Documentos de Académico
Documentos de Profesional
Documentos de Cultura
03estadistica General Tercer Corte
03estadistica General Tercer Corte
X -Z σ ≤ µ ≤ X +Z σ
√n √n
X = Media de la muestra
σ = desviación típica
n= Tamaño de la muestra
99,74 3,00
99,00 2,58
98,00 2,33
97,50 2,24
96,00 2,05
95,45 2,00
95,00 1,96
90,00 1,645
80,00 1,28
68,27 1,00
50,00 0,6745
3
X - t∝/𝟐 s ≤ µ ≤ X + t∝/𝟐 s
(n – 1) √n (n – 1) √n
X = Media de la muestra
1 - ∝ = Nivel de confianza
S = Desviación estándar
EJEMPLO 1:
SOLUCIÓN
DATOS:
X = 2,6
n = 36
σ = 0,3
X -Z σ ≤ µ ≤ X + Z σ
√n √n
2,6 - 1,96 0,3 ≤ µ ≤ 2,6 + 1,96. 0,3
√36 √36
2,50 ≤ µ ≤ 2,70
X -Z σ ≤ µ ≤ X + Z σ
√n √n
2,6 - 2,58 0,3 ≤ µ ≤ 2,6 + 2,58 0,3
√36 √36
2,47 ≤ µ ≤ 2,73
EJEMPLO 2
SOLUCIÓN
DATOS
n=7
S = 0,283
Recuerde v = n - 1
n = 7 y NC = 95% se busca
tα/2 = ?
v
SOLUCIÓN
t – de students
6 2,447
.
7
X - t∝/2 s ≤ µ ≤ X +t 2 s
∝/
(n – 1) √n (n – 1) √n
9,74 ≤ µ ≤ 10,26
8
Ejemplo 2.
Ejemplo 3.
p-z pq ≤ µ ≤ p +z pq
n n
Notación
p = Proporción de la muestra
q=1–p
n = Tamaño de la muestra
10
Ejemplo 1
p-z pq ≤ µ ≤ p +z pq
n n
n = 384
384 384
0,267 ≤ µ ≤ 0,359
26,70% ≤ µ ≤ 35,90%
Conclusión: Con un 95% de confianza podemos afirmar que los estudiantes que
trabajan y estudian se encuentran en un intervalo de proporción entre 26,70% y
35,90%
11
Ejemplo 2
p-z pq ≤ µ ≤ p +z pq
n n
n = 300
300 300
0,694 ≤ µ ≤ 0,806
69,40% ≤ µ ≤ 80,60%
Conclusión: Con un 97,50% de confianza podemos afirmar que las personas que
aprobarían el test cultural se encuentran en un intervalo de proporción entre
69,40% y 80,60%
12
Ejercicio 1
Ejercicio 2
Ejercicio 3
Una televisión Venezolana informa que todos los estudiantes de primaria tienen
una computadora. Si una muestra de 1020 estudiantes revela que 673 tienen
computadores caseros. ¿Determine un intervalo de proporción para la población
con un nivel de confianza del 99,74%?
1) Hipótesis estadística:
Los niveles de significación son linderos entre aceptar, o no, la hipotesis nula.
UNILATERAL BILATERAL
a) Error tipo I: (o riesgo de primera especie ∝): El error tipo I es aquel que se
comete al rechazar la hipótesis nula (H0) a nivel de la muestra, siendo verdadera
14
b) Error tipo II (o riesgo de segunda especie 𝛽): El error tipo II ocurre cuando a
nivel de la muestra se acepta la hipótesis nula(H0), siendo esta falsa a nivel de la
población. Dicho de otra manera cuando una hipotesis, aceptada como buena,
resulte que es falsa.
c) Contrastes:
1) Bilateral
H0 : µ1 = 𝜇 2
Ha : µ1 ≠ 𝜇 2
2) Unilateral
H0 : µ1 = 𝜇 2
Ha : µ1 > 𝜇2
H0 : µ1 = 𝜇 2
Ha : µ1 < 𝜇2
15
1) Bilateral
H0 : µ1 = 𝜇 2
Ha : µ1 ≠ 𝜇 2
De H0
Zc zt zt zc
2) Unilateral
H0 : µ1 = 𝜇 2
Ha : µ1 > 𝜇2
Zona de
De H0
zt zc
16
2) Unilateral
H0 : µ1 = 𝜇 2
Ha : µ1 < 𝜇2
Aceptación
De H0
Zc zt
17
PARTE PRACTICA
SOLUCIÓN
H0: µ1 = 87
UNILATERAL
Ha: µ1 > 87
𝜎x = 𝜎 = 8 = 8 = 1,33
√n √36 6
3) Calculo de Zc
Zc = X – 𝜇 = 90 – 87 = Z = 2,26
𝜎x 1,33
Zona de
De H0
1,645 2,26
5) Conclusión: Se rechaza la hipotesis nula (H0), o sea que se acepta Ha, lo que
significa que la media aritmética de inteligencia de los estudiantes de ese nivel
ha aumentado.
EJEMPLO 2:
SOLUCIÓN
H0 : µ1 = 65
Ha : µ1 < 65
𝜎x = 𝑠 = 15 = 3,35
√n √20
tc = X – 𝜇 = 55,5 – 65 = tc = -2,84
𝜎x 3,35
4) Se busca en la tabla el valor critico de t con n – 1 = 20 – 1 = 19 con un nivel de
riesgo del 1%(0,01) t0,01 tt = 2,539
19
20
t - students
v 0,01
19 2,539
21
Aceptación
De H0
-2,84 2,539
5) Conclusión: Se rechaza la hipótesis nula (H0), o sea que se acepta Ha, lo que
significa que el tiempo promedio de respuesta ha determinado estimulo, para los
contadores es más corto a 65mseg.
22
EJEMPLO 3
SOLUCIÓN
H0 : µ1 = 8
BILATERAL
Ha : µ1 ≠ 8
Ejemplo 4
Vamos a suponer que en un hato, los becerros de la raza pardo suizo suelen
pesar al nacer 80 kg en promedio, siendo alimentadas las madres con pangolas
únicamente. Luego de haber sido sometido este mismo ganado a una
sobrealimentación de concentrado, durante cierto tiempo, se toman varias
muestras del mismo de 9 vacas preñadas, estas escogidas al azar y de peso
talla y salud normal: encontrándose que sus becerritos pesan ahora al nacer
84kg en promedio, con una aproximación de + o – 6kg.
23
SOLUCIÓN
DATOS
𝜇 = 80kg
n = 9 vacas
X = 84kg
𝑠 = 6kg
NS = 10%
H0 : µ1 = 80
UNILATERAL
Ha : µ1 > 80
𝜎x = 𝑠 / √n = 6 / √9 = 6/ 3 = 2,00
Tc = X – 𝜇 / 𝜎x = 84 – 80 / 2 = 4 / 2 = tc = 2,00
t - students
8 1,397
.
25
Zona de
De H0
1,397 2,00
5) Conclusión: Se rechaza la hipótesis nula (H0), o sea que se acepta Ha, lo que
significa que hubo un aumento de peso y se debió a la sobrealimentación
prenatal de las vacas
1) Bilateral
H0 : p= 𝑃0
Ha : p≠𝑃0
2) Unilateral
H0 : p= 𝑃0
26
Ha : p< 𝑃0
H0 : p= 𝑃0
Ha : p> 𝑃0
Solo se estudiará el caso en que la muestra aleatoria es grande (n ≥ 30), esto es,
el caso en el cual existe una aproximación normal de la distribución binomial. El
estadístico de prueba es:
Zc = ̂p – P0
̂p ̂q
n
Zc = ̂p – P0 / √ p0 q0 / n Z = X – np0 / √ Np0q0
X = número de éxitos
Ejemplo 1
SOLUCIÓN
28
DATOS
n = 100
α = Nivel de significación
α = 0,05 o lo que es lo mismo 5%, con este valor voy a la tabla vista
anteriormente y obtengo un Z = 1,645
H0 : p= 𝑃0 H0 : p= 0.9
UNILATERAL
Ha : p> 𝑃0 Ha : p> 0.9
𝑃0 = 0,9
2) Calculo de Zc
Zc = ̂p – P0
̂p ̂q
n
̂p = x ̂p = 95 ̂p = 0,950
n 100
̂q = 1 - ̂p ̂q = 1 – 0,950 ̂q = 0,050
Zc = ̂p – P0
̂p ̂q
n
Zc = 0,950 – 0,90
29
(0,950)(0,050)
100
Zc = 0,050
0,022
Zc = 2,273
Zona de
De H0
1,645 2,273
4) Conclusión: Se rechaza la hipótesis nula (H0), o sea que se acepta Ha, lo que
significa que el proceso ha mejorado, ya que el proceso modificado ha reducido
la proporción de artículos defectuosos.
Ejemplo 2
n = 1000
X = 25
α = Nivel de significación
α = 0,01 o lo que es lo mismo 1%, con este valor voy a la tabla vista
anteriormente y obtengo un Z =
H0 : p= 𝑃0 H0 : p= 0.030
UNILATERAL
Ha : p> 𝑃0 Ha : p> 0.030
𝑃0 = 0,030
2) Calculo de Zc
Zc = ̂p – P0
̂p ̂q
n
̂p = x ̂p = 25 ̂p = 0,025
n 1000
̂q = 1 - ̂p ̂q = 1 – 0,03 ̂q = 0,975
31
Zc = ̂p – P0
̂p ̂q
n
Zc = 0,025 – 0,030
(0,025)(0,975)
1000
Zc = -0,005
0,005
Zc = - 1,00
Zona de
De H0
- 1,00 2,33
32
H0 : p= 𝑃0 H0 : p= 0.020
UNILATERAL
Ha : p< 𝑃0 Ha : p< 0.020
𝑃0 = 0,020
33
Y Y Y Y
X X X X
Donde:
Y Es la variable dependiente
a Representan el intercepto
Y
PENDIENTE POSITIVA a
Y2 Y2
,b
PENDIENTE NEGATIVA
Y1 ,b
Y1
X X1
X1 X2 X2
35
a= Σy - bΣx
n
de una relación lineal entre dos variables aleatorias. Se considera que dos
formulación matemática:
n XY X Y
r
n X X nY Y
2 2 2 2
Entre 0.01 y 0.29 Baja no recomendable (no hay un buen ajuste de datos)
Ejemplo Nº 1
La tabla siguiente nos da las notas del test de aptitud (x) de 6 individuos para
llevar a cabo las ventas del primer mes de prueba(y) en cientos de dólares
APTITUD (X) 25 42 33 54 29 36
PRUEBAS (Y) 42 72 50 90 45 48
SOLUCIÓN
APTITUD(X) PRUEBAS(Y) X2 Y2 XY
94
90
89
84
79
74
72
69
64
59
52
50
48 47
45
42 x
25 30 35 40 45 50 55
29 33 36 42 54
Tendencia Lineal +
∑x =219
Y a bX ∑x2= 8.531
∑y2= 21.877
Para obtener la ecuación de la recta de ajuste, vamos a
calcular la pendiente y el intercepto: ∑xy =13.617
n=6
347 1.77219
a Y b x a a 6,77 Por tanto la expresión de la
n6
n
Y a bX
Y 6,77 1,77 X
Y 6,77 1,77 X
n XY X Y 5709
r r
n X 2 2
X nY 2 y
2
68.531 (219) 621.877 347
2 2
5709 5709
r 0,96 Alta
(56,79)(104,18) 5916,38
r = 0,96 Alta
Ejemplo Nº 2
40
10 200
15 320
20 475
25 500
30 535
35 860
40 750
45 860
50 900
55 1000
60 1100
65 1300
41
Y a bX
Para obtener la ecuación de la recta de ajuste, vamos a calcular la pendiente y el
intercepto:
8800 17.94450
a Y b x a a 60.5 Por tanto la expresión de la
n 12
n
Y a bX
Y 60,5 17,94 X
43
n XY X Y 12394150 4508800
r r
n X 2 2
X nY 2 y
2
1220450 450 127655950 8800
2 2
PROBLEMAS PROPUESTOS
DIBUJO (X) 13 12 10 10 8 6 6 5 3 2
INMAGINACIÓN 11 14 11 7 9 11 3 7 6 1
(Y)
45
2.-
INDIVIDUO 1 2 3 4 5 6 7 8 9 10 11 12 13
PESO 55 57 70 55 75 51 53 44 48 59 56 51 57
PRESIÓN 13 13 15 14 15 12 15 12 12 13 14 12 14
0 3 0 6 1 8 0 1 0 9 8 5 9
4.- Un estudio trata de relacionar la satisfacción laboral con los años de servicio,
los trabajadores evaluaron la satisfacción del 1 al 10, se obtuvieron los datos
siguientes:
46
AÑOS DE SATISFACCION
TRABAJO
8 5.6
4 6.3
12 6.8
9 6.7
16 7.0
14 7.7
10 7.0
15 8.0
22 7.8
AÑOS DE INGRESO
TRABAJO
8 27
4 22
12 34
9 28
16 36
14 39
10 33
15 42
22 46
1600 23
1800 28
2000 26
2500 10
3000 5
1850 16
1950 17
1500 30
1650 14
1550 11
1880 16
2100 4
2900 3
1700 19
2200 7
2350 6
50
c) ¿Cuántas personas pueden perder pesos con una ingesta diaria de 2400
calorías ?
Y a bX Recta estimada
n XY X Y
b
n X 2 X
2
a= Σy - bΣx
n
COEFICIENTE DE CORRELACIÓN LINEAL
n XY X Y
r
n X X nY Y
2 2 2 2
51