Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Intervalos Hipótesis
Intervalos Hipótesis
UNIDAD I
TEORIA DEL MUESTREO
Muestras aleatorias
Errores en el muestreo
Distribuciones muestrales
Teorema del lmite central
Distribucin muestral de medias
Distribucin muestral de proporciones
Distribucin muestral de diferencia de medias
Distribucin muestral de diferencia de proporciones
Distribucin Muestral de nmero de defectos
Problemas propuestos
ESTIMACION
Estimacin Puntual
Propiedades de un buen estimador
Estimacin por intervalos
Estimacin para la media
Estimacin de una proporcin
Estimacin de la diferencia entre dos medias
Estimacin de la diferencia de Proporciones
DETERMINACION DE TAMAOS DE MUESTRA
Clculo del tamao de la muestra para estimar una media
Clculo del tamao de la muestra para estimar una proporcin
Clculo del tamao de la muestra para estimar la diferencia de medias
Clculo del tamao de la muestra para diferencia de proporciones
Problemas propuestos
UNIDAD II
PRUEBA DE HIPOTESIS
Hiptesis nula
Hiptesis alternativa
Error tipo I y tipo II
Pasos para establecer un ensayo de hiptesis
Tipos de Ensayo
Uso de valores P para la toma de decisiones
Error tipo II
Curva caracterstica de operacin
Problemas propuestos
hacer la tabla escribiendo diez dgitos del 0 al 9 en tiras de papel, las colocamos
en un recipiente y los revolvemos, de ah, la primera tira seleccionada determina
el primer nmero de la tabla, se regresa al recipiente y despus de revolver otra
vez se selecciona la seguida tira que determina el segundo nmero de la tabla;
el proceso contina hasta obtener una tabla de dgitos aleatorios con tantos
nmeros como se desee.
Hay muchas situaciones en las cuales el muestreo aleatorio simple es poco
prctico, imposible o no deseado; aunque sera deseable usar muestras
aleatorias simples para las encuestas nacionales de opinin sobre productos o
sobre elecciones presidenciales, sera muy costoso o tardado.
El muestreo estratificado requiere de separar a la poblacin segn grupos que
no se traslapen llamados estratos, y de elegir despus una muestra aleatoria
simple en cada estrato. La informacin de las muestras aleatorias simples de
cada estrato constituira entonces una muestra global.
Ejemplo 1.2
Suponga que nos interesa obtener una muestra de las opiniones de los
profesores de una gran universidad. Puede ser difcil obtener una muestra con
todos los profesores, as que supongamos que elegimos una muestra aleatoria
de cada colegio, o departamento acadmico; los estratos vendran a ser los
colegios, o departamentos acadmicos.
El muestreo por conglomerados requiere de elegir una muestra aleatoria
simple de unidades heterogneas entre s de la poblacin llamadas
conglomerados. Cada elemento de la poblacin pertenece exactamente a un
conglomerado, y los elementos dentro de cada conglomerado son usualmente
heterogneos o dismiles.
Ejemplo 1.3
Suponga que una compaa de servicio de televisin por cable est pensando
en abrir una sucursal en una ciudad grande; la compaa planea realizar un
estudio para determinar el porcentaje de familias que utilizaran sus servicios,
como no es prctico preguntar en cada casa, la empresa decide seleccionar una
parte de la ciudad al azar, la cual forma un conglomerado.
En el muestreo por conglomerados, stos se forman para representar, tan
fielmente como sea posible, a toda la poblacin; entonces se usa una muestra
aleatoria simple de conglomerados para estudiarla. Los estudios de instituciones
sociales como iglesias, hospitales, escuelas y prisiones se realizan,
generalmente, con base en el muestreo por conglomerados.
x
2
3
4
3
4
5
4
5
6
Error muestral e = x -
2 4 = -2
3 4 = -1
44=0
3 4 = -1
44=0
54=1
44=0
54=1
64=2
X1
Muestra 1
X2
X2
Muestra 2
X3
X3
Muestra 3
Xk
Muestra K
Xk
POBLACION
Distribucin muestral de
medias (x)
Muestra 1
s2
Muestra 2
Muestra 3
s1
s2
s3
sk
s3
Muestra K
sk
POBLACION
Distribucin muestral de
desviaciones estndar (s)
Ejemplo 1.6
Se eligen muestras ordenadas de tamao 2, con reemplazo, de la poblacin de
valores 0, 2, 4 y 6. Encuentre:
, la media poblaciona.
, la desviacin estndar poblacional.
x, la media de la distribucin muestral de medias.
x , la desviacin estndar de la distribucin muestral de medias.
Adems, grafique las frecuencias para la poblacin y para la distribucin
muestral de medias.
7
Solucin:
a) La media poblacional es:
=
0+ 2+4+6
=3
4
f
1
x
0 2 4 6
Grfica de frecuencias para la poblacin
(0 3)2 + (2 3) 2 + (4 3)2 + (6 3) 2
4
= 2.236
0
1
2
3
1
2
3
4
2
3
4
5
3
4
5
6
Distribucin de frecuencias de x
x
f
0
1
1
2
2
3
3
4
4
3
5
2
6
1
4
3
2
1
0
2 3
4 5 6
( fx
f
48
3
= 3
x =
x =
2.236
=
= 1.58
2
n
Como para cualquier variable aleatoria, la dsitribucin muestral de medias tiene
una media o valor esperado, una varianza y una desviacin estndar, se puede
demostrar que la distribucin muestral de medias tiene una media igual a la
media poblacional. Esto es:
x = E (x) = = 3
Distribuciones muestrales
Despus de haber realizado el ejercicio anterior se puede ver que una
distribucin muestral se genera extrayendo todas las posibles muestras del
mismo tamao de la poblacin y calculndoles a stas su estadstico.
Si la poblacin de la que se extraen las muestras es normal, la distribucin
muestral de medias ser normal sin importar el tamao de la muestra.
De aqu que podamos deducir que: x =
Poblacin
Normal
Poblacin Exponencial
n=50
n=30
n=20
Ejemplo
Para la dsitribucin muestral de medias del ejercicio pasado, encuentre:
a) El error muestral de cada media
b) La media de los errores muestrales
c) La desviacin estndar de los errores muestrales.
Solucin:
a) En la tabla siguiente se ven las muestras, las medias de las muestras y los
errores muestrales:
Muestra x Error muestral, e=x-
(0,0)
0
0 - 3 = -3
(0,2)
1
1 - 3 = -2
(0,4)
2
2 - 3 = -1
(0,6)
3
33=0
(2,0)
1
1 3 = -2
(2,2)
2
2 3 = -1
(2,4)
3
33=0
(2,6)
4
43=1
(4,0)
2
2 3 = -1
(4,2)
3
33=0
(4,4)
4
43=1
(4,6)
5
53=2
(6,0)
3
33=0
(6,2)
4
43=1
(6,4)
5
53=2
(6,6)
6
63=3
10
( 3 ) + ( 2 ) + ( 1 ) +
0 + ... + 2 + 3
16
= 0
(e e )2 f
=
N
=1.58
N n
x =
n N 1
donde es la desviacin estndar de la poblacin de donde se toman las
muestras, n es el tamao de la muestra y N el de la poblacin.
Como rfegla de clculo, si el muestreo se hace sin reemplazo y el tamao de la
poblacin es al menos 20 veces el tamao de la muestra (N20), entonces se
puede usar la frmula.
N n
El factor
se denomina factor de correccin para una poblacin finita.
N 1
Ejemplo:
Suponga que la tabla siguiente muestra la antiguedad en aos en el trabajo de
tres maestros universitarios de matemticas:
Maestro de matemticas
Antiguedad
A
6
B
4
C
2
Suponga adems que se seleccionan muestras aleatorias de tamao 2 sin
reemplazo. Calcule la antigedad media para cada muestra, la media de la
distribucin muestral y el error estndar, o la desviacin estndar de la
distribucin muestral.
Solucin:
Se pueden tener 3C2 =3 muestras posibles. La tabla lista todas las muestras
posibles de tamao 2, con sus respectivas medias muestrales.
Muestras
A,B
Antigedad
(6,4)
Media Muestral
11
A,C
B,C
(6,2)
(4,2)
4
3
2+4+6
=4
3
La media de la distribucin muestral es:
5+ 4 +3
x =
=4
3
La desviacin estndar de la poblacin es:
(6 4 )2 + (4 4 ) 2 + (2 4 ) 2
=
=
= 1 . 63
1 . 63
=
= 1 . 152
n
2
N n
1 . 63
=
N 1
2
32
= 0 . 816
31
S
Es la poblacin
infinita?
No
Se muestrea
con sustitucin?
No
S
Es
N20n?
x =
Nn
N 1
12
n
y para poblaciones finitas y muestro con reemplazo:
x
z=
N n
n N 1
Ejemplo:
Una empresa elctrica fabrica focos que tienen una duracin que se distribuye
aproximadamente en forma normal, con media de 800 horas y desviacin
estndar de 40 horas. Encuentre la probabilidad de que una muestra aleatoria
de 16 focos tenga una vida promedio de menos de 775 horas.
Solucin:
775 800
z=
= 2.5
40
0.0062
16
Este valor se busca en la tabla de z
P( x 775) = P (z 2.5) = 0.0062
775
800
N n 6.9
1000 25
=
= 1.36
25 1000 1
N 1
a)
z=
N n
N 1
172.5 174.5
= 1.47
1.36
175.8 174.5
z=
= 0.96
1.36
p (172.5 x 175.8) = 0.7607
0.7607
172.5
174.5
175.8
172 174.5
= 1.83
1.36
p ( x 172) = 0.00336
b) z =
0.0336
174.5
14
p1
Muestra 1
p1
p2
p3
.
.
pk
p
p2
Muestra 2
p3
Muestra 3
Muestra K
pk
POBLACION
Artculos Malos
1
2
3
4
5
4
3
2
1
0
Proporcin de
artculos
defectuoso
4/5=0.8
3/5=0.6
2/5=0.4
1/5=0.2
0/5=0
Total
Nmero de maneras
en las que se puede
obtener la muestra
8C1*4C4=8
8C2*4C3=112
8C3*4C2=336
8C4*4C1=280
8C5*4C0=56
792
15
(0.8 1/ 3)2 *8 +(0.6 1/ 3)2 *112+(0.4 1/ 3)2 *336+ (0.21/ 3)2 *280+(0 1/ 3)2 *56 = 0.1681
792
La varianza de la distribucin binomial es 2= npq, por lo que la varianza de la
distribucin muestral de proporciones es 2p =(Pq)/n. Si se sustituten los valores
en esta frmula tenemos que:
(1 / 3)(2 / 3)
p =
= 0.2108 , este valor no coincide con el de 0.1681, ya que nos
5
falta agregar el factor de correccin para una poblacin finita y un muestreo sin
reemplazo:
(1 / 3)(2 / 3) 12 5
p =
= 0.1681
5
12 1
p =
Pq N n
n N 1
300
200
100
0.2
z=
p P
Pq
n
16
N n
si se cumple con
N 1
Ejemplo:
Se ha determinado que 60% de los estudiantes de una universidad grande
fuman cigarrillos. Se toma una muestra aleatoria de 800 estudiantes. Calcule la
probabilidad de que la proporcin de la muestra de la gente que fuma cigarrillos
sea menor que 0.55.
Solucin:
Este ejercicio se puede solucionar por dos mtodos. El primero puede ser con la
aproximacin de la distribucin normal a la binomial y el segundo utilizando la
frmula de la distribucin muestral de proporciones.
Aproximacin de la distribucin normal a la binomial:
Datos:
n=800 estudiantes
p=0.60
x= (.55)(800) = 440 estudiantes
p(x<440) = ?
Media= np= (800)(0.60)= 480
z=
0.0017
x np
439.5 480
=
= 2.92
npq
800(0.60)(0.40 )
440-0.5=439.5
440
480
p(x<440) = 0.0017. Este valor significa que existe una probabilidad del 0.17% de
que al extraer una muestra de 800 estudiantes, menos de 440 fuman cigarrillos.
Distribucin Muestral de Proporciones
Datos:
n=800 estudiantes
P=0.60
p= 0.55
p(p<0.55) = ?
0.0017
0.55
0.60
0.55-(0.5/800)=0.549375
z=
p P
0.549375 0.60
x np
6.5 4.5
=
= 0.96
npq
150(0.03)(0.97 )
4.5
0.1685
6
6+0.5=6.5
p(x>6) = 0.1685. Este valor significa que existe una probabilidad del 17% de que
al extraer una muestra de 150 personas, mas de 6 presentarn una reaccin
adversa.
b) Distribucin Muestral de Proporciones
0.1685
Datos:
n=150 personas
P=0.03
p= 0.04
p(p>0.04) = ?
0.03
0.04
0.04+(0.5/150)=0.0433
18
z=
p P
0.0433 0.03
0.2327
0.03
0.04
0.03-(0.5/60)= 0.0216
z=
p P
0.0216 0.04
b) Datos:
n= 60 artculos
P=0.04
p= 0.01 y 0.05
p(0.01<p<0.05) = ?
0.01
0.04
0.01+(0.5/60)= 0.0183
z=
p P
Pq
n
0.0183 0.04
(0.04 )(0.96 )
60
= 0.86
z=
p P
Pq
n
0.05
0.05-(0.5/60)= 0.0416
0.0416 0.04
(0.04 )(0.96)
= 0.06
60
19
X11
X11-X 21
Muestra 1
X12
Muestra 2
Muestra 2
X12-X 22
X13-X 23
Muestra 3
Muestra 1
X22
X23
Muestra 3
X13
Muestra K
X1k-X 2k
Muestra K
X2k
X1k
POBLACION 1
Distribucin muestral de
Diferencia de Medias
POBLACION 2
, por lo
+ 2 .
n1
n2
2
n
2
20
p ( x1 x 2 20 ) = ?
0.1056
1 -2 =15
z=
( x1 x2 ) ( 1 2 )
1
+ 2
n1
n2
2
x1 x 2 = 20
20 (100 85)
(14.142 )
20
(12.247 )
= 1.25
25
p ( x A x B 1) = ?
0.0023
A -B=0.5
z=
( x A x B ) ( A B )
A2 B2
+
nA
nB
x A xB = 1
1 (7.2 6.7 )
(0.8) 2 + (0.7 )2
34
= 2.84
40
21
Ejemplo:
Se prueba el rendimiento en km/L de 2 tipos de gasolina, encontrndose una
desviacin estndar de 1.23km/L para la primera gasolina y una desviacin
estndar de 1.37km/L para la segunda gasolina; se prueba la primera gasolina
en 35 autos y la segunda en 42 autos.
a) Cul es la probabilidad de que la primera gasolina de un rendimiento
promedio mayor de 0.45km/L que la segunda gasolina?
b) Cul es la probabilidad de que la diferencia en rendimientos promedio se
encuentre entre 0.65 y 0.83km/L a favor de la gasolina 1?.
Solucin:
En este ejercicio no se cuenta con los parmetros de las medias en ninguna de
las dos poblaciones, por lo que se supondrn que son iguales.
0.0642
Datos:
1 = 1.23 Km/Lto
2 = 1.37 Km/Lto
n1 = 35 autos
n2 = 42 autos
1 -2 =0
a) p ( x1 x 2 0.45 ) = ?
z=
x1 x2 = 0 .45
( x1 x2 ) (1 2 )
12 22
+
n1
n2
( x1 x2 ) (1 2 )
1
+ 2
n1
n2
2
0.83 0
(1.23)2 + (1.37 )2
35
(1.23)2 + (1.37 )2
35
b) p (0.65 x1 x2 0.83) = ?
( x x2 ) (1 2 )
0.65 0
z= 1
=
= 2.19
2
2
2
2
1
(1.23) + (1.37 )
+ 2
n1
n2
35
42
z=
0.45 0
= 1.52
42
= 2.80
42
0.0117
1 -2 =0
0.65
0.83
22
p 11
Muestra 1
p 12
Muestra 2
Muestra 3
p 13
Muestra K
p11-p21
p12-p22
p13-p23
.
.
.
p1k-p2k
Muestra 1
p 22
Muestra 2
p 23
Muestra 3
Muestra K
p 2k
p 1k
Distribucin muestral de
Diferencia de Proporciones
POBLACION 1
POBLACION 2
P1q1
Pq
+ 2 2 .
n1
n2
23
z=
( p1 p 2 ) ( P1 P2 )
P1 q1
Pq
+ 2 2
n1
n2
Ejemplo:
Los hombres y mujeres adultos radicados en una ciudad grande del norte
difieren en sus opiniones sobre la promulgacin de la pena de muerte para
personas culpables de asesinato. Se cree que el 12% de los hombres adultos
estn a favor de la pena de muerte, mientras que slo 10% de las mujeres
adultas lo estn. Si se pregunta a dos muestras aleatorias de 100 hombres y 100
mujeres su opinin sobre la promulgacin de la pena de muerte, determine la
probabilidad de que el porcentaje de hombres a favor sea al menos 3% mayor
que el de las mujeres.
Solucin:
Datos:
PH = 0.12
PM = 0.10
nH = 100
nM = 100
p(pH-p M 0.03) = ?
0.4562
PH -PM=0.02 p H -p M=0.03
0.03-(0.5/100)=0.025
Se recuerda que se est incluyendo el factor de correccin de 0.5 por ser una
distribucin binomial y se est utilizando la distribucin normal.
z=
( pH
pM ) ( PH PM )
PH q H
P q
+ M M
nH
nM
Se concluye que la probabilidad de que el porcentaje de hombres a favor de la
pena de muerte, al menos 3% mayor que el de mujeres es de 0.4562.
Ejemplo:
Una encuesta del Boston College const de 320 trabajadores de Michigan que
fueron despedidos entre 1979 y 1984, encontr que 20% haban estado sin
trabajo durante por lo menos dos aos. Supngase que tuviera que seleccionar
otra muestra aleatoria de 320 trabajadores de entre todos los empleados
despedidos entre 1979 y 1984. Cul sera la probabilidad de que su porcentaje
muestral de trabajadores sin empleo durante por lo menos dos aos, difiera del
porcentaje obtenido en la encuesta de Boston College, en 5% o ms?
Solucin:
En este ejercicio se cuenta nicamente con una poblacin, de la cual se estn
extrayendo dos muestras y se quiere saber la probabilidad de la diferencia de los
24
0.063
p 1 -p2 =-0.05
0.063
P1 -P2 =0
-0.05+(0.5/320)=-0.0484
z=
( p1 p 2 ) ( P1 P2 )
P1q1
Pq
+ 2 2
n1
n2
z=
( p1 p 2 ) ( P1 P2 )
P1q1
Pq
+ 2 2
n1
n2
p 1 -p2 =0.05
0.05-(0.5/320)=0.0484
0.0484 0
= 1.53
(0.20 )(0.80) + (0.20)(0.80 )
320
320
0.0484 0
= 1.53
(0.20 )(0.80) + (0.20)(0.80)
320
320
25
Ejemplo:
Se sabe que 3 de cada 6 productos fabricados por la mquina 1 son defectuosos
y que 2 de cada 5 objetos fabricados por la mquina 2 son defectuosos; se
toman muestras de 120 objetos de cada mquina:
a) cul es la probabilidad de que la proporcin de artculos defectuosos de la
mquina 2 rebase a la mquina 1 en por lo menos 0.10?
b) cul es la probabilidad de que la proporcin de artculos defectuosos de la
mquina 1 rebase a la mquina 2 en por lo menos 0.15?
Solucin:
Datos:
P1 = 3/6 = 0.5
P2 = 2/5 = 0.4
n1 = 120 objetos
n2 = 120 objetos
a) p(p2-p10.10) = ?
z=
( p 2 p1 ) ( P2 P1 )
0.0011
P2 -P1 =-0.10
p 2 -p1 =0.10
0.10-(0.5/120)=0.0958
0.0958 ( 0.10)
= 3.06
(0.50 )(0.50) + (0.40 )(0.60)
120
120
P1q1
Pq
+ 2 2
n1
n2
Otra manera de hacer este ejercicio es poner P 1-P 2:
0.0011
p 1 -p2 =-0.10
P1 -P2 =0.10
-0.10+(0.5/120)=-0.0958
z=
( p1 p 2 ) ( P1 P2 )
P1q1
Pq
+ 2 2
n1
n2
0.0958 0.10
= 3.06
(0.50 )(0.50) + (0.40)(0.60 )
120
120
0.2357
P1 -P2 = 0.10
p 1 -p2 =0.15
0.15-(0.5/120)=0.1458
26
z=
( p1 p 2 ) ( P1 P2 )
0.1458 0.10
= 0.72
(0.50 )(0.50) + (0.40 )(0.60)
120
120
P1q1
Pq
+ 2 2
n1
n2
La probabilidad de que exista una diferencia de proporciones de artculos
defectuosos de por lo menos 15% a favor de la mquina 1 es de 0.2357.
Distribucin Muestral de Nmero de Defectos
En el control de calidad y especficamente en los grficos de control c se aplica
esta distribucin, la cual consiste en que al extraer un artculo contabilicemos el
nmero de defectos que tiene ese artculo.
Esta distribucin muestral proviene de la distribucin de Poisson, en la cual le
media es y que en este caso es el nmero promedio de defectos por unidad.
Como ya es conocido la varianza de la distribucin de Poisson es igual a por lo
que se puede deducir la formula de la siguiente manera:
x
z=
a)
z=
c C 5.5 8
=
= 0.88
C
8
c=6
C=8
6-0.5 = 5.5
27
b) z =
c C 6.5 8
=
= 0.53
C
8
z=
7.5 8
0.17
8
0.1344
c=7
7-0.5=6.5
C=8
7+0.5=7.5
c C 9.5 8
=
= 0.53
C
8
0.7019
C=8
c=9
9+0.5 = 9.5
b) 6 o ms puntos.
c) Entre 2 y 5 puntos.
4. Un especialista en gentica ha detectado que el 26% de los hombres y el
24% de las mujeres de cierta regin del pas tiene un leve desorden
sanguneo; si se toman muestras de 150 hombres y 150 mujeres, determine
la probabilidad de que la diferencia muestral de proporciones que tienen ese
leve desorden sanguneo sea de:
a) Menos de 0.035 a favor de los hombres.
b) Entre 0.01 y 0.04 a favor de los hombres.
5. Una urna contiene 80 bolas de las que 60% son rojas y 40% blancas. De un
total de 50 muestras de 20 bolas cada una, sacadas de la urna con
remplazamiento, en cuntas cabe esperar
a) Igual nmero de bolas rojas y blancas?
b) 12 bolas rojas y 8 blancas?
c) 8 bolas rojas y 12 blancas?
d) 10 mas bolas blancas?
6. Los pesos de 1500 cojinetes de bolas se distribuyen normalmente con media
de 2.40 onzas y desviacin estndar de 0.048 onzas. Si se extraen 300
muestras de tamao 36 de esta poblacin, determinar la media esperada y la
desviacin estndar de la distribucin muestral de medias si el muestreo se
hace:
a) Con remplazamiento
b) Sin remplazamiento
7. La vida media de una mquina para hacer pasta es de siete aos, con una
desviacin estndar de un ao. Suponga que las vidas de estas mquinas
siguen aproximadamente una distribucin normal, encuentre:
a) La probabilidad de que la vida media de una muestra aleatoria de 9 de
estas mquinas caiga entre 6.4 y 7.2 aos.
b) El valor de la x a la derecha del cual caera el 15% de las medias
calculadas de muestras aleatorias de tamao nueve.
8. Se llevan a cabo dos experimentos independientes en lo que se comparan
dos tipos diferentes de pintura. Se pintan 18 especmenes con el tipo A y en
cada uno se registra el tiempo de secado en horas. Lo mismo se hace con el
tipo B. Se sabe que las desviaciones estndar de la poblacin son ambas
1.0. Suponga que el tiempo medio de secado es igual para los dos tipo de
pintura. Encuentre la probabilidad de que la diferencia de medias en el
tiempo de secado sea mayor a uno a favor de la pintura A.
29
30
ESTIMACION
El objetivo principal de la estadstica inferencial es la estimacin, esto es que
mediante el estudio de una muestra de una poblacin se quiere generalizar las
conclusiones al total de la misma. Como vimos en la seccin anterior, los
estadsticos varan mucho dentro de sus distribuciones muestrales, y mientras
menor sea el error estndar de un estadstico, ms cercanos sern unos de
otros sus valores.
Existen dos tipos de estimaciones para parmetros; puntuales y por intervalo.
Una estimacin puntual es un nico valor estadstico y se usa para estimar un
parmetro. El estadstico usado se denomina estimador.
Una estimacin por intervalo es un rango, generalmente de ancho finito, que
se espera que contenga el parmetro.
Estimacin Puntual
La inferencia estadstica est casi siempre concentrada en obtener algn tipo de
conclusin acerca de uno o ms parmetros (caractersticas poblacionales).
Para hacerlo, se requiere que un investigador obtenga datos muestrales de cada
una de las poblaciones en estudio. Entonces, las conclusiones pueden estar
basadas en los valores calculados de varias cantidades muestrales . Po ejemplo,
representamos con (parmetro) el verdadero promedio de resistencia a la
ruptura de conexiones de alambres utilizados para unir obleas de
semiconductores. Podra tomarse una muestra aleatoria de 10 conexiones para
determinar la resistencia a la ruptura de cada una, y la media muestral de la
resistencia a la ruptura x se poda emplear para sacar una conclusin acerca del
valor de . De forma similar, si 2 es la varianza de la distribucin de resistencia
a la ruptura, el valor de la varianza muestral s2 se podra utilizar pra inferir algo
acerca de 2.
Cuando se analizan conceptos generales y mtodos de inferencia es
conveniente tener un smbolo genrico para el parmetro de inters. Se utilizar
la letra griega para este propsito. El objetivo de la estimacin puntual es
seleccionar slo un nmero, basados en datos de la muestra, que represente el
valor ms razonable de .
Una muestra aleatoria de 3 bateras para calculadora podra presentar
duraciones observadas en horas de x1=5.0, x2 =6.4 y x3=5.9. El valor calculado
de la duracin media muestral es x = 5.77, y es razonable considerar 5.77 como
el valor ms adecuado de .
Una estimacin puntual de un parmetro es un slo nmero que se puede
considerar como el valor ms razonable de . La estimacin puntual se obtiene
al seleccionar una estadstica apropiada y calcular su valor a partir de datos de
la muestra dada. La estadstica seleccionada se llama estimador puntual de .
31
()
32
Distribucin muestral de
medianas
33
34
Existen varias tablas en las cuales podemos encontrar el valor de z, segn sea
el rea proporcionada por la misma. En esta seccin se realizar un ejemplo
para encontrar el valor de z utilizando tres tablas diferentes.
Ejemplo:
Encuentre el valor de z para un nivel de confianza del 95%.
Solucin 1:
Se utilizar la tabla que tiene el rea bajo la curva de - hasta z. Si lo vemos
grficamente sera:
0.475
En base a la tabla que se esta utilizando, se tendr que buscar el rea de 0.975,
ya que cada extremo o cola de la curva tiene un valor de 0.025.
0.975
z = 1.96
Solucin 2:
Si se utiliza una tabla en donde el rea bajo la curva es de 0 a z:
En este caso slo se tendr que buscar adentro de la tabla el rea de 0.475 y el
resultado del valor de z ser el mismo, para este ejemplo 1.96.
35
Solucin 3:
Para la tabla en donde el rea bajo la curva va desde z hasta :
0.025
n
el parmetro y lo queremos estimar por medio de la media de la muestra, slo se
despejar de la formula anterior, quedando lo siguiente:
z
= x
n
De esta formula se puede observar que tanto el tamao de la muestra como el
valor de z se conocern. Z se puede obtener de la tabla de la distribucin normal
a partir del nivel de confianza establecido. Pero en ocasiones se desconoce
por lo que en esos casos lo correcto es utilizar otra distribucin llamada t de
student si la poblacin de donde provienen los datos es normal.
Para el caso de tamaos de muestra grande se puede utilizar una estimacin
puntual de la desviacin estndar, es decir igualar la desviacin estndar de la
muestra a la de la poblacin (s=).
Ejemplos:
1. Se encuentra que la concentracin promedio de zinc que se saca del agua a
partir de una muestra de mediciones de zinc en 36 sitios diferentes es de 2.6
gramos por mililitro. Encuentre los intervalos de confianza de 95% y 99%
para la concentracin media de zinc en el ro. Suponga que la desviacin
estndar de la poblacin es 0.3.
Solucin:
La estimacin puntual de es x = 2.6. El valor de z para un nivel de confianza
del 95% es 1.96, por lo tanto:
36
= x
z
(1.96 )(0.3) = 2.50 y 2.70
= 2.6
n
36
0.95
min = 2.50
max = 2.70
min = 2.47
max = 2.73
37
Z=-1.645
z
(1.654 )(3.38) = 16.39
= 17.17
n
48
Esto quiere decir que con un nivel de confianza de 95%, el valor de la media
est en el intervalo (16.39, ).
Estimacin de una Proporcin
Un estimador puntual de la proporcin P en un experimento binomial est dado
por la estadstica P=X/N, donde x representa el nmero de xitos en n pruebas.
Por tanto, la proporcin de la muestra p =x/n se utiulizar como estimador
puntual del parmetro P.
Si no se espera que la proporcin P desconocida est demasiado cerca de 0
de 1, se puede establecer un intervalo de confianza para P al considerar la
distribucin muestral de proporciones.
p P
z=
Pq
n
Al despejar P de esta ecuacin nos queda:
38
Pq
n
En este despeje podemos observar que se necesita el valor del parmetro P y
es precisamente lo que queremos estimar, por lo que lo sustituiremos por la
proporcin de la muestra p siempre y cuando el tamao de muestra no sea
pequeo.
pq
P= pz
n
Cuando n es pequea y la proporcin desconocida P se considera cercana a 0
a 1, el procedimiento del intervalo de confianza que se establece aqu no es
confiable, por tanto, no se debe utilizar. Para estar seguro, se debe requerir que
np nq sea mayor o igual a 5.
P= pz
pq
(0.03)(0.97 )
= 0.03 (1.645)
n
500
0.0237<P<0.0376
Se sabe con un nivel de confianza del 90% que la proporcin de discos
defectuosos que no pasan la prueba en esa poblacin esta entre 0.0237 y
0.0376.
P= pz
39
Solucin:
p=x/n = 20/400=0.05
z(0.95)=1.96
pq
(0.05)(0.95 )
= 1.96
= 0.021
n
400
Si p=0.05 se usa para estimar P, podemos tener un 95% de confianza en que P
dista menos de 0.021 de p. En otras palabras, si p=0.05 se usa para erstimar P,
el error mximo de estimacin ser aproximadamente 0.021 con un nivel de
confianza del 95%.
=z
P= pz
pq
(0.20 )(0.80)
= 0.20 (1.645)
= 0.20 0.038
n
300
0.162<P<0.238
40
z=
( x1 x 2 ) ( 1 2 )
12 2 2
+
n1
n2
1
22
1 2 = ( x1 x 2 ) z
+
n1
n2
En el caso en que se desconozcan las varianzas de la poblacin y los tamaos
de muestra sean mayores a 30 se podr utilizar la varianza de la muestra como
una estimacin puntual.
Ejemplos:
1. Se lleva a cabo un experimento en que se comparan dos tipos de motores, A
y B. Se mide el rendimiento en millas por galn de gasolina. Se realizan 50
experimentos con el motor tipo A y 75 con el motor tipo B. La gasolina que se
utiliza y las dems condiciones se mantienen constantes. El rendimiento
promedio de gasolina para el motor A es de 36 millas por galn y el promedio
para el motor B es 24 millas por galn. Encuentre un intervalo de confianza
de 96% sobre la diferencia promedio real para los motores A y B. Suponga
que las desviaciones estndar poblacionales son 6 y 8 para los motores A y
B respectivamente.
Solucin:
Es deseable que la diferencia de medias sea positiva por lo que se recomienda
restar la media mayor menos la media menor. En este caso ser la media del
motor B menos la media del motor A.
El valor de z para un nivel de confianza del 96% es de 2.05.
2
A
B2
36 64
B A = (x B x A ) z
+
= (42 36) 2.05
+
nA
nB
50 75
3.43<B-A <8.57
La interpretacin de este ejemplo sera que con un nivel de confianza del 96% la
diferencia del rendimiento promedio esta entre 3.43 y 8.57 millas por galn a
favor del motor B. Esto quiere decir que el motor B da mas rendimiento promedio
que el motor A, ya que los dos valores del intervalo son positivos.
2. Una compaa de taxis trata de decidir si comprar neumticos de la marca A
o de la B para su flotilla de taxis. Para estimar la diferencia de las dos
marcas, se lleva a cabo un experimento utilizando 12 de cada marca. Los
neumticos se utilizan hasta que se desgastan, dando como resultado
promedio para la marca A 36,300 kilmetros y para la marca B 38,100
kilmetros. Calcule un intervalo de confianza de 95% para la diferencia
promedio de las dos marcas, si se sabe que las poblaciones se distribuyen
41
A
2
5000 2 6100 2
B A = (xB xA ) z
+ B = (38100 36300) 1.96
+
nA
nB
12
12
-2662.68<B-A <6262.67
Grficamente:
0.95
B A = 2662.68
B A = 6262.67
B A = 0
Como el intervalo contiene el valor cero, no hay razn para creer que el
promedio de duracin del neumtico de la marca B es mayor al de la marca A,
pues el cero nos est indicando que pueden tener la misma duracin promedio.
Estimacin de la Diferencia de dos Proporciones
En la seccin anterior se vio el tema de la generacin de las distribuciones
muestrales, en donde se tena el valor de los parmetros, se seleccionaban dos
muestras y podamos calcular la probabilidad del comportamiento de los
estadsticos. Para este caso en particular se utilizar la distribucin muestral de
diferencia de proporciones para la estimacin de las misma. Recordando la
formula:
( p p 2 ) ( P1 P2 )
z= 1
P1 q1
Pq
+ 2 2
n1
n2
Despejando P 1-P 2 de esta ecuacin:
Pq
Pq
P1 P2 = ( p1 p 2 ) z 1 1 + 2 2
n1
n2
Aqu se tiene el mismo caso que en la estimacin de una proporcin, ya que al
hacer el despeje nos queda las dos proporciones poblacionales y es
precisamente lo que queremos estimar, por lo que se utilizarn las proporciones
de la muestra como estimadores puntuales:
pq
p q
P1 P2 = ( p1 p 2 ) z 1 1 + 2 2
n1
n2
Ejemplos:
1. Se considera cierto cambio en un proceso de fabricacin de partes
componentes. Se toman muestras del procedimiento existente y del nuevo
42
Usuaria
1246
42
0.0337
No Usuaria
11178
294
0.0263
43
Como n debe de ser un nmero entero, redondeamos hacia arriba todos los
resultados fraccionarios.
En el caso de que se tenga una poblacin finita y un muestreo sin reemplazo, el
error de estimacin se convierte en:
z N n
=
n N 1
De nuevo se eleva al cuadrado ambos lados y se despeja la n, obteniendo:
n=
z 2 2 N
2 ( N 1) + z 2 2
Ejemplos:
1. Un bilogo quiere estimar el peso promedio de los ciervos cazados en el
estado de Maryland. Un estudio anterior de diez ciervos cazados mostr que
la desviacin estndar de sus pesos es de 12.2 libras. Qu tan grande debe
ser una muestra para que el bilogo tenga el 95% de confianza de que el
error de estimacin es a lo ms de 4 libras?
44
Solucin:
z
(1.96 )(12.2 )
n =
=
= 35.736
4
45
Esta frmula est algo engaosa, pues debemos utilizar p para determinar el
tamao de la muestra, pero p se calcula a partir de la muestra. Existen
ocasiones en las cuales se tiene una idea del comportamiento de la proporcin
de la poblacin y ese valor se puede sustituir en la frmula, pero si no se sabe
nada referente a esa proporcin entonces se tienen dos opciones:
Tomar una muestra preliminar mayor o igual a 30 para proporcionar una
estimacin de P. Despus con el uso de la frmula se podra determinar de
forma aproximada cuntas observaciones se necesitan para proporcionar el
grado de precisin que se desea.
Tomar el valor de p como 0.5 ya que sustituyendo este en la frmula se
obtiene el tamao de muestra mayor posible. Observe el siguiente ejemplo:
Se desconoce el valor de P, por lo que se utilizarn diferentes valores y se
sustituirn en la formula para observar los diferentes tamaos de muestras. El
nivel de confianza que se utilizar es del 95% con un error de estimacin de
0.30.
z 2 pq
p
n
2
(1.96) 2(0.10)(0.90)
0.10
3.84
(0.30)2
(1.96) 2(0.20)(0.80)
0.20
6.82
(0.30)2
(1.96)2(0.30)(0.70)
0.30
8.96
(0.30) 2
(1.96) 2(0.40)(0.60)
0.40
10.24
(0.30)2
(1.96)2(0.50)(0.50)
0.50
10.67
(0.30) 2
(1.96)2(0.60)(0.40)
0.60
10.24
(0.30) 2
(1.96)2(0.70)(0.30)
0.70
8.96
(0.30) 2
(1.96) 2(0.80)(0.20)
0.80
6.82
(0.30)2
(1.96) 2(0.90)(0.10)
0.90
3.84
(0.30)2
Como se puede observar en la tabla anterior cuando P vale 0.5 el tamao de la
muestra alcanza su mximo valor.
En el caso de que se tenga una poblacin finita y un muestreo sin reemplazo, el
error de estimacin se convierte en:
pq N n
=z
n N 1
46
Ejemplos:
1. En una muestra aleatoria de 500 familias que tienen televisores en la ciudad
de Hamilton, Canad, se encuentra que 340 estn suscritas a HBO. Qu
tan grande se requiere que sea una muestra si se quiere tener 95% de
confianza de que la estimacin de P est dentro de 0.02?
Solucin:
Se tratarn a las 500 familias como una muestra preliminar que proporciona una
estimacin de p=340/500=0.68.
2
z 2 pq (1.96) (0.68)(0.32 )
n= 2 =
= 2090
(0.02) 2
Por lo tanto si basamos nuestra estimacin de P sobre una muestra aleatoria de
tamao 2090, se puede tener una confianza de 95% de que nuestra proporcin
muestral no diferir de la proporcin real por ms de 0.02.
2. Una legisladora estatal desea encuestar a los residentes de su distrito para
conocer qu proporcin del electorado conoce la opinin de ella, respecto al
uso de fondos estatales para pagar abortos. Qu tamao de muestra se
necesita si se requiere un confianza del 95% y un error mximo de
estimacin de 0.10?
Solucin:
En este problema, se desconoce totalmente la proporcin de residentes que
conoce la opinin de la legisladora, por lo que se utilizar un valor de 0.5 para p.
2
z 2 pq (1.96) (0.50 )(0.50)
n= 2 =
= 96.04
(0.10) 2
Se requiere un tamao de muestra de 97 residentes para que con una confianza
del 95% la estimacin tenga un error mximo de 0.10.
Clculo del Tamao de la Muestra para Estimar la Diferencia de Medias
Si se recuerda a la distribucin muestral de diferencia de medias se tiene que
error esta dado por:
21 2 2
=z
+
n1
n2
En esta ecuacin se nos pueden presentar dos casos:
Los tamaos de muestra son iguales.
Los tamao de muestra son diferentes .
47
Poblaci
n 1
Poblacin 2
n1=Kn2
z 2 21 + k 22
n2 =
k 2
Ejemplo:
Un director de personal quiere comparar la efectividad de dos mtodos de
entrenamiento para trabajadores industriales a fin de efectuar cierta operacin
de montaje. Se divide un nmero de operarios en dos grupos iguales: el primero
recibe el mtodo de entrenamiento 1, y el segundo, el mtodo 2. Cada uno
realizar la operacin de montaje y se registrar el tiempo de trabajo. Se espera
que las mediciones para ambos grupos tengan una desviacin estndar
aproximadamente de 2 minutos. Si se desea que la estimacin de la diferencia
en tiempo medio de montaje sea correcta hasta por un minuto, con una
probabilidad igual a 0.95, cuntos trabajadores se tienen que incluir en cada
grupo de entrenamiento?
z 2 21 + 2 2
1.96 2 2 2 + 2 2
n=
=
= 31
2
12
Cada grupo debe contener aproximadamente 31 empleados.
) (
)(
48
z 2 ( p1q1 + p 2 q 2 )
2
Para el segundo caso se pondr una n en funcin de la otra. Este caso se utiliza
cuando las poblaciones son de diferente tamao y se sabe que una es K veces
mayor que la otra.
n=
Poblaci
n 1
Poblacin 2
n1=Kn2
z 2 ( p1q1 + kp2 q 2 )
n2 =
k 2
Ejemplo:
Una compaa de productos alimenticios contrat a una empresa de
investigacin de mercadotecnia , para muestrear dos mercados, I y II, a fin de
comparar las proporciones de consumidores que prefieren la comida congelada
de la compaa con los productos de sus competidores. No hay informacin
previa acerca de la magnitud de las proporciones P1 y P2. Si la empresa de
productos alimenticios quiere estimar la diferencia dentro de 0.04, con una
probabilidad de 0.95, cuntos consumidores habr que muestrear en cada
mercado?
z 2 ( p1q1 + p 2 q2 ) 1.96 2 [(0.5)(0.5) + (0.5)(0.5)]
n=
=
= 1200.5
2
0.04 2
Se tendr que realizar encuestas a 1201 consumidores de cada mercado para
tener una estimacin con una confianza del 95% y un error mximo de 0.04.
Problemas propuestos
1. Se prob una muestra aleatoria de 400 cinescopios de televisor y se
encontraron 40 defectuosos. Estime el intervalo que contiene, con un
coeficiente de confianza de 0.90, a la verdadera fraccin de elementos
defectuosos.
2. Se planea realizar un estudio de tiempos para estimar el tiempo medio de un
trabajo, exacto dentro de 4 segundos y con una probabilidad de 0.90, para
terminar un trabajo de montaje. Si la experiencia previa sugiere que = 16
seg. mide la variacin en el tiempo de montaje entre un trabajador y otro al
realizar una sola operacin de montaje, cuntos operarios habr que incluir
en la muestra?
3. El decano registr debidamente el porcentaje de calificaciones D y F
otorgadas a los estudiantes por dos profesores universitarios de
matemticas. El profesor I alcanz un 32%, contra un 21% para el profesor II,
con 200 y 180 estudiantes, respectivamente. Estime la diferencia entre los
49
50
0.07532 P 0.1246
n= 44
0.0222 P1- P 2 0.1978
33.412 34.588
n= 6147
0.059 PB-P A 0.141
n= 1086
12.22 1-2 13.98
n= 8
51
UNIDAD
II
PRUEBA DE HIPOTESIS
Las secciones anteriores han mostrado cmo puede estimarse un parmetro a
partir de los datos contenidos en una muestra. Puede encontrarse ya sea un
slo nmero (estimador puntual) o un intervalo de valores posibles (intervalo de
confianza). Sin embargo, muchos problemas de ingeniera, ciencia, y
administracin, requieren que se tome una decisin entre aceptar o rechazar
una proposicin sobre algn parmetro. Esta proposicin recibe el nombre de
hiptesis. Este es uno de los aspectos ms tiles de la inferencia estadstica,
puesto que muchos tipos de problemas de toma de decisiones, pruebas o
experimentos en el mundo de la ingeniera, pueden formularse como problemas
de prueba de hiptesis.
Una hiptesis estadstica es una proposicin o supuesto sobre los parmetros
de una o ms poblaciones.
Suponga que se tiene inters en la rapidez de combustin de un agente
propulsor slido utilizado en los sistemas de salida de emergencia para la
tripulacin de aeronaves. El inters se centra sobre la rapidez de combustin
promedio. De manera especfica, el inters recae en decir si la rapidez de
combustin promedio es o no 50 cm/s. Esto puede expresarse de manera formal
como
Ho; = 50 cm/s
H1; 50 cm/s
La proposicin Ho ; = 50 cm/s, se conoce como hiptesis nula , mientras que
la proposicin H1 ; 50 cm/s, recibe el nombre de hiptesis alternativa.
Puesto que la hiptesis alternativa especifica valores de que pueden ser
mayores o menores que 50 cm/s, tambin se conoce como hiptesis
alternativa bilateral. En algunas situaciones, lo que se desea es formular una
hiptesis alternativa unilateral, como en
Ho; = 50 cm/s
Ho; = 50 cm/s
52
53
54
Decisin
Aceptar Ho
Rechazar Ho
Ho es verdadera
No hay error
Error tipo I
Ho es falsa
Error tipo II
No hay error
55
Ho
Ho; Parmetro x
H1; Parmetro > x
Regin de
rechazo
Regin de aceptacin
Parmetro = x
Unilateral Izquierdo: El investigador desea comprobar la hiptesis de una
disminucin en el parmetro, en este caso el nivel de significancia se carga
todo hacia el lado izquierdo, para definir las regiones de aceptacin y de
rechazo.
Ensayo de hiptesis:
H1
Ho
Regin de
Ho; Parmetro x
rechazo
H1; Parmetro < x
Regin de aceptacin
Parmetro = x
Ho; Parmetro = x
H1; Parmetro x
Regin de
rechazo
Regin de
Rechazo
/2
/2
Regin de aceptacin
Parmetro = x
Para realizar los ejemplos y ejercicios de ensayo de hiptesis se recomienda
seguir los pasos mencionados anteriormente. Los ejemplos siguientes se
solucionarn por los pasos recomendados, tenindose una variedad de
problemas en donde se incluirn a todas las distribuciones muestrales que se
han visto hasta aqu.
Ejemplos:
56
= 0.05
Regin de aceptacin
= 70
ZL = 1.645
4. Regla de decisin:
Si zR 1.645 no se rechaza Ho.
Si zR> 1.645 se rechaza Ho.
5. Clculos:
x 71.8 70
ZR = R
=
= 2.02
8.9
n
100
6. Justificacin y decisin.
Como 2.02 >1.645 se rechaza Ho y se concluye con un nivel de significancia
del 0.05 que la vida media hoy en da es mayor que 70 aos.
Existe otra manera de resolver este ejercicio, tomando la decisin en base al
estadstico real, en este caso la media de la muestra. De la formula de la
distribucin muestral de medias se despeja la media de la muestra:
x
Z
(1.645)( 8.9)
ZL = L
x L = + l = 70 +
= 71.46
n
100
n
H1
Ho
Regin de
rechazo
= 0.05
Regin de aceptacin
= 70
x L = 71.46
57
Regla de decisin:
Si x R 71.46 No se rechaza Ho
Si x R > 71.46 Se rechaza Ho
Como la media de la muestral es de 71.8 aos y es mayor al valor de la media
muestral lmite de 71.46 por lo tanto se rechaza Ho y se llega a la misma
conclusin.
2. Una empresa elctrica fabrica focos que tienen una duracin que se
distribuye de forma aproximadamente normal con una media de 800 horas y
una desviacin estndar de 40 horas. Si una muestra aleatoria de 30 focos
tiene una duracin promedio de 788 horas, muestran los datos suficiente
evidencia para decir que la duracin media ha cambiado? Utilice un nivel de
significancia del 0.04.
Solucin:
1. Se trata de una distribucin muestral de medias con desviacin estndar
conocida.
2. Datos:
=800 horas
= 40 horas
x = 788 horas
n = 30
= 0.04
3. Ensayo de hiptesis
Ho; = 800 horas
H1; 800 horas
Ho
H1
H1
Regin de
rechazo
Regin de
Rechazo
/2 = 0.02
/2 = 0.02
Regin de aceptacin
ZL = -2.052
= 800
ZL = 2.052
4. Regla de Decisin:
Si 2.052 ZR 2.052 No se rechaza Ho
Si ZR < -2.052 si Z R > 2.052 Se rechaza Ho
5. Clculos:
ZR =
x R 788 800
=
= 1.643
40
n
30
6. Justificacin y decisin:
58
H1
H1
Regin de
rechazo
Regin de
Rechazo
/2 = 0.02
/2 = 0.02
Regin de aceptacin
x L = 785.02 = 800
x L = 814.98
Regla de decisin:
Si 785.02 x R 814.98 No se rechaza Ho
Si x R < 785.02 x R > 814.98 se rechaza Ho
Como la x R = 788 horas, entonces no se rechaza Ho y se concluye que la
duracin media de los focos no ha cambiado.
3. Una muestra aleatoria de 64 bolsas de palomitas de maz pesan, en pomedio
5.23 onzas con una desviacin estndar de 0.24 onzas. Pruebe la hiptesis
de que = 5.5 onzas contra al hiptesis alternativa, < 5.5 onzas en el nivel
de significamcia de 0.05.
Solucin:
1. Se trata de una distribucin muestral de medias con desviacin estndar
desconocida, pero como el tamao de muestra es mayor a 30 se puede
tomar la desviacin muestral como un estimador puntual para la poblacional.
2. Datos:
= 5.5 onzas
s= 0.24 onzas
x = 5.23 onzas
n = 64
= 0.05
3. Ensayo de hiptesis
Ho; = 5.5 onzas
H1; < 5.5 onzas
H1
Ho
Regin de
rechazo
= 0.05
Regin de aceptacin
ZL = -1.645
= 5.5
59
4. Regla de decisin:
Si ZR -1.645 No se rechaza Ho
Si ZR < -1.645 Se rechaza Ho
5. Clculos:
ZR =
x R 5.23 5.5
=
= 9
0.24
n
64
6. Justificacin y decisin:
Como 9 < -1.645 por lo tanto se rechaza Ho y se concluye con un nivel de
significancia del 0.05 que las bolsas de palomitas pesan en promedio menos
de 5.5 onzas.
Solucin por el otro mtodo:
xL =
Zl
n
= 5 .5
(1.645)(0.24)
64
= 5.45
H1
Ho
Regin de
rechazo
= 0.05
Regin de aceptacin
x L = 5.45
= 5.5
Regla de decisin:
Si x R 5.45 No se Rechaza Ho
Si x R < 5.45 Se rechaza Ho
Como la x R = 5.23 y este valor es menor que 5.45 pot lo tanto se rechaza Ho.
4. Un constructor afirma que se instalan bombas de calor en 70% de todas las
casas que se construyen hoy en da en la ciudad de Richmond. Estara de
acuerdo con esta afirmacin si una investigacin de casas nuevas en esta
ciudad muestra que 8 de 15 tienen instaladas bombas de calor? Utilice un
nivel de significancia de 0.10.
Solucin:
1. Se trata de una distribucin muestral de proporciones.
2. Datos:
P= 0.70
p = 8/15 = 0.5333
n = 15
= 0.10
60
3. Ensayo de hiptesis
Ho; P = 0.70
H1; P 0.70
Ho
H1
H1
Regin de
rechazo
Regin de
Rechazo
/2 = 0.05
/2 = 0.05
Regin de aceptacin
ZL = -1.645
P = 0.70
ZL = 1.645
4. Regla de Decisin:
Si 1.645 ZR 1.645 No se rechaza Ho
Si ZR < -1.645 si Z R > 1.645 Se rechaza Ho
5. Clculos:
ZR =
pP
Pq
n
0.533 0.70
(0.70)( 0.30)
15
= 1.41
6. Justificacin y decisin:
Como 1.645 -1.41 1.645 No se rechaza Ho y se concluye con un nivel de
significancia de 0.10 que la afirmacin del constructor es cierta.
Solucin por el otro mtodo:
Pq
( 0.70)( 0.30)
pL = P zL
= 0.70 1.645
= 0.505 y 0.894
n
15
Ho
H1
H1
Regin de
rechazo
Regin de
Rechazo
/2 = 0.05
/2 = 0.05
Regin de aceptacin
p L = 0.505
P = 0.70
p L = 0.894
Regla de decisin:
Si 0.505 pR 0.894 No se rechaza Ho
Si p R < 0.505 si ZR > 0.894 Se rechaza Ho
Como el valor del estadstico real es de 0.533 por lo tanto no se rechaza Ho y se
llega a la misma conclusin.
5. Un fabricante de semiconductores produce controladores que se emplean en
aplicaciones de motores automovilsticos. El cliente requiere que la fraccin
de controladores defectuosos en uno de los pasos de manufactura crticos no
sea mayor que 0.05, y que el fabricante demuestre esta caracterstica del
proceso de fabricacin con este nivel de calidad, utilizando = 0.05. El
61
H1
Ho
Regin de
rechazo
= 0.05
Regin de aceptacin
ZL = -1.645
P = 0.05
4. Regla de decisin:
Si ZR -1.645 No se rechaza Ho
Si ZR < -1.645 Se rechaza Ho
5. Clculos:
ZR =
pP
Pq
n
0.02 0.05
(0.05)( 0.95)
200
= 1.946
6. Justificacin y decisin:
Puesto que 1.946<-1.645, se rechaza Ho y se concluye con un nivel de
significancia del 0.05 que la fraccin de artculos defectuosos es menor que
0.05.
6. Un diseador de productos est interesado en reducir el tiempo de secado de
una pintura tapaporos. Se prueban dos frmulas de pintura; la frmula 1 tiene
el contenido qumico estndar, y la frmula 2 tiene un nuevo ingrediente
secante que debe reducir el tiempo de secado. De la experiencia se sabe
que la desviacin estndar del tiempo de secado es ocho minutos, y esta
variabilidad inherente no debe verse afectada por la adicin del nuevo
ingrediente. Se pintan diez especmenes con la frmula 1, y otros diez con la
frmula 2. Los dos tiempos promedio de secado muestrales son 121 min y
112 min respectivamente. A qu conclusiones puede llegar el diseador del
producto sobre la eficacia del nuevo ingrediente, utilizando = 0.05?
62
Solucin:
1. Se trata de una distribucin muestral de diferencia de medias con desviacin
estndar conocida.
2. Datos:
1=2= 8
x1 = 121 min
x 2 = 112 min
n1=n2= 10
= 0.05
3. Ensayo de hiptesis
Ho; 1-2 = 0
H1; 1-2 > 0 Se desea rechazar Ho si el nuevo ingrediente disminuye el
tiempo promedio de secado, por eso se pone la diferencia mayor a cero o
sea positiva para poder probar que 2 es menor que 1.
H1
Ho
Regin de
rechazo
= 0.05
Regin de aceptacin
1-2 =0
70
ZL = 1.645
4. Regla de decisin:
Si zR 1.645 no se rechaza Ho.
Si zR> 1.645 se rechaza Ho.
5. Clculos:
ZR =
( x1 x 2 ) ( 1 2 )
12 22
+
n1
n2
(121 112) 0
82 82
+
10 10
= 2.52
6. Justificacin y decisin:
Puesto que 2.52>1.645, se rechaza Ho , y se concluye con un nivel de
significancia de 0.05 que la adicin del nuevo ingrediente a la pintura si
disminuye de manera significativa el tiempo promedio de secado.
63
12 12
82 82
+
= 0 + 1.645
+
= 5.88
n1 n 2
10 10
H1
Ho
Regin de
rechazo
= 0.05
Regin de aceptacin
1-2 =0
x1 x2 = 5.88
Regla de decisin:
Si ( x1 x 2 ) R 5.88 No se rechaza Ho
Si ( x1 x 2 ) R > 5.88 Se rechaza Ho
Puesto que ( x1 x 2 ) R = 121-112 = 9 y este nmero es mayor a 5.88 por lo tanto
se rechaza Ho .
7. Se utilizan dos mquinas para llenar botellas de plstico con un volumen neto
de 16.0 onzas. Las distribuciones de los volmenes de llenado pueden
suponerse normales, con desviaciones estndar 1= 0.020 y 2 = 0.025
onzas. Un miembro del grupo de ingeniera de calidad sospecha que el
volumen neto de llenado de ambas mquinas es el mismo, sin importar si
ste es o no de 16 onzas. De cada mquina se toma una muestra aleatoria
de 10 botellas. Se encuentra el ingeniero en lo correcto? Utilice = 0.05
MAQUINA 2
MAQUINA 1
16.03
16.04
16.05
16.05
16.02
16.01
15.96
15.98
16.02
15.99
16.02
15.97
15.96
16.01
15.99
16.03
16.04
16.02
16.01
16.00
Solucin:
1. Se trata de una distribucin muestral de diferencia de medias con desviacin
estndar conocida.
2. Datos:
1= 0.020
2= 0.025
x1 = 16.015 Este dato se obtuvo calculando la media de los datos en la
mquina 1.
64
H1
H1
Regin de
rechazo
Regin de
Rechazo
/2 = 0.025
/2 = 0.025
Regin de aceptacin
12 = 0
ZL = -1.96
ZL = 1.96
4. Regla de Decisin:
Si 1.96 ZR 1.96 No se rechaza Ho
Si ZR < -1.96 si Z R > 1.96 Se rechaza Ho
5. Clculos:
ZR =
( x1 x 2 ) ( 1 2 )
12 22
+
n1
n2
= 0.987
6. Justificacin y decisin:
Como 1.96 0.987 1.96 entonces no se rechaza Ho y se concluye con un nivel
de significancia de 0.05 que las dos mquinas tienen en promedio la misma
cantidad de llenado.
Solucin por el otro mtodo:
12 12
0.020 2 0.025 2
( x1 x 2 ) L = ( 1 2 ) z
+
= 0 1.96
+
= -0.019 y 0.019
n1
n2
10
10
Ho
H1
H1
Regin de
rechazo
Regin de
Rechazo
/2 = 0.025
/2 = 0.025
Regin de aceptacin
( x1 x2 ) = 0.019
12 = 0
( x1 x 2 ) = 0.019
65
Regla de decisin:
Si 0-019 ( x1 x 2 ) R 0.019 No se rechaza Ho
Si ( x1 x 2 ) R < -0.019 ( x1 x 2 ) R > 0.019 Se rechaza Ho
Como ( x1 x 2 ) R = 16.015 16.005 = 0.01, entonces cae en la regin de
aceptacin y no se rechaza Ho.
8. Existen dos tipos de plstico apropiados para su uso por un fabricante de
componentes electrnicos. La tensin de ruptura de ese plstico es un
parmetro importante . Se sabe que 1=2= 1.0 psi. De una muestra aleatoria
de tamao 10 y 12 para cada plstico respectivamente, se tiene una media
de 162.5 para el plstico 1 y de 155 para el plstico 2. La compaa no
adoptar el plstico 1 a menos que la tensin de ruptura de ste exceda a la
del plstico 2 al menos por 10 psi. Con base a la informacin contenida en la
muestra, la compaa deber utilizar el plstico 1? Utilice = 0.05 para
llegar a una decisin.
Solucin:
1. Se trata de una distribucin muestral de diferencia de medias con desviacin
estndar conocida.
2. Datos:
1=2= 1.0 psi
x1 = 162 .5 psi
x 2 = 155 psi
n1= 10
n2= 12
= 0.05
3. Ensayo de hiptesis
Ho; 1-2 = 10
H1; 1-2 > 10 Se desea rechazar Ho si la media del plstico 1 supera a la
media del plstico 2 en por lo menos 10 psi.
H1
Ho
Regin de
rechazo
= 0.05
Regin de aceptacin
1-2 =10
ZL = 1.645
66
4. Regla de decisin:
Si zR 1.645 no se rechaza Ho.
Si zR> 1.645 se rechaza Ho.
5. Clculos:
ZR =
( x1 x 2 ) ( 1 2 )
+
n1 n 2
2
1
2
2
(162.5 155) 10
12 12
+
10 12
= 5.83
6. Justificacin y decisin:
No existe evidencia suficiente para apoyar el uso del plstico 1 ya que
5.83 1.645, por lo tanto no se rechaza Ho .
Solucin por el otro mtodo:
( x1 x 2 ) L = ( 1 2 ) + z
12 12
12 12
+
= 10 + 1.645
+
= 10.70
n1 n 2
10 12
H1
Ho
Regin de
rechazo
= 0.05
Regin de aceptacin
1-2 =10
x1 x 2 = 10.70
Regla de decisin:
Si ( x1 x 2 ) R 10.70 No se rechaza Ho
Si ( x1 x 2 ) R > 10.70 Se rechaza Ho
Puesto que ( x1 x 2 ) R = 162.5-155 = 7.5 y este nmero es no es mayor a 10.7 por
lo tanto no se rechaza Ho.
9. Se evalan dos tipos diferentes de soluciones para pulir, para su posible uso
en una operacin de pulido en la fabricacin de lentes intraoculares utilizados
en el ojo humano despus de una ciruga de cataratas. Se pulen 300 lentes
con la primera solucin y, de stos, 253 no presentaron defectos inducidos
por el pulido. Despus se pulen otros 300 lentes con la segunda solucin, de
los cuales 196 resultan satisfactorios. Existe alguna razn para creer que
las dos soluciones para pulir son diferentes? Utilice = 0.01
67
Solucin:
1. Se trata de una distribucin muestral de diferencia de proporciones.
2. Datos:
p1= 253/300= 0.8433
p2 = 196/300= 0.6533
n1=n2 = 300
3. Ensayo de hiptesis:
Ho; P1-P 2 = 0
H1
H1; P1-P 2 0
Ho
H1
Regin de
rechazo
Regin de
Rechazo
/2 = 0.005
/2 = 0.005
Regin de aceptacin
ZL = -2.575
P1P2 = 0
ZL = 2.575
4. Regla de Decisin:
Si 2.575 ZR 2.575 No se rechaza Ho
Si ZR < -2.575 si Z R > 2.575 Se rechaza Ho
5. Clculos:
ZR =
( p1 p 2 ) ( P1 P2 )
P1 q1 P2 q 2
+
n1
n2
En esta frmula se puede observar que en el denominador se tienen a las
proporciones poblacionales o sea los parmetros, los cuales no se conocen,
por lo que en el ensayo de hiptesis la frmula para poder calcular la ZR
cambia, estimando a el parmetro comn P de la siguiente forma:
P=
x1 + x 2
n p + n2 p 2
bien P = 1 1
n1 + n 2
n1 + n 2
( p1 p 2 ) ( P1 P2 )
1
1
Pq +
n1 n2
68
Se calcular el valor de P:
P=
ZR =
x1 + x 2 253 + 196
=
= 0.7483
n1 + n 2 300 + 300
( p1 p2 ) ( P1 P2 )
1
1
Pq +
n1 n 2
(0.8433 0.6533) 0
1
1
( 0.7483)( 0.2517)
+
300 300
= 5.36
6. Justificacin y decisin:
Puesto que 5.36>2.575, se rechaza la hiptesis nula y se concluye con un
nivel de significancia de 0.01 que los dos fluidos para pulir son diferentes.
10. Se tomar el voto entre los residentes de una ciudad y el condado
circundante para determinar si se debe construir una planta qumica
propuesta. El lugar de construccin est dentro de los lmites de la ciudad y
por esta razn muchos votantes del condado consideran que la propuesta
pasar debido a la gran proporcin de votantes que favorecen la
construccin. Para determinar si hay una diferencia significativa en la
proporcin de votantes de la ciudad y votantes del condado que favorecen la
propuesta, se realiza una encuesta. Si 120 de 200 votantes de la ciudad
favorecen la propuesta y 240 de 500 residentes del condado tambin lo
hacen, estara de acuerdo en que la proporcin de votantes de la ciudad
que favorecen la propuesta es ms alto que la proporcin de votantes del
condado? Utilice un nivel de significancia de 0.025.
Solucin:
1. Se trata de una distribucin muestral de diferencia de proporciones.
2. Datos:
p1= 120/200= 0.60
p2 = 240/500= 0.48
n1 = 200
n2 = 500
3. Ensayo de hiptesis:
Ho; P1-P 2 = 0
H1; P1-P 2 > 0
H1
Ho
Regin de
rechazo
= 0.025
Regin de aceptacin
P1-P2 =0
ZL = 1.96
69
4. Regla de decisin:
Si zR 1.96 no se rechaza Ho.
Si zR> 1.96 se rechaza Ho.
5. Clculos:
Se calcular el valor de P:
P=
x1 + x 2 120 + 240
x + x 2 120 + 240
=
= 0.51 P = 1
=
= 0.51
n1 + n 2 200 + 500
n1 + n 2 200 + 500
ZR =
( p1 p2 ) ( P1 P2 )
1
1
Pq +
n1 n 2
( 0.60 0.48) 0
1
1
( 0.51)(0.49)
+
200 500
= 2 .9
6. Justificacin y decisin:
Puesto que 2.9>1.96, se rechaza la hiptesis nula y se concluye con un nivel
de significancia de 0.025 que la proporcin de votantes de la ciudad a favor
de la propuesta es ms alta que la proporcin de votantes del condado.
Uso de valores P para la toma de decisiones
Al probar hiptesis en las que la estadstica de prueba es discreta, la regin
crtica se puede elegir de forma arbitraria y determinar su tamao. Si es
demasiado grande, se puede reducir al hacer un ajuste en el valor crtico. Puede
ser necesario aumentar el tamao de la muestra para compensar la disminucin
que ocurre de manera automtica en la potencia de la prueba (probabilidad de
rechazar Ho dado que una alternativa especfica es verdadera).
Por generaciones enteras de anlisis estadstico, se ha hecho costumbre elegir
un nivel de significancia de 0.05 0.01 y seleccionar la regin crtica en
consecuencia. Entonces, por supuesto, el rechazo o no rechazo estricto de Ho
depender de esa regin crtica. En la estadstica aplicada los usuarios han
adoptado de forma extensa la aproximacin del valor P. La aproximacin se
disea para dar al usuario una alternativa a la simple conclusin de rechazo o
no rechazo.
La aproximacin del valor P como ayuda en la toma de decisiones es bastante
natural pues casi todos los paquetes de computadora que proporcionan el
clculo de prueba de hiptesis entregan valores de P junto con valores de la
estadstica de la prueba apropiada.
70
Valor P
Z= 0
ZR calculada
Valor P
ZR calculada
Z= 0
Ensayo Bilateral:
Valor P = Suma de las dos reas
ZR , -ZR calculadas
71
Ejemplos:
1. Calcular el valor de P para el primer ejemplo de ensayo de hiptesis en
donde se quera probar que la edad media de los habitantes de Estados
Unidos es superior a 70 aos.
Solucin:
1. Ensayo de hiptesis
Ho; = 70 aos.
H1; > 70 aos.
H1
Ho
Regin de
rechazo
= 0.05
Regin de aceptacin
= 70
ZL = 1.645
2. Regla de decisin:
Si P 0.05 se rechaza Ho.
Si P > 0.05 No se rechaza Ho.
3. Clculos:
x R 71.8 70
=
= 2.02
8.9
n
100
Esta es el valor de Z que se utilizar para calcular el valor de P, como es un
ensayo unilateral derecho se calcular el rea a la derecha de este valor.
ZR =
Valor P = 0.0217
Z= 0
ZR = 2.02
4. Justificacin y decisin:
Como el valor de P es 0.217 y es menor al valor del nivel de significancia de
0.05 por lo tanto se rechaza H0 , y se concluye que la edad media de los
habitantes es mayor a 70 aos.
72
H1
H1
Regin de
rechazo
Regin de
Rechazo
/2 = 0.025
/2 = 0.025
Regin de aceptacin
ZL = -1.96
2. Regla de Decisin:
Si P 0.05 Se rechaza Ho
Si P > 0.05 No se rechaza Ho
3. Clculos:
ZR =
( x1 x 2 ) ( 1 2 )
12 22
+
n1
n2
12 = 0
ZL = 1.96
= 0.987
ZR = -0.987
ZR = 0.987
73
1. Ensayo de hiptesis
Ho; = 20,000 kilmetros.
H1; > 20,000 kilmetros.
2. Clculos:
ZR =
x R 23500 20000
=
= 8.97
3900
n
100
3. Decisin.
Se observa que este valor de Z es muy grande, ni siquiera se encuentra en la
tabla, entonces quiere decir que el rea a la derecha de ese valor es cero y
este sera el valor de P, por lo que no apoya a la hiptesis nula y se
concluye que los automviles se manejan en promedio ms de 20,000
kilmetros por ao.
4. Se estudia la fraccin de circuitos integrados defectuosos producidos en un
proceso de fotolitografa. Para ello se somete a prueba una muestra de 300
circuitos, en la que 13 son defectuosos. Utilice los datos para probar
Ho: P=0.05 contra H1: P 0.05. Utilice un valor de P para su conclusin.
Solucin:
1. Ensayo de hiptesis
Ho; P = 0.05
H1; P 0.05
2. Clculos:
ZR =
pP
Pq
n
0.043 0.05
(0.05)( 0.95)
300
= 0.53
ZR = -0.53
ZR = 0.53
3. Decisin:
Este valor de P de 0.596 es muy grande por lo que se concluye que la
fraccin defectuosa de circuitos integrados es de 0.05, o sea no se rechaza
Ho.
74
ERROR TIPO II
Al evaluar un procedimiento de prueba de hiptesis, tambin es importante
examinar la probabilidad del error tipo II, el cual se denota por . Esto es,
= P(error tipo II) = P(aceptar Ho / Ho es falsa)
Para calcular se debe tener una hiptesis alternativa especfica; esto es, debe
tenerse un valor particular del parmetro. Por ejemplo, supngase que es
importante rechazar la hiptesis nula Ho: = 50 cada vez que la rapidez
promedio de combustin es mayor que 52 cm/s o menor que 48 cm/s. Para
ello, puede calcularse la probabilidad de un error tipo II para los valores = 52
y = 48, y utilizar este resultado para averiguar algo con respecto a la forma en
que se desempear la prueba. De manera especfica, cmo trabajar el
procedimiento de prueba si se desea detectar, esto es, rechazar Ho , para un
valor medio de = 52 = 48? Dada la simetra, slo es necesario evaluar uno
de los dos casos, esto es, encontrar la probabilidad de aceptar la hiptesis nula
Ho: = 50 cuando el valor verdadero es = 52.
Para hacer este clculo se tendr un tamao de muestra de 10 y una desviacin
estndar de la poblacin de 2.5 cm/s. Adems se evaluar el error tipo II con un
nivel de significancia de 0.06.
Ho: = 50
H1: 50
Como ya sabemos se trata de un ensayo bilateral por lo que se tendr que
calcular el valor del estadstico x L de la siguiente manera:
xL =
Z l
n
= 50
(1.88)( 2.5)
10
= 48.51 y 51.48
H1
Regin de
rechazo
Regin de
Rechazo
/2 = 0.03
/2 = 0.03
Regin de aceptacin
x L = 48.5
= 50
x L = 51.5
Para poder comprender mejor el clculo del error tipo II se delimitar el rea de
la regin de aceptacin con dos lneas ya que es bilateral y se evaluar la
probabilidad de caer en esa rea cuando la media tiene un valor de 52 y de 48.
75
Ho
H1
H1
Regin de
rechazo
Regin de
Rechazo
/2 = 0.03
/2 = 0.03
Regin de aceptacin
x L = 48.5
= 50
x L = 51.5
z=
48.5 52
= 4.43
2 .5
10
z=
51.5 52
= 0.63
2 .5
10
= 0.2643
= 52
= 0.2643
= 48
48.5 48
= 0.63
2 .5
10
51.5 48
z=
= 4.43
2 .5
10
z=
Como se puede observar en cada calculo del valor se tuvieron que evaluar los
dos valores de z. En el primer calculo de se tiene un valor de z=-4.43, esto
quiere decir que no existe rea del lado izquierdo del 48.5, por lo que slo ser
el rea que corresponda a la z=-0.63. Lo mismo pasa con el segundo clculo de
. Como las medias de 52 y 48 son equidistantes del 50 por este motivo los
valores del error tipo II son los mismos.
En caso que no estn equidistantes se tienen que calcular por separado y
calcular los valores correspondientes de z porque en ocasiones se tiene un rea
que no est dentro de la regin de aceptacin, la cual no se tiene que tomar en
cuenta para evaluar al error tipo II.
A continuacin se proceder a generar algunas curvas caractersticas de
operacin para evaluar al error tipo II, entre ms se aleja el valor verdadero de la
media de la media de la hiptesis nula, menor es la probabilidad del error tipo II
para un tamao de muestra y nivel de significancia dadas. A medida que el
tamao de la muestra aumenta la probabilidad de cometer el error tipo II
disminuye. Esto se observar en los ejercicios siguientes.
Ejemplos:
1. Generar una curva caracterstica de operacin para el ejercicio nmero 1 de
la seccin de ensayo de hiptesis con las siguientes medias supuestas:
= 70.5, 71, 71.5, 72, 72.5, 73, 73.5, y 74.
76
2. Datos:
=70 aos
= 8.9 aos
x = 71.8 aos
n = 100
= 0.05
3. Ensayo de hiptesis
Ho; = 70 aos.
H1; > 70 aos.
H1
Ho
Regin de
rechazo
= 0.05
Regin de aceptacin
= 70
ZL = 1.645
Z l
n
= 70 +
(1.645)( 8.9)
100
= 71.46
H1
Ho
Regin de
rechazo
= 0.05
x L = 71.46
Regin de aceptacin
= 70
= 0.8599
z=
71.46 70.5
= 1.08
8 .9
100
z=
71.46 71
= 0.517
8 .9
100
= 70.5
= 0.6974
= 71
77
= 0.4824
z=
71.46 71.5
= 0.044
8 .9
100
z=
71.46 72
= 0.606
8 .9
100
z=
71.46 72.5
= 1.168
8 .9
100
z=
71.46 73
= 1.73
8 .9
100
z=
71.46 73.5
= 2.29
8 .9
100
z=
71.46 74
= 2.85
8 .9
100
= 71.5
= 0.2722
= 72
= 0.1214
= 72.5
= 0.0418
= 73
= 0.011
= 73.5
= 0.0021
= 74
78
0.95
0.8599
0.6974
0.4824
0.2722
0.1214
0.0418
70
70.5
71
71.5
72
72.5
73
0.011
73.5
0.0021
74
74.5
Valor de la media
72 70
8.9
|2|
= 0.2247
8.9
79
0.95
0.8599
0.8
0.6974
0.6
0.4824
0.4
0.2722
0.2
0.1214
0.0418 0.011 0.0021
0.3
0.4
0.5
0
0
0.1
0.2
d
Se coment anteriormente que si el tamao de la muestra aumenta los dos tipos
de errores y disminuyen. Para probar esto y especficamente en lo que se
refiere al error tipo II se realizar el ejercicio anterior suponiendo que en lugar de
tener 100 personas, el tamao de la muestra aumenta a 150 personas.
Se calcular el estadstico lmite:
xL = +
Z l
n
= 70 +
(1.645)( 8.9)
150
= 71.2
H1
Ho
Regin de
rechazo
= 0.05
Regin de aceptacin
= 70
x L = 71.2
z=
= 0.8322
71.2 70.5
= 0.963
8 .9
150
= 70.5
80
= 0.6083
z=
71.2 71
= 0.275
8 .9
150
z=
71.2 71.5
= 0.412
8 .9
150
z=
71.2 72
= 1.10
8 .9
150
= 71
= 0.3407
= 71.5
= 0.1356
= 72
= 0.0367
z=
71.2 72.5
= 1.79
8 .9
150
= 72.5
= 0.0067
z=
71.2 73
= 2.47
8 .9
150
z=
71.2 73.5
= 3.16
8 .9
150
= 73
= 0.0007
= 73.5
81
n=100
n=150
70
70.5
71
71.5
72
72.5
73
73.5
74
74.5
Valor de la media
H1
Ho
Regin de
rechazo
= 0.05
Regin de aceptacin
ZL = -1.645
P = 0.05
Solucin:
Se proceder a calcular el estadstico lmite p L:
Pq
( 0.05)(0.95)
pL = P z
= 0.05 1.645
= 0.0246
n
200
82
H1
Ho
Regin de
rechazo
= 0.05
Regin de aceptacin
z=
0.0246 0.04
( 0.04)( 0.96)
200
p L = 0.0246
P = 0.05
= 1.11
=0.8665
P = 0.04
z=
0.0246 0.03
(0.03)(0.97 )
200
=0.6725
= 0.447
P = 0.03
z=
0.0246 0.025
( 0.025)(0.975)
200
=0.5143
= 0.036
P = 0.025
z=
0.0246 0.02
( 0.02)( 0.98)
200
=0.3213
= 0.464
P = 0.02
z=
0.0246 0.01
( 0.01)(0.99)
200
=0.0189
= 2.075
P = 0.01
83
0.95
0.8665
0.6725
0.5143
0.3213
0.0189
1
np
Ho
Regin de
rechazo
= 0.05
Regin de aceptacin
1-2 =0
( x1 x 2 ) L = ( 1 2 ) + z
ZL = 1.645
12 12
82 82
+
= 0 + 1.645
+
= 5.88
n1 n 2
10 10
84
H1
Ho
Regin de
rechazo
= 0.05
Regin de aceptacin
1-2 =0
( x1 x 2 ) L = 5.88
= 0.8612
z=
5.88 2
82 82
+
10 10
= 1.086
1-2 =2
= 0.70
z=
5.88 4
82 82
+
10 10
= 0.526
1-2 =4
z=
= 0.4868
5.88 6
82 82
+
10 10
= 0.033
1-2 =6
z=
= 0.3768
5.88 7
82 82
+
10 10
= 0.313
1-2 =7
z=
= 0.1913
5.88 9
82 82
+
10 10
= 0.873
1-2 =9
85
z=
= 0.0432
5.88 12
82 82
+
10 10
= 1.714
1-2 =12
z=
= 0.011
5.88 14
82 82
+
10 10
= 2.274
1-2 =14
d=
=
12 + 22
12 + 22
0.95
0.8612
0.7
0.4868
0.3768
0.1913
0.0432 0.011
0
0.2
0.4
0.6
0.8
1.2
1.4
Z l
n
= 100 +
(1.645)( 2)
9
= 101.09
H1
Ho
Regin de
rechazo
= 0.05
Regin de aceptacin
= 100
x L = 101.09
z=
= 0
104 100
= 6.32
2
10
= 104
Datos:
1= 0.020
2= 0.025
x1 = 16.015
x 2 = 16.005
n1=n2 = 10
= 0.05
87
Solucin:
Ensayo de hiptesis
Ho; 1-2 = 0
H1; 1-2 0
12 12
0.020 2 0.025 2
( x1 x 2 ) L = ( 1 2 ) z
+
= 0 1.96
+
= -0.019 y 0.019
n1
n2
10
10
Ho
H1
H1
Regin de
rechazo
Regin de
Rechazo
/2 = 0.025
/2 = 0.025
Regin de aceptacin
( x1 x2 ) = 0.019
12 = 0
( x1 x 2 ) = 0.019
z=
= 0.1387
1-2 =0.03
z=
0.019 0.03
0.020 2 0.025 2
+
10
10
0.019 0.03
0.020 2 0.025 2
+
10
10
= 4.83
= 1.086
Por ser bilateral se calcularon dos valores de z, y como se puede observar del
lado izquierdo de 0.019 ya no se encuentra rea, por lo que el error tipo II slo
ser el rea a la izquierda del valor de la diferencia del estadstico lmite 0.019.
Problemas propuestos
1. En un estudio para estimar la proporcin de residentes de cierta ciudad y sus
suburbios que estn a favor de la construccin de una planta de energa
nuclear, se encuentra que 63 de 100 residentes urbanos estn a favor de la
construccin mientras que slo 59 de 125 residentes suburbanos la
favorecen. Hay una diferencia significativa entre la proporcin de residentes
urbanos y suburbanos que favorecen la construccin de la planta nuclear?
Use un valor de P para su conclusin.
2. Una compaa petrolera afirma que un quinto de las casas en cierta ciudad
se calientan con petrleo. Tenemos razn en dudar de esta afirmacin si,
en una muestra aleatoria de 1000 casas en esta ciudad, se encuentra que
136 se calientan con petrleo? Utilice un nivel de significancia de 0.01.
88
89
Nmero de envos
207
213
Nmero de devoluciones
104
109
90