REPBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA EDUCACIN UNIVERSITARIA,

CIENCIA Y TECNOLOGA
UNIVERSIDAD DR. JOS GERGORIO HERNNDEZ
FACULTAD DE CIENCIAS ECONMICAS Y SOCIALES

ESTADSTICA INFERENCIAL

Integrantes:
Amaya, Keliberth
C.I. V-23.746.292
Ortz, Hendrys
C.I. V-29.891.940

Profesora:
Ester Molero

Maracaibo Julio 2017

1. Prueba de Hiptesis.

Concepto.

Proceso que se lleva a cabo para analizar si una condicin detectada en un

determinado universo resulta compatible con lo que se observa en una muestra de la
poblacin estadstica en cuestin. Es decir, persigue demostrar si una hiptesis es una
afirmacin razonable y para ello se basa en dos pilares fundamentales como son la
teora de la probabilidad y lo que es la evidencia muestral.

Aplicaciones.

En cualquier trabajo de investigacin donde se busque demostrar si las hiptesis

planteadas son correctas o herradas.

Caractersticas.

Siempre es sobre parmetros (caractersticas poblacionales).

El juego de hiptesis es de dos, la H0, llamada "nula" y la H1, o "alternativa".
Se corre el riesgo de alguno de los dos Tipos de Error.
El investigador solamente puede fijar la probabilidad del Error Tipo I.
Supone temporalmente que la H0 es cierta.
Se basa en la distribucin estadstica de la variable que se va a medir.
La decisin se basa en los estimadores de los parmetros que se calculan con la
informacin muestral.

2. Hiptesis Estadstica.

Concepto.

Estas hiptesis consisten en las nulas, alternativas o de investigacin transformadas

en smbolos estadsticos, se pueden realizar cuando los datos a estudiar son
mensurables. Dentro de estas hiptesis existen distintas clases:

De estimacin: estas suponen el valor de alguna caracterstica de la muestra que fue

seleccionada y de la poblacin en su conjunto. Para formularlas se tienen en cuenta datos
adquiridos previamente.
 Estadsticas de correlacin: buscan establecer estadsticamente las relaciones
existentes entre dos o ms variables.

Aplicaciones.

En investigaciones cuantitativas.

Caractersticas.

Someten a prueba y expresan a las hiptesis operacionales a travs de

ecuaciones matemticas.
No todas las suposiciones pueden analizarse y ser demostradas en base a
clculos matemticos.
Hay casos en los cuales es posible confirmar o refutar una hiptesis valindose de
estadsticas.

3. Explica la importancia de las hiptesis nula y alternativa con sus aplicaciones a

la hiptesis estadstica.

Hiptesis Nula.

En muchos casos se formula una hiptesis estadstica con el nico propsito de

rechazarla o invalidarla. Analgicamente, si se desea decidir si un procedimiento es mejor
que otro, se formula la hiptesis de que no hay diferencia entre ellos (o sea, que cualquier
diferencia observada se debe simplemente a fluctuaciones en el muestreo de la misma
poblacin). Tales hiptesis se suelen llamar hiptesis nula y se denotan por Ho.

Para todo tipo de investigacin en la que se tiene dos o ms grupos, se establecer

una hiptesis nula. La hiptesis nula es aquella que dice que no existen diferencias
significativas entre los grupos.

Una hiptesis nula es importante por varias razones:

Es una hiptesis que se acepta o se rechaza segn el resultado de la investigacin.

El hecho de contar con una hiptesis nula ayuda a determinar si existe una
diferencia entre los grupos, si esta diferencia es significativa, y si no se debi al
azar.
 No toda investigacin precisa de formular hiptesis nula. Recordemos que la
hiptesis nula es aquella por la cual indicamos que la informacin a obtener es
contraria a la hiptesis de trabajo.
Al formular esta hiptesis, se pretende negar la variable independiente. Es decir,
se enuncia que la causa determinada como origen del problema flucta, por tanto,
debe rechazarse como tal.

La importancia de la hiptesis nula radica en que es de directa comprobacin, o sea,

se acepta o rechaza segn el resultado de la prueba realizada, adems de contribuir a
determinar las diferencias entre los grupos sometidos a prueba (el experimental y el de
control), y si dichas diferencias son significativas.

Hiptesis Alternativa.

Toda hiptesis que difiere de una dada se llamar una hiptesis alternativa. Por
ejemplo: Si una hiptesis es p = 0,5, hiptesis alternativa podran ser p = 0,7, p " 0,5 p
> 0,5. Una hiptesis alternativa a la hiptesis nula se denotar por H1.

Al responder a un problema, es muy conveniente proponer otras hiptesis en que

aparezcan variables independientes distintas de las primeras que se formularon. Por
tanto, para no perder tiempo en bsquedas intiles, es necesario hallar diferentes
hiptesis alternativas como respuesta a un mismo problema y elegir entre ellas cules y
en qu orden se va a tratar su comprobacin.

Las hiptesis, naturalmente, sern diferentes segn el tipo de investigacin que se

est realizando. En los estudios exploratorios, a veces, el objetivo de la investigacin
podr ser simplemente el de obtener los mnimos conocimientos que permitan formular
una hiptesis.

Los trabajos de ndole descriptiva generalmente presentan hiptesis del tipo "todos los
X poseen, en alguna medida, las caracterstica Y". En estos casos, se describe,
clasificando, el objeto de inters, incluyndolo en un tipo ideal complejo de orden superior.
Las importancia de la hiptesis alternativa radica en que es de directa comprobacin, o
sea, se acepta o rechaza segn el resultado de la prueba realizada, adems de contribuir
a determinar las diferencias entre los grupos sometidos a prueba (el experimental y el de
control), y si dichas diferencias son significativas.

4. Nivel de Confianza

Concepto

El nivel de confianza es la probabilidad de que el parmetro a estimar se encuentre en

el intervalo de confianza. El nivel de confianza (p) se designa mediante 1 , y se suele
tomar en tanto por ciento. Los niveles de confianza ms usuales son: 90%; 95% y 99%.
El nivel de significacin se designa mediante .

Aplicaciones

En la aplicacin estadstica, para el anlisis de resultados, se prefiere el uso de

intervalos de confianza, debido a que el intervalo de confianza aporta informacin tanto
de la magnitud, como de la precisin de las estimaciones, pudindose interpretar el
intervalo en trminos del margen de error de la estimacin puntual. En la inferencia
estadstica, se desea estimar la poblacin que utiliza los parmetros de la muestra datos
observados. Un intervalo de confianza proporciona una magnitud estimada de valores
que es probable que incluya un parmetro poblacional desconocido, el rango estimado
se calcula a partir de un determinado conjunto de la muestra.

Valor Crtico Unilateral y Bilateral

Un valor crtico es un punto en la distribucin del estadstico de prueba bajo la

hiptesis nula que define un conjunto de valores que apoyan el rechazo de la hiptesis
nula. Este conjunto se denomina regin crtica o de rechazo. Por lo general, las pruebas
unilaterales tienen un valor crtico y las pruebas bilaterales tienen dos valores crticos.
Los valores crticos se determinan de manera que la probabilidad de que el estadstico
de prueba tenga un valor en la regin de rechazo de la prueba (cuando la hiptesis nula
sea verdadera) sea igual al nivel de significancia (denotado como o alfa).
 Unilateral

Bilateral

Zona de Aceptacin

Es la zona complementaria de la crtica .Si el valor evaluado del estadstico pertenece

a ella No rechazamos la hiptesis.(Las hiptesis nunca se aceptan de forma definitiva,
slo se aceptan provisionalmente, es decir ,no se rechazan, a la espera de una nueva
informacin que eventualmente pueda llevarnos a rechazarla en el futuro). La
designaremos por R0. Evidentemente los conjuntos de puntos que forman ambas
regiones son disjuntos.

Parmetros Muestrales

Los Parmetros muestrales son resmenes de la informacin de la muestra que nos

"determinan" la estructura de la muestra. Los Parmetros muestrales no son constantes
sino variables aleatorias pues sus valores dependen de la estructura de la muestra que
no es siempre la misma como consecuencia del muestreo aleatorio. A estas variables se
les suele llamar estadsticos. Los estadsticos se transforman en dos tipos: estadsticos
de centralidad y estadsticos de dispersin.

5. Proporciones Estadsticas.

Concepto

Matemticamente, una proporcin es la igualdad de dos razones cuyo objetivo es

establecer la relacin entre una parte con respecto al todo. En las proporciones no se
multiplica el cociente resultante por 100, ya que la relacin se establece respecto de la
unidad. Las proporciones y los porcentajes ofrecen la misma informacin, aunque estos
ltimos se emplean ms por ser ms fcil su compresin.

Caractersticas

Posee 4 propiedades
Aparece frecuentemente en notacin fraccionaria
Expresan igualdades
Existes 6 tipos de proporciones (aritmtica discreta o no continua, aritmtica
continua, proporcin aritmtica, geomtrica o equicociente, geomtrica discreta o
no continua, geomtrica continua, proporcin geomtrica)

6. Contraste Unilateral y Bilateral

Aplicacin de Contraste Unilateral

Normalmente est asociada a una hiptesis alternativa para la cual se conoce el signo
de la potencial diferencia antes de ejecutar el experimento y la prueba. En el ejemplo
descrito ms arriba, la hiptesis alternativa referida a una prueba de una cola podra
redactarse as: media(A) < media (B) o media(A) > media (B), dependiendo de la direccin
esperada de la diferencia.

Aplicacin de Contraste Bilateral

Se asocia a una hiptesis alternativa para la cual se desconoce el signo de la potencial

diferencia. Por ejemplo, supongamos que deseamos comparar las medias de dos
muestras A y B. Antes de disear el experimento y ejecutar la prueba, esperamos que si
se resalta una diferencia entre las dos medias, realmente no sabemos si A debera ser
superior a B o a la inversa. Esto nos lleva a elegir una prueba de dos colas, asociada a
la siguiente hiptesis alternativa: Ha: media(A) media (B).

Caractersticas

Se utiliza para juzgar si una propiedad que se supone en una poblacin estadstica
es compatible con lo observado en una muestra de dicha poblacin.
Mediante esta teora se aborda el problema estadstico considerando una hiptesis
determinada y una hiptesis alternativa, y se intenta dirimir cul de las dos es la
hiptesis verdadera tras aplicar el problema estadstico a un cierto nmero de
experimentos.
Est fuertemente asociada al concepto estadstico de potencia y a los conceptos
de errores tipos I y II que definen respectivamente, la posibilidad de tomar un
suceso falso como verdadero, o uno verdadero como falso.
Los tipos ms importantes son los test centrados, de hiptesis y alternativa simple,
aleatorizadas, etc. Dentro de los test no paramtricos, el ms extendido es
probablemente el test de la U de Mann-Whitney.

Ejemplos
7. Teoras de Colas

Concepto

La teora de colas es el estudio matemtico del comportamiento de lneas de espera.

Esta se presenta, cuando los "clientes" llegan a un "lugar" demandando un servicio a un
"servidor", el cual tiene una cierta capacidad de atencin. Si el servidor no est disponible
inmediatamente y el cliente decide esperar, entonces se forma la lnea de espera.

Tipos

Sistema bsico: Es aquel donde existe una poblacin, un sistema de llegada, ademas
existe solo un sistema de cola y de servicio (sin importar en numero de colas, ni el numero
de servidores). Es decir, en este sistema las entidades al recibir el servicio salen del
sistema y no ingresan a otro.

Sistema multifase o en cascada: A diferencia del sistema bsico el sistema multifase

es aquel donde existe un conjunto de sistemas interconectados. Existe una poblacin, un
sistema de llegada, y existe ms de un sistema de cola y de servicio (sin importar en
nmero de colas, ni el nmero de servidores) con relacin entre ellos. Es decir, en este
sistema las entidades al recibir el servicio salen del sistema e ingresan uno o ms
sistemas de cola y servicio, que pueden o no tener las mismas caractersticas.

Casos

Suponga que en una estacin con un solo servidor llegan en promedio 45 clientes por
hora, Se tiene capacidad para atender en promedio a 60 clientes por hora. Se sabe que
los clientes esperan en promedio 3 minutos en la cola.

Se solicita:

a) Tiempo promedio que un cliente pasa en el sistema.

b) Nmero promedio de clientes en la cola.

c) Nmero promedio de clientes en el Sistema en un momento dado. Solucin:

Se conoce la siguiente informacin:

= 45 clientes/hora (media de llegada de los clientes)= 45/60 clientes/minutos

 = 60 clientes/hora (media de servicio a los clientes) = 60/60 clientes/minutos

Wq = 3 minutos (tiempo promedio de espera de un cliente en la cola)

a) Para calcular el tiempo promedio que un cliente pasa en el Sistema (Ws). Lo podemos
calcular a partir de Wq y .

Es decir en promedio un cliente pasa 4 minutos en el Sistema: distribuidos as 3

minutos pasa esperando en la cola + 1 minutos en servicio.

b) Para calcular el nmero de clientes en la cola (Lq), usaremos la frmula siguiente:

Lq= Wq.

Es decir los clculos nos muestran que en la cola puede haber ms de dos clientes
en la cola.

c) Para calcular cual es el nmero de clientes en la cola (Ls). Lo podemos hacer con
la frmula: Ls= Ws.

Es decir en promedio hay tres clientes en el sistema, como se nos ha dicho que solo
hay un servidor, sabemos que solo un cliente puede estar en servicio, por lo que los
dems deben estar en la cola. Esto indica que hay dos clientes en espera.