Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Guía Básica para El Estudio de La Estadística Inferencial AGUILERA AGUILERA
Guía Básica para El Estudio de La Estadística Inferencial AGUILERA AGUILERA
DE
S AN N ICOLS
DE
H IDALGO
F acultad de C ontadura y
C iencias A dministrativas
Academia de Matemticas
Apuntes para la Materia de
Estadstica II
Estadstica II
NDICE
TEMA 1: Fundamentos de Estadstica Inferencial ..... 4
1.1.- Conceptos Bsicos. ..........................................................4
1.2.- Tcnicas para Contar........................................................5
1.3.- Diagrama de la Probabilidad Estadstica. .........................9
1 de 110
Estadstica II
TEMA 3: Teora de Estimacin Estadstica............... 73
3.1.- Estimacin de Parmetros. .............................................73
3.1.1.- Estimas Insesgadas. ..................................................74
3.1.2.- Estimas Eficientes. ...................................................75
3.2.- Estimas por Puntos y Estimas por Intervalos de Seguridad .......76
3.3.- Estimas por Intervalo de Confianza, de Parmetros Poblacionales. ..77
2 de 110
Estadstica II
4.2.- Ensayos de Hiptesis y Significacin. ...........................91
4.2.1.- Error De Tipo I Y Tipo II. ........................................92
4.2.2.- Nivel de Significacin. .............................................93
4.3.- Ensayos Referentes a la Distribucin Normal. ...............94
4.4.-Ensayos de Una y Dos Colas. .........................................97
4.5.- Ensayos Especiales. .......................................................98
4.6.- Ejercicio de Inferencia de Medias. ............................... 100
BIBLIOGRAFA........................................................ 110
3 de 110
Estadstica II
TEMA 1: Fundamentos de Estadstica Inferencial
licenciado en contadura
licenciado en administracin
licenciado en informtica administrativa
2. Tomar decisiones:
La estadstica: tomar decisiones de una poblacin con base de datos mustrales.
Esta se requiere para tomar decisiones estadsticas.
Tomar decisiones
Diseo experimental
Cmo voy a encontrar esos
MORELIA
200 datos?
1, 300,000
Estimar
_______
EDAD
POBLACION
DE
DATOS
Inferir
200
____
X
MUESTRA
DE
DATOS
4 de 110
Estadstica II
3. Probabilidad:
Estudia los experimentos y fenmenos aleatorios.
Interviene el
hombre
No interviene
el hombre
CASO 1: En donde:
ORr = nr
- Si me importa el orden y
- Si se puede repetir.
5 de 110
Estadstica II
Ejemplo:
2
a b
c d
-----------
= 16 resultados
Para el caso anterior de la poblacin de Morelia tendramos que hacer lo mismo pero seria muy
difcil con esa cantidad.
nORr
=nr
nORr
=nr
nORr
=42
nORr
nORr
= 16
nORr
CASO 2: En donde:
-
Si me importa el orden
No se pueden repetir
Or =
n!
(n-r)!
6 de 110
Estadstica II
Ejemplo:
2
a b
c d,c b,
-----------
a,b
a,c
a,d
nOr = n !
(n-r)!
nOr = 24 !
4O2
=4!
(4-2)!
nOr = 1
CASO 3: En donde:
-
No hay orden
No se pueden repetir
nCr = n!
r ! (n r) !
nCr = n!
r! (n r) !
nCr = 4!
2! (4 2) !
nCr = 24!
nCr = 6
2 (2 !)
nCr = 24
4
7 de 110
Estadstica II
Ejemplo 2: realizar el siguiente ejercicio por los tres casos en el que n sea 5 y r 3.
abc
de
-----------
Caso1:
FORMULA:
nORr
SUSTITUCION:
=nr
nORr
nORr
=53
= 125
Caso 2:
FORMULA:
nOr = n !
(n-r)!
SUSTITUCION:
nOr = 5 !
(5 3) !
nOr = 120
2
nOr = 120
2!
nOr = 60
Caso3:
FORMULA:
nCr = n!
r! (n r) !
SUSTITUCION:
nCr = 5 !
3 ! (5 - 3) !
nCr = 120
6 ( 2 !)
nCr = 120
6 (2)
nCr = 120
12
nCr = 10
8 de 110
Estadstica II
1.3.- Diagrama de la Probabilidad Estadstica.
EXPERIMENTOS:
(Influyen personas)
LA PROBABILIDA
ESTADISTICA
ALEATORIOS
FENMENOS:
(No influyen personas)
Para estudiarlos se
Construyen.
Modelo probabilstica
Que representa el comportamiento de un fenmeno
o experimento aleatorio.
DEVIDO
MODELOS
(Distribuciones)
PERO
Muchos se parecen
entre ellos.
SE LE PONE
NOMBRE PROPIO
EJEMPLO:
Estos modelos
o distribuciones
Binomial o Bernoulli
Principal
Caracterstica
Normal
POR LO QUE
Poisson
4
2
9 de 110
Estadstica II
TEMA 2: Teora Elemental de Muestreo
2.1.- Distribucin Binomial.
La distribucin Binomial:
Si p es la probabilidad de ocurrencia de un suceso en un solo ensayo (llamada probabilidad de
xito) y q = 1 P es la probabilidad de que el suceso no ocurra en un solo ensayo (llamada
probabilidad de fallo), entonces la probabilidad de que el suceso se presente exactamente X
veces en N ensayos, (es decir, X xitos y N X fallos) viene dada por:
p(X) = NCXpxqN-X =
N!
p q
X! (N X) ! X N X
Media
M = Np
Varianza
2 = Npq
Desviacin tpica
= Npq
Coeficiente de sesgo
q- p
3 =
Coeficiente de curtosis
Npq
1 6pq
4 = 3 + Npq
10 de 110
Estadstica II
EJEMPLOS:
1. Hallar la probabilidad de que lanzando una moneda 6 veces aparezcan (a) 0, (b) 1,
(c) 2, (d) 3, (e) 4, (f) 5, (g) 6 caras.
X = numero de caras
11 de 110
Estadstica II
Paso 5: Construir El Modelo O Distribucin De Probabilidad Del Experimento.
R= Modelo binomial por que tiene dos resultados ya sea fracaso o xito.
FORMULA:
P(x) =
N!
X! (N-X) !
(PX) (q n-x)
SOLUCION:
(A)
P (0) =
P (0) =
P (0) =
P (0) =
6!
0! (6-0) !
720
1 (6) !
(1/1) [(1/2) 6]
720
1 (720)
(1/1) [(1/64)]
720
720
(1/1) [(1/64)]
12 de 110
Estadstica II
(B)
P (1) =
P (1) =
P (1) =
P (1) =
6!
1! (6-1) !
720
1 (5)!
720
1 (120)
(1/2) (1/32)
720
120
(1/2) (1/32)
(C)
P (2) =
P (2) =
P (2) =
P (2) =
6!
2! (6-2) !
720
2 (4) !
(1/4) [(1/2) 4]
720
2 (24)
(1/4) [(1/2) 4]
720
48
(1/4) (1/16)
13 de 110
Estadstica II
(D)
P (3) =
P (3) =
P (3) =
P (3) =
6!
3! (6-3) !
720
6 (4) !
(1/8) [(1/2) 3]
720
(6) (6)
720
36
(1/8) (1/8)
(1/8) (1/8)
(E)
P (4) =
P (4) =
P (4) =
P (4) =
6!
4! (6-4) !
720
24 (2) !
720
(24) (2)
720
48
(1/16) (1/4)
(1/16) (1/4)
14 de 110
Estadstica II
(F)
P (5) =
P (5) =
P (5) =
P (5) =
6!
5! (6-5) !
720
120 (1) !
(1/32) [(1/2) 1]
720
(120) (1)
720
120
(1/32) (1/2)
(1/32) (1/2)
(G)
P (6) =
P (6) =
P (6) =
P (6) =
6!
6! (6-6) !
720
720 (0) !
(1/64) [(1/2) 0]
720
(120) (1)
720
720
(1/64) (1/1)
(1/64) (1/1)
Caras X
P(x)
1/64
6/64
15/64
20/64
15/64
6/64
1/64
15 de 110
Estadstica II
2. Hallar la probabilidad de (a) 2 o ms caras (b) menos de 4 caras en un lanzamiento
de 6 monedas.
(A) Hallar la probabilidad de 2 o mas caras:
R= 15/16 + 20/64 + 15/64 + 6/64 + 1/64 =
57/64
21
32
16 de 110
Estadstica II
Paso 3: Definir Una Variable Aleatoria.
R=
X = numero de caras
P(x) =
FORMULA:
N!
X! (N-X) !
(PX) (q n-x)
SOLUCION:
(A)
P (3) =
P (3) =
P (3) =
P (3) =
4!
3! (4-3) !
24
6 (1) !
24
(6) (1)
24
6
(1/8) (1/2)
(1/8) (1/2)
Estadstica II
(B) 1.-
P (0) =
P (0) =
P (0) =
P (0) =
4!
0! (4-0) !
24
1 (4) !
(1/1) [(1/2) 4]
24
1 (24)
24
24
(1/1) [(1/16) ]
(1/1) [(1/16) ]
2. - P (1) =
4!
1! (4-1) !
P (1) =
24
1 (3) !
P (1) = 24
1 (6)
P (1) = 24
6
(1/2) [(1/2) 3]
(1/2) (1/8)
(1/2) (1/8)
18 de 110
Estadstica II
(C)
3. - P (2) =
P (2) =
P (2) =
4!
2! (4-2) !
24
2 (2) !
(1/4) [(1/2) 2]
24
2 (2)
(1/4) (1/4)
P (2) = 24
4
(1/4) (1/4)
Caras X
P(x)
1/16
4/16
6/16
1/4
5/8
19 de 110
Estadstica II
4. De un total de 800 familias con 5 hijos cada una, cuantas cabe esperar que tengan
(a) 3 nios (b) 5 nias (c) 2 o 3 nios. Suponer iguales la probabilidad de nio o Nina
P = xito (1/2/)
q = fracaso (1/2)
N = 5 nios requeridos
20 de 110
Estadstica II
P(x) =
FORMULA:
N!
X! (N-X) !
(PX) (q n-x)
SOLUCION:
P (0) =
P (0) =
P (0) =
P (0) =
5!
0! (5-0) !
120
1 (5) !
(1/1) [(1/2) 5]
120
1 (120)
(1/1) [(1/32)]
120
120
(1/1) [(1/32)]
P (1) =
P (1) =
P (1) =
P (1) =
5!
1! (5-1) !
120
1 (4) !
120
1 (24)
120
24
(1/2) (1/16)
(1/2) (1/16)
21 de 110
Estadstica II
P (2) =
P (2) =
P (2) =
P (2) =
5!
2! (5-2) !
120
2 (3) !
120
2 (6)
120
12
(1/4) [(1/8)]
(1/4) (1/8)
(A)
P (3) =
P (3) =
P (3) =
P (3) =
5!
3! (5-3) !
120
6 (2) !
(1/8) [(1/2) 2]
120
(6) (2)
120
12
(1/8) (1/4)
(1/8) (1/4)
P (4) =
P (4) =
5!
4! (5-4) !
120
24 (1) !
Estadstica II
P (4) =
P (4) =
120
(24) (1)
120
24
(1/16) (1/2)
(1/16) (1/2)
(B)
P (5) =
P (5) =
P (5) =
P (5) =
5!
5! (5-5) !
120
120 (0) !
(1/32) [(1/2) 0]
120
(120) (1)
120
120
(1/32) (1/1)
(1/32) (1/1)
Caras X
P(x)
1/32
5/32
10/32
10/32
5/32
1/32
23 de 110
Estadstica II
5. Cul es la probabilidad de obtener 9 una vez en 3 lanzamientos de un por de
dados?
X = numero de caras
P = xito (1/2/)
q = fracaso (1/2)
N = 5 nios requeridos
24 de 110
Estadstica II
P(x) =
FORMULA:
N!
X! (N-X) !
(PX) (q n-x)
SOLUCION:
P (9) =
P (9) =
P (9) =
9!
9! (9-9) !
362880
362880 (0) !
(1/1) [(1/2) 0]
362880
362880 (1)
(1/512) (1)
P (9) = 362880
362880
(1/512) (1)
25 de 110
Estadstica II
Paso 2: Construir El Espacio Muestral.
R= nORr = nr
nORr = 210
nORr = 1024
X = numero de caras
P = xito (1/2)
q = fracaso (1/2)
N = Cuantas monedas 10
26 de 110
Estadstica II
FORMULA:
P (6) =
P(x) =
N!
X! (N-X) !
10!
6! (10-6) !
(PX) (q n-x)
P (6) = 3628800
720 (4) !
(1/64) [(1/2) 4]
P (6) = 3628800
(720) (24)
(1/64) (1/16)
P (6) = 3628800
17280
(1/64) (1/16)
P (7) =
10!
7! (10-7) !
P (7) = 3628800
5040 (3) !
(1/128) [(1/2) 3]
P (7) = 3628800
(5040) (6)
(1/128) (1/8)
P (7) = 3628800
30240
(1/128) (1/8)
27 de 110
Estadstica II
P (8) =
10!
8! (10-8) !
P (8) = 3628800
40320 (2) !
(1/256) [(1/2) 2]
P (8) = 3628800
(40320) (2)
(1/256) (1/4)
P (8) = 3628800
80640
(1/256) (1/4)
P (9) =
10!
9! (10-9) !
P (9) = 3628800
362880 (2) !
(1/256) [(1/2) 1]
P (9) = 3628800
(362880) (2)
(1/256) (1/2)
P (9) = 3628800
725760
(1/256) (1/2)
P (9) = (5) (1/256) (1/2)
P (9) = 5/512
28 de 110
Estadstica II
P (10) = 10!
10! (10-9) !
P (10) = 3628800
3628800 (1) !
(1/1024) [(1/1) 0]
P (10) = 3628800
(362880) (1)
(1/1024) (1/1)
P (10) = 3628800
3628800 (1/1024) (1/1)
P (10) = (1) (1/1024) (1/1)
P (10) = 1/1024
Caras X
10
P(x)
105/512
15/128
45/1024
5/512
1/1024
PARAMETRO
UNIVERSO
29 de 110
= 193/512
Estadstica II
Paso 1: Describir El Experimento Aleatorio.
R= Sacar muestras de 2 elementos con reemplazo.
R= S =
2,2
2,3
2,4
2,6
3,2
3,3
3,4
3,6
4,2
4,3
4,4
4,6
6,2
6,3
6,4
6,6
(estadstico)
= 16
NOTA: Como son muchos resultados mejor usamos la formula que es:
R= nORr = nr
nORr = 42
nORr = 16
30 de 110
Estadstica II
Paso 5: Construir El Modelo O Distribucin De Probabilidad Del Experimento.
2.5
3.5
4.5
SUMA
Px(x)
1/16
2/16
3/16
2/16
3/16
2/16
2/16
1/16
16/16 = 1
2 (1/16) + 2.5 (2/16) + 3 (3/16) + 3.5 (2/16) + 4 (3/16) + 4.5 (2/16) + 5 (2/16) + 6
(1/16) =
2/16 + 5/16 + 9/16 + 7/16 + 12/16 + 9/16 + 10/16 + 6/16 = 60/16 = 3.75
Comprobacin:
6 + 4 + 2 + 3 = 15/4 = 3.75
Media: Mx = M
Con Reemplazo:
Q
D. Estndar: Qx =
N
31 de 110
Estadstica II
Formula De La Desviacin Estndar:
n
2
(X )
i=1
n
X
X-
(X- )
3.75
- 1.75
3.0625
3.75
0.75
0.5625
3.75
0.25
0.0625
3.75
2.25
5.0625
8.75
4
= 3.75
Q = 1.4790
=
2.1875
Q = 1.4790
Q
Qx =
1.4790
Qx =
1.4790
Qx =
Qx =
1.04581
1.414213
32 de 110
Estadstica II
X
2
2.5
3
3.5
4
4.5
5
6
3.75
3.75
3.75
3.75
3.75
3.75
3.75
3.75
X-
-1.75
-1.25
-0.75
-0.75
0.25
0.75
1.25
2.25
(X- )
3.0625
1.5625
0.5625
0.0625
0.0625
0.5625
1.5625
5.0625
Px(X)
1/16
2/16
3/16
2/16
3/16
2/16
2/16
1/16
(Px(x))((x- ) )
0.191406
0.1953
0.1054
0.0078
0.0116
0.0703
0.1953
0.3169
2
Q = 1.0939
Q = 1.0939
Q = 1.0458
SON NORMALES
DISTRIBUCIN
NORMAL.
NO SON NORMALES
PERO SE COMPORTAN
DE MANERANORMAL
1
e -1/2 (x ) 2/
Y=
= Media
= Desviacin estndar o desviacin tpica
33 de 110
Estadstica II
TRANSFORMAR
=0
=1
X-
Z=
Y =
2
2/
-1/2 (X M )
34 de 110
Estadstica II
Algunas propiedades de la distribucin normal se indican en la siguiente tabla:
Media
Varianza
Desviacin Tpica
Coeficiente de sesgo
Coeficiente de curtosis
= 0
=
Desviacin Media
2 / = 0.7979
EJEMPLOS:
x 2= 62 = 78 x1= 93
= 10
FORMULAS:
x-
Z=
35 de 110
Estadstica II
X= + Z
PROCEDIMIENTO:
Z= 93 78
10
(A)
Z=
(B)
15
10
Z = 1.5
X1 = + Z
X1 = 78 + (-0.6) (10)
X1 = 78 - 6
X1 = 72
(X1)
Z=
62 78
10
Z=
-16
10
Z=
-1.6
X2 = + Z
X2 = 78 + (1.2) (10)
X2 = 78 - 12
X2 = 92
(X2)
FORMULA:
X1 = 70
Z1 = -0.6
X2 = 88
Z2 = 1.4
=X - Z
SUSTITUCIN:
= X1 - Z1
= 70 (-0.6)
= 70 + 0.6
= X2 - Z2
= 88 1.4
70 + 0.6 = 88 1.4
0.6 + 1.4 = 88 - 70
2 = 18
= 18/2
=9
36 de 110
Estadstica II
= X1 - Z1
= 70 + 0.6 (9)
= 70 + 5.4
= 75.4
= X2 - Z2
= 88 1.4 (9)
= 88 12.6
= 75.4
3. Hallar el rea bajo la curva normal entre (a) z = -1.20 y z = 2.40, (b) z = 1.23 y z =
1.87, (c) z = -2.35 y z -0.50.
RESULTADOS:
(A)
Z1 = - 1.20
Z2 = 2.40
x
Tabla = 0.3849
Tabla = 0.4918
R = 0.8767
z1 = -1.20
Z= 0
z2 = 2.40
NOTA: Los porcentajes se sacan de la tabla de reas bajo la curva normal tipificada de 0 a Z.
(B)
Z= 0
z1 = z2 =
1. 23 1. 87
Z1 = 1.23
Z2 = 1.87
Tabla = 0.3907
Tabla = 0.4693
37 de 110
Estadstica II
R = 0.0786
(C)
z1 = z2 =
Z= 0
-2. 35 - 0.50
Z1 = - 2.35
Z2 = - 0.50
Tabla = 0.4906
Tabla = 0.1915
R = 0.2991
4. Hallar el rea bajo la curva normal (a) a la izquierda de z = -1.78 (b) a la izquierda
de z = 0.56 (c) a la derecha de z = -1.45 (d) correspondiente a z > 2.16, (e)
correspondiente a 0.80 < z < 1.53, (f) a la izquierda de z = -2.52 y a la derecha de
z = 1.83.
RESULTADOS:
(A)
50%
Z1 = - 1.78
z1 = -1.78
Tabla = 0.4625
50%
Z= 0
0.5000
0.4625
0.0375
NOTA: Los porcentajes se sacan de la tabla de reas bajo la curva normal tipificada de 0 a Z.
38 de 110
Estadstica II
(B)
50%
Z1 = 0.56
Z= 0
Tabla = 0.2123
50%
z1 = -1. 45
Tabla = 0.4265
z1 = 0. 56
0.5000
0.2123
0.7123
(C)
Z1 = -1.45
50%
0.5000
+ 0.4265
0.9265
39 de 110
50%
Z= 0
Estadstica II
(D)
50%
Z1 = 2.16
Z= 0
Tabla = 0.4846
50%
z1 = -
Tabla = 0.2881
Tabla = 0.4370
z1 = 2.16
0.5000
0.4846
0.0154
(E)
Z1 = - 0.8
Z1 = 1.53
50%
0.2881
+ 0.4370
0.7251
40 de 110
0. 8
50%
Z= 0
z2 = 1. 53
Estadstica II
(E)
50%
Z1 = - 2.52
Z2 = 1.83
z1 = -
Tabla = 0.4941
Tabla = 0.4664
0.5000
- 0.4941
0.0059
2. 52
50%
Z= 0
z2 = 1. 83
0.5000
- 0.4664
0.0336
41 de 110
Estadstica II
Paso 3: Definir Una Variable Aleatoria.
R=
50%
=68. 0
= 3.0
FORMULA:
50%
= 0 z = 1. 5
72. 5
X-
Z=
42 de 110
Estadstica II
SUSTITUCION:
Z = 72.5 68.0
3.0
Z=
Z = 1.5
Tabla = 0.4332
Z = 0.5000
- 0.4332
0.0668
x 300
20.04 = 20
4.5
3.0
Z = 1.5
64.5
FORMULA:
=68. 0
= 3.0
50%
50%
z = -1. 17
=0
X-
Z=
SUSTITUCION:
Z = 64.5 68.0
3.0
Z=
3.5
3.0
Z = -1.17
Z = -1.17
Tabla = 0.3790
Z = 0.5000
- 0.3790
0.121
x 300
36.3 = 36
43 de 110
Estadstica II
(C) Entre 65 y 71 pulgadas inclusive.
50%
64.5
FORMULA:
=68. 0
= 3.0
50%
z = -1. 17 = 0
71. .5
X = 68
X-
Z=
SUSTITUCION:
Z = 64.5 68.0
3.0
Z=
3.5
3.0
Z = -1.17
Z = 68 71.5
3.0
Z = - 3.5
3.0
Z = - 1.17
1.17
0.3790
1.17
0.3790
0.7580
44 de 110
Estadstica II
(D) Igual a 68 pulgadas.
67.5
FORMULA:
=68. 0
= 3.0
=0
68. 5
X = 68
X-
Z=
SUSTITUCION:
Z = 67.5 68.0
3.0
Z = - 0.5
3.0
Z = -1.17
Z = 68 68
3.0
Z = 0.5
3.0
Z = 0.17
0.17
0.0675
0.17
0.0675
0.1350
45 de 110
Estadstica II
6. Si los dimetros de cojinetes de bolas se distribuyen normalmente con media 0.6140
pulgadas y desviacin tpica 0.0025 pulgadas, determinar el porcentaje de cojinetes
de bolas con dimetros (a) entre 0.610 y 0.618 pulgadas inclusive (b) mayor de 0.617
pulgadas, (c) menor de 0.608 pulgadas, (d) igual a 0.615 pulgadas.
0. 6095
FORMULA:
=68. 0
= 3.0
=0
0. 6185
X-
Z=
SUSTITUCION:
Z1 = 0.6095 0.6140
0.0025
Z1 = - 0.0045
0.0025
Z2 = 0.6185 0.6140
0.0025
Z2 = 0.0045
0.0045
Z2 = 1.8
Z1 = -1.8
0.17
0.4641
0.17
0.4641
0.9282
92.82% = 93%
46 de 110
Estadstica II
(B)
Mayor de 0.617.
0.6175
= 0. 6140
= 3.0
FORMULA:
=0
X = 1.4
X-
Z=
SUSTITUCION:
Z = 0.6175 0.6140
0.0025
Z = 0.0035
0.0025
- 0.5000
0.4192
0.0808 x 100 = 8.08 = 8.1
Z = 1.4
47 de 110
Estadstica II
(C) Menor de 0.608 pulg.
0.608 = 0.6075
50%
= 0. 6140
= 0.0025
FORMULA:
z = -2.6
X = 1.4
X-
Z=
SUSTITUCION:
Z = 0.6075 0.6140
0.0025
Z = -0.0065
0.0025
=0
- 0.5000
0.4953
0.0047 x 100 = 0.47%
Z = -2.6 = 0.4953
48 de 110
Estadstica II
(D) Igual a 0.615 pulg.
x1 = 0.6145 x2 = 0.6155
= 0. 6140
= 0.0025
FORMULA:
z2 = -0.6
50%
= 0 z1= -0.2
X-
Z=
SUSTITUCION:
Z1 = 0.6140 0.6140
0.0025
Z2 = 0.6140 0.6155
0.0025
Z1 = -0.0005
0.0025
Z2 = -0.0015
0.0025
Z1 = -0.2 = 0.0793
Z2 = -0.6 = 0.2258
49 de 110
0.0793
+ 0.2258
0.3051
Estadstica II
7. La puntuacin media en un examen fue 72 y la desviacin tpica 9. El 10% superior
de los alumnos reciben la calificacin A. Cul es la puntuacin mnima que un
estudiante debe tener para recibir una A?
DE ATRS HACIA DELANTE:
DATOS:
FORMULA:
M= 72
Q= 9
Z1= 1.28 Tabla
%= ?
X = Z1 Q + M
SUSTITUCION:
0.3997
X = 1.28 (9) + 72
X = 11.52 + 72
X = 83.52
X = 84
10%
= 72
FORMULA:
=0 z =
X= 84
X-
Z=
SUSTITUCION:
Z=
83.52 72
9
0.5000
0.3997
Z=
11.52
9
Z = 1.28 = 0.3997
50 de 110
1.28
Estadstica II
2.3.- Muestreo Aleatorio Simple.
Teora De Muestreo
La teora de muestreo es un estudio de las relaciones existentes entre una
poblacin y muestras extradas de la misma. Tiene gran inters en muchos
aspectos de la estadstica. Por ejemplo, permite estimar cantidades
desconocidas de la poblacin (tales como la media poblacional, la
varianza, etc.), frecuentemente llamadas parmetros poblacionales o
brevemente parmetros, a partir del conocimiento de las correspondientes
cantidades mustrales (tales como la media muestral, la varianza, etc.), a
menudo llamadas estadsticos mustrales o brevemente estadsticos.
51 de 110
Estadstica II
En general, un estudio de inferencias, realizado sobre una poblacin
mediante muestras extradas de la misma, junto con las indicaciones sobre
la exactitud de tales inferencias aplicadas a la teora de la misma, junto
con las indicaciones sobre la exactitud de tales inferencias aplicadas a la
teora de la probabilidad, se conoce como inferencia estadstica.
Estadstica II
Muestreo Con Y Sin Remplazamiento
Si se extrae un numero de una urna, se puede volver o no el numero a la
urna antes de realizar una segunda extraccin. En el primer caso, un
mismo nmero puede salir varias veces, mientras que en el segundo un
nmero determinado solamente puede salir una vez. El muestreo, en el
que cada miembro de la poblacin puede elegirse ms de una vez, se
llama muestreo con remplazamiento, mientras que si cada miembro no
puede ser elegido ms de una vez se tiene el muestreo sin
remplazamiento.
Las poblaciones pueden ser finitas o infinitas. Si, por ejemplo, se extraen
sucesivamente 10 bolas sin remplazamiento de una urna que contiene
100, se esta tomando una muestra de una poblacin finita, mientras que si
se lanza al aire una moneda 50 veces, anotndose el numero de caras, se
esta muestreando en una poblacin infinita.
53 de 110
Estadstica II
2.4.- Distribuciones Mustrales
Considerndose todas las posibles muestras de tamao N que pueden
extraerse de una poblacin dada (con o sin remplazamiento). Para cada
muestra se puede calcular un estadstico, tal como la media, la desviacin
tpica, etc., que variara de una muestra a otra. De esta forma se obtiene
una distribucin del estadstico que se conoce como distribucin muestral.
54 de 110
Estadstica II
2.4.1.- Distribucin Muestral de Medias.
Supngase que son extradas de una poblacin finita todas las
posibles muestras sin remplazamiento de tamao N, siendo el
tamao de la poblacin Np > N. Si se denota la media y la
desviacin tpica de la distribucin muestral de medias por x y
x y la media y la desviacin tpica de la poblacin por y ,
respectivamente se tiene:
x =
Np - N
x =
Si
la
poblacin
es
infinita
Np - 1
si
el
muestreo
es
x =
x =
N
55 de 110
con
Estadstica II
Para valores grandes de N(N > 30) la distribucin muestral de medias se
aproxima a una distribucin normal con media x y desviacin tpica x
independientemente de la poblacin de que se trate (siempre que la media
y la varianza poblacional sean finitas y el tamao de la poblacin sea la
menos dos veces el tamao de la muestra ). Este resultado en una
poblacin infinita es un caso especial del teorema central del lmite de
teora de probabilidad superior, que demuestra que la aproximacin es
tanto mejor conforme N se hace mayor. Esto se indica diciendo que la
distribucin muestral es sintticamente normal. En caso de que la
distribucin se distribuya normalmente, la distribucin muestral de medias
se distribuye tambin normalmente, incluso para pequeos valores de N
(es decir, N < 30).
56 de 110
Estadstica II
Se consideran todas las posibles muestras de tamao N extradas de esta
poblacin y para cada muestra se determina la proporcin p de xito. En
el caso de la moneda, P seria la proporcin de caras aparecidas en los N
lanzamientos.
Entonces
se
obtiene
una
distribucin
muestral
de
x =
x =
Pq
N
p(1 p)
N
pq.
Las ecuaciones (3) son igualmente validas para una poblacin finita en la
que el muestreo se hace con remplazamiento.
pq.
57 de 110
Estadstica II
2.4.3.- Distribucin Muestral de Diferencias y Sumas.
Supnganse que se tienen dos poblaciones. Para cada muestra de
tamao N1, extrada de la primera poblacin se calcula un estudio S1. Esto
proporciona una distribucin muestral del estadstico S1 cuya medida y
desviacin tpica vienen dadas por s1 y s1, respectivamente.
y s1 S2 =
2S1 + 2s2
(4)
Con tal de que las muestras no dependan de ninguna forma una de otra,
es decir, las muestras sean independientes.
58 de 110
Estadstica II
Si S1 y S2 son las medidas mustrales de las dos poblaciones, las cuales
vienen dadas por X1 y X2, entonces la distribucin muestral de la
diferencias de medias para poblaciones infinitas con medidas y
desviaciones tpicas 1, 1 y 2, 2, respectivamente, tienen por media y
desviacin tpica.
x1-x2 = x1 x2 = 1 2 y x1- x2 =
2x1 + 2x2 = 2+ 2
1
2
N1 N2
(5)
59 de 110
Estadstica II
caso S1 y S2 corresponden a las proporciones de xito, P1 y P2, y las
ecuaciones (4) dan los resultados.
(6)
2s1 + 2s2
60 de 110
(7)
Estadstica II
2.5.- Otros Ejercicios.
1) Muestra De Dos Elementos Con Reemplazo:
PARAMETRO
UNIVERSO
2,2
2,3
2,4
2,6
3,2
3,3
3,4
3,6
4,2
4,3
4,4
4,6
6,2
6,3
6,4
6,6
(estadstico)
= 16
NOTA: Como son muchos resultados mejor usamos la formula que es:
R= nORr = nr
nORr = 42
nORr = 16
61 de 110
Estadstica II
Paso 4: Construir El Espectro De La Variable Aleatoria.
R= Sx = { 2, 2.5, 3, 3.5, 4, 4.5, 5, 6 }
X
Px(x)
2.5
3.5
4.5
1/16
2/16
3/16
2/16
3/16
2/16
2/16
1/16
SUMA
16/16 =
1
2 (1/16) + 2.5 (2/16) + 3 (3/16) + 3.5 (2/16) + 4 (3/16) + 4.5 (2/16) + 5 (2/16) + 6
(1/16) =
2/16 + 5/16 + 9/16 + 7/16 + 12/16 + 9/16 + 10/16 + 6/16 = 60/16 = 3.75
Comprobacin:
6 + 4 + 2 + 3 = 15/4 = 3.75
62 de 110
Estadstica II
Distribucin Maestral De Medias:
Media: Mx = M
Con Reemplazo:
Q
D. Estndar: Qx =
N
n
2
(X )
i=1
n
X-
3.75
- 1.75
(X- )
3.0625
3.75
0.75
0.5625
3.75
0.25
0.0625
3.75
2.25
5.0625
63 de 110
Estadstica II
8.75
4
= 3.75
Q = 1.4790
=
2.1875
Q = 1.4790
1.4790
Qx =
Qx =
N
1.4790
Qx =
Qx =
1.04581
1.414213
X
2
2.5
3
3.5
4
4.5
5
6
3.75
3.75
3.75
3.75
3.75
3.75
3.75
3.75
X-
-1.75
-1.25
-0.75
-0.75
0.25
0.75
1.25
2.25
(X- )
3.0625
1.5625
0.5625
0.0625
0.0625
0.5625
1.5625
5.0625
Px(X)
1/16
2/16
3/16
2/16
3/16
2/16
2/16
1/16
(Px(x))((x- ) )
0.191406
0.1953
0.1054
0.0078
0.0116
0.0703
0.1953
0.3169
Q2 = 1.0939
Q = 1.0939
Q = 1.0458
64 de 110
Estadstica II
2) Muestra De Dos Elementos sin Reemplazo:
6
4
PARAMETRO
UNIVERSO
(estadstico)
= 12
NOTA: Como son muchos resultados mejor usamos la formula que es:
R= nOr = 4!
(4 2) !
nOr = 24/2
nOr = 12
nOr = 24
2!
nOr = 24/2
65 de 110
Estadstica II
Paso 4: Construir El Espectro De La Variable Aleatoria.
R= Sx = { 2.5, 3, 3.5, 4, 4.5, 5 }
2.5
3.5
4.5
TOTAL
Px(x)
2/12
2/12
2/12
2/12
2/12
2/12
12/12
=1
COMPROBACIN:
6 + 4 + 2 + 3 = 15/4 = 3.75
Media: Mx = M
Sin Reemplazo:
Q
D. Estndar: Qx =
N
66 de 110
NP - N
NP - 1
Estadstica II
Formula De La Desviacin Estndar:
X
2.5
3
3.5
4
4.5
5
3.75
3.75
3.75
3.75
3.75
3.75
X-
-1.25
-0.75
-0.75
0.25
0.75
1.25
(X- )
1.5625
0.5625
0.0625
0.0625
0.5625
1.5625
Px(X)
2/12
2/12
2/12
2/12
2/12
2/12
(Px(x))((x- ) )
0.2604166
0.09375
0.0104166
0.0104166
0.09375
0.2604166
Q2 = 0.7291664
Q = 0.7291664
Q = 0.8539
3) Una poblacin esta formada por los cuatro nmeros 3, 7, 11, 15. Considerar todas la
s posibles muestras de tamao dos que pueden extraerse de esta poblacin con
remplazamiento. Hallar (a) la media poblacional, (b) la desviacin tpica
poblacional, (c) la media de la distribucin muestral de medias, (d) la desviacin
tpica de la distribucin muestral de medias. Encontrar (c) y (d) directamente de (a)
y (b) mediante las formulas adecuadas.
3
PARAMETRO
11 15
UNIVERSO
67 de 110
Estadstica II
Paso 2: Construir El Espacio Muestral.
R= S =
3,3
3,7
3,11
3.15
7,3
7,7
7,11
7,15
11,3
11,7
11,11
11,15
15,3
15,7
15,11
15,15
(estadstico)
= 16
NOTA: Como son muchos resultados mejor usamos la formula que es:
R= nORr = nr
nORr = 42
nORr = 16
11
13
15
SUMA
Px(x)
1/16
2/16
3/16
4/16
3/16
2/16
1/16
16/16
=1
68 de 110
Estadstica II
Paso 6: Calcular la media de la distribucin muestral de media.
COMPROBACIN:
3 + 7 + 11 + 15 = 36/4 = 9
X-
(X- )
-6
36
-2
11
15
36
36 + 4 + 4 + 36 = 80
Q = 80/4
M= 9
Q = 20
Q= 4.4721
Q= 4.472135955
69 de 110
Estadstica II
X
2.5
3
3.5
4
4.5
5
3.75
3.75
3.75
3.75
3.75
3.75
X-
-1.25
-0.75
-0.75
0.25
0.75
1.25
(X- )
1.5625
0.5625
0.0625
0.0625
0.5625
1.5625
Px(X)
2/12
2/12
2/12
2/12
2/12
2/12
(Px(x))((x- ) )
0.2604166
0.09375
0.0104166
0.0104166
0.09375
0.2604166
2
Q = 10
Q=
10
Q = 3.162
4) Los pesos de 1500 cojinetes de bolas se distribuyen normalmente con media de 22.40
onzas y desviacin tpica de 0.048 onzas. Si se extraen 300 muestras de tamao 36 de
esta poblacin, determinar la media esperada y la desviacin tpica de la
distribucin muestral de medias, si el muestreo se hace (a) con remplazamiento, (b)
sin remplazamiento.
CON REMPLAZO:
M = 22.40
Mx = M
Q = 0.048
M = 22.40 = 22.40
Muestra = 300 c.
Qx = Q
N
Qx = 0.048/ 6
Qx = 0.008
Qx = 0.048
36
70 de 110
Estadstica II
SIN REMPLAZO:
Q
D. Estndar:
Qx =
NP - N
NP - 1
N
0.048
Qx =
300-36
300 - 1
36
0.048
Qx =
264
299
6
Qx = 0.008 (
0.882943144 )
Qx = 0.008 ( 0.939650543 )
Qx = 0.0075
Qx = Menor que 0.008.
Qx = 0.048/ 6
Qx = 0.008
71 de 110
Estadstica II
Qx = 0.048
36
Qx =
Np N
Np 1
Qx =
0.048
76 36
76 1
36
Qx =
0.048
36
75
Qx = 0.008 (
0.507042254
Qx = 0.008 ( 0.712068995 )
Qx = 0.0075
72 de 110
Estadstica II
TEMA 3: Teora de Estimacin Estadstica
3.1.- Estimacin de Parmetros.
En el ultimo capitulo se vio como la teora del muestreo poda emplearse
para obtener informacin acerca de muestras extradas al azar de una
poblacin conocida. Sin embargo, desde un punto de vista prctico, es
frecuentemente ms importante es el poder inferir informacin sobre una
poblacin mediante muestras extradas de ella.
73 de 110
Estadstica II
3.1.1.- Estimas Insesgadas.
Si la media de la distribucin muestral de un estadstico es igual al
correspondiente parmetro poblacional, el estadstico se llama estimador
insesgado del parmetro, si no es igual se dice estimador sesgado del
mismo. Los valores correspondientes de tales estadsticos se conocen,
respectivamente, como estimas insesgadas o sesgadas.
_N___ s2,
N-1
74 de 110
Estadstica II
En lenguaje de esperanza se puede decir que un estadstico es insesgado
si su esperanza es igual al correspondiente parmetro poblacional. As, X y
2 son insesgados, puesto que E{X} = y E{2} = 2.
75 de 110
Estadstica II
De todos los estadsticos que estiman la media poblacional, la media
muestral proporciona la estima mejor o ms eficiente. En la prctica se
utilizan frecuentemente estimas no eficientes, por la relativa facilidad con
que algunas de ellas pueden obtenerse.
Ejemplo: si se dice que una distancia viene dada por 5,28 pies, se esta
dando una estima de punto. Si, por otra parte, se dice que la distancia es
5,28 0,03 pies, es decir, la distancia real se encuentra entre 5,25 y 5,31
pies, se esta dando una estima de intervalo.
Estadstica II
3.3.- Estimas por Intervalo de Confianza, de
Parmetros Poblacionales.
Sean s y s la media y la desviacin tpica (error tpico) de la distribucin
muestral de un estadstico S. Entonces, si la distribucin muestral es S es
aproximadamente normal (lo que se ha visto, que es cierto para muchos
estadsticos, si el tamao de muestra es N 30), cabe esperar en
muestras extradas, que el estadstico S se encuentre en los intervalos s sa s + s, s - 2sa s + 2s, o s - 3sa s + 3s, el 68.27%, 95.45% y
99.73% de las veces, respectivamente.
Anlogamente cabe esperar o se puede confiar en encontrar, s en los
intervalos S - s a S + s, S - 2s a S + 2s o S + 3s a S +3s en el
68.27%, 95.45% y 99.73% de las veces, respectivamente.
Por esto se pueden llamar a estos intervalos los intervalos de confianza del
68.27%, 95.45% y 99.73% para la estima de s. Los nmeros extremos de
estos intervalos (S + s, S + 2s, S + 3s) son llamados los limites de
confianza del 68.27%, 95.45% y 99.73% o, como otras veces se conocen,
limites fiduciales.
Anlogamente, S 1,96s y S 2.58s son los limites de confianza del
95% y 99% (o 0.95 y 0.99) para S. El porcentaje de confianza se llama
77 de 110
Estadstica II
tambin nivel de confianza. Los nmeros 1.96, 2.58, etc., de los limites de
confianza se llaman coeficientes de confianza o valores crticos y se
denotan por Zc. De los niveles de confianza se pueden obtener los
coeficientes de confianza, y recprocamente.
Nivel de confianza
Zc
99.73% 99% 98% 96% 95.45% 95% 90% 80% 68.27% 50%
3.00
2.58 2.33
2.05 2.00
1.96
1.645 1.28
1.00
0.6745
78 de 110
Estadstica II
obtenerse de la tabla anterior. Utilizando los valores de x, y se puede ver
que los limites de confianza para la medida poblacional vienen dados por
_
X
zc _ _____
N
zc
Np 1
79 de 110
Estadstica II
3.3.2.- Intervalos de Confianza para Proporciones.
Si el estadstico S es la proporcin de xitos en una muestra del tamao
N extrada de una poblacin binominal en la que p es la proporcin de
xito (es decir, la probabilidad de xito), los limites de confianza para p
vienen dados por P _+ zcp, es la proporcin de xitos en la muestra de
tamao N con los valores obtenidos de p, se tiene que los limites de
confianza para la proporcin poblacional son dados por:
P zc
pq
N
P zc
p(1 - p)
N
P zc
Pq
N
Np N
Np 1
80 de 110
Estadstica II
3.3.3.- Intervalos de Confianza para Diferencias y Sumas.
Si S1 y S2 son dos estadsticos con distribucin muestral aproximadamente
normales, los limites de confianza para la diferencia de los parmetros
poblacionales a S1 y S2 vienen dados por
S1 S2 _+ zcs1 s2 = S1 S2 zc
2s1 + 2s2
= S1 + S2 z c
2s1+2s2
X1 X2 zcx1 x2
= X1 x2 zc
2
1
N1
2
2
N2
81 de 110
Estadstica II
Anlogamente, los limites de confianza para la diferencia de dos
proporciones poblacionales, siendo las poblaciones infinitas, son dados por
P1 P2 zcp1 p2
P1 (1 p1)
p1 p2 zc
P2 (1 P2)
N1
N2
s z c s
= s zc
2N
82 de 110
Estadstica II
3.5.- Ejercicios
La media y la desviacin tpica de las cargas mximas soportadas por 60 cables son
dados por 11.09 ton. Y 0.73 ton., respectivamente. Hallar los lmites de confianza del
(a) 95% y (b) 99% para la media de las cargas mximas de todos los cables
producidos por la compaa.
POBLACION INFINITA.
X = 11.09 ton.
Todas las
cargas
maximas de
todos los
cables.
Q = 0.73 ton.
60
Cables.
A) 95%
Q
Me = X
+
-
Zc
Media Poblacional.
60
(0.094242603)
83 de 110
Estadstica II
B) 99%
Me = 11.09 ton. 2.58 (0.73 ton. /
60
C) 50%
Me = 11.09 ton. 0.6745 (0.73 ton. /
60
84 de 110
Estadstica II
La media de la desviacin tpica de los dimetros de una muestra de 250 remaches
fabricados por una compaa son 0.72612 pulgadas y 0.00058 pulgadas
respectivamente hallar los limites de confianza del (a) 99% (b) 98% (c) 95% (d)
90% para el dimetro medio de todos los remaches fabricados por la compaa.
M = 250
X = 0.72642
Q = 0.00058
A) 99%
Me = 0.72642ton. 2.58 (0.00058ton. /
250
B) 98%
Me = 0.72642ton. 2.33 (0.00058ton. /
250
85 de 110
Estadstica II
C) 95%
Me = 0.72642ton. 1.96 (0.00058ton. /
250
D) 90%
Me = 0.72642ton. 1.645 (0.00058ton. /
250
86 de 110
Estadstica II
Una compaa tiene 500 cables. Un ensayo con 40 cables elegidos al azar dieron una
media de resistencia a la rotura de 2400 libras y una desviacin tpica de 150 libras.
(a) Cul son los limites de confianza del 95% y 99% para estimar la media de la
resistencia a la rotura de los 460 cables restantes? con que grado de confianza cabe
decir que la media de resistencia a la rotura de los 460 cables restantes sea 2400 35
libras?
POBLACION FINITA
40
500
CABLES
CABLES
M = 40
X = 2400 Libras
Q = 150 Libras
Q
Me = x a.C.
N
NP - N
NP - 1
A) 95% Y 99%
Me = 2400 Lib. 1.96 (150/
500 - 40
40 ) (
500 1
460
499
0.9218
Estadstica II
A) 99%
Me = 2400 Lib. 2.58 (150/
500 - 40
40 ) (
500 1
460
499
0.9218
B) ? %
2400 35
35 = x Zc
NP - N
NP - 1
35 = Zc (150/
40 ) (
500 - 40
500 1
460
35 = Zc (150/ 6.32455532 ) (
499
35 = Zc (23.71708245) (
0.9218
88 de 110
Estadstica II
35 = Zc (23.72) (0.96)
35 = Zc (22.77)
35 / 22.77 = Zc
1.54 = Zc
50%
0.4382 x 2 = 0.8764
50%
R = 87.64%
1. 59
1..54
2400 20
460
20 = Zc (150/ 6.32455532 ) (
499
20= Zc (23.71708245) (
0.9218
20 = Zc (23.72) (0.96)
20 = Zc (22.77)
20 / 22.77 = Zc
0.87 = Zc
50%
50%
0.88 = Tabla
0.3106 x 2 = 0.212
R = 62.12%
1.59
1.54
89 de 110
Estadstica II
Tema 4: Teora de la Decisin Estadstica
(Paramtrica).
4.1.- Conceptos y Definiciones.
4.1.1.- Decisiones Estadsticas.
Muy a menudo, en la prctica, se tienen que tomar decisiones sobre
poblaciones, partiendo de la informacin muestral de las mismas. Tales
decisiones se llaman decisiones estadsticas.
Por ejemplo, se puede querer decidir a partir de los datos del muestreo, si
un suero nuevo es realmente efectivo para la cura de una enfermedad, si
un sistema educacional es mejor que otro, si una moneda determinada
esta o no cargada, etc.
Estadstica II
En muchos casos se formulas las hiptesis estadsticas con el solo
propsito de rechazarlas o invalidarlas. Por ejemplo, si se quiere decir si
una moneda esta cargada, se formula la hiptesis de que la moneda esta
bien, es decir, p = 0.5; donde p es la posibilidad de cara.
91 de 110
Estadstica II
variacin propia del muestreo, se dira que las diferencias observadas son
significativas y se estara en condiciones de rechazar la hiptesis (o al
menos no aceptarla de acuerdo con la evidencia obtenida). Por ejemplo, si
en 20 lanzamientos de una moneda se obtienen 16 caras, se estara
inclinando a rechazar la hiptesis de que la moneda esta bien, aunque
seria posible que fuera un rechazamiento errneo.
el
determinar
si
las
muestras
observadas
difieren
92 de 110
Estadstica II
tan sencillo como puede parecer puesto que para un tamao de muestra
dado, un intento de disminuir un tipo de error, va generalmente
acompaado por un incremento en el otro tipo de error.
Estadstica II
En tal caso como se dice que la hiptesis ha sido rechazada a nivel de
significacin del 0.05, lo que significa que se puede cometer error con una
probabilidad de 0.05.
94 de 110
Estadstica II
Fig. 10-1
Sin embargo, si al elegir una muestra al azar se encuentra que z para ese
estadstico se halla fuera del rango 1.96 a 1.96, lo que quiere decir que
es un suceso con posibilidad de solamente 0.05 (rea sombreada en la
figura) si la hiptesis fuera verdadera.
Estadstica II
El conjunto de la z que se encuentra fuera del rango 1.96 a 1.96
constituye lo que se llama regin crtica o regin de rechace de la hiptesis
o regin de significacin. El conjunto de las z que se encuentran dentro del
rango 1.96 a 1.96 poda entonces llamarse regin de aceptacin de la
hiptesis o regin de no significacin.
otros
Estadstica II
4.4.-Ensayos de Una y Dos Colas.
En el ensayo anterior se atenda a los valores extremos del estadstico S o
su correspondiente z a ambos lados de la media, es decir, en las dos
colas de la distribucin. Por esta razn, tales ensayos se llaman
ensayos de dos colas o ensayos bilaterales.
Nivel de significacin
Valores crticos de z para
ensayos de una cola
Valores crticos de z para
ensayos de dos colas
0.10
-1.28 o
1.28
-1.645
y 1.645
Tabla 10-1
0.05
-1.645 o
1.645
-1.96
y 1.96
0.01
-2.33 o
2.33
-2.58
y 2.58
97 de 110
0.005
-2.58 o
2.58
-2.81
y 2.81
0.002
-2.88 o
2.88
-3.08
y 3.08
Estadstica II
4.5.- Ensayos Especiales.
Para muestras grandes, las distribuciones mustrales de muchos
estadsticos son distribuciones normales (o al menos casi normales) con
media s y desviaron tpica s. En tales casos, se pueden utilizar los
resultados anteriores para formular reglas de decisin o ensayos de
hiptesis y significacin.
son para
poblaciones
infinitas
para
muestreo con
98 de 110
Estadstica II
2. Proporciones. Aqu S = P, la proporcin de xitos en una muestra; s
= p = p, donde p es la proporcin de xitos en la poblacin y N es el
tamao de la muestra; s = p =
X Np
z =
Npq
Es decir, x = = Np, x =
Npq, y S = X.
99 de 110
Estadstica II
4.6.- Ejercicio de Inferencia de Medias.
3.- HIPOTESIS:
Ho: = 1,500
Ha: 1,500
4.- CARACTERISTICAS:
Comprobacin de media hipottica.
Una sola muestra aleatoria.
Muestra grande (n = 250).
Medicin de razn con valores continuos.
100 de 110
Estadstica II
5.- COEFICIENTE DE CONFIANZA:
95%, dos colas, /2 = 0.025.
101 de 110
Estadstica II
8.- RESULTADOS DE LA MUESTRA: n = 250.
1486 1473 1501 1467 1496 1498 1477 1488 1460 1479 1492 1503 1477 1493 1473
1472 1485 1497 1499 1506 1478 1499 1486 1486 1465 1438 1497 1486 1502 1471
1488 1474 1491 1492 1480 1505 1500 1473 1482 1489 1467 1483 1492 1496 1485
1458 1453 1503 1500 1486 1476 1462 1496 1499 1468 1459 1476 1466 1457 1481
1485 1477 1469 1488 1490 1495 1506 1483 1471 1492 1486 1457 1459 1489 1502
1493 1498 1477 1468 1491 1477 1475 1457 1498 1499 1472 1498 1467 1505 1481
1467 1493 1507 1502 1475 1468 1457 1482 1492 1476 1476 1475 1489 1462 1492
1490 1468 1483 1499 1467 1470 1465 1483 1492 1472 1499 1455 1482 1496 1467
1466 1473 1478 1489 1468 1477 1469 1485 1484 1471 1481 1492 1490 1474 1492
1482 1467 1467 1503 1474 1457 1497 1489 1478 1488 1477 1496 1482 1490 1499
1466 1498 1488 1467 1492 1472 1491 1490 1499 1498 1478 1496 1492 1492 1468
1487 1479 1468 1493 1483 1499 1482 1494 1496 1485 1499 1497 1478 1456 1471
1482 1468 1495 1472 1492 1472 1495 1467 1457 1487 1478 1470 1472 1459 1492
1490 1506 1482 1500 1478 1482 1490 1506 1478 1481 1489 1492 1490 1476 1468
1477 1480 1478 1492 1467 1482 1467 1492 1490 1503 1478 1475 1492 1495 1472
1498 1499 1472 1485 1492 1482 1488 1468 1482 1472 1477 1495 1472 1474 1481
1478 1490 1500 1472 1469 1482 1486 1467 1457 1489
102 de 110
Estadstica II
9.- PROCEDIMIENTO DE ANALISIS:
_
a.- Calculo de la media muestral: = /n.
_
= 370,586/250 = 1,482
[Y2 (Y)2/n]/(n-1)
S =
_
__
zc = (Y - )/(S/ n )
___
z = (1,482 1,500)/(13.1283/250) = - 21.67
103 de 110
Estadstica II
10.- DECISION.- Con el 95% de confianza, se rechaza la Ho. Hay videncia
significativa que prueba que el promedio de consumo diario de lubricantes
en la empresa es diferente de 1,500 Litros.
ANALISIS ADICIONALES.- Estimacin
de la media.
_
__
d.- Cota de error. S = zS/n
_
___
S = 1.96(13.128)/250 = 1.63
Con el 95% de confianza se estima que el consumo diario de lubricantes esta entre 1,480.4 y
1,483.6.
104 de 110
Estadstica II
Comprobar que el contenido medio de azufre en un
compuesto es de 0.025, con el 95% de confianza y estimar la
media poblacional, con los resultados de la siguiente
muestra:
3.- HIPOTESIS:
Ho: = 1,500
Ha: 1,500
105 de 110
Estadstica II
4.- CARACTERISTICAS:
106 de 110
Estadstica II
7.- BASE DE RECHAZO.- Segn la tabla No. 1 anexa, para el 95% de
confianza y distribucin de dos colas, el valor de z = 1.96.
RECHAZAR si 1.96 > z > 1.96.
0.024
0.028
0.023
0.025
0.022
0.023
0.029
0.027
0.021
0.024
0.025
0.026
0.026
0.021
0.024
0.024
0.028
0.025
0.023
0.022
0.026
0.026
0.028
0.026
0.025
107 de 110
0.026
0.028
0.025
0.025
0.027
0.023
Estadstica II
X - X
- X
- X
R = 0.009
(X - X)2 =
(0.002)2 = 0.000004
(0.003)2 = 0.000009
(-0.002)2= 0.000004
(-0.003)2= 0.000009
(0.001)2= 0.000001
(-0.003)2= 0.000009
(0.002)2= 0.000004
(0.003)2= 0.000009
(0.002)2= 0.000004
(0.004)2= 0.000016
(0.002)2= 0.000004
R = 0.00000162 / 35 =
(X - X)2
(0.004)2 = 0.000016
(0.001)2 = 0.000001
(0.001)2 = 0.000001
(0.001)2 = 0.000001
(0.004)2 = 0.000016
(0.001)2 = 0.000001
(0.001)2 = 0.000001
(0.003)2 = 0.000009
(0.002)2 = 0.000004
(0.003)2 = 0.000004
(0.001)2 = 0.000001
0.00000462
(X - X)2
(0.001)2 = 0.000001
(0.003)2 = 0.000009
(0.001)2 = 0.000001
(0.003)2 = 0.000009
(0.001)2 = 0.000001
(0.003)2 = 0.000009
(0.002)2 = 0.000004
(0.0022 = 0.000004
0.00000162
= 0.00214
108 de 110
Estadstica II
EJERCICIO ADICIONAL.
21,300 660 3,440 10,650 36,700 2,250 31,600 9,800 10,250 2,020
12,800 2,150 11,500
5,825
2,140 1,680 12,300 7,750
6,000 2,850
1,240 19,200 14,500
1,770
3,750
216
1,080 15,000
1,480 33,700
640 14,450 49,800
4,300 81,000
109 de 110
Estadstica II
BIBLIOGRAFA.
KAZMIER, Leonard J. Estadstica aplicada a Administracin
y Economa. Ed. McGraw-Hill. Mxico, 4 Edicin,
2006.
LEVIN, Richard I.. Estadstica para Administracin y
Economa. Ed. Prentice Hall. Mxico, 1 Edicin,
2004.
SPIEGEL, Murray R. Estadstica. Ed. McGraw-Hill. Mxico, 3
Edicin, 2002.
STEVENSON, William J. Estadstica para Administracin y
Economa: Conceptos y aplicaciones. Ed. Alfaomega
Grupo Editor, 1 Edicin, 2002.
110 de 110