“Año de la lucha contra la corrupción e impunidad”

UNIVERSIDAD NACIONAL
FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONÓMICAS
ESCUELA PROFESIONAL DE ECONOMÍA

ASIGNATURA: Estadística Inferencial

PROFESOR: Sánchez Sotomayor Domingo

ALUMNO:
 Palacios Avellaneda Eduardo Leandro
 Laura Ortiz Deisy
 Cienfuegos Rodríguez Sebastián
 García Bolívar Cinthia

AULA: 44 TURNO: Mañana

LIMA – 2019
1
DEDICATORIA

A mi Maestro, gracias por su

tiempo, por su apoyo, así como por
la sabiduría que me transmiten en el
desarrollo de mi formación , por
haber guiado el desarrollo de este
trabajo y llegar a la culminación del
mismo.

2
 INDICE
DEDICATORIA ………. 01

ÍNDICE ………. 02

PRESENTACIÓN ………. 03

INTRODUCCIÓN ………. 04

TEMA

ESTADÍSTICA ………. 05

1. Definición: ………. 05
 Estadística descriptiva ………. 05
 Estadística inferencial ………. 06
2. Clasificación de la estadística ………. 07
 La estadística inferencial o inductiva ………. 07
 La estadística descriptiva o deductiva ………. 07
3. Evolución de la estadística ………. 08
4. Ejemplos de estadística. ………. 12

ESTADISTICA INFEERENCIAL – CASOS PRACTICOS ………. 14

CONCLUSIONES ………. 22

SUGERENCIAS ………. 23

BIBLIOGRAFÍA ………. 24

3
 PRESENTACIÓN

Hablar de estadística es hablar de datos sobre un fenómeno, acontecimiento,

situación;
Dichos datos recopilados, organizados y resumidos para ser analizados, nos
ayudan de cierta forma a conocer o a entender y reconocer diversas situaciones, en
la vida.
La estadística nos puede hablar de posibilidades, promedios, nos muestra de
manera grafica comportamientos, hechos en apariencia separados.
La estadística los puede agrupar si muestran características semejantes, si somos
fabricantes, maquiladores, cocineros, podemos observar la frecuencia de errores
en nuestro trabajo, la eficiencia de nuestro negocio, el promedio de productos
fabricados por día, tantos fenómenos-hechos ocurridos en nuestro trabajo, los
podemos visualizar de manera representativa gracias a la estadística.
Observar, analizar y obtener respuestas eso buscamos como seres humanos.
Por otro lado hablar de probabilidades, un mundo de posibilidades desde el
momento en que nacemos, probabilidad de nacer en la abundancia o en la pobreza
extrema, llevar una vida sana, probabilidad de nacer en un país desarrollado o
pobre, estudiar en una escuela pública o privada, encontrar un empleo bien pagado,
casarse y ser feliz, ser soltero y lograr todos tus propósitos, comprar una casa
nueva, el auto que te gusta, todo, absolutamente todo únicamente son posibilidades
y conforme caminas en la vida eres parte de ellas o en verdad ni siquiera eres parte
de la muestra donde se estimaron, un campo muy amplio el cual te ayuda a tomar
decisiones, toda una vida siendo parte de las estadísticas, ¿lo habías pensado?
Háblame estadística, muéstrame como tú la aplicas en tu vida o más bien de qué forma
la ves reflejada en tus actividades, tu sabes que hablar de estadística es hablar de
posibilidades (probabilidad), promedios (media), eventos que se repiten con
frecuencia (moda), fenómenos que se pueden entender cuando se agrupan y muestran
gráficamente (graficas de barras, gráficos de pastel, etc.) y muchas otras cosas mas...

4
 INTRODUCCIÓN

Se suele pensar en una relación de datos numéricos presentada de forma ordenada y

sistemática. Esta idea es la consecuencia del concepto popular que existe sobre el término y
que cada vez está más extendido debido a la influencia de nuestro entorno, ya que hoy día es
casi imposible que cualquier medio de difusión, periódico, radio, televisión, etc, no nos
aborde diariamente con cualquier tipo de información estadística sobre accidentes de tráfico,
índices de crecimiento de población, turismo, tendencias políticas, etc.

"ESTADISTICA" se derivó de la palabra "ESTADO". La función de los gobiernos entre

otras cosas es llevar los registros de población, nacimientos, cosechas, impuestos y toda la
información que engloba el estado, es así que, tradicionalmente se definió a la estadística
como un instrumento de compilación, organización, presentación y análisis de datos
numéricos.

Sólo cuando nos adentramos en un mundo más específico como es el campo de la

investigación de las Ciencias Sociales: Medicina, Biología, Psicología, ... empezamos a
percibir que la Estadística no sólo es algo más, sino que se convierte en la única herramienta
que, hoy por hoy, permite dar luz y obtener resultados, y por tanto beneficios, en cualquier
tipo de estudio, cuyos movimientos y relaciones, por su variabilidad intrínseca, no puedan
ser abordadas desde la perspectiva de las leyes determinísticas. Podríamos, desde un punto
de vista más amplio, definir la estadística como la ciencia que estudia cómo debe emplearse
la información y cómo dar una guía de acción en situaciones prácticas que entrañan
incertidumbre.

La estadística es una ciencia aplicada de las matemáticas y es una valiosa herramienta para
la toma de decisiones. Permite el estudio de fenómenos mediante la descripción del mismo a
través de inferencias mediante distribuciones probabilísticas.

La Estadística se ocupa de los métodos y procedimientos para recoger, clasificar, resumir,

hallar regularidades y analizar los datos, siempre y cuando la variabilidad e incertidumbre
sea una causa intrínseca de los mismos; así como de realizar inferencias a partir de ellos, con
la finalidad de ayudar a la toma de decisiones y en su caso formular predicciones.

5
 TEMA: ESTADÍSTICA
1. Definición:
La estadística es una ciencia formal y una herramienta que estudia el uso y los análisis
provenientes de una muestra representativa de datos, busca explicar las correlaciones
y dependencias de un fenómeno físico o natural, de ocurrencia en forma aleatoria o
condicional.

Sin embargo, la estadística es más que eso, es decir, es la herramienta fundamental

que permite llevar a cabo el proceso relacionado con la investigación científica.

Es transversal a una amplia variedad de disciplinas, desde la física hasta las ciencias
sociales, desde las ciencias de la salud hasta el control de calidad.

Se usa para la toma de decisiones en áreas de negocios o instituciones

gubernamentales.

La estadística se divide en dos grandes áreas:

 Estadística descriptiva: Se dedica a la descripción, visualización y resumen

de datos originados a partir de los fenómenos de estudio. Los datos pueden
ser resumidos numérica o gráficamente. Ejemplos básicos de parámetros
estadísticos son: la media y la desviación estándar. Algunos ejemplos gráficos
son: histograma, pirámide poblacional, gráfico circular, entre otros.
 Estadística inferencial: Se dedica a la generación de los modelos, inferencias
y predicciones asociadas a los fenómenos en cuestión teniendo en cuenta la
aleatoriedad de las observaciones. Se usa para modelar patrones en los datos
y extraer inferencias acerca de la población bajo estudio. Estas inferencias
pueden tomar la forma de respuestas a preguntas sí/no (prueba de hipótesis),
estimaciones de unas características numéricas (estimación), pronósticos de
futuras observaciones, descripciones de asociación (correlación) o
modelamiento de relaciones entre variables (análisis de regresión). Otras
técnicas de modelamiento incluyen anova, series de tiempo y minería de
datos.

6
2. Clasificación de la estadística
El estudio de la estadística se divide clásicamente en dos, la estadística descriptiva y
la estadística inferencial.
 La estadística inferencial o inductiva sirve extrapolar los resultados
obtenidos en el análisis de los datos y a partir de ello predecir acerca de la
población, con un margen de confianza conocido.

7
  La estadística descriptiva o deductiva se construye a partir de los datos y la
inferencia sobre la población no se puede realizar, al menos con una
confianza determinada, la representación de la información obtenida de los
datos se representa mediante el uso de unos cuantos parámetros y algunas
graficas planteadas de tal forma que den importancia los mismos datos.

3. Evolución de la estadística
EVOLUCION HISTORICA DE LA ESTADISTICA

Los comienzos de la estadística pueden ser hallados en el antiguo Egipto, cuyos

faraones lograron recopilar, hacia el año 3050 antes de Cristo, prolijos datos relativos
a la población y la riqueza del país.

En el antiguo Israel la Biblia da referencias, en el libro de los Números, de los datos

estadísticos obtenidos en dos recuentos de la población hebrea. El rey David por otra
parte, ordenó a Joab, general del ejército hacer un censo de Israel con la finalidad de
conocer el número de la población.

También los chinos efectuaron censos hace más de cuarenta siglos. Los griegos
efectuaron censos periódicamente con fines tributarios, sociales (división de tierras)
y militares (cálculo de recursos y hombres disponibles). La investigación histórica
revela que se realizaron 69 censos para calcular los impuestos, determinar los
derechos de voto y ponderar la potencia guerrera.

Pero fueron los romanos, maestros de la organización política, quienes mejor

supieron emplear los recursos de la estadística. Cada cinco años realizaban un censo
de la población y sus funcionarios públicos tenían la obligación de anotar
nacimientos, defunciones y matrimonios, sin olvidar los recuentos periódicos del
ganado y de las riquezas contenidas en las tierras conquistadas. Para el nacimiento de

8
Cristo sucedía uno de estos empadronamientos de la población bajo la autoridad del
imperio.

Durante los mil años siguientes a la caída del imperio Romano se realizaron muy
pocas operaciones Estadísticas, con la notable excepción de las relaciones de tierras
pertenecientes a la Iglesia, compiladas por Pipino el Breve en el 758 y por
Carlomagno en el 762 DC. Durante el siglo IX se realizaron en Francia algunos
censos parciales de siervos. En Inglaterra, Guillermo el Conquistador recopiló el
Domesday Book o libro del Gran Catastro para el año 1086, un documento de la
propiedad, extensión y valor de las tierras de Inglaterra. Esa obra fue el primer
compendio estadístico de Inglaterra.
Aunque Carlomagno, en Francia; y Guillermo el Conquistador, en Inglaterra, trataron
de revivir la técnica romana, los métodos estadísticos
permanecieron casi olvidados durante la Edad Media.

Durante los siglos XV, XVI, y XVII, hombres como

Leonardo de Vinci, Nicolás Copérnico, Galileo,
Neper, William Harvey, Sir Francis Bacon y René
Descartes, hicieron grandes operaciones al método
científico, de tal forma que cuando se crearon los
Estados Nacionales y surgió como fuerza el comercio
internacional existía ya un método capaz de aplicarse
a los datos económicos.

Para el año 1532 empezaron a registrarse en Inglaterra las defunciones debido al

temor que Enrique VII tenía por la peste. Más o menos por la misma época, en Francia
la ley exigió a los clérigos registrar los bautismos, fallecimientos y matrimonios.
Durante un brote de peste que apareció a fines de la década de 1500, el gobierno

9
inglés comenzó a publicar estadísticas semanales de los decesos. Esa costumbre
continuó muchos años, y en 1632 estos Bills of Mortality (Cuentas de Mortalidad)
contenían los nacimientos y fallecimientos por sexo. En 1662, el capitán John Graunt
usó documentos que abarcaban treinta años y efectuó predicciones sobre el número
de personas que morirían de varias enfermedades y sobre las proporciones de
nacimientos de varones y mujeres que cabría esperar. El trabajo de Graunt,
condensado en su obra Natural and Political Observations...Made upon the Bills of
Mortality (Observaciones Políticas y Naturales... Hechas a partir de las Cuentas de
Mortalidad), fue un esfuerzo innovador en el análisis estadístico.

Por el año 1540 el alemán Sebastián Muster realizó una compilación estadística de
los recursos nacionales, comprensiva de datos sobre organización política,
instrucciones sociales, comercio y poderío militar. Durante el siglo XVII aportó
indicaciones más concretas de métodos de observación y análisis cuantitativo y
amplió los campos de la inferencia y la teoría Estadística.

Los eruditos del siglo XVII demostraron especial interés por la Estadística
Demográfica como resultado de la especulación sobre si la población aumentaba,
decrecía o permanecía estática.

En los tiempos modernos tales métodos fueron resucitados por algunos reyes que
necesitaban conocer las riquezas monetarias y el potencial humano de sus respectivos
países. El primer empleo de los datos estadísticos para fines ajenos a la política tuvo
lugar en 1691 y estuvo a cargo de Gaspar Neumann, un profesor alemán que vivía en
Breslau. Este investigador se propuso destruir la antigua creencia popular de que en
los años terminados en siete moría más gente que en los restantes, y para lograrlo
hurgó pacientemente en los archivos parroquiales de la ciudad. Después de revisar
miles de partidas de defunción pudo demostrar que en tales años no fallecían más
personas que en los demás. Los procedimientos de Neumann fueron conocidos por el
astrónomo inglés Halley, descubridor del cometa que lleva su nombre, quien los
aplicó al estudio de la vida humana. Sus cálculos sirvieron de base para las tablas de
mortalidad que hoy utilizan todas las compañías de seguros.

Durante el siglo XVII y principios del XVIII, matemáticos como Bernoulli, Francis
Maseres, Lagrange y Laplace desarrollaron la teoría de probabilidades. No obstante
durante cierto tiempo, la teoría de las probabilidades limitó su aplicación a los juegos
de azar y hasta el siglo XVIII no comenzó a aplicarse a los grandes problemas
científicos.

Godofredo Achenwall, profesor de la Universidad de Gotinga, acuñó en 1760 la

palabra estadística, que extrajo del término italiano statista (estadista). Creía, y con
10
sobrada razón, que los datos de la nueva ciencia serían el aliado más eficaz del
gobernante consciente. La raíz remota de la palabra se halla, por otra parte, en el
término latino status, que significa estado o situación; Esta etimología aumenta el
valor intrínseco de la palabra, por cuanto la estadística revela el sentido cuantitativo
de las más variadas situaciones.

Jacques Quételect es quien aplica las Estadísticas a las ciencias sociales. Este
interpretó la teoría de la probabilidad para su uso en las ciencias sociales y resolver
la aplicación del principio de promedios y de la variabilidad a los fenómenos sociales.
Quételect fue el primero en realizar la aplicación práctica de todo el método
Estadístico, entonces conocido, a las diversas ramas de la ciencia.

Entretanto, en el período del 1800 al 1820 se desarrollaron dos conceptos

matemáticos fundamentales para la teoría Estadística; la teoría de los errores de
observación, aportada por Laplace y Gauss; y la teoría de los mínimos cuadrados
desarrollada por Laplace, Gauss y Legendre. A finales del siglo XIX, Sir Francis
Gaston ideó el método conocido por Correlación, que tenía por objeto medir la
influencia relativa de los factores sobre las variables. De aquí partió el desarrollo del
coeficiente de correlación creado por Karl Pearson y otros cultivadores de la ciencia
biométrica como J. Pease Norton, R. H. Hooker y G. Udny Yule, que efectuaron
amplios estudios sobre la medida de las relaciones.

Los progresos más recientes en el campo de la Estadística se refieren al ulterior

desarrollo del cálculo de probabilidades, particularmente en la rama denominada
indeterminismo o relatividad, se ha demostrado que el determinismo fue reconocido

11
 en la Física como resultado de las investigaciones atómicas y que este principio se
juzga aplicable tanto a las ciencias sociales como a las físicas.
4. Ejemplos de estadística.
La estadística descriptiva toma datos del total de individuos considerados y resume
la información recabada en unas pocas medidas estadísticas para extraer conclusiones
que explican el comportamiento promedio de los mismos.

 Por ejemplo: Consideramos los puntajes obtenidos en una prueba o test por
todos los alumnos ingresantes a primer año de una escuela (en escala 0 a 10)
y calculamos modo=7, mediana=6,5 y media aritmética=7,5 Interpretamos
que la nota que más se repite es 7puntos, que la mitad de los alumnos
obtuvieron menos de 6,5 y la otra mitad entre 6,5 y 10, y que el promedio de
todas las notas es 7,5

Estadística inferencial: toma datos de solo una parte de la población (llamada

muestra) y los aplica para explicar el comportamiento promedio de toda la población
con un cierto margen de error que se minimiza eligiendo una muestra que sea
representativa de la población adoptando ciertos criterios sobre la composición de la
misma

 Por ejemplo: Se aproxima una elección (supongamos de gobernador)No tiene

sentido(por razones económicas y de recursos humanos y tiempo) encuestar a
todos los ciudadanos que votarán en esas elecciones. Entonces se elije una
muestra de la población respetando porcentajes de composición por sexo,
grupos de edad, nivel socioeconómico y cultural, etc. (para que la muestra sea
representativa de la población) y se les pregunta por sus preferencias
electorales. Los datos obtenidos se procesan estadísticamente (obteniendo
parámetros como los indicados anteriormente) pero los resultados a los que se
llega no se aplican solamente para decir que ese grupo de personas votará de
esa manera sino que se aplican diciendo que toda la población de la cual fue
extraída la muestra votará en forma similar. Si se eligió bien la muestra y no
suceden acontecimientos fuera de lo común que vuelquen el resultado
12
 electoral en otra dirección, es probable que los resultados definitivos no estén
muy alejados de los pronosticados.

Media Muestral: x = x
n
 Por Ejemplo:
Calcule la media de los siguientes números: 10 , 11 , 12 , 12 , 13
1. Sumar las cantidades < 10 + 11 + 12 + 12 + 13 = 58>
2. Dividir la suma por la cantidad de elementos < 58/5>
3. El resultado es la media <11.6>

Por lo tanto, la media de los 5 números es 11.6. Note que la media resulta un
número que está entre el rango de elementos; en este caso, 11.6 está entre
10,11,12 y 13.

13
ESTADISTICA INFERENCIAL : PRUEBA DE HIPOTESIS
DEFINICIÓN Y ASPECTOS GENERALES

Es un procedimiento basado en la evidencia muestral y en la teoría de probabilidad que se

emplea para determinar si la hipótesis es un enunciado racional y no debe rechazarse o si es
irracional y debe ser rechazado

En un trabajo de investigación se plantean 2 hipótesis mutuamente excluyentes, la hipótesis

nula y la alternativa o de investigación

El análisis estadístico servirá para ver si se puede aceptar o no la hipótesis nula Ho

Cuando se rechaza Ho significa que el factor estudiado o influido significativamente en los

resultados y se acepta la hipótesis alternativa Ha

PASOS DE LA PRUEBA DE HIPOTESIS

PASO 1

Planteamiento de la hipótesis nula y alternativa, 3 planteamientos

1 Ho : P = p 2 Ho : P ≤p 3 Ho : P ≥ p

H1 : P ≠ P H1 : P >P H1 : P < P

PASO 2

Elegir el nivel de significancia (∝) ejemplo 5% =0.05

PASO 3

Determina la zona de aceptación o rechazo de la hipótesis nula Ho

14
PASO 4

Determinación de la función pivotal

𝑿−𝒖
Cuando n> 𝟑𝟎 𝒛= 𝝈
√𝒏

Cuando n ≤ 𝟑𝟎 𝑿−𝒖
𝒕 == 𝝈
√𝒏

𝑷−𝒑
Cuando es para 𝒛= 𝒑∗𝒒
√ 𝒏
proporciones
PASO 5

Calculo de la función pivotal

Se obtiene un valor para Z =-3.51

PASO 6

Ubicar el valor obtenido en el cálculo de la función pivotal en la región de rechazo o en la

región de aceptación en Ho

PASO 7

Conclusión si se rechaza o acepta Ho

15
 EJERCICIOS
1. Sports Illustrated discutió los problemas que tenían las redes de televisión al transmitir los
juegos de fútbol profesional, debido a las variaciones en la cantidad de tiempo que se
toma el partido. Los juegos que tomaran del siguiente programa, mientras que los juegos
que requerían de menos tiempo dejaron a las cadenas con franjas de tiempo por llenar.
NBC decidió probar la hipótesis de que debería asignar exactamente 3.1 horas por juego.
Para probar esta hipótesis, se seleccionaron los tiempos de 12 juegos. Los resultados en
horas son los siguientes. Si 𝜶 = 𝟏% ¿qué debe hacer la NBC?

Tiempos (en horas) para 12 partidos

de fútbol profesional en 1997
2.91 3.19 3.05
3.21 3.09 3.19
3.12 2.98 3.17
2.93 2.95 3.14

La afirmación de Sports Illustrated sobre el tiempo de juego que 𝜋 = 3.1 contiene el signo
igual y por lo tanto sirve como la hipótesis nula.

𝐻𝑜 : 𝜋 = 3.1
𝐻𝑎 : 𝜋 < 3.1

𝟐. 𝟗𝟏 + 𝟑. 𝟏𝟗 + 𝟑. 𝟎𝟓 + 𝟑. 𝟐𝟏 + 𝟑. 𝟎𝟗 + 𝟑. 𝟏𝟗 + 𝟑. 𝟏𝟐 + 𝟐. 𝟗𝟖 + 𝟑. 𝟏𝟕 + 𝟐. 𝟗𝟑 + 𝟐. 𝟗𝟓. 𝟑. 𝟏𝟒
̅ =
𝒙
𝟏𝟐

̅ = 𝟑. 𝟎𝟕𝟓𝟓
𝒙

∑ 𝒇𝒙𝟐 − ∑ 𝒏(𝒙
̅)𝟐 𝟏𝟏𝟑. 𝟕𝟖𝟓𝟕 − 𝟏𝟏𝟑. 𝟓𝟎𝟒𝟒𝟎
𝒔=√ = √ = 𝟎. 𝟏𝟓𝟗𝟗𝟏
𝒏−𝟏 𝟏𝟐 − 𝟏

̅ − 𝒙𝒐
𝒙 𝟑. 𝟎𝟕𝟓𝟓 − 𝟑. 𝟏
𝒁= 𝒔 = 𝟎.𝟏𝟓𝟗𝟗𝟏𝟏
= −𝟎. 𝟓𝟑𝟎𝟕𝟑𝟒𝟓
√𝒏 √𝟏𝟐

16
Regla de decisión:
No rechazar 𝑯𝒐 si Z si es mayor que –1.79. Rechazar si 𝑯𝒐 es menor que
–1.79

Debido a que Z = -0.53 > -1.79, se afirma la hipótesis nula 𝐻𝑜 : 𝜋 = 3.1; se puede decir que
la duración de los partidos en el año de 1997 es menor que 3.1 horas

Interpretación:
Tras un análisis de la duración de los partidos en el año de 1997, se puede
deducir que las televisoras deberían distribuir mejor su tiempo. Ya que habrá
muchas franjas de tiempo libre, tal vez transmitiendo más propaganda llegarían a
3.1 horas y a transmitir el partido por el tiempo que dure este.

17
2)En 1997, la legislatura de Illinois debatió varias propuestas para reformar la financiación de las
escuelas estatales (Peoria Journal Star , mayo de 1997). Se aducía que el monto promedio que
invertía Illionis por alumno era menor que el promedio de Estados Unidos de 5,015 por Quality
Counts , el ¨guardián¨ del estado en cuanto a la educación basada en los ciudadanos ,reportó una
media de US$5,015 por alumno .

El presidente de la cámara de Representantes de Estados Unidos, Michael Madigan (D-Chicago),

reportó que más del 40% del pueblo apoyaba el plan del gobernador Jim Edgar de incrementar el
impuesto a la renta estatal en más de 25% para financiar la educación. Sin embargo, el presidente
del Senado James Philip (R-Wood Dale) afirmó que el apoyo no era así de penetrante. El líder
republicano Lee Daniels (R-Elmburst)reportó que se gastaba un promedio de US2.500.00 por
colegio en Illionis .

Mark Boozell, el asesor del gobernador para asuntos de educación realizó una encuesta de opinión
pública. Descubrió que se gastaba un promedio de US$5,112 con base en una muestra de 1.200
estudiantes, para igualarse con otros en el estudio. Se asume una desviación estándar de US$1,254.
Bocel también encontró que las 25 escuelas encuestadas reportaron una media de US$2,200.00. Se
asume una desviación estándar de US$900. 000.Boozell además aprendió que de los 1,000
contribuyentes a quienes se encuestó, 355 apoyaron el plan del gobernad ir de incrementar los
impuestos para pagar la reforma educativa.

a) Pruebe el argumento de que el gasto promedio en Illinois es menor que el promedio de Estados
Unidos de US$5,541 a un nivel de significancia del 5%, y calcule el valor p.

Solución:

𝐻0 : 𝜇 ≥ 5541 𝐻𝐴 : 𝜇 < 5541

5112 − 5541
𝑍= 1254 = −11.85
√1200

REGLA DE DECISIÓN: ¨No rechazar 𝐻0 𝑠𝑖 𝑍 ≥ −1.65. De lo contrario rechazar ¨

Debido a que Z =-11.85< −1.65 , la hipo tesis nula 𝐻0 : 𝜇 ≥ 5541 se rechaza. Los datos sustentan
la afirmación de que la financiación de Illinois está por debajo del promedio nacional. Como la
muestra la siguiente figura, el valor p, el área de la cola que va más allá del valor del estadístico
para la muestra de -11.85, es virtualmente cero:

18
b)Prueba del hipotesis de Quality Counts con un nivel de significancia del 1% .Calcule el
valor de p

Solución :

𝐻0 : 𝜇 = 5015 𝐻𝐴 : 𝜇 ≠ 5015

5112 − 5015
𝑍= 1254 = 2.68
√1200

REGLA DE DECISIÓN: ¨No rechazar 𝐻0 𝑠𝑖 − 2.58 ≤ 𝑍 ≤ 2.58. De lo contrario

rechazar ¨

Debido a que 𝑍 = 2.68 > 2.58 , rechaze la hipotesis nula 𝐻0 : 𝜇 = 5015 . Quality Counts
parece haber subestimado los gastos. Como lo muestra la figura, el valor p es 0.0037 x 2
=0.0074.

C) Pruebe la afirmación de Madigan a un nivel de significancia del 5%.

19
Solución:

𝐻0 : 𝜋 ≤ 0.40 𝐻𝐴 : 𝜋 > 0.40

0.355 − 0.40
𝑍= = −2.90
(0.40)(0.60)
√
1000

REGLA DE DECISIÓN: ¨No rechazar 𝐻0 𝑠𝑖 𝑍 ≥ −1.65 De lo contrario rechazar ¨

Como la muestra la figura 𝑍 = −2.90 < 1.65,,la hipotesis 𝐻0 : 𝜋 ≤ 0.40 no se rechaza.

La afirmación de Madigan de que más del 40% de las personas están a favor de la
propuesta del gobernador no se confirma.

d)Compare los resultados de la afirmación de Madigan con los de Philip . Mantenga un

𝛼 𝑑𝑒 5%.

𝐻0 : 𝜋 ≥ 0.40 𝐻𝐴 : 𝜋 < 0.40

REGLA DE DECISIÓN: ¨No rechazar 𝐻0 𝑠𝑖 𝑍 ≥ −1.65 De lo contrario rechazar ¨

Como se vio la figura , debido a que 𝑍 = −2.91 < −1.65, 𝑙𝑎 ℎ𝑖𝑝𝑜𝑡𝑒𝑠𝑖𝑠 𝑛𝑢𝑙𝑎 𝐻0 : 𝜋 ≥
0.40 se rechaza .La afirmación de Philip de que menos del 40% de las
personas están a favor de la propuesta del gobernador queda confirmada .

20
e)Prueba la hipotesis de Daniel a un nivel de significancia del 5% .

Solución :

𝐻0 : 𝜇 = 2.5 𝐻𝐴 : 𝜇 ≠ 2.5

2.2 − 2.5
𝑍= 0.9 = −1.667
√25

REGLA DE DECISIÓN: ¨No rechazar 𝑠𝑖 − 2.064 ≤ 𝑡 ≤ 2.064De lo contrario rechazar ¨

Ya que t =-1.667, no rechace 𝐻0 : 𝜇 = 2.5 .La afirmación de Daniel se confirma.

Allen L. Webster – Estadística Aplicada a la Economía y los Negocios (pg. 200-222)

21
 CONCLUSIONES

 Los conceptos antes mencionados han sido analizados e investigados de tal manera de hacer
más fácil su comprensión y entendimientos ya que la estadística es la ciencia que trata de
entender, organizar y tomar decisiones que estén de acuerdo con los análisis efectuados

 La Estadística es una ciencia matemática que se utiliza para describir, analizar e interpretar
ciertas características de un conjunto de individuos llamado población. Cuando nos referimos
a muestra y población hablamos de conceptos relativos pero estrechamente ligados. Una
población es un todo y una muestra es una fracción o segmento de ese todo.

 Podemos dividir la estadística en dos ramas; la estadística descriptiva, que se dedica a los
métodos de recolección, descripción, visualización y resumen de datos originados a partir de
los fenómenos en estudio; y la estadística inferencial, que se dedica a la generación de los
modelos, inferencias y predicciones asociadas a los fenómenos en cuestión.

 La estadística trata en primer lugar, de acumular la masa de datos numéricos provenientes de

la observación de multitud de fenómenos, procesándolos de forma razonable. Mediante la
teoría de la probabilidad analiza y explora la estructura matemática subyacente al fenómeno
del que estos datos provienen y, trata de sacar conclusiones y predicciones que ayuden al
mejor aprovechamiento del fenómeno.

22
 SUGERENCIAS

1. Todas las barras deben ser del mismo ancho para no confundir al lector.

2. Los espacios entre barras deben ser igual a la mitad del ancho de las barras.

3. Se deben incluir las escalas y algunas indicaciones para que ayuden a la lectura de las
gráficas.

4. Los ejes de las gráficas se deben identificar en forma clara.

5. Se deben incluir dentro del cuerpo de la gráfica, o debajo, todo tipo de "claves" para
la interpretación de las gráficas.

6. El título de la gráfica debe aparecer debajo del cuerpo.

7. Las notas de pie de página, o sobre fuentes, cuando sean necesarias, se deben colocar
después del título.

23
 BIBLIOGRAFÍA

 http://www.ceibal.edu.uy/contenidos/areas_conocimiento/mat/estadistic
a/sugerencias.html

 http://es.wikipedia.org/wiki/Estad%C3%ADstica

 http://www.monografias.com/trabajos91/acerca-estadistica/acerca-
estadistica.shtml

 http://www.eumed.net/cursecon/libreria/drm/0.htm

 http://www.ceibal.edu.uy/contenidos/areas_conocimiento/mat/estadistic
a/qu_es_la_estadstica.html

 http://www.gestiopolis.com/recursos/experto/catsexp/pagans/eco/44/est
adistica.htm

 http://www.mat.uda.cl/hgomez/Apuntes/Estad%C3%ADstica%20Descr
iptiva%20I.pdf

24