Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CAPÍTULO 6
175
Si θ^ es una estadística
f (θ)
1
/2 - /2
x
L1 θ L2
fig. 24
Los niveles de confianza más usados son90%, 95% y 99%. Cuanto más alto
es el nivel de confianza, más probable es que el valor del parámetro que se
está estimando quede dentro del intervalo y mientras más estrecho sea el
intervalo más exacto es la estimación.
Por ejemplo: Si 1−α=0.95, se dice que se tiene una confianza del 95% que
el intervalo contenga el valor del parámetro desconocido ; o bien, de 100
intervalos aleatorios que se tomen 95 de las veces contendrá el parámetro y
sólo 5 veces no lo contendrá.
176
6.1.2.1. Intervalo de confianza para la media poblacional
P [ L1 ≤ μ ≤ L2 ] =1−α
1
/2 - /2
L1 L2
fig. 25
NOTA:
Para muestras grandes (n≥30) y poblaciones no normales se utiliza el
Teorema del Limite Central (TLC) cuando la varianza es conocida σ 2.
177
Es un teorema importante de probabilidad y estadística pues afirma que la
distribución de muestreo de la media se aproxima a la distribución normal al
aumentar el tamaño de la muestra.
OBSERVACIONES:
A) Error Estándar de la Media:
Si el muestreo es con o sin reposición en una población infinita (o con
sustitución en una población finita de tamaño N), el error estándar de
la media muestral es:
σ 2
i) σ x = →(σ conocida)
√n
s 2
ii) s x = →(σ desconocida)
√n
178
Si el muestreo es sin reposición en una población finita de tamaño N,
el error estándar de la media muestra es:
σ N −n
i) σ x =
√ n√N −1
→( σ 2 conocida)
s N−n
√ √
ii) s x = →(σ 2 desconocida)
n N −1
N −n
Donde:
√ N −1
es el factor de corrección para población finita.
B) Error de estimación:
Si x estima a , entonces el error de estimación es el valor numérico
| x -|. Ver fig. 26:
error
L1 L2
fig. 26
El valor mínimo del error de estimación es igual a cero, esto ocurre, cuando
x estima exactamente a . El valor numérico máximo del error de estimación
es igual a Z 0 σ x , ya que el intervalo de estimación resulta: |x-| Z 0 σ X
Ejemplo 106:
Una empresa desea estimar el tiempo medio que necesita una secretaria
para llegar a su casa del trabajo. En una muestra al azar de 40 secretarias
se encuentra que la media es de x= 60 minutos. Suponiendo que la
desviación estándar de la población es de σ =15 minutos y un nivel de
confianza del 95%. Construir un intervalo de confianza para la media
poblacional.
Solución:
Sea desea estimar µ: Tiempo medio en minutos que emplea una
secretaria para llegar a su casa del trabajo
Se tiene una muestra de n=40 (n>30), con una media de x =60.
La varianza es conocida; dado que σ =15 σ 2=225 min .2
179
Se desconoce la forma de la distribución de la población (Población no
normal)
Usar la estadística Z - Caso I – i
Para el nivel de confianza 1−α=0.95, el valor ZO =1.96
El error estándar de la media muestral x es:
σ 15
σ x= = =2.37
√ n √ 40
Los límites de confianza para son:
σ
L1=x−Z 0 =60−1.96 ×2.37
√n
σ
L2=x−Z 0 =60+1.96 × 2.37
√n
σ
L1=x−Z 0 =60−4.65=55.35 minutos
√n
σ
L2=x−Z 0 =60+ 4.65=64.65 minutos
√n
Se tiene una confianza del 95% que el tiempo medio que emplea una
secretaria para llegar del trabajo a su casa varía entre 55.35 y 64.65
minutos.
Ejemplo 107:
Los ingresos semanales promedio de las personas que trabajan en varias
empresas aparecieron en la revista Gestión en 2018. Esos ingresos para
quienes trabajan en asesoramiento jurídico fueron 5639 dólares. Suponga
que este resultado se basó en una muestra de 250 personas dedicadas al
asesoramiento jurídico, y que la desviación estándar de la muestra fue $50.
Calcule el intervalo de confianza de 95% para la población de ingresos
semanales de personas que trabajan en asesoramiento jurídico.
Solución:
Sea desea estimar µ: El ingreso medio semanal poblacional en dólares
de las personas que trabajan en asesoramiento jurídico.
180
Se desconoce la forma de la distribución de la población (Población no
normal).
Usamos la estadística Z – Caso I – ii
Para el nivel de confianza 1−α=0.95, el valor ZO =1.96
El error estándar de la media muestral es:
s 50
sx= = =3.16
√ n √ 250
Los límites de confianza para son:
s
L1=x−Z 0 =5639−1.96 × 3.16
√n
s
L2=x + Z0 =5639+1.96 ×3.16
√n
s
L1=x−Z 0 =5639−6.19=5632.81
√n
s
L2=x + Z0 =5639+6.19=5645.19
√n
Los ingresos para quienes trabajan en varias empresas para los servicios
jurídicos varían entre $5632.81 y $5645.19 con una confianza del 95%.
Ejemplo 108:
El jefe de personal de una empresa selecciona al azar 25 registros de
empleados contratados por hora, obteniendo una media salarial de $ 87.50
por hora. Se sabe que los salarios se distribuyen normalmente. Estime el
salario medio poblacional de los empleados mediante un intervalo del 90%
de confianza, si la desviación estándar poblacional de los salarios es de $ 36
por hora.
Solución:
Se desea estimar µ: Salario medio poblacional en soles de los empleados
contratados.
n = 25 (muestra pequeña n < 30)
con x=$ 87.50
La varianza poblacional conocida, dado que σ =36 σ 2=1296 $2
Los salarios en dólares de los empleados contratados se distribuyen
normalmente. (Población normal)
Usamos la estadística Z - Caso I – iii
Para el nivel de confianza 1−α=0.90, el valor ZO =1.645
El error estándar de la media muestral es:
181
σ 36
σ x́ = = =7.2
√ n √25
Los límites de confianza para son:
σ
L1=x−Z 0 =87.50−1.645× 7.2=75.66
√n
σ
L2=x + Z0 =87.50+1.645 ×7.2=99.34
√n
σ
L1=x−Z 0 =87.50−11.84=75.66
√n
σ
L2=x + Z0 =87.50+11.84=99.34
√n
Interpretación:
La media salarial poblacional por hora de los empleados contratados varía
entre $75.66 y $99.34 con una seguridad del 90%.
Ejemplo 109:
De un lote de 2200 calculadoras científicas se probó 81 al azar. La vida
promedio en la muestra fue de 3.2 años con una desviación estándar de 0.9
años. Construye un intervalo de confianza del 95% para la vida media de las
calculadoras científicas.
Solución:
Se desea estimar µ: Tiempo medio poblacional de vida en años de las
calculadoras científicas.
N = 2200 (población finita).
n = 81 (muestra grande n>30) con x = 3.2 años y s = 0.9
años.
Se desconoce la forma de la distribución de la población (Población no
normal).
Usamos Z - Caso I – ii
Para el nivel de confianza 1−α=0.95, el valor ZO =1.96
El error estándar de la media muestral es:
s N−n 0.9 2200−81
sx=
√n √ N −1
sx=
√
√ 81 2200−1
=0.098
182
s
L2=x + Z0 =3.2+ 1.96× 0.098=3.4 años
√n
Se tiene una confianza del 95% que el tiempo medio poblacional de vida
media de las calculadoras científicas varía entre 3.0 y 3.4 años.
Ejemplo 110:
Los siguientes datos corresponden a pensiones de alimentos en soles de 15
demandas judiciales: 200, 320, 180, 250, 350, 250, 190, 330, 220, 210, 220,
200, 215, 310, 300. Suponiendo que la población de las pensiones está
distribuida normalmente, construir el intervalo de confianza del 95% para el
promedio poblacional de las pensiones de alimentos de las demandas
judiciales.
Solución:
Sea desea estimar µ: Pensión promedio poblacional de alimentos en
soles de las demandas judiciales.
n = 15 (muestra pequeña n < 30)
con x = S/. 249.67 y s = S/.57.02
La media muestral y desviación estándar se obtienen de los datos dados.
Las pensiones de alimentos en soles se distribuyen
mediante una distribución normal (Población normal).
Usamos la estadística t - Caso II
Para un nivel de confianza del 95% el valor de t 0 es:
t 0=t 0.975,14 =2.145
El error estándar de la media muestral es:
s 57.02
sx= = =14.72
√ n √ 15
Los límites de confianza para son:
s
L1=x−t 0 =249.67−2.145 ×14.72
√n
s
L2=x +t 0 =249.67+2.145 ×14.72
√n
s
L1=x−t 0 =249.67−31.57=S /.218.10
√n
s
L2=x +t 0 =249.67+31.57=S /. 281.24
√n
183
Ejemplo 111:
Con el fin de medir el rendimiento de una máquina (N° de unidades
producidas), se toma una muestra y se obtiene los siguientes resultados: 20,
24, 22, 22, 21, 27, 25. Si el rendimiento de la máquina se distribuye
normalmente, calcular un intervalo de confianza del 99% para el rendimiento
medio poblacional.
Solución:
Se desea estimar: μ: Tiempo medio poblacional de ejecución en
milisegundos de un programa.
n=7 (muestra pequeña n<30) con x=23 unidades y s=2.45unidades
Varianza poblacional desconocida ( σ 2 ≅ s 2) se estima a través de la muestra.
El rendimiento de la máquina se distribuye normalmente (Población
normal).
Usamos la estadística t – Caso II
Para el nivel de confianza 1−α=0.99 t O=t 0.995 ,6=3.707
El error estándar de la media muestral x es:
s 23
sx= = =8.69
√n √ 7
184
P [ L¿ ≤ P ≤ L2 ]=1−α
1
-
/2 /2
L1 P L2
fig. 27
OBSERVACIONES:
A. Error estándar de la proporción
Si el tamaño de la muestra es suficientemente grande (n 30). Si el
muestreo es con o sin sustitución en una población infinita (o con
sustitución en una población finita de tamaño N), el error estándar es:
P(1−P)
σ p=
√ n
que se estima por:
p(1− p)
s p=
√ n
p(1− p) N −n
s p=
√ n √
N−1
Donde:
N −n
√ N −1
es el factor de corrección para población finita.
185
Ejemplo 112:
Una muestra de 400 menores de 16 años revela que 220 consumen drogas.
Estimar la proporción de menores de 16 años que consumen drogas en toda
la población mediante un intervalo de confianza del 99%.
Solución:
Observamos que la proporción muestral de menores de 16 años que
consumen drogas es:
220
p= =0.55 ⇒q=0.45
400
p.q p .q
L1= p−Z 0 ×
√ n
=0.55−0.05=0.45L2= p+ Z 0 ×
√n
=0.55+0.05=0.60
Se tiene una confianza del 99% que entre el 45% y 60% de los jóvenes
menores de 16 años consumen drogas.
Ejemplo 113:
Mediante un muestreo al azar de 49 de 500 compradores en la exposición
de libros sobre Psicopedagogía en la Feria del Pacífico, el gerente de ventas
de la Compañía Editora, encontró que el 80% de estos clientes se
interesaron por el nuevo libro. Establezca un intervalo de confianza del 95%
para la proporción de compradores interesados por dicho libro.
Solución:
Se desea estimar P: Proporción poblacional de compradores interesado
por un libro de Psicopedagogía.
186
Observamos que hay una población finita de tamaño N= 500 y una
muestra aleatoria de tamaño n= 49
Observamos también que la proporción muestral de compradores del
nuevo libro es p=0.80⇒ q=0.20.
Para un nivel de confianza del 95 % ⇒ Z 0=1.96
El error estándar de la proporción muestral es:
p .q N−n 0.80 ×0.20 500−49 s =0.05
s p=
√ √
n
×
N−1
s p=
√ 49
×
√
500−1
p
p.q N −n
L2= p+ Z 0
√ √
n N −1
=0.80+1.96 × 0.05
p . q N −n
L1= p−Z 0
√ √
n N−1
=0.80−0.01=0.70
p.q N −n
L2= p+ Z 0
√ √
n N −1
=0.80+0.01=0.90
0Interpretación:
El porcentaje de compradores interesados en un libro de Psicopedagogía
varía entre el 70% y el 90% con una seguridad del 95%.
Ejemplo 114:
En una ciudad, nadie es indiferente respecto a una iniciativa propuesta por el
alcalde: cada ciudadano o bien está a favor, o bien en contra de la iniciativa.
Se desea conocer el porcentaje P de las personas que están en contra de la
iniciativa del alcalde. De 60 habitantes adultos elegidos al azar, 20 afirmaron
que estaban en contra (y los 40 restantes a favor). Hallar el intervalo de
confianza al 99% para la proporción real de personas que están en contra de
la iniciativa propuesta por el alcalde.
Solución:
Se desea estimar P: Proporción real de ciudadanos en contra de la
iniciativa propuesta por el alcalde.
Observamos que la proporción muestral de ciudadanos en contra de la
iniciativa propuesta por el alcalde es:
20
p= =0.33 ⇒ q=0.67
60
187
Para un nivel de confianza del 99% el valor de Z 0=2.576
El error estándar de la proporción muestral es:
p ×q 0.33 ×0.67
s p=
√ n
=
√ 60
=0.06
p×q
L1= p−Z 0 ×
√ n
=0.33−0.15=0.18
p ×q
L2= p+ Z 0 ×
√ n
=0.33+0.15=0.48
P [ L1 ≤ μ 1−μ2 ≤ L2 ]=1−α
1
-
/2 /2
L1 μ1 - μ2 L2
fig. 28
188
CASO I: Usando la estadística Z.
Donde:
σ 12 σ 2 2
σ x −x =
1 2
√ +
n1 n2
Donde:
s12 s22
sx − x =
1
+
n1 n2 2
√
iii)Muestras pequeñas ¿ y n2 <30 ¿, varianzas poblacionales (σ 12 , σ 22)
conocidas y poblaciones normales.
Donde:
σ 12 σ 2 2
σ x −x = +
n1 n2
1 2
√
NOTA: En caso que las poblaciones N 1 y N2 fueran finitas se debe
corregir:
σ 12 N 1 −n1 σ 22 N 2−n2 s12 N 1−n1 s 22 N 2−n2
σ x −x =
n1 1
×
N 1−1
+
n2
× s
√
N 2−1 x − x
2
= (
n1
× + ×
N 1 −1 n1) N 2−1 ( ) 1 2
√ ( ) ( )
CASO II: Usando la estadística t
189
i) Muestras pequeñas ¿ y n2 <30 ¿, varianzas poblacionales
desconocidas pero iguales σ 12=σ 22 ¿ y σ 22 ≅ s22 ¿ poblaciones
normales.
1 1 1 1
L1=( x 1−x 2 )−t 0 Sc
√ +
n1 n2
y L2=( x 1−x 2 ) +t 0 Sc
√ +
n1 n2
Donde:
1 1
s x − x =Sc
1 2
√ +
n1 n2
Además:
( n1−1) s12 +(n2−1)s12 t =t
Sc=
√
n 1+ n2−2
0 1−α /2 , n +n −2 1 2
s 21 s2 s 21 s2
L1=( x1 - x2 ) - t o
√ n1
+ 2
n2
y L2=( x1 - x2 ) + t o
√ n1
+ 2
n2
Donde:
t o=t 1−α / 2 ,r
2
s 12 s 2 2
r=
[ +
n1 n2
2
] 2
s 12 s22
[ ][ ]
n1
+
n2
n 1−1 n2−1
Ejemplo 115:
Se quiere estimar la diferencia entre los promedios de tiempos en minutos
que utilizan dos trabajadores del Poder Judicial para realizar una
determinada tarea suponga que las poblaciones de los dos tiempos son
normales con varianza común. Estime la diferencia entre los dos promedios
190
poblacionales mediante un intervalo de confianza del 95%, si el registro de
16 tiempos de cada trabajador ha dado x 1=38 , s1=6 y x 2=35, s2=4 .
Solución:
Sea estimar μ1−μ 2: La diferencia promedio poblacional de los tiempos en
minutos que utilizan los trabajadores del Poder Judicial para realizar una
determinada tarea.
De las muestras dadas obtenemos:
n1 =16 (n1<30), x 1=38 minutos, s1=6 minutos
n2 =16 (n2 <30), x 2=35 minutos, s2=4 minutos
Las varianzas poblacionales son desconocidas
Las poblaciones de los dos tiempos son normales con varianza común.
Haremos uso de la estadística t – Caso I-i
Las diferencias de medias muestrales son:
x 1−x 2=38−35=3
El error estándar de la media muestral es:
1 1
s x − x =Sc
1 2
√ + =1.80
n1 n2
Donde:
( n1−1) s12 +(n2−1)s22
Sc=
√
n 1+ n2−2
Sc=5.10
1 1 1 1
L1=( x 1−x 2 )−t 0 Sc
√ +
n1 n2
y L2=( x 1−x 2 ) +t 0 Sc
√ +
n1 n2
L1=3−2.042× 1.80
L1=3−3.68=−068
L2=3+2.042 ×1.80
L2=3+3.68=6.68
191
promedios poblacionales que utilizan ambos trabajadores para realizar
una determinada tarea son iguales.
Ejemplo 116:
Con el fin de comparar el rendimiento medio en la cátedra de Derecho
Romano de las Facultades de Derecho de dos universidades una estatal,
otra privada; se tomaron dos muestras aleatorias y se les aplicó un examen
de 100 preguntas. En dicha prueba se obtuvieron los siguientes resultados.
n x s
Universidad Privada 50 85 12
Universidad Estatal 60 71 14
Solución:
Se desea estimar μ1−μ 2: La diferencia media poblacional de los
rendimientos en la catedra de Derecho Romano.
De las muestras dadas obtenemos:
n1 = 50 (n1>30), x 1=85 puntos, s1 = 12 puntos
n2 = 60 (n2>30), x 2=71 puntos, s2 = 14 puntos
Varianzas poblacionales desconocidas.
Se desconoce la forma de la distribución de las poblaciones (Poblaciones
no normales).
Haremos uso de la estadística Z – Caso I-ii
Las diferencias de medias muestrales son:
x 1−x 2=85−71=14
El error estándar de la media muestral es:
s 21 s22
sx − x =
1 2
s x − x =√ ¿ ¿¿
√ +
n 1 n2
1 2
s x − x =2.48
1 2
192
L1=14−1.96 ×2.48
L1=14−4.86=9.14
Ejemplo 117:
Para comparar los gastos medios mensuales de los alumnos de 2
universidades particulares se escogen dos muestras aleatorias de 10 y 9
estudiantes respectivamente resultando los siguientes gastos en dólares:
Muestra 1: 400, 410, 420, 380, 390, 410, 400, 405, 405, 400.
Muestra 2: 390, 395, 380, 390, 400, 380, 370, 390, 380.
193
1 1
s x − x =Sc
1 2
√ + =4.73
n1 n2
Donde:
( n1−1) s12 +(n2−1)s22
Sc=
√ n 1+ n2−2
=10.29
L1=15.89−9.98=$ 5.91
√ +
n1 n2
L1=15.89−2.11 ×4.73
1 1 L =15.89+2.11 × 4.73
L2 ( x 1−x 2)+t 0 Sc
L2=15.89+9.98=$ 25.87
√ +
n1 n2
2
Ejemplo 118:
Se lleva a cabo un estudio para comparar el tiempo que tardan hombres y
mujeres para realizar determinada tarea. Las experiencias anteriores indican
que la distribución de tiempos tanto para hombres como para mujeres es
normal con varianzas diferentes. Una muestra aleatoria de 9 hombres y 8
mujeres han dado los siguientes tiempos en minutos:
Solución:
Se desea estimar μ1−μ 2: La diferencia promedio poblacional de los
tiempos en minutos empleados por los hombres y mujeres
respectivamente.
Cálculos realizados con las muestras dadas:
I n1 xi si
194
Muestra 1 9 20.78 7.03
Muestra 2 8 17.88 2.35
s12 s22
sx − x
1 2
√ + =2.49
n 1 n2
2 2
s 12 s 22 s 22
r=
( +
n1 n2 ) ( )
+
n2
=¿ ¿ ¿
2
( s 12 /n1 ) ( s32 /n 2)
n1−1 n2 −1
r =9.97 ≅ 10
L1=2.9−2.228× 2.49
L1=2.9−5.55=−2.65
L2=2.9+2.228 × 2.49
L2=2.9+5.55=8.45
195
-2.65 1 - 2 8.45. Dado que 1 -2 = 0 al intervalo de confianza, lo cual
quiere decir que los tiempos promedios poblacionales de hombres y mujeres
para hacer la tarea son iguales.
CASO I: Uso de Z
2 2
Cuando n 30, σ D ≅ s D (varianza poblacional de las diferencias es
desconocida) y la población es normal, entonces:
P[ L1 ≤ μD ≤ L2 ]=1−α
Donde:
s2 D s 2D
L1=D−Z 0 y L2=D+ Z 0
√n √n
Además:
196
n
n
∑ Di y s2 D=∑ ¿ ¿ ¿
D= i=1 i=1
n
Además:
n
n
∑ Di y
2
s D= ∑ ¿ ¿ ¿
D= i=1 i=1
n
Ejemplo 119:
Veinte estudiantes de Matemática I de la Facultad de Ingeniería Industrial de
la Universidad de Lima fueron divididas en 10 parejas, teniendo cada
miembro de la pareja aproximadamente el mismo coeficiente de inteligencia:
Uno de cada pareja se selecciona al azar y se asigna a una sección que
utiliza videos: El otro miembro se asigna a una sección que cuenta con
profesor. Al finalizar el ciclo ambos grupos se presentan al mismo examen,
obteniéndose los siguientes resultados:
197
Suponiendo que la característica en estudio sea normal, obtener el intervalo
de confianza del 99% para la diferencia real en el promedio de calificaciones
de los dos procedimientos de enseñanza con base a los resultados. ¿se
puede concluir que el procedimiento de enseñanza con profesores mejor que
con el de video.
Solución:
Obteniendo las diferencias de los coeficientes de ambas secciones:
10
i Xi Yi Di ∑ Di2
i=1
1 15 16 -1 0.25
2 12 10 2 6.25
3 17 17 0 0.25
4 11 14 -3 6.25
5 18 17 1 2.25
6 15 16 -1 0.25
7 16 18 -2 2.25
8 13 12 1 2.25
9 14 15 -1 0.25
10 10 11 -1 0.25
10 10
10
10
∑ Di
D= i=1
10
=−0.5
y s D= √ ∑ ¿¿¿¿
i=1
s 2D s2 D
L1=D−t 0 =−0.5−1.50=−2.00L2=D+t 0 =−0.5+1.50=1.00
√n √n
198
Por lo tanto μ D ∈[−2.00,1 .00] con una confianza del 99%. Como 0
[−2.00,1.00], entonces μ x =μ y . Los procedimientos de enseñanza son
iguales.
1
-
/2 /2
L1 P1−P2 L2
fig. 29
Donde:
p1 q1 p2q2
sp − p =
1 2
√ n1
+
n2
Ejemplo 120:
En los establecimientos penales de Lima ciertos médicos estudiaron dos
tipos de reclusos. Una muestra del tipo I de 300 internos reveló que 50%
eran adictos a las drogas. En otra muestra aleatoria del tipo II de 240
199
internos, el 35% eran adictos a las drogas. Construir un intervalo de
confianza del 99% para la diferencia de las dos proporciones poblacionales.
Solución:
Se desea estimar P1-P2: Diferencia de proporciones poblacionales de
internos adictos a drogas.
Las muestras de internos tomadas para cada tipo revelan la siguiente
información:
Tipo I Tipo II
n n1 = 300 n2 = 240
p p1 = 0.50 p2 = 0.35
L1=0.15−2.576 ×0.4=0.05
L2=0.15+ 2.576× 0.4=0.25
201
f) Tipos de errores: Al realizar una prueba de hipótesis estadística no
sabemos si en una determinada acción (rechazo o aceptación de la hipótesis
nula) cometemos un error o no.
Error Tipo I: Consiste en rechazar la hipótesis nula cuando es
verdadera.
Error Tipo II: Consiste en aceptar la hipótesis nula cuando es falsa.
202
Haber mejorado su No haber mejorado su
metodología de enseñanza metodología de enseñanza
f(/H
Ho0)verdadero Ho falso
f(/H1)
La implementación del nuevo
programa mejora el rendimiento 1-
académico de los estudiantes Decisión Correcta Error tipo II
Aceptar Ho
1-
La implementación del nuevo 1-
programa no mejora el 1-
rendimiento académico de los Error tipo I Decisión correcta
estudiantes
Rechazar Ho
R.A. C R.R.
203
fig. 30
Los niveles de significación más usados son α=0.01, α=0.05 y α=0.10. Cuando
Ho es rechazada en = 0.05, podemos decir que el resultado es significativo y
cuando Ho es rechazada en = 0.01, decimos que el resultado es altamente
significativo.
h) Tipos de prueba:
Prueba de cola izquierda: Si la región de rechazo se localiza a la
izquierda del punto crítico C.
f (/Ho)
1-
0
R.R. C R.A.
204
Prueba de cola derecha: Si la región de rechazo se encuentra a la
derecha del junto crítico C.
f (/Ho)
1-
0
R.A. C R.R
.
Prueba de dos colas. Si la región de aceptación es un intervalo
cerrado entre los puntos crítico C1 y C2.
f (/Ho)
1-
/2 /2
0
R.R. C1 R.A. CC22 R.R.
205
Se presentan los siguientes casos:
1. Formulación de hipótesis:
a) Ho: o b) Ho: o c) Ho: = o
H1: < o H1: > o H1: o
2. Nivel de significancia:
3. Estadística de prueba:
Para i y iii
x −μ 0
Z= → n(0,1)
σ /√n
Para ii
x −μ 0
Z= → n(0,1)
s / √n
1-
-Z1- 0
R.R. R.A.
R.A.: ZK > - Z1- , se acepta Ho.
R.R.: ZK < - Z1-206
, se rechaza Ho.
Prueba de cola derecha
1-
0
Z
R.A. R.R.1-
1-
/2 /2
0
-Z1-/2 Z1-/2
R.R. R.A. R.R.
207
Para ii
x−μ0
Z K=
s / √n
6. Decision:
Se compara el valor experimental con el valor crítico.
Si Zk R.A., Ho se acepta.
Si Zk R.R., Ho se rechaza.
x−μ 0 x−μ 0
Z= Z=
σ N −n s N −n
√
√ n N−1 √
√ n N−1
2. Nivel de significancia:
3. Estadística de prueba:
x −μ 0
t= →t n−1
s/√n
Donde: (n-1) son los grados de libertad.
208 1-
-t1-
R.A.: tK > - t1- , se acepta Ho.
R.R.: tK < - t1- , se rechaza Ho.
0
R.R. R.A.
1-
0
t
R.A. R.R.1-
R.A.: t < t1- , se acepta Ho.
R.R.: t > t1- , se rechaza Ho.
Prueba bilateral :
1-
/2 /2
-t1-α/2 0 t1-α/2
6. Decisión:
Se compara el valor experimental con el valor crítico
Si t k RA. , aceptamos Ho.
Si t k R.R. , rechazamos Ho.
209
NOTA: Si se tiene una población finita de tamaño N se corrige la
estadística de prueba. Así:
x−μ 0
tK=
s N −n
√
√ n N−1
Ejemplo 121:
La Gerencia del banco de Crédito está planeando basar los cargos las
cuentas corrientes en el saldo diario promedio, el gerente de cuentas
preferenciales desea probar la hipótesis de que las cuentas tienen un
promedio de $ 312.00. Selecciona una muestra de 200 cuentas, dando una
media de $ 298.10 con s = $ 97.30 con = 0.01
Solución: Caso I – ii
1. Formulación de la hipótesis:
H0: = 312
H1: 312
2. Nivel de significancia:= 0.01
3. Estadística de prueba:
Análisis:
a) n= 200 (n>30) con x́=298.10 y s=97.30
b) Varianza desconocida
c) Se desconoce la forma de distribución de la población.
d) Usamos Estadística Z – Caso I-ii
x −μ 0
Z= → n(0,1)
s / √n
4. Establecimiento de los criterios de decisión:
1-α=0.99
/2=0.05 /2=0.05
-2.576 0 2.57
R.R. R.A. R.R.
6
210
5. Realización de cálculos:
x−μ0 298 .10−312. 00
Z K= = =−2 .02
s/ √n 97 . 30/ √ 200
6. Decisión:
-2.02 R.A. entonces aceptamos Ho. Las cuentas tienen en promedio
de $312.00 (μ=312¿.
La diferencia entre el valor de la media muestral y el valor de la media
poblacional es estadísticamente insignificante.
Ejemplo 122:
En una reunión informativa para una oficina corporativa, el gerente del hotel
de turistas de la ciudad de Trujillo, reportó que el número promedio de
habitaciones alquiladas por noche es de por lo menos 212. Es decir > 212.
El administrador considera que esta cifra puede estar algo sobreestimada.
Una muestra de 150 noches produce una media de 201.3 habitaciones y una
desviación estándar de 45.5 habitaciones. Si estos resultados sugieren que
el gerente ha inflado su reporte, será amonestado severamente. A un nivel
de 1%. ¿Cuál es el destino del gerente?
Solución: Caso I – ii
1. Formulación de la hipótesis:
H0: > 212
H1 : < 212
2. Nivel de significancia: = 0.01
3. Estadística de prueba:
Análisis:
a) n= 150 (n>30) con x́=201.3 y s=45.5
b) Varianza desconocida
c) Se desconoce la forma de distribución de la población.
d) Usamos Estadística Z – Caso I-ii
x −μ 0
Z= → n(0,1)
s / √n
1-α=0.99
=0.01
211
-2.326
0.01
R.A.: ZK -2.326, se acepta Ho
R.R.: ZK < -2.326, se rechaza Ho
0
R.R. R.A.
5. Realización de cálculos:
x −μ 0 201.3−212
Z k= = =−2.88
s / √ n 45.5/ √ 150
6. Decisión:
Zk = -2.88 R.R., por lo tanto, se rechaza H0 (µ<212). El número
promedio de habitaciones alquilada por noche es menos de 212
habitaciones. La Hipótesis nula no se confirma. Parece que el gerente
se ha excedido al estimar la tasa de ocupación y aparentemente
recibirá amonestación de la oficina principal.
Ejemplo 122:
Una encuesta realizada por la Empresa IPSOS mostró que los estudiantes
de las universidades públicas gastan en promedio más de $ 75.00
mensuales en entrenamiento. Si Ud. puede hallar evidencias para confirmar
esta afirmación, podría utilizarla para solicitar a su casa ayuda monetaria
adicional. De los 100 estudiantes que tomó como muestra, usted halla una
media de $80.23 con una desviación estándar de $45.67. ¿A un nivel de
significancia del 10%, se encuentra justificación para la solicitud?
Solución:
1. Formulación de la hipótesis:
H0: < 75
H1: > 75
2. Nivel de significancia: = 0.10
3. Estadística de prueba:
Análisis:
a) n= 100 (n>30) con x́=80.23 y s=45.67
b) Varianza desconocida
c) Se desconoce la forma de distribución de la población.
d) Usamos Estadística Z – Caso I-ii
212
x−μ 0
ZK = → n(0,1)
s / √n
1-=0.90
α=0.10
0 1.282
R.A R.R.
Ejemplo 117:
Un distribuidor de bebidas plantea la hipótesis de que las ventas por mes
promedian $ 12,000. Las ventas por mes se distribuyen normalmente y en
diez meses seleccionados como muestra reportan una media de $ 11,277 y
una desviación estándar de $ 3,772. Si se utiliza el valor del 5%. ¿Qué
puede concluir acerca de la impresión que tiene el distribuidor sobre las
condiciones del negocio?
Solución:
1. Formulación de Hipótesis:
H0: = 12,000
H1: 12,000
2. Nivel de significancia: = 0.05
3. Estadística de prueba:
Análisis:
a) n= 10 (n<30) con x́=11,277 y s=3,772
213
b) Varianza desconocida
c) Las ventas por mes de bebidas se distribuyen normalmente.
d) Usamos Estadística t – Caso II
x−μ0
t= → t n −1t → t 9
s/√n
4. Establecimiento de los criterios de decisión:
1-=0.95
=0.025 =0.025
-2.262 0 2.262
5. Realización de cálculos:
6. Decisión:
Zk = - 0.61 R. A.; por lo tanto, se acepta Ho
Las condiciones del negocio son estables, las ventas por mes no varían.
214
6.2.2. Prueba de hipótesis para la proporción poblacional
A menudo surgen situaciones en las que el muestreo es de proporciones en
vez del valor medio de una población. En tal caso las observaciones son de
naturaleza cualitativa. Cuando analizamos datos cualitativos, nos
interesamos por verificar un supuesto acerca de la proporción de éxitos de la
población (P). Esto implica que se ha propuesto un valor P previamente a la
realización del estudio. El propósito del experimento es obtener evidencia
estadística que apoye o rechace esta hipótesis.
El procedimiento para la prueba de hipótesis para la proporción poblacional
es similar al señalado por la media poblacional.
Se presentan los siguientes casos, en muestras grandes (n 30).
CASO I:
Población infinita, cualquiera que sea el tipo de muestreo.
Población finita, si el muestreo es con reemplazamiento.
Pasos de una prueba de Hipótesis para la proporción poblacional es
similar
3. Estadística de prueba:
215
p−P0
Z= →n(0,1)
P 0 Q0
√ n
1-
-Z1-
R.R. R.A.
1-
Z1-
R.A. R.R.
R.A.: Zk < Z1- , se acepta Ho
R.R.: Zk > Z1- , se acepta Ho
216
1-
/2 /2
-Z1 - /2 Z1 - /2
R.A.:-Z1 - /2 < Zk < Z1 - /2 , se acepta Ho
5. Realización de cálculos:
p−P0
Z=
P 0 Q0
√ n
6. Decisión
Si Zk R.A. se acepta Ho
Si Zk R.R. se rechaza Ho.
Solución:
1. Formulación de hipótesis estadística:
Ho : P = 0.78
H1 : P < 0.78
217
2. Nivel de significancia: = 0.01
3. Estadística de prueba:
p−P0
Z= →n(0,1)
P 0 Q0
√ n
0.99
R.R.
R.A.
0.01
-2.326
Si Zk -2.326, se acepta Ho
Si Zk < -2.326, se rechaza Ho
5. Realización de cálculos:
370
p= =0 . 74
Donde 500
6. Decisión:
Zk = - 2 RA; por lo tanto se acepta Ho.
No habido un descenso en la proporción de personas que consideran
que estaban más estables de lo que estaban sus padres.
Ejemplo 119:
Los de un determinado programa de televisión pretender modificar si, por lo
menos, un cuarto de los que tienen televisor no ven el programa
regularmente. Una investigación encomendada a una empresa
218
especializada mostró que, de 400 familias entrevistadas, 80 ven el programa
regularmente. En base a estos datos ¿Cuál debe ser la decisión de los
productores? = 5%
Solución:
1. Formulación de hipótesis estadística:
Ho: P 0.25
H1: P < 0.25
3. Estadística de prueba:
p−P0
Z= →n(0,1)
P 0 Q0
√ n
1- = 0.95
= 0,05
R.R. -1.645 R.A.
Si Zk - 1.645 aceptamos Ho
Si Zk < -1.645, rechazamos Ho
5. Realización de cálculos:
x 320
p= = =0 .8
n 400
p−P0 0 . 8−0 . 25
Z= = =27 . 5
P0 Q 0 0 .25×0 .75
√ √
n 400
219
X : personas que no ven el programa
X´ : personas que ven el programa
6. Decisión:
Zk = 27,5 R. A.
Ejemplo 120:
De una lista de 200 clientes de un Banco Comercial se seleccionó una
muestra aleatoria para obtener opinión acerca del servicio. En la muestra se
halló que 215 no tenían quejas del servicio, 25 tienen quejas y 10 no opinan
al respecto. Tradicionalmente el 5% tenían quejas del servicio, sin embargo,
se cree que ahora este porcentaje aumentó. ¿Cuál es la situación actual si
se quiere una probabilidad de 0.05 de cometer error tipo I?
Solución:
1. Formulación de hipótesis estadística:
Ho: P = 0.05
H1 : P > 0.05
3. Estadística de prueba:
p−P
Z= →n(0,1)
p.q N−n
√ √n
×
N−1
1-=0.95
=0.05
1.645
R.A. R.R.
Si Zk 1.645, se acepta Ho
Si Zk > 1.645, se rechaza Ho
220
5. Realización de cálculos:
x 25
p= = =0. 10
Donde n 250
X : el cliente tiene quejas
X´ : el cliente no tiene quejas
n : 250
Luego:
p−P
Z K=
P . q N −n
√ √ n
×
N −1
0. 10−0 .05
Z K= =2 .78
0 . 10×0 . 90 2000−250
√250
×
2000−1 √
6. Decisión:
Zk = 2.78 > 1.645 RR; por lo tanto aceptamos Ho. El porcentaje de
quejas ha aumentado.
1. Formulación de Hipótesis:
a) H0 = 1 2 b) H0 = 1 2 c) H0 = 1 = 2
H1 = 1 < 2 H1 = 1 > 2 H0 = 1 2
2. Nivel de significancia :
221
3. Estadística de prueba:
Para i y iii :
x 1 −x 2
Z= =n( 0,1 )
σ 2 σ 2
√ 1
+ 2
n1 n 2
Para ii:
x −x
Z = 1 2 =n( 0,1)
s2 s2
√ 1
+ 2
n1 n2
c. Prueba bilateral:
R.A.: ZK [-Z1-/2, Z1-/2], se acepta Ho.
R.R.: ZK < -Z1-/2 o ZK > Z1-/2, se rechaza Ho.
5. Cálculos:
d. Para i y iii:
x 1−x 2
Z K=
σ σ
√ n1
12
+
n2
22
e. Para ii:
222
x1 −x 2
Z K=
s s
√ 12
n1
+
n2
22
6. Decisión:
Se acepta o se rechaza H0.
Solución: CASO I - i
1. Formulación de Hipótesis
223
H0: A = B
H1: A < B
2. Nivel de significancia: = 0.05
3 estadística de prueba:
x A−x B
Z=
σ A 2 σ B 2 n(0,1)
4.
√ +
n A nB
Establecimiento de los criterios de decisión:
R.A.: Si Z K ∈ [ −1. 96 , 1 . 96 ] , se acepta H . o
5. Cálculos:
Datos:
nA = 20, nB = 20,
x A =14 , x B =14
σ 2=36 σ 2=20
A , B
μ A −μ B =0
x A −x B 14−17
Z K= = =−1. 72
σ σ 36 20
√ nA
A2
+
nB
A2
√ +
20 16
6. Decisión:
ZK = -1.72 R.A. por lo tanto se acepta H 0, lo que quiere decir que en
la Facultad de Ciencias Matemáticas, los puntajes promedios generales
de rendimiento de los estudiantes que pertenecen a familias en que
ambos padres trabajan son iguales a los de los estudiantes que
pertenecen a familias en que solamente trabaja el padre.
Ejemplo 122:
El director de presupuesto de una empresa deseaba determinar si había
alguna diferencia en las cuentas de gastos de representación de los
ejecutivos de dos departamentos de la Empresa. Se seleccionó una muestra
aleatoria de 30 cuentas de gastos del departamento 1 y 30 cuentas de
gastos del departamento 2. Con los siguientes resultados:
Departamento 1 Departamento 2
224
x 1=S /. 33 , 000 x 2=S /. 27 , 900
s 1 =S /.7 , 200 s 2 =S /. 9 ,000
Solución: CASO I – ii
1. Formulación de Hipótesis:
H0 : 1 = 2
H0 : 1 > 2
3. Estadística de prueba:
x 1−x 2
Z=
s 2 s 2
√ 1
+ 2
n1 n2 n(0,1)
5. Cálculos:
Datos:
n1 = 30,
x 1=33 ,000 , s = 7,200
1
n2 = 30,
x 2=27 ,900 , s = 9,000
2
x 1 −x 2
Z K=
s s
√ 12
n1
+
22
n2
33000−27900
Z K= =2. 42
(7200 )2 (9000 )2
√ 30
+
30
6. Decisión:
225
ZK = 2.42 R.R. por lo tanto se rechaza H0 los gastos de
representación del departamento 1 son más altos que los gastos de
representación del departamento 2.
población es normal.
Se siguen los mismos pasos que el Caso I, pero la Estadística de Prueba a
usar es:
x1 −x 2
t= → t n +n −2
( n1 −1 ) s 2 +( n 2−1 ) s 2 1 2
√ 1
n1 +n 2−2
2 1 1
+
n1 n2 ( )
Además el establecimiento de los criterios de decisión estará dado por:
poblaciones normales.
Se siguen los mismos pasos que el caso I, pero la estadística de prueba a
usar es:
226
x 1− x2
t=
s s
√ n1
12
+
n2
22
tr
Donde:
2
s s
r=
[ 12
n1
2
+ 22
n2 ] 2
s s
[ ] [ ]12
n1
+
s2
ns
n1 −1 n2 −2
Dado que r rara vez es un entero, se redondea al entero más cercano.
227