Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Curso Basico de Probabilidad y Estadistica (Excelente)
Curso Basico de Probabilidad y Estadistica (Excelente)
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.
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.
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
X1
Muestra 1
X2
X2
Muestra 2
X3
X3
Muestra 3
Xk
Muestra K
Xk
POBLACION
Distribucin muestral de
medias (x)
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
(0 3)2 + (2 3) 2 + (4 3)2 + (6 3) 2
4
= 2.236
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
( fx
f
48
3
= 3
x =
x =
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
Poblacin Exponencial
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
( 3 ) + ( 2 ) + ( 1 ) +
0 + ... + 2 + 3
16
= 0
(e e )2 f
=
N
=1.58
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
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
1 . 63
=
= 1 . 152
n
2
N n
1 . 63
=
N 1
2
32
= 0 . 816
31
S
Es la poblacin
infinita?
No
Se muestrea
con sustitucin?
No
S
Es
N20n?
x =
Nn
N 1
12
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
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
172 174.5
= 1.83
1.36
p ( x 172) = 0.00336
b) z =
0.0336
174.5
14
p1
Muestra 1
p1
p2
p3
.
.
pk
p
p2
Muestra 2
p3
Muestra 3
Muestra K
pk
POBLACION
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
(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
z=
p P
Pq
n
16
N n
si se cumple con
N 1
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
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
0.2327
0.03
0.04
0.03-(0.5/60)= 0.0216
z=
p P
0.0216 0.04
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
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
, por lo
+ 2 .
n1
n2
2
n
2
20
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
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
22
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
P1q1
Pq
+ 2 2 .
n1
n2
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 )
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
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
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
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=
a)
z=
c C 5.5 8
=
= 0.88
C
8
c=6
C=8
6-0.5 = 5.5
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
c C 9.5 8
=
= 0.53
C
8
0.7019
C=8
c=9
9+0.5 = 9.5
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
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
()
32
Distribucin muestral de
medianas
33
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:
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
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
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
min = 2.47
max = 2.73
37
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
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
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
P= pz
pq
(0.20 )(0.80)
= 0.20 (1.645)
= 0.20 0.038
n
300
0.162<P<0.238
40
z=
( x1 x 2 ) ( 1 2 )
12 2 2
+
n1
n2
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
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
Usuaria
1246
42
0.0337
No Usuaria
11178
294
0.0263
43
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
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
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
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.
) (
)(
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
50
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
52
53
54
Decisin
Aceptar Ho
Rechazar Ho
Ho es verdadera
No hay error
Error tipo I
Ho es falsa
Error tipo II
No hay error
55
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
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
= 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
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
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
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
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
= 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
( 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.
70
Valor P
Z= 0
ZR calculada
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.
72
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
= 0.987
ZR = -0.987
ZR = 0.987
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
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
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
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
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
72 70
8.9
|2|
= 0.2247
8.9
79
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
n=100
n=150
70
70.5
71
71.5
72
72.5
73
73.5
74
74.5
Valor de la media
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
0.95
0.8665
0.6725
0.5143
0.3213
0.0189
1
np
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
d=
=
12 + 22
12 + 22
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
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
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
89
Nmero de envos
207
213
Nmero de devoluciones
104
109
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.
= 0.025
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
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
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
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
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
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
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.
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
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
=0.01
X2 =32
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
= 0.5347
n 1
10 1
al elevar este resultado al cuadrado se obtiene la varianza de la muestra s2=
0.286.
i
/2=0.025
1-
X2 (0.975,9)= 2.7
X2 (0.025,9)= 19.023
/2=0.025
1-
X2 (0.975,9)= 2.7
X2 (0.025,9)= 19.023
2 max = 0.953
2 min= 0.135
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
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 =
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
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 =
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
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
X2 =
= 0.30
( 20 1)( 0.0158)
= 15.31
(0.14) 2
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 =
X2 =
X2 =
=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 <
= 2 2
2
=
2
2 22 ( 1 + 2 2)
para 2 >2,
1 ( 2 2) ( 2 4)
2
para 2 > 4
P
0.0005
0.001
0.005
.
.
0.9995
..
500
30.4
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
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
1= 9
2.39
2.84
2
15
20
Area
0.933
0.9516
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
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
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:
12
s12
50
=
=
= 1.07
2
2
2 Fs 2 (1.94)( 24)
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
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,
x 2 = 3.0
s 21 = 1.04
s 2 2 = 0.51
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
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
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
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
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
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
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
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
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
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
Area
0.7474
0.77
H0
H1
= 0.05
Regin de
aceptacin
s12/s22 = 2.11
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
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.
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
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
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
t=
1 + 1
n1
n2
1.848 1 + 1
5
4
Justificacin y decisin:
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
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
2.82
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
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=
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
][
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
][
] [
][
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.
[(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:
n1 = 16
Diseo 2
n2 = 10
x1 = 24 .2
x 2 = 23. 9
s 1 = 10
2
s 2 = 40
Ensayo de hiptesis:
2
H o ; 2 2 1 = 1
2
H o ; 2 1 1
2
Estadstico de prueba:
F=
s2 2
s1
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
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)]
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=
n1
s 22
10
n2
16
+ 40
10
Justificacin y decisin:
x1 = 290
S1= 12
Datos:
Proveedor 2
n2 = 16
x 2 = 321
S2 = 45
Ensayo de hiptesis:
2
H o ; 2 2 1 = 1
H o ; 2 1 1
2
Estadstico de prueba:
F=
s2 2
s1
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
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
16
) (16 1)]
2
= 18.21
= 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:
P =0.00894
Regin de aceptacin
B-A = 0
tL = 1.734
tc = 2.61
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
d =
d = 5 =1
N
x1 x 2 = d .
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
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:
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
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
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
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.
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.
2.
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.
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.
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.
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.
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
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
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
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.
Cx p x q ( n x)
5
0
18
10
4
1
56
50
3
2
110
100
2
3
88
100
1
4
40
50
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
100
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
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
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
Justificacin y decisin:
60
50
= 4. 83
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 )
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
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.
==
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
Frecuencia
esperada
28.32
21.24
10.44
Frecuencia
observada
32
15
13
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
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
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
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
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
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 =
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
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
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
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.
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
Signo de la
diferencia
x i -2000
+
+
+
+
+
+
+
-
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
~
~ >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
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
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.
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
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
5
27
6
23
0
1
1
31
2
55
3
25
1
136
2
60
3
34
4
12
5
9
6
1
7
3
8
1
Frecuencia
3
2
3
4
5
11
14
14
4
Con hipertensin
Sin hipertensin
No
fumadores
21
48
Fumadores
moderados
36
26
Fumadores
empedernidos
30
19
Educacin
Elemental
Secundaria
Universidad
0-1
14
19
12
Nmero de hijos
2-3
37
42
17
Ms de 3
32
17
10
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
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
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
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?
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.