Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Función de Densidad
El área del recinto determinado por la función y el eje de abscisas es igual a la unidad.
Al ser simétrica respecto al eje que pasa por x = µ, deja un área igual a 0.5 a la izquierda y otra
igual a 0.5 a la derecha.
Su gráfica es:
La probabilidad de la variable X dependerá del área del recinto sombreado en la figura. Y para
calcularla utilizaremos una tabla.
Tipificación de la variable
Para poder utilizar la tabla tenemos que transformar la variable X que sigue una distribución N (μ,
σ) en otra variable Z que siga una distribución N(0, 1).
Tipificación de la Variable
Ejercicios:
Los sueldos mensuales en una empresa siguen una distribución normal con media de 1200 soles,
y desviación estándar de 200 soles. ¿Qué porcentaje de trabajadores ganan entre 1000 y 1550
soles?
Solución:
Una población normal tiene una media de 80 una desviación estándar de 14.0
a) Calcule la probabilidad de un valor localizado entre 75.0 y 90.0
p (75 ≤ x ≤ 90)
2. Los ingresos semanales de los supervisores de turno de la industria del vidrio se rigen por
una distribución de probabilidad normal con una media de $1 000 y una desviación
estándar de $100. ¿Cuál es el valor z del ingreso X de un supervisor que percibe $1 100
semanales? ¿Y de un supervisor que gana $900 semanales?
La distribución exponencial es aquella que modela el tiempo transcurrido entre dos sucesos que se
producen de forma independiente, separada y uniforme en el tiempo.
Se dice que una v.a. X sigue una distribución exponencial de parámetro λ, y se denota por X ∼ exp
(λ), si su función de densidad es
Ejemplo Hemos observado que en cierta provincia se producen, en promedio, 50 incendios serios
cada año. Suponemos que estos incendios se producen de forma independiente y decidimos
modelar el número de incendios por año mediante una distribución Poisson.
Sabemos que:
• El tiempo medio entre dos incendios E(X) = 1 λ = 1/50 años, 7.3 días.
• Dos semanas, en años son: 2·7 365 = 0.03836, • P[X > 0.03836] = 1 − P[X ≤ 0.03836] = 1 − (1 − e
−50·0.03836) = 0.147.
Afirmación 1: «La molécula de agua está compuesta por dos átomos de hidrógeno y un
átomo de oxígeno».
Afirmación 2: «La variable X tiene distribución Binomial».
Afirmación 3: «La media de una muestra de 100 observaciones es
de ¯x=45,32x¯=45,32gramos»
Afirmación 4: «La media de la variable X∼(μ,σ)X∼(μ,σ) es μ=134μ=134»
Afirmación 5: «La media de la variable X∼(μ,σ)X∼(μ,σ) es μ<134μ<134»
La afirmación 1 predica sobre la composición de una molécula. Será una afirmación… pero no es
de tipo «estadístico». Y en particular no dice nada sobre ninguna variable aleatoria. No es una
hipótesis estadística.
La afirmación 2 predica sobre la forma que tiene la distribución de una variable aleatoria. Está
diciendo algo acerca de una variable aleatoria. Así que podemos decir que es una hipótesis
estadística. Pero es una hipótesis estadística no paramétrica.
Ejemplo de prueba de hipótesis detallado paso a paso (incluyendo los detalles «técnicos»)
El enunciado
La variable sobre la que vamos a trabajar es XX: peso real de un paquete de galletitas de 500
gramos de la fábrica.
El enunciado afirma que la distribución de XX es normal. No se conoce μμ, pero sí se
conoce σ=5σ=5.
Hipótesis nula e hipótesis alternativa
H0H0 es la hipótesis nula. Hipótesis nula es la hipótesis de no cambio. Es la hipótesis de que todo
queda igual. Hay otra hipótesis que es la hipótesis de cambio. Siempre en esta hipótesis va a estar
el igual.
H0:μ=500H0:μ=500
H1H1 es la hipótesis alternativa. Es complementaría a la nula. Niega a la hipótesis nula.
Las hipótesis son complementarias. La nula tiene el símbolo de igualdad siempre. Entonces en la
otra no puede aparecer el igual. En la hipótesis alternativa se utiliza o bien el símbolo de
distinto ≠≠, o bien mayor >> o bien menor <<.
H1:μ<500H1:μ<500
Error de tipo 1 y error de tipo 2
Uno querría tomar la decisión correcta. Rechazar la hipótesis nula, cuando esta es falsa, es una
decisión correcta posible. No rechazar la hipótesis nula, cuando esta es verdadera es otra forma de
tomar una decisión correcta.
Pero cuando se toma una decisión basada en información muestral, se pueden cometer errores. Si
la hipótesis nula fuera verdadera, y tomamos la decisión de rechazarla estaremos cometiendo un
error. Este error se conoce cómo el error de tipo 1. Si la hipótesis nula fuera falsa, y no la
rechazamos estaríamos cometiendo otro error. Este otro error se conoce cómo el error de tipo 2.
Error de tipo 1: Si la hipótesis nula es en realidad verdadera, y se la rechaza, se comete el error de
tipo 1. También se llama nivel se significación de la prueba. La probabilidad de cometerlo se
representa cómo:
α=P(errortipo1)=P(RHo|H0esV)α=P(errortipo1)=P(RHo|H0esV)
Decisión correcta 1: Si la hipótesis nula es en realidad verdadera, y no se la rechaza, se está
tomando una decisión correcta. La probabilidad de que ocurra esto se representa:
1–α=P(NoRHo|H0esV)1–α=P(NoRHo|H0esV)
Error de tipo 2: Si la hip’otesis nula es falsa y no se la rechaza, se comete el error de tipo 2. La
probabilidad de cocmeterlo se representa cómo:
β=P(errortipo2)=P(NoRH0|H0esF)β=P(errortipo2)=P(NoRH0|H0esF)
Decisión correcta 2: Si la hipótesis nula es falsa, se la rechaza, se está tomando una decisión
correcta. Diferente de la decisión correcta 1, así que le podemos llamar decisión correcta 2. (No es
un nombre estándar). La probabilidad de que esto ocurra se conoce cómo «potencia del test» y se
representa cómo:
1–β=Potenciadeltest=P(RH0|H0esF)1–β=Potenciadeltest=P(RH0|H0esF)
El nivel de significación (probabilidad de cometer el error de tipo 1) se establece a priori. Es la
probabilidad de rechazar la hipótesis nula cuando esta es verdadera. En general el enunciado del
ejercicio (o el investigador) establece un nivel de significación.
El error de tipo 1 se considera un error grave, que se quiere evitar. Hay necesidad de
controlarlo. αα debe ser pequeño. Valores usuales de αα pueden ser:
α=⎧⎪⎨⎪⎩0,010,050,10α={0,010,050,10
Estadístico de prueba
Rechazaremos H0H0 si:
Nivel de significación
zCzC debe ser aquel valor de la variable normal estándar que acumula un área de 0,05 a su
izquierda. Mirando la tabla de probabilidades normales, o bien usando un software, se puede
determinar que:
Φ(zC)=0,05⇒zc=–1,64Φ(zC)=0,05⇒zc=–1,64
Regla de decisión:
Hasta aquí no se utilizó la información recogida en la muestra. Recién ahora tomamos el dato
sobre la media muestral observada y reemplazamos en la expresión de estadístico de prueba para
obtener el valor observado del estadístico de prueba:
Obtener la conclusión
En general la conclusión tiene dos versiones: una breve, y otra más detallada.
Cómo el valor observado del estadístico de prueba -5,4, cae en la zona de rechazo (–∞,–1,64)(–∞,–
1,64) se decide rechazar la hipótesis nula.
Esta conclusión está muy bien, pero no refiere a la situación general del problema concreto. Solo
dice si se rechaza o no la hipótesis nula.
LA CONCLUSIÓN DETALLADA
Por ejemplo en este caso podríamos escribir una conclusión detallada así:
Con un nivel de significación de 0,050,05 se rechaza la hipótesis nula, que afirma que la media del
peso de los paquetes de galletitas es de 500500 gramos, a favor de la hipótesis alternativa, que
afirma que la media del peso de los paquetes de galletitas es inferior a 500500 gramos. Habría que
re-calibrar la máquina que rellena los paquetes para que la media sea de 500500gramos.
Pasos que se dan para realizar una prueba de hipótesis