Apuntes IGE

INSTITUTO TECNOLGICO DE MRIDA
DEPARTAMENTO DE CIENCIAS ECONOMICO-ADMINISTRATIVAS

CAMPUS PONIENTE.
INGENIERIA EN GESTIN EMPRESARIAL

ESTADSTICA ENFERENCIAL I
Estadstica Inferencial I
Unidad 1
ndice
ndice..................................................................................................................................i
Prefacio............................................................................................................................iii
Estadstica Inferencial 1................................................................................................vi
Unidad 1. Introduccin a la estadstica Inferencial...........................................................7
Subtema 1.1 Breve historia de la Estadstica.................................................................7
Subtema 1.2 Concepto de estadstica............................................................................8
Subtema 1.3 Estadstica descriptiva...............................................................................9
Subtema 1.4 Estadstica inferencial...............................................................................9
Subtema 1.5 Breve introduccin a la inferencia estadstica.........................................9
Subtema 1.6 Teora de decisin en estadstica.............................................................10
Subtema 1.7 Componentes de una investigacin estadstica.......................................11
Subtema 1.8 Recoleccin de datos...............................................................................11
Subtema 1.9 Estadstica paramtrica (poblacin y muestra aleatoria)........................12
Subtema 1.10 Aplicaciones..........................................................................................12
Unidad 2. Inferencia estadstica: Estimacin..................................................................16
Subtema 2.1 Conceptos bsicos...................................................................................16
Subtema 2.2 Distribuciones de muestreo.....................................................................16
Subtema 2.3 Estimacin puntual.................................................................................18
Subtema 2.4 Estimacin de intervalo..........................................................................18
Subtema 2.5 Intervalos de confianza para medias.......................................................21
Subtema 2.6 Intervalos de confianza para diferencia entre medias.............................22
Subtema 2.7 Intervalos de confianza para proporciones.............................................25
Subtema 2.8 Intervalos de confianza para diferencias entre proporciones..................26
Subtema 2.9 Intervalos de confianza para varianzas...................................................28
Subtema 2.10 Intervalos de confianza para razones de dos varianzas.........................29
Unidad 3. Pruebas de hiptesis con una muestra............................................................31
Subtema 3.1 Metodologa para la prueba de hiptesis................................................31
Subtema 3.2 Hiptesis nula y alternativa.....................................................................32
Subtema 3.3 Error tipo I y error tipo II........................................................................34
Subtema 3.4 Pruebas de hiptesis Z para la media (desviacin estndar poblacional
conocida)......................................................................................................................35
2
Unidad 4
Subtema 3.5 Pruebas para proporciones......................................................................38

Subtema 3.6 Seleccin del tamao de muestra (para estimar la media poblacional).. 41
Subtema 3.7 Seleccin del tamao de muestra (para estimar la proporcin
poblacional).................................................................................................................43
Unidad 4. Pruebas de Hiptesis con dos muestras y varias muestras de datos numricos.
.........................................................................................................................................52
Subtema 4.1 Introduccin............................................................................................52
Subtema 4.2 Distribuciones normal y t de Student......................................................52
Subtema 4.3 Pruebas de significancia..........................................................................53
Subtema 4.4 Comparacin de dos muestras independientes: Pruebas t para las
diferencias entre dos medias........................................................................................54
Subtema 4.5 Prueba de Fisher para varianzas y de igualdad de las varianzas de dos
poblaciones normales...................................................................................................56
Subtema 4.6 Comparaciones de dos muestras pareadas..............................................59
Subtema 4.7 Modelo totalmente aleatorio: anlisis de varianza de un factor..............61
Subtema 4.8 Seleccin del tamao de muestra para estimar la diferencia de dos
medias..........................................................................................................................66
Subtema 4.9 Aplicaciones............................................................................................67
Unidad 5. Pruebas de hiptesis con dos muestras y varias muestras con datos
categricos.......................................................................................................................68
Subtema 5.1 Prueba Z para la diferencia entre dos proporciones................................68
Subtema 5.2 Prueba para la diferencia entre dos proporciones...................................71
Subtema 5.3 Prueba para la diferencia en n proporciones Z.......................................73
Subtema 5.4 Prueba de independencia (ji-cuadrada)...................................................76
Subtema 5.5 Pruebas de contingencia (ji-cuadrada)....................................................79
Subtema 5.6 Pruebas de bondad de ajuste...................................................................81
Subtema 5.7 Aplicaciones............................................................................................83
Bibliografa......................................................................................................................85
Unidad 4
Prefacio
El propsito de este libro es proporcionar a los estudiantes de la carrera de Ingeniera en
Gestin Empresarial, los conocimientos, habilidades, actitudes y valores que
correspondan a la asignatura Estadstica Inferencial 1, por medio del desarrollo de las
competencias tan necesarias en el campo profesional. Para el logro de lo anterior se
sustentar el desarrollo en el Modelo Didctico para los Tecnolgicos (Moditec).
Herrera Mndez, Carlos (2014). Modelo Didctico para los Tecnolgicos, MODITEC.
Guanajuato, Mxico: ICYTEG.
Metodologa.
1.- Formacin de equipos de trabajo de 4 a 5 alumnos, los equipos as formados
permanecern durante todo el curso escolar.
2.- Cada miembro del equipo tendr una libreta exclusiva para las tareas escritas del
curso de Estadstica Inferencial 1, perfectamente identificada con nombre y fotografa.
3.- Las tareas escritas seguirn un formato, con el objeto de regularizar el desarrollo de
las mismas.
4.- Los alumnos resolvern en equipo los ejercicios indicados, cada alumno escribir en
su propia libreta el desarrollo de la tarea.
5.- El profesor seleccionar en forma aleatoria un equipo. As mismo seleccionar en
forma aleatoria a un alumno del equipo, quien a su vez presentar la tarea terminada al
profesor, en su propia libreta.
6.- El profesor revisar la tarea tanto en contenido como en formato, as mismo el
profesor har preguntas al alumno para que explique los resultados y las conclusiones.
7.- Dependiendo del contenido, el formato y las respuestas del alumno, el profesor
asignar la calificacin de dos puntos si todo est bien, un punto si slo est bien una
parte de la tarea, y cero puntos si todo estuvo mal. Esta calificacin ser extensiva a
todos los miembros del equipo. Con lo cual se busca que los todos los miembros del
equipo trabajen en cooperacin, conscientemente, y con responsabilidad, pues no saben
de antemano a que alumno le tocar dar la respuesta, pero todos son responsables. Si
faltare algn alumno el da de la clase, este recibir cero de calificacin.
8.- El procedimiento anterior se seguir con todos los dems equipos, obviamente
evitando seleccionar ms de una vez al mismo equipo.
9.- El formato que seguirn las tareas escritas ser el siguiente: identificacin de la
tarea, por ejemplo T1, T2, T3, etc. Enunciado de la tarea, se escribir con excelente letra
manuscrita y sin faltas de ortografa. Llevar un orden en formulas, grficas, tablas,
clculos, resultados y conclusin, todo perfectamente limpio sin tachaduras, pues de
esta manera aprendern a presentar trabajos escritos en forma correcta.
10.- Para las tareas de investigacin, al inicio de la unidad, el profesor dar una lista de
temas a investigar, dicha investigacin la podrn hacer en cualquier fuente bibliogrfica,
con la salvedad de que citen dicha fuente. Esta tarea tambin ser por equipo.
4
Unidad 4
11.- La presentacin de las tareas de investigacin ser por una parte por escrito a
computadora, (tambin siguiendo un formato dado), por otra parte la presentacin ser
oral, con duracin de 4 a 5 minutos o ms si as se requiere.
12.- El profesor seleccionar al azar un equipo, seleccionar en forma aleatoria a un
alumno del equipo y seleccionar en forma aleatoria un tema de los previamente
asignados, el alumno as seleccionado expondr apropiadamente el tema en un lapso de
4 a 5 minutos. El profesor podr hacer preguntas relativas al tema, si as lo requiere.
13.- La calificacin obtenida para la tarea de investigacin se divide en dos partes. Para
la parte escrita ser de 2, 1 o cero puntos dependiendo del contenido, y el formato. Para
la parte expositiva tambin ser de 2, 1 o cero puntos, dependiendo del contenido y de la
presentacin. En ambos casos la calificacin obtenida ser extensiva a todos los
miembros del equipo, con la salvedad que si alguno no asiste su calificacin ser cero.
14.- Al finalizar cada unidad se har una tarea integradora, esta tambin ser por equipo,
se entregar por escrito a computadora y el profesor seleccionar al azar a un alumno
del equipo para que explique los resultados y conclusiones de la tarea, la calificacin
mxima de esta tarea ser de 5 puntos, dependiendo del contenido y el formato.
15.- El formato para las tareas escritas por computadora ser: Portada con los nombres
de los miembros del equipo, datos generales del Tecnolgico, del campus, la asignatura,
la unidad, fecha, en las siguientes hojas el planteamiento del problema o caso, el
procedimiento, clculos, formulas, grficas, tablas, resultados, conclusin y fuente
bibliogrfica consultada. Todo perfectamente limpio sin faltas de ortografa y entregado
en folder.
16.- Al finalizar la unidad se har una tarea individual, equivalente al examen, el cual
tendr una valoracin de 30 puntos.
17.- Todas las tareas por equipo equivalen al 70% de la calificacin y la tarea individual
al 30%.
18.- Con respecto a las tareas por equipo, al finalizar la unidad se har el computo de
puntos, el alumno que obtenga la mxima puntuacin corresponder al 70% y de ah en
adelante se calcular para los dems alumnos, los cuales podrn obtener 70% o menos,
dependiendo de cuantos puntos acumularon en la unidad respectiva.
19.- La calificacin final de la unidad, ser la suma de los puntos obtenidos en las tareas
por equipo ms los puntos obtenidos en la tarea individual, que en el mejor de los casos
ser 70 + 30 = 100
Todo lo anterior contribuye al desarrollo de las siguientes competencias instrumentales:
Capacidad de anlisis y sntesis.- Los puntos anteriores, 4, 6, 9, 12, 14 y 16 contribuyen
al logro de esta competencia.
Capacidad de organizar y planificar.- Los puntos 1, 2, 3, 9 y 15 contribuyen.
Comunicacin oral y escrita.- Los puntos 3, 6, 9, 11, 12, 14 y 15 contribuyen.
Habilidades bsicas de manejo de la computadora.- Los puntos 11 y 15 contribuyen.
5
Unidad 4
Habilidad para buscar y analizar informacin proveniente de fuentes diversas.- Los

puntos 10 y 15 contribuyen.
Solucin de problemas.- Los puntos 4, 6, 14 y 16 contribuyen.
Toma de decisiones.- Los puntos 4, 6, 9, 12, 14 y 16 contribuyen.
Con respecto al desarrollo de las competencias interpersonales:

Trabajo en equipo.- Los puntos 1, 2, 4, 5, 7, 8. 10 y 12 contribuyen.
Habilidades interpersonales.- 7 y 13 contribuyen.
Con respecto al desarrollo de las competencias sistmicas:

Capacidad de aplicar los conocimientos en la prctica.- El punto 14 contribuye.
Habilidades de investigacin.- El punto 10 contribuye.
Capacidad de aprender.- En general todos puntos del 1 al 19 contribuyen a la capacidad
de aprender.
Con respecto al desarrollo de los valores:

Compromiso.- Los puntos 1, 7, 8 y 13 contribuyen al desarrollo de los valores.
Responsabilidad.- Los puntos 2, 3, 4, 6, 7 y 8 contribuyen.
Cooperacin.- Los puntos 4, 7, 8, 10 y 14 contribuyen.
Con todo lo anterior se pretende que los estudiantes de la carrera de Ingeniera en

Gestin Empresarial, desarrollen los conocimientos, habilidades, actitudes y valores que
les sern necesarios para el buen desempeo de su gestin como profesionistas.
Estadstica Inferencial 1
Ingeniera en Gestin Empresarial.
Clave GEG-0910
crditos 3 3 - 6
Esta asignatura, aporta al perfil del Ingeniero en Gestin Empresarial, la capacidad para
explicar fenmenos involucrados con los procesos de la toma de decisiones en los
negocios y, la sensibilidad y conocimientos para hacer uso eficiente de las pruebas de
hiptesis, en el mbito donde se site su desempeo profesional. Para el estudio de la
Estadstica Inferencial, se identifican temas experimentales paramtricos de
comparacin simple y mltiple, concentrando su aplicacin a la Gestin Empresarial.
Unidad 4
De manera particular, el contenido de esta asignatura se aplica en el estudio de los

temas: metodologa de la investigacin cientfica, toma de decisiones bajo riesgos
financieros, toma de decisiones en los contratos que amparan control de calidad de
proveedura, ventas, compras de bienes y servicios, control de la calidad en la planta de
produccin, simulacin de negocios, entre otros ms.
Competencias especficas del curso a desarrollar:

Explicar los principios de la inferencia estadstica que son la teora de la estimacin y la
teora de pruebas de hiptesis que permitan la aplicacin y empleo de estas herramientas
para la toma de decisiones acerca de los parmetros poblacionales en base al anlisis del
muestreo aleatorio.
Explicar, desde un punto de vista Estadstico, los fenmenos involucrados en los

procesos de Gestin Empresarial como: Apertura de una Empresa, Comercializacin de
bienes competitivos en volumen, en precio, en calidad, Contratos de compra venta al
mayoreo de bienes de produccin.
Para el logro de las competencias especficas anteriores el contenido del libro se

distribuye en 5 unidades.
Unidad 1: Introduccin a la estadstica Inferencial.

Unidad 2: Inferencia estadstica: estimacin.
Unidad 3: Pruebas de hiptesis con una muestra.
Unidad 4: Pruebas de hiptesis con dos muestras y varias muestras de datos numricos.
Unidad 5: Pruebas de hiptesis con dos muestras y varias muestras con datos
categricos.
Unidad 1
Unidad 1. Introduccin a la estadstica Inferencial.

Competencia especifica de la unidad: Entender los conceptos fundamentales de la
inferencia estadstica.
Subtemas:
1.1 Breve historia de la estadstica.
1.2 Concepto de estadstica.
1.3 Estadstica descriptiva.
1.4 Estadstica inferencial.
1.5 Breve introduccin a la inferencia estadstica.
1.6 Teora de decisin en estadstica.
1.7 Componentes de una investigacin estadstica.
1.8 Recoleccin de datos.
1.9 Estadstica paramtrica (poblacin y muestra aleatoria).
1.10 Aplicaciones
Subtema 1.1 Breve historia de la Estadstica

Desde los comienzos de la civilizacin han existido formas sencillas de estadstica, pues
ya se utilizaban representaciones grficas y otros smbolos en pieles, rocas, palos
de madera y paredes de cuevas para contar el nmero de personas, animales o cosas.
Hacia el ao 3000 a.C. los babilonios usaban pequeas tablillas de arcilla para recopilar
datos sobre la produccin agrcola y sobre los gneros vendidos o cambiados mediante
trueque. En el siglo XXXI a.C., mucho antes de construir las pirmides, los egipcios
analizaban los datos de la poblacin y la renta del pas.
Los libros bblicos de Nmeros y Crnicas incluyen, en algunas partes, trabajos de
estadstica. El primero contiene dos censos de la poblacin de Israel y el segundo
describe el bienestar material de las diversas tribus judas.
En China existan registros numricos similares con anterioridad al ao 2000 a.C. Los
griegos clsicos realizaban censos cuya informacin se utilizaba hacia el 594 a.C. para
cobrar impuestos. El Imperio romano fue el primer gobierno que recopil una gran
cantidad de datos sobre la poblacin, superficie y renta de todos los territorios bajo
su control. Durante la edad media slo se realizaron algunos censos exhaustivos
en Europa. Los reyes carolingios Pipino el Breve y Carlomagno ordenaron hacer
estudios minuciosos de las propiedades de la Iglesia en los aos 758 y 762
respectivamente. Despus de la conquista normanda de Inglaterra en 1066, el rey
Guillermo I de Inglaterra encarg la realizacin de un censo. La informacin obtenida
8
Unidad 1
con este censo, llevado a cabo en 1086, se recoge en el Domesday Book. El registro de
nacimientos y defunciones comenz en Inglaterra a principios del siglo XVI, y en 1662
apareci el primer estudio estadstico notable de poblacin, titulado Comentarios sobre
las partidas de defuncin en Londres.
Subtema 1.2 Concepto de estadstica.
Se designa con el nombre de estadstica a aquella ciencia que ostenta en sus bases una
fuerte presencia y accin de las matemticas y que principalmente se ocupa de la
recoleccin, anlisis e interpretacin de datos que buscan explicar las condiciones en
aquellos fenmenos de tipo aleatorio.
Uno de los rasgos salientes de la estadstica
es que se trata de una ciencia transversal y
funcional a una amplia variedad de
disciplinas que echan mano de ella para
entender e interpretar algunas cuestiones que
hacen a sus objetos de estudio. La fsica, la
mayora de las ciencias sociales, las ciencias
vinculadas a la salud y reas como el control
de calidad y los negocios y tambin
algunas instituciones gubernamentales,
suelen muy recurrentemente ayudarse con la
estadstica para comprender algunos
fenmenos que se dan entre sus filas.
Por lo que la estadstica agrupa un conjunto de tcnicas mediante las cuales se

recopilan, agrupan, organizan y estructuran datos, para posteriormente analizarlos. El
propsito de la estadstica es darle un sentido entendible a esos datos, en otras palabras
que nos puedan dar una informacin clara de la situacin, para as poder tomar
decisiones correctas.
Por ejemplo un Ingeniero en Gestin Empresarial, IGE, recibe una caja con un listado
de computadora que contiene 2000 hojas de informacin de clientes, conteniendo
nombre del cliente, productos vendidos, importe de la operacin, forma de pago, etc. de
las ventas de un gran almacn
Unidad 1
Los datos as como estn difcilmente

seran utilices para la toma de decisiones.
El ingeniero tendr que ordenarlos,
clasificarlos y concentrarlos de tal manera
que sean de utilidad. Las tcnicas que
permiten ese ordenamiento, clasificacin y
organizacin, son precisamente las tcnicas
estadsticas.
Subtema 1.3 Estadstica descriptiva.

La estadstica descriptiva es una gran parte de la estadstica que se dedica a recolectar,
ordenar, analizar y representar un conjunto de datos, con el fin de describir
apropiadamente las caractersticas de este, como por ejemplo la edad, peso, estatura de
las personas. Este anlisis es muy bsico. Aunque hay tendencia a generalizar a toda la
poblacin, las primeras conclusiones obtenidas tras un anlisis descriptivo, es un estudio
calculando una serie de medidas de tendencia central, para ver en qu medida los datos
se agrupan o dispersan en torno a un valor central.
Subtema 1.4 Estadstica inferencial.

Parte muy importante de la estadstica que se basa obtener conclusiones a partir de
muestreos, para lo cual aplica mtodos y procedimientos que por medio de la induccin
determina propiedades de una poblacin, a partir de una pequea parte de la misma. La
estadstica inferencial comprende como aspectos importantes: La toma de muestras
o muestreo, que se refiere a la forma adecuada de considerar una muestra que permita
obtener conclusiones estadsticamente vlidas y significativas. La estimacin de
parmetros o variables estadsticas, que permite estimar valores poblacionales a partir
de muestras de mucho menor tamao. El contraste de hiptesis, que permite decidir si
dos muestras son estadsticamente diferentes, si un determinado procedimiento tiene un
efecto estadstico significativo.
Subtema 1.5 Breve introduccin a la inferencia estadstica.

La Inferencia Estadstica es aquella rama de la Estadstica mediante la cual se trata de
sacar conclusiones de una poblacin en estudio, a partir de la informacin que
proporciona una muestra representativa de la misma. Tambin es denominada
10
Unidad 1
Estadstica Inductiva o Inferencia Inductiva ya que es un procedimiento para generar

nuevo conocimiento cientfico.
La muestra se obtiene por observacin o experimentacin. La necesidad de obtener un
subconjunto reducido de la poblacin es obvia si tenemos en cuenta los costes
econmicos de la experimentacin o el hecho de que muchos de los mtodos de medida
son destructivos.
Toda inferencia inductiva exacta es imposible ya que disponemos de informacin
parcial, sin embargo es posible realizar inferencias inseguras y medir el grado de
confiabilidad si el experimento se ha realizado de acuerdo con determinados principios.
Uno de los propsitos de la inferencia Estadstica es el de conseguir tcnicas para hacer
inferencias inductivas y medir el grado de incertidumbre de tales inferencias. La medida
de la incertidumbre se realiza en trminos de probabilidad.
Muestra: x1 x2 x3 . . .
Inferencia
Poblacin
T1: Tarea 1.- Investiga en fuentes bibliogrfica los siguientes temas: a) Breve historia
de la estadstica, estadstica descriptiva, estadstica inferencial y su aplicacin a los
negocios, econometra, demografa.
T2.- Investiga en fuentes bibliogrficas los siguientes temas: (1) Medidas de tendencia
central, (2) Medidas de variabilidad, (3) Distribucin Normal, (4) Variable numrica y
ejemplos, (5) Variable categrica y ejemplos, (6) Variable jerarquizada y ejemplos.
Subtema 1.6 Teora de decisin en estadstica.

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 medicamento nuevo es realmente efectivo para la cura de una enfermedad, si
un sistema educacional es mejor que otro, si un producto es mejor que otro similar, etc.
Para llegar a tomar decisiones, conviene hacer determinados supuestos o conjeturas
acerca de las poblaciones que se estudian. Tales supuestos que pueden ser o no ciertos
11
Unidad 1
se llaman hiptesis estadsticas y, en general, lo son sobre las distribuciones de

probabilidad de las poblaciones.
Si se quiere decidir sobre si

un procedimiento es mejor que otro,
se formula la hiptesis de
que no hay diferencia entre
los procedimientos (es
decir,
cualquier diferencia observada se
debe meramente a fluctuaciones en el
muestreo de la misma poblacin).
Tales hiptesis se llaman tambin hiptesis nulas y se denotan por Ho.
Cualquier hiptesis que difiera de una hiptesis dada se llama hiptesis alternativa. Una
hiptesis alternativa de la hiptesis nula se denota por H 1.
Si en el supuesto de que una hiptesis determinada es cierta, se encuentra que los
resultados observados en una muestra al azar difieren marcadamente de aquellos que
caba esperar con la hiptesis y con la 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). Los
procedimientos que facilitan el decidir si una hiptesis se acepta o se rechaza o el
determinar si las muestras observadas difieren significativamente de los resultados
esperados se llaman ensayos de hiptesis, ensayos de significacin o reglas de decisin.
Subtema 1.7 Componentes de una investigacin estadstica.
Subtema 1.8 Recoleccin de datos.
T3:
Investiga
en
fuentes
bibliogrficas los siguientes temas:
(1)
Poblacin
o
universo,
(2) Muestra, (3) Formulacin del
problema.
(4)
Diseo
del
experimento.
Recoleccin
La
recoleccin (5)
de datos
se refieredeal
datos,de(6)una
Inferencia
estadstica yde
uso
gran diversidad
conclusiones.
tcnicas
y herramientas que pueden
ser utilizadas por el analista para
desarrollar
los sistemas
de
informacin, los cuales pueden ser
la entrevistas,
la encuesta,
el cuestionario, la observacin.
Todos estos instrumentos se aplican
12
en un momento en particular, con la
finalidad de buscar informacin que
ser til a una investigacin en
Unidad 1
T4: Investiga en fuentes bibliogrficas los siguientes temas: (1) La entrevista, (2) La
encuesta, (3) El cuestionario, (4) La observacin, (5) Registros de informacin.
Subtema 1.9 Estadstica paramtrica (poblacin y muestra aleatoria).

La estadstica paramtrica es una rama de la estadstica inferencial que comprende los
procedimientos estadsticos y de decisin que estn basados en las distribuciones de los
datos reales. Por lo que los datos en la poblacin se supone que siguen una distribucin
normal. La media y la desviacin tpica son los dos parmetros que se quieren estimar.
La poblacin, tambin llamada universo comprende todos los datos de un conjunto
definido. Por ejemplo las edades de los trabajadores de una empresa. El sueldo de las
empleadas obreras, etc.
T5.- investiga en fuentes
bibliogrficas por lo menos 10
parmetros referidos a la
actividad
empresarial,
obtenidos del Instituto Nacional
de Estadstica y Geografa.
INEGI.
t
13
Unidad 1
Subtema 1.10 Aplicaciones
T6.- Empleando la calculadora cientfica, calcula la media aritmtica o promedio,

mediana, moda, desviacin estndar muestral, varianza muestral, coeficiente de
variacin de los siguientes datos, los cuales representan el coeficiente intelectual de una
pequea muestra de estudiantes, interpreta los resultados.
98
105
105
109
109
93
95
105
109
120
104
91
105
105
95
113
120
105
113
122
T7.- Los siguientes datos representan las calificaciones de Estadstica Inferencial I del
primer examen parcial. Calcula la media aritmtica, desviacin estndar de la muestra,
varianza, coeficiente de variacin, ndice de aprobacin considerando 70 como
calificacin mnima aprobatoria: 65, 60, 84, 91, 100, 100, 76, 80, 93, 45, 51, 100, 90,
85, 77, 84, 72, 70, 60, 55, 93, 82, 80, 75, 100.
T8.- Empleando el programa Excel, o cualquier otro programa estadstico de

computadora, calcula la media aritmtica o promedio, mediana, moda, desviacin
estndar muestral, varianza muestral, coeficiente de variacin de los siguientes datos,
los cuales representan una muestra del nmero de horas trabajadas al mes por los
empleados de una empresa.
103
93
109
93
120
120
105
109
121
109
97
113
105
113
105
122
105
105
97
95
T9.- Una empresa acepta las siguientes tarjetas de crdito: Bancomer (Bmer), Banamex
(Bmex), American Express (Amex), Banorte (Bnort), calcula la moda, la proporcin de
cada una, traza un diagrama circular (pastel), interpreta los resultados.
//// 0
Bmer
Amex Bmer
Bmer
Bmex
Bmer
Bmer
Amex
Bmer
Amex
14
Unidad 1
Bmer
Bmex
Bnort
Bmex
Bmex
Bmex
Bmex
Bmer
Bmex
Bmer
Bmer
Amex
Bmex
Bmex
Bnort
Amex
Bmer
Bnort
Bmex
Bmex
Bmer
Bmer
Bmex
Amex Amex
Bmer
Bmex
Bnort
Amex Amex
Bnort
Bmex
Bmer
Amex Amex
Bmex
Bnort
Bmer
Amex Bmer
Bmex
Bmex
Bnort
Amex Bmer
Bnort
Amex
Amex
Amex Bmex
Amex
Bmer
Amex Bmer
Bmex
Bmer
Bnort
Amex
Bmer
Bmex
Amex
Amex
Bnort
Bmex
Amex
Bmex
Bmex
Bmer
Bmex
Bmer
Bnort
Amex
Bmex
Amex Amex
Bmer
Amex
Bmex
Amex Bmex
Bmer
Bmer
Bnort
Bmer
Bnort
Amex
Bnort
Amex
Bmer
Bmer
10 Bmex
Bmex
Amex Amex Amex
Amex
Bmex
Bmer
Bmex
Bmex
11 Bnort
Bmer
Bnort
Amex Bnort
Bmer
Bnort
Bnort
Bnort
Bnort
12 Bmer
Bmex
Bmer
Bmer
Bmex
Bmex
Amex
Bmer
Bmer
Bmex
13 Bmex
Bmex
Bnort
Bmex
Bnort
Bmer
Bnort
Bmex
Bnort
Bmex
14 Bmex
Amex
Amex Bmer
Bmer
Bmex
Bmer
Bmex
Bmex
Amex
15 Bmer
Amex
Bmer
Bmex
Bmex
Bmex
Bnort
Amex
Bmer
Bnort
16 Amex
Bnort
Bnort
Bmex
Bnort
Amex
Bnort
Bmer
Bmex
Bmex
17 Amex
Bmer
Bmex
Amex Bmer
Bmer
Bmex
Bmex
Bmex
Bmex
18 Bmer
Bnort
Bmer
Bmer
Bnort
Bmex
Bnort
Amex
Amex Bmer
19 Bmex
Amex
Bmex
Bmex
Bmex
Bmex
Bnort
Amex
Bmer
Bnort
Distribucin de frecuencias, datos ordenados.

T10.- El gerente de una empresa aplica un instrumento para medir la productividad de
sus empleados y obtiene los resultados mostrados a continuacin, calcula la media, s, s 2,
coeficiente de variacin, frecuencia relativa o porcentual, histograma.
Puntajes de
Productividad
50
55
60
65
70
Fr
3
5
7
8
12
15
Unidad 1
75
80
85
90
95
100
11
9
7
6
5
8
T11.- Los siguientes datos representan el Cociente Intelectual, de un grupo de obreros

en una fbrica calcula: la media aritmtica, mediana, moda, desviacin estndar
poblacional, varianza poblacional, coeficiente de variacin.
///// 0
98
105 105 109 109 93
104 91
105 105 95
103 93
109 93
97
95
105 109 120
109 120 91
120 105 91
95
122 109 109 105 93
120 91
105 109 120 95
105 113 122 120 109 113 122 120 105 105
109 121 109 105 113 121 109 105 109 91
10
105 97
11
91
109 120 109 97
12
93
95
13
113 120 105 91
14
120 105 109 109 105 105 109 109 109 109
15
122 105 105 113 109 109 109 105 105 105
16
91
17
109 105 93
18
19
113 120 105 113 122
120 120 105 109 121 109
113 105 113 105 122 105 105 97

122 93
109 91
113 109 105 113 91
95
91
121 93
105 121 97
95
95
95
109 120
95
105
109 120 105

105 105 109
105 105 93
109 120 109 91
105 105 109 95
109 91
105 105 93
120 105 91
109
105
105 105
121 105 105 113 109 91
91
97
93
91
91
121 105 93
113 91
109 109 93
93
97
121 93
105 95
112 93
91
112 93
114 120 121 115
16
Unidad 2
Unidad 2. Inferencia estadstica: Estimacin.

Competencia especfica de la unidad: Explicar los diferentes mtodos de estimacin que
permitiran definir un buen estimador para los diferentes parmetros de una poblacin y
nos permitan aplicarlos a situaciones reales. As como su aplicacin a los mtodos
estadsticos para inferir a la poblacin.
Subtemas:
2.1 Conceptos bsicos.
2.2 Distribuciones de muestreo.
2.3 Estimacin puntual.
2.4 Estimacin de intervalo.
2.5 Intervalos de confianza para medias.
2.6 Intervalos de confianza para diferencia entre medias.
2.7 Intervalos de confianza para proporciones.
2.8 Intervalos de confianza para diferencias entre proporciones.
2.9 Intervalos de confianza para varianzas.
2.10 Intervalos de confianza para razones de dos varianzas.
Subtema 2.1 Conceptos bsicos.
En estadstica inferencial se llama estimacin al conjunto de tcnicas que permiten dar
un valor aproximado de un parmetro de una poblacin a partir de los datos
proporcionados por una muestra. Por ejemplo, una estimacin de la
calificacin promedio de una poblacin de alumnos de tamao N, podra ser la media de
esa misma caracterstica para una muestra de tamao n.
La estimacin se divide en dos grandes bloques, cada uno de los cuales tiene distintos
mtodos que se usan en funcin de las caractersticas y propsitos del estudio: La
estimacin puntual, y la estimacin por intervalos.
Subtema 2.2 Distribuciones de muestreo.
La distribucin de muestreo es la distribucin de probabilidad de la muestra de una
poblacin en lugar de toda la poblacin.
En otras palabras, supongamos que de una determinada poblacin se toman todas las
muestras posibles de tamao n y se calcula una estadstica (por ejemplo, media
aritmtica) de todas las muestras. Si luego se prepara una distribucin de probabilidad
de esta estadstica, obtendrs una distribucin de muestreo.
17
Unidad 2
Ejemplo: Consideremos una pequea poblacin de 5 datos (1, 2, 3, 4, 5), a los cuales
obtenemos su media poblacional y desviacin estndar poblacional: = 3, = 1.4142,
as tambin consideremos todas las muestras posibles sin reemplazamiento de tamao
tres tomadas de esta poblacin, como se muestra en la tabla adjunta, a cada muestra se
obtiene su media aritmtica.
Muestras
1 2 3
1 2 4
1 2 5
1 3 4
1 3 5
1 4 5
2 3 4
2 3 5
2 4 5
3 4 5
Medias
2.00
2.33
2.67
2.67
3.00
3.33
3.00
3.33
3.67
4.00
Esta tabla indica la distribucin de

todas las medias muestrales.
Se
obtiene a continuacin la media de
todas medias y la desviacin
estndar poblacional de las medias.
Dando como resultado:
Media de medias = 3
Desviacin estndar poblacional de

la distribucin muestral demedias =
0.5773
A continuacin resumimos los resultados en una grfica y una tabla.
Distribucin del muestreo

2
1.5
1
0.5
0
Media
frec
probabilida
d
2.00
10%
2.33
10%
2.67
20%
3.00
20%
3.33
20%
3.67
10%
De la tabla anterior se puede concluir lo

1
10%
siguiente: si tomamos una muestra aleatoria de 4.00
tres datos de la poblacin indicada en el ejemplo, la probabilidad de que la media
muestral sea igual a 2 es de 10%, de que sea 2.67 es 20%, de que sea 3 es de 20% y as
de la misma manera con las dems medias muestrales.
18
Unidad 2
Las propiedades de la distribucin de muestreo pueden variar dependiendo de cun

pequea sea la muestra en comparacin con la poblacin. Se supone que la poblacin
se distribuye normalmente como generalmente sucede. Si el tamao de la muestra es lo
suficientemente grande, la distribucin de muestreo tambin estar cerca de lo normal.
Si ste es el caso, entonces la distribucin de muestreo puede ser totalmente
determinada por dos valores: la media y la desviacin estndar. Estos dos parmetros
son importantes para calcular la distribucin de muestreo si se nos da la distribucin
normal de toda la poblacin.
Subtema 2.3 Estimacin puntual.

Consiste en la estimacin del valor del parmetro mediante un slo valor muestral,
obtenido de una frmula determinada. Por ejemplo, si se pretende estimar la talla media
de un determinado grupo de individuos, puede extraerse una muestra y obtener como
estimacin puntual la talla media de los individuos. Lo ms importante de un estimador,
es que sea un estimador eficiente. Es decir, que sea Insesgado (ausencia de sesgos) y
estable en el muestreo o eficiente (varianza mnima).
Subtema 2.4 Estimacin de intervalo.
Todas las personas hacen estimaciones. Cuando vamos a cruzar la calle, hacemos una
estimacin (o clculo aproximado) de la velocidad con que se acercan los automviles,
de la distancia a la que nos encontramos entre el automvil, para saber si nos
arriesgamos a cruzar o esperamos. Los ingenieros en Gestin Empresarial (I.G.E)
tambin deben hacer estimaciones rpidas, el resultado de la estimacin puede afectar
positiva o negativamente la decisin que se tome al respecto. Por ejemplo el I.G.E. de
una empresa debe preparar el presupuesto para la adquisicin de materia prima para
todo el ao siguiente, el ao pasado estuvo a punto de quedarse sin materia prima y no
desea que esto vuelva a ocurrir. Por lo que toma una muestra de 20 semanas de
operacin de la planta durante los ltimos 4 aos, y encuentra una media de consumo de
materia prima de 8,500 toneladas por semana con desviacin estndar de 350. Con estos
datos el I.G.E. puede estimar cual ser el consumo semanal e inferirlo a todo el prximo
ao, con lo cual asegura con un alto grado de confiabilidad que no le faltar materia
prima.
T12.- Investiga en diversas fuentes bibliogrficas lo siguiente: Parmetro, estimadores,
estimacin de punto (o puntual), estimacin por intervalo.
T13.- Discute con tu equipo y expresa por escrito cada una de las siguientes cuestiones.
Cul es la razn por la que los que toman decisiones a menudo valoran muestras en
lugar de poblaciones completas? Ventajas y desventajas.
Cul es la limitante que ocurre al hacer una estimacin punto? Cul es la ventaja de
hacer una estimacin por intervalo?
19
Unidad 2
T14.- Investiga en diversas fuentes bibliogrficas lo siguiente con respecto a un buen

estimador: Insesgado, Eficiente, Consistente, Suficiente. Error estndar y aplicacin del
error estndar en el muestreo, margen de error.
Distribucin de muestreo de la media y la desviacin estndar

La distribucin de muestreo de la media se obtiene tomando la estadstica bajo estudio
de la muestra como la media. Calcular esto significa tomar todas las muestras posibles
de tamao n de la poblacin de tamao N y luego trazar la distribucin de probabilidad.
Se puede demostrar que la media de la distribucin de muestreo es, de hecho, la media
de la poblacin.
Sin embargo, la desviacin estndar es diferente para la distribucin de muestreo en
comparacin con la poblacin. Si la poblacin es lo suficientemente grande, esto est
(Nn)
donde es la desviacin estndar poblacional,
n
N1
x se denomina error estndar, n es el tamao de la muestra, y N es el tamao de la
poblacin si sustituimos convenientemente los datos en la frmula tendremos:
dado por:
1.4142
(53)
= 0.5773 lo cual corresponde exactamente a la
3
51
desviacin estndar de la distribucin muestral de medias = 0.5773.
x
T15.- Considerar los mismos 5 datos de la poblacin del ejemplo anterior y tomar todas
las muestras aleatoria posibles de tamao dos con repeticin o reemplazamiento. Y
hacer los clculos, tablas y grficas como en el ejercicio anterior, luego aplicar la
frmula dada a continuacin para corroborar el valor de la desviacin estndar de la
distribucin muestral de medias.
Ejemplo.- En una muestra de 25 galones de cierto producto tomada de una poblacin

con distribucin normal, media de 98.6 y desviacin estndar de 17.2.
Cul es la probabilidad de que la media muestral est entre 92 y 102?
Primero se calcula el error estndar, ya que el problema tiene que ver con el muestreo y
con la distribucin muestral de medias. Como no nos dan el tamao de la poblacin, el
caso se considera como poblacin infinita. Y la frmula a aplicar es la siguiente:
20
Unidad 2
Aplicando convenientemente los datos a la frmula anterior, tenemos: x =
17.2
25
3.44
92
102
Calculamos el puntaje Z para el extremo 92 aplicando la siguiente frmula:

( ximedia)
(9298.6)
sustituyendo queda as: Z =
= - 1.92, este valor se
x
3.44
busca en la tabla correspondiente al puntaje Z obteniendo un rea de 0.4726. En forma
similar se procede con el valor de 102 obteniendo un puntaje Z = 0.99 y un rea de
0.3389. Se suman las dos reas obtenidas, dando como resultado 0.8115. El cual se
interpreta de la siguiente manera: la probabilidad de que la media muestral de los 25
galones est entre 92 y 102 es 0.8115
Z=
T16.- Repetir el problema anterior, nicamente cambiando el tamao de la muestra a 36

en lugar de 25, aparte de interpretar el resultado, hacer un anlisis comparativo del
resultado de este ejercicio con el del ejemplo anterior.
T17.- La auditora de una compaa de tarjetas de crdito, encuentra que el saldo

promedio mensual de los clientes es $112 y la desviacin estndar es de $56. Si la
auditora revisa 50 cuentas al azar calcula la probabilidad de que el saldo promedio
mensual de la muestra sea.
a) Menor de $100
b) Entre $100 y $130
T18.- En la empresa de paquetera Estafeta Express, el peso de sus paquetes grandes

tiene una distribucin normal con media de 150 Kgs. y varianza de 256, en una muestra
de 16 paquetes grandes
Cul es la probabilidad de que la media muestral sea menor de160?
b) Cul es la probabilidad de la media muestral sea mayor de 142?, si la muestra es de
9 en vez de 16.
T19.- Un agricultor posee 60 hectreas de campos de trigo. Basndose en su
experiencia sabe que la produccin de cada hectrea est normalmente distribuida con
una media de 120 toneladas y desviacin estndar de 12 toneladas.
a) Calcula la media esperada de la cosecha de las 60 hectreas.
b) La probabilidad de que la cosecha media por hectrea exceda de 123.8 toneladas.
21
Unidad 2
c) La probabilidad de que la cosecha media por hectrea est entre 117 y122 toneladas.
T20.- Los pesos de los paquetes recibidos en el departamento de almacenamiento tienen

una media de 300 Kgs. y desviacin estndar de 50 Kgs. Cul es la probabilidad de que
el peso de 25 paquetes recibidos al azar y cargados en el ascensor, supere el lmite de
seguridad del mismo que es de 7800 Kgs.?
Subtema 2.5 Intervalos de confianza para medias.

Ejemplo.-En una encuesta se les pidi a una muestra de 250 alumnos de IGE, que
registrasen la cantidad de tiempo diario que emplean en estudiar, la muestra dio una
media de 45 min. Por experiencia se sabe que la desviacin estndar es de 20 min. Para
un nivel de confianza de 95% determina la estimacin puntual y por intervalo.
La estimacin puntual como ya se vio anteriormente corresponde a la media de la
muestra, por lo tanto es igual a 45 min.
El siguiente paso consiste en obtener el error estndar de la estimacin, para lo cual
s
20
aplicamos la siguiente frmula: Sx =
==
= 1.2649,
n
250
El siguiente paso consiste en obtener los lmites del intervalo de acuerdo al nivel de
confiabilidad indicado, (en este caso para una confiabilidad de 95% el puntaje z
obtenido en la tabla correspondiente es de 1.96), aplicando las siguientes frmulas:
Para el lmite superior: Ls = x + 1.96(Sx) y para el lmite inferior: Li = x 1.96(Sx), por lo que al sustituir los datos adecuados tenemos: Ls = 45 + 1.96(1.2649) =
47.48
Li = 45 1.96 (1.2649) = 42.52, lo que puede interpretarse de la siguiente manera: el
tiempo promedio que dedican los estudiantes al estudio diario est entre 47.48 y 42.52
minutos, con una confiabilidad de 95%.
T21.- La oficina de recursos humanos de una empresa desea hacer una estimacin de la
capacidad en comunicacin verbal en ingls que tienen 5,500 empleados. Una muestra
aleatoria de 250 de estas personas arroj los datos que se dan a continuacin. x =
65, = 15, C = 95%, determina la estimacin puntual y por intervalo. Nota: deber
x =
tomarse en cuenta la siguiente frmula para el clculo del error estndar:
(Nn)
N1
T22.- El gerente de negocio de productos alimenticios para perros vende paquetes de

croquetas de diversas presentaciones, por las especificaciones del proveedor la
desviacin estndar en los paquetes de 2 kgs es de 0.02 kgs. Se selecciona una muestra
aleatoria de 30 paquetes de 2 kgs. y la cantidad promedio por paquete indica 1.994 kgs.
22
Unidad 2
Determina una estimacin por intervalo de confianza del 99%, para la cantidad real de
croquetas en los paquetes.
T23.- Investiga la estimacin por intervalos de confianza de la media con desviacin
estndar poblacional desconocida. As tambin la distribucin t de Student, sus
propiedades, los grados de libertad, y la tabla de puntaje t de student.
T24.- El administrador del parque zoolgico Animaya, desea calcular el tiempo
promedio de recorrido peatonal en dicho parque, para lo cual selecciona al azar una
muestra de 25 visitantes y encuentra lo siguiente. x = 160 min. S = 5 min. C =
99%, determina la estimacin puntual y por intervalo.
T25.- Un proceso manufacturero usado por una fbrica durante los ltimos 10 aos,
tiene una distribucin normal. Se desea estimar un intervalo de confianza del 90% para
el promedio de unidades por hora producido con dicho proceso. Para tal efecto, se toma
una muestra aleatoria de la produccin por hora durante 25 horas y se obtiene un
promedio de 160 unidades y desviacin estndar de 8 unidades.
T26.- El I. G. E. de una empresa elctrica desea hacer una estimacin puntual y por
intervalo de 95%, del espesor de la cubierta de hule aplicada al alambre elctrico,
medido en milmetros. Para lo cual toma una muestra aleatoria de 30 datos reportados
por el departamento de control de calidad, misma que se muestra a continuacin:
1.2
0.96 1.06 1.26 1.2
1.1
1.27 0.99 0.95 1.14 0.99 1.29 1.3
1.19 1.1
1.07 1.03 0.89 1.09 1.11

1.12 1.07
0.92 1.01 1.24 1.18 1.25 0.99 1.33 1.13
Subtema 2.6 Intervalos de confianza para diferencia entre medias.

a) Con distribuciones normales y varianzas desconocidas.
Se tienen dos poblaciones con medias y varianzas desconocidas, y se desea obtener un
intervalo de confianza para la diferencia de dos medias: 1 - 2. Si los tamaos de las
muestras n1 y n2 son mayores de 30, podr emplearse el intervalo de confianza de la
distribucin normal y se emplea el puntaje z, pero si las muestras son pequeas
(menores de 30), y se supone que las poblaciones estn distribuidas normalmente, los
intervalos de confianza se basan en la distribucin t de Student
x 1, x 2, s1, s2, son las medias y las
Si tenemos dos muestras (n1 y n2) y si
varianzas de las dos muestras aleatorias, tomadas de dos poblaciones normales e
independientes con varianzas desconocidas entonces el intervalo de confianza para la
23
Unidad 2
diferencia entre medias es: 1 2 = ( x 1
s 2p
x 2) + t sp
1
1
+
n1 n2
donde
n 11
n 21
s2 (2 )
= 1( 2)+
n 1+n 22
s
Ejemplo: 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.
Cemento
Estndar
10
90
Contaminado c/plomo
15
87
El estimador combinado de la desviacin estndar es:
Al calcularle raz cuadrada a este valor nos queda que sp = 4.41, el puntaje t Student
correspondiente a un nivel de confianza de 95% y 23 grados de libertad es de: 2.069
Lmites: 3 3.73, por lo que la expresin se reduce a -0.73 < (1 - 2) <
6.73
24
Unidad 2
T27.- El oficina de control de calidad del Departamento de Hidrologa llev a cabo un

estudio para estimar la diferencia en la cantidad de orto fsforo qumico medido en dos
estaciones diferentes del ro Usumacinta. El orto fsforo se mide en miligramos por
litro. Se reunieron 15 muestras de la estacin A y se obtuvo una media de 3.84 con una
desviacin estndar de 3.07 miligramos por litro, mientras que 12 muestras de la
estacin B 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.
T28.-El departamento de trnsito del estado quiere estimar la diferencia de velocidad de
los conductores en la carretera Mrida-Progreso, en temporada veraniega y en
temporada normal, para lo cual toma una muestra aleatoria 22 conductores durante un
domingo de verano y posteriormente toma una muestra de 22 conductores en el mes de
septiembre, tambin en da domingo. Encuentra un intervalo de confianza de 99% para
la diferencia de velocidades. Los datos se muestran a continuacin estn en Km/hr.
Verano
147
120
125
90
137
125
129
90
82
139
118
117
103
141
78
143
99
123
98
99
66
144
Septiembre
73
145
107
68
75
68
143
66
140
102
117
136
81
67
146
96
83
87
100
87
63
145
T29.- En un estudio realizado sobre el tipo de sedimentos hallados en dos lugares de

Perforacin distintos, se han anotado los siguientes datos acerca del porcentaje en
volumen de arcilla presente en las muestras de sondeo:
A: 31 18 17 16 37 16 32 13 14 49 25 19 13 32 27
B: 15 17 13 25 22 20 24 12 23 15 20 18
Siendo A = % de arcilla en el lugar A y B = % de arcilla en el lugar B
Calcular un intervalo del 95% de confianza para la diferencia de los valores medios de
AyB
Con distribucin normal y varianzas conocidas.

25
Unidad 2
Ejemplo: Se comparan dos tipos de rosca de tornillo para ver su resistencia a la tensin.
Se prueban 50 piezas de cada tipo de cuerda bajo condiciones similares, la marca A tuvo
una resistencia promedio a la tensin de 78.3 Kg, mientras que la marca B tuvo una
resistencia promedio de 87.2 Kg. Se sabe de antemano que las desviaciones
poblacionales son de 6.5 Kg para la marca A y 6.3 Kg para la B. Determine el intervalo
de confianza del 95% para la diferencia de las dos medias poblacionales.
La frmula a utilizar cuando las varianzas son conocidas es:
12
= ( x 1x 2 )
Z
2
21 22
+
n1 n2
12
= (87.278.3) 1.96
6.52 6.3 2
+
50 50
Lmites del intervalo de confianza de 95%: 8.9 2.5 = 11.4 y 6.4, por lo que se
concluye que la resistencia a la tensin de tornillos de la marca B es superior a la marca
A.
T30.- Se llevan a cabo pruebas de resistencia a la tensin sobre dos diferentes clases de
largueros de aluminio utilizados en la fabricacin de alas de aeroplanos comerciales. De
la experiencia pasada con el proceso de fabricacin de largueros y del procedimiento de
prueba, se supone que las desviaciones estndar de las resistencias a la tensin son
conocidas. Los datos obtenidos se presentan en la siguiente tabla:
Tipo de larguero
Tamao de muestra
Media muestral de Desviacin estndar

la resistencia a la
tensin.
n1 = 10
x1
n2 = 15
x2 = 74.5
= 87.6
1 =1
2 =1.5
Si 1 y 2 indican los verdaderos promedios de las resistencias a la tensin para las dos
clases de largueros, hallar un intervalo del 90% de confianza para la diferencia de las
medias 1 - 2
T31.- Cierto metal se produce, por lo comn, mediante un proceso estndar. Se

desarrolla un nuevo proceso en el que se aade una aleacin a la produccin del metal.
Los fabricantes desean saber la diferencia entre las tensiones de ruptura de los metales
producidos por los dos procesos. Para cada metal se selecciona 12 ejemplares y cada
uno de estos se somete a una tensin hasta que se rompe. La siguiente tabla muestra las
tensiones de ruptura de las piezas en Kg/cm2. Si se supone que el muestreo se llevo a
26
Unidad 2
cabo sobre dos distribuciones normales e independientes, obtener el intervalo de

confianza del 95% para la diferencia entre los dos procesos.
proceso
estndar
44 40 47 42 45 43 48 41 45 42 45 44
6 1 6 1 9 8 1 1 6 7 9 5
Proceso
nuevo
46 44 43 46 42 47 45 45 42 46 45 45
2 8 5 5 9 2 3 0 7 9 2 7
Subtema 2.7 Intervalos de confianza para proporciones.

El estimador puntual de la proporcin P, en un experimento binomial est dado por la
X
estadstica P =
donde x representa el nmero de xitos en N pruebas, por lo
N
x
tanto la proporcin de la muestra p =
se utiliza como estimador puntual del
n
parmetro P, para estimar el intervalo de confianza de una proporcin se emplea la
siguiente frmula:
P=pz
p(1p)
n
Ejemplo: Un fabricante de reproductores de discos compactos realiza varias pruebas

para verificar el buen funcionamiento de sus productos, todos los reproductores de
discos compactos deben pasar todas las pruebas antes de venderse. Una muestra
aleatoria de 250 reproductores dio como resultado que 12 de ellos fallaron en una o ms
pruebas, encuentra la estimacin puntual y por intervalo de confianza del 95% para la
proporcin real de reproductores de discos compactos de la poblacin que no pasaran la
prueba.
x
12
= p=
= 0.048. Esto significa que el 4.8%
n
250
5% de los reproductores de discos compactos de la poblacin fallaran.
Estimacin puntual: p =
0.048(10.048)
= 0.048 0.02649
250
=
0.0745 < P < 0.0215 7% < P < 2% esto quiere decir que la proporcin de
reproductores de discos compactos que podran fallar esta dentro del intervalo de 7% al
2%, con una confiabilidad de 95%
La estimacin por intervalo: P = 0.048 1.96
T32.- En un reporte del Departamento de Trnsito de la ciudad de Mrida, de una

muestra de 400 accidentes de automvil, 80 tuvieron consecuencias fatales. Con base en
estos datos determina la estimacin puntual y por intervalo de confianza de 90% para la
proporcin de todos los accidentes automovilsticos, que tuvieron consecuencias fatales.
27
Unidad 2
T33.- En una muestra aleatoria de 100 clientes que realizan sus compras al medio da en
el supermercado Soriana, 90 de ellas incluyen la leche en sus compras. Establece la
estimacin puntual y por intervalo de confianza del 95% para la proporcin real de
clientes que compran leche.
T34.- De una poblacin de 5,000 clientes se tom una muestra aleatoria de 150 que
compran pasta de dientes en un supermercado Chedraui, al norte de la ciudad, 53 de
ellos adquieren la marca Colgate, establece la estimacin puntual y por intervalo para
la proporcin real de clientes que compran la pasta de dientes entes mencionada con un
nivel de confianza de 90%.
Subtema 2.8 Intervalos de confianza para diferencias entre proporciones.

Los lmites para el intervalo de una diferencia de proporciones correspondientes a dos
muestras independientes son:
Ejemplo.- En una muestra aleatoria de 85 soportes para el cigeal de un motor de

automvil, 10 tienen un terminado que es ms rugoso de los que las especificaciones
permiten. Supngase que se hace una modificacin al proceso de acabado de la
superficie y que, de manera subsecuente, se toma una segunda muestra de 85 ejes. El
nmero de ejes defectuosos en esta segunda muestra es de 8. Obtngase un intervalo de
confianza del 95% para la diferencia en la proporcin de los soportes defectuosos
producidos por ambos procesos.
Soporte
^p
Primera muestra
85
10
0.1176
0.8823
Segunda muestra
85
0.09411
0.9058
Lmites
del
intervalo:
(0.1176
q^
0.09411)
1.96
(0.11760.8823) (0.094110.9058)
+
85
85
Lmites = - 0.06893 a 0.11598, Este intervalo de confianza incluye al cero, as que, con
base en los datos muestrales, parece poco probable que los cambios hechos en el
28
Unidad 2
proceso de acabado de la superficie hayan reducido el nmero de soportes defectuosos

para cigeal producidos por el proceso.
T35.- En la ciudad de Monterrey se toma una muestra aleatoria de 98 empresarios de los

cuales 48 han sido poseedores de acciones de Telfonos. En la ciudad de Mrida se
selecciona otra muestra aleatoria de 127 empresarios, de los cuales 21 han sido
poseedores de acciones de Telfonos.
a) Obtener un intervalo del 95% de confianza para la diferencia entre las proporciones
de empresarios que han sido poseedores de este tipo de acciones en ambas ciudades.
b) Qu conclusin puede obtener del intervalo hallado?
T36.- Se desea determinar si un cambio en el proceso de fabricacin de cierto tipo de

piezas ha sido efectivo o no. Para probar lo anterior se toma una muestra aleatoria de
1500 piezas antes de hacer el cambio y se encontr que 75 estaban defectuosas. Despus
de hacer el cambio se tom otra prueba de 2000 piezas y se encontr que 80 estaban
defectuosas. Construir un intervalo de confianza de 95% para la diferencia de las
proporciones poblacionales.
T37.- En dos empresas similares se tomaron muestras de sus productos, cada muestra
era de 200 artculos, en la empresa A 144 artculos pasaron la prueba con xito, en la
empresa B slo 135 lo hicieron. Construye un intervalo de confianza de 95% para la
diferencia entre las proporciones.
Subtema 2.9 Intervalos de confianza para varianzas.

As como la media o la proporcin obtenida a partir de una muestra, tiene variacin, de
la misma manera la desviacin estndar o la varianza obtenida a partir de una muestra
tambin tiene variacin. La varianza de la muestra (s2) es la estimacin puntual de la
varianza de la poblacin (2). Por lo que se puede obtener la estimacin por intervalo de
la varianza poblacional. La expresin matemtica para obtener el intervalo de confianza
para la varianza viene dado por la siguiente frmula:
( n1 ) s 2
(n1)s 2
2
< <
, que es el intervalo de confianza del (1 ) 100% de
x 2(1 /2)
x 2 /2
2, la varianza de la poblacin. As mismo si se calcula la raz cuadrada de cada uno de
los tres trminos de la doble desigualdad, se obtiene el intervalo de confianza del
(1 ) 100% para , que es la desviacin estndar de la poblacin.
Ejemplo: Una muestra aleatoria de n = 5 ejemplares de cierto tipo de helado tiene un
contenido de grasa promedio de 11% y una desviacin estndar muestral de s = 0.38%,
29
Unidad 2
Construye un intervalo de confianza del 95% para la desviacin estndar de la

poblacin donde se tom la muestra.
Solucin: los grados de libertad (n 1) son = 4, el puntaje
x 0.975
= 0.484 se obtiene
2
0.025
en la tabla de puntaje respectiva, as mismo el puntaje x

= 11.143. Al sustituir
estos valores en la frmula antes mencionada con n = 5, s = 0.38 y los valores
( 51 ) 0.382
(51)0.382
2
respectivos de x2, se obtiene:
< <
-- 0.05053 < 2
11.143
0.484
< 1.193, por lo que extrayendo la raz cuadrada a ambos miembros de la desigualdad, se
obtiene
0.22% < < 1.09%, lo cual se interpreta de la siguiente manera: el
intervalo de confianza del 95% para la desviacin estndar poblacional est entre 0.22%
a 1.09%, dentro de ese rango se encuentra el verdadero valor de la desviacin estndar
poblacional.
T38.- El voltaje de ruptura de circuitos elctricamente cargados, tomada de una muestra
de 17 datos indic una varianza muestral de 137,324.3, obtener la estimacin puntual y
por intervalo de confianza de 95% para la varianza poblacional as como para la
desviacin estndar poblacional.
T39.- Se tom una muestra de 22 datos de resistencia a la fractura de placas de base

18% de acero combinado con nquel, dando como resultado una media de 77.33 y
desviacin estndar de 5.03, obtener un intervalo de confianza de 99% para la
desviacin estndar de la resistencia a la fractura.
T40.-El salario promedio diario para una muestra de 30 trabajadores, empleados por
horas en una empresa grande de $ 180.00 con una desviacin estndar de s = $14.00.
Se sabe que los montos de los salarios estn normalmente distribuidos, obtener un
intervalo de confianza de 95% para estimar la desviacin estndar de los salarios diarios
de la poblacin.
Subtema 2.10 Intervalos de confianza para razones de dos varianzas.

Surge la necesidad de disponer de mtodos estadsticos para comparar las varianzas de
dos poblaciones. Por ejemplo si se desea comparar la precisin de medicin de un
instrumento con la de otro, o la eficacia de un proceso de manufactura con la de otro.
Entonces se recurre a la estimacin de la razn o cociente de dos varianzas.
Intuitivamente podramos compara las varianzas de dos poblaciones 21
y
22
s 21
utilizando la razn de las varianzas muestrales
, si el cociente es uno o casi
s 22
igual a uno se podr decir que son prcticamente iguales, pero si hay un valor muy
30
Unidad 2
grande o muy pequeo, proporcionar evidencia de que hay diferencia significativa

entre las varianzas de las poblaciones. Supngase que se tienen dos poblaciones
normales e independientes con varianzas desconocidas
y
21
22
respectivamente y sean
s 21
s 22 ,
las dos varianzas muestrales. Si se desea
conocer un intervalo de confianza de 95% para el cociente de las dos varianzas

2
2
2
se emplear la siguiente expresin matemtica:
s1
2
s 2 F /2
21
<
1
2
2
<
s1
2
s2 F
(1 )
2
para construir correctamente el intervalo de confianza para el cociente de
dos varianzas poblacionales, se deber colocar la varianza muestral mayor en el

numerador de la expresin. En este caso se requiere calcular los grados de libertad del
numerador que son n1 1 (recordando que se toma como n 1 al tamao de la muestra de
la varianza ms grande) y los grados de libertad del denominador n2 1.
Ejemplo: Un fabricante de automviles pone a prueba dos nuevos mtodos de
ensamblaje de motores respecto al tiempo en minutos. Los datos se muestran a
continuacin: mtodo 1: n1 = 31, s 21 = 50; mtodo 2: n 2 = 25, s 22 = 24 construir
un intervalo de confianza de 90% para
21 / 22
Tomamos s 21 = 50 porque es el valor ms grande. Los valores de F requieren los

grados de libertad del numerador (n1 1) = 30 y del denominador (n2 1) = 24, los
puntajes F respectivamente son: para /2 = 0.05 F = 1.9389; y para (1 /2) = 0.95 F
= 0.5298, sustituyendo estas cantidades en la expresin dada:
50
50
< 21 / 22 <
; 1.074 < 21 / 22 <
24 (1.9389)
24 (0.5298)
3.93 y el intervalo de Confianza para el cociente de las desviaciones estndar sera:
1
1.036 <
< 1.98
2
Tenemos:
Nota: si el intervalo de confianza para la desviacin estndar est cercano y alrededor de

UNO, se considera no se puede concluir que exista alguna diferencia entre la
variabilidad de las dos poblaciones, por lo que se puede concluir que las dos
desviaciones estndar sean iguales.
31
Unidad 2
T41.- Una empresa que se encarga de fabricar botellas de plstico por inyeccin,
emplea dos mtodos diferentes para la produccin. A los I.G.E. les gustara saber cul
de los dos procesos tiene menor rugosidad en la superficie. Para lo cual toma muestras
aleatorias de cada proceso.
Datos
Proceso 1: n1 = 16, s1 = 4.7;
Proceso 2: n2 = 12, s2 = 5.1.
Obtener un intervalo de confianza de 90% para el cociente de varianzas y para las
T42.- Se obtuvieron las varianzas de dos muestras para los volmenes de flujo en dos
tipos de tubos del mismo dimetro pero de diferente material. Los resultados se
observan a continuacin: Tipo 1: n1 = 9; s
1 = 35; Tipo 2: n2 = 7, s2 = 20; construir un intervalo de confianza del 90% para el

cociente de las varianzas poblacionales.
T43.- Los puntajes de una prueba de aptitud para obreros de una empresa X y para
obreros de una empresa Y se muestran a continuacin, suponer que las muestras son
independientes y que los puntajes de cada poblacin estn normalmente distribuidos.
Construir un intervalo de confianza del 95% para 21 / 22
Empresa X: nx = 21, sx = 13.26; empresa Y: ny = 16, sy = 10.5
Unidad 3. Pruebas de hiptesis con una muestra.

Competencia especifica de la unidad: Realizar aplicaciones en el uso de las pruebas de
hiptesis y reconocer la potencia de dichas pruebas para inferir caractersticas
poblacionales.
32
Unidad 2
Subtemas.
3.1 Metodologa para la prueba de hiptesis.
3.2 Hiptesis nula y alternativa.
3.3 Error tipo I y error tipo II.
3.4 Pruebas de hiptesis Z para la media (desviacin estndar poblacional conocida).
3.5 Pruebas para proporciones.
3.6 Seleccin del tamao de muestra (para estimar la media poblacional).
3.7 Seleccin del tamao de muestra (para estimar la proporcin poblacional).
Subtema 3.1 Metodologa para la prueba de hiptesis.
Etapa 1.- Planear la hiptesis nula y la hiptesis alternativa. La hiptesis nula (H0) es el
valor hipottico del parmetro que se compra con el resultado muestral resulta muy
poco probable cuando la hiptesis es cierta.
Etapa 2.- Especificar el nivel de significancia que se va a utilizar. El nivel de

significancia puede ser del 1%, 5% o 10%, segn sea, entonces se rechaza la hiptesis
nula solamente si el resultado muestral es tan diferente del valor hipottico que una
diferencia de esa magnitud o mayor.
Etapa 3.- Elegir la estadstica de prueba. La estadstica de prueba puede ser la estadstica
muestral (el estimador no segado del parmetro que se prueba). Por ejemplo, para
probar el valor hipottico de una media poblacional, se toma la media de una muestra
aleatoria de esa distribucin normal, entonces es comn que se transforme la media en
un valor Z el cual, a su vez, sirve como estadstica de prueba.
Etapa 4.- Establecer el valor o valores crticos de la estadstica de prueba. Habiendo

especificado la hiptesis nula, el nivel de significancia y la estadstica de prueba que se
van a utilizar, se procede a establecer el o los valores crticos de estadstica de prueba.
Puede haber uno o ms de esos valores, dependiendo de si se va a realizar una prueba de
uno o dos colas.
33
Unidad 2
Etapa 5.- Determinar el valor real de la estadstica de prueba. Por ejemplo, al probar un
valor hipottico de la media poblacional, se toma una muestra aleatoria y se determina
el valor de la media muestral. Si el valor crtico que se establece es un valor de z,
entonces se transforma la media muestral en un valor de z.
Etapa 6.- Tomar la decisin. Se compara el valor observado de la estadstica muestral

con el valor (o valores) crticos de la estadstica de prueba. Despus se acepta o se
rechaza la hiptesis nula. Si se rechaza sta, se acepta la alternativa; a su vez, esta
decisin tendr efecto sobre otras decisiones de los administradores operativos, como
por ejemplo, mantener o no un estndar de desempeo o cul de dos
estrategias de mercadotecnia utilizar.
La distribucin apropiada de la prueba estadstica se divide en dos regiones: una regin
de rechazo y una de no rechazo. Si la prueba estadstica cae en esta ltima regin no se
puede rechazar la hiptesis nula y se llega a la conclusin de que el proceso funciona
correctamente.
Al tomar la decisin con respecto a la hiptesis nula, se debe determinar el valor crtico
en la distribucin estadstica que divide la regin del rechazo (en la cual la hiptesis
nula no se puede rechazar) de la regin de rechazo. A hora bien el valor crtico depende
del tamao de la regin de rechazo.
Resumen de la metodologa para la prueba de hiptesis:

1.
Expresar la hiptesis nula
2.
Expresar la hiptesis alternativa
3.
Especificar el nivel de significancia
4.
Determinar el tamao de la muestra
5.
6.
7.
Establecer los valores crticos que establecen las regiones de rechazo de las de
no rechazo.
Determinar la prueba estadstica.
Coleccionar los datos y calcular el valor de la muestra de la prueba estadstica
apropiada.
34
8.
Unidad 2
Determinar si la prueba estadstica ha sido en la zona de rechazo a una de no

rechazo.
9.
Determinar la decisin estadstica.
10.
Expresar la decisin estadstica en trminos del problema.
Subtema 3.2 Hiptesis nula y alternativa.

La inferencia estadstica, como ya se mencion, est relacionada con los mtodos para
obtener conclusiones o generalizaciones acerca de una poblacin. Estas conclusiones
sobre la poblacin pueden estar relacionadas con la forma de la distribucin de una
variable aleatoria, con los valores de uno o varios parmetros de la misma.
En las pruebas de hiptesis se trata de decidir entre aceptar o rechazar un valor
especificado (por ejemplo, si el nivel de concentracin de un lquido en un proceso es
normal o no lo es).
El campo de las pruebas de hiptesis se pueden considerar dos reas: Pruebas de
hiptesis sobre parmetros, para determinar si un parmetro de una distribucin toma o
no un determinado valor, y Pruebas de Bondad de Ajuste, para definir si un conjunto de
datos se puede modelar mediante una determinada distribucin.
Si sobre la base de una muestra se tiene que decidir si un proceso est produciendo una
determinada media, digamos m = 100, o si hay que decidir si una determinada droga
sirve a un grupo especfico de pacientes, lo anterior, puede traducirse en el lenguaje de
Pruebas de Hiptesis.
Una hiptesis estadstica es una proposicin o conjetura con respecto a una o ms
poblaciones. Estas aseveraciones o suposiciones pueden ser con respecto a uno o varios
parmetros, con respecto a la forma de las respectivas distribuciones de probabilidad.
En esta unidad nos concentraremos en la prueba de hiptesis, otro aspecto de la
inferencia estadstica que al igual que la estimacin del intervalo de confianza, se basa
en la informacin de la muestra. Se desarrolla una metodologa paso a paso que le
permita hacer inferencias sobre un parmetro poblacional mediante el anlisis
diferencial entre los resultados observados (estadstico de la muestra) y los resultados de
la muestra esperados, si la hiptesis subyacente es realmente cierta. En el problema de
estimacin se trata de elegir el valor de un parmetro de la poblacin, mientras que en
las pruebas de hiptesis se trata de decidir entre aceptar o rechazar un valor
especificado. Prueba de hiptesis: Estadsticamente una prueba de hiptesis es
cualquier afirmacin acerca de una poblacin y/o sus parmetros.
Una prueba de hiptesis consiste en contrastar dos hiptesis estadsticas. Tal contraste
involucra la toma de decisin acerca de las hiptesis. La decisin consiste en rechazar o
no una hiptesis en favor de la otra. Una hiptesis estadstica se denota por H y son
dos: - Ho: hiptesis nula - H1: hiptesis alternativa.
35
Unidad 2
Concepto: Una prueba de hiptesis estadstica es una conjetura de una o ms

poblaciones. Nunca se sabe con absoluta certeza la verdad o falsedad de una hiptesis
estadstica, a no ser que se examine la poblacin entera. Esto por su puesto sera
imprctico en la mayora de las situaciones. En su lugar, se toma una muestra aleatoria
de la poblacin de inters y se utilizan los datos que contiene tal muestra para
proporcionar evidencia que confirme o no la hiptesis. La evidencia de la muestra que
es un constante con la hiptesis planteada conduce a un rechazo de la misma mientras
que la evidencia que apoya la hiptesis conduce a su aceptacin.
La distribucin apropiada de la prueba estadstica se divide en dos regiones: una regin
de rechazo y una de no rechazo. Si la prueba estadstica cae en esta ltima regin no se
puede rechazar la hiptesis nula y se llega a la conclusin de que el proceso funciona
correctamente.
Al tomar la decisin con respecto a la hiptesis nula, se debe determinar el valor crtico
en la distribucin estadstica que divide la regin del rechazo (en la cual la hiptesis
nula no se puede rechazar) de la regin de rechazo.
Subtema 3.3 Error tipo I y error tipo II.
En un estudio de investigacin, el error de tipo I tambin denominado error de tipo alfa
() o falso positivo, es el error que se comete cuando el investigador no acepta
la hiptesis nula ( ) siendo esta verdadera en la poblacin. Es equivalente a encontrar
un resultado falso positivo, porque el investigador llega a la conclusin de que existe
una diferencia entre las hiptesis cuando en realidad no existe. Se relaciona con el nivel
de significancia estadstica.
Representacin de los valores posibles de la probabilidad de un error tipo II (rojo) en el

ejemplo de un test de significancia estadstica para el parmetro . El error tipo II
depende del parmetro . Mientras ms cerca se encuentre este del valor supuesto bajo
la hiptesis nula, mayor es la probabilidad de ocurrencia del error tipo II. Debido a que
el verdadero valor de es desconocido al hacer la presuncin de la hiptesis alternativa,
36
Unidad 2
la probabilidad del error tipo II, en contraste con el error tipo I (azul), no se puede
calcular.
La hiptesis de la que se parte
aqu es el supuesto de que la situacin experimental
presentara un estado normal. Si no se advierte este estado normal, aunque en
realidad existe, se trata de un error estadstico tipo I. Algunos ejemplos para el error tipo
I seran:
Se considera que el paciente est enfermo, a pesar de que en realidad est sano;
hiptesis nula: El paciente est sano.
Se declara culpable al acusado, a pesar de que en realidad es inocente;

hiptesis nula: El acusado es inocente.
En un estudio de investigacin, el error de tipo II, tambin llamado error de tipo beta
() ( es la probabilidad de que exista este error) o falso negativo, se comete cuando el
investigador no rechaza la hiptesis nula siendo esta falsa en la poblacin. Es
equivalente a la probabilidad de un resultado falso negativo, ya que el investigador llega
a la conclusin de que ha sido incapaz de encontrar una diferencia que existe en la
realidad.
Se acepta en un estudio que el valor del error beta est entre el 5 y el 20%.
Contrariamente al error tipo I, en la mayora de los casos no es posible calcular la
probabilidad del error tipo II. La razn de esto se encuentra en la manera en que se
formulan las hiptesis en una prueba estadstica. Mientras que la hiptesis nula
representa siempre una afirmacin enrgica (como por ejemplo
Promedio =
0) la hiptesis alternativa, debido a que engloba todas las otras posibilidades, es
generalmente de naturaleza global (por ejemplo
Promedio 0 ).
T44.- Investiga ampliamente el error tipo 1 y tipo 2.
Subtema 3.4 Pruebas de hiptesis Z para la media (desviacin estndar poblacional

conocida).
Ejemplo 1: Un problema basado en un estudio en una fbrica de llantas. En este
problema la fbrica de llantas tiene dos turnos de operarios, turno de da y turno mixto.
Se selecciona una muestra aleatoria de 100 llantas producidas por cada turno para
ayudar al gerente a sacar conclusiones de la siguiente pregunta: Es la duracin
promedio de las llantas producidas en el turno de da igual a 25 000 Millas?
En la fbrica de llantas la hiptesis nula y alternativa para el problema se plantearon
como sigue:
37
Ho: = 25 000
Unidad 2
H1: 25 000
Por estudios anteriores se sabe que la = 4000 millas.

Si el tamao de la regin de rechazo se estableciera en 5% entonces se podran
determinar los valores crticos de la distribucin. Dado que la regin de rechazo est
dividida en las dos colas de la distribucin, el 5% se divide en dos partes iguales de
2.5%.
Si se considera la desviacin estndar las llantas producidas en el turno de da,
entonces, con base en el teorema de limite central, la distribucin en el muestreo de la
media seguira la distribucin normal, y la prueba estadstica que est basada en la
diferencia entre la media de la muestra y la media hipottica se encontrara como
sigue:
Por tanto, la regla para decisin sera: Rechazar Ho si Z > + 1.96 o si Z < - 1.96 De lo
contrario, no rechazar Ho.
Para obtener el error estndar de la poblacin x =
, x =
4000
100
= 400,
Los resultados de la muestra para el turno de da fueron =25 430 millas, y Puesto que se
est probando si la media es diferente a 25 000 millas, el estadstico de prueba se tiene
( x )
(2543025000)
con la ecuacin: Zep =
, Zep =
= 1.075
x
400
Dado que Zep = 1.075, se ve que 1.96 < 1.075 < 1.96, entonces no se rechaza Ho.
Por ello, la decisin de no rechazar la hiptesis nula Ho. En conclusin es que la
duracin promedio de las llantas es 25 000 millas. A fin de tener en cuenta la posibilidad
de un error de tipo II, este enunciado se puede redactar como no hay pruebas de que la
duracin promedio de las llantas sea diferente a 25 000 millas en las llantas producidas
en el turno de da.
Las pruebas de hiptesis pueden ser de dos colas, como el ejemplo anterior, o de una
cola (izquierda o derecha). Cmo saber si la prueba es de una o dos colas? Es muy
sencillo, si lo que se quiere probar tiene que ver en el planteamiento del problema con
igualdad o diferencia, entonces se debe seleccionar una prueba de dos colas, pero si lo
que se quiere probar tiene que ver con mayor que o algo similar se deber emplear
prueba de una cola derecha, ahora bien si lo que se quiere probar tiene que ver con
menor que o algo similar, la prueba indicada ser de una cola izquierda.
Con tamao de muestra pequeo y desviacin estndar desconocida.
38
Unidad 2
En el ejemplo 1 anterior el tamao de la muestra fue mayor de 30 y la desviacin

estndar no fue la de la muestra. En la mayora de los casos la desviacin estndar no es
conocida y se recurre al muestreo para obtener la estimacin de la desviacin estndar, a
esta se le conoce como desviacin estndar muestral y se identifica con la letra S. Si el
tamao de la muestra es menor o igual a 30 y la desviacin estndar muestral, se emplea
el puntaje t student con n 1 grados de libertad, en lugar del puntaje Z.
Ejemplo 2.- La Comisin Federal de Comercio lleva a cabo estudios peridicos para
probar la afirmacin que hacen los fabricantes acerca de sus productos. En el caso de la
empresa Nescaf en uno de sus productos la etiqueta dice que contiene cuando menos 3
libras. La CFC desea contrastar la afirmacin contra la alternativa de que sea menos de
3 libras. Para lo cual toma una muestra de 30 latas de caf de esta marca y de la
presentacin indicada y obtiene una media 2.92 con desviacin estndar 0.18, probar la
afirmacin de la CFC a un nivel de significacin de 5 %.
1 Paso: Plantear la Hiptesis de Investigacin: El peso de las latas de Nescaf es
menor de 3 libras.
2 Paso: Plantear las Hiptesis Nula a Alterna:
Nula
Ho: > 3
Alterna
Hi: < 3
3 Paso: Nivel de significancia y tamao de la muestra.

= nivel de significacin de 5 %.
4 Paso: Error estndar: Sx =
s
n
Tamao de muestra: n = 30
;
Sx =
0.18
30
= 0.03286
5 Paso: Valores crticos que dividen las zonas de rechazo y aceptacin.
regin de rechazo Ho.
regin de aceptacin de Ho
En este caso se emplea el puntaje t student, con n-1 grados de libertad = 29, = 0.05
unilateral el cual se busca en la tabla respectiva, dando un valor de 1.699
6 Paso: Estadstico de Prueba: Ep = (2.92 3) / 0.03286 Ep = - 2.43
7 Paso: Regla de decisin: si el estadstico de prueba es menor que el valor crtico se
rechaza la hiptesis nula y se acepta como verdadera la hiptesis alterna. Resultado:
dado que el estadstico de prueba (-2.43) es menor que el valor crtico (-1.699) se acepta
como verdadera la hiptesis alterna (Hi) y en consecuencia se rechaza la hiptesis nula.
39
Unidad 2
Conclusin: Con base en lo anterior se concluye que las latas de caf que supuestamente
tienen cuando menos 3 libras es falsa, demostrando que en realidad el contenido es
menor de esa cantidad.
T45.- Una compaa que vende tiras repelentes contra insectos asegura que su producto
es eficaz ms de 400 hrs. Un anlisis sobre 9 tiras seleccionadas aleatoriamente indic
un promedio de 380 hrs. y una desviacin estndar de 60 hrs. Prueba la aseveracin de
la compaa a un nivel de significacin de 1 %
T46.- La media y la desviacin estndar de la estancia de los turistas extranjeros en
hoteles de 4 estrellas el ao anterior fue de 4 noches y 1.5 noches respectivamente. El
gerente de reservaciones de un hotel desea saber con una confiabilidad de 95 % si la
estancia de turistas extranjeros en hoteles de 4 estrellas ser diferente este ao. Para lo
cual selecciona una muestra aleatoria de 35 turistas extranjeros y determina que la
estancia promedio es de 3.6 noches
T47.- El tiempo promedio en realizar determinada tarea por el personal de cuartos de un
hotel es de 65 min. y S = 15 min. El administrador cree que si el personal antes
mencionado recibiese entrenamiento especial, el tiempo en realizar la tarea disminuira.
Para lo cual toma al azar una muestra de 32 empleados de esa rea, reciben
entrenamiento, posteriormente se mide el tiempo promedio en que dichos trabajadores
realizan la tarea y se encuentra que es de 55.5 min. Sirve de base estos datos para
apoyar la opinin del administrador? = 5 %
T48.- El coordinador de la carera de IGE, desea verificar con un nivel de significacin
de 5 % la hiptesis de que el promedio de calificaciones en la asignatura Estadstica
Inferencial 1 en un determinado grupo es de 65. Una muestra aleatoria de 25 sujetos dio
los siguientes resultados: x = 67,
s = 12.
T49.- El tiempo promedio para atender a los clientes que solicitan los servicios de tour a
Uxml en una determinada agencia de viajes es de 15 min. con desviacin estndar = 4
min. El gerente cree que si el personal recibe entrenamiento, el tiempo de atencin a los
clientes se reducira. El personal recibe un curso de eficiencia en el trabajo y
posteriormente se selecciona una muestra aleatoria de 20 servicios, dando una media de
10 min. Sea =5%
Subtema 3.5 Pruebas para proporciones.

Las pruebas de proporciones son adecuadas cuando los datos que se estn analizando
constan de cuentas o frecuencias de elementos de dos o ms clases. El objetivo de estas
pruebas es evaluar las afirmaciones con respecto a una proporcin (o Porcentaje)
de poblacin. Las pruebas se basan en la premisa de que una proporcin muestral (es
decir, x ocurrencias en n observaciones, o x/n) ser igual a la proporcin verdadera de la
poblacin si se toman mrgenes o tolerancias para la variabilidad muestral. Las pruebas
suelen enfocarse en la diferencia entre un nmero esperado de ocurrencias, suponiendo
que una afirmacin es verdadera, y el nmero observado realmente. La diferencia se
40
Unidad 2
compara con la variabilidad prescrita mediante una distribucin de muestreo que tiene
como base el supuesto de que H0 es realmente verdadera.
En muchos aspectos, las pruebas de proporciones se parecen a las pruebas de medias,
excepto que, en el caso de las primeras, los datos muestrales se consideran como
frecuencias en lugar de como mediciones.
Cuando el objetivo del muestreo es evaluar la validez de una afirmacin con respecto a
la proporcin de una poblacin, es adecuado utilizar una prueba de una muestra.
La metodologa de prueba depende de si el nmero de observaciones de la muestra es
grande o pequeo. Esta prueba comprende el clculo del valor estadstico de prueba Z.
x /n p0
Z prueba =
p0 q 0
n
donde x significa el nmero de ocurrencias o frecuencias, n
cantidad total de observaciones,
x
n
proporcin de la muestra, p0 proporcin
p0 q 0
desviacin estndar de la proporcin, q0 = 1 p0,
n
complemento de la proporcin. La frmula anterior de Zprueba se aplica a muestreos
con poblacin infinita o desconocida. Pero si se toma una muestra a partir de una
poblacin finita o conocida, (n/N * 100) % > 5% se debe emplear un factor de
poblacional o parmetro,
(Nn)
p0 q 0
(N1)
n
Posteriormente este valor es comparado con el valor de Z, obtenido a partir de una tabla
de distribucin normal a un nivel de significacin seleccionado. Como ocurri con la
prueba de medias de una muestra, las pruebas de proporciones pueden ser de una o dos
colas.
correccin para la desviacin estndar de la proporcin
La hiptesis nula se plantea Ho: p =p o, en tanto que para la hiptesis alterna hay tres
posibilidades: H1: p < po ; p > p o,
p p o , dependiendo del planteamiento del
problema, en el primer caso ser de cola izquierda, en el segundo caso de cola derecha,
en el tercer caso de dos colas o bilateral.
Ejemplo
Una encuesta realizada por Bancomer a 35 clientes indic que un poco ms del 74 %
tenan un ingreso familiar de ms de $200,000 al ao. Si esto es cierto, el banco
desarrollar un paquete especial de servicios para este grupo. La administracin quiere
determinar si el porcentaje verdadero es mayor del 60 % antes de desarrollar e
introducir este nuevo paquete de servicios. Los resultados mostraron que 74.29 % de los
clientes encuestados reportaron ingresos de $200,000 o ms al ao.
El procedimiento para la prueba de hiptesis de proporciones es el siguiente:
Especifica la hiptesis nula y alternativa.
41
Hiptesis Nula:
Unidad 2
H 0 : P 0.60
Hiptesis Alternativa
H a : P 0.60
donde P = la proporcin de clientes con ingresos familiares anuales de $200,000 o ms.

Especfica el nivel de significacin, permitido. Para una
tabla de Z para una prueba de una sola cola es igual a 1.645.
=0.05 , el valor de
Calcula el error estndar de la proporcin especificada en la hiptesis nula.
sp
p (1 p)
n
donde: p = proporcin especificada en la hiptesis nula. n = tamao de la muestra.

Por consiguiente:
sp
0.60(1 0.60)
.0828
35
Calcula la estadstica de prueba:
( proporcin _ observada) ( proporcin _ H 0 )

sp
0.7429 0.60
1.73
0.0828
Valor crtico 1.645
Z prueba = 1.73
La hiptesis nula se rechaza porque el valor de la Z calculada es mayor que el valor

crtico Z, queda a la derecha del valor crtico (1.645). El banco puede concluir con un
95 % de confianza (1 .95) que ms de un 60 % de sus clientes tienen ingresos
42
Unidad 2
familiares de $200,000 o ms. La administracin puede introducir el nuevo paquete de

servicios orientado a este grupo.
T50.- El profesor de Estadstica Inferencial I de la carrera de I. G.E., cree que ms del
50% de los alumnos aprueba el examen de la primera unidad. Para verificar lo anterior
el profesor toma una muestra aleatoria de 150 alumnos que han presentado la unidad 1,
de los cuales 90 alumnos aprobaron esta unidad. Prueba lo anterior con = 5 %
T51.- Un promotor de turismo del Estado de Yucatn cree que el 25 % de los turistas
que vienen a Yucatn, visitan la zona arqueolgica de Kabh, el promotor selecciona
una muestra aleatoria de 120 turistas y se les pregunta si piensan visitar o si ya han
visitado la zona arqueolgica antes mencionada, 20 de los cuales contestaron
afirmativamente, verificar la hiptesis del promotor. Sea = 1 %
T52.- En un estudio se afirma que 9 de cada 10 mdicos recomiendan la aspirina a sus
pacientes, probar esta afirmacin con respecto a la alternativa de que la proporcin real
de mdicos que hacen esto es menor del 90 %. Una muestra aleatoria de 100 mdicos
revela que 80 de ellos recomiendan la aspirina a sus pacientes. Sea a = 5 %
T53.- En un estudio se afirma que 3 de 10 estudiantes universitarios de I. G. E.,
trabajan. Pruebe esta aseveracin, a un nivel de significacin de 0,025, respecto a la
alternativa de que la proporcin real de los estudiantes universitarios trabajan es mayor
de lo que se afirma, si una muestra aleatoria de 600 estudiantes universitarios revela que
200 de ellos trabajan. La muestra fue tomada de 10000 estudiantes.
T54.- Un fabricante afirma que por lo menos el 90 por ciento de las piezas de una
maquinaria que suministra a una fbrica guardan las formas especificadas. Un examen
de 200 de esas piezas revel que 160 de ellas no eran defectuosas. Pruebe si lo que
afirma el fabricante es cierto a un nivel de significancia de 5%
Subtema 3.6 Seleccin del tamao de muestra (para estimar la media poblacional).
A la hora de determinar el tamao que debe alcanzar una muestra hay que tomar en
cuenta varios factores: el tipo de muestreo, el parmetro a estimar, el error muestral
43
Unidad 2
admisible, la varianza poblacional y el nivel de confianza. Por ello antes de presentar

algunos casos sencillos de clculo del tamao muestral delimitemos estos factores.
Parmetro. Son las medidas o datos que se obtienen sobre la poblacin, por ejemplo: la
edad, el peso, el sueldo, el tiempo, etc.
Estadstico. Los datos o medidas que se obtienen sobre una muestra y por lo tanto una
estimacin de los parmetros.
Error Muestral (e), de estimacin o estndar. Es la diferencia entre un estadstico y su
parmetro correspondiente ( - x ). Es una medida de la variabilidad de las
estimaciones de muestras repetidas en torno al valor de la poblacin, nos da una nocin
clara de hasta dnde y con qu probabilidad una estimacin basada en una muestra se
aleja del valor que se hubiera obtenido por medio de un censo completo. Un estadstico
ser ms preciso en cuanto y tanto su error es ms pequeo.
Nivel de Confianza. Probabilidad de que la estimacin efectuada se ajuste a la realidad.
Cualquier informacin que queremos recoger est distribuida segn una ley de
probabilidad, as llamamos nivel de confianza a la probabilidad de que el intervalo
construido en torno a un estadstico capte el verdadero valor del parmetro, si queremos
que el muestreo sea ms confiable, deberemos tomar una muestra ms grande, o sea, a
mayor confiabilidad mayor es el tamao de la muestra.
Varianza Poblacional. Cuando una poblacin es ms homognea la varianza es menor y
el nmero de entrevistas necesarias para construir un modelo reducido del universo, o
de la poblacin, ser ms pequeo. Generalmente es un valor desconocido y hay que
estimarlo a partir de datos de estudios previos, hay una relacin directa entre la varianza
y el tamao de la muestra, mientras los datos sean ms homogneos menor ser el
tamao de la muestra.
Frmula para determinar el tamao de muestra.
Veamos los pasos necesarios para determinar el tamao de una muestra empleando el
muestreo aleatorio simple. Para ello es necesario partir de dos supuestos: en primer
lugar el nivel de confianza al que queremos trabajar; en segundo lugar, cual es el error
mximo que estamos dispuestos a admitir en nuestra estimacin. As pues los pasos a
seguir son:
1.- Obtener el tamao muestral suponiendo que la poblacin es infinita.
2
(Z )
e2
Z2
: Z corresponde al nivel de confianza elegido.
donde:
2 : Varianza poblacional
e: error mximo
44
Unidad 2
Este es el tamao adecuado que debemos muestrear.

Si la poblacin es finita o sea conocida la cantidad (N) pasamos a modificar el tamao
de la muestra anteriormente calculada, debido a la poblacin finita.
Obtener el tamao de la muestra con poblacin finita, ( n f
frmula:
nf
segn la siguiente
(Nn )
(N +n )
Ejemplo: Un investigador a cuyo cargo est el departamento de educacin fsica, desea

hacer una estimacin del consumo de oxgeno (lt/min.) de los estudiantes de la carrera
de IGE, entre los 18 y 24 aos de edad, despus de hacer un tipo especial de ejercicio.
Desea que su estimacin se encuentre cuando mucho a 0.10 de la media verdadera
(poblacional) con una confiabilidad de 95%, estudios anteriores indican una varianza en
el consumo de oxgeno de 0.99, Qu tamao debe tener la muestra?
Datos: e = 0.10, confiabilidad 95% Z = 1.96, 2 = 0.99, aplicando la frmula
respectiva y dado que la poblacin es infinita, o sea desconocida, tenemos:
2
(1.96 0.99)
= 380.318, dado que el tamao de la muestra debe ser un
0.102
nmero entero, no puede tomarse una fraccin de la muestra, se aconseja redondear el
resultado al entero que sigue, o sea en este caso sera 380.318 381.
n
T55.- El coordinador de la carrera de IGE, desea hacer una estimacin del tiempo
promedio que emplean los alumnos en hacer el recorrido entre la casa y la escuela,
desea que su estudio tenga una confiabilidad de 99% y una precisin de un minuto, una
prueba piloto dio una varianza de 25, Qu tamao debe tener la muestra, si la
poblacin es de 2,500 alumnos?
T56.- El departamento de Recursos Humanos de una empresa planea hacer un estudio
con el objeto de conocer el promedio de horas semanales trabajadas por las mujeres del
servicio domstico. La muestra ser extrada de una poblacin de 10,000 mujeres que
figuran en los registros de la Seguridad Social y de las cuales se conoce a travs de un
estudio piloto que su varianza es de 9.648. Trabajando con un nivel de confianza de 0.95
y estando dispuestos a admitir un error mximo de 0,1, cul debe ser el tamao
muestral que empleemos?
T57.- Se desea conocer el promedio de la glucemia basal de una poblacin, con una
confiabilidad de 95% y un margen de error de 3 mg/dl y se tiene informacin de un
estudio piloto que la varianza es de 250 mg/dl, que tamao debe tener la muestra si:
La poblacin es infinita.
La poblacin es finita de 10,000 personas.
45
Unidad 2
Subtema 3.7 Seleccin del tamao de muestra (para estimar la proporcin

poblacional).
Para calcular el tamao de muestra para la estimacin de proporciones poblacionales
hemos de tener en cuenta los mismos factores que en el caso de la media. La frmula
que nos permitir determinar el tamao muestral es la siguiente:
( pqZ 2)
, donde p representa la proporcin, q = (1-p) representa el
e2
complemento de la proporcin. Observacin: en el caso de que no se conozca la
n
(0.25Z 2 )
proporcin la frmula se modifica a la siguiente: n =
, donde 0.25 es el
e2
producto de p*q, suponiendo que estos tienen los valores de 0.5 y 0.5
Ahora bien si el tamao de la muestra proviene de una poblacin finita, ( n f
complementa con la siguiente frmula:
nf
se
( Nn )
( N +n )
Ejemplo: Una maestra desea hacer una investigacin acerca de la actitud de los alumnos
hacia el estudio, de que tamao debe ser la muestra si quiere que su investigacin difiera
cuando mucho en 2.5% del valor verdadero, con una confiabilidad de 95%.
Investigaciones similares que se llevaron a cabo en otro Tecnolgico dio como resultado
que el 60% de los alumnos tenan buena disposicin hacia el estudio.
Datos: p = 0.60, q=0.40, (1 ) = 0.95
z = 1.96, e = 0.025 sustituyendo estas
(0.600.401.962)
cantidades convenientemente en la frmula obtenemos n =
0.0252
=1,475.17 el tamao de la muestra debe ser un nmero entero por lo que se redondea al
entero inmediato, o sea 1,476.
T58.- Qu tamao de muestra sera necesario para obtener un intervalo de confianza de

95% para estimar la proporcin verdadera de la poblacin, si el error permitido es de
8%?
T59.- El I. G. E. de un centro comercial recin abierto, contrata a una compaa
publicitaria en televisin para que lo promueva en la ciudad, para lo cual desea calcular
el tamao de la muestra que va a tomar de dicha comunidad, el profesional desea que
su estimacin se encuentre a 0.04 de la proporcin verdadera con un 90% de
confiabilidad, en una encuesta piloto de 15 hogares el 35% de los entrevistados dijeron
que haba al menos alguien su casa que ve regularmente los programas de T. V.
T60.- Con los datos del problema anterior, calcula el tamao de la muestra suponiendo
que en la ciudad hay 6000 hogares con T. V.
46
Unidad 2
Ejercicios integradores.
El significado de las variables es:
ASISTENCIA: Nmero de asistencias por cada alumno durante un semestre.
PARTICIPACIONES: Nmero de participaciones por cada alumno durante un semestre.
APROVECHAMIENTO: Calificacin promedio final del curso de Estadstica 2
UAPO: Unidades aprobadas en prueba ordinaria (primera oportunidad)
EDAD: Edad del estudiante al momento de cursar Estadstica 1
CI.- Cociente intelectual de los alumnos en el momento de cursas Estadstica 1.
LIBRAS.- Peso de los alumnos en libras.
CAL. MATEMATICAS. Calificacin obtenida en la primera unidad de matemticas.
CAL. ESTADSTICA. Calificacin obtenida en la primera unidad de estadstica.
PESO DE LOS ALUMNOS EN KGS.
CALIFICACIN DE LA UNIDAD 2.
Instrucciones: se asignar una tarea a cada equipo, el cual deber desarrollar lo siguiente
de acuerdo al formato dado. Emplear la base de datos de las pginas 47 a la 52.
a.- Calcular el tamao adecuado de la muestra, considerando que la poblacin es finita.
b.- Escoger los nmeros aleatorios utilizando la funcin correspondiente de la
calculadora, o bien utilizando tabla de nmeros aleatorios.
c.- Seleccionar los datos de acuerdo a los nmeros aleatorios.
d.- Calcular la estimacin puntual de la media poblacional.
e.- Calcular la estimacin por intervalo de la media poblacional.
f.- Plantear una hiptesis con los datos del ejercicio y con los resultados obtenidos,
probarla.
g- Incluye en cada caso interpretaciones y grfica.
1.- Se desea hacer una estimacin puntual y por intervalo del promedio de
ASISTENCIAS por semestre, para lo cual acude al muestreo aleatorio, se desea que la
estimacin est cuando mucho a 1.5 unidades de la media verdadera, con una
confiabilidad de 95%, Para determinar la desviacin estndar referencial toma una
muestra piloto con los 10 primeros datos de esta variable. Por otra parte calcula
mediante probabilidad (reas) que proporcin de alumnos tienen 10 o ms asistencias al
ao.
PARTICIPACIONES por semestre, para lo cual acude al muestreo aleatorio, se desea
que la estimacin est cuando mucho a 2 unidades de la media verdadera, con una
confiabilidad de 95%. Para determinar la desviacin estndar referencial toma una
47
Unidad 2
mediante probabilidad (reas) que proporcin de alumnos tienen 10 o ms
participaciones al ao.
APROVECHAMIENTO por semestre, para lo cual acude al muestreo aleatorio, se
desea que la estimacin est cuando mucho a 5 unidades de la media verdadera, con una
mediante probabilidad (reas) que proporcin de alumnos tienen calificacin de 70 o
ms.
4.- Se desea hacer una estimacin puntual y por intervalo del promedio de U. A. P. O.
por semestre, para lo cual acude al muestreo aleatorio, se desea que la estimacin est
cuando mucho a 0.3 unidades de la media verdadera, con una confiabilidad de 90%,
para determinar la desviacin estndar referencial toma una muestra piloto con los 10
primeros datos de esta variable. Por otra parte calcula mediante probabilidad (reas)
que proporcin de alumnos tienen 3 o ms U. A. P. O.
5.- Se desea hacer una estimacin puntual y por intervalo de la EDAD promedio de los
alumnos, para lo cual se acude al muestreo aleatorio, se desea que la estimacin est
cuando mucho a 0.5 unidades de la media verdadera, con una confiabilidad de 95%,
Para determinar la desviacin estndar referencial toma una muestra piloto con los 10
que proporcin de alumnos tienen 22 o ms aos.
6.- Se desea hacer una estimacin puntual y por intervalo de la CI promedio de los
alumnos, para lo cual se acude al muestreo aleatorio, se desea que la estimacin est
cuando mucho a 3 unidades de la media verdadera, con una confiabilidad de 99%, Para
determinar la desviacin estndar referencial toma una muestra piloto con los 10
que proporcin de alumnos tienen CI entre 100 y 110.
7.- Se desea hacer una estimacin puntual y por intervalo del peso promedio en
LIBRAS de los alumnos, para lo cual se acude al muestreo aleatorio, se desea que la
estimacin est cuando mucho a 3.8 libras de la media verdadera, con una confiabilidad
de 98%, Para determinar la desviacin estndar referencial toma una muestra piloto con
los 10 primeros datos de esta variable. Por otra parte calcula mediante probabilidad
(reas) que proporcin de alumnos pesa ms de 140 libras.
8.- Se desea hacer una estimacin puntual y por intervalo de la calificacin de
Matemticas de los alumnos, para lo cual se acude al muestreo aleatorio, se desea que
la estimacin est cuando mucho a 4 unidades de la media verdadera, con una
mediante probabilidad (reas) que proporcin de alumnos tiene calificacin menor de
90.
48
Unidad 2

Estadstica Unidad 1 de los alumnos, para lo cual se acude al muestreo aleatorio, se
90.
10.- Se desea hacer una estimacin puntual y por intervalo del peso promedio en
Kilogramos de los alumnos, para lo cual se acude al muestreo aleatorio, se desea que la
estimacin est cuando mucho a 1.5 Kgs. de la media verdadera, con una confiabilidad
de 95%, Para determinar la desviacin estndar referencial toma una muestra piloto con
los 10 primeros datos de esta variable. Por otra parte calcula mediante probabilidad
(reas) que proporcin de alumnos pesa ms de 80 Kgs.
Estadstica Unidad 2 de los alumnos, para lo cual se acude al muestreo aleatorio, se
70.
BASE DE DATOS:
NUM
.
CAL
MAT
1
55
ASIS. PART. APROV. UAPO EDAD CI

16
13
80
22
83
11
61
23
3
4
93
88
9
14
6
21
62
86
3
1
21
24
5
6
56
76
16
16
8
11
52
75
2
3
23
20
54
17
16
77
20
80
26
21
80
11
56
23
10
81
13
10
69
21
11
12
13
97
94
89
15
16
9
9
5
1
36
48
33
1
0
1
22
22
23
98
10
4
10
3
97
10
9
95
12
0
10
5
10
5
10
9
10
5
91
93
PESO
CAL
PESO
LIBRAS Unid. 1 KG
179
55
98.45
califc.
Unid. 2
37
158
83
86.9
80
158
175
93
88
86.9
96.25
95
87
171
178
56
76
94.05
97.9
40
69
189
54
103.95
36
164
80
90.2
76
180
80
99
76
171
81
94.05
77
176
177
180
97
94
89
96.8
97.35
99
100
97
89
49
Unidad 2
14
73
10
50
21
15
80
16
16
95
23
16
17
96
71
2
11
1
6
33
46
2
2
21
20
18
19
94
92
12
9
3
4
50
45
1
3
23
20
20
76
14
98
20
21
22
23
24
64
82
82
80
14
16
18
13
19
19
21
7
94
85
93
73
3
4
2
3
21
22
23
21
25
90
16
19
87
24
26
27
94
77
12
13
7
11
67
74
3
1
23
20
28
29
72
81
7
18
3
24
54
97
4
2
20
21
30
31
67
84
13
12
8
8
48
44
1
2
23
21
32
33
74
74
13
13
7
4
72
84
4
3
22
22
34
89
11
12
72
23
35
82
16
11
51
21
36
83
10
43
23
37
91
11
82
21
38
39
40
74
77
88
12
17
5
15
11
1
84
89
73
4
2
0
20
23
20
41
83
14
27
20
42
63
20
21
43
82
18
88
22
44
45
46
81
86
76
16
10
12
18
7
12
86
61
71
2
2
1
23
21
24
47
90
56
23
48
73
17
12
82
20
49
88
47
20
113
12
0
12
2
91
10
9
113
12
1
10
5
91
93
113
12
0
12
2
91
10
9
113
12
1
97
10
9
95
12
0
10
5
10
5
10
9
10
5
91
93
10
5
10
5
10
9
10
5
93
113
12
0
12
2
10
9
168
73
92.4
65
176
80
96.8
75
174
171
96
71
95.7
94.05
99
62
185
172
94
92
101.75
94.6
96
93
181
76
99.55
69
165
178
181
177
64
82
82
80
90.75
97.9
99.55
97.35
52
79
78
75
189
90
103.95
90
181
177
94
77
99.55
97.35
96
71
179
188
72
81
98.45
103.4
63
77
190
179
67
84
104.5
98.45
55
81
175
160
74
74
96.25
88
66
66
176
89
96.8
88
178
82
97.9
78
163
83
89.65
80
166
91
91.3
91
178
165
172
74
77
88
97.9
90.75
94.6
65
70
88
168
83
92.4
80
176
63
96.8
50
176
82
96.8
78
176
182
184
81
86
76
96.8
100.1
101.2
76
84
69
176
90
96.8
90
179
73
98.45
65
165
88
90.75
86
50
Unidad 2
50
98
11
47
21
51
82
10
74
21
52
72
49
22
53
79
62
22
54
88
14
12
86
23
55
56
57
67
72
92
12
16
7
9
15
6
68
79
50
3
3
2
21
23
21
58
69
83
20
59
81
40
23
60
77
13
71
20
61
62
63
86
80
82
14
14
14
12
12
12
27
79
79
0
3
3
20
21
22
64
70
65
23
65
65
11
12
61
21
66
67
77
78
16
12
13
7
64
67
2
3
24
23
68
100
10
57
20
69
60
11
82
20
70
80
16
10
84
21
71
88
14
14
29
23
72
73
82
73
18
16
21
18
82
63
3
2
21
22
74
75
74
77
10
9
5
2
80
55
2
1
22
23
76
77
82
88
12
16
5
18
46
76
3
4
21
23
78
79
81
63
12
14
14
7
92
66
2
2
21
20
80
81
80
59
16
7
19
2
62
42
1
4
23
20
82
81
82
20
83
84
66
75
18
4
14
3
97
79
3
2
21
22
95
12
0
10
5
10
5
10
9
10
5
91
93
10
9
10
5
10
9
10
5
93
113
12
0
12
2
10
9
95
12
0
10
5
10
5
10
9
10
5
91
10
9
113
12
1
97
10
9
95
10
9
95
12
0
10
5
10
159
98
87.45
100
174
82
95.7
78
171
72
94.05
63
178
79
97.9
74
183
88
100.65
87
177
189
176
67
72
92
97.35
103.95
96.8
56
62
92
184
69
101.2
58
193
81
106.15
76
179
77
98.45
70
173
179
169
86
80
82
95.15
98.45
92.95
84
75
78
175
70
96.25
60
165
65
90.75
52
175
186
77
78
96.25
102.3
70
71
186
100
102.3
100
162
60
89.1
45
184
80
101.2
76
160
88
88
88
176
171
82
73
96.8
94.05
77
65
176
183
74
77
96.8
100.65
67
70
171
187
82
88
94.05
102.85
78
87
176
191
81
63
96.8
105.05
76
50
163
186
80
59
89.65
102.3
75
44
171
81
94.05
77
186
180
66
75
102.3
99
53
67
51
Unidad 2
85
74
14
51
23
86
87
89
77
16
15
17
15
47
94
4
3
21
24
88
100
12
10
90
23
89
90
86
85
24
23
25
16
100
100
4
3
20
20
91
92
70
80
24
11
27
4
100
23
0
3
21
23
93
83
22
14
97
21
94
99
20
13
100
22
95
96
97
98
99
100
82
100
84
83
87
64
16
23
20
16
23
23
8
18
21
12
13
8
95
98
100
81
100
61
3
4
3
3
4
2
22
23
21
23
21
20
101
73
24
24
100
23
102
103
71
76
21
13
12
6
91
87
3
3
20
21
104
105
93
74
19
16
15
9
100
79
4
3
22
23
106
107
85
76
18
18
13
25
100
100
4
3
21
24
108
109
70
58
23
22
29
25
100
100
4
3
23
20
110
111
67
79
20
15
10
7
84
89
3
3
20
21
112
89
24
14
100
23
113
87
11
75
21
114
78
17
88
22
115
116
117
118
119
77
91
93
78
76
17
23
19
22
20
9
36
13
17
17
94
100
100
100
79
4
4
3
4
2
22
23
21
23
21
120
74
23
18
79
20
5
10
9
10
5
91
10
9
12
1
97
10
9
95
10
5
10
9
10
5
91
93
112
93
113
12
0
12
2
91
10
9
113
12
1
113
12
1
97
10
9
95
12
0
10
5
10
9
10
5
91
93
93
95
12
0
176
74
96.8
65
170
168
89
77
93.5
92.4
88
71
179
100
98.45
100
175
187
86
85
96.25
102.85
84
82
177
181
70
80
97.35
99.55
59
75
8
175
83
96.25
167
99
91.85
100
184
174
178
184
177
189
82
100
84
83
87
64
101.2
95.7
97.9
101.2
97.35
103.95
79
80
81
79
86
51
166
73
91.3
64
177
176
71
76
97.35
96.8
61
69
173
177
93
74
95.15
97.35
95
67
178
180
85
76
97.9
99
82
69
172
168
70
58
94.6
92.4
59
43
179
179
67
79
98.45
98.45
56
74
182
89
100.1
89
175
87
96.25
85
163
78
89.65
72
170
162
168
188
188
77
91
93
78
76
93.5
89.1
92.4
103.4
103.4
71
91
95
72
69
176
74
96.8
66
52
Unidad 2
121
77
14
96
23
122
95
17
100
20
123
79
19
88
20
124
125
126
73
80
59
15
22
18
11
17
19
87
100
100
3
3
4
21
22
23
127
78
85
21
128
129
86
78
22
9
19
6
75
75
3
2
24
23
130
86
17
12
94
20
131
74
21
89
20
132
70
18
15
97
21
133
134
87
86
16
20
16
18
85
100
3
4
23
21
135
136
137
90
82
87
11
17
26
3
11
25
72
84
98
3
4
4
22
22
23
138
81
15
13
95
21
139
90
85
23
140
79
16
11
71
21
141
142
143
94
88
74
16
26
25
11
33
16
93
94
90
4
4
3
20
23
20
144
62
16
10
88
20
145
90
20
16
96
21
146
74
11
86
22
147
88
18
87
23
148
75
92
21
149
78
59
24
150
151
89
86
13
2
7
3
30
25
1
0
23
20
152
69
76
20
153
154
90
68
7
3
4
2
25
90
1
4
23
21
10
5
10
5
10
9
10
5
91
93
12
2
10
9
95
12
0
10
5
10
5
10
9
113
12
1
97
114
10
5
10
5
10
9
10
5
91
93
10
9
10
5
12
0
10
5
10
5
10
9
10
5
91
10
9
10
5
10
188
77
103.4
71
186
95
102.3
97
169
79
92.95
74
179
175
178
73
80
59
98.45
96.25
97.9
65
75
44
186
78
102.3
72
181
185
86
78
99.55
101.75
83
72
180
86
99
85
186
74
102.3
67
173
70
95.15
59
173
188
87
86
95.15
103.4
85
84
174
177
178
90
82
87
95.7
97.35
97.9
91
79
85
183
81
100.65
76
170
90
93.5
89
170
79
93.5
74
168
181
165
94
88
74
92.4
99.55
90.75
95
87
66
180
62
99
48
175
90
96.25
90
176
74
96.8
66
184
88
101.2
87
178
75
97.9
67
179
78
98.45
72
158
158
89
86
86.9
86.9
88
84
175
69
96.25
59
171
178
90
68
94.05
97.9
90
57
53
Unidad 2
155
156
100
79
7
21
4
12
83
25
3
0
22
22
157
68
25
23
158
159
81
83
20
14
11
7
95
84
3
3
21
23
160
161
98
87
22
19
7
16
86
90
4
4
21
20
162
163
91
93
12
20
5
13
78
93
3
3
23
20
164
87
81
20
165
77
15
75
21
166
63
16
13
95
22
167
94
26
14
78
23
168
169
170
61
84
61
7
26
26
7
7
12
92
87
90
4
4
3
21
24
23
171
79
23
93
20
172
99
27
12
96
20
173
174
175
176
81
84
77
82
28
21
29
28
27
13
18
0
100
85
97
78
4
3
4
3
21
23
21
22
177
71
28
84
22
178
83
29
10
87
23
179
180
91
71
28
21
13
3
100
80
4
3
21
23
181
77
27
82
21
182
82
24
83
20
183
59
26
93
23
184
76
27
13
100
20
185
186
187
69
78
78
27
27
23
10
21
6
98
95
81
3
3
3
20
21
22
188
189
65
89
28
28
2
10
79
92
3
3
23
21
9
10
5
91
12
0
10
9
113
12
1
97
10
9
95
12
0
10
5
10
5
10
9
10
5
91
93
10
5
10
9
10
5
91
93
112
12
0
12
2
10
9
95
12
0
10
5
10
5
10
9
10
5
91
93
10
9
10
189
164
100
79
103.95
90.2
97
73
180
68
99
57
171
176
81
83
94.05
96.8
77
80
177
180
98
87
97.35
99
100
85
168
176
91
93
92.4
96.8
91
94
174
87
95.7
86
171
77
94.05
70
185
63
101.75
49
172
94
94.6
96
181
165
178
61
84
61
99.55
90.75
97.9
47
80
47
181
79
99.55
74
177
99
97.35
100
189
181
177
179
81
84
77
82
103.95
99.55
97.35
98.45
76
81
71
78
190
71
104.5
61
179
83
98.45
79
175
160
91
71
96.25
88
91
62
176
77
96.8
71
178
82
97.9
77
163
59
89.65
43
166
76
91.3
69
178
165
172
69
78
78
97.9
90.75
94.6
58
72
72
168
176
65
89
92.4
96.8
53
88
54
Unidad 2
190
90
20
85
24
191
80
29
10
100
23
192
193
194
195
196
58
61
98
89
81
27
27
29
27
27
4
2
10
13
3
95
70
95
100
80
4
2
3
4
4
20
20
21
20
21
197
198
77
78
27
23
4
4
82
83
3
4
23
21
199
95
28
93
22
200
74
28
13
100
22
201
55
20
10
98
23
202
75
29
21
95
21
203
204
70
71
27
27
6
2
81
79
3
3
23
21
205
206
79
74
29
28
10
4
92
85
3
4
20
23
207
208
80
81
28
20
10
4
100
95
4
3
20
20
209
210
85
96
27
23
10
13
70
95
3
3
21
22
211
78
28
95
23
212
73
28
81
21
213
214
215
216
217
218
219
220
92
84
80
74
74
92
89
73
20
29
27
27
29
28
28
20
4
6
13
10
21
6
2
10
79
92
85
100
95
70
95
95
3
4
4
2
3
4
2
3
24
23
20
20
21
20
20
21
5
10
5
10
9
10
5
91
93
93
115
10
9
95
12
0
10
5
10
5
10
9
10
5
91
10
9
113
12
1
97
10
9
95
10
5
10
9
10
5
91
93
112
91
93
93
115
176
90
96.8
91
176
80
96.8
75
175
182
184
176
179
58
61
100
89
81
96.25
100.1
101.2
96.8
98.45
41
46
100
88
77
165
159
77
78
90.75
87.45
71
71
174
95
95.7
98
171
74
94.05
66
178
55
97.9
37
183
75
100.65
68
177
189
70
71
97.35
103.95
60
61
176
184
79
74
96.8
101.2
73
65
193
179
80
81
106.15
98.45
76
77
173
179
85
96
95.15
98.45
83
99
169
78
92.95
72
175
73
96.25
64
165
175
186
186
162
184
160
176
92
84
80
74
74
92
89
73
90.75
96.25
102.3
102.3
89.1
101.2
88
96.8
93
81
75
66
67
93
89
65
55
Unidad 2
56
Unidad 4
Unidad 4. Pruebas de Hiptesis con dos

muestras y varias muestras de datos
numricos.
Competencia especifica de la unidad: Realizar aplicaciones de pruebas de hiptesis con
dos o ms poblaciones para inferir caractersticas de las mismas.
Subtemas;
4.1 Introduccin.
4.2 Distribuciones: normal y t de Student.
4.3 Pruebas de significancia.
4.4 Comparacin de dos muestras independientes: Pruebas t para las diferencias entre
dos medias.
4.5 Prueba de Fisher para varianzas y de igualdad de las varianzas de dos poblaciones
normales.
4.6 Comparaciones de dos muestras pareadas
4.7 Modelo totalmente aleatorio: anlisis de varianza de un factor.
4.8 Seleccin del tamao de muestra para estimar la diferencia de dos medias.
4.9 Aplicaciones.
Subtema 4.1 Introduccin

En muchas situaciones de toma de decisiones, a veces se necesita determinar si los
parmetros de dos poblaciones son iguales o diferentes. Por ejemplo el director de una
empresa est interesado en saber si los salarios de las empleadas son menores que la de
sus empleados varones. O bien determinar si la produccin de artculos empleando un
mtodo es mejor que otro mtodo. En estos casos y otros similares se emplean pruebas
de hiptesis con dos muestras o varias muestras de datos numricos.
57
Unidad 4
Subtema 4.2 Distribuciones normal y t de Student.

Investiga ampliamente en diversas fuentes bibliogrficas los siguientes temas:
a) Distribucin de muestreo para la diferencia entre dos parmetros.
b) Pruebas para diferencia entre medias. Muestras grandes.
c) Pruebas para diferencia entre medias. Muestras pequeas.
d) Distribucin Normal y t de Student.
Subtema 4.3 Pruebas de significancia.

Investiga ampliamente en diversas fuentes bibliogrficas los siguientes temas:
a) Pruebas de significancia.
Ejemplo: En un estudio de una tienda departamental diseado para probar si el saldo

promedio de las cuentas de 30 das es el mismo en sus dos sucursales suburbanas,
muestras tomadas al azar arrojaron los siguientes resultados:
Tienda
Tamao de
muestra
Media
Desviacin
estndar
80
64.2
16
100
71.41
22.13
A un nivel de significacin = 0.05, probar que los saldos medios reales observados en
las dos tiendas son iguales.
1 Paso: Plantear la Hiptesis de Investigacin: Los saldos a 30 das en las tiendas A y
B son diferentes.
2 Paso: Plantear las Hiptesis Nula a Alterna;
Hi: 1 - 2 0
Ho: 1 - 2 = 0
3 Paso: delimitar las regiones de aceptacin y rechazo.

4 Paso: Determinacin del valor crtico: en este caso se emplea el puntaje Z bilateral
el cual se busca en la tabla respectiva, dando un valor de Z + 1.96
5 Paso: Regla de decisin: si el estadstico de prueba est entre los valores crticos se
acepta como verdadera la hiptesis nula en caso contrario se acepta como verdadera la
hiptesis alterna.
58
Unidad 4
6 Paso: clculo del error estndar: Sx =

2.845
S 21 S 22
( + )
n1 n 2
7 Paso: clculo del Estadstico de Prueba: Ep =
162 22.132
+
)
80
100
((x 1 x 2) (12))
sx
Ep = ((64.2 71.41) - 0) / 2.845 = - 2.53

8 Paso: Resultado: dado que el estadstico de prueba (-2.53) es menor que el valor
crtico (-1.96) se acepta como verdadera la hiptesis alterna (Hi) y en consecuencia se
rechaza la hiptesis nula.
9 Paso: Conclusin: Con base en lo anterior se concluye que: Los saldos a 30 das en
las tiendas A y B son diferentes.
T61.- Dos encuestas independientes sobre salarios, realizadas en dos reas

metropolitanas muy distantes entre s, revelaron la siguiente informacin, con respecto a
los sueldos promedio de operadores de equipo pesado. Se puede concluir que los
sueldos son diferentes en las dos localidades?
Sea = 5 %
rea
35
650
150
35
700
100
T62.- El gerente de la gran cadena de tiendas Sears, afirma que la cantidad media de
ventas es mayor en su local ubicado en el centro de la ciudad, que el ubicado en la
Gran Plaza, probar tal afirmacin. Sea = 1 %
x
Sears
Centro
100
45
10
Gran Plaza
100
43.5
10
T63.- Un funcionario de Sectur, afirma que el ndice de ocupacin hotelera en

temporada alta es igual al correspondiente de temporada baja, para probar lo anterior se
toma en cada caso muestras aleatorias en esta ciudad, obteniendo los resultados. Sea =
5%
59
Unidad 4
Temporada
Alta
35
51.4
Baja
35
46.11 18.65
s
20.86
Subtema 4.4 Comparacin de dos muestras independientes: Pruebas t para las

diferencias entre dos medias.
Cuando n1, n2, son pequeos y se desconocen las varianzas de las poblaciones las
frmulas para calcular el error estndar de la diferencia de medias Sx cambia a las
n 11
n 21
s2 (2 )
1 1
2
siguientes: Sx = sp
donde
, una vez
s p = 1( 2)+
+
n1 n2
n 1+n 22
s
obtenido el error estndar, el clculo del estadstico de prueba es el mismo, que en el
(( x 1 x 2) (12))
, por otra parte para obtener el puntaje
sx
t-student en la tabla respectiva es necesario obtener los grados de libertad aplicando la
siguiente frmula: n1 + n2 - 2
caso anterior, o sea Ep =
Ejemplo: Las siguientes muestras aleatorias son las mediciones de la capacidad de

produccin de calor (en millones de caloras por tonelada) de tipos de carbn de dos
minas, utiliza un nivel de significancia de 0.01, para probar si la diferencia entre las
medias de las dos muestras es significativa.
Mina 1
8,260
8,130
8,350
8,070
8,340
Mina 2
7,950
7,890
7,900
8,140
7,920
7,840
Hiptesis nula: 1 - 2 = 0
Hiptesis alterna: 1 - 2 0,
= 0.01
gl = 5 + 6 2 = 9, puntaje obtenido en la tabla para una prueba de dos colas 3.250,
criterio para rechazar la
Hiptesis Nula: si Ep < 2
x
S
3.250 o Ep > 3.250. Muestr
Las medias y las varianzas
a
de las dos muestras son:
n1 = 5
8,230
15,750
n2 = 6
7,940
10,920
60
Unidad 4
2
Sx = 69.21
E p = 4.19 dado que estadstico
s p = 13,066.66, Sp = 114.3,
de prueba es mayor al valor crtico 3.250, se rechaza la hiptesis nula en consecuencia
se acepta la hiptesis alterna y se concluye que la capacidad de produccin de calor
promedio del carbn de las dos minas es diferente.
T64.- Para probar la afirmacin de que la estada promedio de los turistas en la ciudad
de Mrida es mayor en el mes de agosto que en junio, se tomaron muestras aleatorias en
ambos meses de varios aos. Proporcionan estos datos evidencia suficiente como para
aprobar la afirmacin? Sea = 5 %
Mes
Junio
16
3.125
1.4
Agosto
16
3.68
0.94
T65.- Un promotor de eventos tursticos cree que la afluencia de personas al espectculo

de luz y sonido de la zona arqueolgica de Uxmal en la versin en espaol es superior a
los que asisten en la versin en ingls por ms de 1000 personas. Para verificar lo
anterior el promotor toma una muestra aleatoria de 12 meses, obteniendo los resultados
siguientes. Sea = 10 %
Versin
Espaol
12
3482
2143
Ingls
12
1235
613
T66.- En muestras de fibras de nylon tomadas de dos mquinas de hilar se encontr que
8 de la primera mquina tenan una media en denier de 9.67 con una desviacin estndar
de 1.81, mientras que 10 de la segunda mquina tienen una media en denier de 7.43 con
una desviacin estndar de 1.48. Suponiendo que las poblaciones muestreadas son
normales y tengan la misma varianza, prueba la hiptesis nula de que 1 - 2 = 1.5
contra la hiptesis alterna de que 1 - 2 > 1.5, con un nivel de significancia de 0.05
61
Unidad 4
Subtema 4.5 Prueba de Fisher para varianzas y de igualdad de las varianzas de dos
poblaciones normales.
Muchas veces tenemos la necesidad de disponer de mtodos estadsticos para comparar
las varianzas de dos poblaciones a partir del anlisis de una sola poblacin. Por ejemplo
se desea comparar la precisin de un instrumento de medicin con la de otro, o la
estabilidad de un proceso de manufactura con la de otro a partir del anlisis de sus
varianzas. Podramos comparar las varianzas de dos poblaciones, 21
y 22
utilizando la razn de las varianzas muestrales s21/s22. Si s21/s22 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/s22, proporcionar evidencia de una diferencia
en las varianzas de las poblaciones.
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, vista anteriormente, en la cual podemos tener
varianzas iguales o diferentes en la poblacin.
Para conocer esto ltimo se requiere de la distribucin Fisher, y despus de utilizarla, se
tomar la decisin de tener o no varianzas iguales en la poblacin, dando pi a realizar
la comparacin de las dos medias segn estemos hablando. Primer caso en que las
varianzas de la poblacin son desconocidas pero iguales, o en el caso dos donde se
tienen varianzas desconocidas pero diferentes.
Para el ensayo de hiptesis se utilizar la relacin de varianzas, la cual puede dar tres
resultados:
En base a lo que se quiera probar, el ensayo podr ser unilateral derecho, izquierdo o
bilateral.
Ejemplo: La variabilidad en la cantidad de impurezas presentes en un lote de productos
qumicos, utilizada para un proceso en particular, depende del tiempo que tarda el
proceso. Un fabricante que emplea dos lneas de produccin 1 y 2, hizo un pequeo
ajuste al proceso 2, con la esperanza de reducir la variabilidad, as como la cantidad
media de impurezas en los productos qumicos. Muestras de n1=25 y n2=20 mediciones
de dos lotes produjeron las siguientes medias y varianzas:
62
Unidad 4
Presentan los datos evidencia suficiente para indicar que las variaciones son menores
para el proceso 2? Realice una prueba con un = 0.05.
Lnea
S2
25
3.2
1.04
20
3.0
0.51
Ensayo de hiptesis:
Estadstico de prueba:
La sugerencia que se hace es que el numerador sea el de mayor valor.

Entonces los grados de libertad para cada caso ser = n 1 o sea el tamao de la
muestra de la poblacin menos uno.
1= 25-1 = 24 grados de libertad del numerador,
2 = 20-1=19 grados de libertad del denominador. Buscando en la tabla de puntaje F

para = 0.05, encontramos en la tabla el valor de F24, 19, 0.05 = 2.11
Regla de decisin:
Si el estadstico de prueba Fc
2.11 No se rechaza Ho, Si la Fc > 2.11 se rechaza Ho.
Clculo:
Decisin y Justificacin: Como 2.04 es menor que 2.11 no se rechaza H o, y se concluye

con un = 0.05 que no existe suficiente evidencia para decir que la varianza del proceso
63
Unidad 4
2 es menor que la del proceso 1, en otras palabras las varianzas poblacionales son
iguales o casi iguales.
T67.- En su incansable bsqueda de un sistema de llenado adecuado, cierta empresa
prueba dos mquinas. Robo-fill se usa para llenar 16 frascos 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 = 0.01
T68.- Las capas de xido en las obleas semiconductoras son depositadas en una mezcla
de gases para alcanzar el espesor apropiado. La variabilidad del espesor es una
caracterstica crtica de la oblea, y lo deseable para los siguientes pasos de la fabricacin
es tener una variabilidad baja. Para ello se estudian dos mezclas diferentes de gases con
la finalidad de determinar con cul se obtienen mejores resultados en cuanto a la
reduccin en la variabilidad del espesor del xido. 21 obleas son depositadas en cada
gas. Las desviaciones estndar de cada muestra del espesor del xido son s 1 = 1.96
angstroms y s2 = 2.13 angstroms. Existe evidencia que indique una diferencia en las
desviaciones? Utilice = 0.05.
T69.- Una muestra aleatoria de (n 1) de 10 focos ahorradores dio una vida til promedio
de x 1 = 4,000 horas con una desviacin estndar s 1 = 200, otra muestra de (n 2) 8
focos del mismo tipo pero de otra marca, dio una vida til promedio de x 2 = 4,300
horas con una desviacin estndar s2 = 250, probar a un nivel de significancia de 1%
que: No existe diferencia entre la vida til de operacin de las dos marcas de focos.
Subtema 4.6 Comparaciones de dos muestras pareadas
En los subtemas anteriores: 4.4 Comparacin de dos muestras independientes: Pruebas t
para las diferencias entre dos medias. y 4.5 Prueba de Fisher para varianzas y de
igualdad de las varianzas de dos poblaciones normales, las muestras fueron escogidas de
manera independiente una de la otra. En otras situaciones tiene sentido tomar muestras
que no sean independientes entre s. El empleo de muestras dependientes o pareadas
permite llevar a cabo un anlisis ms preciso, porque permite controlar factores
externos. Tenemos muestras pareadas o correlacionadas cuando sabemos de antemano
que una observacin est relacionada con la otra. Pueden ser observaciones tomadas al
mismo tiempo, o medidas tomadas en un mismo sujeto o unidad en dos oportunidades o
tiempo distintos.
Ejemplo. El profesor de Estadstica Inferencial I, cree que si los alumnos desarrollan
trabajos de investigacin obtendrn mejores resultados en sus calificaciones, para
probar lo anterior escoge a 13 alumnos en forma aleatoria y les asigna trabajos de
investigacin, al final de la unidad presentan examen y selecciona en forma aleatoria a
otros 13 que no hicieron trabajos de investigacin y forma parejas, prueban los datos a
continuacin que los que realizaron trabajos de investigacin obtienen mejores
calificaciones que los dems? Sea a = 5 %
64
Con trabajos
Unidad 4
80 89 76 87
88 90 100
96 96 100
89 95 70
78 80 70 100
75 60 70
95 96 80
70 70 72
de investigacin
Sin trabajos de I.
1 Paso: Plantear la Hiptesis de Investigacin: Los alumnos que desarrollan

trabajos de Investigacin obtienen mejores calificaciones que los que no hacen trabajos
de Investigacin.
2 Paso: Plantear las Hiptesis Nula a Alterna:
Nula Ho: d < 0
Alterna Hi: d > 0
3 Paso: delimitar las regiones de aceptacin y rechazo.
Ho
Hi
4 Paso: Determinacin del valor crtico: en este caso se emplea el puntaje t

unilateral con (n-1) grados de libertad, = 5%, el cual se busca en la tabla respectiva,
dando un valor de t = 1.782
5 Paso: Regla de decisin: si el estadstico de prueba es menor que el valor crtico se
acepta como verdadera la hiptesis nula en caso contrario se acepta como verdadera la
hiptesis alterna.
6 Paso: Se obtiene las diferencias en el mismo orden que se planteo la hiptesis de
investigacin, (calificacin de alumnos que realizaron trabajos de investigacin menos
calificacin de alumnos que no realizaron trabajos de investigacin) luego se obtiene la
media de las diferencias y la desviacin estndar de las diferencias. Dando los
siguientes resultados: x d = 10.7692; Sd = 13.3613, donde x d y Sd representan la
media y la desviacin estndar muestral de las diferencias.
7 Paso: clculo del error estndar: Sx =
sd
n
; Sx = =
8 Paso: clculo del Estadstico de Prueba: Ep =
13.3613
13
( x )
sx
= 3.70577
Ep = (10.7692-0) /
3.70577 Ep = 2.90607
65
Unidad 4
9 Paso: Resultado: dado que el estadstico de prueba (2.90607) es mayor que el valor
crtico (1.782) se acepta como verdadera la hiptesis alterna (Hi) y en consecuencia se
rechaza la hiptesis nula.
10 Paso: Conclusin: Con base en lo anterior se concluye que los alumnos que
desarrollan trabajos de investigacin en el rea de estadstica obtienen mejores
resultados en sus calificaciones que aquellos que no realizaron trabajos de investigacin.
En este tipo de pruebas se puede presentar los siguientes casos: unilateral derecha,
unilateral izquierda, bilateral, el parmetro de comparacin puede ser cero u otra
cantidad, eso depender del planteamiento del problema.
T70.- Los siguientes datos representan las horas hombre que semanalmente se pierden
en promedio por accidentes de trabajo en 10 empresas antes y despus de que se
implantara un programa de seguridad. Utiliza un nivel de significacin de 5 % para
verificar si el programa de seguridad es eficaz.
Antes
45 73 46 124 33 57 83 34 26 17
Despus
36 60 44 119 35 51 77 29 24 11
T71.- Un promotor seleccion al azar a 15 parejas (hombre y mujer) y les solicit que
completaran un cuestionario para medir el nivel de satisfaccin con los servicios que
presta un centro recreativo. La tabla adjunta muestra los resultados de una encuesta.
Proporcionan estos datos una indicacin de que los hombres estn ms satisfechos con
dichos servicios, que sus respectivas parejas?
Sea = 5 %
hombres:
44 60 55 68 40 48 57 49 47 52 58 51 66 60 68
mujeres:
33 57 32 54 52 34 60 40 59 39 40 59 44 32 55
T72.- Un profesor de Estadstica inferencial I desea comparar un nuevo mtodo de

enseanza basado en mtodos audiovisuales e investigacin de campo en contraste con
el mtodo tradicional basado en exposicin verbal. Forma 12 pares de estudiantes y
asigna un elemento de cada par al grupo tradicional y otro al grupo del nuevo mtodo.
Al final del curso aplica exmenes similares ambos grupos, cuyos resultados se
muestran en la tabla adjunta. Sirven estos datos para probar con un nivel de
significacin de 5 % que ambos mtodos son iguales?
Mtodo
Nuevo:
94 91 68 88 75 66 94 88 96 88 95 87
Tradicional:
89 87 70 83 67 71 92 81 97 78 94 79
66
Unidad 4
T73.- El gerente del departamento de produccin de una empresa desarroll un curso de

capacitacin para el personal de determinada rea con el fin de que se incrementara la
productividad en dicho sector, se puede concluir que como resultado de este curso , la
productividad aument en promedio de dos unidades por persona ? Sea = 5 %
Antes:
15 30 49 47 50 52 74 62 49 70 72
Despus:
20 38 47 52 56 60 72 79 50 75 79
T74.- La directora de relaciones pblicas del Hotel Americano, desea verificar la

eficacia de un nuevo mtodo de promocin basado en videos, en contraste con la forma
tradicional de proporcionar psters y folletos. Hasta el ao pasado se utiliz el mtodo
tradicional, por lo que tom una muestra de 10 semanas de la temporada alta. A partir
del presente ao se aplica el nuevo mtodo de promocin, por lo que se toma una
muestra de 10 semanas de temporada alta. Estos datos se muestran en la tabla adjunta.
Verificar que el nuevo mtodo es mejor que el tradicional. Sea = 5 %
Mtodo
Nuevo
120 95 135 89 93 98 100 94 102 115
Tradicional
99 88 97 71 91 79 87 73 96
97
Subtema 4.7 Modelo totalmente aleatorio: anlisis de varianza de un factor.

El anlisis de la varianza permite contrastar la hiptesis nula de que las medias de K
poblaciones (K >2) son iguales, frente a la hiptesis alternativa de que por lo menos una
de las poblaciones difiere de las dems en cuanto a su valor esperado. Este contraste es
fundamental en el anlisis de resultados experimentales, en los que interesa comparar
los resultados de K 'tratamientos' o 'factores' con respecto a la variable dependiente o de
inters.
Ho: 1 = 2 =. . . k
Hi: Ho: 1 2 . . . k, por lo menos una es diferente.
El Anova requiere el cumplimiento los siguientes supuestos:
Las poblaciones (distribuciones de probabilidad de la variable dependiente

correspondiente a cada factor) son normales.
Las K muestras sobre las que se aplican los tratamientos son independientes.
Las poblaciones tienen todas igual varianza (homoscedasticidad).
67
Unidad 4
Ejemplo: El profesor de Estadstica Inferencial I, imparte clase a tres grupos los cuales
se muestran a continuacin verificar si los tres grupos son iguales en cuanto a
aprovechamiento. Sea a = 5 %
Observacin
4G1
4G2
4G3
85
71
59
75
75
64
82
73
62
76
74
69
71
69
75
85
82
67
79
74
66
5.83
4.47
5.66
s2
34
20
32
Hiptesis de Investigacin: Los tres grupos son diferentes en cuanto al

aprovechamiento
Ho: 1 = 2 = 3
Hi: 1 2 3 Por lo menos uno es diferente
Calculo de la media de medias:

mdm = ( x 1 +
x 2 +
x 3 +
x 4 + xk)/k
ni: tamao de muestra de cada grupo.

Calculo de la varianza s
s 2b =
2
b
nt : suma de los tamaos de muestra
[ nt ( x imdm )2 ]
k 1
[ 6 (7973 )2 +6 ( 7473 )2 +6 ( 6673 )2 ]
Calculo de la varianza
31
s
2
w
mdm = (79 + 74 + 66)/3 = 73
= 258
[ ( nt 1 ) s 2i ]
( nt k )
( 534+ 520+532 )
183
28.66
Calculo del estadstico de prueba: Ep =
s 2b
s 2w
Ep = 258 / 28.66 = 9
Calculo del puntaje o valor critico: en este caso se emplea el puntaje F con (k-1)
grados de libertad en el numerador y (nt k) grados de libertad en el denominador.
68
Unidad 4
gln = (k-1) = (3-1) = 2

gld = (18 3) = 15
= 5 %
Buscando en la tabla respectiva encontramos el siguiente valor de F0.05 = 3.68
F0.05 = 3.68
EP = 9
Resultado y conclusin: Dado que el estadstico de prueba (9) es mayor que el valor
crtico (3.68) se acepta como verdadera la Hiptesis alterna. En conclusin se puede
decir que el aprovechamiento en los tres grupos es diferente. Siendo el grupo 4G1 el
ms alto con media de 79, 4G2 intermedio con media de 74 y 4G3 el ms bajo con
media de 66.
En el caso de que las muestras sean de tamao diferentes, lo nico que cambia es la
media de medias y todas las dems frmulas quedan igual.
Por ejemplo, supongamos que tenemos tres grupos.
Grupo
A
B
C
6
5
4
media
58
57
59
(x * n )
i
mdm =
nt
mdm = (58*6 + 57*5 + 59*4)/15 = 57.93
T75.- Considera los datos siguientes sobre crecimiento de plantas despus de la

aplicacin de diferentes tipos de hormonas de crecimiento. Plantea una hiptesis de
investigacin y prubala Sea = 0.05
Hormona
Crecimiento de las
plantas
A1
13
17
14
B2
21
13
20
17
C3
18
15
20
17
D4
11
18
10
69
Unidad 4
E5
11
15
T76.- En un estudio de las propiedades de las vigas metlicas ensambladas con placas,
empleadas para soporte de techos, produjo las siguientes observaciones sobre el ndice
de rigidez axial (kilo libras/ pulgada), para longitudes de placa de 4, 6, 8, 10, 12
pulgadas. Tiene algn efecto la variacin de la longitud de placa sobre el promedio de
rigidez axial? Sea = 0.01
Long.
Placa
ndice de rigidez
Cuatro
309.2
409.5
311
326.5
316.8
349.8
309.7
Seis
402.1
347.2
361
404.5
331
348.9
381.7
Ocho
392.4
362.2
351
357.1
409.9
367.3
382
Diez
346.7
452.9
461.4
433.1
410.6
384.2
362.6
Doce
407.4
441.8
419.9
410.7
473.4
441.2
465.8
T77.- A continuacin se presentan los datos de un experimento en el que varios tipos

diferentes de cajas se compararon con respecto a la resistencia a la compresin. La
resistencia a la compresin depende del tipo de caja? Sea = 0.05
Tipo caja
Resistencia a la compresin
655.
5
788.3
734.3
721.4
679.1
699.4
789.
2
772.5
786.9
686.1
732.1
774.8
737.
1
639
696.3
671.7
717.2
772.1
535.
1
628.7
542.4
559
586.9
520
T78.- Los siguientes datos resultaron de un experimento que compara los grados de
manchas de tejido co polimerizado con tres mezclas diferentes de acido metacrilico
Influye de alguna manera los tipos de mezcla en el grado de manchas? Sea = 0.01
70
Unidad 4
Mezcla
Grados de mancha de tejido
0.56
1.12
0.9
1.07
0.94
0.72
0.69
0.87
0.78
0.91
0.62
1.08
1.07
0.99
0.93
T79.- Se analizaron seis muestras de cada uno de los cuatro tipos de cereales
producidos en cierta regin para determinar el contenido de tiamina, resultando los
siguientes datos. Sugiere esta informacin que por lo menos dos de tipos de granos
difieren con respecto al verdadero promedio de contenido de tiamina?. Sea = 0.05
Contenido de tiamina.
Trigo
5.2
4.5
6.7
5.8
6.1
Cebada
6.5
6.1
5.9
5.6
7.5
Maz
5.8
4.7
6.4
5.2
4.9
Avena
8.3
6.1
7.8
5.5
7.2
T80.- Un bilogo desea estudiar los efectos del etanol en el tiempo del sueo, se
selecciona una muestra de 20 ratas igualadas por edad y otras caractersticas, y a cada
una se administr una inyeccin oral con una concentracin diferente de etanol. El
rpido movimiento ocular (REM) en el tiempo del sueo de cada rata se registr durante
un periodo de 24 horas. Indican los datos que el verdadero promedio REM en tiempo
de sueo depende de la concentracin de etanol? Sea = 0.05
concentracin
REM
de etanol
T81.La
crtica
de
0 (Control)
88.6
73.2
91.4
68
75.2
es la mxima
ciclos/seg. A
1g
63
53.9
69.2
50.1
71.5
persona puede
2g
44.9
59.5
40.2
56.3
38.7
centelleo de
luminosa
4g
31
39.6
45.3
25.2
22.7
Una
realizada para ver si el verdadero promedio de la cff, depende del color
siguientes resultados Sea = 0.05
frecuencia
centelleo (cff)
frecuencia en
la que una
detectar
el
una
fuente
intermitente.
investigacin
del iris dio los
71
Unidad 4
color del iris
frecuencia critica de centelleo
Caf
26.8
27.9
23.7
25
26.3
Verde
26.4
24.2
28
26.9
29.1
Azul
25.7
27.2
29.9
28.5
29.4
24.8
25.7
24.5
28.3
Subtema 4.8 Seleccin del tamao de muestra para estimar la diferencia de dos
medias.
Si se recuerda a la distribucin muestral de diferencia de medias se tiene que el margen
de error esta dado por: e = z
21 22
+
n1 n2
En esta ecuacin se nos pueden presentar dos casos:
Los tamaos de muestra son iguales.
Los tamaos de muestra son diferentes.
Para el primer caso no se tiene ningn problema, se eleva al cuadrado la ecuacin y se

despeja n ya que n1 es igual a n2.
n=
z 2 ( 21 + 22 )
e2
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 poblacin es K veces mayor
que la otra. N1 = KN2
n2 =
z 2 ( 21 + k 22 )
k e2
72
Unidad 4
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?
n=
z 2 ( 21 + 22 )
e2
( 1.962 )( 22+2 2)
12
= 30.73 31
Cada grupo debe contener aproximadamente 31 empleados.

T82.- Los analistas quieren probar un nuevo frmaco antidiabtico y consideran que
sera clnicamente eficaz si lograse un descenso de 14 mg/dl respecto al tratamiento
habitual con el antidiabtico estndar. Por estudios previos se sabe que la desviacin
estndar de la glucemia en pacientes que reciben el tratamiento habitual es de 16 mg/dl.
Se espera que con el nuevo tratamiento la desviacin estndar sea por lo menos igual
para detectar diferencias si es que existen, con un nivel de confiabilidad de 99%
T83.- Con los mismos datos del ejemplo pero considerando que el tamao de la
poblacin del grupo 1 de trabajadores es de 300 en tanto que la poblacin del grupo 2 es
de 100.
T84.- Con los mismos datos del ejercicio T82 pero considerando que el tamao de la
poblacin del grupo de pacientes que recibe el tratamiento habitual es de 500, en tanto
que la poblacin del otro grupo, a quienes se le va a aplicar el nuevo frmaco es de 200.
Subtema 4.9 Aplicaciones. Son las tareas distribuidas a lo largo de cada subtema.
73
Unidad 4
74
Unidad 5
Unidad 5. Pruebas de hiptesis con dos

muestras y varias muestras con datos
categricos
Competencia especifica de la unidad: Realizar aplicaciones de pruebas de hiptesis
con varias poblaciones empleando datos categricos que permitan inferir el
comportamiento de sus parmetros.
Subtemas:
5.1 Prueba Z para la diferencia entre dos proporciones.
5.2 Prueba para la diferencia entre dos proporciones.
5.3 Prueba para la diferencia en n proporciones Z.
5.4 Prueba de independencia (ji-cuadrada).
5.5 Pruebas de contingencia (ji-cuadrada).
5.6 Pruebas de bondad de ajuste.
5.7 Aplicaciones.
Subtema 5.1 Prueba Z para la diferencia entre dos proporciones.
Esta prueba se aplica en diseos de investigacin en los que se estudia a dos grupos de
individuos a quienes se ha medido una variable cualitativa, tambin llamada categrica,
La variable tiene una escala compuesta de modalidades y se dispone de informacin
sobre la frecuencia de individuos en cada modalidad, tanto para un grupo como para el
otro. La variable cualitativa medida en ambos grupos se puede resumir en forma de
proporciones. Por lo anterior, se dispone de dos proporciones que pueden ser
comparadas para averiguar si existe una diferencia estadsticamente significativa entre
ellas.
En la prueba se plantean las siguientes hiptesis estadsticas:
Hiptesis estadstica nula: Ho: P1 = P2
75
Unidad 5
Hiptesis estadstica alterna: Hi: P1 P2

Donde:
P1: proporcin de inters calculada en el primer grupo. Calculada dividiendo f 1 / n 1
P2: proporcin de inters calculada en el segundo grupo, calculada dividiendo f 2 / n 2
El procedimiento de la prueba incluye la determinacin de un valor llamado z calculado.
El rechazo de Ho ocurre cuando el valor z calculado con los datos resulta mayor o
menor que el valor crtico de dicha medida que est contenido en la tabla de reas bajo
la curva normal.
En el caso de que se haya podido rechazar la Hi se dice que existe una diferencia
estadsticamente significativa entre ambas proporciones.
Ejemplo: Un odontlogo deseaba saber si la desercin del hbito de lavado dental era
diferente en nios que usaban pasta dental con diferentes sabores. Durante tres meses
proporcion dotaciones de pasta dental sabor cereza a un grupo de 16 nios y de sabor
menta a otro grupo de 15 nios. El inters del odontlogo era verificar si exista una
diferencia estadsticamente significativa entre la proporcin de desertores en uno y otro
grupo. Sea = 5%
Nios segn sabor de la pasta dental usada y desercin del hbito de lavado.
Pasta de dientes
desertaron
no desertaron
Sabor cereza
16
10
0.375
0.625
Sabor menta
15
10
0.666
0.333
Hiptesis de investigacin: existe una diferencia estadsticamente significativa entre las

proporciones de desertores en ambos grupos
Hiptesis estadstica nula: Ho: P1 = P2

Hiptesis estadstica alterna: Hi: P1 P2
76
Unidad 5
Antes de realizar la prueba es un requisito indispensable verificar que se cumplan las

siguientes cuatro condiciones: n1p1 5, n1q1 5, n2p2 5, n2q2 5
Al efectuar sus clculos encontr lo siguiente:
(16)(0.375) = 6; (16)(0.625) = 10; (15)(0.667) = 10; (15)(0.333) = 5
En vista de que se cumplan las condiciones procede a efectuar el siguiente clculo:
p1 p2
Ep=
^p =
1 1
^p q^
+
n 1 n2
6 +10
16+ 15
donde
= 0.5161;
^p =
q^
f 1+ f 2
n1+ n2
q^ = 1 -
^p
= 1 0.5162 = 0.4838, por lo tanto el estadstico
0.3750.666
de prueba queda: Ep =
( 0.5161 ) ( 0.4838 )
( 161 + 151 )
= - 1.62, el puntaje Z obtenido
en la tabla correspondiente, al nivel de significancia de 5% es = 1.96
Estadstico de prueba 1.62; dado que el estadstico de prueba est dentro del intervalo
1.96, o sea dentro del rea de aceptacin de la hiptesis nula, se concluye que no
existe una diferencia estadsticamente significativa entre las proporciones de desertores
en ambos grupos.
T85.- El profesor de Estadstica Inferencial imparte este curso a dos grupos, l supone
que ambos grupos son similares en cuanto al ndice de aprobacin, para verificar lo
anterior toma muestras aleatorias de las calificaciones aprobatorias de ambos grupos, las
cuales se presentan a continuacin, sirven estos datos para apoyar el supuesto del
profesor? Sea = 1 %
Grupo
Muestra
Aprobados
77
Unidad 5
4G1
180
120
4G2
220
150
T86.- Una empresa que se especializa en venta por catalogo ideo un nuevo formato que
en su concepto va a generar ms ventas que el formato del catalogo anterior, el nuevo
catalogo se enva a una muestra de 200 posibles compradores siendo el numero de
pedidos efectuados de 120. Hace unos meses cuando se utiliz el formato anterior se
hicieron 115 pedidos de 250 catlogos que se enviaron. Es mejor el nuevo formato que
el anterior? sea = 5 %
T87.- El administrador encargado del departamento de turismo afirma que la proporcin

de vuelos tipo charter provenientes de Europa ha disminuido. Para verificar lo anterior
toma al azar una muestra de 120 vuelos charter del ao pasado y nota que 35 provienen
de Europa. As mismo toma una muestra de 100 vuelos charter del presente ao y
observa que 23 provienen de Europa, prueban estos datos la afirmacin del
administrador? Sea = 5 %
T88.- Un funcionario del Departamento de Turismo afirma que la proporcin de

turistas norteamericanos que gestionan su viaje a Yucatn por medio de la agencia de
viajes Turyuc es mayor que la proporcin de turistas norteamericanos que gestionan
su viaje por medio de la agencia Merimex, los datos muestrales se indican en la tabla
adjunta. Probar la afirmacin del funcionario con un = 5 %
Agencia de Viajes.
Procedencia
Turyuc
Merimex.
Norteamericana
130
100
Otros.
20
80
T89.- Una muestra aleatoria de 32 amas de casa, indica que 22 prefieren la marca de
pasta de dientes Colgate y 10 prefieren la marca Crest, reflejan estos datos una
verdadera preferencia por la marca Colgate? Sea = 2 %
T90.- Un especialista en poltica de una universidad cree que la proporcin de electores

del distrito 1 excede en 5 % a la proporcin de electores del distrito 2. Con el fin de ver
si los hechos corroboran esta hiptesis, el profesor hace una encuesta entre los electores
de ambos distritos, con los siguientes resultados: Sea = 5 %
78
Distrito
Unidad 5
muestra
electores
150
113
II
160
104
Subtema 5.2 Prueba para la diferencia entre dos proporciones.

Utilizando la prueba ji-cuadrada.
Ejemplo: Determinar si hay alguna diferencia entre las pantas de procesamiento A y B,

en la proporcin de cajas de cereal que necesitan ser reprocesadas, de cada planta se
seleccionaron muestras de 200 cajas con los siguientes resultados. Estas se conocen
como frecuencias observadas.
Reprocesamiento
Planta A
Planta B
Totales
Si necesitan
19
21
40
No necesitan
181
179
360
Totales
200
200
400
El mtodo consiste en plantear la hiptesis nula de que la proporcin de xitos es la

misma en las dos poblaciones. (p1 = p2). Si esta hiptesis nula es cierta se podra
calcular las frecuencias que tericamente se encontrara en cada celda. Por ejemplo de
acuerdo con la hiptesis nula se puede determinar cuntas cajas defectuosas que
necesitan reproceso se pueden esperar. Se puede observar que de un total de 40 de las
400 en las muestras combinadas, 10% necesitan reprocesamiento. Esto significa una
frecuencia terica de 0.10 x 200 = 20 para la planta A y 0.10 x 200 = 20 para la planta
B. el nmero de cajas que tericamente no necesitan reproceso se obtiene restando el
nmero terico que necesita reproceso del tamao demuestra de cada planta. A
continuacin se muestran las frecuencias tericas.
20
20
180
180
79
Unidad 5
Las frecuencias tericas ft para cada celda se puede calcular mediante la siguiente
nR nC
frmula: ft =
donde nR es el nmero total en el rengln (40), nC es el nmero
nt
total en la columna (200) y nt es el tamao total de la muestra en este caso sera 400.
40(200)
360 (200)
= 20,
ft =
= 180, el mtodo de anlisis mediante ji400
400
cuadrado usa la diferencia entre la frecuencia observada y la frecuencia terica elevada
al cuadrado, esta diferencia al cuadrado entre la frecuencia terica, y el estadstico de
ft =
( foft)
ft
(sumatoria de todas las celdas), donde fo es la frecuencia observada de cada celda, ft es
la frecuencia terica de cada celda, R es el nmero de renglones en la tabla de
contingencia, C es el nmero de columnas en la tabla de contingencia. Este estadstico
sigue una distribucin ji-cuadrada aproximadamente con grados de libertad: gl = (R
1)(C 1),
prueba se obtiene mediante la siguiente frmula:
x 2(r1 )(c1)
Fo
ft
(fo ft)
(fo ft)2
19
20
-1
0.05
21
20
0.05
181
180
0.0055
179
180
-1
0.0055
Ep =
(foft)
ft
0.1111
Para un nivel de significancia de 10% y (2-1)(2-1) = 1 grado de libertad, se encuentra

en la tabla respectiva el puntaje ji-cuadrado = 2.706,
Ep = 0.1111
2.706
80
Unidad 5
Dado que el estadstico de prueba es menor que el valor crtico 2.706 se acepta como
verdadera la hiptesis nula, por lo que se concluye que no existe evidencia de una
diferencia entre las plantas A y B en la proporcin de cajas de cereal que necesitan
reprocesamiento.
Para los siguientes ejercicios resolver los problemas aplicando la prueba ji-cuadrada.
T91.- Considerar los datos del ejercicio T85
Subtema 5.3 Prueba para la diferencia en n proporciones Z.

El mtodo de prueba de ji-cuadrada para la diferencia de dos proporciones se puede
aplicar al caso ampliado en el que existen N poblaciones independientes a compara.
Siendo las hiptesis nula y alterna de la siguiente manera:
Ho: p1 = p2 = p3 =. . . . pn
Hi: por lo menos una proporcin es diferente a las otras.
La tabla de contingencias tendra dos renglones y C columnas, por lo tanto habran

C 1 grados de libertad para la prueba ji-cuadrada.
Ejemplo: En una encuesta de bienes races, una de las preguntas era para saber si haba
diferencia en las proporciones de casa con alberca con base a su ubicacin geogrfica en
la ciudad de Mrida, se desea probar la hiptesis de que las casa con alberca tienen
relacin con su ubicacin geogrfica, Sea = 1 %
81
Unidad 5
Ubicacin geogrfica
con Alberca
Brisas
C. Mxico
Country
Totales
No
61
45
48
154
Si
13
15
51
79
totales
74
60
99
233
Ho: pB = pcmex = pcountry
Hi: pB pcmex pcountry
Las frecuencias tericas ft para cada celda se puede calcular mediante la siguiente
nR nC
frmula: ft =
, de la misma manera que en el caso de la diferencia de dos
nt
proporciones visto en el subtema anterior. El mtodo de anlisis mediante ji-cuadrado
usa la diferencia entre la frecuencia observada y la frecuencia terica elevada al
cuadrado, esta diferencia al cuadrado entre la frecuencia terica, y el estadstico de
2
(foft)
(sumatoria
ft
de todas las celdas), donde fo es la frecuencia observada de cada celda, ft es la
frecuencia terica de cada celda, R es el nmero de renglones en la tabla de
contingencia, C es el nmero de columnas en la tabla de contingencia. Este estadstico
sigue una distribucin ji-cuadrada aproximadamente con grados de libertad: gl = (C
1).
prueba se obtiene mediante la siguiente frmula:
2
x(c1)
=
Fo
ft
(fo ft)
(fo ft)2
(foft)
ft
61
48.91
12.09
146.18
2.9885
45
39.66
5.34
28.51
0.7190
48
65.43
-17.43
303.8
4.64
13
25.09
-12.09
146.16
5.82
15
20.34
-5.34
28.51
1.40
51
33.57
17.43
303.8
9.05
24.6175
82
Unidad 5
Para un nivel de significancia de 1 % y (2-1) = 1 grado de libertad, se encuentra en la

tabla respectiva el puntaje ji-cuadrado = 9.21
9.21
Ep =24.6175
Dado que el estadstico de prueba es mayor que el valor crtico 9.21 se acepta como
verdadera la hiptesis alterna, por lo que se concluye que si hay relacin entre la
existencia de alberca en la casa y su ubicacin geogrfica en la ciudad de Mrida.
La proporcin de casas con alberca segn su ubicacin es la siguiente.
Brisas: 17.56%
Col. Mxico: 25%
Country: 51.5 %
T96.- La cervecera Modelo S. A. fabrica y distribuye tres tipos de cerveza: ligera, clara
y obscura. En un anlisis de segmentacin de mercado para las tres cervezas, el grupo
de investigacin encargado ha planteado la posibilidad de si la preferencia es
independiente del gnero del consumidor. Sea = 5 %
Cerveza preferida.
Gnero
Ligera
Clara
Oscura
Total
Hombre
20
40
20
80
Mujer
30
30
10
70
Total
50
70
30
150
T97.- El departamento de mercadotecnia de una compaa refresquera, quiere

determinar si el sabor de una nueva bebida que piensa lanzar al mercado, influir en las
83
Unidad 5
ventas. A 50 clientes se les da a probar bebidas de cada uno de los nuevos sabores y se
les pide su opinin, verificar si existe alguna preferencia por el sabor, Sea = 5 %
s a b o r e s
Uva
Gust
No gust
Fresa Manzana
20
26
41
30
24
09
T98.- Los puestos inciales de los egresados en administracin e ingeniera se clasifican

por industria, probar si hay independencia entre el tipo de carrera y el tipo de empresa
donde laboran. Sea a = 1 %
Tipo de
empresa
Tipo de carrera
Petrleo
Qumica.
Elctrica.
Computacin
Administracin
30
15
15
40
Ingeniera
30
30
20
20
Subtema 5.4 Prueba de independencia (ji-cuadrada).
La prueba ji-cuadrada se puede usar para determinar diferencias entre la proporcin de

xitos en cualquier nmero de poblaciones. Para una tabla de contingencias que tiene R
renglones y C columnas, la prueba ji-cuadrada se puede generalizar como una prueba
de independencia.
Ejemplo: La tabla adjunta muestra la cantidad de turistas que rentaron automviles en

una agencia respectiva, segn su procedencia y marca de vehculo preferido. Verifica si
existe alguna relacin entre la procedencia de los turistas y la marca de vehculo
rentado. Sea = 1 %
84
Unidad 5
marca
procedencia de los turistas

Mxico
USA
Europa
Japn
total
Honda
20
80
30
10
140
Wolkwagen
130
60
20
10
220
Toyota
70
60
90
60
280
total
220
200
140
80
640
Calculo de la frecuencia terica de cada celda de la manera acostumbrada:
(fo ft)2
Fo
ft
(fo ft)
20
48.125
-28.125
791.01563 16.4366883
80
43.75
36.25
1314.0625 30.0357143
30
30.625
-0.625
0.390625
0.0127551
10
17.5
-7.5
56.25
3.21428571
130
76.625
53.375
60
68.75
-8.75
20
48.125
-28.125
10
27.5
-17.5
306.25
11.1363636
70
96.25
-26.25
689.0625
7.15909091
60
87.5
-27.5
756.25
8.64285714
90
61.25
28.75
826.5625
13.494898
60
35
25
625
17.8571429
2848.8906 37.1796493
76.5625
1.11363636
791.01563 16.4366883
Estadstico de prueba
162.71977
Hi: por lo menos una proporcin es diferente. Si hay relacin, son dependientes.
Ho: las proporciones son iguales, no hay relacin, son independientes.
85
Unidad 5
Grados de libertad: (R 1)(C 1) = (3 1)(4 1) = 6 y = 0.01, en la tabla respectiva

de ji-cuadrada encontramos el valor de 16.812.
Dado que el estadstico de prueba es 162.71777 se rechaza la hiptesis nula y se acepta
en consecuencia la hiptesis alterna, lo cual indica que si hay relacin entre la
procedencia de los turistas y la marca del vehculo rentado. Siendo las preferencias de la
siguiente manera:
Para los turistas de Mxico la frecuencia observada ms alta es de 130 con relacin a la
marca de vehculo Wolkswagen; para los norteamericanos la preferencia es por la marca
Honda; para los turistas europeos y japoneses la marca preferida es Toyota.
16.812
162.71977
T99.- Los resultados de una encuesta hecha para determinar si la edad de los turistas
tiene alguna relacin con su estada en noches en la ciudad de Mrida, se muestra en la
tabla adjunta. Ser la estada independiente de la edad? Sea = 5 %
Edad de los turistas en aos

Estada
21 a 30
31 a 40
41 a 50
51 o ms
1 noche
748
821
786
720
2 noches
174
160
151
166
3 noches
31
25
22
16
4 noches o mas
10
86
Unidad 5
T100.- Los resultados de una encuesta realizada para determinar si la procedencia de los
turistas tiene alguna relacin con su estada en noches en la ciudad de Mrida, se
muestra en la tabla adjunta. Ser la estada independiente del lugar de origen de los
turistas? Sea = 1 %
Procedencia de los turistas
Estada en
noches
Mxico
USA
Europa
Japn
150
40
20
40
100
60
30
10
20
20
20
4 o mas
30
50
10
Subtema 5.5 Pruebas de contingencia (ji-cuadrada).

La prueba ji-cuadrado de contingencia sirve para comprobar la independencia de
frecuencias entre dos variables aleatorias, X e Y.
Las hiptesis contrastadas en la prueba son:
Hiptesis nula: X e Y son independientes.
Hiptesis alternativa: X e Y no son independientes (No importa cul sea la
relacin que mantengan ni el grado de esta.
Ejemplo: Vamos a presentar un ejemplo de dos caracteres binarios, que tienen que ver
con enfermos, para los cuales se ha observado si tienen o no una tendencia al suicidio
(carcter X). Las enfermedades han sido clasificadas como ''psicosis'' y ''neurosis''
(carcter Y). Se quiere saber si existe una dependencia entre las tendencias al suicidio y
la clasificacin de los enfermos. Probar lo anterior con un nivel de significancia de 5%.
Supongamos que la tabla de contingencias observada es:
Frecuencias observadas.
87
Unidad 5
Tendencia
Sin tendencia
Total
Psicosis
20
180
200
Neurosis
60
140
200
Total
80
320
400
Debemos obtener las frecuencias tericas del modo ya visto con anterioridad. Por lo que
estas frecuencias tericas seran:
Tendencia
Sin tendencia
Total
Psicosis
40
160
200
Neurosis
40
160
200
Total
80
320
400
Calculo del estadstico de prueba

Fo
Ft
(fo ft)
(fo ft)2
20
40
- 20
400
60
40
20
400
10
180
160
20
400
2.5
140
160
- 20
400
2.5
estadstico
de prueba
25
(foft)2
ft
10
Hiptesis nula: la variable tendencia al suicidio y la clasificacin de los enfermos son

independientes.
Hiptesis alternativa: la variable tendencia al suicidio y la clasificacin de los enfermos
no son independientes.
88
Unidad 5
Para obtener los grados de libertad (r 1) (c 1) = (2 1) (2 1) = 1, consultando en la

tabla respectiva de puntajes de x2, un grado de libertad y 5% de novel de significancia
obtenemos x2 = 7.88.
Rechazamos la hiptesis nula y concluimos que hay una dependencia entre la tendencia
al suicidio y la clasificacin de las enfermedades.
El test no precisa el sentido de esta dependencia. Para describirla hay que comparar las
proporciones de los suicidas entre los neurticos (60/200) y entre los sicticos (20/200).
T101.- Para estudiar la dependencia entre la prctica de algn deporte y la depresin, se
seleccion una muestra aleatoria de 100 jvenes con los siguientes resultados:
Sin depresin
Con depresin
Deportista
38
No deportista
31
22
Nivel de significancia 5 %
T102.- Un estudio que se realiz con 81 personas referente a la relacin entre la

cantidad de violencia vista en la televisin y la edad del televidente produjo los
siguientes resultados.
Edades de los televidentes
16 a 34
34 a 55
55 o mas
Poca violencia
12
21
Mucha violencia
18
15
Indican los datos que ver violencia en la televisin depende de la edad del televidente,
a un nivel de significacin del 5%?
Subtema 5.6 Pruebas de bondad de ajuste.
89
Unidad 5
La prueba de bondad de ajuste es un modelo estadstico que describe lo bien que se

ajusta un conjunto de observaciones, en el cual se compara una distribucin de
frecuencias observadas con la distribucin que podramos esperar en el modelo de
estudio. Tales medidas se pueden emplear en el contraste de hiptesis, y comprobar si
las frecuencias siguen una distribucin especfica.
Ejemplo: En un anlisis de mercado que elabor Tecno Marketing (TM), para

investigar las participaciones en el mercado de tres compaas (A, B, C). La compaa
C introdujo innovacin en su producto que reemplazar su participacin actual en el
mercado. El gerente de la compaa C pidi a TM determinar si el nuevo producto
causar alguna alteracin en las participaciones de los tres competidores en el mercado.
Las participaciones antes de la innovacin de C eran: A: 30%; B: 50%; C: 20%. Para
determinar la peticin del gerente de C, TM lleva a cabo una encuesta entre 200
clientes, a cada persona se le pidi especificar su preferencia de compra entre las tres
alternativas, los datos observados se muestran a continuacin. Sea a = 5 %
Hiptesis de investigacin: La introduccin de la innovacin en la compaa C,
produce variacin en las participaciones de las tres empresas.
Hi: pA pB pC
Ho: pA = pB = pC
Frecuencias observadas (f)

Producto
Producto
Nuevo producto
compaa A
compaa B
compaa C
48
98
54
Suma
200
Calculo de las frecuencias esperada (e)

Producto
Producto
Producto
compaa A
compaa B
compaa C
200(0.30) = 60
200(0.50) = 100
200(0.20) = 40
Estadstico de prueba: EP = (fi ei)2 / ei = (48-60)2 / 60 + (98-100)2 /100 + (54-40)2 /

40 Ep = 7.34
90
Unidad 5
El estadstico de prueba tiene distribucin ji-cuadrada con K-1 grados de libertad, donde
K es el nmero de grupos, en este caso son 3 grupos, y los grados de libertad son 2, con
a = 0.05, consultando en la tabla respectiva obtenemos el puntaje 2 = 5.99
Como 7.34 > 5.99 se rechaza Ho y se acepta Hi.
Por lo que se puede concluir que la innovacin en el producto presentada por la
compaa C si causa variacin en las participaciones de las tres empresas.
Ejercicios.
T103.- Una radiodifusora quiere determinar qu tipo de programacin prefieren los

jvenes entre 18 y 22 aos. Para lo cual se entrevista a 50 personas entre estas edades y
se les pide su opinin, la tabla adjunta muestra los resultados, verificar si existe
preferencia por algn tipo de programa. Sea a = 5 %
tipo
de
programa
Cultural
Noticias
Deportivo.
18
15
17
T104.- Una empresa encargada de la certificacin del tiraje de los medios de

comunicacin (peridicos) registr durante el mes de enero los siguientes porcentajes:
Diario de Yucatn 30%, Por Esto 28%, Mundo al Da, 25 %, otros 17%. Dos meses
despus una muestra de 300 suscriptores arroj los siguientes resultados.
Diario de Yucatn:
95
Por Esto:
70
Mundo al Da:
89
Otros
46
Pruebe, con = 5 %, si han cambiado las

proporciones en los diferentes medios de
comunicacin.
T105.- La empresa M&M/Mars, fabricante de los chocolates M&M patrocin una

encuesta nacional en la que mas de 10 millones de personas indicaron su preferencia por
un color nuevo. El conteo de esta encuesta dio como resultado el reemplazo del color
chocolate por un nuevo color azul. En el folleto Colors que public el Departamento
de Asuntos del Consumidor de M&M, la distribucin de colores de los chocolates es
como sigue:
Caf
Amarillo
Rojo
Naranja
Verde
Azul
30%
20%
20%
10%
10%
10%
91
Unidad 5
En un estudio que apareci en Chance (No. 4 1996) se usaron muestras de 1 lb. Para
determinar si eran vlidos los porcentajes publicados. Se obtuvieron los siguientes
resultados de una muestra de 506 chocolates.
Caf
Amarillo
Rojo
Naranja
Verde
Azul
177
135
79
41
36
38
Use a = 5 % para determinar si estos datos respaldan lo que public la empresa.
Subtema 5.7 Aplicaciones.
T106.- A continuacin se presentan las preferencias de grupos de consumidores hacia

tres marcas de ropa casual de tienda. Use a = 5 % para probar si hay alguna diferencia
de preferencias hacia las diferentes marcas.
Marca
Arabia
Betania
43
Capernaum
53
39
T107.- La distribucin normativa de las calificaciones para un curso de Estadstica en

una Universidad es:
A
10%
30%
40%
15%
5%
En una muestra de 120 calificaciones de Estadstica al final de semestre se encontraron:

A
18
30
40
22
10
Use = 5 % para probar si las calificaciones reales se desvan mucho de la norma?
92
Unidad 5
T108.- Un cirujano desarrollo una nueva tcnica quirrgica para el reemplazo de la

cabeza del fmur, que consideraba mejor a la tradicional en cuanto a complicaciones
postoperatorias, luego de intervenir a 106 adultos con edades comprendidas entre 55 y
65 aos observ la siguiente distribucin de frecuencias de complicaciones.
Nueva tcnica: distribucin de frecuencias de complicaciones observadas.
Dao nervioso
28
Hemorragia
16
desplazamiento
4
ninguna
58
Total
106
Tabla de referencia de frecuencias de complicaciones en porcentajes.

Dao nervioso
50%
Hemorragia
29.4%
desplazamiento
5.36%
ninguna
15.24%
Total
100%
Es mejor la nueva tcnica que la anterior? a un nivel de significancia de 5%
93
Bibliografa
Levin, Rubin, Balderas, Del Valle, Gmez, sptima edicin.
Estadstica para administracin y economa. Pearson, Mxico, 2004.
Freund, Williams, Perles, quinta edicin.

Estadstica para la Administracin. Con enfoque moderno. Prentice Hall, Mxico. 2005.
Berenson, Levine, cuarta edicin.

Estadstica bsica en Administracin. Prentice Hall. Mxico 2006.
Mara Teresa Gonzlez M, primera edicin.

Estadstica aplicada, una visin instrumental. Ed. Daz de Santos, S. A. Madrid, 2012.
Miguel ngel Gmez V. primera edicin.

Inferencia Estadstica. Ed. Daz de Santos, S. A. Madrid, 2005.
94

Apuntes IGE

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Apuntes IGE

Cargado por

Copyright:

Formatos disponibles

INSTITUTO TECNOLGICO DE MRIDA

DEPARTAMENTO DE CIENCIAS ECONOMICO-ADMINISTRATIVAS

INGENIERIA EN GESTIN EMPRESARIAL

Subtema 3.5 Pruebas para proporciones......................................................................38

Habilidad para buscar y analizar informacin proveniente de fuentes diversas.- Los

Con respecto al desarrollo de las competencias interpersonales:

Con respecto al desarrollo de las competencias sistmicas:

Con respecto al desarrollo de los valores:

Con todo lo anterior se pretende que los estudiantes de la carrera de Ingeniera en

De manera particular, el contenido de esta asignatura se aplica en el estudio de los

Competencias especficas del curso a desarrollar:

Explicar, desde un punto de vista Estadstico, los fenmenos involucrados en los

Para el logro de las competencias especficas anteriores el contenido del libro se

Unidad 1: Introduccin a la estadstica Inferencial.

Unidad 1. Introduccin a la estadstica Inferencial.

Subtema 1.1 Breve historia de la Estadstica

Por lo que la estadstica agrupa un conjunto de tcnicas mediante las cuales se

Los datos as como estn difcilmente

Subtema 1.3 Estadstica descriptiva.

Subtema 1.4 Estadstica inferencial.

Subtema 1.5 Breve introduccin a la inferencia estadstica.

Estadstica Inductiva o Inferencia Inductiva ya que es un procedimiento para generar

Subtema 1.6 Teora de decisin en estadstica.

se llaman hiptesis estadsticas y, en general, lo son sobre las distribuciones de

Si se quiere decidir sobre si

Subtema 1.7 Componentes de una investigacin estadstica.

Subtema 1.8 Recoleccin de datos.

Subtema 1.9 Estadstica paramtrica (poblacin y muestra aleatoria).

Subtema 1.10 Aplicaciones

T6.- Empleando la calculadora cientfica, calcula la media aritmtica o promedio,

T8.- Empleando el programa Excel, o cualquier otro programa estadstico de

Amex Amex Amex

Distribucin de frecuencias, datos ordenados.

T11.- Los siguientes datos representan el Cociente Intelectual, de un grupo de obreros

105 105 109 109 93

105 109 120

122 109 109 105 93

105 109 120 95

109 121 109 105 113 121 109 105 109 91

109 120 109 97

113 120 105 91

113 120 105 113 122

120 120 105 109 121 109

113 105 113 105 122 105 105 97

113 109 105 113 91

109 120 105

109 120 109 91

105 105 109 95

121 105 105 113 109 91

114 120 121 115

Unidad 2. Inferencia estadstica: Estimacin.

Esta tabla indica la distribucin de

Desviacin estndar poblacional de

Distribucin del muestreo

De la tabla anterior se puede concluir lo

Las propiedades de la distribucin de muestreo pueden variar dependiendo de cun

Subtema 2.3 Estimacin puntual.

T14.- Investiga en diversas fuentes bibliogrficas lo siguiente con respecto a un buen

Distribucin de muestreo de la media y la desviacin estndar

Ejemplo.- En una muestra de 25 galones de cierto producto tomada de una poblacin

Aplicando convenientemente los datos a la frmula anterior, tenemos: x =

Calculamos el puntaje Z para el extremo 92 aplicando la siguiente frmula:

T16.- Repetir el problema anterior, nicamente cambiando el tamao de la muestra a 36