Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Media y Proporcion PDF
Media y Proporcion PDF
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
1
TEORIA DEL MUESTREO
Uno de los propsitos de la estadstica inferencial es estimar las caractersticas
poblacionales desconocidas, examinando la informacin obtenida de una
muestra, de una poblacin. El punto de inters es la muestra, la cual debe ser
representativa de la poblacin objeto de estudio.
Se seguirn ciertos procedimientos de seleccin para asegurar de que las
muestras reflejen observaciones a la poblacin de la que proceden, ya que solo
se pueden hacer observaciones probabilsticas sobre una poblacin cuando se
usan muestras representativas de la misma.
Una poblacin est formada por la totalidad de las observaciones en las cuales
se tiene cierto observa.
Una muestra es un subconjunto de observaciones seleccionadas de una
poblacin.
Muestras Aleatorias
1. Poltica. Las muestras de las opiniones de los votantes se usan para que los
candidatos midan la opinin pblica y el apoyo en las elecciones.
2. Educacin. Las muestras de las calificaciones de los exmenes de
estudiantes se usan para determinar la eficiencia de una tcnica o programa
de enseanza.
3. Industria. Muestras de los productos de una lnea de ensamble sirve para
controlar la calidad.
4. Medicina. Muestras de medidas de azcar en la sangre de pacientes
diabticos prueban la eficacia de una tcnica o de un frmaco nuevo.
5. Agricultura. Las muestras del maz cosechado en una parcela proyectan en
la produccin los efectos de un fertilizante nuevo.
6. Gobierno. Una muestra de opiniones de los votantes se usara para
determinar los criterios del pblico sobre cuestiones relacionadas con el
bienestar y la seguridad nacional.
Errores en el Muestreo
2
El error muestral se refiere a la variacin natural existente entre muestras
tomadas de la misma poblacin.
Los errores que surgen al tomar las muestras no pueden clasificarse como
errores muestrales y se denominan errores no muestrales.
Si una muestra aleatoria se elige de tal forma que todos los elementos de la
poblacin tengan la misma probabilidad de ser seleccionados, la llamamos
muestra aleatoria simple.
Ejemplo 1.1
3
hacer la tabla escribiendo diez dgitos del 0 al 9 en tiras de papel, las colocamos
en un recipiente y los revolvemos, de ah, la primera tira seleccionada determina
el primer nmero de la tabla, se regresa al recipiente y despus de revolver otra
vez se selecciona la seguida tira que determina el segundo nmero de la tabla;
el proceso contina hasta obtener una tabla de dgitos aleatorios con tantos
nmeros como se desee.
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.
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.
4
El muestreo sistemtico es una tcnica de muestreo que requiere de una
seleccin aleatoria inicial de observaciones seguida de otra seleccin de
observaciones obtenida usando algn sistema o regla.
Ejemplo 1.4
Error Muestral
Cualquier medida conlleva algn error. Si se usa la media para medir, estimar, la
media poblacional , entonces la media muestral, como medida, conlleva algn
error. Por ejemplo, supongamos que se ha obtenido una muestra aleatoria de
tamao 25 de una poblacin con media = 15: si la media de la muestra es
x=12, entonces a la diferencia observada x- = -3 se le denomina el error
muestral. Una media muestral x puede pensarse como la suma de dos
cantidades, la media poblacional y el error muestral; si e denota el error
muestral, entonces:
X= +e
Ejemplo 1.5
5
La media de la coleccin de medias muestrales es 4, la media de la poblacin de
la que se extraen las muestras. Si x denota la media de todas las medias
muestrales entonces tenemos:
x = (3+4+3+4+5+5+2+4+6)/9 = 4
Distribuciones Muestrales
Las muestras aleatorias obtenidas de una poblacin son, por naturaleza propia,
impredecibles. No se esperara que dos muestras aleatorias del mismo tamao y
tomadas de la misma poblacin tenga la misma media muestral o que sean
completamente parecidas; puede esperarse que cualquier estadstico, como la
media muestral, calculado a partir de las medias en una muestra aleatoria,
cambie su valor de una muestra a otra, por ello, se quiere estudiar la distribucin
de todos los valores posibles de un estadstico. Tales distribuciones sern muy
importantes en el estudio de la estadstica inferencial, porque las inferencias
sobre las poblaciones se harn usando estadsticas muestrales. Como el
anlisis de las distribuciones asociadas con los estadsticos muestrales,
podremos juzgar la confiabilidad de un estadstico muestral como un instrumento
para hacer inferencias sobre un parmetro poblacional desconocido.
Como los valores de un estadstico, tal como x, varan de una muestra aleatoria
a otra, se le puede considerar como una variable aleatoria con su
correspondiente distribucin de frecuencias.
6
Suponga que se han seleccionado muestras aleatorias de tamao 20 en una
poblacin grande. Se calcula la madia muestral x para cada muestra; la
coleccin de todas estas medias muestrales recibe el nombre de distribucin
muestral de medias, lo que se puede ilustrar en la siguiente figura:
X1
X1
Muestra 1 X2
X2
Muestra 2 S
X3
Muestra 3 X3 Xk
Muestra K
Distribucin muestral de
Xk
medias (x)
POBLACION
s1
s1
Muestra 1 s2 s2
Muestra 2 s3
sk
Muestra 3 s3
Muestra K
sk Distribucin muestral de
POBLACION desviaciones estndar (s)
Ejemplo 1.6
7
Solucin:
x
0 2 4 6
Grfica de frecuencias para la poblacin
=
(0 3)2 + (2 3) 2 + (4 3)2 + (6 3) 2 = 2.236
4
8
La media de la distribucin muestral de medias es:
=
( fx ) =
(0 )(1 ) + (1 )(2 ) + (2 )(3 ) + (3 )(4 ) + (4 )(3 ) + (5 )(2 ) + (6 )(1 ) = 48
= 3
f
x
16 3
d) La desviacin estndar de la distribucin muestral de medias es:
(x x ) f
2
x =
f
x =
(0 3)2 1 + (1 3)2 2 + (2 3)2 3 + (3 3)2 4 + (4 3)2 3 + (5 3) 2 2 + (6 3)2 1 = 1.58
16
2.236
De aqu que podamos deducir que: x = = = 1.58
n 2
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.
Poblacin
Normal
Distribucin muestral de medias
generada con muestras de
Si la poblacin de donde se extraen las muestras no es normal, entonces el
tamao de la muestra debe ser mayor o igual a 30, para que la distribucin
muestral tenga una forma acampanada. Mientras mayor sea el tamao de la
muestra, ms cerca estar la distribucin muestral de ser normal.
Para muchos propsitos, la aproximacin normal se considera buena si se
cumple n=30. La forma de la disitribucin muestral de medias sea
aproximadamente normal, an en casos donde la poblacin original es bimodal,
es realmente notable.
9
Teorema del lmite central
Si se seleccionan muestras aleatorias de n observaciones de una poblacin con
media y desviacin estndar , entonces, cuando n es grande, la distribucin
muestral de medias tendr aproximadamente una distribucin normal con una
media igual a y una desviacin estndar de . La aproximacin ser cada
n
vez ms exacta a medida de que n sea cada vez mayor.
n=50
n=30
n=20
Ejemplo
Para la dsitribucin muestral de medias del ejercicio pasado, encuentre:
a) El error muestral de cada media
b) La media de los errores muestrales
c) La desviacin estndar de los errores muestrales.
Solucin:
a) En la tabla siguiente se ven las muestras, las medias de las muestras y los
errores muestrales:
Muestra x Error muestral, e=x-
(0,0) 0 0 - 3 = -3
(0,2) 1 1 - 3 = -2
(0,4) 2 2 - 3 = -1
(0,6) 3 33=0
(2,0) 1 1 3 = -2
(2,2) 2 2 3 = -1
(2,4) 3 33=0
(2,6) 4 43=1
(4,0) 2 2 3 = -1
(4,2) 3 33=0
(4,4) 4 43=1
(4,6) 5 53=2
(6,0) 3 33=0
(6,2) 4 43=1
(6,4) 5 53=2
(6,6) 6 63=3
10
b) La media de los errores muestrales es e, es:
e =
( 3 ) + ( 2 ) + ( 1 ) + 0 + ... + 2 + 3
= 0
16
c) La desviacin estndar de la distribucin de los errores muestrales e, es
entonces:
e =
[ ]
(e e )2 f
=
( 3 0)21 + ( 2 0)2 2 + (1 0)2 3 + (0 0)2 4 + (1 0)2 3 + (2 0)2 2 + (3 0)21
=1.58
N 16
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 Antigedad Media Muestral
A,B (6,4) 5
11
A,C (6,2) 4
B,C (4,2) 3
La media poblacional es:
2+4+6
==4
3
La media de la distribucin muestral es:
5+ 4 +3
x = =4
3
La desviacin estndar de la poblacin es:
=
(6 4 )2 + (4 4 ) 2 + (2 4 ) 2 = 1 . 63
3
El error estndar o la desviacin estndar de la distribucin muestral es:
=
(5 4 )2 + (4 4 ) 2 + (3 4 ) 2 = 0 . 816
x
3
Si utilizamos la frmula del error estndar sin el factor de correcin tendriamos
que:
1 . 63
x
= = = 1 . 152
n 2
Por lo que observamos que este valor no es el verdadero. Agregando el factor
de correccin obtendremos el valor correcto:
N n 1 . 63 32
= = = 0 . 816
N 1 31
x
n 2
El diagrama de flujo resume las decisiones que deben tomarse cuando se
calcula el valor del error estndar:
Comienzo
S
Es la poblacin
infinita? x
=
n
No
S
Se muestrea
con sustitucin?
No
S
Es
N20n?
Nn
x =
n N 1
12
Distribucin Muestral de Medias
Ejemplo:
Las estaturas de 1000 estudiantes estn distribuidas aproximadamente en forma
normal con una media de 174.5 centmetros y una desviacin estndar de 6.9
13
centmetros. Si se extraen 200 muestras aleatorias de tamao 25 sin reemplazo
de esta poblacin, determine:
a) El nmero de las medias muestrales que caen entre 172.5 y 175.8
centmetros.
b) El nmero de medias muestrales que caen por debajo de 172 centmetros.
Solucin:
Como se puede observar en este ejercicio se cuenta con una poblacin finita y
un muestreo sin reemplazo, por lo que se tendr que agregar el factor de
correccin. Se proceder a calcular el denominador de Z para slo sustituirlo en
cada inciso.
N n 6.9 1000 25
= = 1.36
n N 1 25 1000 1
a)
172 174.5
b) z = = 1.83
1.36 0.0336
p ( x 172) = 0.00336
172 174.5
14
p1
p1
Muestra 1 p2 p2
Muestra 2 p3
.
.
Muestra 3 p3 pk
Muestra K p
15
Para calcular la media de la distribucin muestral de proporciones se tendra que
hacer la sumatoria de la frecuencia por el valor de la proporcin muestral y
dividirla entre el nmero total de muestras. Esto es:
p =
(0.8 * 8) + (0.6 *112 ) + (0.4 * 336) + (0.2 * 280 ) + (0 * 56 ) = 1 = 0.3333
792 3
Como podemos observar la media de la distribucin muestral de proporciones es
igual a la Proporcin de la poblacin.
p = P
Tambin se puede calcular la desviacin estndar de la distribucin muestral de
proporciones:
p =
(0.8 1/ 3)2 *8 +(0.6 1/ 3)2 *112+(0.4 1/ 3)2 *336+ (0.21/ 3)2 *280+(0 1/ 3)2 *56 = 0.1681
792
La varianza de la distribucin binomial es 2= npq, por lo que la varianza de la
distribucin muestral de proporciones es 2p =(Pq)/n. Si se sustituten los valores
en esta frmula tenemos que:
(1 / 3)(2 / 3)
p = = 0.2108 , este valor no coincide con el de 0.1681, ya que nos
5
falta agregar el factor de correccin para una poblacin finita y un muestreo sin
reemplazo:
(1 / 3)(2 / 3) 12 5
p = = 0.1681
5 12 1
Pq N n
p =
n N 1
300
200
100
p P
z=
Pq
n
16
N n
A esta frmula se le puede agregar el factor de correccin de si se cumple con
N 1
las condiciones necesarias.
Ejemplo:
Se ha determinado que 60% de los estudiantes de una universidad grande
fuman cigarrillos. Se toma una muestra aleatoria de 800 estudiantes. Calcule la
probabilidad de que la proporcin de la muestra de la gente que fuma cigarrillos
sea menor que 0.55.
Solucin:
Este ejercicio se puede solucionar por dos mtodos. El primero puede ser con la
aproximacin de la distribucin normal a la binomial y el segundo utilizando la
frmula de la distribucin muestral de proporciones.
Datos:
0.0017
n=800 estudiantes
p=0.60
x= (.55)(800) = 440 estudiantes
p(x<440) = ?
Media= np= (800)(0.60)= 480
440 480
440-0.5=439.5
x np 439.5 480
z= = = 2.92
npq 800(0.60)(0.40 )
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.
Datos:
0.0017
n=800 estudiantes
P=0.60
p= 0.55
p(p<0.55) = ?
0.55 0.60
0.55-(0.5/800)=0.549375
p P 0.549375 0.60
z= = = 2.92 Observe que este valor es igual al obtenido
Pq (0.60)(0.40)
n 800
en el mtodo de la aproximacin de la distribucin normal a la binomial, por lo
que si lo buscamos en la tabla de z nos da la misma probabilidad de 0.0017.
17
Tambin se debe de tomar en cuenta que el factor de correccin de 0.5 se esta
dividiendo entre el tamao de la muestra, ya que estamos hablando de una
proporcin.
La interpretacin en esta solucin, estara enfocada a la proporcin de la
muestra, por lo que diramos que la probabilidad de que al extraer una
muestra de 800 estudiantes de esa universidad, la proporcin de
estudiantes que fuman cigarrillos sea menor al 55% es del 0.17%.
Ejemplo:
Un medicamento para malestar estomacal tiene la advertencia de que algunos
usuarios pueden presentar una reaccin adversa a l, ms an, se piensa que
alrededor del 3% de los usuarios tienen tal reaccin. Si una muestra aleatoria de
150 personas con malestar estomacal usa el medicamento, encuentre la
probabilidad de que la proporcin de la muestra de los usuarios que realmente
presentan una reaccin adversa, exceda el 4%.
a) Resolverlo mediante la aproximacin de la normal a la binomial
b) Resolverlo con la distribucin muestral de proporciones
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.
0.04+(0.5/150)=0.0433
18
p P 0.0433 0.03
z= = = 0.96 Observe que este valor es igual al obtenido y la
Pq (0.03)(0.97 )
n 150
interpretacin es: existe una probabilidad del 17% de que al tomar una muestra
de 150 personas se tenga una proporcin mayor de 0.04 presentando una
reaccin adversa.
Ejemplo:
Se sabe que la verdadera proporcin de los componentes defectuosos
fabricadas por una firma es de 4%, y encuentre la probabilidad de que una
muestra aleatoria de tamao 60 tenga:
a) Menos del 3% de los componentes defectuosos.
b) Ms del 1% pero menos del 5% de partes defectuosas.
Solucin:
a) Datos: 0.2327
n= 60 artculos
P=0.04
p= 0.03
p(p<0.03) = ?
0.03 0.04
0.03-(0.5/60)= 0.0216
p P 0.0216 0.04
z= = = 0.73 La probabilidad de que en una muestra de 60
Pq (0.04 )(0.96)
n 60
artculos exista una proporcin menor de 0.03 artculos defectuosos es de
0.2327.
0.3290
b) Datos:
n= 60 artculos
P=0.04
p= 0.01 y 0.05
p(0.01<p<0.05) = ? 0.04 0.05
0.01
0.01+(0.5/60)= 0.0183 0.05-(0.5/60)= 0.0416
19
Distribucin Muestral de Diferencia de Medias
X21
X11
X11-X 21 Muestra 1
Muestra 1 X22
X12
X12-X 22 Muestra 2
Muestra 2
X13-X 23 X23
Muestra 3
Muestra 3 X13
X1k-X 2k Muestra K
Muestra K
X2k
X1k
Distribucin muestral de
POBLACION 1 Diferencia de Medias POBLACION 2
20
escuela es de 85 libras y su desviacin estndar es de 12.247 libras. Si x1
representa el promedio de los pesos de 20 nios y x 2 es el promedio de los
pesos de una muestra de 25 nias, encuentre la probabilidad de que el promedio
de los pesos de los 20 nios sea al menos 20 libras ms grande que el de las 25
nias.
Solucin:
Datos:
0.1056
1 = 100 libras
2 = 85 libras
1 = 14.142 libras
2 = 12.247 libras
n1 = 20 nios 1 -2 =15 x1 x 2 = 20
n2 = 25 nias
( x1 x2 ) ( 1 2 ) 20 (100 85)
p ( x1 x 2 20 ) = ? z= = = 1.25
1 2
+ 2
2
(14.142 )2
+
(12.247 )2
n1 n2 20 25
Por lo tanto, la probabilidad de que el promedio de los pesos de la muestra de
nios sea al menos 20 libras ms grande que el de la muestra de las nias es
0.1056.
Ejemplo:
Uno de los principales fabricantes de televisores compra los tubos de rayos
catdicos a dos compaas. Los tubos de la compaa A tienen una vida media
de 7.2 aos con una desviacin estndar de 0.8 aos, mientras que los de la B
tienen una vida media de 6.7 aos con una desviacin estndar de 0.7.
Determine la probabilidad de que una muestra aleatoria de 34 tubos de la
compaa A tenga una vida promedio de al menos un ao ms que la de una
muestra aleatoria de 40 tubos de la compaa B.
Solucin: 0.0023
Datos:
A = 7.2 aos
B = 6.7 aos
A = 0.8 aos
B = 0.7 aos
nA = 34 tubos x A xB = 1
A -B=0.5
nB = 40 tubos
( x A x B ) ( A B ) 1 (7.2 6.7 )
p ( x A x B 1) = ? z= = = 2.84
A2 B2
+
(0.8) 2 + (0.7 )2
nA nB 34 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.
Datos: 0.0642
1 = 1.23 Km/Lto
2 = 1.37 Km/Lto
n1 = 35 autos
1 -2 =0 x1 x2 = 0 .45
n2 = 42 autos
( x1 x2 ) (1 2 ) 0.45 0
a) p ( x1 x 2 0.45 ) = ? z= = = 1.52
12 22
+
(1.23)2 + (1.37 )2
n1 n2 35 42
b) p (0.65 x1 x2 0.83) = ?
( x x2 ) (1 2 ) 0.65 0
z= 1 = = 2.19
1 2
+ 2
2
(1.23) + (1.37 )
2 2
n1 n2 35 42
( x1 x2 ) (1 2 ) 0.83 0
z= = = 2.80
1 2
+ 2
2
(1.23)2 + (1.37 )2
n1 n2 35 42
0.0117
1 -2 =0 0.65 0.83
22
Distribucin Muestral de Diferencia de Proporciones
p 21
p 11
p11-p21 Muestra 1
Muestra 1 p 22
p 12 p12-p22
p13-p23 Muestra 2
Muestra 2
.
. p 23
Muestra 3
Muestra 3 p 13 .
p1k-p2k Muestra K
Muestra K
p 2k
p 1k
Distribucin muestral de
POBLACION 1 Diferencia de Proporciones POBLACION 2
23
( p1 p 2 ) ( P1 P2 )
z=
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:
0.4562
Datos:
PH = 0.12
PM = 0.10
nH = 100
nM = 100 PH -PM=0.02 p H -p M=0.03
p(pH-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.
Ejemplo:
Una encuesta del Boston College const de 320 trabajadores de Michigan que
fueron despedidos entre 1979 y 1984, encontr que 20% haban estado sin
trabajo durante por lo menos dos aos. Supngase que tuviera que seleccionar
otra muestra aleatoria de 320 trabajadores de entre todos los empleados
despedidos entre 1979 y 1984. Cul sera la probabilidad de que su porcentaje
muestral de trabajadores sin empleo durante por lo menos dos aos, difiera del
porcentaje obtenido en la encuesta de Boston College, en 5% o ms?
Solucin:
En este ejercicio se cuenta nicamente con una poblacin, de la cual se estn
extrayendo dos muestras y se quiere saber la probabilidad de la diferencia de los
24
porcentajes en esas dos muestras, por lo que se debe de utilizar la distribucin
muestral de proporciones con P 1= P 2, ya que es una misma poblacin.
Otra de las situaciones con la cual nos topamos es que desconocemos la
proporcin de trabajadores despedidos entre 1979 y 1984 que estuvieron
desempleados por un perodo de por lo menos dos aos, slo se conoce la
p1= 0.20 ya que al tomar una muestra de 320 trabajadores se observ esa
proporcin.
Tambin debe de comprenderse la pregunta que nos hace este problema, cul
sera la probabilidad de que su porcentaje muestral de trabajadores sin empleo
durante por lo menos dos aos, difiera del porcentaje obtenido en la encuesta
de Boston College, en 5% o ms?, la palabra difiera quiere decir que puede
existir una diferencia a favor de la muestra uno, o a favor de la muestra dos, por
lo que se tendrn que calcular dos reas en la distribucin y al final sumarlas.
Datos:
p1 = 0.20 0.063 0.063
n1 = 320 trabajadores
n2 = 320 trabajadores
P1 = P 2
p 1 -p2 =-0.05 P1 -P2 =0 p 1 -p2 =0.05
-0.05+(0.5/320)=-0.0484 0.05-(0.5/320)=0.0484
( p1 p 2 ) ( P1 P2 ) 0.0484 0
z= = = 1.53
P1q1 Pq (0.20 )(0.80) + (0.20)(0.80 )
+ 2 2
n1 n2 320 320
( p1 p 2 ) ( P1 P2 ) 0.0484 0
z= = = 1.53
P1q1 Pq (0.20 )(0.80) + (0.20)(0.80)
+ 2 2
n1 n2 320 320
p ( 0.05 p1 p 2 0.05) = 0.063 + 0.063 = 0.1260
25
Ejemplo:
Se sabe que 3 de cada 6 productos fabricados por la mquina 1 son defectuosos
y que 2 de cada 5 objetos fabricados por la mquina 2 son defectuosos; se
toman muestras de 120 objetos de cada mquina:
a) cul es la probabilidad de que la proporcin de artculos defectuosos de la
mquina 2 rebase a la mquina 1 en por lo menos 0.10?
b) cul es la probabilidad de que la proporcin de artculos defectuosos de la
mquina 1 rebase a la mquina 2 en por lo menos 0.15?
Solucin:
0.0011
Datos:
P1 = 3/6 = 0.5
P2 = 2/5 = 0.4
n1 = 120 objetos
n2 = 120 objetos P2 -P1 =-0.10 p 2 -p1 =0.10
a) p(p2-p10.10) = ? 0.10-(0.5/120)=0.0958
( p 2 p1 ) ( P2 P1 ) 0.0958 ( 0.10)
z= = = 3.06
P1q1 Pq (0.50 )(0.50) + (0.40 )(0.60)
+ 2 2
n1 n2 120 120
Otra manera de hacer este ejercicio es poner P 1-P 2:
0.0011
-0.10+(0.5/120)=-0.0958
( p1 p 2 ) ( P1 P2 ) 0.0958 0.10
z= = = 3.06
P1q1 Pq (0.50 )(0.50) + (0.40)(0.60 )
+ 2 2
n1 n2 120 120
La probabilidad de que exista una diferencia de proporciones de artculos
defectuosos de por lo menos 10% a favor de la mquina 2 es de 0.0011.
b) p(p1-p20.15)=?
0.2357
0.15-(0.5/120)=0.1458
26
( p1 p 2 ) ( P1 P2 ) 0.1458 0.10
z= = = 0.72
P1q1 Pq (0.50 )(0.50) + (0.40 )(0.60)
+ 2 2
n1 n2 120 120
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.
a)
c C 5.5 8
z= = = 0.88
C 8 c=6 C=8
6-0.5 = 5.5
27
c C 6.5 8 7.5 8
b) z = = = 0.53 z= 0.17
C 8 8
0.1344
c=7 C=8
7-0.5=6.5 7+0.5=7.5
c)
c C 9.5 8 0.7019
z= = = 0.53
C 8
C=8 c=9
9+0.5 = 9.5
Problemas propuestos
1. Se sabe que la resistencia a la ruptura de cierto tipo de cuerda se distribuye
normalmente con media de 2000 libras y una varianza de 25,000 lbs2. Si se
selecciona una muestra aleatoria de 100 cuerdas; determine la probabilidad
de que en esa muestra:
a) La resistencia media encontrada sea de por lo menos 1958 libras.
b) La resistencia media se mayor de 2080 libras.
28
b) 6 o ms puntos.
c) Entre 2 y 5 puntos.
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?
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.
29
Respuestas a los problemas propuestos:
1. a) 0.9960 b) 0
2. a) 0.3221 b) 0.3122
3. a) 0.2150 b) 0.0064 c) 0.4504
4. a) 0.2227 b) 0.2848
5. a) 6 b) 9 c) 2 d) 12
6. a) x = 22.4, x = 0.008 b) x = 22.4, x = ligeramente menor que 0.008
7. a) 0.6898 b) 7.35
8. 0.0013
30
ESTIMACION
El objetivo principal de la estadstica inferencial es la estimacin, esto es que
mediante el estudio de una muestra de una poblacin se quiere generalizar las
conclusiones al total de la misma. Como vimos en la seccin anterior, los
estadsticos varan mucho dentro de sus distribuciones muestrales, y mientras
menor sea el error estndar de un estadstico, ms cercanos sern unos de
otros sus valores.
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.
31
El smbolo (theta sombrero) suele utilizarse para representar el estimador de
y la estimacin puntual resultante de una muestra dada. Entonces = x se lee
como el estimador puntual de es la media muestral x . El enunciado la
estimacin puntual de es 5.77 se puede escribir en forma abreviada = 5.77 .
Ejemplo:
En el futuro habr cada vez ms inters en desarrollar aleaciones de Mg de bajo
costo, para varios procesos de fundicin. En consecuencia, es importante contar
con mtodos prcticos para determinar varias propiedades mecnicas de esas
aleaciones. Examine la siguiente muestra de mediciones del mdulo de
elasticidad obtenidos de un proceso de fundicin a presin:
44.2 43.9 44.7 44.2 44.0 43.8 44.6 43.1
Suponga que esas observaciones son el resultado de una muestra aleatoria. Se
desea estimar la varianza poblacional 2. Un estimador natural es la varianza
muestral:
( x i x ) (44.2 44.0625) + (43.9 44.0625) + ... + (43.1 44.0625 )
2 2 2 2
= s =
2 2
= = 0.251
n 1 8 1
32
estadstica que tuviera el menor error estndar, o la menor desviacin estndar
de la distribucin de muestreo.
Tiene sentido pensar que un estimador con un error estndar menor tendr una
mayor oportunidad de producir una estimacin mas cercana al parmetro de
poblacin que se esta considerando.
Distribucin muestral de
medias
Distribucin muestral de
medianas
33
que x = 9322.7. Debido a la variabilidad de la muestra, nunca se tendr el caso
de que x =. El estimado puntual nada dice sobre lo cercano que esta de . Una
alternativa para reportar un solo valor del parmetro que se est estimando es
calcular e informar todo un intervalo de valores factibles, un estimado de
intervalo o intervalo de confianza (IC). Un intervalo de confianza se calcula
siempre seleccionando primero un nivel de confianza, que es una medida de el
grado de fiabilidad en el intervalo. Un intervalo de confianza con un nivel de
confianza de 95% de la resistencia real promedio a la ruptura podra tener un
lmite inferior de 9162.5 y uno superior de 9482.9. Entonces, en un nivel de
confianza de 95%, es posible tener cualquier valor de entre 9162.5 y 9482.9.
Un nivel de confianza de 95% implica que 95% de todas las muestras dara lugar
a un intervalo que incluye o cualquier otro parmetro que se est estimando, y
slo 5% de las muestras producir un intervalo errneo. Cuanto mayor sea el
nivel de confianza podremos creer que el valor del parmetro que se estima est
dentro del intervalo.
Una interpretacin correcta de la confianza de 95% radica en la interpretacin
frecuente de probabilidad a largo plazo: decir que un evento A tiene una
probabilidad de 0.95, es decir que si el experimento donde A est definido re
realiza una y otra vez, a largo plazo A ocurrir 95% de las veces. Para este caso
el 95% de los intervalos de confianza calculados contendrn a .
Valor verdadero de
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:
- z
En base a la tabla que se esta utilizando, se tendr que buscar el rea de 0.975,
ya que cada extremo o cola de la curva tiene un valor de 0.025.
0.975
z = 1.96
Por lo que el valor de z es de 1.96.
Solucin 2:
Si se utiliza una tabla en donde el rea bajo la curva es de 0 a z:
0 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
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
= 2.6
(1.96 )(0.3) = 2.50 y 2.70
n 36
0.95
Solucin:
x
z
< < x+
z
= 780
(2.054 )(40) < < 780 + (2.054 )(40) = 765 < < 795
n n 30 30
Con un nivel de confianza del 96% se sabe que la duracin media de los focos
que produce la empresa est entre 765 y 765 horas.
37
3. La prueba de corte sesgado es el procedimiento ms aceptado para evaluar
la calidad de una unin entre un material de reparacin y su sustrato de
concreto. El artculo Testing the Bond Between Repair Materials and
Concrete Substrate informa que, en cierta investigacin, se obtuvo una
resistencia promedio muestral de 17.17 N/mm2 , con una muestra de 48
observaciones de resistencia al corte, y la desviacin estndar muestral fue
3.28 N/mm2 . Utilice un nivel de confianza inferior del 95% para estimar la
media real de la resistencia al corte.
Solucin:
En este ejercicio se nos presentan dos situaciones diferentes a los ejercicios
anteriores. La primera que desconoce la desviacin estndar de la poblacin y la
segunda que nos piden un intervalo de confianza unilateral.
El primer caso ya se haba comentado y se solucionar utilizando la desviacin
estndar de la muestra como estimacin puntual de sigma.
Para el intervalo de confianza unilateral, se cargar el rea bajo la curva hacia
un solo lado como sigue:
0.95
Z=-1.645
x
z
= 17.17
(1.654 )(3.38) = 16.39
n 48
Esto quiere decir que con un nivel de confianza de 95%, el valor de la media
est en el intervalo (16.39, ).
38
Pq
P= pz
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.
Solucin:
n=500
p = 15/500 = 0.03
z(0.90) = 1.645
(0.03)(0.97 )
= 0.03 (1.645)
pq
P= pz
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.
39
Solucin:
p=x/n = 20/400=0.05
z(0.95)=1.96
pq (0.05)(0.95 )
=z = 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%.
Solucin:
P= 60/300 = 0.20
Z(0.90) = 1.645
(0.20 )(0.80)
= 0.20 (1.645)
pq
P= pz = 0.20 0.038
n 300
0.162<P<0.238
40
( x1 x 2 ) ( 1 2 )
z=
12 2 2
+
n1 n2
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
B A = (x B x A ) z = (42 36) 2.05
36 64
+ +
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.
41
de forma aproximadamente normal con desviacin estndar de 5000
kilmetros para la marca A y 6100 kilmetros para la marca B.
Solucin:
2
A 2 5000 2 6100 2
B A = (xB xA ) z + B = (38100 36300) 1.96 +
nA nB 12 12
-2662.68<B-A <6262.67
Grficamente:
0.95
B A = 2662.68 B A = 6262.67
B A = 0
Como el intervalo contiene el valor cero, no hay razn para creer que el
promedio de duracin del neumtico de la marca B es mayor al de la marca A,
pues el cero nos est indicando que pueden tener la misma duracin promedio.
P1 P2 = ( p1 p 2 ) z 1 1 + 2 2
Pq Pq
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:
P1 P2 = ( p1 p 2 ) z 1 1 + 2 2
pq p q
n1 n2
Ejemplos:
1. Se considera cierto cambio en un proceso de fabricacin de partes
componentes. Se toman muestras del procedimiento existente y del nuevo
42
para determinar si ste tiene como resultado una mejora. Si se encuentra
que 75 de 1500 artculos del procedimiento actual son defectuosos y 80 de
2000 artculos del procedimiento nuevo tambin lo son, encuentre un
intervalo de confianza de 90% para la diferencia real en la fraccin de
defectuosos entre el proceso actual y el nuevo.
Solucin:
Sean P 1 y P2 las proporciones reales de defectuosos para los procesos actual y
nuevo, respectivamente. De aqu, p 1=75/1500 = 0.05 y p2 = 80/2000 = 0.04. con
el uso de la tabla encontramos que z para un nivel de confianza del 90% es de
1.645.
(0.05 )(0.95) (0.04 )(0.96)
P1 P2 = ( p1 p 2 ) z 1 1 + 2 2 = (0.05 0.04) 1.645
pq pq
+
n1 n2 1500 2000
-0.0017<P 1-P 2<0.0217
Como el intervalo contiene el valor de cero, no hay razn para creer que el
nuevo procedimiento producir una disminucin significativa en la proporcin de
artculos defectuosos comparado con el mtodo existente.
Solucin:
Representemos P1 la proporcin de nacimientos donde aparecen disfunciones
entre todas las madres que fuman marihuana y definamos P 2, de manera similar,
para las no fumadoras. El valor de z para un 99% de confianza es de 2.58.
(0.0337)(0.9663) (0.0263)(0.9737)
P1 P2 = ( p1 p2 ) z 1 1 + 2 2 = (0.0337 0.0263) 2.58
pq pq
+
n1 n2 1246 11178
-0.0064<P 1-P 2<0.0212
Este intervalo es bastante angosto, lo cual sugiere que P1-P 2 ha sido estimado
de manera precisa.
43
Clculo del Tamao de la Muestra para Estimar una Media
Qu tan grande debe ser una muestra si la media muestral se va a usar para
estimar la media poblacional?. La respuesta depende del error estndar de la
media, si este fuera cero, entonces se necesitara una sola media que ser igual
necesariamente a la media poblacional desconocida , porque = 0. Este caso
extremo no se encuentra en la prctica, pero refuerza el hecho de que mientras
menor sea el error estndar de la media, menor es el tamao de muestra
necesario para lograr un cierto grado de precisin.
Se estableci antes que una forma de disminuir el error de estimacin es
aumentar el tamao de la muestra, si ste incluye el total de la poblacin,
entonces x sera igual a cero. Con esto en mente, parece razonable que
para un nivel de confianza fijo, sea posible determinar un tamao de la muestra
tal que el error de estimacin sea tan pequeo como queramos, para ser mas
preciso, dado un nivel de confianza y un error fijo de estimacin , se puede
escoger un tamao de muestra n tal que P( x <) = Nivel de confianza. Con
el propsito de determinar n. El error mximo de estimacin esta dado por:
z
=
n
Si se eleva al cuadrado ambos lados de esta ecuacin y se despeja n de la
ecuacin resultante, obtenemos:
z
2
n =
Como n debe de ser un nmero entero, redondeamos hacia arriba todos los
resultados fraccionarios.
z 2 2 N
n=
2 ( N 1) + z 2 2
Ejemplos:
44
Solucin:
z (1.96 )(12.2 )
2 2
n = = = 35.736
4
En consecuencia, si el tamao de la muestra es 36, se puede tener un 95% de
confianza en que difiere en menos de 4 libras de x .
n = = = 67.43
10
Se necesita una muestra de 68 focos para estimar la media de la poblacin y
tener un error mximo de 10 horas.
n = = = 269.74
5
Se puede observar como el tamao de la muestra aumenta, pero esto tiene
como beneficio una estimacin ms exacta.
Solucin:
Como se tiene una poblacin finita y un muestreo sin reemplazo es necesario
utilizar la formula con el factor de correccin.
n= 2
z 2 2 N
=
(2.053) (40) (300)
2 2
= 55.21
( N 1) + z 2 2 (10 )2 (300 1) + (2.053)2 (40 )2
Si se tiene una poblacin finita de 300 focos slo se tiene que extraer de la
poblacin una muestra sin reemplazo de 56 focos para poder estimar la duracin
media de los focos restantes con un error mximo de 10 horas.
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:
46
De nuevo se eleva al cuadrado ambos lados y se despeja la n, obteniendo:
z 2 pqN
n= 2
( N 1) + z 2 pq
Ejemplos:
1. En una muestra aleatoria de 500 familias que tienen televisores en la ciudad
de Hamilton, Canad, se encuentra que 340 estn suscritas a HBO. Qu
tan grande se requiere que sea una muestra si se quiere tener 95% de
confianza de que la estimacin de P est dentro de 0.02?
Solucin:
Se tratarn a las 500 familias como una muestra preliminar que proporciona una
estimacin de p=340/500=0.68.
z 2 pq (1.96) (0.68)(0.32 )
2
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.
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.
z 2 pq (1.96) (0.50 )(0.50)
2
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.
47
Para el primer caso no se tiene ningn problema, se eleva al cuadrado la
ecuacin y se despeja n ya que n1 es igual a n2.
n=
(
z 2 21 + 2 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.
Poblaci Poblacin 2
n 1
n1=Kn2
n2 =
(
z 2 21 + k 22 )
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?
n=
( ) (
z 2 21 + 2 2
=
)( )
1.96 2 2 2 + 2 2
= 31
2 12
Cada grupo debe contener aproximadamente 31 empleados.
48
z 2 ( p1q1 + p 2 q 2 )
n=
2
Para el segundo caso se pondr una n en funcin de la otra. Este caso se utiliza
cuando las poblaciones son de diferente tamao y se sabe que una es K veces
mayor que la otra.
Poblaci Poblacin 2
n 1
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?
n=
( =
)
z 2 ( p1q1 + p 2 q2 ) 1.96 2 [(0.5)(0.5) + (0.5)(0.5)]
= 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.
49
porcentajes de calificaciones D y F otorgadas por los dos profesores. Utilice
un nivel de confianza del 95% e interprete los resultados.
50
misma desviacin estndar; esto es 1=2 = 3 cm/s. Qu tamao de
muestra debe utilizarse en cada poblacin si se desea que el error en la
estimacin de la diferencia entre las medias de las tasas de combustin sea
menor que 4 cm/s con una confianza del 99%?.
1. 0.07532 P 0.1246
2. n= 44
3. 0.0222 P1- P 2 0.1978
4. 33.412 34.588
5. n= 6147
6. 0.059 PB-P A 0.141
7. n= 1086
8. 12.22 1-2 13.98
9. n= 8
51
UNIDAD II
PRUEBA DE HIPOTESIS
52
2. Puede obtenerse a partir de alguna teora o modelo que se relaciona con el
proceso bajo estudio. En este caso, el objetivo de la prueba de hiptesis es
verificar la teora o modelo.
Ho; = 50 cm/s
H1; 50 cm/s
53
muestral es un estimador de la media verdadera de la poblacin. Un valor de la
media muestral x que este prximo al valor hipottico = 50 cm/s es una
evidencia de que el verdadero valor de la media es realmente 50 cm/s; esto
es, tal evidencia apoya la hiptesis nula Ho. Por otra parte, una media muestral
muy diferente de 50 cm/s constituye una evidencia que apoya la hiptesis
alternativa H1. Por tanto, en este caso, la media muestral es el estadstico de
prueba.
54
Decisin Ho es verdadera Ho es falsa
Aceptar Ho No hay error Error tipo II
Rechazar Ho Error tipo I No hay error
Tipos de Ensayo
Se pueden presentar tres tipos de ensayo de hiptesis que son:
Unilateral Derecho
Unilateral Izquierdo
Bilateral
55
Dependiendo de la evaluacin que se quiera hacer se seleccionar el tipo de
ensayo.
Ensayo de hiptesis:
H1
Ho
Ho; Parmetro x Regin de
rechazo
H1; Parmetro > x
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
Ho; Parmetro x Regin de
rechazo
H1; Parmetro < x
Regin de aceptacin
Parmetro = x
/2 /2
Regin de aceptacin
Parmetro = x
Para realizar los ejemplos y ejercicios de ensayo de hiptesis se recomienda
seguir los pasos mencionados anteriormente. Los ejemplos siguientes se
solucionarn por los pasos recomendados, tenindose una variedad de
problemas en donde se incluirn a todas las distribuciones muestrales que se
han visto hasta aqu.
Ejemplos:
56
1. Una muestra aleatoria de 100 muertes registradas en Estados Unidos el ao
pasado muestra una vida promedio de 71.8 aos. Suponga una desviacin
estndar poblacional de 8.9 aos, esto parece indicar que la vida media hoy
en da es mayor que 70 aos? Utilice un nivel de significancia de 0.05.
Solucin:
1. Se trata de una distribucin muestral de medias con desviacin estndar
conocida.
2. Datos:
=70 aos
= 8.9 aos
x = 71.8 aos
n = 100
= 0.05
3. Ensayo de hiptesis
Ho; = 70 aos. H1
Ho
H1; > 70 aos. Regin de
rechazo
= 0.05
Regin de aceptacin
= 70 ZL = 1.645
4. Regla de decisin:
Si zR 1.645 no se rechaza Ho.
Si zR> 1.645 se rechaza Ho.
5. Clculos:
x 71.8 70
ZR = R = = 2.02
8.9
n 100
6. Justificacin y decisin.
Como 2.02 >1.645 se rechaza Ho y se concluye con un nivel de significancia
del 0.05 que la vida media hoy en da es mayor que 70 aos.
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
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
Ho; = 800 horas H1
H1
H1; 800 horas
Regin de Regin de
rechazo Rechazo
/2 = 0.02 /2 = 0.02
Regin de aceptacin
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:
x R 788 800
ZR = = = 1.643
40
n 30
6. Justificacin y decisin:
58
Como 2.052 -1.643 2.052 por lo tanto, no se rechaza Ho y se concluye
con un nivel de significancia del 0.04 que la duracin media de los focos no
ha cambiado.
Regin de Regin de
rechazo Rechazo
/2 = 0.02 /2 = 0.02
Regin de aceptacin
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 H1
= 0.05 Ho
Regin de
rechazo
3. Ensayo de hiptesis
Ho; = 5.5 onzas
= 0.05
H1; < 5.5 onzas
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:
x R 5.23 5.5
ZR = = = 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.
= 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.
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
Ho; P = 0.70 H1
H1
H1; P 0.70
Regin de Regin de
rechazo Rechazo
/2 = 0.05 /2 = 0.05
Regin de aceptacin
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:
pP 0.533 0.70
ZR = = = 1.41
Pq (0.70)( 0.30)
n 15
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.
Regin de Regin de
rechazo Rechazo
/2 = 0.05 /2 = 0.05
Regin de aceptacin
61
fabricante de semiconductores toma una muestra aleatoria de 200
dispositivos y encuentra que cuatro de ellos son defectuosos. El fabricante
puede demostrar al cliente la calidad del proceso?
Solucin:
1. Se trata de una distribucin muestral de proporciones.
2. Datos:
P= 0.05
p = 4/200 = 0.02
n = 200
= 0.05
3. Ensayo de hiptesis
Ho; P = 0.05 H1
H1; P < 0.05 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:
pP 0.02 0.05
ZR = = = 1.946
Pq (0.05)( 0.95)
n 200
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.
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 ZL = 1.645
70
4. Regla de decisin:
Si zR 1.645 no se rechaza Ho.
Si zR> 1.645 se rechaza Ho.
5. Clculos:
( x1 x 2 ) ( 1 2 ) (121 112) 0
ZR = = = 2.52
12 22 82 82
+ +
n1 n2 10 10
6. Justificacin y decisin:
Puesto que 2.52>1.645, se rechaza Ho , y se concluye con un nivel de
significancia de 0.05 que la adicin del nuevo ingrediente a la pintura si
disminuye de manera significativa el tiempo promedio de secado.
63
Solucin por el otro mtodo:
12 12 82 82
( x1 x 2 ) L = ( 1 2 ) + z + = 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
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 1 MAQUINA 2
16.03 16.01 16.02 16.03
16.04 15.96 15.97 16.04
16.05 15.98 15.96 16.02
16.05 16.02 16.01 16.01
16.02 15.99 15.99 16.00
Solucin:
1. Se trata de una distribucin muestral de diferencia de medias con desviacin
estndar conocida.
2. Datos:
1= 0.020
2= 0.025
x1 = 16.015 Este dato se obtuvo calculando la media de los datos en la
mquina 1.
64
x 2 = 16.005 Este dato se obtuvo calculando la media de los datos en la
mquina 2.
n1=n2 = 10
= 0.05
3. Ensayo de hiptesis
Ho; 1-2 = 0
H1; 1-2 0 Si se cae en Ho se podr probar que el volumen de llenado es el
mismo en las dos mquinas.
Ho
H1
H1
Regin de Regin de
rechazo Rechazo
/2 = 0.025 /2 = 0.025
Regin de aceptacin
ZL = -1.96 12 = 0 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:
( x1 x 2 ) ( 1 2 ) (16 .015 16.005) 0
ZR = = = 0.987
12 22 0.020 2 0.025 2
+ +
n1 n2 10 10
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.
Regin de Regin de
rechazo 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
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
66
4. Regla de decisin:
Si zR 1.645 no se rechaza Ho.
Si zR> 1.645 se rechaza Ho.
5. Clculos:
( x1 x 2 ) ( 1 2 ) (162.5 155) 10
ZR = = = 5.83
2
2
12 12
+
1 2
+
n1 n 2 10 12
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 .
H1
Ho Regin de
rechazo
= 0.05
Regin de aceptacin
Regla de decisin:
Si ( x1 x 2 ) R 10.70 No se rechaza Ho
Si ( x1 x 2 ) R > 10.70 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 Ho
H1; P1-P 2 0 H1
H1
Regin de Regin de
rechazo Rechazo
/2 = 0.005 /2 = 0.005
Regin de aceptacin
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:
( p1 p 2 ) ( P1 P2 )
ZR =
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:
x1 + x 2 n p + n2 p 2
P= bien P = 1 1
n1 + n 2 n1 + n 2
( p1 p 2 ) ( P1 P2 )
ZR =
1 1
Pq +
n1 n2
68
Se calcular el valor de P:
x1 + x 2 253 + 196
P= = = 0.7483
n1 + n 2 300 + 300
( p1 p2 ) ( P1 P2 ) (0.8433 0.6533) 0
ZR = = = 5.36
1 1 1 1
Pq + ( 0.7483)( 0.2517) +
n1 n 2 300 300
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.
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:
( p1 p2 ) ( P1 P2 ) ( 0.60 0.48) 0
ZR = = = 2 .9
1 1 1 1
Pq + ( 0.51)(0.49) +
n1 n 2 200 500
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.
70
El valor P es el nivel de significancia ms pequeo que conduce al rechazo
de la hiptesis nula Ho.
El valor P es el mnimo nivel de significancia en el cual Ho sera rechazada
cuando se utiliza un procedimiento de prueba especificado con un conjunto
dado de informacin. Una vez que el valor de P se haya determinado, la
conclusin en cualquier nivel particular resulta de comparar el valor P con
:
1. Valor P rechazar Ho al nivel .
2. Valor P > No rechazar Ho al nivel .
Valor P
Z= 0
ZR calculada
Valor P
Z= 0
ZR calculada
Ensayo Bilateral:
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
Ho
H1; > 70 aos. 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
ZR = = = 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.
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.
Solucin:
1. Ensayo de hiptesis
Ho; 1-2 = 0
72
H1; 1-2 0 Si se cae en Ho se podr probar que el volumen de llenado es el
mismo en las dos mquinas.
Ho
H1
H1
Regin de Regin de
rechazo Rechazo
/2 = 0.025 /2 = 0.025
Regin de aceptacin
ZL = -1.96 12 = 0 ZL = 1.96
2. Regla de Decisin:
Si P 0.05 Se rechaza Ho
Si P > 0.05 No se rechaza Ho
3. Clculos:
( x1 x 2 ) ( 1 2 ) (16 .015 16.005) 0
ZR = = = 0.987
12 22 0.020 2 0.025 2
+ +
n1 n2 10 10
Como este es un ensayo bilateral se proceder a calcular el valor de P mediante
el valor de la ZR, positiva y negativa y luego se sumarn las reas.
Valor P = 0.1618 + 0.1618 = 0.3236
ZR = -0.987 ZR = 0.987
Como el valor de P es mayor al de , se no se rechaza H0, y se concluye que las
maquinas tienen el mismo llenado promedio.
Solucin:
En este ejercicio no nos manejan ningn valor de , por lo que se proceder a
plantear el ensayo y luego calcular z para poder conocer el valor de P y llegar a
una conclusin.
73
1. Ensayo de hiptesis
Ho; = 20,000 kilmetros.
H1; > 20,000 kilmetros.
2. Clculos:
x R 23500 20000
ZR = = = 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.
Solucin:
1. Ensayo de hiptesis
Ho; P = 0.05
H1; P 0.05
2. Clculos:
pP 0.043 0.05
ZR = = = 0.53
Pq (0.05)( 0.95)
n 300
Valor P = 0.298 + 0.298 = 0.596
ZR = -0.53 ZR = 0.53
3. Decisin:
Este valor de P de 0.596 es muy grande por lo que se concluye que la
fraccin defectuosa de circuitos integrados es de 0.05, o sea no se rechaza
Ho.
74
ERROR TIPO II
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.
Ho: = 50
H1: 50
Z l (1.88)( 2.5)
xL = = 50 = 48.51 y 51.48
n 10
Regin de Regin de
rechazo 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 Regin de
rechazo Rechazo
/2 = 0.03 /2 = 0.03
Regin de aceptacin
51.5 52
z= = 0.63
2 .5
10
= 52
48.5 48
= 0.2643 z= = 0.63
2 .5
10
51.5 48
z= = 4.43
2 .5
10
= 48
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:
76
2. Datos:
=70 aos
= 8.9 aos
x = 71.8 aos
n = 100
= 0.05
3. Ensayo de hiptesis
Ho; = 70 aos. H1
Ho
H1; > 70 aos. Regin de
rechazo
= 0.05
Regin de aceptacin
= 70 ZL = 1.645
Se calcular el estadstico lmite:
Z l (1.645)( 8.9)
xL = + = 70 + = 71.46
n 100
H1
Ho Regin de
rechazo
= 0.05
x L = 71.46
Regin de aceptacin
= 70
71.46 70.5
= 0.8599 z= = 1.08
8 .9
100
= 70.5
= 0.6974
71.46 71
z= = 0.517
8 .9
100
= 71
77
71.46 71.5
z= = 0.044
= 0.4824 8 .9
100
= 71.5
71.46 72
z= = 0.606
= 0.2722
8 .9
100
= 72
= 72.5
71.46 73
= 0.0418 z= = 1.73
8 .9
100
= 73
71.46 73.5
z= = 2.29
8 .9
= 0.011 100
= 73.5
= 0.0021 71.46 74
z= = 2.85
8 .9
100
= 74
78
CURVA CARACTERISTICA DE OPERACION
1
Probabilidad error tipo II
0.95
0.9 0.8599
0.8
0.7 0.6974
0.6
0.5 0.4824
0.4
0.3 0.2722
0.2
0.1 0.1214
0.0418 0.011
0 0.0021
70 70.5 71 71.5 72 72.5 73 73.5 74 74.5
Valor de la media
72 70 |2|
d= = = 0.2247
8.9 8.9
79
CURVA CARACTERISTICA DE OPERACION
1
Probabilidad error tipo II
0.95
0.8599
0.8
0.6974
0.6
0.4824
0.4
0.2722
0.2
0.1214
0 0.0418 0.011 0.0021
0 0.1 0.2 0.3 0.4 0.5
Z l (1.645)( 8.9)
xL = + = 70 + = 71.2
n 150
H1
Ho Regin de
rechazo
= 0.05
Regin de aceptacin
= 70 x L = 71.2
71.2 70.5
= 0.8322 z= = 0.963
8 .9
150
= 70.5
80
71.2 71
= 0.6083 z= = 0.275
8 .9
150
= 71
= 71.5
= 0.1356 71.2 72
z= = 1.10
8 .9
150
= 72
= 0.0367
71.2 72.5
z= = 1.79
8 .9
150
= 72.5
= 0.0067
71.2 73
z= = 2.47
8 .9
150
= 73
= 73.5
81
CURVA CARACTERISTICA DE OPERACION
1
Probabilidad error tipo II 0.9
0.8
0.7
0.6
n=100
0.5
n=150
0.4
0.3
0.2
0.1
0
70 70.5 71 71.5 72 72.5 73 73.5 74 74.5
Valor de la media
Datos:
P= 0.05
p = 4/200 = 0.02
n = 200
= 0.05
Ensayo de hiptesis
Ho; P = 0.05 H1
H1; P < 0.05 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
p L = 0.0246 P = 0.05
0.0246 0.04
z= = 1.11
( 0.04)( 0.96) =0.8665
200
P = 0.04
=0.6725
0.0246 0.03
z= = 0.447
(0.03)(0.97 )
200
P = 0.03
P = 0.025
P = 0.02
83
En una distribucin muestral de proporciones, para graficar la CCO, se necesita
calcular el valor de np, que es el que ir en el eje de las x para estandarizar la
curva.
1
0.95
Probabilidad error tipo II
0.9 0.8665
0.8
0.7 0.6725
0.6
0.5 0.5143
0.4
0.3 0.3213
0.2
0.1
0 0.0189
1 3 5 7 9
np
Ensayo de hiptesis
Ho; 1-2 = 0
H1; 1-2 > 0
H1
Ho Regin de
rechazo
= 0.05
Regin de aceptacin
1-2 =0 ZL = 1.645
12 12 82 82
( x1 x 2 ) L = ( 1 2 ) + z + = 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 5.88 2
z= = 1.086
82 82
+
10 10
1-2 =2
= 0.70 5.88 4
z= = 0.526
82 82
+
10 10
1-2 =4
5.88 6
z= = 0.033
= 0.4868 82 82
+
10 10
1-2 =6
5.88 7
z= = 0.313
82 82
= 0.3768 +
10 10
1-2 =7
5.88 9
z= = 0.873
= 0.1913 82 82
+
10 10
1-2 =9
85
5.88 12
= 0.0432 z= = 1.714
82 82
+
10 10
1-2 =12
5.88 14
z= = 2.274
= 0.011 82 82
+
10 10
1-2 =14
1
0.95
Probabilidad error tipo II
0.9
0.8612
0.8
0.7 0.7
0.6
0.5 0.4868
0.4 0.3768
0.3
0.2 0.1913
0.1
0.0432 0.011
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4
86
muestra aleatoria de nueve especmenes, y la tensin de ruptura promedio
observada en ella es de 98 psi. Cual es la probabilidad de aceptar la
hiptesis nula con un = 0.05 si la tensin promedio de ruptura verdadera de
la fibra es 104 psi?
Solucin:
Ensayo de hiptesis:
Ho; = 100
H1; > 100
Z l (1.645)( 2)
xL = + = 100 + = 101.09
n 9
H1
Ho Regin de
rechazo
= 0.05
Regin de aceptacin
= 100 x L = 101.09
104 100
z= = 6.32
2
= 0 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 Regin de
rechazo Rechazo
/2 = 0.025 /2 = 0.025
Regin de aceptacin
( x1 x2 ) = 0.019 12 = 0 ( x1 x 2 ) = 0.019
0.019 0.03
= 0.1387
z= = 4.83
0.020 2 0.025 2
+
10 10
1-2 =0.03
0.019 0.03
z= = 1.086
0.020 2 0.025 2
+
10 10
Por ser bilateral se calcularon dos valores de z, y como se puede observar del
lado izquierdo de 0.019 ya no se encuentra rea, por lo que el error tipo II slo
ser el rea a la izquierda del valor de la diferencia del estadstico lmite 0.019.
Problemas propuestos
1. En un estudio para estimar la proporcin de residentes de cierta ciudad y sus
suburbios que estn a favor de la construccin de una planta de energa
nuclear, se encuentra que 63 de 100 residentes urbanos estn a favor de la
construccin mientras que slo 59 de 125 residentes suburbanos la
favorecen. Hay una diferencia significativa entre la proporcin de residentes
urbanos y suburbanos que favorecen la construccin de la planta nuclear?
Use un valor de P para su conclusin.
2. Una compaa petrolera afirma que un quinto de las casas en cierta ciudad
se calientan con petrleo. Tenemos razn en dudar de esta afirmacin si,
en una muestra aleatoria de 1000 casas en esta ciudad, se encuentra que
136 se calientan con petrleo? Utilice un nivel de significancia de 0.01.
88
3. Se sabe que la duracin, en horas, de un foco de 75 watts tiene una
distribucin aproximadamente normal, con una desviacin estndar de 25
horas. Se toma una muestra aleatoria de 20 focos, la cual resulta tener una
duracin promedio de 1014 horas.
a) Existe evidencia que apoye la afirmacin de que la duracin promedio
del foco es mayor que 1000 horas? Utilice un = 0.05.
b) Cual es el valor P para la prueba?
c) Cul es el valor de para la prueba del inciso a) si la verdadera
duracin promedio del foco es de 1050 horas?
89
8. Se supone que los neumticos para automvil de cierto tipo recin
comprados deben llenarse a una presin de 30 lb/pulg 2 . Se representa con
el verdadero promedio de presin. Encuentre el valor P asociado con cada
valor del estadstico z dado para probar Ho ; = 30 contra H1; 30.
a) 2.10 b) 1.75 c) 0.55 d) 1.41 e) 5.3
90