5

= 0.0418

= 73

= 0.011

= 73.5

= 0.0021

= 74

78

Probabilidad error tipo II

CURVA CARACTERISTICA DE OPERACION

1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0

0.95
0.8599
0.6974
0.4824
0.2722
0.1214
0.0418

70

70.5

71

71.5

72

72.5

73

0.011

73.5

0.0021

74

74.5

Valor de la media

En la mayora de los libros de estadstica existen las curvas caractersticas de

operacin para diferentes tamaos de muestra y stas se proporcionan tanto
para = 0.05 como para = 0.01 (son las ms comunes). Para poder utilizar las
curvas se define un parmetro llamado d, que estandariza para cualquier valor
de y :
o | |
d=
=

Si se quisiera consultar en un libro, cul es la probabilidad de cometer el error

tipo II cuando la media verdadera es de 72?; se tendra que calcular el valor
de d y buscar en las curvas la que pertenezca a un tamao de muestra de 100
con un = 0.05.
d=

72 70
8.9

|2|
= 0.2247
8.9

Este valor se encuentra en el eje de las x. Si se transforma la curva

caracterstica de operacin con el valor de d quedara de la siguiente manera:

79

Probabilidad error tipo II

CURVA CARACTERISTICA DE OPERACION

1

0.95
0.8599

0.8

0.6974
0.6
0.4824

0.4

0.2722

0.2

0.1214
0.0418 0.011 0.0021
0.3
0.4
0.5

0
0

0.1

0.2

d
Se coment anteriormente que si el tamao de la muestra aumenta los dos tipos
de errores y disminuyen. Para probar esto y especficamente en lo que se
refiere al error tipo II se realizar el ejercicio anterior suponiendo que en lugar de
tener 100 personas, el tamao de la muestra aumenta a 150 personas.
Se calcular el estadstico lmite:
xL = +

Z l
n

= 70 +

(1.645)( 8.9)
150

= 71.2

H1

Ho

Regin de
rechazo

= 0.05
Regin de aceptacin

= 70

x L = 71.2
z=

= 0.8322

71.2 70.5
= 0.963
8 .9
150

= 70.5

80

= 0.6083

z=

71.2 71
= 0.275
8 .9
150

z=

71.2 71.5
= 0.412
8 .9
150

z=

71.2 72
= 1.10
8 .9
150

= 71

= 0.3407

= 71.5

= 0.1356

= 72

= 0.0367

z=

71.2 72.5
= 1.79
8 .9
150

= 72.5

= 0.0067

z=

71.2 73
= 2.47
8 .9
150

z=

71.2 73.5
= 3.16
8 .9
150

= 73

= 0.0007

= 73.5

81

Probabilidad error tipo II

CURVA CARACTERISTICA DE OPERACION

1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0

n=100
n=150

70

70.5

71

71.5

72

72.5

73

73.5

74

74.5

Valor de la media

3. Generar una curva caracterstica de operacin (CCO) para el ejercicio 5 de

ensayo de hiptesis. Suponer los siguientes valores de P; 0.04, 0.03, 0.025,
0.02 y 0.01. Enseguida se proporciona la informacin necesaria para realizar
la CCO:
Datos:
P= 0.05
p = 4/200 = 0.02
n = 200
= 0.05
Ensayo de hiptesis
Ho; P = 0.05
H1; P < 0.05

H1

Ho
Regin de
rechazo

= 0.05
Regin de aceptacin

ZL = -1.645

P = 0.05

Solucin:
Se proceder a calcular el estadstico lmite p L:
Pq
( 0.05)(0.95)
pL = P z
= 0.05 1.645
= 0.0246
n
200

82

H1

Ho
Regin de
rechazo

= 0.05
Regin de aceptacin

z=

0.0246 0.04
( 0.04)( 0.96)
200

p L = 0.0246

P = 0.05

= 1.11
=0.8665

P = 0.04

z=

0.0246 0.03
(0.03)(0.97 )
200

=0.6725

= 0.447

P = 0.03

z=

0.0246 0.025
( 0.025)(0.975)
200

=0.5143

= 0.036

P = 0.025

z=

0.0246 0.02
( 0.02)( 0.98)
200

=0.3213

= 0.464

P = 0.02

z=

0.0246 0.01
( 0.01)(0.99)
200

=0.0189

= 2.075

P = 0.01

83

En una distribucin muestral de proporciones, para graficar la CCO, se necesita

calcular el valor de np, que es el que ir en el eje de las x para estandarizar la
curva.

Probabilidad error tipo II

CURVA CARACTERISTICA DE OPERACION

1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0

0.95
0.8665
0.6725
0.5143
0.3213

0.0189
1

np

4. Genere un CCO para el ejercicio nmero 6 de la seccin anterior. Suponga

las siguientes diferencias de medias: 1 -2 =2, 4, 6, 7, 9, 12 y 14.
Datos:
1=2= 8
x1 = 121 min
x 2 = 112 min
n1=n2= 10
= 0.05
Ensayo de hiptesis
Ho; 1-2 = 0
H1; 1-2 > 0
H1

Ho

Regin de
rechazo

= 0.05
Regin de aceptacin

1-2 =0

( x1 x 2 ) L = ( 1 2 ) + z

ZL = 1.645

12 12
82 82
+
= 0 + 1.645
+
= 5.88
n1 n 2
10 10

84

H1

Ho

Regin de
rechazo

= 0.05
Regin de aceptacin

1-2 =0

( x1 x 2 ) L = 5.88

= 0.8612

z=

5.88 2
82 82
+
10 10

= 1.086

1-2 =2
= 0.70

z=

5.88 4
82 82
+
10 10

= 0.526

1-2 =4

z=
= 0.4868

5.88 6
82 82
+
10 10

= 0.033

1-2 =6

z=
= 0.3768

5.88 7
82 82
+
10 10

= 0.313

1-2 =7

z=

= 0.1913

5.88 9
82 82
+
10 10

= 0.873

1-2 =9

85

z=

= 0.0432

5.88 12
82 82
+
10 10

= 1.714

1-2 =12

z=

= 0.011

5.88 14
82 82
+
10 10

= 2.274

1-2 =14

Para graficar la curva se utilizar el valor de d, el cual para una distribucin

muestral de diferencia de medias tiene la siguiente frmula:
1 2

d=
=
12 + 22
12 + 22

Probabilidad error tipo II

CURVA CARACTERISTICA DE OPERACION

1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0

0.95
0.8612
0.7
0.4868
0.3768
0.1913
0.0432 0.011
0

0.2

0.4

0.6

0.8

1.2

1.4

En los libros de estadstica lo que se acostumbra en algunos de los ejercicios es

preguntar slo un punto de la CCO, por lo que a continuacin se resolvern dos
problemas tipo.
5. Se require que la tensin de ruptura de un hilo utilizado en la fabricacin de
material de tapicera se al menos de 100 psi. La experiencia ha indicado que
la desviacin estndar de la tensin de ruptura es de 2 psi. Se prueba una
86

muestra aleatoria de nueve especmenes, y la tensin de ruptura promedio

observada en ella es de 98 psi. Cual es la probabilidad de aceptar la
hiptesis nula con un = 0.05 si la tensin promedio de ruptura verdadera de
la fibra es 104 psi?
Solucin:
Ensayo de hiptesis:
Ho; = 100
H1; > 100
Se calcula el estadstico lmite:
xL = +

Z l
n

= 100 +

(1.645)( 2)
9

= 101.09

H1

Ho

Regin de
rechazo

= 0.05
Regin de aceptacin

= 100

x L = 101.09
z=

= 0

104 100
= 6.32
2
10

= 104

6. Del ejercicio nmero 7 de la seccin anterior encontrar el error tipo II

suponiendo que la diferencia verdadera entre las medias de las mquinas es
fe 0.03

Datos:
1= 0.020
2= 0.025
x1 = 16.015
x 2 = 16.005
n1=n2 = 10
= 0.05

87

Solucin:
Ensayo de hiptesis
Ho; 1-2 = 0
H1; 1-2 0
12 12
0.020 2 0.025 2
( x1 x 2 ) L = ( 1 2 ) z
+
= 0 1.96
+
= -0.019 y 0.019
n1
n2
10
10

Ho

H1

H1
Regin de
rechazo

Regin de
Rechazo

/2 = 0.025

/2 = 0.025
Regin de aceptacin

( x1 x2 ) = 0.019

12 = 0

( x1 x 2 ) = 0.019
z=

= 0.1387

1-2 =0.03

z=

0.019 0.03
0.020 2 0.025 2
+
10
10
0.019 0.03
0.020 2 0.025 2
+
10
10

= 4.83

= 1.086

Por ser bilateral se calcularon dos valores de z, y como se puede observar del
lado izquierdo de 0.019 ya no se encuentra rea, por lo que el error tipo II slo
ser el rea a la izquierda del valor de la diferencia del estadstico lmite 0.019.
Problemas propuestos
1. En un estudio para estimar la proporcin de residentes de cierta ciudad y sus
suburbios que estn a favor de la construccin de una planta de energa
nuclear, se encuentra que 63 de 100 residentes urbanos estn a favor de la
construccin mientras que slo 59 de 125 residentes suburbanos la
favorecen. Hay una diferencia significativa entre la proporcin de residentes
urbanos y suburbanos que favorecen la construccin de la planta nuclear?
Use un valor de P para su conclusin.
2. Una compaa petrolera afirma que un quinto de las casas en cierta ciudad
se calientan con petrleo. Tenemos razn en dudar de esta afirmacin si,
en una muestra aleatoria de 1000 casas en esta ciudad, se encuentra que
136 se calientan con petrleo? Utilice un nivel de significancia de 0.01.

88

3. Se sabe que la duracin, en horas, de un foco de 75 watts tiene una

distribucin aproximadamente normal, con una desviacin estndar de 25
horas. Se toma una muestra aleatoria de 20 focos, la cual resulta tener una
duracin promedio de 1014 horas.
a) Existe evidencia que apoye la afirmacin de que la duracin promedio
del foco es mayor que 1000 horas? Utilice un = 0.05.
b) Cual es el valor P para la prueba?
c) Cul es el valor de para la prueba del inciso a) si la verdadera
duracin promedio del foco es de 1050 horas?
4. Se estudia la tasa de combustin de dos propelentes slidos utilizados en los
sistemas de escape de emergencia de aeroplanos. Se sabe que la tasa de
combustin de los dos propelentes tiene aproximadamente la misma
desviacin estndar de 3 cm/s. Se prueban dos muestras aleatorias de 20
especmenes cada una, obtenindose medias de 18 y 24 cm/s
respectivamente.
a) Pruebe la hiptesis de que los dos combustibles slidos tienen la misma
rapidez promedio de combustin. Utilice un = 0.05.
b) Cul es el valor de P de la prueba?
c) Cul es el valor de para la prueba del inciso a) si la verdadera
diferencia en la rapidez promedio de combustin es 2.5 cm/s?
5. Un artculo publicado en Fortune afirma que casi la mitad de todos los
ingenieros continan sus estudios acadmicos despus de obtener la
licenciatura. Un artculo publicado en Engineering Horizons indica que 117 de
484 recin graduados planean continuar sus estudios.
a) Los datos publicados en Engineering Horizons son consistentes con los
publicados en Fortune?
b) Encuentre el valor de P de la prueba.
6. En un invierno con epidemia de gripe, una compaa farmacutica bien
conocida estudi 2000 bebes para determinar si la nueva medicina de la
compaa era efectiva despus de dos das. Entre 120 bebes que tenan
gripe y se les administr la medicina, 29 se curaron dentro de dos das. Entre
280 bebs que tenan gripe pero que no recibieron la medicina, 56 se curaron
dentro de dos das. Hay alguna indicacin significativa que apoye la
afirmacin de la compaa de la efectividad de la medicina? Calcule el valor
P.
7. Se lanza 20 veces una moneda, con un resultado de cinco caras. Esta es
suficiente evidencia para rechazar la hiptesis de que la moneda esta
balanceada a favor de la alternativa de que las caras ocurren menos de 50%
de las veces.? Realice la prueba con un nivel de significancia de 0.03 y cite
un valor P.

89

8. Se supone que los neumticos para automvil de cierto tipo recin

comprados deben llenarse a una presin de 30 lb/pulg 2 . Se representa con
el verdadero promedio de presin. Encuentre el valor P asociado con cada
valor del estadstico z dado para probar Ho ; = 30 contra H1; 30.
a) 2.10 b) 1.75
c) 0.55
d) 1.41
e) 5.3
9. Se realiz un experimento para comparar la resistencia a la fractura del acero
con nquel maragizado, con el acero de pureza comercial del mismo tipo.
Para 32 especmenes, la resistencia promedio muestral fue de 65.6 para el
acero de alta pureza, mientras que se obtuvo una media muestral de 59.8 en
38 especmenes del acero comercial. Debido que el acero de alta pureza es
ms costoso, su uso para cierta aplicacin puede justificarse slo si su
resistencia a la fractura excede la del acero de pureza comercial en ms de
5. Suponga que ambas distribuciones de resistencias son normales.
a) Si se supone que 1 = 1.2 y 2 = 1.1, pruebe las hiptesis pertinentes
usando = 0.001.
b) Calcule para la prueba del inciso anterior cuando 1 2 = 6.
10. Se cree que la portada y la naturaleza de la primera pregunta de encuestas
por correo influyen en la tasa de respuesta. Un artculo prob esta teora al
experimentar con diferentes diseos de portadas. Una portada sencilla, y la
otra utiliz la figura de un paracaidista. Los investigadores especularon que la
tasa de devolucin sera menor para la portada sencilla.
Portada
Sencilla
Paracaidista

Nmero de envos
207
213

Nmero de devoluciones
104
109

Esta informacin apoya la hiptesis de los investigadores? Haga la

prueba con un nivel de significancia de 0.10, calculando primero un valor
P.
Respuesta a los Problemas propuestos
1. z= 2.40; s, P=0.01
2. P<0.0001; concluir que menos de 1/5 de las casas se calientan con petrleo.
3. a) z = 2.50; se rechaza Ho
b) P = 0.0062
c) 0
4. a) Se Rechaza Ho, z= -6.32 b) 0 c) 0.248
5. a) Se rechaza Ho, z= -11.36 b) valor P = 0
6. No se rechaza Ho , z= 0.93, valor de P = 0.1762
7. Rechazar Ho. Valor P = 0.0207
8. a) 0.0358
b) 0.0802
c) 0.5824
d) 0.1586
e) 0
9. a) z=2.89, no se debe usar el acero de alta pureza o se no se rechaza Ho.
b) 0.2981
10. Valor P = 0.4247, no se rechaza Ho.

90

Unidad III
TEORIA DE PEQUEAS MUESTRAS O TEORIA EXACTA DEL MUESTREO
En las unidades anteriores se manej el uso de la distribucin z, la cual se poda
utilizar siempre y cuando los tamaos de las muestras fueran mayores o iguales
a 30 en muestras ms pequeas si la distribucin o las distribuciones de
donde proviene la muestra o las muestras son normales.
En esta unidad se podrn utilizar muestras pequeas siempre y cuando la
distribucin de donde proviene la muestra tenga un comportamiento normal.
Esta es una condicin para utilizar las tres distribuciones que se manejarn en
esta unidad; t de student, X 2 ji-cuadrada y Fisher.
A la teora de pequeas muestras tambin se le llama teora exacta del
muestreo, ya que tambin la podemos utilizar con muestras aleatorias de
tamao grande.
En esta unidad se ver un nuevo concepto necesario para poder utilizar a las
tres distribuciones mencionadas. Este concepto es grados de libertad.
Para definir grados de libertad se har referencia a la varianza muestral:
n

s2 =

(x
i =1

x)2

n 1
Esta frmula est basada en n-1 grados de libertad (degrees of freedom). Esta
terminologa resulta del hecho de que si bien s2 est basada en n cantidades
x1 x , x 2 x , . . . , x n x , stas suman cero, as que especificar los valores de
cualquier n-1 de las cantidades determina el valor restante. Por ejemplo, si n=4 y
x1 x = 8 ; x 2 x = 6 y x 4 x = 4 , entonces automticamente tenemos
x 3 x = 2 , as que slo tres de los cuatro valores de x i x estn libremente
determinamos 3 grados de libertad.
Entonces, en esta unidad la frmula de grados de libertad ser n-1 y su
simbologa = nu.
DISTRIBUCION t DE STUDENT
Supngase que se toma una muestra de una poblacin normal con media y
varianza 2 . Si x es el promedio de las n observaciones que contiene la muestra
x
aleatoria, entonces la distribucin z =
es una distribucin normal estndar.

n
Supngase que la varianza de la poblacin 2 es desconocida. Qu sucede con
la distribucin de esta estadstica si se reemplaza por s? La distribucin t
proporciona la respuesta a esta pregunta.

La media y la varianza de la distribucin t son = 0 y 2 = ( 2) para >2,

respectivamente.
La siguiente figura presenta la grfica de varias distribuciones t. La apariencia
general de la distribucin t es similar a la de la distribucin normal estndar:
ambas son simtricas y unimodales, y el valor mximo de la ordenada se
alcanza en la media = 0. Sin embargo, la distribucin t tiene colas ms amplias
que la normal; esto es, la probabilidad de las colas es mayor que en la
distribucin normal. A medida que el nmero de grados de libertad tiende a
infinito, la forma lmite de la distribucin t es la distribucin normal estndar.
= Curva z
= 10
=1

Propiedades de las distribuciones t

1. Cada curva t tiene forma de campana con centro en 0.
2. Cada curva t, est ms dispersa que la curva normal estndar z.
3. A medida que aumenta, la dispersin de la curva t correspondiente
disminuye.
4. A medida que , la secuencia de curvas t se aproxima a la curva normal
estndar, por lo que la curva z recibe a veces el nombre de curva t con gl =
La distribucin de la variable aleatoria t est dada por:
( +1 ) / 2
[( + 1) / 2] t 2
1 +
h (t ) =
, < t < .

( / 2)
Esta se conoce como la distribucin t con grados de libertad.
Sean X 1, X2, . . . , X n variables aleatorias independientes que son todas normales
x
con media y desviacin estndar . Entonces la variable aleatoria t =
s
n
tiene una distribucin t con = n-1 grados de libertad.

La distribucin de probabilidad de t se public por primera vez en 1908 en un

artculo de W. S. Gosset. En esa poca, Gosset era empleado de una cervecera
irlandesa que desaprobaba la publicacin de investigaciones de sus empleados.
Para evadir esta prohibicin, public su trabajo en secreto bajo el nombre de
Student. En consecuencia, la distribucin t normalmente se llama distribucin t
de Student, o simplemente distribucin t. Para derivar la ecuacin de esta
distribucin, Gosset supone que las muestras se seleccionan de una poblacin
normal. Aunque esto parecera una suposicin muy restrictiva, se puede mostrar
que las poblaciones no normales que poseen distribuciones en forma casi de
campana an proporcionan valores de t que se aproximan muy de cerca a la
distribucin t.
La distribucin t difiere de la de Z en que la varianza de t depende del tamao de
la muestra y siempre es mayor a uno. Unicamente cuando el tamao de la
muestra tiende a infinito las dos distribuciones sern las mismas.
Se acostumbra representar con t el valor t por arriba del cual se encuentra un
rea igual a . Como la distribucin t es simtrica alrededor de una media de
cero, tenemos t1- = -t; es decir, el valor t que deja un rea de 1- a la derecha
y por tanto un rea de a la izquierda, es igual al valor t negativo que deja un
rea de en la cola derecha de la distribucin. Esto es, t0.95 = -t0.05, t0.99=-t0.01,
etc.
Para encontrar los valores de t se utilizar la tabla de valores crticos de la
distribucin t del libro Probabilidad y Estadstica para Ingenieros de los autores
Walpole, Myers y Myers.
Ejemplo:
El valor t con = 14 grados de libertad que deja un rea de 0.025 a la izquierda,
y por tanto un rea de 0.975 a la derecha, es
t0.975=-t0.025 = -2.145

= 0.025

t0.975 = -t 0.025 = -2.145

Si se observa la tabla, el rea sombreada de la curva es de la cola derecha, es

por esto que se tiene que hacer la resta de 1-. La manera de encontrar el valor
de t es buscar el valor de en el primer rengln de la tabla y luego buscar los
grados de libertad en la primer columna y donde se intercepten y se
obtendr el valor de t.

Ejemplo:
Encuentre la probabilidad de t0.025 < t < t0.05.
Solucin:

= 0.05

= 0.025

Como t0.05 deja un rea de 0.05 a la derecha, y t0.025 deja un rea de 0.025 a la
izquierda, encontramos un rea total de 1-0.05-0.025 = 0.925.
P( t0.025 < t < t0.05) = 0.925
Ejemplo:
Encuentre k tal que P(k < t < -1.761) = 0.045, para una muestra aleatoria de
tamao 15 que se selecciona de una distribucin normal.
Solucin:
0.045

t = -1.761

Si se busca en la tabla el valor de t =1.761 con 14 grados de libertad nos damos

cuenta que a este valor le corresponde un rea de 0.05 a la izquierda, por ser
negativo el valor. Entonces si se resta 0.05 y 0.045 se tiene un valor de 0.005,
que equivale a . Luego se busca el valor de 0.005 en el primer rengln con 14
grados de libertad y se obtiene un valor de t = 2.977, pero como el valor de
est en el extremo izquierdo de la curva entonces la respuesta es t = -2.977 por
lo tanto:
P(-2.977 < t < -1.761) = 0.045
Ejemplo:
Un ingeniero qumico afirma que el rendimiento medio de la poblacin de cierto
proceso en lotes es 500 gramos por milmetro de materia prima. Para verificar
esta afirmacin toma una muestra de 25 lotes cada mes. Si el valor de t
calculado cae entre t0.05 y t0.05, queda satisfecho con su afirmacin. Qu
conclusin extraera de una muestra que tiene una media de 518 gramos por
milmetro y una desviacin estndar de 40 gramos? Suponga que la distribucin
de rendimientos es aproximadamente normal.
Solucin:

De la tabla encontramos que t0.05 para 24 grados de libertad es de 1.711. Por

tanto, el fabricante queda satisfecho con esta afirmacin si una muestra de 25
lotes rinde un valor t entre 1.711 y 1.711.
Se procede a calcular el valor de t:
x 518 500
=
= 2.25
s
40
n
25
Este es un valor muy por arriba de 1.711. Si se desea obtener la probabilidad de
obtener un valor de t con 24 grados de libertad igual o mayor a 2.25 se busca en
la tabla y es aproximadamente de 0.02. De aqu que es probable que el
fabricante concluya que el proceso produce un mejor producto del que piensa.
t=

INTERVALO DE CONFIANZA PARA ; CON DESCONOCIDA

Si x y s son la media y la desviacin estndar de una muestra aleatoria de una
poblacin normal con varianza 2, desconocida, un intervalo de confianza de
(1-)100% para es:
s
s
x t / 2
< < x + t / 2
n
n
donde t/2 es el valor t con = n-1 grados de libertad, que deja un rea de /2 a
la derecha.
Se hace una distincin entre los casos de conocida y desconocida al calcular
las estimaciones del intervalo de confianza. Se debe enfatizar que para el primer
caso se utiliza el teorema del lmite central, mientras que para desconocida se
hace uso de la distribucin muestral de la variable aleatoria t. Sin embargo, el
uso de la distribucin t se basa en la premisa de que el muestreo se realiza de
una distribucin normal. En tanto que la distribucin tenga forma aproximada de
campana, los intervalos de confianza se pueden calcular cuando la varianza se
desconoce mediante el uso de la distribucin t y se puede esperar buenos
resultados.
Con mucha frecuencia los estadsticos recomiendan que aun cuando la
normalidad no se pueda suponer, con desconocida y n30, s puede
reemplazar a y se puede utilizar el intervalo de confianza:
x z / 2 s
n
Por lo general ste se denomina como un intervalo de confianza de muestra
grande. La justificacin yace slo en la presuncin de que con una muestra
grande como 30, s estar muy cerca de la real y de esta manera el teorema
del lmite central sigue valiendo. Se debe hacer nfasis en que esto es solo una
aproximacin y que la calidad de este enfoque mejora a medida que el tamao
de la muestra crece ms.

Ejemplos:
1. El contenido de siete contenedores similares de cido sulfrico son 9.8, 10.2,
10.4, 9.8, 10.0, 10.2, y 9.6 litros. Encuentre un intervalo de confianza del 95%
para la media de todos los contenedores si se supone una distribucin
aproximadamente normal.
Solucin:
La media muestral y la desviacin estndar para los datos dados son:
x = 10
y
s= 0.283
En la tabla se encuentra que t0.025=2.447 con 6 grados de libertad, de aqu, el
intervalo de confianza de 95% para es:
0.283
0.283
10.0 ( 2.477)
< < 10.0 + ( 2.477)

7
7
0.95

min = 9.47

max = 10.26

Con un nivel de confianza del 95% se sabe que el promedio del contenido de los
contenedores est entre 9.47 y 10.26 litros.
2. Un artculo publicado en el Journal of Testing and Evaluation presenta las
siguientes 20 mediciones del tiempo de combustin residual en segundos de
especmenes tratados de ropa de dormir para nios:
9.85
9.93
9.75
9.77
9.67
9.87
9.67
9.94
9.85
9.75
9.83
9.92
9.74
9.99
9.88
9.95
9.95
9.93
9.92
9.89
Se desea encontrar un nivel de confianza del 95% para el tiempo de
combustin residual promedio. Supngase que el tiempo de combustin
residual sigue una distribucin normal.
Solucin:
La media muestral y la desviacin estndar para los datos dados son:
x = 9.8525 y
s= 0.0965
En la tabla se encuentra que t0.025=2.093 con 19 grados de libertad, de aqu, el
intervalo de confianza de 95% para es:
0.0965
0.0965
9.8525 ( 2.093)
< < 9.8525 + ( 2.093)

20
20

0.95

min = 9.8073

max = 9.8977

Por lo tanto, se tiene una confianza del 95% de que el tiempo de combustin
residual promedio se encuentra entre 9.8073 y 9.8977 segundos.
PRUEBA DE HIPOTESIS SOBRE LA MEDIA DE UNA DISTRIBUCION NORMAL, VARIANZA
DESCONOCIDA

Ciertamente sospechamos que las pruebas sobre una media poblacional con
2 desconocida, debe incluir el uso de la distribucin t de Student. La estructura
de la prueba es idntica a la del caso de conocida, con la excepcin de que el
valor en la estadstica de prueba se reemplaza por la estimacin de s
calculada y la distribucin normal estndar se reemplaza con una distribucin t.
Ejemplos:
1. El Instituto Elctrico Edison publica cifras del nmero anual de Kilowatt-hora
que gastan varios aparatos elctrodomsticos. Se afirma que una aspiradora
gasta un promedio de 46 kilowatt-hora al ao. Si una muestra aleatoria de 12
hogares que se incluye en un estudio planeado indica que las aspiradoras
gastan un promedio de 42 kilowatt-hora al ao con una desviacin estndar
de11.9 kilowatt-hora, esto sugiere con un nivel de significancia de 0.05 que
las aspiradoras gastan, en promedio, menos de 46 kilowatt-hora
anualmente? Suponga que la poblacin de kilowatt-hora es normal.
Solucin:
1.

Datos:
= 46 kilowatt-hora
s= 11.9 kilowatt-hora
x = 42 kilowatt-hora
n = 12
= 0.05

3. Ensayo de hiptesis

H1

Ho
Regin de
rechazo

Ho; = 46 kilowatt-hora
H1; < 46 kilowatt-hora

= 0.05
Regin de aceptacin

tL = -1.796

4. Regla de decisin:
Si tR -1.796 No se rechaza Ho
Si tR < -1.796 Se rechaza Ho
5. Clculos:

= 46

tR =

xR
42 46
=
= 1.16
s
11.9
n
12

6. Justificacin y decisin:
Como 1.16 > -1.796, por lo tanto no se rechaza Ho y se concluye con un
nivel de significancia del 0.05 que el nmero promedio de kilowwatt-hora que
gastan al ao las aspiradoras no es significativamente menor que 46.
Solucin por el otro mtodo:
xL =

tl s
n

= 46

(1.796)(11.9)
12

H1

= 39.83

Ho
Regin de
rechazo

= 0.05
Regin de aceptacin

x L = 39.83 = 46
Regla de decisin:
Si x R 39.83 No se Rechaza Ho
Si x R < 39.83 Se rechaza Ho
Como la x R = 42 y este valor no es menor que 39.83 por lo tanto no se rechaza
Ho.
Se puede aprovechar este ejemplo para calcular el valor de P , como el valor de
t calculada es de 1.16, se busca en la tabla y se ve que el area a la izquierda
de este valor es de 0.135 con 11 grados de libertad, por lo tanto no se rechaza
Ho., ya que sera un valor alto para un nivel de significancia.

Valor P = 0.135

t= 0
tR = -1.16

2. Un artculo publicado en la revista Materials Engineering describe los

resultados de pruebas de resistencia a la adhesin de 22 especmenes de
aleacin U-700. La carga para la que cada especmen falla es la siguiente en
MPa:

19.8
15.4
11.4
19.5
10.1

18.5
14.1
8.8
14.9
7.9

17.6
13.6
7.5
12.7

16.7
11.9
15.4
11.9

15.8
11.4
15.4
11.4

Sugieren los datos que la carga promedio de falla es mayor que 10Mpa?
Supngase que la carga donde se presenta la falla tiene una distribucin
normal, y utilicese = 0.05. Calcule el valor de P.
Solucin:
1.

Datos:
= 10
s = 3.55
x = 13.71
n = 22
= 0.05

3. Ensayo de hiptesis
Ho; = 10
H1; > 10

H1

Ho

Regin de
rechazo

= 0.05
Regin de aceptacin

= 10

tL = 1.721

4. Regla de decisin:
Si tR 1.721 no se rechaza Ho .
Si tR> 1.721 se rechaza Ho .
5. Clculos:

tR =

x R 13.71 10
=
= 4.90
s
3.55
n
22

6. Justificacin y decisin.
Como 4.90 >1.721 se rechaza Ho y se concluye con un nivel de significancia
del 0.05 que la carga de falla promedio es mayor que 10Mpa.
Existe otra manera de resolver este ejercicio, tomando la decisin en base al
estadstico real, en este caso la media de la muestra. De la frmula de la
distribucin muestral de medias se despeja la media de la muestra:

tL =

xL
s
n

xL = +

tl s
n

= 10 +

(1.721)( 3.55)
22

= 11.30
H1

Ho

Regin de
rechazo

= 0.05
Regin de aceptacin

= 10

Regla de decisin:
Si x R 11.30 No se rechaza Ho
Si x R > 11.30 Se rechaza Ho

x L = 11.30

Como la media de la muestral es de 13.71 MPa y es mayor al valor de la media

muestral lmite de 11.30 por lo tanto se rechaza Ho y se llega a la misma
conclusin.
Para calcular el valor de P se va a la tabla y se busca en 21 grados de libertad el
valor de t = 4.90. Se obseva que el valor mayor de t que se encuentra en la tabla
con 21 grados de libertad es de 3.819 el cual le corresponde un rea a la
derecha de 0.0005, por lo que para el valor de 4.90 el valor de P es
practicamente cero, y esto apoya la decisin de rechazar Ho.
3. Los pesos en libras de una muestra aleatoria de bebs de seis meses son:
14.6, 12.5, 15.3, 16.1, 14.4, 12.9, 13.7 y 14.9. Haga una prueba con nivel de
5% de significancia para determinar si el peso promedio de todos los bebs
de seis meses es distinto a 14 libras, suponga que sus pesos se distribuyen
normalmente y calcule el valor de P.
Solucin:
1.

2.

Datos:
= 14 libras
s = 1.21 libras
x = 14.3 libras
n=8
= 0.05
Ensayo de hiptesis
Ho; = 14 libras
H1; 14 libras

Ho

H1

H1
Regin de
rechazo

Regin de
Rechazo

/2 = 0.025

tL = -2.365

/2 = 0.025
Regin de aceptacin

= 14

3. Regla de Decisin:
Si 2.365 tR 2.365 No se rechaza Ho

tL = 2.365

Si tR < -2.365 si tR > 2.365 Se rechaza Ho

4. Clculos:

tR =

x R 14.3 14
=
= 0.7012
s
1.21
n
8

5. Justificacin y decisin:
Como 2.365 0.7012 2.365 por lo tanto, no se rechaza Ho y se concluye
con un nivel de significancia del 0.05 que el peso promedio de todos los
bebs de seis meses es de 14 libras.
Solucin por el otro mtodo:
ts
(2.365)(1.21)
x L = l = 14
= 12.98 y 15.01
n
8
Ho

H1

H1
Regin de
rechazo

Regin de
Rechazo

/2 = 0.025

/2 = 0.025
Regin de aceptacin

x L = 12.98

= 14

x L = 15.01

Regla de decisin:
Si 12.98 x R 15.01 No se rechaza Ho
Si x R < 12.98 x R > 15.01 se rechaza Ho
Como la x R = 14.3 libras, entonces no se rechaza Ho .
Para calcular el valor de P se busca en la tabla el valor de 0.7012 con 7 grados
de libertad. Se obseva que este valor no se encuentra pero se puede interpolar
entre los valores de 0.549 y 0.896 con reas de 0.30 y 0.20 respectivamente.
Interpolando linealmente se obtiene el valor de 0.2561.
Valo
r P

tR = -0.7012

Error tipo II

tR = 0.7012

El error tipo II se calcula de la misma forma en la que se calcul con la

distribucin z. Se realizarn algunos ejercicios en los cuales se determinar la
probabilidad de cometer el error tipo II, utilizando la tabla de la distribucin.
Existen curvas caractersticas de operacin en los libros con diferentes grados
de libertad para determinar los tamaos de muestra correspondientes segn el
grado de error que se quiera, recordando que entre mayor sea el tamao de
muestra menor ser el error.
1. Se sabe que los voltajes de una marca de pilas tamao C se distribuyen
normalmente, se prob una muestra aleatoria de 15 y se encontr que la
media es de 1.4 volts con una desviacin estndar de 0.21 volts. En el nivel
de significancia de 0.01:
a) Indica esto que la media de los voltajes es menor que 1.5 volts?
b) Calcular la probabilidad de cometer el error tipo II si el voltaje promedio
real de las pilas es de 1.3 volts.
Solucin:
3.

Datos:
= 1.5 volts.
s= 0.21 volts
x = 1.4 volts.
n = 15
= 0.01

H1

Ho
Regin de
rechazo

5. Ensayo de hiptesis
Ho; = 1.5 volts
H1; < 1.5 volts

= 0.01
tL = -2.624

Regin de aceptacin

= 1.5

6. Regla de decisin:
Si tR -2.624 No se rechaza Ho
Si tR < -2.624 Se rechaza Ho
7. Clculos:

tR =

x R 1.4 1.5
=
= 1.84
s
0.21
n
15

8. Justificacin y decisin:
Como 1.84 > -2.624, por lo tanto no se rechaza Ho y se concluye con un
nivel de significancia del 0.01 que los voltajes de las pilas tamao C no son
menores a 1.5.
Para calcular el error tipo II se tiene que obtener el valor de x l de la siguiente
forma:
ts
(2.624)( 0.21)
x L = l = 1 .5
= 1.357
n
15

H1

Ho
Regin de
rechazo

= 0.01
Regin de aceptacin

t=

x l = 1.357

1.357 1.3
= 1.05
0.21
15

= 1.5
=0.15625

= 1.3

Para encontrar el valor de se busca en la tabla de la distribucin t el valor de

1.05 con 14 grados de libertad. Como este valor no se encuentra en la tabla se
interpola entre 0.868 y 1.076 con un rea de 0.20 y 0.15 respectivamente. Al
interpolar se obtiene un rea de 0.15612 y esta es la probabilidad de cometer el
error tipoII cuando la media verdadera es de 1.3 volts y un tamao de muestra
de 15.
2. Para el ejercicio del peso de los bebs de 6 meses, calcular el error tipo II, si
los pesos verdaderos hubieran sido de 11 y 14.5 libras.
Solucin:
Primero se calculan los valores de x l :

xL =

tl s
n

= 14

(2.365)(1.21)
8

= 12.98 y 15.01

Ho

H1

H1
Regin de
rechazo

Regin de
Rechazo

/2 = 0.025

/2 = 0.025
Regin de aceptacin

= 14

x L = 15.01

x L = 12.98

t=

=0.0016

= 11

12.98 11
= 4.63
1.21
8

12.98 14.5
= 3.55
1.21
8
15.01 14.5
t=
= 1.19
1.21
8
t=

= 0.8473
0.00475

0.1479

= 14.5

En este ltimo clculo para se tendr que analizar las reas de los dos
extremos, pues estas no estn dentro de la regin de aceptacin, por lo tanto no
se deben de tomar en cuenta para el error tipo II.
Se busca en la tabla el valor de 3.55 con 7 grados de libertad, y al interpolar nos
da un rea de 0.00475. El rea correspondiente a 1.19 con 7 grados de libertad
es de 0.1479. Por lo que =1-(0.00475+0.1479)= 0.8473
3. Para el ejercicio en donde se dan los resultados de pruebas de resistencia a
la adhesin de 22 especmenes de aleacin U-700., encontrar la probabilidad
de cometer el error tipo II si la carga promedio de falla es igual a 11.
Solucin:
Primero se obtendr el valor del estadstico lmite:
xL = +

tl s
n

= 10 +

(1.721)( 3.55)
22

= 11.30

H1

Ho

Regin de
rechazo

= 0.05
Regin de aceptacin

= 10

x L = 11.30

t=

11.30 11
= 0.3963
3.55
22
0.35129

DISTRIBUCION JI-CUADRADA (X 2)
En realidad la distribucin ji-cuadrada es la distribucin muestral de s2 . O sea
que si se extraen todas las muestras posibles de una poblacin normal y a cada
muestra se le calcula su varianza, se obtendr la distribucin muestral de
varianzas.
Para estimar la varianza poblacional o la desviacin estndar, se necesita
conocer el estadstico X 2. Si se elige una muestra de tamao n de una poblacin
normal con varianza 2, el estadstico:
(n 1) s 2
2
tiene una distribucin muestral que es una distribucin ji-cuadrada con gl=n-1
grados de libertad y se denota X2 (X es la minscula de la letra griega ji). El
estadstico ji-cuadrada esta dado por:
( n 1) s 2
X2 =
2
2
donde n es el tamao de la muestra, s la varianza muestral y 2 la varianza de
la poblacin de donde se extrajo la muestra. El estadstico ji-cuadrada tambin
se puede dar con la siguiente expresin:
(x x ) 2

2
X =
2

1.
2.
3.
4.
5.
6.

Propiedades de las distribuciones ji-cuadrada

Los valores de X 2 son mayores o iguales que 0.
La forma de una distribucin X2 depende del gl=n-1. En consecuencia, hay
un nmero infinito de distribuciones X 2.
El rea bajo una curva ji-cuadrada y sobre el eje horizontal es 1.
Las distribuciones X2 no son simtricas. Tienen colas estrechas que se
extienden a la derecha; esto es, estn sesgadas a la derecha.
Cuando n>2, la media de una distribucin X 2 es n-1 y la varianza es 2(n-1).
El valor modal de una distribucin X 2 se da en el valor (n-3).

La siguiente figura ilustra tres distribuciones X 2. Note que el valor modal aparece
en el valor (n-3) = (gl-2).
gl=3

1 2

gl=5

gl=10

9 10 11 12 13 14

La funcin de densidad de la distribucin X 2 esta dada por:

x
1
f (x ) =
x 21e 2
para x>0
2

2 2
La tabla que se utilizar para estos apuntes es la del libro de probabilidad y
estadstica de Walpole, la cual da valores crticos X2 (gl) para veinte valores
especiales de . Para denotar el valor crtico de una distribucin X2 con gl
grados de libertad se usa el smbolo X2 (gl); este valor crtico determina a su
derecha un rea de bajo la curva X 2 y sobre el eje horizontal. Por ejemplo para
encontrar X20.05(6) en la tabla se localiza 6 gl en el lado izquierdo y =0.05 a o
largo del lado superior de la misma tabla.
= 0.05

( )

gl =6

12.592

=0.05

X2

Clculo de Probabilidad
El clculo de probabilidad en una distribucin muestral de varianzas nos sirve
para saber como se va a comportar la varianza o desviacin estndar en una
muestra que proviene de una distribucin normal.
Ejemplos:
b) Suponga que los tiempos requeridos por un cierto autobs para alcanzar un
de sus destinos en una ciudad grande forman una distribucin normal con
una desviacin estndar =1 minuto. Si se elige al azar una muestra de 17
tiempos, encuentre la probabilidad de que la varianza muestral sea mayor
que 2.
Solucin:
Primero se encontrar el valor de ji-cuadrada correspondiente a s2 =2 como
sigue:
( n 1) s 2 (17 1)( 2)
X2 =
=
= 32
2
(1) 2

El valor de 32 se busca adentro de la tabla en el rengln de 16 grados de

libertad y se encuentra que a este valor le corresponde un rea a la derecha de
0.01. En consecuencia, el valor de la probabilidad es P(s2>2)

=0.01
X2 =32

b) Encuentre la probabilidad de que una muestra aleatoria de 25 observaciones,

de una poblacin normal con varianza 2=6, tenga una varianza muestral:
a) Mayor que 9.1
b) Entre 3.462 y 10.745
Solucin.
a) Primero se proceder a calcular el valor de la ji-cuadrada:
( n 1) s 2 ( 25 1)(9.1)
X2 =
=
= 36.4
2
6
Al buscar este nmero en el rengln de 24 grados de libertad nos da un rea a la
derecha de 0.05. Por lo que la P(s2 >9.1) = 0.05
b) Se calcularn dos valores de ji-cuadrada:
( n 1) s 2 ( 25 1)(3.462)
( 25 1)(10.745)
X2 =
=
= 13.847 y X 2 =
= 42.98
2

6
6
Aqu se tienen que buscar los dos valores en el rengln de 24 grados de libertad.
Al buscar el valor de 13.846 se encuentra un rea a la derecha de 0.95. El valor
de 42.98 da un rea a la derecha de 0.01. Como se est pidiendo la probabilidad
entre dos valores se resta el rea de 0.95 menos 0.01 quedando 0.94.
Por lo tanto la P(3.462 s2 10.745) = 0.94

=0.95

=0.01

X2 =13.84

0.94

X2 =13.84

X2 =32

X2 =42.98

Estimacin de la Varianza
Para poder estimar la varianza de una poblacin normal se utilizar la
distribucin ji-cuadrada.
( n 1) s 2
2
X =
2
Al despejar esta frmula la varianza poblacional nos queda:
( n 1) s 2
2 =
X2
2
Los valores de X dependern de nivel de confianza que se quiera al cual le
llamamos 1-. Si nos ubicamos en la grfica se tiene:
/2

/2
1-
X2 1-/2

X2 /2

Ejemplos:
1. Los siguientes son los pesos, en decagramos, de 10 paquetes de semillas de
pasto distribuidas por cierta compaa: 46.4, 46.1, 45.8, 47.0, 46.1, 45.9,
45.8, 46.9, 45.2 y 46. Encuentre un intervalo de confianza de 95% para la
varianza de todos los paquetes de semillas de pasto que distribuye esta
compaa, suponga una poblacin normal.
Solucin:
Primero se calcula la desviacin estndar de la muestra:
s=

(x

x)2

(46.4 46.12 )2 + (46.1 46.12)2 + ... + ( 46 46.12) 2

= 0.5347
n 1
10 1
al elevar este resultado al cuadrado se obtiene la varianza de la muestra s2=
0.286.
i

Para obtener un intervalo de confianza de 95% se elige un = 0.05. Despues

con el uso de la tabla con 9 grados de libertad se obtienen los valores de X 2.
/2= 0.025

/2=0.025
1-
X2 (0.975,9)= 2.7

X2 (0.025,9)= 19.023

Se puede observar en la grfica anterior que el valor de X2 corre en forma

normal, esto es de izquierda a derecha.
Por lo tanto, el intervalo de confianza de 95% para la varianza es:
(10 1)( 0.286)
2 max =
= 0.953
2 .7
(10 1)( 0.286)
2 min =
= 0.135
19.023
Graficamente:
/2= 0.025

/2=0.025
1-
X2 (0.975,9)= 2.7

X2 (0.025,9)= 19.023

2 max = 0.953

2 min= 0.135

Se observa que la varianza corre en sentido contrario, pero esto es slo en la

grfica. La interpretacin quedara similar a nuestros temas anteriores referentes
a estimacin. Con un nivel de confianza del 95% se sabe que la varianza de la
poblacin de los pesos de los paquetes de semillas de pasto esta entre 0.135 y
0.935 decagramos al cuadrado.

2. En trabajo de laboratorio se desea llevar a cabo comprobaciones cuidadosas

de la variabilidad de los resultados que producen muestras estndar. En un
estudio de la cantidad de calcio en el agua potable, el cual se efecta como
parte del control de calidad, se analiz seis veces la misma muestra en el
laboratorio en intervalos aleatorios. Los seis resultados en partes por milln
fueron 9.54, 9.61, 9.32, 9.48, 9.70 y 9.26. Estimar la varianza de los
resultados de la poblacin para este estndar, usando un nivel de confianza
del 90%.
Solucin:
Al calcular la varianza de la muestra se obtiene un valor de s2= 0.0285.
Se busca en la tabla los valores correspondientes con 5 grados de libertad,
obtenindose dos resultados. Para X 2(0.95,5)= 1.145 y para X 2(0.0,5)= 11.07.
Entonces el intervalo de confianza esta dado por:

 2 max =

(6 1)( 0.0285)
= 0.1246
1.145

2 min =

(6 1)( 0.0285)
= 0.0129
11.07

/2= 0.05

/2=0.05
1-
X2 (0.95,6) = 1.145
2 max = 0.1246

X2 (0.05,6) = 11.07
2 min= 0.0.129

Ensayo de Hiptesis para la Varianza de una Poblacin Normal

En la mayora de los casos se tiene el problema de desconocer la varianza o
desviacin estndar de la poblacin, en donde las distribuciones son normales.
Si se desea probar una hiptesis acerca de la varianza se puede hacer
utilizando las medidas estadsticas con las que se construy el intervalo de
confianza 2, esto es con la distribucin Ji- cuadrada.
Ejemplos:
1. Una compaa que produce una parte maquinada para un motor, afirma que
tiene una varianza de dimetro no mayor a 0.0002 pulgadas. Una muestra
aleatoria de 10 de dichas partes dio una varianza de muestra s2 = 0.0003. Si
se supone que las medidas del dimetro se distribuyen en forma normal,
hay evidencia para refutar lo que afirma el proveedor? Use = 0.05.
Solucin:
Como en todos los ensayos de hiptesis que se han realizado anteriormente el
procedimiento es el mismo. Despus de que se identifican los datos, se plantea
la hiptesis para determinar el tipo de ensayo.
Datos:
2= 0.0002
n = 10
s2 = 0.0003
= 0.05
Ensayo de hiptesis:
Ho; 2= 0.0002
H1; 2> 0.0002

Ho

H1
Regin de
rechazo
=0.05
Regin de
aceptacin
X2 (0.05,9) = 16.919

Regla de decisin:
Si X 2R 16.919 no se rechaza Ho .
Si X 2R>16.919 se rechaza Ho.
Clculos:
X 2R =

( n 1) s 2 (10 1)( 0.0003)

=
= 13.5
2
0.0002

Justificacin y decisin:
Como 13.5 no es mayor que 16.919 por lo tanto no se rechaza Ho y se concluye
con un nivel de significancia de 0.05 que no se puede refutar la afirmacin del
proveedor.
Este ejercicio se puede aprovechar para calcular el valor de P. En la tabla se
busca el valor de 13.5 en el rengln de 9 grados de libertad. Interpolando entre
0.10 y 0.20 se obtiene un valor de P de 0.1484.

P = 0.1484
=0.05

X2 R= 13.5

X2 (0.05,9) = 16.919

2. El contenido de azcar del almbar de los duraznos enlatados tiene una

distribucin normal, donde se cree que la varianza es 2 = 18 mg2. Se toma
una muestra de 10 latas dieron una desviacin estndar de 4.8 mg.
Muestran estos datos suficiente evidencia para decir que la varianza ha
cambiado?. Use un = 0.05 y calcule el valor de P.
Solucin:
Datos:
2= 18
n = 10
s = 4.8
= 0.05
Ensayo de hiptesis:
Ho; 2= 18
H1
H1; 2 18

Regin de
rechazo

Regin de
rechazo
/2=0.025

H1

Ho

/2=0.025
Regin de
aceptacin
X2 (0.975,9)= 2.7

X2 (0.025,9)= 19.023

Regla de decisin:
Si 2.7 X2R 19.023 no se rechaza Ho.
Si X 2R<2.7 si X 2 R>19.023 se rechaza Ho.
Clculos:
X 2R =

( n 1) s 2 (10 1)( 4.8) 2

=
= 11.52
2
18

Justificacin y decisin:
Como 11.52 est entre 2.7 y 19.023, no se rechaza Ho, y se concluye con un
nivel de significancia de 0.05 que la varianza del contenido de azcar del almbar
no ha cambiado, esto es es de 18 mg2.
Si recordamos al principio de este tema se dijo que la media de la distribucin jicuadrada es (n-1), por lo tanto la media de este ejercicio es de 9. Como el valor
real de X2 R = 11.52 este nmero se encuentra a la derecha de la media, lo cual
quiere decir que el valor de P/2 ser el rea a la derecha del valor de X2R. Al
buscar el valor de 11.52 en la tabla se obtiene un rea de 0.2423, por lo tanto
P/2 = 0.2423 y P= (2)(0.2423) = 0.4846
P/2=
0.2423

/2=0.025
X2 (0.975,9)= 2.7

/2=0.025

2
X2 R= 11.52 X (0.025,9)= 19.023

3. Experiencia anterior indica que el tiempo que se requiere para que los
estudiantes de ltimo ao de preparatoria completen una prueba
estandarizada es una variable aletoria normal con una desviacin estndar
de seis minutos. Se toma una muestra aleatoria de 20 estudiantes de ltimo
ao de preparatoria y se obtiene una desviacin estndar de 4.51. Muestran
estos datos suficiente evidencia para decir que la desviacin estndar
disminuy?. Utilice el valor de P para su decisin.
Solucin:
Datos:
= 6
n = 20
s = 4.51
Ensayo de hiptesis:

Ho; = 6
H1; < 6
Clculos:
( n 1) s 2 ( 20 1)( 4.51) 2
=
= 10.735
2
(6) 2
Para obtener el valor de P, se busca en la tabla el 10.735 con 19 grados de
libertad, y el rea que se encuentra es la que est a la derecha de este valor.
Como la media de esta distribucin ji-cuadrada es de 19, por lo tanto el valor de
10.735 queda a la izquierda de la media. El valor de P es de 0.07, y con esto se
puede concluir que si hubiramos utilizado un nivel de significancia de 0.10, se
rechaza Ho y se concluye que la desviacin estndar disminuyo, pero si se utiliza
un valor de = 0.05, entonces no se rechaza Ho y se concluira que la
desviacin estndar no disminuy. La decisin depende del error tipo I que est
dispuesto a tolerar el investigador.
X 2R =

P=0.07

Area que da la tabla = 0.9298

X2 R= 10.735

Error tipo II
El error tipo II se calcula de la misma forma en la que se calcul con la
distribucin z. Se realizarn algunos ejercicios en los cuales se determinar la
probabilidad de cometer el error tipo II, utilizando la tabla de la distribucin Jicuadrada.
1. Se tiene un ensayo de hiptesis unilateral derecho, con n=20 y = 0.05
Ho; = 0.10
H1; > 0.10
Se quiere calcular el error tipo II si las desviaciones estndar verdaderas
fueran de 0.12 y 0.14.
Solucin:
Para poder calcular el error tipo II, primero se debe encontrar el valor de la
varianza muestral lmite, esto es s2L, para poder calcular los valores de X2 y
posteriormente calcular el rea. Al buscar en la tabla X 2(0.05,19)=30.144, este valor
se sustituir en la formula. Al despejar de la frmula original de X 2 se obtiene:
s

2
L

X L2 2 (30.144 )(0.10)2
=
=
= 0.0158
(n 1)
(20 1)

Ho

H1
Regin de
rechazo
=0.05
Regin de
aceptacin
S2 L = 0.0158

X2 =

= 0.6493

( 20 1)( 0.0158)
= 20.84
(0.12) 2

Valor de tabla =0.3506

X2 =
= 0.30

( 20 1)( 0.0158)
= 15.31
(0.14) 2

Valor de tabla =0.70

2. Encontrar el error tipo II para el ejercicio 2 de esta seccin, en donde el

ensayo es bilateral pues se quiere ver si la varianza del contenido de azcar
en el almbar de los duraznos ha cambiado. Suponga una varianza real de 20
y 26.

Solucin:
Como este es un ensayo bilateral se tendrn dos valores de s2L. Los cuales se
calcularn utilizando las ji-cuadradas lmites que eran de de 2.7 y 19.023.

X L2 2 (2.7 )(18)
=
= 5.4
(n 1) (10 1)
y
2 2
X
(19.023)(18 ) = 38.04
= L
=
(n 1)
(10 1)

s L2 =

s L2

Estos dos valores se utilizarn para calcular las nuevas ji-cuadradas para
calcular el valor de .

Ho
Regin de
rechazo

Regin de
rechazo
/2=0.025

/2=0.025
Regin de
aceptacin
s 2 = 5.4

s 2= 38.04

X2 =

(10 1)(5.4)
= 2.43
20

X2 =

(10 1)( 38.04)

= 17.12
20

X2 =

(10 1)( 5.4)

= 1.87
26

X2 =

(10 1)( 38.04)

= 13.16
26

=0.9822-0.05=
0.9322
0.05

X2 =2.43

X2 =17.12

Area = 0.9822
=0.993-0.1624=
0.8306
0.1624

X2 =1.87

X2 =13.16

Area = 0.9930

DISTRIBUCION F FISHER
La necesidad de disponer de mtodos estadsticos para comparar las
varianzas de dos poblaciones es evidente a partir del anlisis de una
sola poblacin. Frecuentemente se desea comparar la precisin de
un instrumento de medicin con la de otro, la estabilidad de un
proceso de manufactura con la de otro o hasta la forma en que vara
el procedimiento para calificar de un profesor universitario con la de
otro.
Intuitivamente, podramos comparar las varianzas de dos
poblaciones, 21 y 22, utilizando la razn de las varianzas
muestrales s21/s22. Si s21/s 22 es casi igual a 1, se tendr poca
evidencia para indicar que 21 y 22 no son iguales. Por otra parte, un
valor muy grande o muy pequeo para s21/s 22, proporcionar
evidencia de una diferencia en las varianzas de las poblaciones.
La variable aleatoria F se define como el cociente de dos variables aleatorias jicuadrada independientes, cada una dividida entre sus respectivos grados de
libertad. Esto es,
U
1
F=
V
2
donde U y V son variables aleatorias ji-cuadrada independientes con grados de
libertad 1 y 2 respectivamente.
Sean U y V dos variables aleatorias independientes que tienen distribucin ji
cuadradas con 1 y 2 grados de libertad, respectivamente. Entonces la
U
1
distribucin de la variable aleatoria F =
est dada por:
V
2
1

f (x ) =

[( 1 + 2 ) / 2]( 1 / 2 )

1 1
2

( 1 / 2)( 2 / 2 )(1 + 1 x / 2 )

(1 + 2 ) / 2

o< x <

y se dice que sigue la distribucin F con 1 grados de libertad en el numerador y

2 grados de libertad en el denominador.
La media y la varianza de la distribucin F son:

 = 2 2
2
=
2

2 22 ( 1 + 2 2)

para 2 >2,

1 ( 2 2) ( 2 4)
2

para 2 > 4

La variable aleatoria F es no negativa, y la distribucin tiene un sesgo hacia la

derecha. La distribucin F tiene una apariencia muy similar a la distribucin jicuadrada; sin embargo, se encuentra centrada respecto a 1, y los dos
parmetros 1 y 2 proporcionan una flexibilidad adicional con respecto a la forma
de la distribucin.
Si s12 y s22 son las varianzas muestrales independientes de tamao n1 y n2
tomadas de poblaciones normales con varianzas 1 2 y 2 2 , respectivamente,
entonces:
s12
2
2
12 s12 22 s1 2
F= 2
= 2 2 =
ss
s 2 1 s 2 1
2
2
Para manejar las tablas de Fisher del libro de Introduccin a la Inferencia
Estadstica del autor Genther, se tendr que buscar primero los grados de
libertad dos para luego localizar el rea correspondiente, relacionndola con los
grados de libertad uno, para calcular el valor de F.
Las tablas tienen la siguiente estructura:
1
2
6

P
0.0005
0.001
0.005
.
.
0.9995

..

500

30.4

El valor de 30.4 es el correspondiente a una Fisher que tiene 3 grados de

libertad uno y 6 grados de libertad dos con un rea de cero a Fisher de 0.995. Si
lo vemos graficamente:
1 = 0.9995

F(0.9995;3,6)=30.4

Como nos podemos imaginar existen varias curvas Fisher, ya que ahora su
forma depende de dos variables que son los grados de libertad.

Ejemplos :
1. Encontrar el valor de F, en cada uno de los siguientes casos:
a) El rea a la derecha de F, es de 0.25 con 1=4 y 2=9.
b) El rea a la izquierda de F, es de 0.95 con 1=15 y 2=10.
c) El rea a la derecha de F es de 0.95 con con 1=6 y 2=8.
d) El rea a la izquierda de F, es de 0.10 con con 1=24 y 2=24
Solucin:
a) Como el rea que da la tabla es de cero a Fisher, se tiene que localizar
primero los grados de libertad dos que son 9, luego un rea de 0.75 con 4
grados de libertad uno.

Area=0.25

F(0.75;4, 9 )= 1.63
b) En este caso se puede buscar el rea de 0.95 directamente en la tabla con
sus respectivos grados de libertad.
Area = 0.95

F(0.95;15,10) = 2.85
c) Se tiene que buscar en la tabla un rea de 0.05, puesto que nos piden un
rea a la derecha de F de 0.95.
Area = 0.95

F(0.05; 6, 8) = 0.241

d) Se busca directamente el rea de 0.10, con sus respectivos grados de

libertad.
Area = 0.10

F(0.10; 24, 24)= 0.588

2. Si s12 y s22 son las varianzas muestrales de muestras aleatorias
independientes de tamaos n1=10 y n2 =20, tomadas de poblaciones
normales que tienen las mismas varianzas, encuentre P(s12/s22 2.42).
Solucin:
Primero se establecen los grados de libertad. Como en el numerador est la
poblacin uno y en el denominador la poblacin dos, entonces los grados de
libertad uno equivalen a 10-1=9 y los grados de libertad dos a 20-1=19.
Se procede a ir a la tabla a buscar los grados de libertad dos que son 19 y se
observa que no estn, por lo tanto se tiene que interpolar entre 15 y 20 grados
de libertad, buscando el valor de fisher que quedara:
2

s
F = 1 2 = ( 2.42)(1) = 2.42
s2 1
Este valor de 2.42 se busca en la columna de 9 grados de libertad uno, con 15
grados de libertad dos, y se encuentra los siguiente:
Area
0.90
0.95

1= 9
2.09
2.59

Al interpolar entre estos dos valores nos queda un rea de 0.933.

Se procede a hacer lo mismo pero con 20 grados de libertad dos:
Area
0.95
0.975

1= 9
2.39
2.84

Al interpolar entre estos dos valores nos queda un rea de 0.9516.

Ahora ya se tienen las dos reas referentes a los grados de libertad dos, por lo
que se interpolar para ver cunto le corresponde a los grados libertad dos con
un valor de 19.

2
15
20

Area
0.933
0.9516

Al interpolar nos queda que para 9 grados de libertad uno y 19 grados de

libertad dos con un valor de Fisher de 2.42 el rea a la izquierda es de 0.9478.
P = 0.9478

F = 2.42
3. Si s12 y s22 representan las varianzas de las muestras aleatorias
independientes de tamao n1= 25 y n2 = 31, tomadas de poblaciones
normales con varianzas 12 =10 y 22 = 15, respectivamente, encuentre
P(s12/s22 > 1.26).
Solucin:
Calcular el valor de Fisher:
2

s
15
F = 1 2 = (1.26) = 1.89
10
s2 1
Luego se va a la tabla de Fisher a buscar 30 grados de libertad 2 con 24 grados
de libertad uno. Cuando se este en esta posicin se busca adentro de la tabla el
valor de Fisher de 1.89. Al localizarlo y ver a la izquierda de este valor se obtiene
un rea de 0.95, pero esta rea correspondera a la probabilidad de que las
relaciones de varianzas muestrales fueran menor a 1.26, por lo que se calcula
su complemento que sera 0.05, siendo esta la probabilidad de que s12 /s22 >
1.26.

P=0.05

F = 1.89
Intervalo de Confianza para el Cociente de Varianzas de Dos Distribuciones Normales

Supngase que se tienen dos poblaciones normales e independientes con

varianzas desconocidas 1 2 y 22, respectivamente. De este par de poblaciones,
se tienen disponibles dos muestras aleatorias de tamaos n1 y n2,
respectivamente, sean s12 y s22 las dos varianzas muestrales. Se desea conocer

un intervalo de confianza del 100(1-) por ciento para el cociente de las dos
varianzas, 12/22.
Para construir el intervalo de confianza para el cociente de dos varianzas
poblacionales, se coloca la varianza muestral mayor en el numerador del
estadstico F.
Ejemplos:
1. Un fabricante de automviles pone a prueba dos nuevos mtodos de
ensamblaje de motores respecto al tiempo en minutos. Los resultados se
muestran el la tabla:
Mtodo 1
n1 = 31
2
s 1 = 50

Mtodo 2
n2 = 25
2
s 2 = 24

Construya un intervalo de confianza del 90% para 12/22.

Solucin:
Por la recomendacin de que la varianza muestral mayor va en el numerador se
tiene la siguiente frmula:
2
2
s1 2

F =
s2 1
12
s12
=
.
22 Fs 22
F toma dos valores dependiendo del nivel de confianza y de los grados de
libertad. En este caso los grados de libertad uno valen 30 y los grados de
libertad dos 24.
al despejar:

Nivel de confianza= 0.90

F(0.05; 30, 24) = 0.530

12
s12
50
=
=
= 3.93
2
2
2 Fs 2 (0.530)( 24)

F(0.95; 30, 24) = 1.94

y

12
s12
50
=
=
= 1.07
2
2
2 Fs 2 (1.94)( 24)

Estos resultados los podemos interpretar de la siguiente manera:

Con un nivel de confianza del 90% se sabe que la relacin de varianzas 12/22
esta entre 1.07 y 3.93. Esto supondra que la varianza de la poblacin 1 es
mayor a la varianza de la poblacin 2 entre 1.07 y 3.93.
2. Una compaa fabrica propulsores para uso en motores de turbina. Al
ingeniero de manufactura le gustara seleccionar el proceso que tenga la

menor variabilidad en la rugosidad de la superficie. Para ello toma una

muestra de n1 =16 partes del primer proceso, la cual tiene una desviacin
estndar s1 = 4.7 micropulgadas, y una muestra aleatoria de n2=12 partes del
segundo proceso, la cual tiene una desviacin estndar s2 = 5.1
micropulgadas. Se desea encontrar un intervalo de confianza del 90% para el
cociente de las dos varianzas 1 2 /2 2 . Suponga que los dos procesos son
independientes y que la rugosidad de la superficie est distribuida de manera
normal.
Solucin:
Por la recomendacin de que la varianza muestral mayor va en el numerador se
tiene la siguiente frmula:
2
2
s2 1

F =
s1 2
12 Fs12
al despejar: 2 = 2 .
2
s2
En este caso los grados de libertad uno valen 11 y los grados de libertad dos 15.
Nivel de confianza= 0.90

F(0.05; 11, 15) = 0.368

12 Fs12 (0.368)( 4.7) 2
= 2 =
= 0.3125
22
s2
5.12

F(0.95; 11, 15) = 2.51

y

12 Fs12 ( 2.51)( 4.7 ) 2

= 2 =
= 2.13
22
s2
5.12

Estos resultados los podemos interpretar de la siguiente manera:

Puesto que este intervalo de confianza incluye a la unidad, no es posible afirmar
que las desviaciones estndar de la rugosidad de la superficie de los dos
procesos sean diferentes con un nivel de confianza del 90%.

Ensayo de Hiptesis
Supngase que se tiene inters en dos poblaciones normales independientes,
donde las medias y las varianzas de la poblacin son desconocidas. Se desea
probar la igualdad de las dos varianzas, ya que para poder comparar las medias
de estas dos poblaciones se utiliza la distribucin t de Student, en la cual
podemos tener varianzas iguales o diferentes en la poblacin.
Para conocer esto ltimo se requiere de la distribucin Fisher, y despus de
utilizarla, se tomar la decisin de tener o no varianzas iguales en la poblacin,

dando pi a realizar la comparacin de las dos medias segn estemos hablando.

Primer caso en que las varianzas de la poblacin son desconocidas pero
iguales, o en el caso dos donde se tienen varianzas desconocidas pero
dismiles.
Para el ensayo de hiptesis se utilizar la relacin de varianzas, la cual puede
dar tres resultados:
>1 12 > 22
12/22
=1 12 = 22
<1 12 < 22
En base a lo que se quiera probar, el ensayo podr ser unilateral derecho,
izquierdo o bilateral.
Ejemplos:

1. La variabilidad en la cantidad de impurezas presentes en un lote

de productos qumicos, utilizada para un proceso en particular,
depende del tiempo que tarda el proceso. Un fabricante que
emplea dos lneas de produccin 1 y 2, hizo un pequeo ajuste al
proceso 2, con la esperanza de reducir la variabilidad, as como la
cantidad media de impurezas en los productos qumicos.
Muestras de n1=25 y n2=20 mediciones de dos lotes produjeron
las siguientes medias y varianzas:
x1 = 3.2

x 2 = 3.0

s 21 = 1.04

s 2 2 = 0.51

Presentan los datos evidencia suficiente para indicar que las

variaciones del proceso son menores para el 2? Realice una
prueba con un = 0.05.
Solucin:
Datos:
Poblacin 1

Poblacin 2

x1 = 3.2

x 2 = 3.0

s 21 = 1.04

s 2 2 = 0.51

n1 = 25
= 0.05

n2 = 20

Ensayo de hiptesis:
2

H o ; 1 2 = 1
2

H1 ; 1 2 2 1

Estadstico de prueba:
F=

s12
s2

La sugerencia que se hace es que el numerador sea el de

valor mayor .
Entonces los grados de libertad uno ser el tamao de la muestra de
la poblacin uno menos uno. 1= 25-1 = 24 y 2 = 20-1=19.
H0

H1

= 0.05
Regin de
aceptacin

F(0.95; 24, 19)= 2.11

Regla de decisin:
Si F c 2.11 No se rechaza Ho,
Si la F c > 2.11 se rechaza Ho.
Clculo:
F=

s12
s2

1.04
= 2.04
0.51

Decisin y Justificacin:
Como 2.04 es menor que 2.11 no se rechaza Ho, y se concluye con
un = 0.05 que no existe suficiente evidencia para decir que la
varianza del proceso 2 es menor que la del proceso 1.
2. En su incansable bsqueda de un sistema de llenado adecuado,
cierta empresa prueba dos mquinas. Robo-fill se usa para llenar
16 tarros y da una desviacin estndar de 1.9 onzas en el llenado.
Con Automat-fill se llenan 21 frascos que dan una desviacin
estndar de 2.1 onzas. Si la empresa tiene que elegir uno de
estos sistemas en funcin de la uniformidad de llenado. Cual
deber seleccionar? Use un = 0.10.
Solucin:

Datos:
Robo-Fill
sRF = 1.9
nRF = 16
= 0.10

Automat-Fill
sAF = 2.1
nAF = 21

Ensayo de hiptesis:
2

H o ; AF RF = 1
2

H1 ; AF 2 RF 1

Estadstico de prueba:
F=

s AF 2
s RF

La sugerencia que se hace es que el numerador sea el de

valor mayor .
Entonces los grados de libertad uno ser el tamao de la muestra de
la poblacin uno menos uno. 1= 21-1 = 20 y 2 = 16-1=15.
H0

H1

= 0.05
Regin de
aceptacin

F(0.95; 20, 15)= 2.20

Regla de decisin:
Si F c 2.20 No se rechaza Ho,
Si la F c > 2.20 se rechaza Ho.
Clculo:
F=

s AF 2
s RF

2.12
= 1.22
1.9 2

Decisin y Justificacin:
Como 1.22 es menor que 2.20 no se rechaza Ho, y se concluye con
un = 0.10 que la variacin de llenado de la mquina Robo-Fill no es

menor a la de Automat-Fill, por lo que se selecciona cualquier

mquina.
3. Las capas de xido en las obleas semiconductoras son
depositadas en una mezcla de gases para alcanzar el espesor
apropiado. La variabilidad del espesor es una caracterstica crtica
de la oblea, y lo deseable para los siguientes pasos de la
fabricacin es tener una variabilidad baja. Para ello se estudian
dos mezclas diferentes de gases con la finalidad de determinar
con cul se obtienen mejores resultados en cuanto a la reduccin
en la variabilidad del espesor del xido. Veintin obleas son
depositadas en cada gas. Las desviaciones estndar de cada
muestra del espesor del xido son s 1 = 1.96 angstroms y s2 = 2.13
angstroms. Existe evidencia que indique una diferencia en las
desviaciones? Utilice =0.05.
Solucin:
Datos:
s1= 1.96
n1 = 21

s2 = 2.13
n2= 21

Ensayo de hiptesis:
H o ; 2 1 = 1
2

H o ; 2 1 1
2

Estadstico de prueba:
F=

s2 2
s1

La sugerencia que se hace es que el numerador sea el de

valor mayor .
Entonces los grados de libertad uno ser el tamao de la muestra de
la poblacin uno menos uno. 1= 21-1 = 20 y 2 = 21-1=20.
H0

H1

H1

/2 = 0.025

/2 = 0.025
Regin de
aceptacin

F(0.975; 20, 20 )= 2.46

F(0.025; 20,20 )= 0.406

Regla de decisin:
Si 0.406 Fc 2.46 No se rechaza Ho,
Si la F c < 0.406 si F c > 2.46 se rechaza Ho.
Clculo:
F=

s2 2
s1

1.96 2
=
= 0.85
2.132

Decisin y Justificacin:
Como 0.85 esta entre los dos valores de Ho no se rechaza , y se
concluye con un = 0.05 que existe suficiente evidencia para decir
que las varianza de las poblaciones son iguales.
Error Tipo II
1. Para el ejercicio anterior, encontrar la probabilidad de cometer
error tipo II si la verdadera relacin 12/22 = 2.
Solucin:
H0

H1

H1

/2 = 0.025

/2 = 0.025
Regin de
aceptacin

s2 /s1 = 0.406

=0.6781

Area = 1

s 2 /s 1 = 2.46

0.3219

F = 0.812

F(0.975; 20, 20 )= 2.46

F(0.025; 20,20 )= 0.406

2

s 2 2
F = 22 12
s1 2

F = 4.92

s22
F = 2
s1
s2
F = 22
s1

12
2
2
12
2
2

= (0.406)(2 ) = 0.812

= (2.46)(2 ) = 4.92

2. Del ejercicio nmero 1 del ensayo de hiptesis en donde la

variabilidad en la cantidad de impurezas presentes en un lote de
productos qumicos dependa del tiempo que tardaba el proceso y
el fabricante empleaba dos lneas de produccin 1 y 2, e hizo un
pequeo ajuste al proceso 2, calcular la probabilidad de cometer
error tipo II si le relacin 12/22 = 1.5.
Solucin:

s 2 2
F = 12 22 por lo tanto s12 /s22 = 2.11 ya que esto fue lo que dio la tabla y al
s2 1
despejar nos queda los mismo. Se calcula un nuevo valor de F con la relacin de
varianzas de 1.5.
s 2 2
1
F = 12 22 = (2.11) = 1.406
1.5
s2 1
Si se recuerda para este ejercicio se tienen 24 grados de libertad uno y 19 de
grados de libertad dos, por lo que se tiene que hacer una doble interpolacin ya
que 19 grados de libertad dos no vienen en la tabla.
Primero se interpolar para 24 grados de libertad uno y 15 grados de libertad dos:
Area
0.50
0.75

Valor de F
1.02
1.41

Al interpolar para un valor de Fisher de 1.406 se ve que este valor est muy
cercano a 1.41, el cual le corresponde un rea de 0.75, por lo que queda un
resultado de 0.7474
Ahora se procede a interpolar para 24 grados de libertad uno y 20 grados de
libertad dos:
Area
0.75
0.90

Valor de F
1.35
1.77

La interpolacin para un valor de Fisher de 1.406 es de 0.77.

Teniendo los dos valores, se puede calcular el rea correspondiente a 24 grados
de libertad uno y 19 grados de libertad dos:
2
15
20

Area
0.7474
0.77

Por lo tanto al interpolar para 19 grados de libertad dos nos da un valor de

0.76548

H0

H1

= 0.05
Regin de
aceptacin

F(0.95; 24, 19)= 2.11

= 0.7654

s12/s22 = 2.11

INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS

DE
DOS
DISTRIBUCIONES
NORMALES,
VARIANZAS
DESCONOCIDAS
En esta seccin se ver el caso en donde se tienen dos poblaciones con
medias y varianzas desconocidas, y se desea encontrar un intervalo de
confianza para la diferencia de dos medias 1 2 . Si los tamaos de
muestras n1 y n2 son mayores que 30, entonces, puede emplearse el
intervalo de confianza de la distribucin normal. Sin embargo, cuando se
toman muestras pequeas se supone que las poblaciones de inters estn
distribuidas de manera normal, y los intervalos de confianza se basan en la
distribucin t.
INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS
DISTRIBUCIONES NORMALES, VARIANZAS DESCONOCIDAS PERO
IGUALES
Si x1 , x2 , s12 y s 22 son las medias y las varianzas de dos muestras aleatorias
de tamao n 1 y n 2, respectivamente, tomadas de dos poblaciones normales
e independientes con varianzas desconocidas pero iguales, entonces un
intervalo de confianza del 100(1- ) por ciento para la diferencia entre
medias es:

1 2 = ( x1 x 2 ) ts p

1 1
+
n1 n2

en donde:
s 2 ( n 1) + s 22 ( n 2 1)
s 2p = 1 1
n1 + n2 2
es el estimador combinado de la desviacin estndar comn de la
poblacin con n 1+n2 2 grados de libertad.
Ejemplos:
1. Un artculo publicado dio a conocer los resultados de un anlisis del
peso de calcio en cemento estndar y en cemento contaminado con
plomo. Los niveles bajos de calcio indican que el mecanismo de
hidratacin del cemento queda bloqueado y esto permite que el agua
ataque varias partes de una estructura de cemento. Al tomar diez
muestras de cemento estndar, se encontr que el peso promedio de
calcio es de 90 con una desviacin estndar de 5; los resultados
obtenidos con 15 muestras de cemento contaminado con plomo fueron
de 87 en promedio con una desviacin estndar de 4. Supngase que el
porcentaje de peso de calcio est distribuido de manera normal.
Encuntrese un intervalo de confianza del 95% para la diferencia entre

medias de los dos tipos de cementos. Por otra parte, supngase que las
dos poblaciones normales tienen la misma desviacin estndar.
Solucin:
El estimador combinado de la desviacin estndar es:
s 2 ( n 1) + s 22 (n 2 1) 5 2 (10 1) + 4 2 (15 1)
s 2p = 1 1
=
= 19.52
n1 + n2 2
10 + 15 2
Al calcularle raz cuadrada a este valor nos queda que s p = 4.41

1 2 = ( x1 x 2 ) ts p

1
1
1 1
+
= (90 87 ) ( 2.069)( 4.41)
+
n1 n 2
10 15
expresin que se reduce a 0.72 1 2 6.72
Ntese que el intervalo de confianza del 95% incluye al cero; por
consiguiente, para este nivel confianza, no puede concluirse la existencia
de una diferencia entre las medias.
Nivel de confianza =0.95

1 2 = 0.72

1 2 = 6.72

2. Se realiz un experimento para comparar el tiempo promedio requerido

por el cuerpo humano para absorber dos medicamentos, A y B.
Suponga que el tiempo necesario para que cada medicamento alcance
un nivel especfico en el torrente sanguneo se distribuye normalmente.
Se eligieron al azar a doce personas para ensayar cada frmaco
registrndose el tiempo en minutos que tard en alcanzar un nivel
especfico en la sangre. Calcule un intervalo de confianza del 95% para
la diferencia del tiempo promedio. Suponga varianzas iguales.
Medicamento A
nA = 12

Medicamento B
nB = 12

2
SA =

SB = 17.54

x A = 26.8
15.57

x B = 32.6
2

Solucin:
s 2A ( n A 1) + s B2 ( n B 1)
15.57 (12 1) + 17.54(12 1)
sp =
=
= 4.07
nA + nB 2
12 + 12 2

 B A = ( x B x A ) ts p

1
1
1 1
+
= (32.6 26.8 ) ( 2.074)( 4.07)
+
n A nB
12 12

2.35 9.25
Con un nivel confianza del 95% se sabe que el tiempo promedio para
alcanzar un nivel especfico es mayor para el medicamento B.

PRUEBA SOBRE DOS MEDIAS, POBLACIONES NORMALES, VARIANZAS

DESCONOCIDAS PERO IGUALES
Las situaciones que ms prevalecen e implican pruebas sobre dos medias son las que
tienen varianzas desconocidas. Si el cientfico prueba mediante una prueba F, que las
varianzas de las dos poblaciones son iguales, se utiliza la siguiente frmula:

t=

( x1 x 2 ) (1 2 )
sp

1 + 1
n1
n2
donde:

s ( n1 1) + s 22 ( n 2 1)
n1 + n2 2
Los grados de libertad estn dados por:
= n1 + n2 2
s 2p =

2
1

Ejemplos:
1. Para encontrar si un nuevo suero detiene la leucemia, se seleccionan nueve
ratones, todos con una etapa avanzada de la enfermedad. Cinco ratones
reciben el tratamiento y cuatro no. Los tiempos de sobrevivencia en aos, a
partir del momento en que comienza el experimento son los siguientes:
Con
Tratamiento
Sin Tratamiento

2.1

5.3

1.4

4.6

1.9

0.5

2.8

3.1

0.9

Se puede decir en el nivel de significancia del 0.05 que el suero es efectivo?

Suponga que las dos poblaciones se distribuyen normalmente con varianzas
iguales.
Solucin:
Primero se probar el supuesto de varianzas iguales con un ensayo de hiptesis
bilateral utilizando la distribucin Fisher.
Datos:
Con tratamiento
x = 2.86
s= 1.97
n=5

Sin tratamiento
x = 2.075
s = 1.1672
n=4

Ensayo de hiptesis:
H o ; CT
H o ; CT

ST = 1

ST 1

Estadstico de prueba:
F=

s CT

s ST

La sugerencia que se hace es que el numerador sea el de

valor mayor .
Entonces los grados de libertad uno ser el tamao de la muestra de
la poblacin uno menos uno. 1= 5-1 = 4 y 2 = 4-1=3.
H0

H1

H1

/2 = 0.025

/2 = 0.025
Regin de
aceptacin

F(0.975; 4, 3 )= 15.1

F(0.025; 4, 3 )= 0.10

Regla de decisin:
Si 0.10 Fc 15.1 No se rechaza Ho,
Si la F c < 0.10 si F c > 15.1 se rechaza Ho.
Clculo:
F=

s CT

s ST

1.97 2
= 2.85
1.167 2

Decisin y Justificacin:
Como 2.85 esta entre los dos valores de Ho no se rechaza , y se
concluye con un = 0.05 que existe suficiente evidencia para decir
que las varianza de las poblaciones son iguales.
Con la decisin anterior se procede a comparar las medias:
Ensayo de Hiptesis
Ho; CT- ST=0
H1; CT- ST >0

H1

Ho

Regin de
rechazo

= 0.05
Regin de aceptacin

Los grados de libertad son (5+4-2) = 7

Regla de decisin:
Si tR 1.895 No se Rechaza Ho
Si tR > 1.895 se rechaza Ho
Clculos:
s 2 ( n 1) + s 22 (n 2 1) 1.97 2 (5 1) + 1.672 2 ( 4 1)
s 2p = 1 1
=
= 3.415
n1 + n2 2
5+ 4 2
por lo tanto sp = 1.848

t=

(x1 x 2 ) (1 2 ) = (2.86 2.075 ) 0 = 0.6332

sp

1 + 1
n1
n2

1.848 1 + 1
5
4

Justificacin y decisin:

Como 0.6332 es menor que 1.895, no se rechaza Ho , y se concluye con un nivel

de significancia del 0.05 que no existe suficiente evidencia para decir que el
suero detiene la leucemia.
2. Se realiz un experimento para comparar el tiempo promedio requerido
por el cuerpo humano para absorber dos medicamentos, A y B.
Suponga que el tiempo necesario para que cada medicamento alcance
un nivel especfico en el torrente sanguneo se distribuye normalmente.
Se eligieron al azar a doce personas para ensayar cada frmaco
registrndose el tiempo en minutos que tard en alcanzar un nivel
especfico en la sangre. Calcule con = 0.05 si existe diferencia entre
los tiempos promedio y obtenga el valor de P. Suponga varianzas
iguales.
Medicamento A
nA = 12

Medicamento B
nB = 12

2
SA =

SB = 17.54

x A = 26.8
15.57

x B = 32.6
2

Solucin:
Primero se pondr a prueba el supuesto de varianzas iguales mediante una
prueba de hiptesis con = 0.10.

Ensayo de hiptesis:
2

H o ; B A = 1
2

H o ; B A 1
2

Estadstico de prueba:
F=

sB 2
sA

La sugerencia que se hace es que el numerador sea el de

valor mayor .
Entonces los grados de libertad uno ser el tamao de la muestra de
la poblacin uno menos uno. 1= 12-1 =11 y 2 = 12-1=11.
H0

H1

H1

/2 = 0.05

/2 = 0.05
Regin de
aceptacinF

(0.95; 11, 11)=

2.82

F(0.05; 11, 11)= 0.355

Regla de decisin:
Si 0.355 Fc 2.82 No se rechaza Ho,
Si la F c < 0.355 si F c > 2.82 se rechaza Ho.
Clculo:
F=

sB 2
sA

17.54
= 1.13
15.57

Decisin y Justificacin:
Como 1.13 esta entre los dos valores de Ho no se rechaza , y se
concluye con un = 0.10 que existe suficiente evidencia para decir
que las varianza de las poblaciones son iguales.
Con la decisin anterior se procede a comparar las medias:
Ensayo de Hiptesis
Ho; B-A =0
H1; B-A 0

Ho

H1

H1
Regin de
rechazo

Regin de
Rechazo

/2 = 0.025

/2 = 0.025
Regin de aceptacin

tL = -2.074

B-A = 0

tL = 2.074

Los grados de libertad son (12+12-2) = 22

Regla de decisin:

Si 2.074 tc 2.074 No se rechaza Ho,

Si la tc < -2.074 si tc > 2.074 se rechaza Ho.
Clculos:
sp =

s12 ( n1 1) + s 22 (n 2 1)
15.57 (12 1) + 17.54(12 1)
=
= 4.07
n1 + n2 2
12 + 12 2

t=

( x1 x 2 ) ( 1 2 ) = (32.6 26.8) 0 = 3.49

sp

1 + 1
n1
n2

4.07 1 + 1
12 12

Justificacin y decisin:

Como 3.49 es mayor que 2.074, no se rechaza Ho, y se concluye con un nivel de
significancia del 0.05 que la media del tiempo para que el medicamento A llegue
a un nivel especfico en el torrente sanguneo es distinta de la que toma al
frmaco B alcanzar ese mismo nivel.
Para calcular el valor de P se ubicar la t calculada en la grfica para proceder a
buscar el rea y multiplicarla por dos ya que es bilateral.

P/2 =0.00139

P/2 =0.00139

Regin de aceptacin

tL = -2.074

P = (2)(0.00139) = 0.00278

B-A = 0

tL = 2.074
tc = 3.49

INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS

DISTRIBUCIONES NORMALES, VARIANZAS DESCONOCIDAS PERO
DIFERENTES

Consideremos ahora el problema de encontrar una estimacin por

intervalos de 1 2 cuando no es probable que las varianzas poblacionales
desconocidas sean iguales. La estadstica que se usa con ms frecuencia
en este caso es:
( x x 2 ) (1 2 )
t= 1
s12
s2
+ 2
n
n
1

que tiene aproximadamente una distribucin t con grados de libertad,

donde:
2
(
s12 n1 + s 22 n2 )
=
(s12 n1 )2 (n1 1) + (s 22 n2 )2 (n2 1)

][

Como rara vez es nmero entero, lo redondeamos al nmero entero ms

cercano menor. Esto es si el valor de nu es de 15.9 se redondear a 15.
Al despejar la diferencia de medias poblacionales de la formula de t nos
queda:
1 2 = ( x1 x 2 ) t

s12 s 22
+
n1 n 2

Ejemplos:
1. El departamento de zoologa de la Universidad de Virginia llev a cabo
un estudio para estimar la diferencia en la cantidad de ortofsforo
qumico medido en dos estaciones diferentes del ro James. El
ortofsforo se mide en miligramos por litro. Se reunieron 15 muestras
de la estacin 1 y se ontuvo una media de 3.84 con una desviacin
estndar de 3.07 miligramos por litro, mientras que 12 muestras de la
estacin 2 tuvieron un contenido promedio de 1.49 con una desviacin
estndar 0.80 miligramos por litro. Encuentre un intervalo de confianza
de 95% para la diferencia del contenido promedio real de ortofsforo en
estas dos estaciones, suponga que las observaciones vienen de
poblaciones normales con varianzas diferentes.
Solucin:
Datos:
Estacin 1
n1 = 15

Estacin 2
n2 = 12

x1 = 3.84

x 2 = 1 . 49

S1= 3.07

S2 = 0.80

Primero se proceder a calcular los grados de libertad:

2
2
(
s12 n1 + s 22 n2 )
(
3.07 2 15 + 0.80 2 12 )
=
=
= 16.3 16
(s12 n1 )2 (n1 1) + (s 22 n2 )2 (n2 1) (3.07 2 15)2 /(15 1) + (0.80 2 12)2 /(12 1)

][

] [

][

Al usar =0.05, encontramos en la tabla con 16 grados de libertad que el

valor de t es 2.120, por lo tanto:
s12 s 22
3.07 2 0.80 2
1 2 = ( x1 x 2 ) t
+
= (3.84 1.49 ) 2.120
+
n1 n 2
15
12

que se simplifica a:
0.60 1 2 4.10
Por ello se tiene una confianza del 95% de que el intervalo de 0.60 a 4.10
miligramos por litro contiene la diferencia de los contenidos promedios
reales de ortofsforo para estos dos lugares.

PRUEBA SOBRE DOS MEDIAS, POBLACIONES NORMALES, VARIANZAS

DESCONOCIDAS PERO DIFERENTES
t=

[(s

2
1

( x1 x 2 ) (1 2 )
s12

(s

n1

) (n

2
1

n1

s 22

n2

n1 + s 22 n2

] [(

1) + s 22 n2

) (n
2

1)

Ejemplo:

1. Un fabricante de monitores prueba dos diseos de microcircuitos para

determinar si producen un flujo de corriente equivalente. El departamento de
ingeniera ha obtenido los datos siguientes:
Diseo 1

n1 = 16

Diseo 2

n2 = 10

x1 = 24 .2
x 2 = 23. 9

s 1 = 10
2

s 2 = 40

Con = 0.05, se desea determinar si existe alguna diferencia significativa en

el flujo de corriente promedio entre los dos diseos, donde se supone que las
dos poblaciones son normales, pero no es posible suponer que las varianzas
desconocidas sean iguales.
Solucin:
Primero se probarn varianzas desiguales.

Ensayo de hiptesis:
2

H o ; 2 2 1 = 1
2

H o ; 2 1 1
2

Estadstico de prueba:

F=

s2 2
s1

La sugerencia que se hace es que el numerador sea el de

valor mayor .
Entonces los grados de libertad uno ser el tamao de la muestra de
la poblacin uno menos uno. 1= 10-1 = 9 y 2 = 16-1=15.
H0

H1

H1

/2 = 0.025

/2 = 0.025
Regin de
aceptacinF

(0.975; 9, 15)=

3.12

Regla de decisin:F(0.025; 9, 15)= 0.265

Si 0.265 Fc 3.12 No se rechaza Ho,
Si la F c < 0.265 si F c > 3.12 se rechaza Ho.
Clculo:
F=

s2 2
s1

40
=4
10

Decisin y Justificacin:
Como 4 es mayor que 3.12 se rechaza Ho , y se concluye con un =
0.05 que existe suficiente evidencia para decir que las varianza de
las poblaciones son diferentes.
Con la decisin anterior se procede a comparar las medias:
Ensayo de Hiptesis
Ho; 1-2=0
H1; 1-2 0
Para poder buscar el valor de t en la tabla, se necesita saber el valor de los
grados de libertad:
=

[(s

2
1

(s

n1

) (n

2
1

n1 + s 22 n2

] [(

1) + s 22 n 2

(10 16 + 40 10 )2
=
= 11.858
(n2 1) [(10 16)2 (16 1)] + [(40 10 )2 (10 1)]

Este valor se redondea al prximo menor que sera 11.

Ho

H1

H1
Regin de
rechazo

/2 = 0.025

Regin de
Rechazo

/2 = 0.025

Regla de decisin:
Si 2.201 tR 2.201 No se rechaza Ho
Si tR < -2.201 si tR > 2.201 se rechaza Ho
Clculos:

t=

(x1 x 2 ) (1 2 ) (24.2 23.9 ) 0

=
= 0.1395
s12

n1

s 22

10

n2

16

+ 40

10

Justificacin y decisin:

Como 0.1395 esta entre 2.201 y 2.201, no se rechaza Ho y se concluye con un

= 0.05, que no existe diferencia significativa en el flujo de corriente promedio
entre los dos diseos.
2. Dos proveedores fabrican un engrane de plstico utilizado en una impresora
lser. Una caracterstica importante de estos engranes es la resistencia al
impacto la cual se mide en pies-libras. Una muestra aleatoria de 10 engranes
suministrados por el primer proveedor arroja los siguientes resultados:
x1 = 290 y s1 = 12. Del segundo proveedor se toma una muestra aleatoria de
16 engranes, donde los resultados son x 2 = 321 y s2 = 45. Existe evidencia
que apoye la afirmacin de que los engranes del proveedor 2 tienen una
mayor resistencia promedio al impacto. Use un nivel de significancia de 0.05.
Calcule el valor de P.
Solucin:
Proveedor 1
n1 = 10

x1 = 290

S1= 12

Datos:
Proveedor 2
n2 = 16

x 2 = 321

S2 = 45

Primero se probarn varianzas desiguales.

Ensayo de hiptesis:
2

H o ; 2 2 1 = 1

H o ; 2 1 1
2

Estadstico de prueba:
F=

s2 2
s1

La sugerencia que se hace es que el numerador sea el de

valor mayor .
Entonces los grados de libertad uno ser el tamao de la muestra de
la poblacin uno menos uno. 1= 16-1 = 15 y 2 = 10-1=9.
H0

H1

H1

/2 = 0.025

/2 = 0.025
Regin de
aceptacin

F(0.025; 15, 9)= 0.320

F(0.975; 15, 9)= 3.01

Regla de decisin:
Si 0.320 Fc 3.01 No se rechaza Ho,
Si la F c < 0.320 si F c > 3.01 se rechaza Ho.
Clculo:
F=

s2 2
s1

45 2
= 14.06
12 2

Decisin y Justificacin:
Como 14.06 es mayor que 3.01 se rechaza Ho , y se concluye con un
= 0.05 que existe suficiente evidencia para decir que las varianza
de las poblaciones son diferentes.
Con la decisin anterior se procede a comparar las medias:
Ensayo de Hiptesis
Ho; 2-1=0
H1; 2-1 >0
Para poder buscar el valor de t en la tabla, se necesita saber el valor de los
grados de libertad:

[(s

2
1

(s

n1

) (n

2
1

n1 + s 22 n2

] [(

1) + s 22 n2

) (n
2

] = [(12

1)

(12

10

10 + 45 2 16

) (10 1)]+ [(45

2

16

) (16 1)]
2

= 18.21

Este valor se redondea al prximo menor que sera 18.

Ho
H1
Regin de
Rechazo

= 0.05
Regin de aceptacin

12 = 0

tL = 1.734

Regla de decisin:
Si tR 1.734 No se rechaza Ho
Si tR > 1.734 se rechaza Ho
Clculos:

t=

( x1 x 2 ) ( 1 2 )
2
1

n1

2
2

(321 290 ) 0
12 2

n2

10

2
+ 45

= 2.61

16

Justificacin y decisin:

Como 2.61 es mayor que 1.734, se rechaza Ho y se concluye con un =0.05,

que existe evidencia suficiente para decir que el promedio de resistencia de los
engranes del proveedor 2 es mayor a el promedio de resistencia de los engranes
del proveedor 1.
Para calcular el valor de P se busca adentro de la tabla de t el valor de 2.61 con
18 grados de libertad y se observa que se encuentra entre dos reas que son
0.01 y 0.0075, al interpolar nos da un valor de P = 0.00894.

P =0.00894

Regin de aceptacin

B-A = 0

tL = 1.734
tc = 2.61

INFERENCIA RESPECTO A LA DIFERENCIA DE DOS MEDIAS CUANDO SE

USAN MUESTRAS DEPENDIENTES PEQUEAS
Para hacer inferencias estadsticas sobre dos poblaciones, se necesita tener una muestra
de cada poblacin. Las dos muestras sern dependientes o independientes de acuerdo a
la forma de seleccionarlas. Si la seleccin de los datos de una poblacin no est
relacionada con la de los datos de la otra, son muestras independientes. Si las muestras
se seleccionan de manera que cada medida en una de ellas pueda asociarse naturalmente
con una medida en la otra muestra, se llaman muestras dependientes. Cada dato sale de
alguna fuente; una fuente es algo, una persona o un objeto, que produce datos. Si dos
medidas se obtienen de la misma fuente, se puede pensar que las medidas estn
pareadas. En consecuencia dos medidas que se obtienen del mismo conjunto de fuentes
son dependientes. Note que si dos muestras son dependientes, entonces necesariamente
tienen el mismo tamao.
Muchas aplicaciones prcticas requieren hacer comparaciones entre dos poblaciones con
base en datos pareados o en muestras dependientes. Las aplicaciones que pueden
involucrar muestras dependientes incluyen:

Medicina.- Poner aprueba los efectos de una dieta mediante la obtencin de

las medidas del peso en la misma persona antes y despus de aplicar una
dieta.
Enseanza.- Probar la efectividad de una estrategia de enseanza aplicando
exmenes antes y despus a los mismos individuos.
Agricultura.- Poner a prueba los efectos de dos fertilizantes en la produccin
de frijol de soya comparando la produccin de parcelas similares en las
mismas condiciones.
Finanzas.- Comparar las estimaciones de dos talleres de autos chocados
para las mismas unidades.
Industria.- Poner a prueba dos marcas de llantas en cuanto al desgaste del
piso colocando una de cada marca en los rines traseros de una muestra de
coches del mismo tipo.

Si se tienen dos muestral aleatorias dependientes de tamao n, donde cada

elemento de la primera muestra es pareja de un elemento de la segunda,
entonces estas dos muestras dan lugar a una de parejas o a una diferencias,
como lo indica la siguiente figura. La muestra de diferencias d = x1 x2 se puede
pensar como una muestra de la poblacin de diferencias de datos pareados de
dos poblaciones. La media de la poblacin de diferencias es igual a la
diferencias de las medias poblacionales.

X11

X11 X21

X21

X12

X12 X22

X22

X13

X13 X23

X23

 x1 x2 = d = 1 2
Se puede demostrar que la media de las diferencias es la diferencias de las
mismas considerando las dos poblaciones siguientes con cuyos elementos se
han formado parejas:
Poblacin 1

Suma
Media

2
4
6
8
10
30
6

Poblacin 2
5
6
2
4
8
25
5

Diferencia d
2 5 = -3
4 6 = -2
62=4
84=4
10 8 = 2
5
1

La diferencia entre medias poblacionales es:

1 2 = 6 5 = 1
y la media de la poblacin de diferencias se representa:

d =

d = 5 =1
N

En consecuencia se ve que la media de la poblacin de diferencias es igual a la diferencia

entre las medias poblacionales. Siguiendo la misma lnea de razonamiento, se puede
demostrar que, para dos muestras dependientes, la media de sus diferencias muestrales
es igual a la diferencia entre sus medias muestrales. Esto es, si x1 x2 = d, entonces

x1 x 2 = d .

Si se tiene una muestra aleatoria de n pares de datos y si las diferencias d se distribuyen

normalmente, entonces el estadstico:

d d
tiene una distribucin muestral que es una distribucin t con gl=n-1, donde sd
sd
n
representa la desviacin estndar de la muestra de puntajes diferencia.
Estadstico

t=

d d
sd
n

donde g.l = n-1

Lmites del intervalo de confianza para 1 2 cuando se usa muestras dependientes

1 2 = d t

1.

sd
n

Ejemplos:
Se hizo un estudio para definirse si los ejercicios aerbicos reducen el ritmo cardiaco
de una persona durante el descanso, y al examinar a diez voluntarios antes y despus
de seguir un programa de ese tipo durante seis meses, sus pulsaciones, en latidos por
minuto, dieron los siguientes registros:
Voluntario
1
2
3
4
5
6
7
8
9
10
Antes
73
77
68
62
72
80
76
64
70
72
Despus
68
72
64
60
71
77
74
60
64
68
Use = 0.05 para calcular si los ejercicios aerbicos reducen el ritmo cardiaco durante
el reposo. Calcule el valor de P.
Solucin:
Ensayo de hiptesis:
Ho ; H
o0
D=
H1; D > 0

H1
Regin de
Rechazo

= 0.05
Regin de aceptacin

Regla de decisin:
Si tR 1.833 No se rechaza Ho
Si tR > 1.833 se rechaza Ho

D = 0

t(0.05,9)= 1.833

Clculos:

Se proceder a calcular las diferencias de cada par:

Voluntario
Antes
Despus
Diferencia

1
73
68
5

2
77
72
5

3
68
64
4

4
62
60
2

5
72
71
1

6
80
77
3

7
76
74
2

8
64
60
4

9
70
64
6

10
72
68
4

Al calcular la media de las diferencias nos da 3.6 con una sd = 1.58.

t=

d d
3.6 0
=
= 7.20
sd
1.58
10
n

Justificacin y decisin:
Como 7.20 es mayor que 1.833, se rechaza H0, y se concluye cn un nivel de significancia
de 0.05 que los datos indican que los ejercicios aerbicos disminuyen significativamente
el ritmo cardiaco durante el reposo.
Para calcular el valor de P se busca el 7.20 en el rengln de 9 grados de libertad en la tabla
t, y se observa que el valor mayor que aparece en dicha tabla es 4.781 al cual le

corresponde una rea a la derecha de 0.0005, entonces se puede concluir que el valor de
P es prcticamente cero.
2.

Diez hombres se sometieron a una dieta especial registrando sus pesos antes de
comenzarla y despus de un mes de estar en ella. Los resultados de los pesos, en
libras, se muestran a continuacin:

Hombre
A
B
C
D
E
F
G
H
I
J
Antes
181
172
190
186
210
202
166
173
183
184
Despus
178
175
185
184
207
201
160
168
180
189
Haga una prueba con = 0.05 para determinar si la dieta logr alguna diferencia, ya sea
positiva o negativa. Calcule el valor de P.
Solucin:
Ensayo de hiptesis:
Ho ; D = 0 Ho
H1; D 0

H1

H1

Regin de
rechazo

Regin de
Rechazo

/2 = 0.025

/2 = 0.025
Regin de aceptacin

Regla de decisin:

A -D = 0

tL = -2.262

tL = 2.262

Si 2.262 tc 2.262 No se rechaza Ho,

Si la tc < -2.262 si tc > 2.262 se rechaza Ho .

Clculos:

Se proceder a calcular las diferencias de cada par:

Hombre
Antes
Despus
Diferencia

A
181
178
3

B
172
175
-3

C
190
185
5

D
186
184
2

E
210
207
3

F
202
201
1

G
166
160
6

H
173
168
5

I
183
180
3

J
184
189
-5

Al calcular la media de las diferencias nos da 2 con una sd = 3.53.

t=

d d
20
=
= 1.79
sd
3.53
10
n

Justificacin y decisin:
Como 1.79 est entre los dos valores crticos de 2.262 y 2.262, por lo tanto no se rechaza
H0, y se concluye con un = 0.05 que no existe evidencia estadstica que apoye la
efectividad de la dieta para variar el peso.
Para calcular el valor de P se interpola entre 0.10 y 0.05, con 9 grados de libertad
obteniendo un rea de 0.0574, pero como el ensayo es bilateral este sera un valor de P/2,
por lo tanto el valor de P = (2)(0.0574) = 0.1148

P/2 =0.0574

P/2 =0.0574

Regin de aceptacin

tL = -2.262

B-A = 0

tL = 2.262

tc = 1.79

3.

Calcula el intervalo de confianza del 95% para la diferencia de medias poblacionales

del ejercicio anterior.
Solucin:

A D = d t

sd
n

= 2 2.262

3.53
10

El intervalo de confianza del 95% es 0.53 y 4.53 y como contiene a cero, no podemos
concluir que la dieta sea efectiva para cambiar el peso.
Ejercicios Para la Unidad III
1.

Un economista considera que el nmero de galones de gasolina que consume

mensualmente cada automvil en Estados Unidos es una variable aleatoria normal con =50
y varianza desconocida.
a) Supngase que una muestra aleatoria de nueve observaciones presenta una varianza
muestral de 36. Cul es la probabilidad de que x sea mayor que 54?
b) Cul es la probabilidad de que x sea menor que 44?
c) Cul es la probabilidad de que x este comprendida entre 44 y 55 ?
d) Cmo modificaran las respuestas a las preguntas anteriores si n = 36 ?

2.

Una mquina produce las varillas de metal utilizadas en el sistema de suspensin de un

automvil. El dimetro de la varilla est distribuido en forma normal, con media y varianza
desconocida. Se toma una muestra aleatoria de 10 piezas, y se encuentra que los dimetros
son: 2.25, 2.24, 2.27, 2.26, 2.23, 2.25, 2.24, 2.27, 2.22 y 2.23 pulgadas. Encuentre el
intervalo de confianza del 99% para el dimetro promedio de todas las varillas de metal.

3.

Una muestra de 12 latas de sopa producida por cierta compaa produjo los siguientes
pesos netos, medidos en onzas:
11.9
12.2
11.6
12.1
12.1
11.8
11.9
11.8
12.0
12.3
11.8
12.0
Si se supone normalidad en los pesos, construya un intervalo de confianza del 95% para el
peso promedio de todas las latas de sopa producidas por la compaa.

4.

Los siguientes datos registrados en das, representan el tiempo de recuperacin para

pacientes que se tratan al azar con uno de los medicamentos para curar infecciones graves
de la vejiga:
Medicamento 1
Medicamento 2
n1 = 14
n2 = 16
x 1 = 17
x 2 = 19
2
2
s 1 = 1.5
s 2 = 1.8
Encuentre un intervalo de confianza de 99% para la diferencia promedio en el tiempo de
recuperacin para los dos medicamentos, suponga poblaciones normales con varianzas
iguales.

5. Un experimento compara las economas en combustible para dos tipos de camiones

compactos a diesel equipados de forma similar. Suponga que se utilizaron 12 camiones
Volkswagen y 10 Toyota en pruebas de velocidad constante de 90 kilmetros por hora. Si los
12 VW promedian 16 Km/lto con una desviacin estndar de 1.0 km/lto, y los 10 Toyota

promedian 11 km/lto con una desviacin estndar de 0.8 km/lto, construya un intervalo de
confianza de 90% para la diferencia entre los kilmetros promedio por litro de estos dos
camiones. Suponga poblaciones normales con varianzas iguales.
6.

Encuentre la probabilidad de que una muestra aleatoria de 25 observaciones, de una

2
2
poblacin normal con varianza = 6, tenga una varianza s
a) Mayor que 9.1
b) Entre 3.462 y 10.745

7. Encuentre el intervalo de confianza del 90% para la varianza del dimetro de las varillas del
ejercicio 2 e interprete resultado.
8.

Una mquina que produce bolas para cojinetes se le detiene peridicamente para verificar el
dimetro. En este caso en particular no interesa el dimetro medio, sino la variabilidad de los
dimetros. Supngase que se toma una muestra de 31 bolas y se encuentra que la varianza
2
de los dimetros es de 0.94 mm . Construya un intervalos de confianza de 95% para la
varianza, e interprete los resultados, suponiendo normalidad en la poblacin.

9.

Si s1 y s2 representan las varianzas de muestras aleatorias independientes de tamao n1=8

2
2
y n2=12, tomadas de poblaciones normales con varianzas iguales, encuentre P(s 1 /s 2 <4.89).

10. Los siguientes datos representan los tiempos de duracin de las pelculas que producen dos
compaas cinematogrficas.
Compaa
Tiempo (minutos)
I
103 94 110 87 98
II
97 82 123 92 175 88 118
Construya un intervalo de confianza del 90% para la relacin de varianzas.
11. Construya un intervalo de confianza de 98% para la relacin de desviaciones estndar del
problema nmero 5, y de acuerdo con los resultados obtenidos, diga si estuvo bien el
supuesto de varianzas iguales.
12. Pruebe la hiptesis de que el contenido promedio de los envases de un lubricante en
particular es de 10 litros si los contenidos de una muestra aleatoria de 10 envases son: 10.2,
9.7, 10.1, 10.3, 10.1, 9.8, 9.9, 10.4, 10.3 y 9.8 litros. Utilice un nivel de significancia de 0.01 y
suponga que la distribucin del contenido es normal.
13. De acuerdo con un estudio diettico una ingesta alta de sodio se puede relacionar con
lceras, cncer de estmago y migraa. El requerimiento humano de sal es de slo 220
miligramos por da, el cual se rebasa en la mayora de las porciones individuales de cereales
listos para comerse. Si una muestra aleatoria de 20 porciones similares de Special K tiene
un contenido medio de 244 miligramos de sodio y una desviacin estndar de 24.5
miligramos esto sugiere, en el nivel de significancia del 0.05, que el contenido promedio de
sodio para porciones individuales de Special K es mayor que 220 miligramos? Suponga que
la distribucin de contenidos de sodio es normal.
14. Una compaa armadora de automviles grandes trata de decidir si compra llantas de la
marca o de la B para sus modelos nuevos. Se lleva a cabo un experimento para ayudar a
llegar a una decisin, en el que se usan 12 llantas de cada marca. Los resultados son:
Marca A:
xA = 37,900 Kilmetros
SA = 5,100 Kilmetros.
Marca B:
xB = 39,800 Kilmetros
SB = 5,900 Kilmetros
Pruebe la hiptesis de que no hay diferencia en las dos marcas de llantas con un nivel de
significancia de 0.05. Tambin calcule el valor de P, suponiendo normalidad y varianzas
iguales.

15. Dos secciones de un curso de estadstica son sometidas a un mismo examen final. De las
calificaciones obtenidas se extrae una muestra aleatoria de tamao 9 en la grupo "A", y otra
de tamao 4 en el grupo "B".
Grupo "A"
65
68
72
75
82
85
87
91
95
Grupo "B"
50
59
71
80
a) Con un nivel de significacin de 0.05 podra decirse que los dos grupos tienen las
mismas calificaciones promedio?. Suponga que provienen de poblaciones normales con
varianzas iguales.
b) Calcule el valor de P para este ensayo e interprete su resultado
c) Por medio de un ensayo de hiptesis diga si estuvo acertada la suposicin de las
varianzas iguales en el inciso a). Haga la prueba con un nivel de significacin de 0.10.
16. Una mquina automtica empacadora de azcar se usa para llenar bolsas de 5 libras. Una
muestra aleatoria de 15 bolsas indic una media de 4.94 libras y una desviacin estndar de
0.02; si se supone que la distribucin de los pesos es normal, y de la experiencia pasada se
sabe que la desviacin estndar de los pesos es de 0.015 libras, muestran los datos
suficiente evidencia para decir que hubo un aumento en la variabilidad?. Haga la prueba con
un nivel de significancia del 0.05 y calcule el valor de P.
17. Una empresa empacadora de azcar est considerando una mquina nueva para
reemplazar su mquina actual. Los pesos de una muestra de 21 paquetes de 5 libras
empacados por la mquina vieja producen una varianza de 0.16, mientras que los pesos de
20 paquetes de 5 libras empacados por la mquina nueva dan una varianza de 0.09.En base
a estos datos, aconsejara usted al gerente a comprar la mquina nueva? Use un = 0.05.
18. La Metro Bus Company en una ciudad grande afirma tener una varianza en los tiempos de
llegada de sus carros, medidos en minutos, a las distintas paradas, de no ms de 5; un
ejecutivo de la compaa orden tomar los tiempos de llegada en varias paradas para
determinar si los conductores estn cumpliendo con sus horarios. Si una muestra de 12
llegadas a una parada particular produjo una varianza de 5.7 y se supone que los tiempos de
llegada se distribuyen normalmente, muestran estos datos suficiente evidencia para
contradecir a la compaa? Use un nivel de significancia de 0.10 y calcule el valor de P.

Respuesta a los Ejercicios de la Unidad III

1. a) 0.0421,
b) 0.00862,
c) 0.97276
2. 2.2284 2.2635
3. 11.859 12.11
4. 0.70 2 1 3.30
5. 4.3 vw - T 5.7
6. a) 0.05, b) 0.94
7. 4.689 x 10-5 2 1.559 x 10-4
8. 0.60 2 1.679
9. 0.99
10. 2.20 (2 /1 )2 61.50
11. 0.549 (Vw /T) 2.69. Estuvo bien la suposicin puesto que el uno esta
dentro del intervalo.
12. Regin crtica -3.25 t 3.25. t = 0.77 por lo tanto no rechaza Ho.
13. Regin crtica t>1.729. t= 4.30 rechazar Ho.
14. Regin crtica -2.074 t 2.074. t = -0.84 no rechazar Ho. P = 0.411

15. a) Regin crtica -2.201 t 2.201. t = 2.27 rechazar Ho. b) P = 0.0445

c) Regin crtica 0.1129 F 4.07. F = 1.578, no rechaza Ho, estuvo bien la
suposicin de varianzas iguales.
16. Regin crtica X 2 > 23.685. X 2 = 24.88 rechazar Ho. P = 0.0377
17. Regin critica F > 2.16. F = 1.77, no se rechaza Ho y no conviene comprar
la mquina nueva.
18. Regin crtica X 2 > 17.275. X 2 = 12.54 no se rechaza Ho. P = 0.3280

UNIDAD IV
PREUBAS CHI-CUADRADA Y ESTADISTICA NO PARAMETRICA
Como ya se ha visto varias veces, los resultados obtenidos de muestras no
siempre concuerdan exactamente con los resultados tericos esperados, segn
las reglas de probabilidad. Por ejemplo, aunque consideraciones tericas
conduzcan a esperar 50 caras y 50 cruces cuando se lanza 100 veces una
moneda bien hecha, es raro que se obtengan exactamente estos resultados.
Supngase que en una determinada muestra se observan una serie de posibles
sucesos E1, E2, E3, . . . , EK , que ocurren con frecuencias o1 , o2, o3, . . ., oK,
llamadas frecuencias observadas y que, segn las reglas de probabilidad, se
espera que ocurran con frecuencias e1, e2, e3 , . . . ,e K llamadas frecuencias
tericas o esperadas.
A menudo se desea saber si las frecuencias observadas difieren
significativamente de las frecuencias esperadas. Para el caso en que solamente
son posibles dos sucesos E1 y E2 como, por ejemplo, caras o cruces,
defectuoso, etc., el problema queda resuelto satisfactoriamente con los mtodos
de las unidades anteriores. En esta unidad se considera el problema general.
Definicin de X 2
Una medida de la discrepancia existente entre las frecuencias observadas y
esperadas es suministrada por el estadstico X 2, dado por:
(o1 e1 )2 (o 2 e 2 ) 2
(o k e K ) K (o j e j )2
2
X =
+
+ ... +
=
e1
e2
eK
ej
j =1
donde si el total de frecuencias es N,
oj = ej = N

Si X2 = 0, las frecuencias observadas y esperadas concuerdan exactamente,

mientras que si X2>0, no coinciden exactamente. A valores mayores de X2,
mayores son las discrepancias entre las frecuencias observadas y esperadas.
Si las frecuencias esperadas son al menos iguales a 5, la aproximacin mejora
para valores superiores.
El nmero de grados de libertad est dado por:
=k1m
en donde:
K = nmero de clasificaciones en el problema.
m = nmero de parmetros estimados a partir de los datos muestrales para
obtener los valores esperados.
Ensayo de Hiptesis

En la prctica, las frecuencias esperadas se calculan de acuerdo con la hiptesis

Ho. Si bajo esta hiptesis el valor calculado de X 2 dado es mayor que algn valor
crtico, se deduce que las frecuencias observadas difieren significativamente de
las esperadas y se rechaza Ho al nivel de significacin correspondiente. En caso
contrario, no se rechazar. Este procedimiento se llama ensayo o prueba de
chi-cuadrado de la hiptesis.
Debe advertirse que en aquellas circunstancias en que X2 est muy prxima a
cero debe mirarse con cierto recelo, puesto que es raro que las frecuencias
observadas concuerden demasiado bien con las esperadas. Para examinar tales
situaciones, se puede determinar si el valor calculado de X 2 es menor que las X2
crticas o de tabla (ensayo unilateral izquierdo), en cuyos casos se decide que la
concordancia es bastante buena.
Ejemplos:
1. La siguiente tabla muestra las frecuencias observadas al lanzar un dado 120
veces. Ensayar la hiptesis de que el dado est bien hecho al nivel de
significacin del 0.05.
Cara
Frecuencia Observada

1
25

2
17

3
15

4
23

5
24

6
16

Solucin:
Ensayo de Hiptesis:
Ho; Las frecuencias observadas y esperadas son significativamente iguales
(dado bien hecho)
H1; Las frecuencias observadas y esperadas son diferentes (dado cargado).
Primero se procede a calcular los valores esperados. Como es bien sabido por
todos la probabilidad de que caiga cualquier nmero en un dado no cargado es
de 1/6. Como la suma de los valores observados es de 120, se multiplica este
valor por 1/6 dando un resultado de 20 para cada clasificacin.
Cara
Frecuencia Observada
Frecuencia esperada

1
25
20

2
17
20

3
15
20

4
23
20

5
24
20

6
16
20

Total
120

Grados de libertad = k-1-m = 6-1-0 = 5

No se tuvo que calcular ningn parmetro para obtener las frecuencias
esperadas.
H
o

H1

Regin de
rechazo
=0.05

Regla de decisin:
Si X 2R 11.1 no se rechaza Ho .

Regin de
aceptacin
X2 (0.05,5) = 11.1

Si X 2R >11.1 se rechaza Ho .
Clculos:
X =
2

j =1

(o

ej)

ej

(25 20 )2 + (17 20 )2 + (15 20 )2 + (23 20)2 + (24 20 )2 + (16 20 )2

20

20

20

20

20

20

=5

Justificacin y decisin:
Como 5 es menor a 11.1 no se rechaza Ho y se concluye con una significacin
de 0.05 que el dado est bien hecho.
2. En los experimentos de Mendel con guisantes, observ 315 lisos y amarillos,
108 lisos y verdes, 101 rugosos y amarillos y 32 rugosos y verdes. De
acuerdo con su teora, estos nmeros deberan presentarse en la proporcin
9:3:3:1. Hay alguna evidencia que permita dudar de su teora al nivel de
significacin del 0.01?
Solucin:
Ensayo de Hiptesis:
Ho; La teora de Mendel es acertada.
H1; La teora de Mendel no es correcta.
El nmero total de guisantes es 315+108+101+32=556. Puesto que los nmeros
esperados estn el la proporcin 9:3:3:1 (9+3+3+1=16), se esperara:
9
(556) = 312.75 lisos y amarillos
16
3
(556) = 104.25 lisos y verdes
16
3
(556) = 104.25 rugosos y amarillos
16
1
(556 ) = 34.75 rugosos y verdes
16
Grados de libertad = k-1-m = 4-1-0 = 3
No se tuvo que calcular ningn parmetro para obtener las frecuencias
esperadas.
H
o

H1

Regin de
rechazo
=0.05
Regin de
aceptacin
X2 (0.01,3) = 11.3

Regla de decisin:
Si X 2R 11.3 no se rechaza Ho .

Si X 2R >11.3 se rechaza Ho .
Clculos:
K

X2 =
j =1

(o

e j )2
ej

(315 312 .75 )2 (108 104 .25 )2 (101 104 .25 )2 (32 34.75 )2
312 .75

104 .25

104 .25

34 .75

= 0.470

Justificacin y decisin:
Como 0.470 es menor que 11.3 no se rechaza Ho y se concluye con un nivel de
significacin de 0.01 que la teora de Mendel es correcta.
Como el valor de 0.470 est cercano a cero, se procede a hacer un ensayo
unilateral izquierdo:
Ensayo de Hiptesis:
Ho; La teora de Mendel es acertada.
H1; La teora de Mendel es muy acertada.
Ho
H1
Regin de
rechazo
=0.01

Regin de
aceptacin
X2 (0.99,3) = 0.115

Regla de decisin:
Si X 2R 0.115 no se rechaza Ho .
Si X 2R < 0.115 se rechaza Ho.
Como el valor de 0.470 no es menor a 0.115 se concluye que el experimento o
la teora de Mendel solo es buena.
3. Una encuesta sobre 320 familias con 5 nios dio la distribucin que aparece
en la siguiente tabla. Es el resultado consistente con la hiptesis de que el
nacimiento de varn y hembra son igualmente posibles? Use = 0.05.
Nmero de nios
Nmero de nias
Nmero de familias

5
0
18

4
1
56

3
2
110

2
3
88

1
4
40

0
5
8

Solucin:
Ensayo de hiptesis:
H0; El nacimiento de nios y nias es igualmente probable.
H1; El nacimiento de nios y nias no es igualmente probable.
Este experimento tiene un comportamiento binomial, puesto que se tienen dos
posibles resultados y la probabilidad de xito se mantiene constante en todo el
experimento.

Se le llamar xito al nacimiento de un varn o nio. Por lo que la variable

aleatoria x tomar valores desde 0 hasta 5.
Como se quiere ver si es igualmente probable el nacimiento de nios y nias, la
probabilidad de xito ser de 0.5.
Utilizando la frmula de la distribucin binomial se calcularn las probabilidades,
que multiplicadas por el nmero total de familias nos darn los valores
esperados en cada clasificacin.
Recordando la frmula de la distribucin binomial:
n

Cx p x q ( n x)

en donde n = 5 y x es el nmero de nios .

1
32
5
Probabilidad de 4 nios y 1 nia = 5 C 4 (0.5) 4 (0.5) ( 5 4 ) =
32
10
Probabilidad de 3 nios y 2 nias = 5 C 3 ( 0.5) 3 (0.5) (5 3 ) =
32
10
Probabilidad de 2 nios y 3 nias = 5 C 2 (0.5) 2 (0.5) ( 5 2 ) =
32
5
1
(5 1)
Probabilidad de 1 nio y 4 nias = 5 C1 (0.5) (0.5)
=
32
1
Probabilidad de 0 nios y 5 nias = 5 C 0 (0.5) 0 (0.5) (5 0 ) =
32

Probabilidad de 5 nios y 0 nias = 5 C5 (0.5) 5 (0.5) (5 5 ) =

Si cada una de estas probabilidades se multiplican por 320 se obtienen los

valores esperados:
Nmero de nios
Nmero de nias
Nmero de familias
Frecuencias esperadas

5
0
18
10

4
1
56
50

3
2
110
100

2
3
88
100

1
4
40
50

Grados de libertad: k-1-m = 6-1-0 = 5

Ho

H1
Regin de
rechazo
=0.05
Regin de
aceptacin
X2 (0.05,3) = 11.1

Regla de decisin:
Si X 2R 11.1 no se rechaza Ho .

0
5
8
10

Total
320

Si X 2R >11.1 se rechaza Ho .
Clculos:
K

X2 =

(o

j=1

ej )

ej

(18 10)2
10

(56 50)2 (110 100)2

50

100

(88 100)2 (40 50)2

+

100

50

(8 10)2
10

= 12

Justificacin y decisin:
Como el 12 es mayor a 11.1, se rechaza H0 y se concluye con un = 0.05 que el
nacimiento de hombres y mujeres no es igualmente probable.
4. Una urna contiene 6 bolas rojas y 3 blancas. Se extraen al azar dos bolas de
la urna, se anota su color y se vuelven a la urna. Este proceso se repite un
total de 120 veces y los resultados obtenidos se muestran en la siguiente
tabla. Determinar al nivel de significacin del 0.05 si los resultados obtenidos
son consistentes con los esperados.

Bolas blancas
Nmero de extracciones

2
6

1
53

0
61

Solucin:
Este experimento tiene las caractersticas de una distribucin hipergeomtrica,
por lo cual se calcularn los valores esperados con el razonamiento de esta
distribucin.
Se llamara x a la variable aleatoria de inters que en este caso sern las bolas
rojas. Por lo tanto x puede tomar valores desde 0 hasta 2.
La frmula de la distribucin hipergeomtrica es:
a C x .( N a ) C ( n x )
N

Se tiene:

Cn

a = 6 Rojas

x
n=2

N =9
N-a = 3 Blancas

Probabilidad de extraer 0 rojas y 2 blancas:

n-x

( 6 C0 )( 3 C2 ) 3
=
C
36
9 2
Probabilidad de extraer 1 roja y 1 blanca:
( C )( C ) 18
P( x = 1) = 6 1 3 1 =
C
36
9 2
Probabilidad de extraer 2 rojas y 0 blancas:
( C )( C ) 15
P( x = 2) = 6 2 3 0 =
C
36
9 2
Con las probabilidades anteriores se obtendrn los valores esperados
multiplicando por 120.
P( x = 0) =

Bolas blancas
Nmero de extracciones
Frecuencias esperadas

2
6
10

1
53
60

0
61
50

Grados de libertad: k-1-m = 3-1-0 = 2

Ho

H1
Regin de
rechazo
=0.05
Regin de
aceptacin
X2 (0.05,2) = 5.991

Regla de decisin:
Si X 2R 5.991 no se rechaza Ho .
Si X 2R >5.991 se rechaza Ho .
Clculos:
K

X2 =
j =1

(o

ej )
ej

(6 10 )2 (53 60)2 (61 50 )2

10

Justificacin y decisin:

60

50

= 4. 83

Como el 4.83 no es mayor a 5.991, no se rechaza H0 y se concluye con un

= 0.05 que los resultados son los mismos que los esperados.
PRUEBA CHI-CUADRADA PARA LA BONDAD DEL AJUSTE
A lo largo de este curso nos ocupamos de la prueba de hiptesis estadsticas
acerca de parmetros de una poblacin como , y P. Ahora se considera una
prueba para determinar si una poblacin tiene una distribucin terica
especfica. La prueba se basa en qu tan buen ajuste se tiene entre la
frecuencia de ocurrencia de las observaciones en una muestra observada y las
frecuencias esperadas que se obtienen a partir de la distribucin hipottica.
La formula que se utilizar para calcular el valor de chi-cuadrada es igual a la de
la seccin anterior, con el mismo concepto de grados de libertad.
Ejemplo:
1. Una moneda fue lanzada al aire 1000 series, de 5 veces cada serie y se
observ el nmero de caras de cada serie. El nmero de series en los que se
presentaron 0, 1, 1, 3, 4 y 5 caras se muestra en la siguiente tabla.
Nmero de
caras
0
1
2
3
4
5

Nmero de series
(frecuencia observada)
38
144
342
287
164
25
1000

Total
Ajustar una distribucin binomial a los datos con un = 0.05.
Solucin:
H0; Los datos se ajustan a una distribucin binomial.
H1; Los datos no se ajustan a una distribucin binomial.
Para obtener los valores esperados se tiene que utilizar la formula de la
x

( n x)

distribucin binomial: n C x p q
, donde n en este ejercicio vale 5, p y q son
las probabilidades respectivas de cara y sello en un solo lanzamiento de la
moneda. Para calcular el valor de p, se sabe que =np en una distribucin
binomial, por lo que = 5p.
Para la distribucin de frecuencias observada, la media del nmero de caras es:
fx = (38)(0) + (144)(1) + (342)(2) + (287)(3) + (164)(4 ) + (25)(5) = 2470 = 2.47
=
1000
1000
f

Por lo tanto p =

2.47
=
= 0.494 . As pues, la distribucin binomial ajustada
5
5

)x (

)(5x )

viene dada por p(x) = 5 C x 0.494 0.506

.
Al seguir esta frmula se calcula la probabilidad de obtener caras, segn el valor
de la variable aleatoria. La probabilidad multiplicada por 1000 nos dar el valor
esperado. Se resumen los resultados en la tabla siguiente:
Nmero de caras
(x)
0
1
2
3
4
5

Frecuencia
esperada
33.2
161.9
316.2
308.7
150.7
29.4

P(x caras)
0.0332
0.1619
0.3162
0.3087
0.1507
0.0294

Frecuencia
observada
38
144
342
287
164
25

Para los grados de libertad el valor de m ser uno, ya que se tuvo que estimar la
media de la poblacin para poder obtener el valor de p y as poder calcular los
valores esperados.
Grados de libertad: k-1-m = 6-1-1 = 4
Ho

H1
Regin de
rechazo
=0.05
Regin de
aceptacin
X2 (0.05,4) = 9.49

Regla de decisin:
Si X 2R 9.49 no se rechaza Ho .
Si X 2R >9.49 se rechaza Ho .
Clculos:
X

=
j =1

(o

ej )
ej

(38 33.2)2 (144 161.9)2 (342 316.2)2 (287 308.7 )2 (164 150.7 )2 (25 29.4 )2
33.2

161.9

316.2

308.7

150.7

29.4

= 7.54

Justificacin y decisin:
Como el 7.54 no es mayor a 9.49, no se rechaza H0 y se concluye con un
= 0.05 que el ajuste de los datos a una distribucin binomial es bueno.
2. Se propone que el nmero de defectos en las tarjetas de circuito impreso
sigue una distribucin Poisson. Se rene una muestra aleatoria de 60 tarjetas

de circuito impreso y se observa el nmero de defectos. Los resultados

obtenidos son los siguientes:
Nmero de
defectos
0
1
2
3 ms

Frecuencia
observada
32
15
9
4

Muestran estos datos suficiente evidencia para decir que provienen de una
distribucin Poisson?. Haga la prueba de la bondad del ajuste con un = 0.05.
Solucin:
H0; La forma de la distribucin de los defectos es Poisson.
H1; La forma de la distribucin de los defectos no es Poisson.
La media de la distribucin Poisson propuesta en este ejemplo es desconocida y
debe estimarse a partir de los datos contenidos en la muestra.
==

(32 )(0) + (15)(1) + (9 )(2) + (4 )(3) = 0.75

60
A partir de la distribucin Poisson con parmetro 0.75, pueden calcularse las
probabilidades asociadas con el valor de x. Esto es la frmula de la Poisson es:

e x e 0.75 0.75 x
=
x!
x!
Con esta frmula se calculan las probabilidades, mismas que se multiplican
por 60 para obtener los valores esperados.
P( x) =

Nmero de
defectos
0
1
2
3 ms

Probabilidad
0.472
0.354
0.133
0.041

Frecuencia
esperada
28.32
21.24
7.98
2.46

Frecuencia
observada
32
15
9
4

Puesto que la frecuencia esperada en la ltima celda es menor que 5, se

combinan las dos ltimas celdas.
Nmero de
defectos
0
1
2 ms

Frecuencia
esperada
28.32
21.24
10.44

Frecuencia
observada
32
15
13

Los grados de libertad seran 3-1-1=1, debido a que la media de la distribucin

Poisson fue estimada a partir de los datos.
Ho

H1
Regin de
rechazo
=0.05
Regin de
aceptacin
X2 (0.05,1) = 3.84

Regla de decisin:
Si X 2R 3.84 no se rechaza Ho .
Si X 2R >3.84 se rechaza Ho .
Clculos:
K

X =
2

j =1

(o

ej)

ej

2
2
2
(
32 28.32)
(
15 21.24)
(
13 10.44)
=
+
+

28.32

21.24

10.44

= 2.94

Justificacin y decisin:
Como el 2.94 no es mayor a 3.84, no se rechaza H0 y se concluye con un
= 0.05 que la distribucin de defectos en las tarjetas de circuito impreso es
Poisson.
3. Pruebe la hiptesis de que la distribucin de frecuencia de las duraciones de
bateras dadas en la siguiente tabla, se puede aproximar mediante una
distribucin normal con media = 3.5 y desviacin estndar =0.7. Utilice un
= 0.05.
Lmites
clase
1.45
1.95
2.45
2.95
3.45
3.95
4.45

1.95
2.45
2.95
3.45
3.95
4.45
4.95

de

Frecuencias
observadas
2
1
4
15
10
5
3

Solucin:
Se procede a elaborar el histograma, para visualizar los datos:

Frecuencia

Histograma
16
14
12
10
8
6
4
2
0

1.45 1.95
1.95 2.45
2.45 2.95
2.95 3.45
3.45 3.95
3.95 4.45
1

4.45 4.95

Lmites de clase

Como se puede observar el histograma tiene una forma que aparenta ser
normal, se probar esta hiptesis.
H0; Los datos provienen de una distribucin normal.
H1; Los datos no provienen de una distribucin normal.
En este ejercicio en particular se cuenta con la media y desviacin estndar de
la poblacin, por lo que no se tiene que estimar. En caso de que no se tuviera,
se estimaran a partir de los datos agrupados con las frmulas que se vieron en
la Unidad III del curso de probabilidad y estadstica, tomando en cuenta que
para los grados de libertad el valor de m sera 2, ya que se estimara la media y
la desviacin estndar.
Se proceder a calcular los valores de z para encontrar las probabilidades en la
x
tabla. Recordando que z =
, se sustituye el valor de x por los lmites de

clase comenzando con el lmite de 1.95

Lmite real
1.95
2.45
2.95
3.45
3.95
4.45

z=

x 3 .5
0 .7
-2.21
-1.50
-0.79
-0.07
0.64
1.36

P(x)
P(x1.95)
P(x2.45)
P(x2.95)
P(x3.45)
P(x3.95)
P(x4.45)

=
=
=
=
=
=

0.01355
0.06680
0.21476
0.47210
0.26109
0.08691

La razn por la cual se comienza con el lmite de 1.95 y se termina con el

lmite de 4.45, es porque la suma de todas las probabilidades debe ser 1,
bajo la curva normal.
A continuacin se muestra la curva normal con sus respectivas
probabilidades, segn los limites reales. Las probabilidades que no se

muestran en la tabla anterior y estn en la curva se calcularon por

diferencias.
0.26681

0.0279
0.23891

0.05325

0.01355

0.25734
0.17417
0.14795
0.08691

x 1.95

2.45

2.95

3.45

3.95

4.45

Z -2.21

-1.50

-0.79

-0.07

0.64

1.36

= 3.5
P(1.95 x 2.45) = 0.0668-0.013553 = 0.053254
P(2.45 x 2.95) = 0.21476-0.0668 = 0.147953
P(2.95 x 3.45) = 0.4721-0.21476 = 0.25734
P(3.45 x 3.50) = 0.50-0.4721 = 0.0279
P(3.50 x 3.95) = 0.50-0.26109= 0.23891
P(3.95 x 4.45) = 0.26109-0.086915 = 0.17417
Con estas probabilidades se calcularn los valores esperados, multiplicando
cada probabilidad por 40.
Lmites
clase
1.45
1.95
2.45
2.95
3.45
3.95
4.45

1.95
2.45
2.95
3.45
3.95
4.45
4.95

de

Frecuencias
observadas
7

Probabilidad

2
1
4
15
10
5
3

Frecuencia
esperada

0.01355
0.05325
0.14795
0.25734
0.26681
0.17417
0.08691

0.54212
2.13016
5.91812
10.29360
10.67240
6.96680
3.47660

Grados de libertad: k-1-m = 4-1-0 = 3

Ho

H1
Regin de
rechazo
=0.05
Regin de
aceptacin
X2 (0.05,3) = 7.815

8.5905

10.4434

Regla de decisin:
Si X 2R 7.815 no se rechaza Ho .
Si X 2R >7.815 se rechaza Ho .
Clculos:
K

X =
2

j =1

(o

ej)

ej

(7 8 .5904 )2 (15 10.2936 )2 (10 10 .6724 )2 (8 10.4434 )2

8.5904

10.2936

10.6724

10.4434

= 3 .06

Justificacin y decisin:
Como el 3.06 no es mayor de 7.815, no se rechaza H0 y se concluye con un
= 0.05 que el ajuste de los datos a una distribucin normal es bueno.
TABLAS DE CONTINGENCIA
En muchas ocasiones, los n elementos de una muestra tomada de una
poblacin pueden clasificarse con dos criterios diferentes. Por tanto, es
interesante saber si los dos mtodos de clasificacin son estadsticamente
independientes. Supngase que el primer mtodo de clasificacin tiene r niveles,
y que el segundo tiene c niveles. O sea O ij la frecuencia observada para el nivel i
del primer mtodo de clasificacin y el nivel j del segndo mtodo de
clasificacin. En general, los datos aparecern como se muestra en la siguiente
tabla. Una tabla de este tipo usualmente se conoce como tabla de contingencia
r x c.
Columnas

Renglones

1
2
.
.
.
r

1
O11
O21
.
.
.
Or1

2
O12
O22
.
.
.
Or2

...
...
...
.
.
.
...

c
O1c
O2c
.
.
.
Orc

El inters recae en probar la hiptesis de que los dos mtodos de clasificacin

rengln-columna son independientes. Si se rechaza esta hiptesis, entonces se
concluye que existe alguna interaccin entre los dos criterios de clasificacin.
Los procedimientos de prueba exactos son difciles de obtener, pero puede
obtenerse un estadstico de prueba aproximado vlido para n grande.
Sea pij la probabilidad de que un elemento seleccionado al azar caiga el la
ij-sima celda, dado que las dos clasificaciones son independientes. Entonces,

pij=ui vj, donde ui es la probabilidad de que un elemento seleccionado al azar

pertenezca al rengln de la clase i, y vj es la probabilidad de que un elemento
seleccionado pertenezca a la columna de la clase j. Ahora bien, si se supone
independencia, los estimadores de ui y vj son:

1 c
Oij
n
j =1
1 r
v j = Oij
n i =1
Por lo tanto, la frecuencia esperada de la celda es:
r
1 c
Eij = nu i v j = Oij Oij
n j=1
i =1
Entonces, para n grande, el estadstico
r
c (O E )2
ij
ij
2
X =
Eij
i =1 j =1
u i =

tiene una distribucin aproximada ji-cuadrada con (r-1)(c-1) grados de libertad si

la hiptesis nula es verdadera. Por consiguiente, la hiptesis de independencia
debe rechazarse si el valor del estadstico de prueba X2 calculado es mayor que
X2 crtico o de tabla.
Ejemplos:
1. Una asociacin de profesores universitarios quiere determinar si la
satisfaccin en el trabajo es independiente del rango acadmico. Para ello
realiz un estudio nacional entre los acadmicos universitarios y encontr los
resultados mostrados son la tabla siguiente. Con =0.05, haga una prueba
para saber si son dependientes la satisfaccin en el trabajo y el rango.
Rango
Profes
Profesor
Instructor
Profesor
or
asociado
Satisfaccin
en el
trabajo

Mucha
Regular
Poca

40
78
57

asistente
60
87
63

52
82
66

Solucin:
Ho; La satisfaccin en el trabajo y el rango son independientes.
H1; La satisfaccin en el trabajo y el rango son dependientes.
Grados de libertad: (r-1)(c-1) = (3-1)(4-1)=(2)(3) = 6
Ho

H1
Regin de
rechazo
=0.05
Regin de
aceptacin
X2 (0.05,6) = 12.592

63
88
64

Regla de decisin:
Si X 2R 12.592 no se rechaza Ho .
Si X 2R > 12.592 se rechaza Ho .
Se proceder a calcular los valores esperados de cada celda. Como los grados
de libertad son 6, esto quiere decir que necesitamos calcular nicamente 6
frecuencias esperadas, y las faltantes se encuentran por diferencia.
Se calcularn los valores esperados E 11, E12, E13, E21, E22 y E 23.
Como se necesitan los totales de rengln y columna se mostrarn en la tabla:
Rango
Profe
sor

Instructor
Satisfaccin
en el
trabajo

Mucha
Regular
Poca
Total

asistente
60
87
63
210

40
78
57
175

Profesor
asociado

Profesor

Total

52
82
66
200

63
88
64
215

215
335
250
800

r
1 c
(215)(175) = 47.03
O

ij O ij = E11 =
n j=1
800
i =1
(215)(210 ) = 56.44
(215)(200) = 53.75
(335)(175) = 73.28
E12 =
E13 =
E21 =
800
800
800
(
335)(210)
(
335)(200)
E22 =
= 87.94
E23 =
= 83.75
800
800

Eij = nu i v j =

Rango
Satisfaccin

Profe
sor

Instructor
40
(47.03)
78
(73.28)
57
(54.69)
175

Mucha
Regular
Poca
Total

asistente
60
(56.44)
87
(87.94)
63
(65.62)
210

Profesor
asociado

Profesor

52
(53.75)
82
(83.75)
66
(62.50)
200

63
(57.78)
88
(90.03)
64
(67.19)
215

Total
215
335
250
800

Los valores entre parntesis son los esperados, los que no se calcularon por
frmula se obtuvieron por diferencia con respecto a los totales.
r

X 2 =
i =1 j =1

(O

ij

Eij )2
Eij

(40 47.03 )2 + (60 56 .44 )2 + (52 53.75 )2

47 .03

56 .44

53.75

+ ... +

(64 67.19 )2
67.19

= 2. 75

Decisin y justificacin:
Como el valor de 2.75 es menor que el de tabla 12.592, por lo tanto no se
rechaza Ho y se concluye con un =0.05 que la satisfaccin en el trabajo y el
rango son independientes.
2. En un estudio de un taller, se rene un conjunto de datos para determinar si
la proporcin de defectuosos producida por los trabajadores es la misma
para el turno matutino, vespertino o nocturno. Se reunieron los siguientes
datos:
Matutino

Turno
Vespertino

Nocturno

Defectuoso
s

45

55

70

No defectuosos

905

890

870

Utilice un nivel de significancia de 0.025 para determinar si la proporcin de

defectuosos es la misma para los tres turnos.
Solucin:
Ho; La proporcin de artculos defectuosos es la misma para los tres turnos.
H1; La proporcin de artculos defectuosos no es la misma para los tres turnos.
Grados de libertad: (r-1)(c-1) = (2-1)(3-1)=(1)(2) = 2
Ho

H1
Regin de
rechazo
=0.025
Regin de
aceptacin
X2 (0.025,2)= 7.378

Regla de decisin:
Si X 2R 7.378 no se rechaza Ho .
Si X 2R > 7.378 se rechaza Ho.
Se proceder a calcular los valores esperados de cada celda. Como los grados
de libertad son 2, esto quiere decir que necesitamos calcular nicamente 2
frecuencias esperadas, y las faltantes se encuentran por diferencia.
Se calcularn los valores esperados E 11, y E22.
Como se necesitan los totales de rengln y columna se mostrarn en la tabla:
Matutino

Vespertino

Nocturno

Defectuoso
s

45

55

70

No defectuosos

905

890

870

Total
170
2665

Total

950
r
1 c
(170)(950) = 57
O

ij O ij = E11 =
n j=1
2835
i =1

Eij = nu i v j =

Matutino

Defectuoso
s
No defectuosos
Total

X =
2

i =1 j =1

(O

945

ij

Eij )
Eij

940

57. 0

(2665)(945) = 888.33

E22 =

2835

45
(57.0)

Vespertino
55
(56.7)

Nocturno
70
(56.3)

905
(893.0)
950

890
(888.3)
945

870
(883.7)
940

(45 57.0)2 + (55 56.7)2 + (70 56.3)2

56.7

56.3

2835

+ ... +

Total

(870 883.7)2
883 .7

170
2665
2835

= 6 .29

Decisin:
Si se busca este valor dentro de la tabla de ji-cuadrada con 2 grados de libertad
nos dar un valor de P aproximado a 0.04. Si se observa el valor de la jicuadrada calculada de 6.29 con el valor de tabla de 7.378, se llega a la decisin
de no rechazar Ho. Sin embargo sera riesgoso concluir que la proporcin de
defectuosos producidos es la misma para todos los turnos por tener un valor de
P de 0.04.
Tablas de Contingencia para probar Homogeneidad
El uso de la tabla de contingencia de dos clasificaciones para probar
independencia entre dos variables de clasificacin en una muestra tomada de
una poblacin de inters, es slo una de las aplicaciones de los mtodos de
tablas de contingencia. Otra situacin comn se presenta cuando existen r
poblaciones de inters y cada una de ellas est dividida en las mismas c
categoras. Luego se toma una muestra de la i-sima poblacin, y los conteos se
introducen en las columnas apropiadas del i-simo rengln. En esta situacin se
desea investigar si las proporciones son o no las mimas en las c categoras de
todas las poblaciones. La hiptesis nula de este problema establece que las
poblaciones son homogneas con respecto a las categoras (como el ejemplo
pasado de los diferentes turnos), entonces la prueba de homogeneidad es en
realidad una prueba sobre la igualdad de r parmetros binomiales. El clculo de
las frecuencias esperadas, la determinacin de los grados de libertad y el clculo
de la estadstica ji-cuadrada para la pruebe de homogeneidad son idnticos a los
de la prueba de independencia.

ESTADISTICA NO PARAMETRICA
La mayor parte de los procedimientos de prueba de hiptesis que se presentan
en las unidades anteriores se basan en la suposicin de que las muestras
aleatorias se seleccionan de poblaciones normales. Afortunadamente, la mayor
parte de estas pruebas an son confiables cuando experimentamos ligeras
desviaciones de la normalidad, en particular cuando el tamao de la muestra es
grande. Tradicionalmente, estos procedimientos de prueba se denominan
mtodos paramtricos. En esta seccin se consideran varios procedimientos
de prueba alternativos, llamados no paramtricos mtodos de distribucin
libre, que a menudo no suponen conocimiento de ninguna clase acerca de las
distribuciones de las poblaciones fundamentales, excepto que stas son
continuas.
Los procedimientos no paramtricos o de distribucin libre se usan con mayor
frecuencia por los analistas de datos. Existen muchas aplicaciones en la ciencia
y la ingeniera donde los datos se reportan no como valores de un continuo sino
mas bien en una escala ordinal tal que es bastante natural asignar rangos a los
datos.
Un ejemplo donde se aplica una prueba no paramtrica es el siguiente, dos
jueces deben clasificar cinco marcas de cerveza de mucha demanda mediante
la asignacin de un grado de 1 a la marca que se considera que tiene la mejor
calidad global, un grado 2 a la segunda mejor, etctera. Se puede utilizar
entonces una prueba no paramtrica para determinar donde existe algn
acuerdo entre los dos jueces.
Se debe sealar que hay varias desventajas asociadas con las pruebas no
paramtricas. En primer lugar, no utilizan la informacin que proporciona la
muestra, y por ello una prueba no paramtrica ser menos eficiente que el
procedimiento paramtrico correspondiente, cuando se pueden aplicar ambos
mtodos. En consecuencia, para lograr la misma potencia, una prueba no
paramtrica requerir la correspondiente prueba no paramtrica.
Como se indic antes, ligeras divergencias de la normalidad tienen como
resultado desviaciones menores del ideal para las pruebas paramtricas
estndar. Esto es cierto en particular para la prueba t y la prueba F. En el caso
de la prueba t y la prueba F, el valor P citado puede ser ligeramente errneo si
existe una violacin moderada de la suposicin de normalidad.
En resumen, si se puede aplicar una prueba paramtrica y una no paramtrica al
mismo conjunto de datos, debemos aplicar la tcnica paramtrica ms eficiente.
Sin embargo, se debe reconocer que las suposiciones de normalidad a menudo
no se pueden justificar, y que no siempre se tienen mediciones cuantitativas.

PRUEBA DEL SIGNO

~ de
La prueba del signo se utiliza para probar la hiptesis sobre la mediana
una distribucin continua. La mediana de una distribucin es un valor de la
variable aleatoria X tal que la probabilidad de que un valor observado de X sea
menor o igual, o mayor o igual, que la mediana es 0.5. Esto es,
P( X ~) = P( X ~) = 0.5 .

Puesto que la distribucin normal es simtrica, la media de una distribucin

normal es igual a la mediana. Por consiguiente, la prueba del signo puede
emplearse para probar hiptesis sobre la media de una poblacin normal.
Suponga que las hiptesis son:

H 0 ; ~ = ~o
~ < ~
H1 ;
o
Supngase que X 1, X2, . . . , X n es una muestra aleatoria tomada de la poblacin
de inters. Frmense las diferencias
X i ~o , i = 1,2,...n
Ahora bien si la hiptesis nula H 0 ; ~ = ~o es verdadera, cualquier diferencia
X i ~o tiene la misma probabilidad de ser negativa o positiva. Un estadstico de
prueba apropiado es el nmero de estas diferencias que son positivas, por
ejemplo R+ . Por consiguiente, la prueba de la hiptesis nula es en realidad una
prueba de que el nmero de signos positivos es un valor de una variable
aleatoria binomial con parmetro P = . Puede calcularse un valor P para el
nmero observado de signos positivos r+ directamente de la distribucin
binomial. Al probar la hiptesis que se muestra al principio, se rechaza H0 en
favor de H1 slo si la proporcin de signos positivos es suficientemente menor
que ( o de manera equivalente, cada vez que el nmero observado de signos
positivos r+ es muy pequeo). Por tanto, si el valor P calculado
P = P(R + r + cuando p = 1/2)
es menor o igual que algn nivel de significancia seleccionado previamente,
entonces se rechaza H0 y se concluye que H1 es verdadera.
Para probar la otra hiptesis unilateral
H 0 ; ~ = ~o
~ > ~
H1 ;
o
se rechaza H0 en favor de H1 slo si el nmero observado de signos ms, r+, es
grande o, de manera equivalente, cada vez que la fraccin observada de signos
positivos es significativamente mayor que . En consecuencia, si el valor P
calculado P = P(R+ r + cuando p = 1/2) es menor que , entonces H0 se rechaza
y se concluye que H1 es verdadera.
Tambin puede probarse la alternativa bilateral. Si las hiptesis son:

H 0 ; ~ = ~o
~ ~
H1 ;
o
se rechaza H0 si la proporcin de signos positivos difiere de manera significativa
de (ya se por encima o por debajo). Esto es equivalente a que el nmero
observado de signos r+ sea suficientemente grande o suficientemente pequeo.
Por tanto, si r+ >n/2 el valor P es
P=2P(R+ r + cuando p = )
Y si r + >n/2 el valor P es
P=2P(R+ r + cuando p = )
Si el valor P es menor que algn nivel preseleccionado , entonces se rechaza
H0 y se concluye que H1 es verdadera.
Ejemplos:
1. Un artculo informa cerca de un estudio en el que se modela el motor de un
cohete reuniendo el combustible y la mezcla de encendido dentro de un
contenedor metlico. Una caracterstica importante es la resistencia al
esfuerzo cortante de la unin entre los dos tipos de sustancias. En la
siguiente tabla se muestran los resultados obtenidos al probar 20 motores
seleccionados al azar. Se desea probar la hiptesis de que la mediana de la
resistencia al esfuerzo cortante es 2000 psi, utilizando = 0.05.
Solucin:
Se mostrar la tabla del ejercicio y es funcin del investigador poner los signos
con respecto a la mediana.
H 0 ; = 2000 psi
H1 ; 2000 psi

Observacin
1
2
3
4
5
6
7
8
9
10

Resistencia
al esfuerzo
cortante
xi
2158.70
1678.15
2316.00
2061.30
2207.50
1708.30
1784.70
2575.10
2357.90
2256.70

Signo de la
diferencia
x i -2000
+
+
+
+
+
+
+

Observacin
11
12
13
14
15
16
17
18
19
20

Resistencia
al esfuerzo
cortante
xi
2165.20
2399.55
1779.80
2336.75
1765.30
2053.50
2414.40
2200.50
2654.20
1753.70

De la tabla se puede observar que el estadstico de prueba r+ = 14.

Regla de decisin:

Signo de la
diferencia
x i -2000
+
+
+
+
+
+
+
-

Si el valor de P correspondiente a r+ =14 es menor o igual que =0.05 se

rechaza H0.
Clculos:
Puesto que r+=14 es mayor que n/2=20/2=10, el valor de P se calcula de
P=2P(R+ 14 cuando p = )
La P se calcula con la frmula de la distribucin binomial:
20

P = 2

Cr (0.5) (0.5 )

20 r

20

= 0.1153

r =14

Conclusin:
Como P=0.1153 no es menor que =0.05, no es posible rechazar la hiptesis
nula de que la mediana de la resistencia al esfuerzo constante es 2000 psi.
Otra manera de resolver el problema es con Aproximacin normal:
Cuando p=0.5, la distribucin binomial esta bien aproximada por la distribucin
normal cuando n es al menos 10. Por tanto, dado que la media de la distribucin
binomial es np y la varianza es npq, la distribucin de R+ es aproximadamente
normal con media 0.5n y varianza 0.25n, cada vez que n es moderadamente
grande. Por consiguiente las hiptesis pueden probarse con el estadstico:
r + 0.5n
Z=
0.5 n
Las reglas de decisin se establecern como cualquier ensayo en una
distribucin muestral en donde se utiliza la distribucin normal.
Para resolver el problema anterior:
H 0 ; = 2000 psi

H1 ; 2000 psi
Como la es mayor que 10 se utilizar la aproximacin normal.
Ho

H1

H1
Regin de
rechazo

Regin de
Rechazo

/2 = 0.025

/2 = 0.025
Regin de aceptacin

ZL = -1.96

= 2000

Regla de Decisin:
Si 1.96 ZR 1.96 No se rechaza Ho
Si ZR < -1.96 si Z R > 1.96 Se rechaza Ho
Clculos:

ZL = 1.96

Z=

r + 0.5n 14 (0.5)(20 )
=
= 1.789
0.5 n
0.5 20

Decisin y Conclusin:
Como 1.789 esta entre 1.96 y 1.96, no se rechaza H0 y se concluye con un
=0.05 que la mediana es de 2000 psi.
Prueba del Signo para Muestras Pareadas
Tambin se puede utilizar la prueba de signo para probar la hiptesis nula
~
~ = d para observaciones pareadas. Aqu se reemplaza cada diferencia,

1
2
0
di, con un signo ms o menos dependiendo si la diferencia ajustada, di -d0, es
positiva o negativa. A lo largo de esta seccin suponemos que las poblaciones
son simtricas. Sin embargo, aun si las poblaciones son asimtricas se puede
llevar a cabo el mismo procedimiento de prueba, pero las hiptesis se refieren a
las medianas poblacionales en lugar de las medias.
Ejemplo:
1. Una compaa de taxis trata de decidir si el uso de llantas radiales en lugar
de llantas regulares con cinturn mejora la economa de combustible. Se
equipan 16 automviles con llantas radiales y se manejan por un recorrido de
prueba establecido. Sin cambiar de conductores, se equipan los mismos
autos con llantas regulares con cinturn y se manejan una vez ms por el
recorrido de prueba. Se registra el consumo de gasolina, en kilmetros por
litro, de la siguiente manera:
Automvil
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

Llantas radiales
4.2
4.7
6.6
7.0
6.7
4.5
5.7
6.0
7.4
4.9
6.1
5.2
5.7
6.9
6.8
4.9

Llantas con cinturn

4.1
4.9
6.2
6.9
6.8
4.4
5.7
5.8
6.9
4.9
6.0
4.9
5.3
6.5
7.1
4.8

Se puede concluir en el nivel de significancia de 0.05 que los autos

equipados con llantas radiales obtienen mejores economas de
combustible que los equipados con llantas regulares con cinturn?
Solucin:
~ =0
H 0 ; ~R
C

~
~ >0
H1 ;
R
C
H1

Ho

Regin de
rechazo

= 0.05
Regin de aceptacin

ZL = 1.645

Regla de decisin:
Si zR 1.645 no se rechaza Ho.
Si zR> 1.645 se rechaza Ho.
Se procede ha realizar las diferencias entre de los kilmetros por litro entre
llantas radiales y con cinturn:
Automvil
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

Llantas radiales
4.2
4.7
6.6
7.0
6.7
4.5
5.7
6.0
7.4
4.9
6.1
5.2
5.7
6.9
6.8
4.9

Llantas con cinturn

4.1
4.9
6.2
6.9
6.8
4.4
5.7
5.8
6.9
4.9
6.0
4.9
5.3
6.5
7.1
4.8

d
+
+
+
+
0
+
+
0
+
+
+
+
+

Al observar las diferencias se ve que slo existe una n=14, ya que se descartan
los valores de cero. Se tiene r+ = 11
r + 0.5n 11 (0.5)(14)
Z=
=
= 2.14
0.5 n
0.5 14
Decisin y conclusin:
Como 2.14 es mayor a 1.645 se rechaza H0 y se concluye con un = 0.05 que
las llantas radiales mejoran la economa de combustible.
PRUEBA DE RANGO CON SIGNO DE WILCOXON
Se puede notar que la prueba de signo utiliza slo los signos ms y menos de
las diferencias entre las observaciones y 0 en el caso de una muestra, o los
signos ms y menos de las diferencias entro los pares de observaciones en el
caso de la muestra pareada, pero no toma en consideracin la magnitud de
estas diferencias. Una prueba que utiliza direccin y magnitud, propuesta en

1945 por Frank Wilcoxon, se llama ahora comnmente prueba de rango con
signo de Wilcoxon. Esta prueba se aplica en el caso de una distribucin
continua simtrica. Bajo esta condicin se puede probar la hiptesis nula =0.
Primero se resta 0 de cada valor muestral y se descarta todas las diferencias
iguales a cero. Se asigna un rango de 1 a la diferencia absoluta ms pequea,
un rango de 2 a la siguiente ms pequea, y as sucesivamente. Cuando el valor
absoluto de dos o ms diferencias es el mismo, se asigna a cada uno el
promedio de los rangos que se asignaran si las diferencias se distinguieran. Por
ejemplo, si la quinta y sexta diferencia son iguales en valor absoluto, a cada una
se le asignara un rango de 5.5. Si la hiptesis =0 es verdadera, el total de los
rangos que corresponden a las diferencias positivas debe ser casi igual al total
de los rangos que corresponden a las diferencias negativas. Se representan
esos totales como w+ y w- , respectivamente. Se designa el menor de w+ y w- con
w.
Al seleccionar muestras repetidas esperaramos que variaran w+ y w-, y por
tanto w. De esta manera se puede considerar a w+ y w-, y w como valores de las
correspondiente variables aleatorias W+, W-, y W. La hiptesis nula =0 se
puede rechazar a favor de la alternativa <0 slo si w+ es pequea y w- es
grande. Del mismo modo, la alternativa >0 se puede aceptar slo si w+ es
grande y w- es pequea. Para una alternativa bilateral se puede rechazar H0 a
favor de H1 si w+ o w- y por tanto w son suficientemente pequeas. No importa
cul hiptesis alternativa puede ser, rechazar la hiptesis nula cuando el valor
de la estadstica apropiada W+ , W-, o W es suficientemente pequeo.
Dos Muestras con Observaciones Pareadas
Para probar la hiptesis nula de que se muestrean dos poblaciones simtricas
continuas con 1 =2 para el caso de una muestra pareada, se clasifican las
diferencias de las observaciones paradas sin importar el signo y se procede
como en el caso de una muestra. Los diversos procedimientos de prueba para
los casos de una sola muestra y de una muestra pareada se resumen en la
siguiente tabla:
Para probar H0
= 0

Contra H1
< 0
> 0
0

Calcular
w+
ww

1 = 2

1 < 2
1 > 2
1 2

w+
ww

No es difcil mostrar que siempre que n<5 y el nivel de significancia no exceda

0.05 para una prueba de una cola 0.10 para una prueba de dos colas, todos
los valores posibles de w+ , w-, o w conducirn a la aceptacin de la hiptesis
nula. Sin embargo, cuando 5 n 30, la tabla A.16 muestra valores crticos

aproximados de W+ y W- para niveles de significancia iguales a 0.01, 0.025 y

0.05 para una prueba de una cola, y valores crticos de W para niveles de
significancia iguales a 0.02, 0.05 y 0.10 para una prueba de dos colas. La
hiptesis nula se rechaza si el valor calculado w+, w-, o w es menor o igual que
el valor de tabla apropiado. Por ejemplo, cuando n=12 la tabla A.16 muestra que
se requiere un valor de w+ 17 para que la alternativa unilateral < 0 sea
significativa en el nivel 0.05.
Ejemplos:
1. Los siguientes datos representan el nmero de horas que un compensador
opera antes de requerir una recarga: 1.5, 2.2, 0.9, 1.3, 2.0, 1.6, 1.8, 1.5, 2.0,
1.2 y 1.7. Utilice la prueba de rango con signo para probar la hiptesis en el
nivel de significancia de 0.05 que este compensador particular opera con una
media de 1.8 horas antes de requerir una recarga.
Solucin:
H0; = 1.8
H1; 1.8
Se proceder a efectuar las diferencias y a poner rango con signo a los datos.
Dato
1.5
2.2
0.9
1.3
2.0
1.6
1.8
1.5
2.0
1.2
1.7

di = dato - 1.8
-0.3
0.4
-0.9
-0.5
0.2
-0.2
0
-0.3
0.2
-0.6
-0.1

Rangos
5.5
7
10
8
3
3
Se anula
5.5
3
9
1

Regla de decisin:
Para una n = 10, despus de descartar la medicin que es igual a 1.8, la tabla
A.16 muestra que la regin crtica es w 8.
Clculos:
w+ = 7 + 3 + 3 = 13
w- = 5.5 + 10 + 8 + 3 + 5.5 + 9 + 1 = 42
por lo que w = 13 (menor entre w+ y w-).
Decisin y Conclusin:
Como 13 no es menor que 8, no se rechaza H0 y se concluye con un = 0.05
que el tiempo promedio de operacin no es significativamente diferente de 1.8
horas.

2. Se afirma que un estudiante universitario de ltimo ao puede aumentar su

calificacin en el rea del campo de especialidad del examen de registro de
graduados en al menos 50 puntos si de antemano se le proporcionan
problemas de muestra. Para probar esta afirmacin, se dividen 20
estudiantes del ltimo ao en 10 pares de modo que cada par tenga casi el
mismo promedio de puntos de calidad general en sus primeros aos en la
universidad. Los problemas y respuestas de muestra se proporcionan al azar
a un miembro de cada par una semana antes del examen. Se registran las
siguientes calificaciones del examen:

Par
1
2
3
4
5
6
7
8
9
10

Con
problemas
de
muestra
531
621
663
579
451
660
591
719
543
575

Sin
problemas
de
muestra
509
540
688
502
424
683
568
748
530
524

Pruebe la hiptesis nula en el nivel de significancia de 0.05 de que los

problemas aumentan las calificaciones en 50 puntos contra la hiptesis
alternativa de que el aumento es menor a 50 puntos.
Solucin:
La prueba de rango con signo tambin se puede utilizar para probar la hiptesis
nula 1 2 = d0. En este caso las poblaciones no necesitan ser simtricas. Como
con la prueba de signo, se resta d0 de cada diferencia, se clasifican las
diferencias ajustadas sin importar el signo y se aplica el mismo procedimiento.
En este caso d0 = 50, por lo que se procede a calcular las diferencias entre las
muestras y luego restarles el valor de 50. Se representara con 1 y 2 la
calificacin media de todos los estudiantes que resuelven el examen en cuestin
con y sin problemas de muestra, respectivamente.
H0; 1 2 = 50
H1; 1 2 < 50
Regla de decisin:
Para n=10 la tabla muestra que la regin crtica es w+ 11.
Clculos:

Par
1
2
3
4
5
6
7
8
9
10

Con
problemas
de
muestra
531
621
663
579
451
660
591
719
543
575

Sin
problemas
de
muestra
509
540
688
502
424
683
568
748
530
524

di

di d0

22
81
-25
77
27
-23
23
-29
13
51

Rangos

-28
31
-75
27
-23
-73
-27
-79
-37
1

5
6
9
3.5
2
8
3.5
10
7
1

w+ = 6 + 3.5 + 1 = 10.5
Decisin y Conclusin:
Como 10.5 es menor que 11 se rechaza H0 y se concluye con un = 0.05 que
los problemas de muestra, en promedio, no aumentan las calificaciones de
registro de graduados en 50 puntos.
Aproximacin Normal para Muestras Grandes
Cuando n 15, la distribucin muestral de W + W- se aproxima a la distribucin
n(n + 4)
n(n + 1)(2n + 1)
normal con media w =
y varianza w 2 =
.
4
24
Por tanto, cuando n excede el valor ms grande en la tabla A.16, se puede
utilizar la estadstica
w w
z= +
w
para determinar la regin crtica de la prueba.
Ejercicios para la Unidad IV
1. Se lanza 180 veces un dado con los siguientes resultados:
X
f

1
28

2
36

3
36

4
30

Es un dado balanceado? Utilice un = 0.01.

5
27

6
23

2. Se supone que una mquina mezcla cacahuates, avellanas, anacardos y

pacanas a razn de 5:2:2:1. Se encuentra que una lata que contiene 500 de
estas nueces mezcladas tiene 269 cacahuates, 112 avellanas, 74 anacardos
y 45 pacanas. Al nivel de significancia de 0.05 pruebe la hiptesis de que la
mquina mezcla las nueces a razn de 5:2:2:1.
3. Se seleccionan tres canicas de una urna que contiene cinco canicas rojas y
tres verdes. Despus de registrar el nmero x de canicas rojas, las canicas

se reemplazan en la urna y el experimento se repite 112 veces. Los

resultados que se obtienen son los siguientes:
x
f

0
1

1
31

2
55

3
25

Pruebe la hiptesis con un nivel de significancia de 0.05, de que los datos

registrados se pueden ajustar a una distribucin hipergeomtrica.
4. Se lanza una moneda hasta que sale cara y se registra el nmero de
lanzamientos x. Despus de repetir el experimento 256 veces, se obtuvieron
los siguientes resultados:
X
f

1
136

2
60

3
34

4
12

5
9

6
1

7
3

8
1

Pruebe la hiptesis con un nivel de significancia de 0.05 de que la

distribucin observada de x se puede ajustar por una distribucin geomtrica
g(x;1/2), x = 1, 2, 3,
5. Con los siguientes datos, pruebe la bondad de ajuste entre las frecuencias de
clase que se observan y las frecuencias esperadas correspondientes de una
distribucin normal con = 65 y = 21, utilice un nivel de significancia de
0.05.
Lmite de clase
10 - 19
20 29
30 39
40 49
50 59
60 69
70 79
80 89
90 - 99

Frecuencia
3
2
3
4
5
11
14
14
4

6. En un experimento para estudiar la dependencia de la hipertensin de los

hbitos de fumar, se tomaron los siguientes datos de 180 individuos:

Con hipertensin
Sin hipertensin

No
fumadores
21
48

Fumadores
moderados
36
26

Fumadores
empedernidos
30
19

Pruebe la hiptesis de que la presencia o ausencia de hipertensin es

independiente de los hbitos de fumar. Utilice un nivel de significancia de
0.05.
7. Una muestra aleatoria de 200 hombres casados, todos retirados, se clasifica
de acuerdo con la educacin y el nmero de hijos:

Educacin
Elemental
Secundaria
Universidad

0-1
14
19
12

Nmero de hijos
2-3
37
42
17

Ms de 3
32
17
10

Pruebe la hiptesis, con un nivel de significancia de 0.05, de que el tamao

de la familia es independiente del nivel de instruccin del padre.
8. Se comparan dos tipos de instrumentos para medir la cantidad de monxido
de azufre en la atmsfera en un experimento de contaminacin atmosfrica.
Se registraron las siguientes lecturas diarias en un perodo de dos semanas:
Da
1
2
3
4
5
6
7
8
9
10
11
12
13
14

Instrumento A
0.96
0.82
0.75
0.61
0.89
0.64
0.81
0.68
0.65
0.84
0.59
0.94
0.91
0.77

Instrumento B
0.87
0.74
0.63
0.55
0.76
0.70
0.69
0.57
0.53
0.88
0.51
0.79
0.84
0.63

Con el uso de la aproximacin normal a la distribucin binomial, realice una

prueba de signo para determinar si los diferentes instrumentos conducen a
diferentes resultados. Utilice un nivel de significancia de 0.05.
9. Los siguientes datos representan el tiempo, en minutos, que un paciente
tiene que esperar durante 12 visitas al consultorio de una doctora antes de
ser atendido por sta:
17
15
20
20
32
28
12
26
25
25
35
24
Utilice la prueba de rango con signo al nivel de significancia de 0.05 para
probar la afirmacin de la doctora de que la media del tiempo de espera para
sus pacientes no es mayor que 20 minutos antes de entrar al consultorio.
10. Los pesos de cuatro personas antes de que dejan de fumar y cinco semanas
despus de dejar de fumar, en kilogramos, son los siguientes:
Individuo
1
2
3
4
5
Antes
66
80
69
52
75
Despus
71
82
68
56
73
Utilice la prueba de rango con signo para observaciones pareadas para
probar la hiptesis, en el nivel de significancia de 0.05, de que dejar de fumar

no tiene efecto en el peso de una persona contra la alternativa del que el

peso aumenta si deja de fumar.
11. Los siguientes son los nmeros de recetas surtidas por dos farmacias en un
perodo de 20 das:
Da
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

Farmacia A
19
21
15
17
24
12
19
14
20
18
23
21
17
12
16
15
20
18
14
22

Farmacia B
17
15
12
12
16
15
11
13
14
21
19
15
11
10
20
12
13
17
16
18

Utilice la prueba de rango con signo al nivel de significancia de 0.01 para

determinar si las dos farmacias, en promedio, surten el mismo nmero de
recetas contra la alternativa de que la farmacia A surte ms recetas que la
farmacia B.
12. Se afirma que una nueva dieta reducir el peso de una persona 4.5
kilogramos, en promedio, en un perodo de dos semanas. Se registran los
pesos de 10 mujeres que siguen esta dieta antes y despus de un perodo de
dos semanas, y se obtienen los siguientes datos:
Mujer
1
2
3
4
5
6
7
8
9
10

Peso antes
58.5
60.3
61.7
69.0
64.0
62.6
56.7
63.6
68.2
59.4

Peso despus
60.0
54.9
58.1
62.1
58.5
59.9
54.4
60.2
62.3
58.7

Utilice la prueba de rango con signo al nivel de significancia de 0.05 para

probar la hiptesis de que la dieta reduce la mediana del peso en 4.5

kilogramos contra la hiptesis alternativa de que la mediana de la diferencia

en pesos es menor que 4.5 kilogramos.
13. Se toman 10 muestras de un bao de cultivo sobre placa utilizado en un
proceso de fabricacin de componentes electrnicos, y se mide el pH del
bao. Los valores de pH medidos son 7.91, 7.85, 6.82, 8.01, 7.46, 6.95, 7.05,
7.35, 7.25, 7.42. Los ingenieros creen que el valor de la mediana del pH es
7.0. La muestra indica que esta proposicin es correcta? Utilice la prueba
del signo con = 0.05 para investigar esta hiptesis. Encuentre el valor P de
esta prueba.
14. Se mide de manera rutinaria el nivel de impurezas (en ppm) en un producto
qumico intermedio. En una prueba reciente se observan los datos siguientes:
2.4
2.3

2.5
2.0

1.7
1.8

1.6
1.3

1.9
1.7

2.6
2.0

1.3
1.9

1.9
2.3

2.0
1.9

2.5
2.4

2.6
1.6

Puede afirmarse que la mediana del nivel de impureza es menor que 2.5
ppm? Establezca y pruebe la hiptesis apropiada utilizando la prueba de
signo con = 0.05. Cul es el valor P de esta prueba?

Respuestas a los Ejercicios de la Unidad IV

1. Regin crtica X2 > 15.086, X2 = 4.47 por lo tanto no rechazar H0, el dado
est balanceado.
2. Regin crtica X2 > 7.815,
X2 = 10.14, rechazar H0 . Las nueces no estn
mezcladas en la proporcin 5:2:2:1.
3. Regin crtica X 2 > 5.991,
X 2 = 1.67, no rechazar H0. Los datos se ajustan
a una distribucin hipergeomtrica.
4. Regin crtica X 2 > 11.07,
X 2 = 2.57, no rechazar H0. Los datos se ajustan
a una distribucin geomtrica.
5. Regin crtica X2 > 12.592,
X2 = 12.78, rechazar H0 . Los datos no se
ajustan a una distribucin normal.
6. Regin crtica X2 > 5.991,
X2 = 14.6, rechazar H0. La presencia o
ausencia de hipertensin y hbitos de fumar no son independientes.
7. Regin crtica X2 > 9.488,
X2 = 7.54, no rechazar H0. El tamao de la
familia es independiente del nivel se educacin del padre.
8. Regin crtica 1.96 z 1.96, z= 2.67, rechazar H0 .
9. Regin crtica w- 11 para una n=10, w- = 12.5, no rechazar H0.
10. Regin crtica w+ 1 para n = 5, w+ = 3.5, no rechazar H0.
11. Regin crtica z>2.575.
z= 2.80, rechazar H0, la farmacia A surte ms
recetas que la farmacia B.
12. Regin crtica w+ 11 para una n = 10. w+ = 17.5, no rechazar H0.
13. 2P(R+ 8 / p = 0.5) = 0.109 , como no es menor a 0.05, no se rechaza H0.
~ = 2 .5 H ;
~ < 2.5 P(R+ 2/ p = 0.5) = 0.0002, se rechaza H .
14. H0;
1
0

Bibliografa
Devore, J.L. (2000). Probabilidad y Estadstica para Ingeniera y Ciencias,
Quinta Edicin, Thomson Learning.
Mendenhall, W. (1998). Estadstica para Administradores, Segunda Edicin,
Grupo Editorial Iberoamrica.
Montgomery, D.C. y Runger G.C. (1996). Probabilidad y Estadstica Aplicadas a
la Ingeniera , Primera Edicin, Mc Graw Hill.
Sheaffer, R. L. y McClave, J.T. (1990). Probabilidad y Estadstica para
Ingeniera , Primera Edicin, Grupo Editorial Iberoamrica.
Spiegel, M.R. (1970). Estadstica, Primera Edicin, Serie Schaum, Mc Graw Hill.
Walpole, R. E., Myers, R.H., y Myers, S.L. (1998). Probabilidad y Estadstica
para Ingenieros, Sexta Edicin, Prentice Hall.
Weimer, R.C. (1996). Estadstica, Segunda Edicin, CECSA.