Documentos de Académico
Documentos de Profesional
Documentos de Cultura
“INFERENCIA ESTADÍSTICA”
DOCENTE: FELÍCITA ESPERANZA LATORRACA RIOS
CICLO: 8VO
CAMPUS CAJAMARCA
LOGRO DE LA UNIDAD
Población:
• Conjunto formado por la totalidad de individuos, objetos o medidas de interés
sobre los que se realiza un estudio
Muestra:
• Parte de una población, seleccionada de manera adecuada, que conserva las
características más importantes de dicha población.
Parámetro:
• Es un valor representativo y descriptivo de una población, como la media μ o la
desviación estándar σ.
Estadístico:
• Medidas o funciones de los datos muestrales que ayudan a caracterizar la
distribución de tales datos.
DOCENTE: FELÍCITA E. LATORRACA RIOS
CICLO: 9NO
ROL: DOCENTE ASESOR
INFERENCIA ESTADÍSTICA
Estimación Puntual
• El estimador puntual de un parámetro es un
estadístico que genera un valor numérico simple, y
que se utiliza para proporcionar una estimación del
valor del parámetro desconocido.
con frecuencia es necesario estimar el valor de:
• La media μ del proceso (población).
• La varianza σ 2 o la desviación estándar σ del proceso.
• La proporción p de árticulos defectuosos.
Nivel de
α 1-α/2 𝑍1−∝/2
Confianza
90% 0.10 0.95 1.64
95% 0.05 0.975 1.96
98% 0.02 0.99 2.33
99% 0.01 0.995 2.58
Varianza Conocida:
Sea x1, x2, ..., xn una muestra aleatoria de tamaño n (n >= 30) de una
población, con una distribución normal con media μ y varianza σ2 conocidas.
𝜎 𝜎
𝑋 − 𝑍∝/2 ≤ 𝜇 ≤ 𝑋 + 𝑍∝/2 = 1 −∝
𝑛 𝑛
Varianza Desconocida:
Sea xl, x2, ..., xn una muestra aleatoria de tamaño n de una población, con
una distribución normal con media μ y varianza σ2, ambas desconocidas.
𝑆 𝑆
𝑋 − 𝑡∝/2 ≤ 𝜇 ≤ 𝑋 + 𝑡∝/2 = 1 −∝
𝑛 𝑛
DOCENTE: FELÍCITA E. LATORRACA RIOS
CICLO: 8VO
ROL: DOCENTE ASESOR
INTERVALO DE CONFIANZA PARA UNA
MEDIA
Ejemplo Varianza Conocida:
se tiene un proceso de inyección de plástico donde una característica de
calidad del producto (disco) es su grosor, que debe ser de 1.20 mm con una
tolerancia de ±0.10 mm. Para evaluar esta característica de calidad, durante
una semana se realiza un muestreo sistemático en una línea de producción
y se obtienen 25 muestras de tamaño 5 cada una. Por lo tanto, al final se tiene
una muestra de n = 125 y se obtiene la media muestral, 𝑋 = 1.179 mm y la
varianza, S2 =0.00071. Cómo n ≥ 30, se aplicará el intervalo de confianza al
95%, utilizando el estadístico de prueba Z.
Datos:
n = 125
Media muestral = 1.179
Desviación estándar = 0.00071
DOCENTE: FELÍCITA E. LATORRACA RIOS
CICLO: 8VO
ROL: DOCENTE ASESOR
INTERVALO DE CONFIANZA PARA UNA
MEDIA
Con un nivel de confianza del 95%, el intervalo será:
𝜎 𝜎
𝑋 − 𝑍∝/2 ≤ 𝜇 ≤ 𝑋 + 𝑍∝/2 = 1 −∝
𝑛 𝑛
0.0264 0.0264
1.179 − 1.96 ≤ 𝜇 ≤ 1.179 + 1.96
125 125
1.179 − 0.00467 ≤ 𝜇 ≤ 1.179 + 0.00467
1.17433 ≤ 𝜇 ≤ 1.181367
Con una confianza del 95% se estima que el grosor promedio () de los
discos se encuentra entre 1.174 y 1.184 mm.
Se debe seleccionar
opciones para colocar el
valor del nivel de confianza.
Con una confianza del 95% se estima que el grosor promedio () de los
discos se encuentra entre 1.174 y 1.184 mm.
96.11 91.06 93.38 88.52 89.57 92.63 85.2 91.41 89.79 92.62
Con base en estos datos interesa estimar, de manera puntual y por intervalo,
la media y la desviación estándar para la población de discos de dicho turno.
Con un nivel de confianza del 95%.
2.99 2.99
91.03 − 2.26 ≤ 𝜇 ≤ 91.03 + 2.26
10 10
91.03 − 2.14 ≤ 𝜇 ≤ 91.03 + 2.14
88.89 ≤ 𝜇 ≤ 93.17
Se debe seleccionar
opciones para colocar el
valor del nivel de confianza.
𝑝 1−𝑝 𝑝 1−𝑝
𝑝 − 𝑍𝛼/2 ≤ 𝑝 ≤ 𝑝 + 𝑍∝/2 = 1 −∝
𝑛 𝑛
𝑝 1−𝑝 𝑝 1−𝑝
𝑝 − 𝑍∝/2 ≤ 𝑝 ≤ 𝑝 + 𝑍∝/2 = 1 −∝
𝑛 𝑛
Con una confianza de 95% se estima que p está entre 0.007 y 0.093, o
en términos porcentuales entre 0.7% y 9.3%.
Tamaño de
Larguero Media muestral Desviación Estándar
la Muestra
1 𝑛1 = 10 𝑋1 = 87.6 (kg/mm2) 𝜎1 = 1(kg/mm2)
2 𝑛2 = 12 𝑋2 = 74.5 (Kg/mm2) 𝜎2 = 1.5 (kg/mm2)
12 1.52 12 1.52
𝜇1 − 𝜇2 ∈ 87.6 − 74.5 − 2.33 + ; 87.6 − 74.5 + 2.33 +
10 12 10 12
𝜇1 − 𝜇2 ∈ 11.851; 14.349
Con un nivel de confianza del 98%, se tiene que la resistencia a la tensión del larguero
1 es mayor que la resistencia a la tensión del larguero 2, en una cantidad que oscila
entre 11.851 y 14.349 kg/mm2.
INTERVALO DE CONFIANZA PARA
DIFERENCIA DE MEDIAS
Muestras Independientes y varianzas poblacionales homogéneas
(𝝈𝟐𝟏 = 𝝈𝟐𝟐 desconocidas):
1 1
𝜇1 − 𝜇2 ∈ 𝑋1 − 𝑋2 ± 𝑡 𝛼 𝑆𝑝2 +
1− ,𝑛1 +𝑛2 −2
2 𝑛1 𝑛2
2 2
𝑛1 − 1 𝑆1 + 𝑛2 − 1 𝑆2
𝑆𝑝2 =
𝑛1 + 𝑛2 − 2
𝑛1 = 9 ; 𝑋1 = 21.111 ; 𝑆1 = 7.4237
𝑛1 = 8 ; 𝑋2 = 17.625 ; 𝑆2 = 2.326
2 2
9 − 1 7.423 + 8 − 1 2.326
𝑆𝑝2 = = 31.897
9+8−2
1 1
𝜇1 − 𝜇2 ∈ 21.111 − 17.625 ± 2.131 31.897 +
9 8
1 1
𝜇1 − 𝜇2 ∈ 21.111 − 17.625 ± 2.131 31.897 +
9 8
𝜇1 − 𝜇2 ∈ −2.3621; 9.3341
𝑆12 𝑆22
𝜇1 − 𝜇2 ∈ 𝑋1 − 𝑋2 ± 𝑡 𝛼 +
1− ,𝑣
2 𝑛1 𝑛2
2
𝑆12 𝑆22
𝑛1 + 𝑛2
𝑣=
2 2 2 2
𝑆1 𝑆2
𝑛1 𝑛2
DOCENTE: FELÍCITA E. LATORRACA RIOS
𝑛1 − 1 + 𝑛2 − 1
CICLO: 8VO
ROL: DOCENTE ASESOR
INTERVALO DE CONFIANZA PARA
DIFERENCIA DE MEDIAS
Ejemplo:
El jefe de planta de una fábrica ensambladora de camiones, realiza un estudio
comparativo de la eficacia de dos métodos de ensamblaje, el jefe piensa que el
primer método es menos eficaz, dado que reporta un mayor tiempo para
ensamblar los camiones. Para ello tomó el tiempo en horas empleado en
ensamblar 12 camiones con el método A y 12 camiones con el método B. Los
datos son:
Método A Método B
Media 128.3417 42.6417
Desv. Estándar 25.3968 6.7399
n 12 12
¿Los datos apoyan la postura del jefe de planta?.
Hallar un intervalo al 95% de confianza, para la diferencia de los tiempos de ensamblado
para todos los camiones ensamblados con el método A y B.
Supóngase que las varianzas poblacionales son desconocidas y diferentes.
INTERVALO DE CONFIANZA PARA
DIFERENCIA DE MEDIAS
2 2
𝑆12 𝑆22 25.3972 6.7392
𝑛1 + 𝑛2 12 + 12
𝑣= = = 12.54 ≅ 13
2 2 2 2 25.3972
2
6.7392
2
𝑆1 𝑆2
𝑛1 𝑛2 12 12
+ 12 − 1
𝑛1 − 1 + 𝑛2 − 1 12 − 1
𝑆12 𝑆22
𝜇1 − 𝜇2 ∈ 𝑋1 − 𝑋2 ± 𝑡 𝛼 +
1− ,𝑣
2 𝑛1 𝑛2
25.39682 6.73992
𝜇1 − 𝜇2 ∈ 128.3417 − 42.6417 ± 11.298 +
12 12
𝜇1 − 𝜇2 ∈ 69.1733; 102.2267
Con un nivel de confianza del 95%, se tiene que los datos apoyan la postura del
jefe de planta, dado que el intervalo no contiene al cero, entonces al tiempo
promedio de ensamblado del método A, es mayor al tiempo promedio de
ensamblado del método B.
EJEMPLO DE INTERVALO DE CONFIANZA
Los datos apoyan la postura del jefe de planta, con un nivel de confianza del
95%, el tiempo promedio de ensamblado del método A, es mayor al tiempo
promedio de ensamblado del método B.
𝑝1 1 − 𝑝1 𝑝2 1 − 𝑝2
𝜋1 − 𝜋2 ∈ 𝑝1 − 𝑝2 ± 𝑍1−𝛼/2 +
𝑛1 𝑛2
60
𝑛𝐴 = 120 ; 𝑝𝐴 = = 0.5
120
50
𝑛𝐵 = 80 ; 𝑝𝐵 = = 0.625
80
INTERVALO DE CONFIANZA PARA
DIFERENCIA DE PROPORCIONES
𝑝1 1 − 𝑝1 𝑝2 1 − 𝑝2
𝜋1 − 𝜋2 ∈ 𝑝1 − 𝑝2 ± 𝑍1−𝛼/2 +
𝑛1 𝑛2
𝜋1 − 𝜋2 ∈ −0.2638; 0.0138
Seleccionar el tipo de
intervalo de confianza,
seleccionar la opción Datos
resumidos y colocar los
valores correspondiente de
la proporción muestral.
Hipótesis Estadística:
• Es una afirmación sobre los valores de los parámetros o una característica
de una población o proceso, que puede probarse a partir de la información
contenida en una muestra.
Hipótesis Nula (Ho):
• Afirmación acerca del valor de un parámetro poblacional que se considera
válida para desarrollar el procedimiento de prueba
Hipótesis Alternativa (Ha):
• Afirmación que se aceptará si los datos muestrales proporcionan evidencia
de que la hipótesis nula es falsa, es la hipótesis contraria de la H. nula
HIPÓTESIS ESTADÍSTICA
Ejemplo:
La afirmación “este proceso produce menos de 8% de defectuosos” se
puede plantear estadísticamente:
𝐻0 : 𝜃 = 𝜃0 𝐻0 : 𝜃 = 𝜃0 𝐻0 : 𝜃 = 𝜃0
𝐻1 : 𝜃 ≠ 𝜃0 𝐻1 : 𝜃 < 𝜃0 𝐻1 : 𝜃 > 𝜃0
Paso 5: Decisión
• Evaluar el valor del estadístico de prueba en la región critica.
Sí se determina el
valor de probabilidad
de Z, la decisión se da:
Varianza Conocida:
Sea X una variable aleatoria con distribución normal con media μ y varianza σ2, ambas
conocidas. Se quiere probar la hipótesis de que la media es igual a cierto valor μ0. Es
decir, la hipótesis a probar es:
𝐻0 : 𝜇 = 𝜇0 𝐻0 : 𝜇 = 𝜇0 𝐻0 : 𝜇 = 𝜇0
𝐻1 : 𝜇 ≠ 𝜇0 𝐻1 : 𝜇 < 𝜇0 𝐻1 : 𝜇 > 𝜇0
Estadístico de Prueba:
x u0 −𝑍𝛼/2 𝑍𝛼/2
Z
n
En este caso se rechaza 𝐻0 si 𝑍0 > 𝑍∝
PRUEBA PARA LA MEDIA
Ejemplo:
Un fabricante de detergente afirma que el contenido de los paquetes que vende pesa 250
gramos. Sin embargo clientes han protestado porque piensan que los paquetes tienen un
peso menor. Se ha analizado una muestra de 16 paquetes dando un peso medio
muestral de 248,4 gramos. Pruebe con un nivel de confianza del 95% si los clientes tienen
razón en lo planteado. Se sabe por experiencia que la distribución del peso de los
paquetes es normal con una desviación de 4 gramos.
1. Prueba de hipótesis:
Ho: 𝜇 = 250, 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙 𝑒𝑠 𝑖𝑔𝑢𝑎𝑙 250
H1: 𝜇 ≠ 250, 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙 𝑒𝑠 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒 𝑑𝑒 250
2. El nivel de significancia: es del 5 % (𝛼 = 0.05)
3. Estadístico de prueba:
Z
x u0 248.4 250
1.5
4
n 16
DOCENTE: FELÍCITA E. LATORRACA RIOS
CICLO: 8VO
ROL: DOCENTE ASESOR
EJEMPLO DE PRUEBA DE HIPÓTESIS
4. Región critica
5. Decisión:
Dado que Z = -1.5 y pertenece a la región de aceptación estamos en
condiciones de no rechazar la hipótesis nula, es decir, existe suficiente
evidencia estadística para decir que el promedio poblacional es igual a 250
gramos, con un nivel significancia del 5%.
DOCENTE: FELÍCITA E. LATORRACA RIOS
CICLO: 8VO
ROL: DOCENTE ASESOR
EJEMPLO DE PRUEBA DE HIPÓTESIS
Seleccionar el tipo de
prueba estadística a
realizar.
Finalmente seleccionar
Opciones y colocar el nivel de
confianza y elegir el tipo de
hipótesis alternativa
Varianza Desconocida:
Sea X una variable aleatoria con distribución normal con media μ y varianza σ2, ambas
desconocidas. Se quiere probar la hipótesis de que la media es igual a cierto valor μ0. Es
decir, la hipótesis a probar es:
𝑋 − 𝜇0
𝑡0 =
𝑆
𝑛
3. Estadístico de prueba:
𝑋 − 𝜇0 49.4 − 50.1
𝑡0 = = = −2.476
𝑆 1.095
DOCENTE: FELÍCITA E. LATORRACA RIOS 𝑛 15
CICLO: 8VO
ROL: DOCENTE ASESOR
PRUEBA PARA LA MEDIA
4. Regla de Decisión
𝑡𝛼,𝑛−1 = 𝑡0.05,14 = 1.76
-2.476 -1.76
5. Decisión
Como 𝑡0 = −2.47 < −1.76 = -𝑡0.05,14 se rechaza la hipótesis H0. Es decir, se rechaza
la afirmación del vendedor de que los bultos tienen un peso medio de 50.1, y además
la evidencia señala que dicho peso es menor que el declarado.
EJEMPLO DE PRUEBA DE HIPÓTESIS
Como el tamaño de
muestra es menor que
30, se elige la prueba de
hipótesis t
Finalmente seleccionar
Opciones y colocar el nivel de
confianza y elegir el tipo de
hipótesis alternativa
Como el valor de probabilidad 0.013 es menor que 0.05, se rechaza la Ho; es decir
el peso promedio de los bultos es menor a 50.1 Kg.
𝐻0 : 𝑝 = 𝑝0 𝐻0 : 𝑝 = 𝑝0 𝐻0 : 𝑝 = 𝑝0
𝐻1 : 𝑝 ≠ 𝑝0 𝐻1 : 𝑝 < 𝑝0 𝐻1 : 𝑝 > 𝑝0
𝑝 − 𝑝0
𝑍=
𝑝0 1 − 𝑝0
𝑛
Ejemplo:
En una industria donde se fabrica clavos para construcción, se informa que el 50% de
éstos tienen algún defecto de fabricación. Existe evidencia suficiente para indicar que
dicha proporción es menor a 50%, si de una muestra aleatoria de 400 clavos, sólo 193
fueron detectados con algún defecto?. Utilice una significación de 0.01
1. Prueba de hipótesis:
Ho: p = 0.5, 𝑙𝑎 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑑𝑒 𝑐𝑙𝑎𝑣𝑜𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜𝑠 𝑒𝑠 0.5
H1: p < 0.5, 𝑙𝑎 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑑𝑒 𝑐𝑙𝑎𝑣𝑜𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜 𝑒𝑠 𝑚𝑒𝑛𝑜𝑟 de 0.5
2. El nivel de significancia: es del 1 % (𝛼 = 0.01)
3. Estadístico de prueba:
𝑝 − 𝑝0
𝑍=
𝑝0 1 − 𝑝0
𝑛
PRUEBA DE HIPÓTESIS PARA PROPORCIÓN
3. Estadístico de prueba:
𝑝 − 𝑝0 0.4825 − 0.5
𝑍= = = −0.7
𝑝0 1 − 𝑝0 0.5 1 − 0.5
𝑛 400
4. Regla de Decisión:
Punto Crítico: Z(1-α)
Z(1-0.01) = Z(0.99) = -2.33
-2.33
5. Decisión:
Como -0.70, cae dentro de la región de Aceptación para Ho. Entonces ésta se
ACEPTA, es decir con un Nivel de Confianza del 99%, no existe evidencia
suficiente para decir que la proporción de clavos con algún defecto de
fabricación es menor a 50%
EJEMPLO DE PRUEBA DE HIPÓTESIS
Como la variable es
cualitativa, elegir la
prueba de hipótesis para
una proporción.
Finalmente seleccionar
Opciones y colocar el nivel de
confianza, elegir el tipo de
hipótesis alternativa y elegir el
Método Aproximación normal
-1.96 1.96
PRUEBA DE HIPÓTESIS PARA DOS
PARÁMETROS COMPARACIÓN DE DOS
PROCESOS O POBLACIONES
𝛔𝟐𝟏 𝐲 𝛔𝟐𝟐 desconocidas pero iguales, con n1 y n2 < 30
Sean dos poblaciones o procesos con distribuciones normal con medias 𝜇1 y 𝜇2 , y
varianzas 𝜎12 y 𝜎22 y , respectivamente
Hipótesis a probar
𝐻0 : 𝜇1 = 𝜇2 𝐻0 : 𝜇1 = 𝜇2 𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 ≠ 𝜇2 𝐻1 : 𝜇1 < 𝜇2 𝐻1 : 𝜇1 > 𝜇2
Estadístico de Prueba
𝑋1 − 𝑋2 𝑛 − 1 𝑆 2
+ 𝑛 − 1 𝑆 2
𝑡0 = 𝑆𝑝2 =
1 1 2 2
1 1 𝑛1 + 𝑛2 − 2
𝑆𝑝 𝑛 + 𝑛
1 2
DOCENTE: FELÍCITA E. LATORRACA RIOS
CICLO: 8VO
ROL: DOCENTE ASESOR
PRUEBA DE HIPÓTESIS PARA DOS
PARÁMETROS COMPARACIÓN DE DOS
PROCESOS O POBLACIONES
Ejemplo:
La calidad de la pintura látex depende, entre otras cosas, del tamaño de la
partícula. Para medir esta característica se utilizan dos centrifugadoras, y se
sospecha que éstas reportan mediciones distintas para la misma pintura.
Entonces, se decide hacer un estudio que permita comparar las medias y las
varianzas reportadas por los dos equipos; para ello, de un mismo lote de pintura
se tomaron 13 lecturas con cada centrifugadora. Los resultados son los
siguientes
4,714 4,601 4,696 4,896 4,905
CENTRIFUGADORA 1 4,870 4,987 5,144 3,962 4,006
4,561 4,626 4,924
4,295 4,271 4,326 4,530 4,618
CENTRIFUGADORA 2 4,779 4,752 4,744 3,764 3,797
4,401 4,339 4,700
PRUEBA DE HIPÓTESIS PARA DOS
PARÁMETROS COMPARACIÓN DE DOS PROCESOS
O POBLACIONES
1. Platear las hipótesis:
𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 ≠ 𝜇2
2. Nivel de Significancia: ∝= 𝟎. 𝟎𝟓
3. Estadístico de Prueba:
𝑛1 = 13; 𝑋1 = 4,684; 𝑆12 = 124,732 4684 − 4408.92
𝑡0 = = 2.038
𝑛2 = 13; 𝑋2 = 4,408.92; 𝑆12 = 112,020 1 1
344.058 13 + 13
13 − 1 124,732 + 13 − 1 112,020
𝑆𝑝2 = = 344.058
13 + 13 − 2
-2.064 2.064
5. Decisión:
Como |t0| = 2.04 < 2.064 = tα/2, no se rechaza H0, por lo que se concluye que las
centrifugadoras reportan en promedio el mismo tamaño de partícula. Es decir,
las centrifugadoras son estadísticamente iguales en cuanto a sus medias.
Como el tamaño de
muestra es menor que
30, se elige la prueba de
hipótesis t de 2
muestras
Finalmente seleccionar
Opciones y colocar el nivel de
confianza, elegir el tipo de
hipótesis alternativa y elegir el
Asumir varianzas iguales.
Hipótesis a probar
𝐻0 : 𝜇1 = 𝜇2 𝐻0 : 𝜇1 = 𝜇2 𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 ≠ 𝜇2 𝐻1 : 𝜇1 < 𝜇2 𝐻1 : 𝜇1 > 𝜇2
Estadístico de Prueba
2 2 2
𝑆1 𝑆2
𝑛1 + 𝑛2
𝑋1 − 𝑋2 𝑣=
𝑡= ≈ 𝑡1−𝛼/2,𝑣 2 2 2 2
𝑆1 𝑆2
𝑆12 𝑆22 𝑛1 𝑛2
𝑛1 + 𝑛2
𝑛1 − 1 + 𝑛2 − 1
PRUEBA DE HIPÓTESIS PARA DOS
PARÁMETROS COMPARACIÓN DE DOS
PROCESOS O POBLACIONES
𝐄𝐣𝐞𝐦𝐩𝐥𝐨:
Se realizó un experimento para comparar la resistencia de dos materiales,
obteniéndose los siguientes resultados:
Material n 𝑿 𝑺𝟐
1 15 3.84 3.07
2 12 1.49 0.80
2. Nivel de Significancia: ∝= 𝟎. 𝟎𝟓
3. Estadístico de Prueba:
4. Regla de Decisión:
Punto Crítico: t(1-α,v)
t(0.95,22) = -1.7171
-1.7171
5. Decisión:
Con un nivel de significancia del 5%, no existe suficiente evidencia estadística
para rechazar la hipótesis nula, es decir, la resistencia promedio del material 1
es mayor que la resistencia promedio del material 2.
Como se conoce la
desviación estándar muestral
se elige la hipótesis t de 2
muestras
Finalmente seleccionar
Opciones y colocar el nivel de
confianza, elegir el tipo de
hipótesis alternativa.
Hipótesis a probar
𝐻0 : 𝑝1 = 𝑝2 𝐻0 : 𝑝1 = 𝑝2 𝐻0 : 𝑝1 = 𝑝2
𝐻1 : 𝑝1 ≠ 𝑝2 𝐻1 : 𝑝1 < 𝑝2 𝐻1 : 𝑝1 > 𝑝2
Estadístico de Prueba
𝑝1 − 𝑝2 𝑋1 +𝑋2
𝑍0 = Donde 𝑝 =
1 1 𝑛1 +𝑛2
𝑝 1−𝑝 𝑛 +𝑛
1 2
PRUEBA DE HIPÓTESIS PARA DOS
PARÁMETROS COMPARACIÓN DE DOS
PROPORCIONES
Ejemplo:
Dos proveedores fabrican un engrane de plástico utilizado en una impresora láser.
La importancia radica en si los engranes alcanzan la resistencia al impacto, la cual
se mide en pie - lb . De una muestra aleatoria de 300 engranes suministrado por el
proveedor A, se reporta que 120 indican que si alcanzan la resistencia al impacto.
Del proveedor B se toma una muestra aleatoria de 400 engranes, donde 120
también alcanzan con la resistencia al impacto requerida.
¿Se puede concluir a un nivel de significación del 5%, que la proporción de
engranes de plástico que alcanzan la resistencia al impacto del proveedor A es
mayor que la proporción del proveedor B?
𝐻0 : 𝑝1 = 𝑝2
𝐻1 : 𝑝1 > 𝑝2
0.4 − 0.3
𝑍0 = = 2.758
1 1
0.343 1 − 0.343 300 + 400
PRUEBA DE HIPÓTESIS PARA DOS
PARÁMETROS COMPARACIÓN DE DOS
PROPORCIONES
4. Regla de Decisión:
𝒁𝜶 = 𝟏. 𝟔𝟒𝟓
1−α
1.645
5. Decisión:
Con un nivel de significancia del 5%, existe suficiente evidencia estadística
para rechazar la hipótesis nula, es decir, la proporción de engranes de plástico
que alcanzan la resistencia al impacto del proveedor A es mayor que la
proporción del proveedor B.
DOCENTE: FELÍCITA E. LATORRACA RIOS
CICLO: 8VO
ROL: DOCENTE ASESOR
EJEMPLO DE PRUEBA DE HIPÓTESIS
Como la variable es
cualitativa se debe elegir
prueba de hipótesis para dos
proporciones
¿Qué es un estimador?
Fórmulas e interpretaciones de la
estimación puntual para el
promedio y la proporción
poblacional.
Fórmulas e interpretaciones de la
estimación interválica para el
promedio y la proporción
poblacional.
BIBLIOGRAFÍA BÁSICA: