Está en la página 1de 11

UNIVERSIDAD TECNOLOGICA DE HONDURAS

Ing. Oscar Guillermo Segura Estadistica II

El procedimiento de estimación que estudiaremos en esta sección se basa en la


suposición de que la desviación estándar poblacional σ sea conocida.
Decir que σ es conocida significa que se cuenta con datos históricos o con otra
información que permita obtener una buena estimación de la desviación estándar
antes de tomar la muestra que se usará para obtener la estimación de la media
poblacional.

Ejemplo
En una planta de embotellado se producen 10,000 latas de refresco por turno y se
sabe que la media de llenado es 368 ml. y la desviación estándar es 15 ml. Se
toma una muestra de 25 latas y su media es 372.5 ml. ¿Podría decir el experto en
control de calidad que la máquina está funcionando correctamente?  = 0.05

𝐻0∶ 𝜇 = 368 𝐻1∶ 𝜇 ≠ 368

 = 0.05 n = 25 son 2 colas

En este caso se conoce  por lo tanto se usa la prueba z donde el estadístico de


prueba zo está dado por:

𝑋̅−𝜇 372.5−368
𝑧𝑜 = 𝜎 = 15 = 1.50
√𝑛 √25

Determinar los valores críticos

Para tener 5% como área de rechazo y 95% como área de no rechazo es


necesario encontrar 0.4750 del área en la tabla. Esta área corresponde a los
valores críticos

zc = 1.96 y zc = -1.96 o sea las fronteras de la región critica


UNIVERSIDAD TECNOLOGICA DE HONDURAS
Ing. Oscar Guillermo Segura Estadistica II

Zona de aceptación
0.4750 0.4750

La regla de decisión

Si zo < -1.96 ó si zo > 1.96 entonces se rechaza H0

Si -1.96 < zo < 1.96 entonces no se rechaza H0

Z0 no se encuentra en la zona de rechazo, por lo tanto no se rechaza


la hipótesis nula.

Zona de aceptación

1.50

Expresar la decisión en términos del problema; Con un nivel de significación de 5% se


puede decir que:

No hay evidencia para concluir que la media de la lata es diferente de


368 ml.

Por lo tanto la máquina continúa funcionando adecuadamente y no hay que


detener la producción para arreglar la máquina.
UNIVERSIDAD TECNOLOGICA DE HONDURAS
Ing. Oscar Guillermo Segura Estadistica II

Significado de p

Proporciones
Existen ocasiones en las cuales no estamos interesados en la media de la muestra,
sino que queremos investigar la proporción de artículos defectuosos o la
proporción de personas con teléfono, etc. La distribución muestral de proporciones
es la adecuada para dar respuesta a estas situaciones.

Como ejemplo de proporción, una encuesta reciente indicó que 42 de cada 100
entrevistados estaban de acuerdo con el cambio de horario en el verano para
ahorrar energía. La proporción de la muestra es de 42/100, o 0.42, o 42%.

p: la proporción de la muestra,
X: el número de éxitos y
n : el número de elementos de la muestra,
Se determina una proporción muestral de la siguiente manera:

𝑋
𝑝=𝑛

Prueba de hipótesis para la proporción poblacional es similar al de 𝜇 un valor z se


calcula a partir de la muestra con el valor del 𝛼 seleccionado y el valor del
estadístico z se calcula con la fórmula:
𝑝−𝑞
𝑧= 𝜎𝑝
𝑝: 𝑒𝑠 𝑙𝑎 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖𝑜𝑛 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙 𝑞: 𝑒𝑠 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑝𝑙𝑎𝑛𝑡𝑒𝑎𝑑𝑜 𝑐𝑜𝑚𝑜 ℎ𝑖𝑝𝑜𝑡𝑒𝑠𝑖𝑠
𝜎𝑝 = 𝑒𝑟𝑟𝑜𝑟 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟 𝑑𝑒 𝑙𝑎 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖𝑜𝑛

𝑞(1 − 𝑞)
𝜎𝑝 = √
𝑛
UNIVERSIDAD TECNOLOGICA DE HONDURAS
Ing. Oscar Guillermo Segura Estadistica II

Sandra Lucio gerente de personal de la maquila la Gildan. Inc considera que el 60


% de sus empleados son graduados del INFOP. Una muestra de 800 empleados
arroja que 492 son titulados del INFOP, a un nivel del 5% que podemos decir.

492
𝐻0 : 𝑞 = 0.60 𝐻1 : 𝑞 ≠ 0.60 𝑝= = 0.615
800

0.60(1−0.60) 0.615−0.60
𝜎𝑝 = √ = 0.017 𝑧𝑜 = = 0.88
800 0.017

Z = 0.88 está entre ±1.96 por lo tanto no rechazamos 𝐻0

Zona de aceptación

0.88

Regla practica: Siempre que p <  se rechaza H0 y siempre que p >  no se


rechaza H0.

Se construye un intervalo de confianza [IC] alrededor del estadístico observado. Es


posible tener un cierto grado de confianza que este intervalo incluye el parámetro de la
población. Partiendo de dónde se encuentra la media de la muestra se hacen inferencias
sobre la media de la población.

La estimación de parámetros
Se utiliza la siguiente fórmula para determinar los valores críticos del intervalo de
confianza:

𝜎 𝜎 𝜎
𝜇 = 𝑋̅ ± 𝑍𝑐 ( 𝑥 ) 𝑜 𝑋̅ − 𝑍𝑐 ( 𝑥 ) < 𝜇 < 𝑋̅ + 𝑍𝑐 ( 𝑥 )
√𝑛 √𝑛 √𝑛
UNIVERSIDAD TECNOLOGICA DE HONDURAS
Ing. Oscar Guillermo Segura Estadistica II

Ejemplo:

En la fábrica (problema al inicio) donde se producen 10,000 latas de refrescos al


día se sabe que la media de su contenido es 368 ml. y la desviación estándar es 15
ml. Si se toma una muestra de 25 latas y la media es 372.5 ml. ¿podría el experto
en control de calidad decir que la máquina está funcionando correctamente?

El intervalo determinado por 372.5 es

15
372.5 ± 1.96 ( ) 372.5 ± 5.88
5
Por lo tanto la media de la población debe estar en el intervalo

366.62 < 𝜇 < 378.38

Puesto que la media hipotética de la población es 368 ml., es posible concluir que:
Con un nivel de confianza de 95% se puede decir que No hay evidencia partiendo
de la muestra escogida para concluir que la media de las cajas es diferente de 368
ml.

La precisión estadística es la exactitud con la que se puede predecir un parámetro


partiendo de una estadística.

1. Si se reduce el nivel de confianza se aumenta la precisión estadística


puesto que el intervalo correspondiente se ha hecho más pequeño. Al revés, si se
aumenta el nivel de confianza se reduce la precisión estadística.

2. Si se aumenta el tamaño de la muestra se aumenta la precisión estadística


puesto que el intervalo correspondiente se ha hecho más pequeño. Al revés, si se
reduce el tamaño de la muestra se reduce la precisión estadística.
UNIVERSIDAD TECNOLOGICA DE HONDURAS
Ing. Oscar Guillermo Segura Estadistica II

Ejercicios
En UTH se piensa implantar una estrategia de enseñanza de Matemática utilizando
la calculadora TI Nspire, pero el director académico José Mora quiere asegurarse de
la efectividad de esta estrategia antes de incurrir en los gastos requeridos. El
promedio tradicional en el primer periodo de matemática es 2.9 con una desviación
estándar de 0.7. Para el estudio se seleccionaron aleatoriamente 49 estudiantes y
se les ofreció el curso con la calculadora. Obtuvieron un promedio de 3.1 y una
desviación estándar de 0.6. Los ítems 42- 52 se relacionan con una prueba de
hipótesis con 𝛼 = 0.05.

42. La hipótesis alterna debe ser

a. > 2.9

b. 3.1

c. 2.9

d. 3.1

43. La hipótesis nula pudiera ser

a. < 3.1

b. 2.9

c. 2.9

d. 2.9

44. El valor crítico es

a. zc = -1.96

b. zc = -1.645

c. zc = 1.645

d. zc = 1.96
UNIVERSIDAD TECNOLOGICA DE HONDURAS
Ing. Oscar Guillermo Segura Estadistica II
45. La zona de rechazo es

a. zo -1.96

b. zo 1.645

c. 1.645 zo ó zo -1.645

d. 1.96 zo ó zo -1.96

46. La zona no de rechazo es

a. zo < -1.96

b. zo > -1.645

c. zo < 1.645

d. zo < 1.96

47. La z observada es igual a

a. -2.22

b. 0.2

c. 2

d. 2.22

48. Si se rechazara la hipótesis nula entonces se podría decir que con un nivel de
significación de 0.05

a. no hay suficiente evidencia para implantar la nueva estrategia

b. hay suficiente evidencia para continuar el método tradicional

c. no hay suficiente evidencia para continuar el método tradicional

d. hay suficiente evidencia para implantar la nueva estrategia


UNIVERSIDAD TECNOLOGICA DE HONDURAS
Ing. Oscar Guillermo Segura Estadistica II
49. Si no se rechazara la hipótesis nula entonces se podría decir que con un nivel de
significación de 0.05

a. no hay suficiente evidencia para implantar la nueva estrategia

b. hay suficiente evidencia para continuar el método tradicional

c. no hay suficiente evidencia para continuar el método tradicional

d. hay suficiente evidencia para implantar la nueva estrategia

50. Si se rechazara la hipótesis nula entonces se podría decir que la probabilidad de que
el promedio 3.1 haya sido obtenido al azar, si en realidad el parámetro fuera 2.9, es

a. mayor de 0.05

b. menor de 0.05

c. muy alta

d. indeterminada

51. Si NO se rechazara la hipótesis nula entonces se podría decir que la probabilidad de


que el promedio 3.1 haya sido obtenido al azar, si en realidad el parámetro fuera 2.9, es

a. mayor de 0.05

b. menor de 0.05

c. muy alta

d. indeterminada

52. Para rechazar la hipótesis nula el valor de p tendría que ser menor de

a. 0.05

b. 0.95

c. 1.645

d. 1.96
UNIVERSIDAD TECNOLOGICA DE HONDURAS
Ing. Oscar Guillermo Segura Estadistica II
La Dirección Académica en UTH está interesado en determinar si las computadoras
promueven o entorpecen el aprovechamiento en Inglés. Con este propósito
seleccionó aleatoriamente 300 estudiantes de las clases de inglés y después de
facilitarles el uso de computadoras por un año; administró la prueba de
aprovechamiento en Inglés del College Board. Esta prueba está normalizada con un
promedio de 500 y una desviación estándar de 100. El promedio de los estudiantes
fue 510 y la desviación estándar 80. Los ítems 53- 63 se relacionan con una prueba
de hipótesis con 𝜶 = 0.01.

53. La hipótesis alterna debe ser

a. 500

b. 500

c. 510

d. 500

54. La hipótesis nula pudiera ser

a. < 510

b. = 500

c. < 510

d. = 500

55. El valor crítico es

a. zc = 1. 645

b. zc = 1.96

c. zc = 2.33

d. zc = 2.58
UNIVERSIDAD TECNOLOGICA DE HONDURAS
Ing. Oscar Guillermo Segura Estadistica II
56. La zona de rechazo es

a. -2.33 < zo < 2.33

b. zo -1.645 ó 1.645 zo

c. zo -2.58 ó 2.58 zo

d. -2.58 < zo < 2.58

57. La zona no de rechazo es

a. -2.33 < zo < 2.33

b. zo -1.645 ó 1.645 zo

c. zo -2.58 ó 2.58 zo

d. -2.58 < zo < 2.58

58. La z observada es igual a

a. -2.16

b. -1.73

c. 1.73

d. 2.16

59. En este estudio se puede decir que con un nivel de significación de 0.01

a. no hay suficiente evidencia para decir que el uso de las computadora


empeora el aprovechamiento de los estudiantes en Inglés.

b. hay suficiente evidencia para decir que el uso de las computadoras no


mejora el aprovechamiento en Inglés de los estudiantes

c. hay suficiente evidencia para señalar que el uso de las computadoras


cambia el aprovechamiento en Inglés de los estudiantes

d. no hay suficiente evidencia para decir que el uso de las computadora


cambia el aprovechamiento de los estudiantes en Inglés.
UNIVERSIDAD TECNOLOGICA DE HONDURAS
Ing. Oscar Guillermo Segura Estadistica II
60. Si se rechazara la hipótesis nula con = 0.01 entonces se podría decir que la
probabilidad de que el promedio 510 haya sido obtenido al azar, si en realidad el
parámetro fuera 500, es

a. mayor de 0.05

b. menor de 0.05

c. muy alta

d. indeterminada

61. Si NO se rechazara la hipótesis nula con = 0.01 entonces se podría decir que la
probabilidad de que el promedio 510 haya sido obtenido al azar, si en realidad el
parámetro fuera 500, es

a. mayor de 0.05

b. menor de 0.05

c. muy baja

d. indeterminada

62. Si no se rechazara la hipótesis nula, el investigador podría asegurar que

a. menos del 1% de los estudiantes obtendrá un promedio superior a 510

b. el 99% de las muestras tendrán un promedio igual o menor de 500

c. la probabilidad que tienen los estudiantes de obtener un promedio igual o


menor de 500 es de 99%

d. la probabilidad de obtener al azar una muestra con un promedio de 510


es mayor del 1%

63. No se rechaza la hipótesis nula, con = 0.01, cuando el valor de p es

a. mayor de 0.05

b. menor de 0.01

c. menor de 0.05

d. menor de 0.025