Modulo Version 2 DANI BRITO - JORGE RONDON

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERIA

CONTENIDO DIDÁCTICO DEL CURSO: 100403 – INFERENCIA ESTADISTICA
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
UNIDAD DE CIENCIAS BÁSICAS
AUTOR
JORGE ELIECER RONDON DURAN
DANIS BRITO ROSADO
100403 – INFERENCIA ESTADÍSTICA
DANIS BRITO ROSADO

(Director Nacional)
LIDA ANGELICA VEGA

Acreditador
BOGOTÁ D.C.
MAYO 2008
1
COMITE DIRECTIVO
Jaime Alberto Leal Afanador

Rector
Gloria Herrera
Vicerrectora Académica
Roberto Salazar ramos

Vicerrector de Medios y mediaciones Pedagógicos
Maribel Córdoba Guerrero

Secretaria General
Inferencia Estadística
Primera Versión
Copyright
Universidad Nacional Abierta y a Distancia
ISBN
2008
Unidad de Ciencias Básicas UNAD
2
CAMPOS DE FORMACIÓN Básica CRÉDITOS: 2 TRABAJO INDEPENDIENTE: 72 Horas

TIPO DE CURSO Teórico CÓDIGO:100403 ACOMPAÑAMIENTO TUTORIAL: 24 Horas
OBJETIVO GENERAL:
Que el estudiante comprenda, aplique y desarrolle la teoría y las técnicas de la

inferencia estadística en diversos campos de su saber formativo, y que dicha
aplicación se convierta en una herramienta de uso matemático para la toma de
decisiones sobre hipótesis cuantitativas de datos, basado en la información
extraída de una muestra.
OBJETIVOS ESPECÍFICOS:
 Que el estudiante identifique las técnicas y procedimientos que se deben

emplear para que las muestras sean representativas de la población que se
pretende estudiar, de forma que los errores en la determinación de los
parámetros de la población objeto de estudio sean mínimos.
 Que el estudiante comprenda el comportamiento de una población a partir

del análisis metódico de una muestra aleatoria de la misma, y que entienda
que la inferencia inductiva de los parámetros estadísticos que estime sobre
dicha muestra, conlleva un error, el cual es posible de ser cuantificado.
 Conocer los criterios técnicos que hay que tener en cuenta antes de
seleccionar un tamaño de muestra.
 Identificar el tipo de muestreo de acuerdo a los objetivos del estudio.
 Diferenciar y analizar las ventajas y desventajas de la estimación por

intervalos de confianza y las pruebas de hipótesis.
 Determinar la prueba o técnica apropiada a aplicar en las diferentes pruebas

de hipótesis paramétricas y No paramétricas.
COMPETENCIA GENERAL DE APRENDIZAJE:
Identificar un procedimiento adecuado para seleccionar de una población una

parte de ella, con el fin de obtener resultados confiables y poder generalizar los
resultados obtenidos a toda la población.
Determinar los estadísticos necesarios para el análisis y solución de situaciones

que implican conjuntos de datos de su disciplina de formación, por medio del
3
conocimiento de la teoría elemental del muestreo y de las distribuciones

muestrales.
Plantear y desarrollar el proceso de la inferencia estadística para resolver

problemas concretos de investigación en el ámbito de otras disciplinas.
Aplicar apropiadamente los resultados teóricos y metodológicos de la inferencia

estadística de estimación y prueba de hipótesis en el marco de la modelación.
Habilidad para planear una investigación, diseño de instrumentos, definición de

variables, recolección de la información, resumen y presentación de los datos.
4
UNIDADES DIDÁCTICAS:
UNIDAD UNO: MUESTREO, DISTRIBUCION MUESTRAL E

8
INTERVALOS DE CONFIANZA
CAPÍTULO 1. TEOREMA GENERAL DE MUESTREO 9

Lección 1: Conceptos Cásicos 10
Lección 2: Clases de muestreo 15
Lección 3: Tipos de selección de muestras 26
Lección 4: Métodos de Inferencia: Paramétrico y No paramétrico 28
Lección 5: Estimadores y propiedades de los estimadores 29
Ejercicios 31
CAPÍTULO 2: DISTRIBUCIÓN MUESTRAL: 34

Lección 6: Distribución muestral de la media y de la Proporción 34
Lección 7: Distribución muestral de la diferencias de medias y de
40
proporciones
Lección 8: Teorema Central del Límite 44
Lección 9: Tamaño de la muestra para estimar la media (µ), la Proporción y
50
el total de la Población
Lección 10: Tamaño de la muestra para estimar la diferencia de medias y
57
la diferencia de Proporciones
Ejercicios 59
CAPÍTULO 3. INTERVALOS DE CONFIANZA PARA UNA Y DOS

61
POBLACIÓNES
Lección 11: Nociones Fundamentales 63
Lección 12: Intervalos de confianza para la media y la diferencia de medias
74
y muestras grandes
Lección 13: Intervalos de confianza para la proporción y la diferencia de
81
proporciones
Lección 14: Intervalos de confianza para medias y diferencia de medias y
84
muestras pequeñas
Lección 15: Intervalos de confianza para la varianza 89
Ejercicios 91
Autoevaluación 94
5
UNIDAD DOS: PRUEBAS DE HIPÓTESIS, ANÁLISIS DE VARIANZA Y

98
ESTADÍSTICA NO PARAMÉTRICA
CAPÍTULO 4. PRUEBAS DE HIPOTESIS 99

Lección 16: Nociones fundamentales 100
Lección 17: Pruebas para la media y la diferencia de medias y muestras
102
grandes
Lección 18: Pruebas para la proporción y la diferencia de proporciones 112
Lección 19: Pruebas para la media y la diferencia de medias y muestras
120
pequeñas
Lección 20: Pruebas para la varianza 129
Ejercicios 131
CAPÍTULO 5. ANÁLISIS DE VARIANZA 144

Lección 21: Generalidades 145
Lección 22: Análisis de varianza de un factor 151
Lección 23: Comparación múltiple de medias maestrales 156
Lección 24: Análisis de varianza con dos factores 156
Lección 25: Análisis de varianza de dos factores con interacción 162
Ejercicios 178
CAPÍTULO 6. ESTADÍSTICA NO PARAMÉTRICA 200

Lección 26: Generalidades 201
Lección 27: Prueba de la Bondad de Ajuste χ2 202
Lección 28: Prueba bondad de ajuste Kolmogorov- Smirnov 202
Lección 29: Prueba de Rango Con signos: Wilcoxon 203
Lección 30: Prueba U de Man Whitney 204
Lección 31: Prueba de Kruskal Wallis. 204
Ejercicios 205
Autoevaluación 206
6
INTRODUCCIÓN
El presente modulo esta dirigido a estudiantes de programas de pregrado que

oferta la UNAD, bajo la modalidad de educación superior a distancia.
El material esta estructurado en dos unidades que son las temáticas macro del
curso académico.
El contenido de cada una de las partes fue seleccionado, teniendo en cuenta los
saberes mínimos que se esperaría debe alcanzar un estudiante de la
Universidad Nacional Abierta y a Distancia en el campo de la Inferencia
estadística.
La propuesta permite que los estudiantes reconozcan los conocimientos

mínimos del curso en mención, que le permita resolver situaciones propias del
mismo y además, abordar posteriores temáticas que requieran de éstos
conocimientos.
Para el mejor aprovechamiento de este material, se recomienda que el

estudiante posea como conocimientos previos: de estadística descriptiva y de la
teoría de probabilidad.
El modulo se caracteriza porque en cada lección se presentan ejemplos

modelos del tema en estudio, al final de cada capitulo se exponen ejercicios con
respuesta, que permite a los estudiantes contextualizarse en diversas áreas del
conocimiento, con el fin de fortalecer las temáticas propias del curso.
Al final de cada unidad se presenta una Autoevaluación de un nivel medio-alto,

las cuales permiten verificar los alcances de los estudiantes en las temáticas
analizadas y detectar las debilidades y así centrarse en éstas, con el fin de
alcanzar las metas propuestas.
Finalmente, el Material pretende servir como guía de aprendizaje autónomo, se

recomienda apoyar este proceso por medio de lecturas especializadas, ayudas
audiovisuales, visitas a sitios Web y prácticas de laboratorio; entre otros, así
lograr una efectiva comprensión, interiorización y aplicación de las temáticas
estudiadas.
7
UNIDAD UNO
MUESTREO, DISTRIBUCIÓN MUESTRAL E
INTERVALOS DE CONFIANZA
8
CAPITULO UNO: PRINCIPIOS DE MUESTREO
Introducción
En los estudios de investigación lo primero que se define es el fenómeno a

analizar, luego la población objeto de estudio, la cual puede ser finita cuando se
conocen todos los elementos, o infinita cuando no se conocen todos los
elementos de la misma. Desde estos puntos de vista analizar la población no
es práctico, por tiempo y costos, lo que induce a seleccionar una muestra,
cuya importancia radica en el proceso de consecución de datos que
proporcionan la información suficiente y necesaria a cerca de la población,
además que con la muestra se están utilizando menos recursos, debido a que
sólo una parte de la población se encuentra bajo observación, lo que resulta
significativamente beneficioso sobre todo cuando se trata de poblaciones
grandes y dispersa.
Otro aspecto que justifica la decisión de tomar una muestra es en casos donde se
debe destruir los elementos de ésta, por ejemplo cuando se desea identificar
el grado de vacío de un producto enlatado, la resistencia de un material y otros.
En las encuestas de opinión sobre la preferencia de un producto se nota más

claramente la utilidad de una muestra en contraste con la población, para
conocer las preferencias de los consumidores y poder acomodar rápidamente el
sistema de producción a dichos cambios.
Objetivo general
Que los estudiantes identifiquen los principios sobre población y muestra,

métodos de muestreo, distribución de muestreo para medias, el teorema
central del límite, aplicados al cálculo de tamaños de muestras pertinentes.
Objetivos específicos
 Comprender los conceptos de población y muestra.

 Identificar los diferentes diseños de muestreo y su utilidad en diferentes
campos del saber.
 Conceptuar una distribución muestra y calcular las estimaciones requeridas, la
varianza y el error de estimación para los mismos.
 Conocer y comprender los elementos del teorema central de límite y
su utilidad.
 Determinar un tamaño de muestra representativo tanto para medias como
para proporciones.
 Realizar aplicaciones en Excel y SPSS.
9
Lección No 1: Conceptos Básicos
Dentro de la inferencia estadística, el proceso de muestreo permite que a

partir de los resultados obtenidos al analizar una muestra, se pueda obtener
conclusiones en cuanto a una o varias de las características o parámetros de una
población. Esta área de la Estadística, ayuda a determinar la confiabilidad de la
inferencia de que los fenómenos observados en la muestra ocurrirán también
en la población de donde se selecciona la muestra. Es decir, sirve para
estimar la eficacia del razonamiento inductivo con el cual se infiere que lo
observado en una parte ser equivalente a lo observado en la población.
Las técnicas de muestreo son importantes en la medida que se utilice en forma

adecuada para la situación que se requiera. De las técnicas más conocidas y
utilizadas se tienen el Muestro Aleatorio Simple (M.A.S), Muestreo Aleatorio
Estratificado (M.A.E), Muestro Sistemático (M.S) y Muestreo por
Conglomerados (M.C). Se tratara de analizar estas técnicas, especialmente
el M.A.S y M.A.E.
El Éxito en el desarrollo del curso en mención está en los buenos

conocimientos previos en Estadística Descriptiva, Probabilidad y, algebra,
Trigonometría y Geometría analítica. Lo anterior debido a que se debe predecir
resultados o tomar decisiones que tienen un grado de incertidumbre o un grado
de error que se debe definir de antemano.
Población y muestra
Existe una serie de términos estadísticos básicos, que son muy utilizados y se
requiere sean comprendidos para avanzar en otros temas o unidades, en
esta sección se trataron los conceptos de población y muestra.
Figura 2.1 Población y muestra
10
POBLACIÓN O UNIVERSO
Se considera a todo aquello sobre el que se desea hacer un estudio

estadístico. Según el número de unidades, elementos o casos que la
constituyen, la población puede ser finita o infinita.
Cuando el número de unidades que integra una población es muy grande, se

puede considerar a ésta como una población infinita. La población finita es
aquella conformada por un determinado o limitado número de elementos. El
investigador define la población objeto de estudio en términos de espacio y
tiempo, ya que de esta manera los resultados serán sobre la población definida
en el espacio demarcado y en el tiempo definido. Por ejemplo que
podemos decir de las siguientes poblaciones:
- Estudiantes del Programa de Ingeniería de Sistemas

- Estudiantes del programa de ingeniería de sistemas de la UNAD
- Estudiantes del programa de Ingeniería de sistemas en la UNAD de los años
2.005, 2.006 y 2.007
Cuál de esas poblaciones estarán mejor definida? Analícelo con su grupo

colaborativo y realicen las observaciones al respecto.
El fin fundamental de la Inferencia Estadística es analizar algunas

características de la población denominados parámetros. Entre los más
importantes tenemos:
N = Tamaño total de la población

  Promedio Poblacional
2  Varianza Poblacional
  Desviación estándar Poblacional
  Total Poblacional
p = Proporción Poblacional
MUESTRA
Se considera una muestra al subconjunto representativo de la población,

que ha sido seleccionada de manera técnica mediante un procedimiento
denominado diseño de muestreo, para garantizar que dicha muestra es
representativa de la población, es decir, que las unidades seleccionadas en la
muestra mediante un proceso aleatorio, hayan tenido igual probabilidad de
haber sido seleccionadas para el análisis.
Entre los motivos que inducen a tomar una muestra aleatoria están:
11
1. Naturaleza Destructiva: Existen casos donde se requiere destruir los

elementos de la muestra para medir la característica, como es el caso de
medir la resistencia de un material, el vacío de un producto enlatado, otros.
2. Imposibilidad Física de Medir Todos los Elementos de la Población: Se

sabe que existen poblaciones muy grandes, consideradas infinitas y es casi
imposible conocer todos los elementos de la misma.
3. Costos: Estudiar todos los elementos de la población es muy costoso, tanto en

tiempo como en dinero, por lo que es más rentable hacer un estudio Muestra.
4. Confiabilidad del Estudio Muestra: Esta demostrado con soporte matemático

que una muestra representativa arroja resultados que permiten inferir sobre
la población con una confiabilidad muy alta.
El objetivo fundamental del muestreo es Estimar los parámetros de la población

a partir de algunos elementos cuyas mediciones se conocen como
Estadísticos.
Los estadísticos más utilizados por su importancia son:
n = Tamaño de la muestra
X = Promedio de muestra
S 2 Varianza Muestra
S  Desviación estándar Muestra
à  Total Estimado
p = Proporción Muestra
UNIDAD DE OBSERVACION:
Son los elementos que se miden; es decir, sobre los que se toman los datos de
las variables a medir. En el caso de los hogares, la unidad de observación serán
las personas y en el caso de las llantas del automóvil, cada una serán las
unidades de observación.
MARCO DE MUESTREO:
El marco de muestreo se considera el referente para identificar las unidades de

observación, éste NO incluye todos los elementos de la población. Ejemplos
de marcos de muestreo tenemos el directorio telefónico de una ciudad, como
potenciales votantes, el registro de ventas de los últimos 5 años en una
compañía comercializadora y muchos otros.
12
ERROR DE MUESTREO:
En estadística se sabe que existen diferencias entre lo que se obtuvo en el

estudio y lo que se esperaba. En el proceso de estimación es poco probable que
la media Muestra sea idéntica a la media poblacional, igual para la varianza y la
desviación estándar. El error de muestreo es la diferencia entre el estadístico y el
parámetro.
    à
 Es el parámetro y à es el estadístico.
ERROR TOLERABLE:
Se considera el error tolerable al error máximo que se está dispuesto a

aceptar y aún considerar que el muestreo ha alcanzado su objetivo. En todo
estudio estadístico siempre se considera un error tolerable, partiendo del principio
que a menor error tolerable, mayor será el tamaño de la muestra. Si es el
parámetro y à es el estadístico, el error tolerable está determinado por B,
donde:
error 

 à  B
ERROR ESTANDAR
La desviación estándar de una distribución, en el muestreo de un

estadístico, es frecuentemente llamada el error estándar del estadístico. Por
ejemplo, la desviación estándar de las medias de todas las muestras posibles del
mismo tamaño, extraídas de una población, es llamada el error estándar de la
media. De la misma manera, la desviación estándar de las proporciones de
todas las muestras posibles del mismo tamaño, extraídas de una población, es
llamada el error estándar de la proporción. La diferencia entre los términos
desviación estándar y error de estándar es que la primera se refiere a los
valores originales, mientras que la segunda está relacionada con valores
calculados.
13
ESTADSTICO
Un estadístico es una medida usada para describir alguna característica de una

muestra, tal como una media aritmética, una mediana o una desviación estándar
de una muestra.
PARAMETRO
Una parámetro es una medida usada para describir alguna característica de una
población, tal como una media aritmética, una mediana o una desviación estándar
de una población.
Cuando los dos nuevos términos de arriba son usados, por ejemplo, el proceso
de estimación en inferencia estadística puede ser descrito como el proceso de
estimar un parámetro a partir del estadístico correspondiente, tal como usar una
media muestra (un estadístico) para estimar la media de la población (un
parámetro).
ETAPAS EN LA SELECCION DE LA MUESTRA
El todo estudio de muestreo se debe definir las etapas que permiten su desarrollo.
Definición del Objeto de Estudio: Comprende la identificación del

problema y el establecimiento de las metas que busca el estudio.
Marco de Muestreo: Establecimiento de una metodología para identificar los

elementos que estarán en el muestreo, sus características y el modelo que los
identifica.
Identificación de Variables: Es pertinente identificar las variables de estudio,

para así definir la forma de medición que se haría.
Tamaño de la Muestra: Por medio del modelo de muestreo pertinente

seleccionar la muestra representativa, sobre la que se realizarán las mediciones.
Unidad de Muestreo: Se debe extraer las unidades de muestreo según el modelo

definido que determinan las n unidades maestrales de la población N.
Trabajo de Campo: Son todas las acciones necesarias para obtener la

información, definiendo los costos, desplazamientos, herramientas física y
logísticas para su realización.
Análisis de Información: La información obtenida, requiere de un proceso

estadístico, el cual puede ser descriptivo o inferencia, para el curso que nos
14
ocupa se deben hacer los dos.
Resultados: Con el proceso desarrollado sobre los datos obtenidos, se procede a

la emisión de los resultados y la confrontación con las metas propuestas para
verificar el grado de eficiencia del trabajo realizado. Es pertinente saber
presentar los resultados, ya que un buen trabajo que no se presente de la mejor
manera, quedaría oscuro en su información.
Lección No 2: Clases de muestreo
Con los conceptos previos que se han analizado, ahora corresponde estudiar
las clases de muestreo. Los dos grandes grupos están enmarcados en las
siguientes clases:
- Muestreo probabilístico.
- Muestreo no probabilístico.
Muestreo No Probabilístico.
Son aquellos muestreos donde los elementos de la muestra se toman al azar,

siendo imposible determinar el grado de representatividad de la muestra.
Para el caso de una población homogénea, la representatividad de tal muestra
puede considerarse satisfactoria.
Por otra parte, en problemas comerciales diarios y en la toma de decisiones

que a falta de tiempo no permiten disecar métodos de muestreo probabilístico
hay que recurrir a este tipo de muestreo, donde el investigador conoce la
población.
Dentro del muestreo no probabilístico se conoce varios tipos:
- Muestreo por conveniencia.

- Muestreo por juicio
- Muestreo Causa / Efecto
- Muestreo por Cuotas
- Muestreo de Poblaciones Móviles
MUESTREO POR CONVENIENCIA
La muestra se determina por conveniencia, incorporando elemento en la

muestra sin probabilidades especificadas o conocida de selección. Por
ejemplo un profesor que se encuentra investigando una causa universitaria,
15
puede usar alumnos voluntarios para formar la muestra, tan solo porque dispone
fácilmente de ellos y participan como elementos a un costo pequeño o nulo.
Tiene la ventaja de ser de fácil selección y recolección de sus datos. Tiene la
desventaja de no poderse evaluar en su bondad de la muestra en
función de la representatividad de la población, motivo por el cual se hace
imposible inferir a cerca de la población correspondiente.
MUESTREO POR JUICIO
En este método la persona por experiencia y capacidad selecciona a los

individuos u otros elementos de la población, que supone son los más
representativos de esa población. Por ejemplo un reportero puede muestrear
uno o dos senadores, por considerar que ellos reflejan la opinión general de todos.
MUESTREO CAUSA / EFECTO
Se realiza cuando no hay una población definida y se requiere tomar elementos

para el estudio en cuestión, caso por el cual se toman los elementos disponibles.
MUESTREO POR CUOTAS:
Cuando es necesario obtener una cantidad dada de elementos que constituyen

una muestra proporcional a la población, se toman elementos hasta cubrir dicha
cuota. El caso de tomar una cantidad de carros en una esquina para hacer un
estudio sobre accidentalidad en dicho sitio.
MUESTREO DE POBLACIONES MÓVILES:
Método propio de poblaciones móviles como en estudios de migración ocurridos

en un sitio determinado. El caso típico es con animales que migran, donde se
hace captura-marca- recaptura.
Muestreo probabilístico
El muestreo aleatorio o muestreo probabilístico, es aquel en que cada uno de

los elementos de la población objeto de estudio, tienen una probabilidad
matemática conocida, y frecuentemente igual, para ser elegido en la muestra.
Dentro del muestreo probabilístico o aleatorio existen cuatro métodos:
1. Muestreo aleatorio simple

2. Muestreo estratificado
3. Muestreo sistemático
4. Muestreo por conglomerados
16
Una muestra se considera probabilística si cumple con las siguientes condiciones:
a) Se pueda definir un conjunto de muestras M1, M2, M3,Ö posibles derivados

del proceso de selección propuesta. Así se puede identificar que unidades
de muestreo pertenecen a la muestra M1, M2,Ö
b) A cada muestra posible le debe corresponder una probabilidad de selección
conocida P(S).
c) El proceso de selección garantiza que todos los elementos de la población

tienen una probabilidad P(yi)>0 de ser elegido en alguna muestra.
d) La selección es un proceso aleatorio que garantiza que cada muestra

S tenga una probabilidad P(S) de ser elegida.
Muestreo aleatorio simple
El M A S es la forma má s sencilla de muestreo probabilístico y es la base de

técnicas más complejas. La muestra se puede tomar de una población finita
o infinita, la cantidad de muestras posibles depende del tipo de diseño y la
forma de tomar las muestras. Este tipo de muestreo se utiliza cuando se
considera que la población es más o menos homogénea. Como ya sabemos el
muestreo puede ser con y sin reemplazamiento.
El marco de muestreo corresponde a la lista codificada de todas las

observaciones que hacen parte de la población. La muestra se elige de tal
manera que cada observación tiene la misma probabilidad de ser elegida, la
elección de una observación NO tiene influencia sobre la elección de otra. Es
de aclarar que en el M. A. S. La unidad de muestreo es igual a la unidad de
observación.
Para seleccionar los elementos de la muestra se puede utilizar varias técnicas:
a) Tabla de números aleatorios: (Ver tabla siguiente). Se enumeran las

unidades que conforman la población objetivo de estudio, partiendo desde 01
hasta 99, desde 001 hasta 999, y así sucesivamente, dependiendo del
tamaño poblacional. Luego se define el tamaño de la nuestra y como los
elementos de la población están listados y codificados, entonces se
establece un punto de partida: Columna ñ Fila y se van leyendo ya
sea horizontal o verticalmente los números de la tabla hasta completar el
tamaño de la muestra.
17
Ejemplo 1:
Se desea obtener una muestra aleatoria de tamaño n = 10, los elementos de la

población están codificados de 1 a 200.
Solución:
Seleccionemos la fila 06 y columna 12345, como punto de inicio y la lectura

la hacemos vertical. Se debe escoger los primeros tres dígitos que estén entre 1
y 200, hasta completar el tamaño de la muestra. La lectura será de los tres
primeros dígitos de la tabla.
Veamos: El primer número es 884, no se incluye, el segundo es 100, se incluye,

el tercero es 007, se incluye, así sucesivamente. Por consiguiente la muestra
ser·:
n = 100, 007, 141, 151, 142, 128, 146, 042, 156, 134
Ejemplo 2:
Obtengamos una muestra aleatoria de 6 elementos de una población cuyos

elementos están codificados de 01 a 50.
Solución:
Elegimos el punto de inicio de la fila 08 y columna 67890. Lectura del primer

dígito y lectura vertical.
n = 9, 5, 1, 3, 7, 8
18
Fuente: Web
Este método de selección permite que todos los elementos que constituyen la
población tengan la misma posibilidad de ser incluidos en la muestra. Los
19
elementos se escogen en forma individual y aleatoriamente de la totalidad de

la población. Esta selección puede ser sin reemplazamiento, similar a la que
se realiza en la extracción aleatoria de números en el juego denominado baloto.
Cada elemento que constituye la muestra se selecciona una sola vez,
denominándose extracciones sin reposición.
En otras ocasiones, cada elemento puede ser elegido má s de una vez en la

misma muestra, como por ejemplo, cuando se selecciona aleatoriamente el
número ganador de una lotería, que puede ocurrir ser el mismo número; en
estos casos se dice que las extracciones son realizadas con reposición.
Programa de Computador: Utilizando el programa Excel que es el más común

se puede desarrollar números aleatorios de la siguiente manera:
Si la población es de N = 1.000 observaciones y se desea una muestra de 20,

entonces: Sobre una celda se escribe =ALEATORIO ()*N y se da clic, el
sistema genera el primer número aleatorio, se despliega en la parte inferior
derecha de la celda del número hasta el tamaño de la muestra definida.
Sintaxis para
obtener números
aleatorios de
una población
de 1.000
observaciones
Al dar clic se genera el primer numero aleatorio y desplegando se obtiene los que
se desea.
20
Primer numero
aleatorio.
Se despliega desde
la parte inferior
derecha hasta
completar
20 elementos
De esta manera se obtiene los números aleatorios que se requieren para

tomar la muestra aleatoria de la población objeto de estudio. Si se vuelve a
hacer el proceso, se obtendrán nuevos números y cada que se realice un nuevo
proceso, se generarán diferentes números; esto por lo de Aleatorio.
b) Método de Fan Muller: Se definen los números aleatorios Ó1, Ó2, Ó3,Ö
independientes bajo la distribución uniforme u (0,1). Si Ók=1 < n / N. (Siendo
N el tamaño de la población y n el tamaño de la muestra), entonces k = 1 es
seleccionado para la muestra, en otro caso no. Para los siguientes
números k = 2, 3, 4,Ö, nk los seleccionados deben cumplir
n–n
k =<
N–k+1
el proceso termina cuando nk = n. N ñ k + 1 es el marco muestral;

es decir, el tamaño disponible. Los Ók son generados bajo la distribución
uniforme y se comparan con (n ñ nk) / (N ñ k + 1).
c) Coordinado Negativo: El proceso general es de la siguiente manera:
- Se adiciona una variable aleatoria U con distribución uniforme U (0, 1)

- Se ordena el marco muestral según la distribución U.
- La muestra se forma de los n primeros elementos del marco ordenado
Muestreo Aleatorio Estratificado

En el diseño de muestreo probabilístico, es pertinente identificar la población
21
objeto de estudio, ya que no siempre la variable de análisis es más o menos

homogénea. Si se desea analizar la variable peso; por lo general los hombres
pesan más que las mujeres, en estratos altos se paga más arriendo que en
estratos bajos. En estos y otros muchos casos el M. A. S. no es adecuado. En
casos donde la población es muy heterogénea respecto a la variable de
estudio el muestreo estratificado es mejor que el muestreo aleatorio simple. La
palabra estratificar hace referencia a formar Capias.
DEFINICIÓN: Una muestra aleatoria estratificada se obtiene

mediante la separación de los elementos de la población en
subgrupos llamados ESTRATOS, los cuales son disyuntos.
Obtenidos los estratos, en cada uno se obtiene la muestra por M. A. S. para el

estudio de la variable de interés.
La justificación de seleccionar una muestra por muestreo aleatorio estratificado

más que por muestreo aleatorio simple son entre otras.
1. Evitar la obtención de muestras erróneas, tal es el caso de escoger

elementos que podrían sesgar el muestreo, por consiguiente se puede
perder representatividad de la población.
2. Obtener información precisa de ciertos subgrupos para hacer comparaciones
3. Producir un límite de error de estimación (B) más pequeño, comparado con el

obtenido en el M.A.S. para un mismo tamaño de muestra.
4. Los costos por observación en las encuestas son más reducidos ya que
se evitan desplazamientos extremos.
5. Las estimaciones se obtienen por subgrupos así los estratos se hacen

identificables.
Como los elementos de los estratos son disyuntos, entonces cada unidad
de muestreo pertenece solo a un estrato. Las muestras seleccionadas
en los estratos deben ser independientes; es decir, la elegida en un estrato no
debe afectar la elección de otra muestra en otro estrato.
La esencia de la estratificación es que ésta saca provecho de la homogeneidad
conocida de las su poblaciones, de tal forma sólo se requieran muestras
relativamente pequeñas para estimar las características de cada sub-población,
estas estimaciones individuales pueden entonces ser fácilmente combinadas
para producir una estimación de toda la población; además, la economía
en el tamaño de la muestra, un valioso sub-producto del esquema de
22
muestreo estratificado es que las estimaciones obtenidas para diferentes

partes de la población se pueden usar posteriormente para hacer
comparaciones.
Para una descripción general del muestreo aleatorio estratificado y los métodos
de inferencia asociados con este procedimiento, suponemos que la
población está dividida en h su poblaciones o estratos de tamaños conocidos
N1, N2,...,Nh tal que las unidades en cada estrato sean homogéneas respecto
a la característica en cuestión.
Partiendo de la población o universo U cuyo tamaño es N, se definen NL

estratos.
N = N1 + N2 +Ö+ NL
Nl = Tamaño del estrato l.
x l j = Valor de la observación j en el Estrato l.
µl = Media poblacional en el estrato l.
Û2l = Varianza poblacional en el estrato l.
Ù l = Total poblacional en el estrato l.
p l = Proporción poblacional en el estrato l.
La media poblacional del estrato, la varianza poblacional del estrato, el total

poblacional del estrato y el total poblacional, se obtiene de la siguiente manera:
Nl Nl

Nl N1
µi =
1
Nl j=l
Xy  1=
J=l
(xiy - µ i)
Nl - 1
ti = 
j=l
Xy t= 
j=l
tl
Nµ
pl = µ
1
Nl 
j=l
Xli Donde xli son los elementos j del estrato l que tiene la característica
23
En cada estrato se obtiene una muestra aleatoria por M.A.S. Si tenemos el

estrato l, se puede hacer el siguiente análisis.
nl = Tamaño de la muestra en le estrato l

xl = Promedio muestral en el estrato l
2
sl = Varianza muestral en el estrato l

p l= Proporción estimada del estrato l
Nl
= 1
Nl j=l
Xlj Donde lj son los elementos j del estrato l
Nl

2
sl= (xij - i)
j=l Nl - 1
Nµ
1
pl = µ N
l 
j=l
Xli = Elementos j del estrato l que tiene la característica
Muestreo Sistemático
Es utilizado por algunos contadores para revisar sumas, cuentas, inventarios,

etc., por ser un método directo y económico. Consiste en seleccionar uno a
uno, los elementos de la muestra en un orden determinado, dando un inicio
aleatorio. La fracción de muestreo se establece por medio de la siguiente
relación:
N = Tamaño de la población
Donde:
N = Tamaño de la muestra
Ejemplo 1
De una población de 1.000 observaciones, se desea tomar una muestra de 10,

cuales serían las observaciones que harían parte de la muestra sistemática.
24
Solución:
La fracción de muestreo es:
El primer elemento se selecciona aleatoriamente en el intervalo cero a

cien, por ejemplo seleccionando el número 25, el segundo elemento que se
selecciona es 125 (25+100), luego el 225 (125+100) y así sucesivamente, hasta
completar la muestra de diez.
Un problema específico del muestreo sistemático es la existencia de cualquier

factor periódico o cíclico en la lista de la población que pudiera conducir a
un error sistemático en los resultados muestrales.
Ejemplo: Si en un hospital hay un universo de quince mil cien historias

clínicas que están numeradas interrumpidamente y se desea tener una
muestra equivalente al 10%, o sea, mil quinientas diez historias, ello significa
que ha de tomarse una de cada 10, ya que (15.100 ˜1.510 = 10). La primera
historia puede seleccionarse del primer grupo de 10. Si la primera historia
seleccionada es la número 8 en la población, teniendo en cuenta que el
ocho es un número cualquiera tomado aleatoriamente; la segunda ser· la 18=
(8+10) la tercera ser· la 28 = (18 + 10), la cuarta ser· la 38 = (28 + 10), y así
sucesivamente.
La estimación y tamaño de muestra tiene un análisis similar al muestreo

aleatorio simple M.A.S.
Muestreo Conglomerados
Este es un método de muestreo aleatorio en el que los elementos de la
población se dividen en forma natural en subgrupos, de tal forma que dentro de
ellos sean lo más heterogéneo posible y entre ellos sean homogéneos, caso
contrario al muestreo estratificado.
Este tipo de muestreo se usa en particular cuando no se dispone de una

lista detallada y enumerada de cada una de las unidades que conforman el
universo y resulta muy complejo elaborarla. Se le denomina así debido a
que en la selección de la muestra en lugar de escogerse cada unidad se
procede a tomar los subgrupos o conjuntos de unidades, a los que se llama
"conglomerados". Aunque quizá por ello se tienda a creer que es lo
mismo que el estratificado, ambos se diferencian en que en los
conglomerados los subconjuntos se dan en la vida real o ya están
agrupados de esa manera; por ejemplo: Escuelas, tipos de Industrias,
bloques de casas y otros. En el estratificado el investigador decide las
agrupaciones que utilizar según la posible variabilidad de los fenómenos a
25
estudiar; otra diferencia es que en este el investigador conoce la distribución

de la variable, todo lo contrario que en el muestreo por conglomerado.
El proceso se indica definiendo los conglomerados, después se seleccionan los

subconjuntos a estudiar (o sea, que se realiza un muestreo de
conglomerados); de estos seleccionados se procede a hacer el listado de las
unidades que componen cada conglomerado, continuando posteriormente con
la selección de las unidades que integrarán la muestra, siguiendo algunos de
los métodos aleatorios indicados.
Si se desea hacer un estudio en las escuelas de educación primaria sobre

un determinado fenómeno, inicialmente se seleccionan las escuelas que
se estudiarán, de esas escuelas seleccionadas se determinan los grados o
clases que deben incluir y posteriormente se escogen los alumnos, que serán
las unidades de observación, utilizando uno de los métodos aleatorios. Se
estima que las inferencias que se hacen en una muestra conglomerada no son
tan confiables como las que se obtienen de un estudio hecho por muestreo
aleatorio.
Ejemplo:
Si un analista de la S ecretaría de S alud necesita hacer un estudio de los

servicios médico-asistenciales que reciben los trabajadores del área
metropolitana, sería difícil obtener una lista de todos los trabajadores de la
población objetivo. Sin embargo podría obtenerse una lista de las empresas y
fábricas del área. Con esta lista, el analista puede tomar una muestra aleatoria
de las empresas o fábricas, que representan conglomerados de
trabajadores, y obtener la información de los servicios médicos que se les
están prestando.
Lección No 3: Tipos de Selección de Muestras

En el diseño Muestra hacemos referencia a la probabilidad de selección, la
cual consiste en definir el valor de probabilidad de que una muestra dada
sea seleccionada. En teoría de probabilidad existen dos tipos de selección:
Selección con Reemplazamiento: Consiste en que los elementos

seleccionados una vez medidos vuelven a la muestra, lo que hace que el
espacio Muestra permanezca constante. Por lo anterior la ocurrencia de un
evento no afecta la ocurrencia de otro, por lo que los eventos se consideran
independientes.
26
Ejemplo:
Si en una bolsa se tiene 4 bolas blancas y 5 bolas negras. Cual será la

probabilidad que al seleccionar dos bolas éstas sean blancas.
Solución:
La probabilidad de que la primera sea negra es:
La probabilidad de que la segunda sea negra es:
Selección sin Reemplazamiento: Los elementos elegidos una vez la

medición, estos NO vuelven a la muestra, lo que hace que el espacio muestral
cambie a medida que se van tomado elementos de la muestra.
Ejemplo:
Si en una bolsa se tiene 4 bolas blancas y 5 bolas negras. Cual será la

probabilidad que al seleccionar dos bolas estas sean blancas, la selección es
sin reemplazamiento
Solución:
La probabilidad de que la primera sea negra es: 4/9

La probabilidad de que la segunda sea negra es: 3/8
Recordemos que una vez elegida la primera, ésta vuelve a la muestra.
Ejemplo:
Suponga que tenemos N = 4 unidades 1, 2, 3 y 5 en una población

hipotética y desea seleccionar muestras con reemplazamiento y sin
reemplazamiento de tamaño n=2
Solución:
Para los propósitos de esta selección, los valores podrían ser el número de
las personas que viven en cada una de cuatro unidades habitacionales que
constituyen una población. Se realizará una comparación entre el muestreo
aleatorio con y sin reemplazamiento para una muestra de tamaño n=2.
Primero se listan todas las posibles muestras no ordenadas de tamaño n= 2.
27
Lección No 4: Métodos de Inferencias: Paramétricos y No Paramétricos
Los procedimientos de inferencia permiten establecer conclusiones acerca de

una población, a partir de las propiedades estudiadas en una muestra de ella.
Además, como dichas conclusiones dependen de sucesos aleatorios, se les
asociará un nivel de confianza o de verosimilitud.
Respecto de los objetivos que resuelven las técnicas de inferencia estadística

se clasifican en:
Métodos Paramétrico
Resuelve objetivos relacionados con parámetros de una población, tales como

media, varianza, proporción etc. Estos modelos se apoyan en el conocimiento
de la distribución de probabilidad asociada a dicha población aunque se
desconozca algún parámetro de dicho modelo. Por ejemplo podemos suponer
que el número de clientes atendidos por hora en una entidad bancaria sigue un
modelo de Poisson pero de parámetro µ desconocido.
Para resolver un problema de inferencia paramétrico se utilizan dos tipos de

procedimientos:
Estimación: Puntual cuando obtenemos valores aproximados del parámetro

desconocido y una medida de error asociado; por Intervalos cuando obtenemos
un rango de valores, que contiene el verdadero valor del parámetro con una
probabilidad o confiabilidad prefijada.
Test de Hipótesis: Cuando aceptamos o rechazamos una hipótesis relacionada

con uno o varios parámetros de una población desconocidos, con un cierto nivel
de error prefijado.
Métodos no paramétrico
Los métodos no paramétricos se refieren a menudo como distribución

libremente métodos pues no confían encendido asunciones que los datos están
dibujados del dado distribución de la probabilidad. Resuelven situaciones
relacionadas con el tipo de distribución de probabilidad asociada a la población
de estudio u otros objetivos no relacionados directamente con parámetros.
Lo deseable en estos casos será buscar la inferencia en contrastes que sean

válidos bajo un amplio rango de distribuciones de la población. Tales contrastes
se denominan no paramétricos.
28
El término no paramétrico no se significa implicar que tales modelos carecen

totalmente parámetros, sino que el número y la naturaleza de los parámetros
son flexibles y no fijados por adelantado.
Ventajas y Desventajas
Las pruebas no paramétricas no necesitan suposiciones respecto a la

composición de los datos poblacionales. Las pruebas no paramétricas son de
uso común:
1. Cuando no se cumplen las suposiciones requeridas por otras técnicas

usadas, por lo general llamadas pruebas paramétricas.
2. Cuando es necesario usar un tamaño de muestra pequeño y no es posible
verificar que se cumplan ciertas suposiciones clave.
3. Cuando se necesita convertir datos cualitativos a información útil para la
toma de decisiones.
Existen muchos casos en los que se recogen datos medidos en una escala
nominal u ordinal. Muchas aplicaciones de negocios involucran opiniones o
sentimientos y esos datos se usan de manera cualitativa.
Las pruebas no paramétricas tienen varias ventajas sobre las pruebas

paramétricas:
1. Por lo general, son fáciles de usar y entender.

2. Eliminan la necesidad de suposiciones restrictivas de las pruebas
paramétricas.
3. Se pueden usar con muestras pequeñas.
4. Se pueden usar con datos cualitativos.
También las pruebas no paramétricas tienen desventajas:
1. A veces, ignoran, desperdician o pierden información.

2. No son tan eficientes como las paramétricas.
Lección No 5: Estimadores y propiedades de los estimadores
El proceso de estimación conlleva a obtener un estimador que tenga

ciertas condiciones deseables para hacer inferencia sobre el modelo de
probabilidad que ha generado los datos. Entre los métodos de estimación de
la estadística paramétrica, se tiene: Momentos, mínimos cuadrados y máxima
verosimilitud. En temáticas posteriores se analizará lo referente a la
29
estimación
Propiedades de un estimador:
El concepto de estimación de parámetros mediante la especificación de las

propiedades que deben cumplir los estimadores y el desarrollo de técnicas
apropiadas para implementar el proceso de estimación. Se utilizar· el punto
de vista práctico de la teoría del muestreo, que considera un parámetro como
una cantidad fija pero desconocida.
Para evaluar la calidad de un estadígrafo como un estimador este debe

cumplir las siguientes propiedades:
1. Insesgado:
El término in sesgado se refiere al hecho de que una media muestra es

igual a un estimador no sesgado de la media de una población, porque la
media de la distribución muestra de las medias muéstrales tomada de esa
misma población es igual a la media de la población. Se puede decir que un
estadígrafo es un estimador no sesgado, si en promedio tiende a asumir
valores por encima de los valores que se están estimando, tan frecuentes como
tienda a asumir valores que están por debajo del parámetro de la población
que se estima.
2. Eficiencia:
La eficiencia se refiere al tamaño del error estándar del estadígrafo de la

muestra. Si se comparan dos estadígrafos de una muestra del mismo tamaño
y se desea decidir cual de los dos es el estimador más eficiente, se escogerá
el estadígrafo que tenga el menor error estándar o desviación de la
distribución muestra. Supóngase que se escoge una muestra de un tamaño
dado y se decide cuando usar la media muestra o la mediana muestra para
estimar la media de la población. Si se calcula el error estándar de la media
muestra y se encuentra que es igual a 2.15 y luego se calcula el error
estándar de la mediana muestra y se encuentra que es de 2.6, se podrá
decir que la media muestra es un estimador más eficiente de la media de la
población porque su error estándar es menor o con menos variación, tendrá
una mayor oportunidad de producir un estimador más cercano al parámetro de
la población bajo estudio.
3. Consistencia:
Un estadígrafo es un estimador consistente de un parámetro de la población

si en la medida en que el tamaño de la muestra aumenta se está seguro de
que el valor del estadígrafo se acerca al valor del parámetro de la población.
30
Cuando un estimador es consistente, se vuelve más confiable tomando

muestras grandes. De esta manera, cuando usted se preocupa por
aumentar el tamaño de la muestra para obtener más información acerca de
un parámetro de la población, debe primero encontrar si su estadígrafo es
un estimador consistente, si no es así, usted desperdiciará dinero y tiempo
al tomar muestras grandes.
Ejercicios: 1
1. En un estudio por muestreo a un lote de envases para un medicamento, con

una población de 8000 unidades, Se desea determinar la media de la capacidad
de los envases en centímetros cúbicos. Se ha estimado que la desviación
estándar es de 2 centímetros cúbicos. Si queremos tener una precisión de 0.25
centímetros cúbicos, Y un nivel de significación del 5%, equivalente a un nivel
de confianza de 1.96. De que tamaño debe ser la muestra:
R/ta: 238 frascos
2. En cierta cadena de centros comerciales trabajan 150 personas en el

departamento de personal, 450 en el departamento de ventas, 200 en el de
contabilidad y 100 en el de servicios al cliente. Con el objeto de realizar una
encuesta laboral, se quiere seleccionar una muestra de 180 trabajadores. Qué
número de trabajadores tendríamos que seleccionar en cada departamento
atendiendo a un criterio de proporcionalidad
R/ta: 30, 90, 40, 20
3. Suponga que se quiere estimar el número de días-hombre perdidos debido a

accidentes de trabajo en un mes particular. Además se sabe que la mayor parte
de dichos accidentes se presentan en los niveles operativo, técnico y
administrativo. ¿Cual de los siguientes diseños de muestreo es el más
aconsejable?:
R/ta: Estratificado, identificando como estrato los niveles de trabajo
4. Supongamos que en la ciudad “T” hay 200 barrios. Si elegimos al azar dos de
estos barrios, de manera que la muestra esté compuesta por todos los
individuos de esos dos barrios. Se trata de de:
T/ta: Por conglomerados
5. Se ha proyectado realizar una encuesta sobre el consumo de leche en las

familias. El número de familias de la población es 6000 y el tamaño de la
muestra 840, con la siguiente clasificación de profesión u oficio:
Profesionales: 100 Comerciantes: 200
31
Operarios: 2000 Agricultores: 600

Servicios Generales: 1900 Empleados: 1200
Cuantas familias de agricultores deben estar representados en la muestra.
R/ta: 84
6. Supongamos que en la ciudad “T” hay 200 barrios. Si elegimos al azar dos de
estos barrios, de manera que la muestra esté compuesta por todos los
individuos de esos dos barrios. Se trata de de:
R/ta: Muestreo por conglomerados
7. Con un nivel de confianza del 95% y un error de muestreo del 3%, se quiere
estimar el verdadero promedio de consumo de agua diario y la verdadera
proporción de familias compuestas por más de 3 miembros por unidad familiar,
de una ciudad con 10.000 unidades familiares, durante un periodo estacional
seco. Sí se sabe que en el mismo periodo del año anterior en un estudio
realizado a través de un muestreo, el consumo promedio diario fue de 42, 5
metros cúbicos, con una variancia de 12,5. El tamaño de muestra necesario es:
R/ta: 965
8. Se quiere obtener una muestra sistemática que seleccione estudiantes de un

programa y CEAD de la UNAD que tiene 800 de ellos. La variable clave del
estudio es dicotómica y se aduce que la proporción es del 20%, además, se
quiere un error del 4% y una confiabilidad del 95%.
R/ta: 2; 5; 8; 11; 14; 17;……….
9. Se realiza un estudio para estimar el porcentaje de ciudadanos del Bajo

Cauca que están a favor de que su agua se trate con flúor. Qué tan grande debe
ser una muestra si se desea tener una confianza de al menos 95% de que la
estimación estará dentro del 2% del porcentaje real? Realice las
consideraciones necesarias para calcular n
R/ta: 2400 habitantes
10.En cierto barrio se quiere hacer un estudio para conocer mejor el tipo de
actividades de ocio que gustan más a sus habitantes. Para ello van a ser
encuestados 100 individuos elegidos al azar.
-Explicar qué procedimiento de selección sería más adecuado utilizar: muestreo
con o sin reposición. ¿Por qué? R/ta: Sin reemplazamiento para que sea
representativa.
-Como los gustos cambian con la edad y se sabe que en el barrio viven 2.500
niños, 7.000 adultos y 500 ancianos, posteriormente se decide elegir la muestra
32
anterior utilizando un muestreo estratificado. Determinar el tamaño muestral

correspondiente a cada estrato.
R/ta: 25 niños, 70 adultos y 5 ancianos.
11. En cierta cadena de centros comerciales trabajan 150 personas en el

departamento de personal, 450 en el departamento de ventas, 200 en el
departamento de contabilidad y 100 en el departamento de atención al cliente.
Con objeto de realizar una encuesta laboral, se quiere seleccionar una muestra
de 180 trabajadores.
-¿Qué tipo de muestreo deberíamos utilizar para la selección de la muestra si
queremos que incluya a trabajadores de los cuatro departamentos
mencionados?
R/ta: Utilizaremos un muestreo aleatorio estratificado, ya que queremos que
haya representantes de cada uno de los departamentos.
-¿Qué número de trabajadores tendríamos que seleccionar en cada
departamento atendiendo a un criterio de proporcionalidad?
R/ta: (30,90, 40, 20)
12. Se desea hacer una encuesta para determinar la proporción de familias que
carecen de medios económicos para atender los problemas de salud. Existe la
impresión de que esta proporción está próxima a 0´35. Se desea determinar un
intervalo de confianza del 95% con un error de estimación de 0´05. ¿De qué
tamaño debe tomarse la muestra?
R/ta: n=350.
33
CAPITULO DOS: DISTRIBUCIONES MUESTRALES
Como se ha señalado anteriormente, el propósito del muestreo es averiguar las

características de la población en estudio, y cuando se diseña una muestra por
uno de los modelos dados. Una distribución muestra es una distribución de
probabilidad de un estadístico, calculado a partir de una muestra aleatoria de
tamaño n, elegida de manera aleatoria de una población determinada, es decir,
se está interesado en conocer una o más de las siguientes características:
 La forma funcional.
 La media
 La desviación estándar
Lección No 6: Distribución Muestral de la Media y de la Proporción:
Los estadísticos obtenidos en una muestra son variables aleatorias, por lo cual
deben tener una distribución de probabilidad, así que la media muestral tiene
una distribución.
Supongamos que se tiene una muestra aleatoria de tamaño n observaciones,

tomada de una población normal N ( ,  2 ) cada observación X1 = 1, 2, 3, …, n
tendrá la misma distribución que la población de donde fue tomada la muestra.
Teorema:
-------------------------------------------------------------------------------------------------------
X  X 2  ...  X n
Sea X  1 la media de la muestra aleatoria de tamaño n,
n
proveniente de una población infinita con media  y varianza  2 .
Entonces:
E (X )   2
V (X ) 
n
---------------------------------------------------------------------------------------------------------
Comentario:
E (X )   Valor esperado de la media muestral es la media poblacional.
34
2 La varianza del estimador es igual a la varianza poblacional

V (X )  dividida por el tamaño de la muestra.
n
El caso anterior es dado para cuando la población es infinita, pero se pueden

presentar los casos donde se conoce la población; es decir, es finita. En estos
casos se tiene el siguiente teorema.
Teorema:
-------------------------------------------------------------------------------------------------------
X  X 2  ...  X n
Sea X  1 la media de la muestra aleatoria de tamaño n,
n
proveniente de una población finita de tamaño N con media  y varianza  2 .
E (X )   2 N n
y Entonces: V (X )  *
n N 1
---------------------------------------------------------------------------------------------------------
Comentario:
N n
Se conoce como el factor de corrección para poblaciones finitas. Cuando
N 1
N es muy grande comparado con n, la diferencia se hace despreciable lo que

origina que para poblaciones infinitas dicho factor de corrección se hace uno.
Ejemplo:
Un Colegio tiene siete profesores, la retribución por hora cátedra es la que se

muestra a continuación:
Salario profesores
Profesor Salario $
1 7.000
2 7.000
3 8.000
4 8.000
5 7.000
6 8.000
7 9.000
Cuadro 2.3
35
Cuál es la media de la población?
Solución:
Se sabe por los conocimientos de estadística descriptiva que:

1 N
   xi Para i = 1, 2, …, 7
N i 1
Entonces:
7000  7000  8000  8000  7000  8000  9000 54000

   $7.714.3
7 7
Cual será la varianza de dicha población.
Solución:
Al igual que el caso anterior, la varianza poblacional esta dada por:
1 N
2  
N i 1
( xi   ) 2
Entonces:
1 N
 2   (7000  7714.3) 2  ...  (9000  7714.3) 2  699,85
7 i 1
Cuál es la distribución muestral de las medias para muestras de tamaño

dos?
Solución:
Para determinar la distribución muestral de las medias, se seleccionaron todas

las muestras posibles de tamaño 2, sabiendo que son sin reemplazamiento y
que no interesa el orden de selección en la población. Se calculan las medias de
cada muestra y se calcula la media de las medias maestrales.
Para saber cuantas muestras posibles se pueden tomar, se utiliza la

combinatoria, por los preceptos tomados: Sin repetición y no importa el orden.
7! 7! 7 x6 x5! 42
C 27     21
7  2!2! 5! x2! 5! x2 2
36
El valor de 21, es el número de muestras tamaño 2 que se pueden formar de

una población de 7 elementos. A continuación se indican las 21 muestras
posibles y el valor de la media para cada una de las muestras:
Muestreo sin reemplazamiento y las medias

Muestra Prof. Salario Media Muestra Prof. Salario Media
1 1y2 7000-7000 7000 12 3y4 8000-8000 8000
2 1y3 7000-8000 7500 13 3y5 8000-7000 7500
3 1y4 7000-8000 7500 14 3y6 8000-8000 8000
4 1y5 7000-7000 7000 15 3y7 8000-9000 8500
5 1y6 7000-8000 7500 16 4y5 8000-7000 7500
6 1y7 7000-9000 8000 17 4y6 8000-8000 8000
7 2y3 7000-8000 7500 18 4y7 8000-9000 8500
8 2y4 7000-8000 7500 19 5y6 7000-8000 7500
9 2y5 7000-7000 7000 20 5y7 7000-9000 8000
10 2y6 7000-8000 7500 21 6y7 8000-9000 8500
11 2y7 7000-9000 8000
Suma Total 162.000
Cuadro 2.4
En el cuadro siguiente se indica la distribución de probabilidad para el muestreo

de medias, donde la sumatoria de todas las probabilidades es igual a uno:
Distribución de probabilidad
Media muestral Número de medias Probabilidad
7000 3 0.1429
7500 9 0.4285
8000 6 0.2857
8500 3 0.1429
Suma 21 1.0000
Cuadro 2.5
Cuál es la media de la distribución Muestral?
Solución:
La media de la distribución muestral de medias, se determina sumando las

diferentes medias muestrales y dividiendo la suma entre el número de muestras.
La media de todas las medias muestrales en general se expresa:
37
N
1 Suma de medias muestrales
X 
N
x
i 1
i 
Número total de muestras
A partir de los datos:
162.000
X   $7.714.30
21
Según lo obtenido podemos concluir: La media de la población es igual a la

media de las medias muestrales.  X  
Estas características se analizan en el siguiente apartado.
Distribución Muestral de Medias: Poblaciones Finitas:
Las poblaciones finitas, tiene la característica de que N es conocido, al hacer la

distribución muestral de las medias y muestreo sin reemplazamiento, se obtiene
una gráfica de la distribución que presenta forma aproximadamente
acampanada, lo cual se puede observar en la siguiente gráfica.
Distribución muestral
Figura 2.3
38
Distribución Muestral de Medias: Poblaciones No Finitas:
La gráfica de la distribución muestras de medias para poblaciones no finitas y

muestreo con reemplazamiento tiene una distribución normal, tal como se puede
observar a continuación:
Distribución muestral de medias
Figura 2.4
La tercera propiedad del teorema central del límite se expresa: No importa que
distribución tenga la población, pero la distribución muestral de medias a partir
de esa población, tiene una distribución normal.
Ejemplo:
La altura media de 400 alumnos de un plantel de secundaria es de 1,50 mts. Y

su desviación típica es de 0,25 mts. Determinar la probabilidad de que en una
muestra de 36 alumnos, la media sea superior a 1,60 mts.
Solución: P( X > 1,60) = ?
1,60  1,50 0,10 0,60

Z    2,40
0,25 0,25 0,25
36 6
Z  2,40  A0,4918
P = 0,5000 – 0,4918 = 0,0082 = 82%
39
Distribución muestral de proporciones
En el análisis de una característica cualitativa o atributo, se emplea la

proporción de éxitos y no el número de éxitos como en la distribución binomial.
Ahora, en vez de expresar la variable en términos de éxitos (X) nos referiremos,

al número de atributos en la muestra (a) y lo dividimos por el tamaño de la
muestra n:
 ai
p
n
A   Ai  NP Total de elementos que presentan la característica en la

Población
A  Ai
p  P  P P  Proporción de elementos que presenta la
N N
característica en la población
NA
Q  1 P Proporción de elementos que no presenta la característica
N
P Q 1
 P 2  PQ Varianza de la proporción en la población
 p  PQ Desviación estándar
p PQ
p   Error estándar de la proporción
n n
En muchos casos podemos utilizar la distribución normal para evaluar la

distribución muestral de proporciones, siendo:
pP p  p
Z 
PQ p
n
40
Ejemplo:
Cuarenta y seis por ciento de los sindicatos del país están en contra de
comerciar con la China Continental; ¿Cuál es la probabilidad de que en una
encuesta a 100 sindicatos muestre que más del 52% tengan la misma posición?
Solución: P = 0,46 p = 0,52 n = 100 P(p>0,52) = ?
pP 0,52  0,46 0,06

Z    1,21
PQ 0,460,54 0,2484
n 100 100
Z  1,21  A0,3869  0,1131
P( p > 0,52)  11,31%
Lección No 7: Distribución Muestral de Diferencias de medias y

de proporciones
Distribución muestral de diferencias de dos medias
Se tienen dos poblaciones independientes identificadas la primera por X y la

segunda por Y, de tamaño y , cuyas medias se simbolizan por y ,y
sus desviaciones típicas son y . Se obtiene un número (M) de pares de
muestras. Las medias muéstrales de la primera población se identifican por ;
; … . Y las muestras de la segunda variable por ; ; … .
Ahora, si consideramos las diferencias para cada par, la media aritmética de

dichas diferencias se simbolizará por , donde:
Se puede demostrar que la media de la diferencia de todos los pares de medias

muéstrales posibles, es igual a la diferencia entre las medias poblacionales
La desviación típica de las diferencias entre los pares de medias muéstrales se

simboliza por:
41
Se puede considerar que la desviación típica de las diferencias entre los pares
de medias muéstrales, denominado como error estándar de las diferencias entre
las medias muéstrales, es igual a:
siendo:
Suponiendo que la distribución de diferencias entre las medias muéstrales tenga

un comportamiento similar a la distribución normal, la variante estadística estará
dada por la fórmula:
x  y    x  y x  y    x   y 
Z 
 x y  x2  y2

n1 n2
Se puede aplicar esta distribución cuando no se conocen las varianzas

poblacionales  x y  y , las cuales pueden ser sustituidas por varianzas
2 2
2 2
muéstrales s x y s y siempre y cuando que n1 y n 2 sean mayores que 30.
Ejemplo:
El rendimiento de los autos de la marca A es de 20 kilómetros por galón de

gasolina, con una desviación estándar de 6 k.p.g. las cifras comparables para
los autos B son de 25 y 5,5 k.p.g. se supone que el rendimiento de cada una de
ambas marcas está normalmente distribuido. ¿cuál es la probabilidad de que en
un concurso, el rendimiento medio para 10 autos de la marca A sea mayor que
el de 9 autos de la marca B?
Solución:  x = 20  y = 25 x= 6  y = 5,5 n1 = 10 n2 = 9
P( x  y > 0) = ?
42
0  20  25 0   5 5
Z    1,90
36 30,25 3,6  3,36 6,96

10 9
Z  1,90  A0,4713
P( x  y > 0) = 0,5000 - 0,4713 = 0,0287 = 2,87%
Distribución muestral de diferencias de dos proporciones
En el caso de dos poblaciones independientes de tamaño N 1 y N 2 , distribuidas

binomialmente, con parámetros, medias poblacionales P1 y P2 (también se
pueden representar las medias por  P1 y  P2 ) y desviaciones proporcionales  P1
y  P2 , siendo:
 P  P1Q1 y  P  P2 Q2 .
1 2
El error estándar de las diferencias entre las dos medias proporcionales estará
dada por:
P1Q1 P2 Q2
 P P   Cuando son valores poblacionales
1 2
n1 n2
Cuando n1 y n 2 corresponden a muestras grandes, es decir, ambas superiores

a 30:
p1 q1 p 2 q 2
s P1  P2  
n1 n2
La media de las diferencias entre dos medias proporcionales, se simboliza por:
 P   P   P  P  P1  P2
1 2 1 2
La variante estadística Z, estará dada en la misma forma en que fue presentada

para diferencias entre dos medias muéstrales:
43
 p1  p2    P   P   p1  p2   P1  P2 
Z 1 2
 cuando n1 y n 2 > 30
P1Q1 P2 Q2 p1 q1 p 2 q 2
 
n1 n2 n1 n2
Ejemplo:
Consideremos dos máquinas que producen un determinado artículo, la primera

produce por término medio un 14% de artículos defectuosos, en tanto que otra,
produce el 20% de artículos defectuosos; si se obtienen muestras de 200
unidades en la primera y 100 unidades en la segunda, ¿Cuál es la probabilidad
que difiera A de B en 8% o más?
Solución: P( P1  P2  0,08 ) = ? n1 = 200 n 2 = 100 P1 = 0,14 P2 = 0,20
 P   P = 0,14 – 0,20 = -0.06

1 2
p1  p2 = 8% = 0,08
0,08   0,06 0,14

Z   2,98
0140,86 0,20,8 0,047

200 100
Z  2,98  A0,4986
P( P1  P2  0,08 ) = 0,5000 – 0,4986 = 0,0014 = 0,14%
Lección No 8: Teorema central del límite.
En el caso de una población con media  y varianza  2 , la distribución muestral

de medias de todas las muestras posibles de tamaño n a partir de la población,
tendrá una distribución aproximadamente normal (siendo la media de la
distribución muestral igual a  y la varianza igual a  2 / n ) considerando que el
tamaño de la muestra es bastante grande.
El teorema central del límite es uno de los teoremas más importantes dentro de
las ciencias estadísticas, ya que su funcionalidad es muy grande.
44
TEOREMA CENTRAL DEL LÍMITE:
Sea X1, X2,…, Xn una variable aleatoria independiente e idénticamente

distribuida de una población infinita con media µ y varianza σ 2. Para σ2< ∞,
X 
Entonces: Z  Presenta una distribución Normal estándar.

n
O sea: Z  n(0,1)
Hay que destacar aspectos importantes del teorema central de límite.
 Si el tamaño de la muestra n es suficientemente grande, la distribución

muestral de las medias será más o menos normal. Esto se cumple ya sea
que la población esté o no distribuida normalmente. Esto es, el teorema se
verifica, ya sea que la población esté distribuida en forma normal, o bien sea
sesgada o uniforme.
 Como se mostró con anterioridad, la media de la población, , y la media de
todas las medias muestrales posibles,  x , son iguales. Si la población es
grande y se selecciona un número grande de muestras de la población, la
media de las medias muestrales se aproximará a la media poblacional.
 La varianza de la distribución de medias muestrales se determina de  / n .
2
No existe acuerdo general sobre lo que constituye un tamaño de muestra

“suficientemente grande”. Algunos estadísticos consideran que es 30; otros
piensan que un número pequeño como 12 es adecuado. El ejemplo sobre los
salarios por hora de todos los profesores del colegio funcionó bastante bien con
una muestra de 2. Sin embargo, a menos que la población sea
aproximadamente normal, los tamaños de muestra así de pequeños, por lo
general no dan como resultado una distribución muestral que se distribuya
normalmente. A medida que el tamaño de la muestra se vuelve cada vez más
grande, la distribución de la media muestral se aproxima más a la distribución
normal con forma de campana.
Ejemplo:
Suponga que se tiene una población conformada por 5 empleados de una

empresa (N = 5), y la variable de interés es el número de años de experiencia
laboral de cada empleado. Los datos de la población son: X i  1,2,3,4,5
45
Muestreo sin Reemplazamiento:
1. Determine la media y la desviación estándar para la población.
Solución:
a) Para este caso la media poblacional se obtiene así:
1 N 1 2  3  4  5
 
N i 1
xi 
5
3
Promedio de años de experiencia por empleado.
b) La desviación estándar de la población: Primero calculamos la varianza y

luego la desviación:
N
1 1
2 
N
 (x
i 1
i   ) 2  (1  3) 2  (2  3) 2  ...  (5  3) 2  1.999
5
Ahora extraemos la raíz cuadrado a la varianza y obtenemos la desviación

estándar.
  1.414
2. Seleccione ahora todas las muestras posibles de tamaño dos, sin

reemplazamiento (poblaciones finitas):
Solución:
Recordemos que cuando el muestreo es sin reemplazamiento y no interesa el

orden, entonces tenemos una combinatoria.
N! 5! 5! 5 x 4 x3!
C NN  Reemplazando: C25     10
N  n ! xn! 5  2! x2! 3!2! 3! x2
Se tiene 10 muestras posibles de tamaño dos. Las posibles muestras se indican

a continuación:
46
Posibles muestras y su media
Muestra Media Muestral X Muestra Media Muestral X

1-2 1.5 2–4 3.0
1–3 2.0 2–5 3.5
1–4 2.5 3– 4 3.5
1–5 3.0 3– 5 4.0
2–3 2.5 4-5 4.5
Cuadro 2.6
3. Determine el promedio de la distribución muestral de medias.
Solución:
En la segunda y cuarta columna del cuadro 2.6 están las medias de todas las
muestras posibles, lo que se debe hacer es sumarlas y dividirlas por en número
de medias.
1.5  2.0  2.5  3.0  2.5  3.0  3.5  3.5  4.0  4.5
X  3
10
Con la información anterior se logra demostrar el primer principio del teorema

central del límite, que consiste en que el promedio de la población es igual al
promedio de la distribución muestral de medias:    X  3
Observe que dicho principio se ha cumplido, en consideración a que el promedio

de años de experiencia para la población es de tres y el promedio de la
distribución muestral de medias es igual también a tres.
4. Determine la desviación estándar de la distribución muestral de medias.
Solución:
Como siempre primero calculamos la varianza y luego la desviación estándar.
 X    1.5  3  2.0  3    4.5  3.0

2
2 2 2
 2
X  X
  0.7499
n 10
47
Ahora extrayendo raíz cuadrado a la varianza, obtenemos la desviación

estándar.
 X  0.7499  0.8660
Observemos que la desviación estándar de la población (1.4142) es diferente a

la desviación estándar de la distribución muestral de medias (0.8660), y una
forma de corregir esta diferencia es mediante la siguiente igualdad:
 N n
X  Donde:
n N 1
X Desviación estándar de la distribución muestral de medias.

 Desviación estándar de la población.
n Tamaño de la muestra.
N Tamaño de la población.
N n
Factor de corrección para poblaciones finitas.
N 1
Reemplazando los valores correspondientes se tiene:
1,4142 5  2
x   0,8660
2 5 1
El segundo principio del teorema central del límite para poblaciones finitas se
expresa: La desviación estándar de la distribución muestral de medias es igual
al factor de corrección poblacional multiplicada por la relación entre la
desviación estándar poblacional y la raíz cuadrada del tamaño de la muestra.
Dicho principio queda demostrado con la relación anterior.
Muestreo con Reemplazamiento:
Ahora, cuando el muestreo se realiza para poblaciones finitas, y con

reemplazamiento, el número de muestras posibles esta dada por:
Nn Para N = Tamaño de la población y n = Tamaño de la muestra
1. Hallar el número de muestras posibles con reemplazamiento de tamaño dos,

para el problema anterior.
48
Solución:
El número de muestras de tamaño dos es: N n  5 2  25
Número de muestras con Reemplazamiento

muestra Muestra Media muestral muestra Muestra Media muestral
1 1-1 1.0 14 3-4 3.5
2 1-2 1.5 15 3-5 4.0
3 1-3 2.0 16 4-1 2.5
4 1-4 2.5 17 4-2 3.0
5 1-5 3.0 18 4-3 3.5
6 2-1 1.5 19 4-4 4.0
7 2-2 2.0 20 4-5 4.5
8 2-3 2.5 21 5-1 3.0
9 2-4 3.0 22 5-2 3.5
10 2-5 3.5 23 5-3 4.0
11 3-1 2.0 24 5-4 4.5
12 3-2 2.5 25 5-5 5.0
13 3-3 3.0
Cuadro 2.7
2. Determine la media de la distribución muestral de medias.
Solución:
Con lo estudiado:
1.0  1.5  2.0  2.5    4.0  4.5  5.0

X  3
25
El primer principio se mantiene, en el sentido, que la media poblacional es igual

a la media de la distribución muestral de medias.
3. Determine la desviación estándar de la distribución muestral de medias.
Solución:
Como ya conocemos la forma de calcular dicha desviación, procedemos:
49
 X    1  32  1.5  32    4.5  3.02  5.0  3.02

2
X  X
  1.0
n 25
Observe que la desviación estándar de la población (1.4142) sigue siendo

diferente a la desviación estándar de la distribución muestral de medias (1.0)
La forma de corregir esta diferencia para poblaciones no finitas es mediante la

siguiente igualdad:

X  Corrección para poblaciones no finitas
n
1.41421356
Reemplazando en el caso que nos ocupa:  x  1
2
Para poblaciones no finitas, el segundo principio de teorema del límite central se

expresa: La desviación estándar de la distribución muestral de medias es igual
a la desviación estándar poblacional dividida entre la raíz cuadrada del tamaño
de la muestra.
Lección No 9: Tamaño de la Muestra para estimar la

media µ, la Proporción y el Total de población:
Tamaño de muestra para estima la media µ
En el apartado anterior se analizó la forma de estimar los parámetros de la

población:   2  P Promedio, Varianza, total y proporción poblacional
respectivamente. Pero siempre que se realiza una investigación se debe definir
el tamaño de la muestra. Tomar observaciones para una muestra cuesta
dinero, por lo cual se debe tomar la muestra adecuada, que de la información
necesaria y a costos razonables. Una muestra mal tomada arroja información
inadecuada, lo que hace perder tiempo y dinero.
Determinar el número de observaciones que harán parte de la muestra, para

estimar µ, con un límite de estimación B definido, se obtiene a partir de la
ecuación del error de estimación.
Para poblaciones Finitas y Varianza Poblacional Conocida:
50
  2  N  n 
B  Z (1 / 2)   
 n  N  1 
Despejando n, se obtiene:
Z (21 / 2) 2 N
n
( N  1) B 2  Z 2 2
Nota: Estimado Estudiante hacer el ejercicio de despejar n es muy interesante.
Para Poblaciones Infinitas y Varianza Poblacional Conocida:
Cuando N es muy grande, se asume una población infinita, en estos casos N

– 1 se aproxima a N, entonces N – n ~ N, así se puede obtener el tamaño de
una muestra para poblaciones infinitas.
2
B  Z (1 / 2) Entonces:
n
Z (21 / 2) 2
n
B2
Ejemplo:
En un estudio sobre el tamaño de las manos para el diseño de guantes, se

estableció que la longitud de estas sigue una distribución normal. Por datos
conocidos se sabe que la desviación típica es de 1,5 cm. ¿Cuál será el tamaño
de la muestra para estimar el promedio de la longitud de los guantes, si se
asume un error de estimación de 0,5 cm. y un nivel de significancia del 5%?
Solución:
Z(1-α/2)=Z0,975 = 1,96
B = 0,5 y σ = 1,5
Según el problema la población es infinita, entonces:
Z (1 / 2) 2 (1,96) 2 (1,5) 2

n   34,57
B2 (0,5) 2
51
En tamaño requerido para estimar la media de la longitud de los guantes, con un

error de estimación de 0,5 cm. y un nivel de significancia del 5% debe ser de
n = 35 observaciones.
Ejemplo:
Un Banco desea identificar el promedio de cuentas por cobrar, estudios previos

han determinado que la variación de las cuentas está en $1.000. El Banco
cuenta con 1.400 clientes activos. Si el límite de error de estimación es de $50
¿Cuál debe ser el tamaño de la muestra a un nivel de significancia del 5%?
Solución:
Se trata de una población finita. Por teoría la amplitud de variación es 4 veces la

desviación típica: A = 4σ entonces: σ = A/4 = 1.000/4 = 250
Z(1-α/2) = Z0,975 = 1,96
Z (21 / 2) 2 N (1,96) 2 (250) 21.400

n 
( N  1) B 2  Z 2 2 (1400  1)(50) 2  (1,96) 2 (250) 2
(1,96) 2 (250) 21.400 336'140.000

n   89,93
(1400  1)(50)  (1,96) (250)
2 2 2
3'497.500  240.100
En las condiciones dadas, la muestra debe ser de n = 90 cuentas.
Tamaño de la Muestra para estimar P:
En muchos estudios el Investigador esta interesado en estimar la proporción de

población que tienen la característica, como la proporción de dietas preparadas
del total de dietas planeadas, la proporción de aves con un peso definido
respecto al total de aves pesadas, el porcentaje de personas que observan un
programa de televisión respecto al total de la población potencial que puede ver
la televisión. Dichos fenómenos son de tipo binomial.
 1 n
Se sabe que: p   yi Para yi = 1.
n i 1
52
El número de observaciones necesarias para estimar la proporción poblacional,

con un límite de error de estimación asumido B y un nivel de significancia
definido, esta dado a partir de la ecuación del error de estimación.
 
 p * q  N  n 
B  Z (1 / 2)    Despejando n se obtiene:
 n  1  N 
 
Z (21 / 2 ) p * qN  NB 2
n  
NB 2  Z (21 / 2 ) p * q
NOTA: Cuando no se conoce o no se puede determinar el valor de p, entonces

se asume como un caso dudoso y en estos casos p = 0,5
Ejemplo 1:
En una ciudad se desea realizar una encuesta para determinar la proporción de

habitantes que están de acuerdo con el consumo de cigarrillo. La ciudad tiene
7.500 habitantes y por estudios previos se ha determinado que de cada 100
habitantes, 15 están de acuerdo. ¿Cuál debe ser el tamaño de la muestra para
estimar la proporción poblacional P; con un límite de error de estimación de 0,05
y un nivel de significancia del 5%.
Solución:
Por los datos:
 15 
p  0,15 Luego q  1  0,15  0,85
100
Aplicando la ecuación correspondiente:

 
Z (21 / 2 ) p * qN  NB 2 (1,96) 2 (0,15)(0,85)(7.500)  (7.500)(0,05) 2
n   
NB 2  Z (21 / 2 ) p * q (7.500)(0,05) 2  (1,96) 2 (0,15)(0,85)
(1,96) 2 (0,15)(0,85)(7.500)  (7.500)(0,05) 2 3673,53  18,75

n 
(7.500)(0,05)  (1,96) (0,15)(0,85)
2 2
18,75  0,4898
3673,53  18,75 3692,28

n   191,908
18,75  0,4898 19,2398
53
Por consiguiente se debe tomar una muestra de 192 habitantes para estimar la
proporción poblacional, con un límite de error de 0,05 y un nivel de confianza de
95%.
Ejemplo:
En una compañía de 3.500 empleados, se desea saber la proporción de

empleados que están a favor de la organización de un Sindicato. El investigador
tomo una muestra de 400 empleados fruto del cálculo respectivo; además,
asume un nivel del 5%. Por ser una compañía relativamente nueva, NO hay
datos al respecto. ¿De que valor fue tomado el error de estimación del
muestreo?
Solución:
Inicialmente por no conocer proporciones anteriores, entonces se asume un

fenómeno dudoso, así p = 0,5 luego q = 0,5. Conocemos el tamaño de la
población y de la muestra. Debemos despejar B de la ecuación del tamaño
muestral.
 
Z (21 / 2 ) p * qN  NB 2
n   Despejando B:
NB 2  Z (21 / 2 ) p * q
   
Z (21 / 2) p * qN  Z (21 / 2) p * qn (1,96) 2 * 0,5 * 0,5 * 3.500  (1,96) 2 * 0,5 * 0,5 * 4.000
B 
2

nN  N 400 * 3.500  3.500
(1,96) 2 * 0,5 * 0,5 * 3.500  (1,96) 2 * 0,5 * 0,5 * 4.000 2.977,24

B2    0,002132
400 * 3.500  3.500 1'396.500
B  0,002132  0,04617
El error de estimación tomado fue casi de 0,04617, es decir casi 0,05
Ejemplos:
1. El mantenimiento de cuentas puede resultar demasiado costoso, si el

promedio de compra por cuenta baja de cierto nivel. El gerente de un gran
almacén por departamentos desea estimar el promedio de lo comprado
mensualmente por los clientes que usan la cuenta de crédito, con un error de
$1.500, y una probabilidad aproximada de 0,95. ¿Cuántas cuentas deberá
54
seleccionar, si sabe que la desviación estándar es de $30.000, la cual fue

obtenida de los balances mensuales de la cuenta de crédito?
Z 2 2 2 2 30.000
2
n= = = 1.600 cuentas se deben seleccionar
E2 1.500 2
2. Un auditor desea tener un nivel de confianza del 95%, para que la verdadera
proporción de error no exceda del 2%. Si la población es muy grande, ¿Qué
tamaño tendrá la muestra que va a tomarse, si el auditor estima que la
proporción de error es del 5%?
Z 2 PQ 2 2 0,050,95
n= = = 475 cuentas
E2 0,02 2
Calculo de n en poblaciones finitas
La formula más utilizada para el tamaño óptimo en el muestreo aleatorio simple,

cuando la población es finita, se obtiene:
no Z 2 2
n= donde: no  En variables
n E2
1 o
N
no Z 2 PQ
n= donde: no  En proporciones
n E2
1 o
N
Tamaño de la Muestra para estimar Г:
El número de observaciones necesarias para estimar Г, el total poblacional, con

un límite de error de estimación asumido B y un nivel de significancia definido,
esta dado a partir de la ecuación del error de estimación, partiendo que se
conoce la varianza poblacional.
   N  n 
2
B  Z (1 / 2) N 2   
 n  N  1 
Despejando n se obtiene:
55
Z (21 / 2) N 3 2
n
( N  1) B 2  Z (21 / 2) 2 N 2
Ejemplo:
Una compañía que hace estudios a nivel social, desea estimar el total de
ingresos de una población de 3.000 habitantes que tiene ingresos. Por estudios
previos se sabe que la varianza poblacional para los ingresos es de $40.000
¿Cuántas personas se deben tomar como muestra, si se asume un límite de
error de estimación de $100.000 y un nivel de confianza del 95%?
Solución:
Los datos:
N = 3.000
σ2 = 40.000
B = 100.000
Entonces:
Z (21 / 2) N 3 2
n
( N  1) B 2  Z (21 / 2) 2 N 2
Para Z(1-α/2) = Z0,975 = 1,96 Reemplazando en la ecuación:
(1,96) 2 (3.000)3 40.000

n
(40.000  1)(100.000) 2  (1,96) 2 (3.000) 2 40.000
4,148928 X 1015 2,9225 X 1015

n   7,281
3,9999 X 1014  1,382976 X 1012 4,01372976 X 1014
Por consiguiente para estimar el promedio de ingresos de la población objeto
de estudio, con un nivel de confianza del 95% y el error de estimación de
$40.000, se debe tomar una muestra aleatoria de 8 personas.
56
Lección No 10: Tamaño de muestra para la diferencia de

dos medias y para la diferencia de dos proporciones:
Tamaño de muestra para la diferencia de dos medias
Para calcular los tamaños de muestras en estos casos, se presentan dos

situaciones:
 Tamaños de muestras iguales

 Tamaños de muestras diferentes
Para el primer caso no se tiene ningún problema porque al ser n1 sería igual n2
Se calcula una sola muestra de tamaño “n”
n = Z**2(S1**2 + S2**2)/E**2
Para el segundo caso se calcula una “n” en función de la otra así.
n2 = Z**2(S1**2 + KS2**2)/KE**2 y n1 se obtiene reemplazando en la siguiente

ecuación: n1 = Kn2
Tamaño de muestra para la diferencia de dos proporciones
En este caso se calculan los tamaños con los mismos criterios anteriores, es
decir para muestras de igual tamaño y tamaños desiguales, así:
 Tamaños iguales n= Z**2(P1Q1 + P2Q2)/E**2
 Tamaños desiguales n2 = Z**2(P1Q1 + KP2Q2)/KE**2 y se obtiene n1 de la

siguiente ecuación n1 = Kn2
Tamaño de muestra con muestreo estratificado
La asignación del tamaño de la muestra a cada estrato definido en este método

se puede hacer por tres formas diferentes. Asignación: igual, proporcional y
óptima.
Asignación Igual: Es la más elemental, porque asigna tamaños iguales de

muestra a cada estrato, es decir ni = nj = nk = etc.
57
i = 1…..h
Asignación proporcional:
En la asignación proporcional asignación se hace proporcional a los tamaños de

los estratos.
Asignación óptima: La asignación se hace proporcional al tamaño de la

desviación estándar
Esto requiere que el tamaño de la muestra sea proporcional al producto del

tamaño del estrato y la desviación estándar del estrato. Cuando todas las
desviaciones estándares de los estratos son iguales, la asignación óptima
coincide con la asignación proporcional.
Ejemplo. Los tamaños de tres pequeños pueblos son: N1 = 40,000, N2 = 20,000

y N3 = 30,000. Se va a tomar una muestra aleatoria estratificada aleatoria con
un tamaño total de muestra de n = 400. Determine el tamaño de la muestra que
debe ser tomada de cada pueblo utilizando (a) asignación proporcional y (b)
asignación óptima cuando de un estudio previo se conocen estimativos burdos
de las desviaciones estándares, que son 1 = 20, 2 = 12 y s3 = 14.
(a) asignación proporcional:
=400(4/9)=178; = 400(2/9)=89; =400(3/9)=133
(b) asignación óptima:
N11 = 800,000
N22 = 240,000
N33 = 420,000
----------------
Total = 1,460,000
58
n1 =
n2 =
n3 =
Concluimos esta discusión planteando las situaciones para las cuales la

estratificación es una técnica de muestreo beneficiosa. Primero, la estratificación
generalmente crea una reducción en la varianza del estimador de una
característica de una población. Esta reducción puede ser sustancial si cada
estrato es homogéneo pero difiere de los otros con respecto a la característica.
Segundo, si se requieren estimativos para ciertas subdivisiones de una
población, puede ser útil tratar las subdivisiones como estratos para obtener
estos estimativos. Por ejemplo, podemos querer estimar los ingresos de los
miembros de cierto grupo minoritario mientras realizamos un estudio de los
ingresos de una población urbana.
Ejercicios: 2
1. Un fabricante de muebles produce un espejo en una línea de montaje.

Cuando opera adecuadamente, el proceso de montaje consigue elaborar una
media de 140 espejos por día con una desviación estándar de 20 espejos. Para
controlar el proceso de montaje, se seleccionan 100 días aleatoriamente y se
anotan los espejos producidos cada día. Después se utiliza la distribución
muestral de la producción media para comprobar si el proceso de montaje
funciona adecuadamente. Explique como se genera teóricamente la distribución
muestral.
R/ta: Seleccionando repetidamente muestras de 100 días y se calcula la media

de cada muestra. Las diferentes medias obtenidas forman la distribución
muestral
2. Usted es el coordinador de logística de una gran compañía que el tempo

promedio en el que reciben los pedidos los clientes tiene una distribución normal
con una media de 30 horas y una desviación estándar estándar de 3 horas. Si
usted revisa el tiempo de entrega de 25 clientes seleccionados al azar, la
distribución del tiempo promedio de entrega es
59
R/ta: T-Student
3. La altura de los hombres de un país se distribuye normalmente, con media

180 cm y desviación típica 8 cm. La altura de las mujeres también se distribuye
normalmente, con media 168 cm y desviación típica 8 cm. La distribución de la
diferencia de alturas entre un hombre y una mujer es:
R/ta: Normal (12; 4)
4. Sea la población de elementos: {22,24, 26}.

-Escriba todas las muestras posibles de tamaño dos, escogidas mediante
muestreo aleatorio simple. R/ta: M1 = {22, 24}, M1 = {22, 26}, M1 = {24, 26}
-Calcule la varianza de la población. R/ta:8/3
-Calcule la varianza de las medias muestrales.
R/ta:2/3
5. La variable altura de las alumnas que estudian en una escuela de idiomas

sigue una distribución normal de media 1,62 m y la desviación típica 0,12 m.
¿Cuál es la probabilidad de que la media de una muestra aleatoria de 100
alumnas sea mayor que 1.60 m?
Rta: 0951
6. Se ha tomado una muestra de los precios de un mismo producto alimenticio

en 16 comercios, elegidos al azar en un barrio de una ciudad, y se han
encontrado los siguientes precios:
95, 108, 97, 112, 99, 106, 105, 100, 99, 98, 104, 110, 107, 111, 103, 110.
Suponiendo que los precios de este producto se distribuyen según una ley
normal de varianza 25 y media desconocida:
-¿Cuál es la distribución de la media muestral?Rta:N(104; 1.25)
-Determine el intervalo de confianza, al 95%, para la media poblacional.
R/ta:(101.55; 106.45)
7. ¿Cuál sería el mínimo tamaño muestral necesario para que pueda decirse
que la verdadera media de las estaturas está a menos de 2 cm de la media
muestral, con un nivel de confianza del 90%?
Rta: La muestra debe tener al menos 1083 personas.
8. Las ventas mensuales de una tienda de electrodomésticos se distribuyen

según una ley normal, con desviación típica 900 €. En un estudio estadístico de
las ventas realizadas en los últimos nueve meses, se ha encontrado un intervalo
60
de confianza para la media mensual de las ventas, cuyos extremos son 4 663 €
y 5 839 €.
- ¿Cuál ha sido la media de las ventas en estos nueve meses?
R/ta: x =5251
9. Si el contenido en gr. de un determinado medicamento X sigue una

distribución N(7.5,0.3), calcular la probabilidad de que para una muestra de
tamaño n=5, se obtenga medio menor que 7, Pr ( X ≤ 7).
R/ta: Pr ( X ≤7) = 0.0001
10. Un ascensor limita el peso de sus cuatro ocupantes a 300Kg. Si el peso de

un individuo
sigue una distribución N( 71,7 ), calcular la probabilidad de que el peso de 4
individuos supere los 300Kg
R/ta: 0.1265
11. En una universidad se desea conocer la opinión de los estudiantes acerca

de ciertas medidas que han tomado las directivas. De 120 estudiantes
consultados, 90 estuvieron a favor. Estime la proporción de estudiantes que
están a favor de las medidas.
R/ta: 75%.
12. En el estudio de cierta característica X de una población se sabe que la

desviación estándar es 3. Se va a escoger una muestra de tamaño 100, halle el
error estándar de la media muestral.
R/ta:(0,3).
61
CAPITULO TRES: INTERVALOS DE CONFIANZA
Introducción
El problema que presenta la estimación puntual de un parámetro reside en que

no garantiza ni mide la precisión de la estimación. Sólo la bondad de ajuste y el
tamaño de la muestra pueden proporcionar una mayor o menor confianza en la
estimación obtenida. Por esta razón es necesario dar, junto a la estimación, una
medida del grado de confianza que se merece, la cual se consigue mediante un
intervalo de confianza que proporcione unos límites dentro de los cuales se
confía esté el valor desconocido del parámetro. Esta confianza de inclusión se
mide mediante un porcentaje.
Con frecuencia se encuentra información como la siguiente:
El peso de un objeto es 104 más o menos 2 gramos.

El diámetro de un tornillo es de 8 mas o menos 0.05 milímetros.
El contenido de proteínas de la carne de pollo es de 20.2 mas o menos 1%.
En estos casos y otros similares se quiere indicar que la media verdadera se

encuentra en algún lugar entre el intervalo.
Lo anterior indica que existe la probabilidad de error en la medición y además no

se puede estar absolutamente seguro que el verdadero valor se encuentre
dentro del intervalo obtenido. Nótese que si el intervalo se hace más amplio
aumenta la posibilidad que se incluya el verdadero valor de la media.
Objetivo general
Mostrar los diferentes métodos para calcular los intervalos de confianza, a partir
de muestras grandes y pequeñas, para estimar los parámetros poblacionales de
una media y proporción, así como para la diferencia de medias y proporciones.
Objetivos específicos
 Calcular el intervalo de confianza para estimar el parámetro poblacional a

partir de muestras pequeñas, para una media y una proporción.
 Calcular el intervalo de confianza para estimar el parámetro poblacional a
partir de muestras grandes, para una media y una proporción.
 Calcular el intervalo de confianza para la diferencia de dos medias y dos
proporciones.
 Exponer el uso de cálculo de intervalos de confianza utilizando paquetes de
Excel y SSPS.
62
Lección No 11: Nociones Fundamentales.

En estadística muchos problemas exigen construir conjuntos (intervalos) que
contengan el verdadero valor del parámetro en estudio con una probabilidad
dada generalmente alta. Si por ejemplo X representa los grados de grasa de
una margarina se puede estar interesado en encontrar los límites bajos y altos
aceptables para este tipo de producto; pero no se puede asegurar con
probabilidad de uno que el verdadero valor se encuentre entre estos dos límites,
lo máximo que se puede lograr es elegir un número uno menos alfa ( 1   ) que
esté muy próximo a uno (recuerde que alfa es el nivel de significación o error
tipo uno) tal que la probabilidad que el verdadero valor se encuentre entre estos
dos límites inferior y superior sea mayor o igual a uno menos alfa.
En la práctica se elige un alfa fijo generalmente pequeño 0.01 o 0.05. La

probabilidad que la afirmación del intervalo incluya al parámetro sea cierta es
por lo menos (1   ) ; por lo tanto la probabilidad que la afirmación sea falsa es
por lo más un alfa. Un intervalo de confianza dado que incluya o no el verdadero
valor del parámetro, esto nunca se conoce con exactitud al menos que se
conozca el parámetro, pero se sabe que se tendrá éxito en encontrar el valor
verdadero del parámetro dentro de este tipo de intervalos por lo menos en el
(1   ) 100% de las veces.
Los dos tipos de problemas que resuelven las técnicas estadísticas son:
estimación y contraste de hipótesis. En ambos casos se trata de generalizar la
información obtenida en una muestra a una población. Estas técnicas exigen
que la muestra sea aleatoria. En la práctica rara vez se dispone de muestras
aleatorias, por la tanto la situación habitual es la que se esquematiza en la figura
63
Entre la muestra con la que se trabaja y la población de interés, o población

diana, aparece la denominada población de muestreo: población (la mayor parte
de las veces no definida con precisión) de la cual nuestra muestra es una
muestra aleatoria. En consecuencia la generalización está amenazada por dos
posibles tipos de errores: error aleatorio que es el que las técnicas estadísticas
permiten cuantificar y críticamente dependiente del tamaño muestral, pero
también de la variabilidad de la variable a estudiar y el error sistemático que
tiene que ver con la diferencia entre la población de muestreo y la población
diana y que sólo puede ser controlado por el diseño del estudio.
Estimación
El proceso de estimación conlleva a obtener un estimador que tenga ciertas

condiciones deseables para hacer inferencia sobre el modelo de probabilidad
que ha generado los datos. Entre los métodos de estimación de la estadística
parametrica, se tiene: Momentos, mínimos cuadrados y máxima verosimilitud.
En temáticas posteriores se analizará lo referente a la estimación
Estimación de la Media Poblacional:
Al seleccionar una muestra aleatoria por M. A. S. sin reemplazamiento y pesos

iguales, se tiene:
1 n
X   xi
n i 1
A partir de este planteamiento se tiene que la media muestral es un estimador

insesgado de mínima varianza de la media poblacional.
Entonces:
E (X )  
Demostración:
A partir de las propiedades del valor esperado:
1 n  1  n  1 n 
E ( X )  E   xi   E   xi     E ( xi ) 
 n i 1  n  i 1  n  i 1 
1 n  1 n 1
  E ( xi )     i  (n )  
n  i 1  n i 1 n
64
Varianza del Estimador:
El valor de X indicaría muy poco sobre  al menos que se evalúe la bondad del
estimador, lo que se hace por medio de la varianza del estimador, la cual nos
indica el grado de variabilidad que tiene dicho estimador, así un estimador con
varianza pequeña tiene más valor que un estimador con varianza grande.
Cuando se desea hallar la varianza del estimador y se conoce la varianza

poblacional, la ecuación que nos permite hacer dicho cálculo es:
2  N n
V (X )   
n  N 1 
N es el tamaño de la población, n es el tamaño de la muestra, σ2 es la varianza

poblacional.
Cuando no se conoce la varianza poblacional, ésta se estima por medio de la

varianza muestral S2.
1 n N
S2  
n  1 i 1
( xi  x ) 2 Por definición: E ( S 2 ) 
N 1
2
Con estos argumentos, se puede determinar la varianza estimada del estimador:

 S2  N n
V (X )   
n  N 
En la ecuación:
N n
Es el factor de corrección para poblaciones finitas, se puede despreciar si
N
N n N
 0,95 o cuando n
N 20
Para poblaciones infinitas:

 S2
V (X ) 
n
65
Error de Estimación: (B)
En toda estimación se debe establecer un error de estimación, denominado con

B, el cual se calcula de la siguiente manera:

B  Z (1 / 2) V (X )
Donde α es el nivel de significancia que asume el investigador. Con el valor de

B se puede establecer un intervalo de confianza (1- α)100% de que la media
esta en el intervalo: X  B
Ejemplo 1:
Sea la población compuesta por los elementos U = (2, 4, 6, 8) Hallar los

parámetros µ y σ2.
Solución:
Solucionémoslo por el principio del valor esperado.   E ( x)   xp ( x)

Como x = 2, 4, 6, 8 entonces: p(x) = ¼ así:
4
   xi p( xi )  2(1 / 4)  4(1 / 4)  6(1 / 4)  8(1 / 4)  1 / 2  1  3 / 2  2  5
i 1
Ahora la varianza:
n
 2  V ( x )  E ( x   ) 2   ( xi   ) 2 p ( xi )
i 1
Reemplazando:
n
 2  V ( x)   ( xi   ) 2 p( xi )  (2  5) 2 (1 / 4)  (4  5) 2 (1 / 4)  (6  5) 2 (1 / 4)  (8  5) 2 (1 / 4)
i 1
 2  V ( x)  9 / 4  1 / 4  1 / 4  9 / 4  5
Ejemplo 2:
Utilizando muestras de tamaño 2 sin reemplazamiento hallar

E ( x )   y V ( x ) Además el error de estimación para α = 1%
Solución:
Como la población tiene 4 elementos y se requieren muestras de dos si

reemplazamiento, entonces:
66
4!
C2   6 Muestras posibles, cada una tendrá como probabilidad 1/6
2!(4  2)!
4

MUESTRA P(xi) x S2 V (x )
n1 = 2, 4 1/6 3 2 1/2
n2 = 2, 6 1/6 4 8 2
n3 = 2, 8 1/6 5 18 9/2
n4 = 4, 6 1/6 5 2 ½
n5 = 4, 8 1/6 6 8 2
n6 = 6, 8 1/6 7 2 1/2
Veamos cómo fueron los cálculos:

x1 
24
2
 3 ----- s 2 
1
2 1
 
 242 1
(2  3) 2  (4  3) 2  2 ----- V ( x )   
2 4  2
Ahora si podemos calcular la media y la varianza.
4
E ( x )   xi p( xi )  3(1 / 6)  4(1 / 6)  5(1 / 6)  5(1 / 6)  6(1 / 6)  7(1 / 6)  5
i 1
n
V ( x )  E ( x   ) 2   ( xi   ) 2 p ( xi )
i 1
Reemplazando:
 
V ( x )  E ( x   ) 2  (3  5) 2  (4  5) 2  (5  5) 2  (5  5) 2  (6  5) 2  (7  5) 2 (1 / 6) 
5
3
Si utilizamos la ecuación de varianza del estimador tenemos:
 2  N n 542 5
V (x)     
n  N 1  2  3  3
Vemos que la varianza calculada por el principio de valor esperado es igual a la

obtenida por la ecuación de varianza del estimador.
Con lo anterior lo que se esta mostrando es que:
 2  N n
E (x )   y V ( x )   
n  N 1 
El error de estimación se calcula así:
67
B  z (1 / 2) V ( x )
Como α = 0,01 entonces: 1 – α/2 = 0,995 Para esta probabilidad z0,995 = 2,575
B  2,575 5 / 3  3,324
Estimación del Total Poblacional:
Cuando de una población se obtiene una muestra aleatoria para estudiar una
característica de la primera, uno de los parámetros a obtener es el total
poblacional  . Por ejemplo a partir de una muestra de personas, se puede
estimar la edad total de una población, la partir de una muestra de cuentas de
ahorro, se puede estimar el capital total del banco, otros.
n
Sea  i  Donde πi la probabilidad de selección del elemento i-ésimo
N
elemento en una muestra dada n. En el M. A. S. sin reemplazamiento. El  es

estimado por  obtenido en la muestra, de la siguiente manera:
 n
 X i  n  X i  n  NX i  n
 Xi 
            N    NX
i 1   i  i 1  n / N  i 1  n  i 1  n 
Así el estimador del total poblacional:


  NX
Análogamente:
  N
Al igual que en la estimación de la media poblacional, para el total poblacional 

también se requiere identificar la bondad de ajuste del estimador, con el fin de
identificar el error de estimación.
La varianza del estimador se obtiene con la siguiente expresión:
68
   2  N  n 
V ( )  V ( N )  N 2   
 n  N  1 
Cuando NO se conoce la varianza poblacional σ 2, entonces ésta se estima por

medio de S2, así se obtiene la varianza estimada del estimador.
2  S  N  n 
  2
V ( )  V ( NX )  N   
 n  N 
Error de Estimación:
El error de estimación B nos permite obtener un intervalo de confianza para un

nivel de significancia α para el total poblacional.
 
Como B  Z (1 / 2) V ( ) Entonces:
 S  N  n 
2
B  Z (1 / 2) N 2   
 n  N 

Con un nivel de significancia α, el parámetro  estará entre   B
Ejemplo 1:
En un centro de investigación se desea saber el tiempo que dedican los

investigadores a tareas administrativas, para lo cual se toma una muestra de 60
investigadores que al tomarles el tiempo de actividades se obtuvo un promedio
de 15 hr/semana, con una varianza de 5 hr 2. El centro cuento con 800
investigadores. Estimar el total de horas utilizadas en tareas administrativas por
parte de los investigadores y el error de estimación para un nivel de significancia
del 1%.
Solución:
Los datos:
Población N = 800
Muestra n = 60
Promedio muestral x  15
Varianza muestral s 2  5
69
La estimación de total poblacional:


  Nx  800x15  12.000
En le centro de investigación los investigadores gustan un total de 12.00 horas

por mes en trámites administrativos.
Para hallar el error de estimación, primero calculamos la varianza del estimador.

Como no conocemos la varianza poblacional, sino la muestral; entonces
calculamos la varianza estimada del estimador.
  s2  N  n 
V ( x )  N 2   
 n  N 
Reemplazando:
  5  800  60 
V ( x )  800 2     640.000 x0,07708  49.331,2
 60  800 
Ahora si podemos calcular el error de estimación:


B  z (1 / 2) V ( x ) Pero z(1-α/2) = Z0,995=2,575

B  z (1 / 2) V ( x )  2,575 49.331,2  571,92
El total estimado de tiempo que los investigadores dedican a labores

administrativas esta entre: 49.331,2  571,92
Ejemplo 2:
En una granja avícola hay 250 gallinas, el avicultor desea saber el total de
huevos que producen semanalmente, para lo cual tomo una muestra de 20
gallinas, cuyo promedio de huevos producidos es de 16 huevos / gallina /
semana, con una varianza de 28 huevos2. Además hallar el error de estimación.
Solución:
A partir de los datos se puede estimar el total de huevos:


  Nx  250x16  4.00
70
Se estima que la producción de huevos por semana en la granja es de 4.000

unidades.
Como tarea se debe verificar que el error de estimación B = 556,10
Estimación de la Proporción Poblacional:
Cuando se desea determinar la proporción de un atributo en una población, el

experimento es binomial.
 1 si y tiene  atributo
Sea yi  
0 si yi no  tiene  atributo
N
Los elementos que tienen el atributo son a   y i Donde yi = 1.
i 1
a
Entonces: P  Pero como no se conoce P, éste se puede estimar a partir
N

de la proporción muestral. Si n es grande, p es aproximadamente normal,
donde:
 
  pxq
E ( p)  P y V ( p) 
n
Para el M. A. S. el estimador de la proporción poblacional P esta dado por:
 1 n
p   yi Donde yi son los elementos que tiene el atributo.
n i 1
Al igual que en la estimación de la media poblacional, para la proporción

poblacional P, también se requiere identificar la bondad de ajuste del estimador,
con el fin de identificar el error de estimación.
   
pxq
V ( p)  Varianza estimada del estimador.
n
Para poblaciones finitas:

 
  pxq  N  n 
V ( p)   
n  N 
71
Error de Estimación:
Como en los caos anteriores, el error de estimación B nos permite obtener un

intervalo de confianza para un nivel de significancia α para la proporción
poblacional.
 
pxq
B  z (1 / 2 )
n
Para poblaciones finitas:
 
pxq  N  n 
B  z (1 / 2)  
n 1 N 
Ejemplo
En un estudio de fallas que presenta una maquina empacadora, se tomo una

muestra de 120 unidades, de las cuales 32 presentaron fallas. Estimar la
proporción poblacional de fallas en la maquina, además del error de estimación
para un nivel de significancia del 5%.
Solución:
n
 32
Como y
i 1
i  32 Entonces: p 
120
 0,267
La proporción de fallas en la maquina es del 26,7%
En seguida calculamos la varianza del estimador, como la población es infinita,

entonces:
   
pxq 0,267 x0,733
V ( p)    0,00163
n 120
Ahora calculamos el error de estimación:

   
B  z (1 / 2) V ( p)  z 0,975 V ( p)  1,96 0,00163  0,0791
72
Por consiguiente la proporción de fallas en la maquina esta en el intervalo de

proporciones: 18,8% - 34,6%
Ejemplo
La gerencia de una multinacional desea conocer la tendencia de sus empleados

a capacitarse, la compañía cuenta con 650 empleados, para el estudio se toma
una muestra de 80 empleados obteniéndose los siguientes resultados:
xi = 1 Empleados que desean estudiar Ingeniería

xi = 0 Empleados que No desean estudiar Ingeniería
yi = 1 Empleados que desean estudiar Administración
yi = 0 Empleados que No desean estudiar Administración
80 80
 xi  35
i 1
y y
i 1
i  25
Estimar la proporción de empleados que desean estudiar Ingeniería,

Administración. Además del error de estimación al 1%
Solución:
Calculamos las proporciones estimadas:
35 25
px   0,4375 y py   0,3125
80 80
Calculamos la varianza, pero tengamos en cuenta que la población es finita.

 
  pxq  N  n  0,4375 x0,5625  650  80 
V ( px )       0,00273
n 1 N  80  1  650 
 
  pxq  N  n  0,25 x0,75  650  80 
V ( py )       0,00208
n 1 N  80  1  650 
El error de estimación:
   
Bx  z (1 / 2) V ( p x )  z 0,995 V ( p x )  2,575 0,00273  0,1345
   
B y  z (1 / 2) V ( p y )  z 0,995 V ( p y )  2,575 0,00208  0,1174
73
Por consiguiente el 43,75% de empleados desean estudiar Ingeniería con un

error de estimación del 13,45%. El 31,25% desea estudiar Administración con
un error de estimación del 11,74%.
Estimación por intervalos de Confianza.
En el contexto de estimar un parámetro poblacional, un intervalo de confianza

es un rango de valores (calculado en una muestra) en el cual se encuentra el
verdadero valor del parámetro, con una probabilidad determinada.
La probabilidad de que el verdadero valor del parámetro se encuentre en el

intervalo construido se denomina nivel de confianza, y se denota 1- . La
probabilidad de equivocarnos se llama nivel de significancia y se simboliza .
Generalmente se construyen intervalos con confianza 1- =95% (o significancia
=5%). Menos frecuentes son los intervalos con =10% o =1%.
Lección No 12: Intervalos de confianza para la media y

la diferencia de medias con muestras grandes
Intervalos de confianza para la media con muestras grandes

n  30
Recordemos que para obtener un intervalo de confianza se procese como sigue:
1. Se determina el riesgo de error que se quiere asumir al afirmar que el

parámetro (en este caso la media) se encuentra en el interior del intervalo.
2. El intervalo de confianza se obtiene separando a izquierda y derecha de la

estimación del parámetro (en este caso la media) un múltiplo de error
estándar (  ) . El múltiplo está determinado por el valor del estadístico Z
n
asociado al nivel de confianza escogido.
Suponga por ejemplo que Ud. está dispuesto a aceptar un riesgo de error de
  0.05 ; entonces 1    0.95 , luego se trata de un intervalo de confianza del
nivel 0.95. Dado que esta probabilidad se distribuye simétricamente a los dos
lados de la media, se obtiene 0.475 a cada lado. Ahora bien, el valor de Z
asociado a una probabilidad de 0.475 es de 1.96 (de acuerdo a la tabla de la
distribución normal) a la derecha de la media y de –1.96 a la izquierda, como se
puede apreciar el la siguiente grafica:
74
Figura 4.2 Intervalo de confianza para grandes muestras
El intervalo de confianza está dado por la siguiente relación:
      
 X  1.96 n ; X  1.96 n 
    
Expresado en forma generalizada, para poblaciones infinitas o si se muestrea

sin reemplazamiento una población finita, la relación es:
  
X  1.96 
 n
Si la población es finita o si se muestrea sin reemplazamiento una población

finita, la relación es la siguiente:
   N  n 
X  Z 
 n  N  1 
Recuerde que Z depende del nivel de confianza que se fije y que si la

desviación estándar poblacional   es desconocida, se utiliza como estima la
desviación muestral (S).
75
Podrá darse cuenta las semejanzas con los procedimientos utilizados para las
pruebas de hipótesis, vistas anteriormente para pruebas unilaterales y
bilaterales.
Ejemplo 4.2
El contenido de proteínas de una muestra de 100 pollos criados en una

determinada granja dio una media de 20.2 gramos con una desviación estándar
de 1.14 gramos. Obtener el intervalo de confianza del 99% para el contenido
medio de proteína de todos los pollos de la granja.
Como el intervalo de confianza se distribuye simétricamente a los dos lados de

la media, en este caso a cada lado le corresponde una probabilidad de 0.495
(0.99/2 = 0.495). El valor de Z asociado a una probabilidad de 0.795 es 2.58.
El intervalo para la media será:
    1.14 
X  Z   20.2  2.58   20.2  0.294
 n  100 
El contenido medio de proteína de toda la población de pollos de la granja esta

dentro de un intervalo de 19.91 y 20.49 gramos con un nivel de confianza del
99%, y se expresa de la siguiente forma:
P19.91    20.49  0.99
Ejemplo 4.3
Se toma una muestra al azar de 40 vasos de kumis de un lote de 500, dieron un

promedio de 76 calorías por cada 100 gramos con una desviación estándar 2.9
calorías. Obtener el intervalo de confianza del 95% para el contenido medio de
calorías para todo el lote.
Nótese que se trata de una población finita y muestreo sin reemplazamiento. El

valor de Z asociado a un nivel de confianza del 95% es 1.96 (0.95/2 = 0.475) de
acuerdo a la tabla de la distribución normal.
El intervalo de confianza en este caso está dado por:
   N  n   2.9  500  40 

X  Z   76     76  0.87
 n  N  1   40  499 
76
Por tanto el contenido medio de calorías del lote esta dentro del intervalo de
75.13 y 76.87 calorías con un 95% de nivel de confianza, y expresado
matemáticamente es:
P75.13    76.87  0.95
Intervalo de confianza para la diferencia entre dos medias.
El intervalo de confianza para la diferencia de medias de poblaciones infinitas

está dado por:
 12  22
X1  X 2  Z 
n1 n2
Ejemplo 4.5
Se analizó el contenido de vitamina A de una muestra de mantequilla y de una

muestra de margarina enriquecida. En la muestra de mantequilla formada por 40
potes de 100 gramos, el contenido medio de vitamina A fue de 4.86 unidades
con una desviación estándar de 0.06. En la muestra de margarina enriquecida
formada por 50 potes de 100 gramos el contenido medio de vitamina A fue de
5.0 unidades con una desviación estándar de 0.08 unidades. Encontrar el
intervalo de confianza del 95% para la diferencia de contenido medio de
vitamina A para el experimento en mención.
Generalmente el mayor valor de la media se toma como X 1 .

El nivel de confianza del 95% corresponde un Z = 1.96.
Aplicando la fórmula se tiene:
 12  22 0.082 0.062
X1  X 2  Z   5.0  4.86  1.96 
n1 n2 50 40
0.14  1.96 0.000128  0.00009  0.14  0.029
77
Por lo tanto se puede afirmar con un nivel del 95% que la diferencia de los dos
contenidos de vitamina A de la mantequilla y la margarina enriquecida se
encuentran entre 0.111 y 0.169 unidades.
Intervalos diferencias de medias y varianzas desconocidas e

iguales ( = = )
Cuando las varianzas son desconocidas, se debe realizar previamente una

prueba estadística para verificar si éstas son iguales o diferentes. Para realizarlo
debemos hacer uso de la distribución F, bien sea mediante el cálculo de la
probabilidad de que la muestra tomada provenga de dos poblaciones con
varianzas iguales, o mediante el uso de un intervalo de confianza para la
relación de dos varianzas, según se estudiará más adelante.
a) Si mediante el uso de la distribución F se llega a la conclusión de que las

varianzas son iguales, el procedimiento a seguir para el cálculo del intervalo
de confianza para la diferencia de dos medias será el siguiente:
El estadístico usado como estimador puntual de la diferencia de medias µ1 -

µ2 será T = , que es un estimador suficiente.
b) La variable aleatoria asociada con el estimador será la variable T definida

como:
donde es un estimador combinado de ², mejor que por separado, y
c) Para calcular el intervalo de confianza se debe tener en cuenta la siguiente

probabilidad:
78
De nuevo, manipulando la expresión anterior en forma similar a los casos se

llega al siguiente teorema que nos define el intervalo de confianza para la
diferencia entre dos medias µ1 - µ2 con varianzas desconocidas ²1 y²2,
pero iguales:
Teorema. Si son las medias y las varianzas de dos muestras

aleatorias de tamaños n1 y n2, respectivamente, tomadas de dos poblaciones
normales e independientes con varianzas desconocidas pero iguales, entonces
un intervalo de confianza del 100(1- µ1 - µ2
es:
Ejemplo. La siguiente tabla presenta los resultados de dos muestras aleatorias

para comparar el contenido de nicotina de dos marcas de cigarrillos.
Suponiendo que los conjuntos de datos provienen de muestras tomadas al azar

de poblaciones normales con varianzas desconocidas, construya un intervalo de
confianza del 95% para la diferencia real de nicotina de las dos marcas.
Solución. Inicialmente mediante la distribución F debemos verificar si las

varianzas son iguales
( = = )
79
Buscando en la tabla de la distribución F para 7 grados de libertad en el

numerador y 9 en el denominador, vemos que el valor de la probabilidad está
entre 0.10 y 0.25 (aproximadamente 0.19, mediante interpolación lineal). Como
esta probabilidad es muy alta, concluimos que no hay evidencia para rechazar la
hipótesis de que las varianzas sean iguales.
Como las varianzas son iguales, calculamos que está dado por:
El intervalo de confianza del 95% está dado por (t0.025,16 = 2.12):
Debido a que la diferencia real puede ser cero, no se puede concluir que existe
una diferencia en el contenido de nicotina de las dos marcas de cigarrillos.
Ejemplo: El gerente de una refinería piensa modificar el proceso para producir

gasolina a partir de petróleo crudo. El gerente hará la modificación sólo si la
gasolina promedio que se obtiene por este nuevo proceso (expresada como un
porcentaje del crudo) aumenta su valor con respecto al proceso en uso. Con
base en experimentos de laboratorio y mediante el empleo de dos muestras
aleatorias de tamaño 12, una para cada proceso, la cantidad de gasolina
promedio del proceso en uso es de 24.6 con una desviación estándar de 2.3, y
para el proceso propuesto fue de 28.2 con una desviación estándar de 2.7. El
gerente piensa que los resultados proporcionados por los dos procesos son
variables aleatorias independientes normalmente distribuidas con varianzas
iguales. Con base en esta evidencia, ¿debe adoptarse el nuevo proceso?
Intervalos para diferencias de medias y varianzas desconocidas

y desiguales 1 2
Si mediante el uso de la distribución F se llega a la conclusión de que las

varianzas son diferentes, el procedimiento a seguir para el cálculo del intervalo
de confianza para la diferencia de dos medias será el siguiente:
80
a) El estadístico usado como estimador puntual de la diferencia de medias µ1 -

µ2 será T = , que es un estimador suficiente.
b) La variable aleatoria asociada con el estimador será la variable T definida

como:
donde
c) El intervalo de confianza esta dado por el siguiente teorema, basado en la

distribución t con n grados de libertad.
Teorema. Si son las medias y las varianzas de dos muestras

aleatorias de tamaños n1 y n2, respectivamente, tomadas de dos poblaciones
normales e independientes con varianzas desconocidas y desiguales, entonces
un intervalo de confianza aproximado del 100(1-
medias µ1 - µ2 es:
Problema. Cierto metal se produce, por lo común, mediante un proceso

estándar. Se desarrolla un nuevo proceso en el que se añade una aleación a la
producción del metal. Los fabricantes se encuentran interesados en estimar la
verdadera diferencia entre las tensiones de ruptura de los metales producidos
por los dos procesos. Para cada metal se seleccionan 12 ejemplares y cada uno
de éstos se somete a una tensión hasta que se rompe. La siguiente tabla
muestra las tensiones de ruptura de los ejemplares, en kilogramos por
centímetro cuadrado:
Si se supone que el muestreo se llevó a cabo sobre dos distribuciones normales

e independientes, obtener los intervalos de confianza estimados del 95 y 99%
para la diferencia entre los dos procesos. Interprete los resultados
81
Lección No 13: Intervalos de Confianza para Proporciones y

para diferencias de proporciones.
Intervalo de confianza para proporciones.
Recuerde las propiedades de la distribución binomial y de las pruebas de

hipótesis vistan anteriormente.
El intervalo de confianza para la proporción de la población infinita y muestreo

con reemplazamiento está dada por:
PQ
PZ
n
En tanto que el intervalo de confianza para la proporción de la población finita y

muestreo con reemplazamiento está dada por:
PQ N n
PZ
n N 1
donde el valor de Z depende del nivel de confianza deseado.
Ejemplo 4.4
De un lote de 500 frascos de jugo se extrae una muestra de 50 frascos de los

cuales 43 cumplen con las especificaciones exigidas y 7 fueron rechazados.
Hallar el intervalo de confianza del 95% para la proporción de frascos de jugo
aceptados del lote de estudio.
Para un nivel de confianza de 95% el valor de Z = 1.96 (tabla de distribución

normal)
Aplicando la fórmula se tiene:
82
PZ
PQ N n

43
 1.96
43501  4350 500  50
n N 1 50 50 500  1
(0.86)(0.14) 450
 0.86  1.96
50 499
 0.86  1.960.0490.95  0.86  0.09
Con un nivel de confianza del 95% la proporción de frascos aceptados fue de

0.77 y 0.95, es decir el nivel de aceptación está entre 380 y 480 frascos de lujo
de un lote de 500 frascos
Intervalo de confianza para la diferencia de dos proporciones .
El intervalo de confianza para la diferencia de proporciones de poblaciones

infinitas está dado por:
p1q1 p2 q2
P1  P2  Z 
n1 n2
Ejemplo 4.6
En un supermercado se vende queso de dos marcas diferentes. En el mismo

período de tiempo se vende 380 de un total de 500 unidades de la marca A y
333 de un total de 450 unidades de la marca B. Hallar el intervalo de confianza
del 99% para la diferencia entre las proporciones de los quesos A y B que salen
al mercado y se venden.
83
Aplicando la formula de la diferencia de proporciones se tiene:
 380  120   333  117 

     
 2.58 
p1q1 p2 q2 380 333 500  500   450  450 
P1  P2  Z    
n1 n2 500 450 500 450
(0.76)(0.24 (0.74)(0.26)
 0.76  0.74  2.58   0.02  0.073
500 450
Por lo cual es de esperar con un nivel de confianza del 99% que la verdadera
diferencia de proporción de venta de los quesos A y B se encuentre entre –
0.053 y 0.093. La diferencia de proporción negativa del límite inferior del
intervalo indica que en esta región la diferencia está a favor del queso B cuya
proporción de venta es menor en las muestras estudiadas.
Lección No 14: Intervalos de confianza para medias y para

diferencia de medias con muestras pequeñas n  30
El caso anterior se estudió intervalos de confianza aplicados a la media

poblacional suponiendo que se conocía la desviación estándar de la población
  . Cuando no se conoce la desviación estándar de la población y la muestra
es pequeña, se utiliza la distribución t cambiando los valores críticos del
estadístico t asociados al nivel de confianza.
En este caso el intervalo de confianza esta dado por:
 S 
X  t 
 n
con n – 1 grados de libertad y el valor de t depende del nivel de confianza.
Ejemplo
Una muestra de 10 cajas de atún dio un peso neto medio de 184 gramos y una
desviación estándar de 3.0 gramos. Encontrar los límites de confianza con un
95% para el verdadero peso promedio de todas las latas de atún.
84
La siguiente grafica nos ayuda a comprender la presente situación:
Figura 4.1 Intervalo de confianza para pequeñas muestras
En la tabla de la distribución t con 9 grados de libertad y un nivel de significancia

del 10% para dos colas, se registra un valor de 2.26 como valor crítico.
El intervalo de confianza para la media de peso de todas las cajas de atún esta
dado por:
 S   3.0 
X  t   184  2.26   184  2.14
 n  10 
Se interpreta que las cajas de atún tienen un promedio de peso entre 181.86 y
186.14 gramos con un nivel de confianza del 95% y expresado
matemáticamente es:
P181.86    186.14  0.95
Intervalos de confianzas para diferencias entre dos medias con

muestras relacionadas o dependientes.
Cuando se comparan las medias de dos niveles es deseable que las

observaciones dentro de cada nivel sean lo más homogéneas posibles. Si existe
un efecto debido a factores externos éstos pueden neutralizarse mediante la
aplicación del principio de la aleatoriedad. Esto se logra tomando las
observaciones en pares. Se supone que las condiciones exteriores son las
mismas para cada par, pero pueden variar de un par a otro. Por ejemplo,
85
suponga que se tiene un grupo de personas que se someten a una dieta para
reducción de peso, y para cada persona se lleva el registro del peso, en kgs,
antes de la dieta, y un tiempo razonable después de haber empezado la dieta.
En este caso, el peso de cada persona después de la dieta no es independiente
del peso de la misma persona antes de la dieta; por lo tanto estas dos variables
están correlacionadas, y si se quiere examinar el efecto de la dieta, se debe
llevar el registro del peso para la misma persona antes y después de la dieta.
Sean (X11, X21), (X12, X22),...(X1n,X2n) los datos consistentes de n pares;

supondremos que las variables aleatorias X1 y X2 tienen medias µ1 y µ2, y
varianzas , respectivamente. Podemos suponer que el conjunto de datos
apareados son observaciones de un conjunto independiente de parejas de
variables aleatorias provenientes de una distribución normal bivariada (X1 X2)
~f(X1, X2), y que las diferencias D = X1 - X2 se distribuyen normalmente con
valor esperado D y varianza .
Sea Dj la diferencia entre las variables aleatorias del j-ésimo par, es decir, Dj =
X1j-X2j. El valor esperado y la varianza de la diferencia entre las variables está
dado por:
Si las variables X1 y X2 se distribuyen normalmente, las diferencias estarán

distribuidas también de manera normal con media µD y varianza
Para estimar la media y la varianza de la diferencia, se debe tomar una muestra

aleatoria de tamaño n, antes y después, calcular la diferencia, y luego la
diferencia promedio y la varianza muestral de las diferencias, como se ilustra en
el siguiente cuadro.
86
Dada la muestra aleatoria se calculan los siguientes estadísticos que servirán
para estimar la media y la varianza de la diferencia, , respectivamente:
Sabemos que la siguiente variable aleatoria sigue una distribución normal

estándar:
Sin embargo, como no es conocido, lo podemos estimar mediante la

varianza muestral , en cuyo caso la siguiente variable aleatoria sigue una
distribución t con n-1 grados de libertad.
Usando la distribución t podemos calcular el intervalo de confianza para la

media de observaciones pareadas, el cual está dado por el siguiente teorema.
Teorema. Si son la media y la desviación estándar muéstrales de la

diferencia de n pares aleatorios de mediciones normalmente distribuidas,
entonces un intervalo de confianza del 100(1-) % para la diferencia de medias
µD = µ1 -µ2 es:
Ejemplo: Se está investigando la utilidad de dos lenguajes de diseño para

mejorar las tareas de programación. Se le ha pedido a 12 programadores
expertos, familiarizados con los dos lenguajes, que codifiquen una función
estándar con ambos lenguajes, y se registra el tiempo requerido, en minutos,
para realizar estas dos tareas. Los datos obtenidos son los siguientes:
87
Encuentre un intervalo de confianza para la diferencia en los tiempos medios de

codificación. Use un nivel de confianza del 95%. Existe alguna evidencia que
indique una preferencia por alguno de los dos lenguajes?
Tenemos que:
El intervalo de confianza está dado por:
Dado que la diferencia puede ser cero, se concluye que no hay evidencia para
rechazar la hipótesis de que ambos lenguajes requieren el mismo tiempo de
programación, y por lo tanto no hay preferencia por ninguno de los dos
lenguajes.
Lección No 15: Intervalos de confianza para la varianza

poblacional.
Para ver cómo se aplica un intervalo de confianza para la varianza poblacional,

suponga que se está interesado en estimar la varianza poblacional para el
mecanismo de llenado de tal modo que la media de la cantidad de llenado sea
de 16 onzas y es crítica la varianza de los llenados. Para el efecto se toma una
muestra de 20 envases llenos y se encuentra que la varianza de las cantidades
de llenado es s 2  0.0025 Sin embargo, no se puede esperar que esa varianza
que procede de una muestra de 20 envases, proporcione el valor exacto de la
varianza de la población de recipientes llenos con dicho producto. En
88
consecuencia el interés está es determinar un estimado de intervalo de la

varianza poblacional.
Se utiliza el símbolo 2 para representar el valor de la distribución ji cuadrado

que da como resultado un área, o probabilidad, de  a la derecha del valor ji
cuadrado establecido. Por ejemplo en la siguiente figura, se observa la
distribución ji cuadrado con 02.025  32,8523 que indica que el 2.5% de los valores
de ji cuadrado esta a la derecha de 32,8523, y 02.975  8,90655 que indica que el
97.8% de los valores de ji cuadrado esta a la derecha de 8,90655. Consultan
con la tabla del anexo “G” que hace relación a la tabla de distribución de ji
cuadrado, los resultados son iguales.
En la gráfica se puede observar que 0.95 o el 95% de los valores de la ji

cuadrada están entre  02.975 y  02.025 . Significa esto que existe una probabilidad
del 95% de obtener un valor de  2 tal que:
 02.975 
n  1S 2   2
 2 0.025
Esta ecuación define un estimado de intervalo, porque el 95% de todos los

valores posibles de
n  1S 2
se encuentran en el intervalo de  02,975 a  02.025 .
2

Figura 4.3 Distribución ji cuadrado con 19 grados de libertad
Ahora se requiere llevar a cabo algunas operaciones algebraicas de la ecuación,

para determinar un estimado de intervalo de  2 de la varianza poblacional.
Realizando operaciones del extremo izquierdo de la ecuación se tiene:
89
 02.975 
n  1S 2 n  1S 2
despejando la varianza se tiene:  
2
2  02.975
realizando operaciones semejantes con la desigualdad del extremo derecho de

la ecuación se tiene:
n  1S 2 2 2 
n  1S 2
 02.025 despejando la varianza se tiene:  02.025
Por último combinando los resultados de las operaciones se llega a:
n  1S 2 2 
n  1S 2
 02.025  02.975
Esta relación representa el estimado del intervalo de confianza para la varianza

2.
Ejemplo 4.7.
Regresando al problema para determinar un estimado de intervalo de la

varianza poblacional de las cantidades de llenado, recuerde que la muestra es
de 20 envases que presenta una varianza de S 2  0.0025 . Con un tamaño de
muestra de 20, los grados de libertad son de 19. En la figura presentada
anteriormente, se determina que 02.975  8,90655 y 02.025  32,8523 . Con dichos
valores, reemplazando en la ecuación del intervalo para la varianza poblacional
se tiene:
20  10.0025   2  20  10.0025

32,8523 8,90655
O sea que el intervalo se encuentra dentro de los límites: 0.0374   2  0.0728 .
Con lo anterior se ha ilustrado el proceso de aplicar la distribución ji cuadrado

para establecer estimados de intervalo de una varianza y de una desviación
estándar de una población. Específicamente observe que como se usó  02,975 y
 02.025 el estimativo tiene un coeficiente de confianza de 0.95. Cuando la
ecuación se amplia a un caso general de cualquier coeficiente de confianza, el
estimativo del intervalo de confianza es:
90
n  1S 2 2 
n  1S 2
2  21 
2 2
En donde los valores de  2 se basan en una distribución ji cuadrado con (n-1)

grados de libertad, y en donde 1    es el coeficiente de confianza.
Ejercicios: 3.
1. Se cálculado el intervalo de confianza al 95% para una muestra en la que x =

10, s = 4 y n= 100. Si el resultado con una muestra de 225 fuera el mismo y
calculáramos el intervalo de confianza al 99%, Cómo debería ser la amplitud del
intervalo:
R/ta: Más grande
2. Si el intervalo de confianza al 95% para la media de una población es (52;

68). ¿Cuál podría ser el intervalo al 99% de confianza?
R/ta: (51; 69)
3. Suponga que el intervalo de confianza al 98% es (0,60; 0,84). ¿Cuál es su

interpretación
R/ta: Estamos convencidos, al 98% de confianza, de que la verdadera

proporción estará incluida en el intervalo (0,60; 0,84)
4. En una empresa se obtuvo, mediante una encuesta a 36 de sus empleados

de la parte operativa y un intervalo de confianza del 95%, que el salario
promedio estaba entre ($450 mil, $600 mil). Si se desea cambiar el nivel de
confianza al 99%, el intervalo sería:
R/ta: Más ancho, pero con un riesgo más pequeño de ser incorrecto.
5. Un corredor de la bolsa de valores siente curiosidad por saber el tiempo

promedio que trascurre entre la colocación y ejecución de una orden en el
mercado. Construyo un intervalo de confianza del 95% para el tiempo medio de
ejecución encontrando que: los extremos del intervalo obtenido son (15 y 25),
con una confiabilidad de 95%. Con base en este intervalo de confianza se
puede concluir que:
R/ta: El verdadero tiempo promedio que trascurre entre la colocación y

ejecución de una orden en el mercado esta entre 15 y 25 días, con una
confiabilidad de 95%
91
6. Se ha tomado una muestra de los precios de un mismo producto alimenticio

en 16 comercios, elegidos al azar en un barrio de una ciudad, y se han
encontrado los siguientes precios: 95, 108, 97, 112, 99, 106, 105, 100, 99, 98,
104, 110, 107, 111, 103, 110.
Suponiendo que los precios de este producto se distribuyen según una ley
normal de varianza 25 y media desconocida:
-Determine el intervalo de confianza, al 95%, para la media poblacional.
R/ta:(101.55; 106.45)
7. La media de las estaturas de una muestra aleatoria de 400 personas de una

ciudad es 1,75 m. Se sabe que la estatura de las personas de esa ciudad es
una variable aleatoria que sigue una distribución normal con varianza σ 2 = 0,16
m2.
-Construye un intervalo, de un 95% de confianza, para la media de las estaturas
de la población.
R7ta: (1.7108, 1.7892)
8. Las ventas mensuales de una tienda de electrodomésticos se distribuyen

según una ley normal, con desviación típica 900 €. En un estudio estadístico de
las ventas realizadas en los últimos nueve meses, se ha encontrado un intervalo
de confianza para la media mensual de las ventas, cuyos extremos son 4 663 €
y 5 839 €.
-¿Cuál ha sido la media de las ventas en estos nueve meses?
R/ta: x =5251
-¿Cuál es el nivel de confianza para este intervalo?
R/ta: 95%
9. Se desea estimar la proporción, p, de individuos daltónicos de una población

a través del porcentaje observado en una muestra aleatoria de individuos, de
tamaño n.
1. Si el porcentaje de individuos daltónicos en la muestra es igual al 30%,
calcula el valor de n para que, con un nivel de confianza de 0,95, el error
cometido en la estimación sea inferior al 3,1%.
R/ta: Al menos 840 individuos.
10. Si el tamaño de la muestra es de 64 individuos, y el porcentaje de individuos

daltónicos en la muestra es del 35%, determina, usando un nivel de significación
92
del 1%, el correspondiente intervalo de confianza para la proporción de

daltónicos de la población.
R/ta(0.196;0.504)
11. En una población una variable aleatoria sigue una ley normal de media
desconocida y desviación típica 2.
-Observada una muestra de tamaño 400, tomada al azar, se ha obtenido una
media muestra al igual a 50. ¿Calcule un intervalo, con el 97 % de confianza,
para la media de la población.
R/ta:(49,783 y 50,217)
- Con el mismo nivel de confianza, ¿qué tamaño mínimo debe tener la muestra
para qué la amplitud del intervalo que se obtenga sea, como máximo, 1?
R/ta: n ≥ 76
12. La cantidad de hemoglobina en sangre del hombre sigue una ley normal
con una desviación típica de 2g/dl.
-Calcule el nivel de confianza de una muestra de 12 extracciones de sangre
que indique que la media poblacional de hemoglobina en sangre está entre
13 y 15 g/dl.
R/ta:91.64
13. Si X ~ N (40,10), calcular Pr (39≤ X ≤41) para n=10. ¿En qué intervalo
se obtendrán el 95% de los resultados?
R/ta : (33.802,46.198)
14. Se desea cambiar una máquina en una cadena de producción. Se toman

muestras con la máquina actual y con la nueva máquina para determinar si se
van a producir mejoras en el sistema. 75 de 1.000 artículos del procedimiento
actual presentaron defectos y lo mismo sucedió con 80 de 2.500 partes del
nuevo, determine un intervalo de confianza del 90% para la verdadera diferencia
de proporciones de partes defectuosas.
R/ta: (0,0281, 0,0579).
15. Una marca de lavadoras quiere saber la proporción de amas de casa que
preferirían usar su marca. Toman al azar una muestra de 100 amas de casa y
20 dicen que la usarían. Calcula un intervalo de confianza del 95% para la
verdadera proporción de amas de casa que preferirían dicha lavadora.
93
R/ta: (0,122; 0,278)
Autoevaluación. 1
Para determinar el tamaño muestral de un estudio, debemos considerar

diferentes situaciones y verificar el cumplimiento de varios factores:
Si deseamos estimar una proporción, debemos saber:
a. El nivel de confianza o seguridad (1-α). El nivel de confianza

prefijado da lugar a un coeficiente (Zα). Para una seguridad del
95% = 1.96, para una seguridad del 99% = 2.58.
b. La precisión que deseamos para nuestro estudio.
c. Una idea del valor aproximado del parámetro que queremos medir
(en este caso una proporción). Esta idea se puede obtener
revisando la literatura, por estudio pilotos previos. En caso de no
tener dicha información utilizaremos el valor p = 0.5 (50%).
Ejemplo: ¿A cuantas personas tendríamos que estudiar para conocer la

prevalencia de diabetes?
Seguridad = 95%; Precisión = 3%: Proporción esperada = asumamos que puede

ser próxima al 5%; si no tuviésemos ninguna idea de dicha proporción
utilizaríamos el valor p = 0,5 (50%) que maximiza el tamaño muestral:
donde:
Z 2 = 1.962 (ya que la seguridad es del 95%)

p = proporción esperada (en este caso 5% = 0.05)
q = 1 – p (en este caso 1 – 0.05 = 0.95)
d = precisión (en este caso deseamos un 3%)
Si la población es finita, es decir conocemos el total de la población y

deseásemos saber cuántos del total tendremos que estudiar la respuesta seria:
94
donde:
N = Total de la población
Z 2 = 1.962 (si la seguridad es del 95%)
p = proporción esperada (en este caso 5% = 0.05)
q = 1 – p (en este caso 1-0.05 = 0.95)
d = precisión (en este caso deseamos un 3%).
¿A cuántas personas tendría que estudiar de una población de 15.000

habitantes para conocer la prevalencia de diabetes?
Seguridad = 95%; Precisión = 3%; proporción esperada = asumamos que puede

ser próxima al 5% ; si no tuviese ninguna idea de dicha proporción utilizaríamos
el valor p = 0.5 (50%) que maximiza el tamaño muestral.
Según diferentes seguridades el coeficiente de Z varía, así:
Si la seguridad Z fuese del 90% el coeficiente sería 1.645

Si la seguridad Z fuese del 97.5% el coeficiente sería 2.24
Si deseamos estimar una media: debemos saber:
El nivel de confianza o seguridad (1-α). El nivel de confianza

prefijado da lugar a un coeficiente (Zα). Para una seguridad del
95% = 1.96; para una seguridad del 99% = 2.58.
La precisión con que se desea estimar el parámetro (2 * d es la
amplitud del intervalo de confianza).
Una idea de la varianza S2 de la distribución de la variable
cuantitativa que se supone existe en la población.
95
Ejemplo: Si deseamos conocer la media de la glucemia basal de una población,

con una seguridad del 95 % y una precisión
por un estudio piloto o revisión bibliográfica que la varianza es de 250 mg/dl
Si la población es finita, como previamente se señaló, es decir conocemos el

total de la población y desearíamos saber cuantos del total tendríamos que
estudiar, la respuesta sería:
Estimación de la media de la población por intervalos de confianza

Los tiempos de reacción, en mili segundos, de 17 sujetos frente a una matriz de
15 estímulos fueron los siguientes: 448, 460, 514, 488, 592, 490, 507, 513, 492,
534, 523, 452, 464, 562, 584, 507, 461
Suponiendo que el tiempo de reacción se distribuye Normalmente, determine un
intervalo de confianza para la media a un nivel de confianza del 95%.
Solución:
Mediante los cálculos básicos obtenemos que la media muestral vale 505,35 y
la desviación típica 42,54.
Buscando en las tablas de la t de Student con 16 grados de libertad, obtenemos

que el valor que deja por debajo una probabilidad de 0,975 es 2,12
Sustituyendo estos valores en la expresión del intervalo de confianza de la

media tenemos: (505,35 - 2,12 • 42,54 / 4 = 505,35 + 2,12 • 42,54 / 4)
Operando: ( 482,80 ,, 527,90 )
96
UNIDAD DOS
PRUEBAS DE HIPÓTESIS, ANÁLISIS DE VARIANZAS Y

ESTADÍSTICAS NO PARAMÉTRICAS
97
CAPITULO CUATRO: PRUEBAS DE HIPÓTESIS
Introducción.
En casos relacionados con situaciones especiales en las cuales se desea

comprobar la efectividad de estándares preestablecidos, la técnica de prueba de
hipótesis resultaba bastante apropiada, por cuanto permite comprobar con
bastante certeza el grado de acierto en la fijación de éstos.
Una hipótesis estadística se define como un supuesto hecho sobre algún

parámetro de la población. Por ejemplo, los siguientes enunciados podrían ser
tomados como hipótesis:
- El ingreso promedio de los trabajadores de la fábrica es de $X.

- El rendimiento promedio de los empleados de dos fábricas es
diferente.
- El promedio de duración de las bombillas es de 1.000 horas.
- El promedio de duración de las llantas es de 100.000 kilómetros.
Ya se ha recabado en muchas ocasiones, que el objetivo es tomar muestras

para extraer alguna conclusión o inferencia sobre la población y que el único
objetivo de examinar muestras, es que las poblaciones suelen ser demasiado
grandes y costosas de estudiar.
Objetivo general.
Contrastar la validez de una hipótesis o conjetura que se haya planteado en

relación con una situación determinada de la empresa, analizando errores
estadísticos posibles en las pruebas de hipótesis
Objetivos específicos.
 Examinar que se entiende por hipótesis y qué por prueba de hipótesis.

 Describir los pasos que se siguen para demostrar una hipótesis.
 Describir los errores estadísticos que se pueden presentar.
 Realizar pruebas en relación con una y dos medias poblacionales, con
una y dos colas.
 Realizar pruebas con una y dos proporciones poblacionales.
 Realizar pruebas de hipótesis para datos que se encuentran en una
escala nominal u ordinal con aplicación de la distribución chi cuadrado.
98
Lección No 16: Nociones fundamentales.
La prueba de hipótesis consiste en aplicar técnicas estadísticas que permitan

aceptar o rechazar una hipótesis. Este procedimiento se conoce como contraste
de hipótesis. Las pruebas de hipótesis utilizan un procedimiento de cinco
pasos, los cuales se mencionan a continuación:
1. Plantear las hipótesis nula y alternativa.
2. Determinar el nivel de significancia.
3. Estimar el valor estadístico de prueba.
4. Establecer la regla de decisión.
5. Tomar la decisión.
Tipos de pruebas.
En la prueba de investigación, o de validez de una afirmación, se conocen las

siguientes clases de pruebas:
 Pruebas para grandes muestras.
 Pruebas para pequeñas muestras.
 Pruebas de varianza.
En las pruebas de grandes muestras se realizan para los siguientes casos:

 Pruebas de medias y de proporciones.
 Pruebas de diferencias de medias y proporciones.
En las pruebas de pequeñas muestras se realizan para los siguientes casos:

 Pruebas para medias y diferencias de medias.
Nivel de significancia.
Una vez planteada la hipótesis nula y la alternativa, el siguiente paso es definir

el nivel de significancia. Es la probabilidad de rechazar la hipótesis nula cuando
en realidad es verdadera.
El nivel de significación se denota mediante alfa (  ), también se denomina nivel

de riesgo, y es el riesgo de rechazar un planteamiento cuando en realidad es
cierto. Tradicionalmente se ha escogido un nivel de significancia del 0.05 (5%)
para proyectos de investigación de consumo, el 0.01 (1%) para control de
calidad y el 0.10 (10%) para encuestas políticas.
99
Clases de hipótesis.
Una hipótesis estadística es un enunciado provisional referente a uno o más

parámetros de una población o grupo de poblaciones. En el proceso de
estadística inferencial hay dos tipos de hipótesis:
1. Hipótesis nula, designada mediante Ho y se lee “H subcero”. La letra H

significa hipótesis y el subíndice cero indica “no hay diferencia”. Por lo
general en la hipótesis nula se plantea en términos de “no hay cambio”, “no
hay diferencia”, se plantea con el objetivo de aceptarla o rechazarla.
2. Hipótesis alternativa, describe lo que se considerará si se rechaza la

hipótesis nula. A menudo también se le denomina hipótesis de investigación,
y se designa por H1, que se lee “h subuno”
Tipos de error.
La hipótesis nula y alternativa son entonces aseveraciones sobre la población

que compiten entre sí, en el siguiente sentido: ó la hipótesis nula (H o) es
verdadera, o lo es la hipótesis alternativa (H 1), pero no ambas. En el caso ideal,
el procedimiento de prueba de hipótesis debe conducir a la aceptación de Ho
cuando sea verdadera y al rechazo de H 1. Desafortunadamente no siempre es
posible puesto que como las pruebas de hipótesis se basan en la información de
la muestra, se debe considerar la posibilidad de cometer errores. La siguiente
cuadro muestra los dos tipos de errores que se pueden cometer:
Cuadro 3.1 Tipos de errores

DECISIÓN VERDADERA FALSA
SOBRE Ho
Aceptar H0 Correcta 1    Error tipo I I  
Rechazar H0 Error tipo I   Correcta 1   
Nivel de significancia Potencia de la prueba
Cuando se tiene una hipótesis esta puede ser verdadera o falsa y la decisión
que se toma en la prueba es aceptar o rechazar la hipótesis. Si la decisión que
se toma está de acuerdo con la realidad no se cometen errores, en este caso
las dos buenas decisiones son: aceptar la hipótesis nula cuando es cierta o
rechazar la hipótesis nula cuando es falsa.
Pero cuando la decisión no está de acuerdo con la realidad se pueden cometer

dos tipos de errores vistos anteriormente: rechazar la hipótesis nula cuando en
realidad es cierta, llamado error tipo I representado por alfa (  ); aceptar la
hipótesis nula cuando en realidad es falso, llamado error tipo II representado por
100
beta (  ), llamados también nivel de significancia. El procedimiento utilizado

consiste en limitarlos a un nivel preestablecido pequeño, generalmente 0.01 ó
0.05. Este planteamiento se le denomina la potencia de la prueba y se
representa así:
Probabilidad de cometer el error tipo I

 Probabilidad de rechazar Ho cuando es verdadera.
(1 -  ) Probabilidad de acertar la Ho cuando es verdadera.
Probabilidad de cometer el error tipo II

 Probabilidad de aceptar Ho cuando es falsa.
(1 -  ) Probabilidad de rechazar Ho cuando es falsa.
Toda prueba de hipótesis determina una región de rechazo de la hipótesis

llamada región crítica, la cual depende del tipo de hipótesis que se pruebe y se
determina utilizando un nivel de significancia   .
El p-valor
Es el mínimo nivel de significancia en el cual Ho sería rechazado cuando se

utiliza como procedimiento de prueba específico con un conjunto dado de
información. Si el p-valor es menor que el nivel de significancia, la hipótesis nula
se rechaza.
Lección No 17: Pruebas para la Media y la Diferencia de

medias con grandes muestras.
Este procedimiento de formulas dos hipótesis es muy similar al de un juicio en

donde se supone que el acusado es inocente hasta que se le demuestre su
culpabilidad. Por tanto se hace una hipótesis de culpabilidad cero, lo cual
también ayuda a explicar el nombre de la hipótesis. Sin embargo una evidencia
contraria hace que la hipótesis nula sea descartada y aceptar la única
alternativa posible de declararlo culpable.
El procedimiento de los cinco pasos indicado en líneas arriba, se empieza a

n
aplicar para muestras grandes: n  30 pero con  0.05 para pruebas en
N
donde intervienen una o dos medias, por lo tanto se supone que la distribución
muestral del estadístico de prueba se aproxima por la curva normal.
101
Prueba para la media (muestra grande).
En las pruebas para la media de población de muestra grande se distingue dos

situaciones:
 Conocida la desviación estándar de la población.

 Desconocida la desviación estándar de la población.
CONOCIDA LA DESVIACIÓN ESTANDAR POBLACIONAL.
Las pruebas de hipótesis utilizan un procedimiento de cinco pasos, los cuales se

recuerdan a continuación:
a. Plantear las hipótesis nula y alternativa.
b. Determinar el nivel de significancia.
c. Estimar el valor estadístico de prueba.
d. Establecer la regla de decisión.
e. Tomar la decisión.
Dependiendo del planteamiento de la hipótesis alternativa (H 1) se distingue dos

tipos de pruebas:
 Pruebas bilaterales.
 Pruebas unilaterales
PRUEBA BILATERAL
El procedimiento de prueba de hipótesis para pruebas bilaterales a cerca de la

media de una población, cuando se considera el caso de muestra grande
(n  30) , en que el teorema del límite central permite suponer que la media de la
distribución muestral de medias se puede aproximar a una distribución normal
de probabilidad, y la desviación estándar de la población es conocida, sigue la
siguiente forma general:
 Muestra grande (n  30)

 Planteamiento de hipótesis:
H 0 :   0
H1 :    0
 Estadístico de prueba para desviación estándar poblacional  

conocida:
102
x
Z

n
 Regla de rechazo a un nivel de significancia  :
Rechazar H0 si z  -Z o si Z  Z
2 2
Ejemplo
La empresa coca cola ha establecido como política general para su producción

en pequeña escala, un promedio (  ) de llenado para sus envases de 200
centímetros cúbicos con una desviación estándar (  ) de 16 centímetros
cúbicos. Dado que recientemente se han contratado y diseñado nuevos
métodos de producción, utilizando un nivel de significancia del 0.01, se desea
probar la hipótesis, que el promedio de llenado sigue siendo de 200 centímetros
cúbicos. Para tal efecto se tomó una muestra de 100 envases llenos, los cuales
mostraron una media de llenado de 203.5 centímetros cúbicos.
Paso 1
Planteamiento de la hipótesis nula: la media poblacional es 200

Planteamiento de la hipótesis alternativa: La media poblacional es diferente a
200. Estas hipótesis se expresan como sigue:
H 0 :   200
H 1 :   200
Esta es una prueba de dos colas, debido a que la hipótesis alternativa ( H 0 ) es

planteada en palabras de diferencia, es decir, la hipótesis no indica si la media
es mayor o menor que 200.
Paso 2
El nivel de significancia es de 0.01 que es el alfa (  ), la probabilidad de

cometer el error de tipo uno, es decir la probabilidad de rechazar la hipótesis
siendo verdadera. Para éste tipo de problema se utiliza la distribución normal
estandarizada en Z.
Paso 3
El valor estadístico de prueba para este tipo de problema es utilizando la

distribución normal estandarizada en Z:
103
X  203.5  200 3.5

Z    2.19
 16 1.6
n 100
Paso 4
La formulación de la regla de decisión consiste en hallar el valor crítico de Z con

una prueba de dos colas. En el anexo C (tabla de la distribución normal) se
identifica el valor de Z correspondiente a una probabilidad igual a 0.4950 (0.5 –
0.01/2). El valor más cercano a 0.4950 es 0.4951 que corresponde a una valor
de Z igual a 2.58, que es el valor crítico para la prueba de hipótesis. Dado que
es una prueba de dos colas, se tendrán dos valores críticos, tal como se indica
en la siguiente figura:
Figura 3.1 Prueba de dos colas
La regla de decisión es aceptar la hipótesis nula (Ho), puesto que el valor

estadístico de prueba (2.19) ha caído en la zona de aceptación de dicha
hipótesis.
Paso 5
Se concluye que el llenado de los envases cumple con las políticas generales
de la empresa, y la diferencia de promedios se atribuye a variaciones aleatorias.
104
PRUEBA UNILATERAL
Con anterioridad de dijo que la hipótesis alternativa indica una dirección ya sea
“mayor que” o “menor que”, la prueba es de una cola. El procedimiento para
demostrar la hipótesis es por lo general igual a la prueba de dos colas, excepto
que el valor crítico es diferente. Ahora se modificará la hipótesis alternativa del
problema anterior, sobre el llenado de los envases de una factoría de coca cola
Paso uno:
H 0 :   200
H1 :   200
Paso dos: igual.
Paso tres: igual
Paso cuatro:
El valor crítico cambia. En el anexo C (tabla de la distribución normal) se

identifica el valor de Z correspondiente a una probabilidad igual a 0.490 (0.5 –
0.01). El valor más cercano a 0.4900 corresponde a una valor de Z igual a 2.33,
que es el valor crítico para la prueba de hipótesis. Dado que es una prueba de
una cola, se tendrá el valor crítico, tal como se indica en la siguiente gráfica:
Figura 3.2 Prueba una cola a la derecha
La región de rechazo para una prueba de una extremidad se ubica en la cola de

la derecha, y el valor crítico es +2.33.
Paso cinco: Igual, puesto que el valor estadístico de prueba está ubicado en la
zona de aceptación de la hipótesis nula, es decir, se está diciendo que el
promedio de llenado es de 200, tal como está planteada la hipótesis nula.
105
A continuación se presentan un ejemplo para que Ud. lo aborde y aplique los

métodos de pruebas de hipótesis vistos anteriormente.
Ejercicio
El análisis del contenido de grasa de una muestra de 40 tarros de leche en

polvo de una determinada marca dio como resultado un contenido promedio de
grasa de 27.5% en peso. Si asume que la varianza es de 0.85 y se pide un nivel
de significancia del 5%; probar la hipótesis que el contenido promedio de grasa
de la leche es de 28% contra la hipótesis:
a. El contenido de grasa es mayor que 28%.

b. El contenido de grasa es menor que 28%.
c. El contenido de grasa es diferente que 28%.
 
 X 
Sugerencia: Utilice el siguiente estadístico de prueba:  Z   
 
 n 
DESCONOCIDA LA DESVIACIÓN ESTANDAR POBLACIONAL
En la mayoría de los casos se desconoce la desviación estándar de la población

(  ) , la cual debe calcularse en estudios previos o se estima utilizando la
desviación estándar de la muestra (s). En estos casos se utiliza la desviación
estándar de la muestra, quedando la formula para el estadístico de prueba así:
X 
Z
S
n
Ejemplo
Una cadena grande de almacenes expide su propia tarjeta de crédito y Ud.

desea saber si los saldos promedios por créditos de los clientes son mayores
que 400 unidades monetarias. El nivel de significancia se fija en 0.05. Una
revisión aleatoria de 172 clientes, reveló que el promedio por crédito de los
clientes es de 407 unidades monetarias y la desviación estándar de la muestra
es de 38 unidades monetarias. ¿Concluye UD. que la media poblacional es
mayor que 400 unidades monetarias?
106
Las hipótesis se enuncian como sigue:
H 0 :   400
H1 :   400
Dado que la hipótesis alternativa se enuncia “mayor que”, se aplica una cola a la
derecha, y como la muestra es grande ( n >= 30), se aplica la distribución
normal estandarizada en Z.
El estadístico de prueba es:
X   407  400
Z   2.42
S 38
n 172
La regla de decisión es:
Figura 3.3 Prueba de una cola a la derecha
El valor crítico es 1.645 y la ubicación del estadístico de prueba se encuentra en

la zona de rechazo de la hipótesis nula, por lo tanto se acepta la hipótesis
alternativa.
La decisión a tomar por Ud. es que el promedio de los créditos es mayor que
400 unidades monetarias con un grado de confianza del 95%.
107
Prueba para diferencia de medias (muestra grande).
En la mayor parte de los casos no se conoce la varianza o desviación estándar

real de ninguna población. En general la única información que es posible
 
obtener se relaciona con las medias muestrales X1 y X 2 , las varianzas
 
muestrales S12 yS 22 y las desviaciones estándar de las muestras S1 yS 2  . Si se
hacen las suposiciones que las muestras se obtienen de manera aleatoria e
independiente a partir de las poblaciones respectivas que tiene una distribución
 
normal y que las varianzas poblacionales son iguales, es decir,  12   22 , se
puede utilizar una prueba de distribución normal de varianzas combinadas para
determinar si existe una diferencia significativa entre las dos poblaciones.
Recordemos que para diferencias de medias se utiliza el siguiente estadístico

de prueba:
( X 1  X 2 )  1   2 
Z
 12  22

n1 n2
Ejemplo
Una obra de construcción requiere un gran número de bloques de concreto. Dos

empresas abastecedoras A y B licitan para su adjudicación, y dentro del pliego
de condiciones se estipula que la resistencia mínima es de 1.000 unidades
métricas a la resistencia, y el contrato se adjudicará a la empresa que mayor
resistencia presente su producto.
Paso 1: Se plantea la hipótesis nula (Ho) que no existe diferencia entre las
resistencias medias a la compresión de los bloques de concreto. La hipótesis
alternativa se plantea en términos que hay alguna diferencia significativa entre
las dos resistencias medias a la compresión. Simbólicamente se expresa así:
H0 :  A  B
H1 :  A   B
Dado que la hipótesis alternativa no indica una dirección específica, la prueba

es de dos colas
Paso 2: Se elige un nivel de significancia de 0.01. Esto equivale a cometer un

error de tipo I. Se usará una distribución normal estandarizada en Z, razón por la
cual se debe seleccionar una muestra que al menos contenga como mínimo 30
unidades de bloque, cada una de las empresas licitantes.
108
Paso 3: El estadístico de prueba a aplicar está dado por la siguiente fórmula:
X1  X 2
Z
S12 S 22

n1 n2
Suponga que Usted seleccionó una muestra de cada una de las empresas
licitantes y determinó la resistencia a la compresión, con los siguientes
resultados:
Cuadro 3.2 Resultados de muestra

Licitante A Licitante B
X = 1.070 X = 1.020
n = 81 n = 64
S = 63 S = 57
El valor del estadístico de prueba es:
X1  X 2 1.070  1.020 50
Z    5.01
S1
2

S 2
2 63 2

57 2
9.98827
n1 n2 81 64
Paso 4
Recuérdese que se seleccionó un nivel de significancia del 0.01 y se utilizará

una prueba de dos colas. Los valores críticos y zonas de aceptación para las
hipótesis se presentan en la siguiente figura:
109
Figura 3.4 Toma decisión para prueba de hipótesis
Paso 5
El valor Z calculado queda en el área de rechazo de la hipótesis nula, por lo

tanto se concluye que la media poblacional de la resistencia a la compresión es
diferente en las dos empresas y la diferencia no se debe al azar del muestreo,
con un grado de confianza del 99%.
Ejercicio de pruebas de medias
Se analizó el contenido de calorías de dos lotes de leche condensada de

diferente marca. El lote A constituido por 45 tarros de 100 gramos su contenido
promedio de calorías fue de 320 y una desviación de 3. El lote B constituido por
55 tarros igualmente de 100 gramos el promedio de calorías fue de 321.5 con
una desviación de 2.5. ¿Existe diferencia entre los contenidos calóricos de las
dos marcas de leche al nivel de significación de 0.05?
Sugerencia: Plantear las hipótesis en función de hay diferencia ó no existe

diferencia de contenido promedio de calorías.
Ejercicio de prueba de medias
El contenido medio de carbohidratos de 50 litros de leche de vaca entera cruda

fue de 4.6% con un desviación de 0.5 y el de 50 litros de leche pasteurizada fue
de 3.9% con una desviación de 0.4. Probar la hipótesis que el contenido de
carbohidratos de la leche cruda es mayor que el la leche pasteurizada con un
alfa de 0.01.
Sugerencia: Se concluye que el contenido de la leche cruda es

significativamente mayor que el la pasteurizada con un nivel de confiabilidad del
99%
110
Lección No 18: Prueba de hipótesis para proporciones y

diferencias de proporciones.
Se entiende por proporción, la porción relativa o porcentaje que expresa la parte

de la población o muestra que tiene un atributo particular de interés como el
resultado comparativo de contar algo, Se cuenta el número de partes
defectuosas; se cuenta el número de votantes por la preferencia de un
candidato. Así la prueba de proporción implica niveles nominales de medida.
Prueba para una proporción
Para demostrar una proporción muestral se requiere cumplir con ciertos

principios binomiales, tales como:
1. Los datos recolectados son el resultado de un conteo.

2. El resultado de un experimento se clasifica en una de las dos
categorías mutuamente excluyentes: un éxito o un fracaso.
3. La probabilidad de éxito se mantiene constante.
4. Los intentos para realizar cada experimento son independientes.
5. El tamaño de la muestra debe ser tan grande para que se dé la
siguiente condición: (n)(p)>5 y (n)(1-p)>5
Para realizar una prueba de hipótesis a fin de evaluar la magnitud de la


diferencia entre la proporción muestral p y la proporción poblacional ( P ), se
puede usar el siguiente estadístico de prueba:
PP
Z
P(1  P)
n
donde:
P es la proporción muestral.
P es la proporción poblacional.
n es el tamaño de la muestra.
De otra manera, en lugar de examinar la proporción de éxitos en una muestra

como en el caso anterior, es posible estudiar el número de éxitos en una
muestra, para determinar el número de éxitos esperados o hipotéticos en la
población, se utiliza el siguiente estadístico de prueba:
111
X  n  p 
Z
n p q 
donde:
X es el número de éxitos en la muestra.
P es la proporción hipotética de éxitos.
PRUEBA UNILATERAL
Ejemplo
Suponga que para que lo elijan a Ud. como alcalde, es necesario que logre al
menos el 80% de los votos del barrio donde vive. Dado su interés decide hacer
una encuesta en el barrio con una muestra de 2.000 personas, para ver la
posibilidad y 1.550 dieron respuesta favorable por sus aspiraciones. Pruebe la
hipótesis de favorabilidad, con un nivel de significancia del 0.05.
Antes de realizar el procedimiento de los cinco pasos, veamos si cumple la

condición de:
(n)(p)>5 (2.000)(0.8)>5 1.600>5 Cierto

(n)(1-p)>5 (2.000)(0.2)>5 400>5 Cierto
Paso 1
La hipótesis nula se plantea diciendo que Ud. sí tiene el 80% de favorabilidad
de voto en su barrio y la hipótesis alternativa en que no alcanza a tener este
porcentaje de favorabilidad de voto. Simbólicamente se expresa como sigue:
Ho : P  0.80
H1 : P  0.80
Paso 2
La distribución de probabilidad a utilizar es la normal estandarizada en Z, con un
nivel de significancia del 5%, con una cola a la izquierda.
Paso 3
El estadístico de prueba a utilizar es:
PP
Z
P(1  P)
n
donde:
P es la proporción muestral.
112
P es la proporción poblacional.
n es el tamaño de la muestra.
P(1  P)
 P es el error estándar de la proporción poblacional.
n
Reemplazando los diferentes valores en la ecuación se tiene:
1.550
 0.80
PP 2.000 0.775  0.80  0.025
Z     2.80
P(1  P) 0.80(1  0.80) 0.00008 0.0089443
n 2.000
Paso 4
La regla de decisión se toma sobra la base de un valor critico calculado a partir
de la tabla de distribución Z, con un área de 0.4500 (0.5000-0.0500)
Cuadro 3.7 Prueba de hipótesis de una proporción
Paso 5
Como el valor Z (-2080) está en la región de rechazo de la hipótesis nula,
entonces se acepta la hipótesis alternativa y se concluye la favorabilidad de voto
es menos al 80%.
113
PRUEBA BILATERAL
Ejemplo
Probar al nivel de significancia del 0.01 la aseveración que el 55% de las

familias que planean adquirir una residencia en Melgar desean su ubicación
en un condominio. Para su estudio Ud. toma una muestra aleatoria de 400
familias que planean comprar una residencia en Melgar, de las cuales 228
familias desean en un condominio.
Paso 1
La hipótesis nula se plantea diciendo que el 55% de las familias desean adquirir
residencia en un condominio en Melgar.
Ho : P  0.55
H1 : P  0.55
Paso 2
La distribución de probabilidad a utilizar es la normal estandarizada en Z, con un
nivel de significancia del 1%, con dos colas.
PP
280  0.55 0.02
Z  400   0.80
Paso 3 P(1  P) 0.55(1  0.55) 0.0248747
n 400
Paso 4
La regla de decisión se toma sobre la base del siguiente grafico:
Figura 3.9 Prueba de proporción de dos colas
114
Paso 5
La hipótesis nula que la proporción verdadera es del 55% no es rechazada a un
nivel de significancia del 1%, concluyendo que el 55% de las familias planean
adquirir residencia vacacional en Melgar lo desean en un condominio.
A continuación se proponen dos ejercicios para que los desarrolle aplicando las
sugerencias propuestas:
Ejemplo 3.12
Se lanza una moneda 200 veces y se obtienen 105 caras. Si el nivel de
significancia es de 1% probar la hipótesis que la probabilidad de caras es de ½
contra la hipótesis:
a. Que es mayor de ½.
b. Que es menor de ½.
c. Que es diferente de ½.
Sugerencia: En este caso utilice las propiedades de la distribución binomial

donde:
 
  np  200 1 2  100  n p q   2001 2 1 2   7.07
X  n  p 
Z
n p q 
Ejemplo
Un fabricante de un empaque para harinas garantiza que tiene una efectividad

de 95% en la protección contra la humedad durante un período de 6 meses. Se
observó una muestra de 100 paquetes encontrándose resultados positivos en
85 paquetes. Comprobar si la afirmación del fabricante es verdadera con un
nivel de significancia de 0.05.
Sugerencia: Utilizar prueba de una proporción.
Prueba de hipótesis para diferencias entre dos proporciones
Se presenta a continuación un ejemplo donde se emplea la prueba de

proporción para dos poblaciones, utilizando el siguiente estadístico de prueba:
115
( P1  P2 )  P1  P2 
Z
PC (1  PC ) PC (1  PC )

n1 n2
Donde:
n1 Es la cantidad seleccionada en una muestra.
n2 Es la cantidad seleccionada en la otra muestra.
X  X2
PC  1 Es la media ponderada de las proporciones muestrales.
n1  n2
X1 Es la cantidad de éxitos de la primera muestra.
X2 Es la cantidad de éxitos de la segunda muestra.
P1 yP2 Proporción de éxitos de la población uno y dos respectivamente.
Ejemplo
Una fábrica de perfumes ha desarrollado un nuevo producto. Varias pruebas de

comparación indican que el perfume tiene un buen potencial en el mercado. Sin
embargo el departamento de mercadotecnia y publicidad quieren planear una
estrategia de manera que el producto llegue e impresione al sector más grande
posible del público comprador. Una de las preguntas es si prefiera el perfume
una proporción mayor de mujeres jóvenes o una proporción mayor de mujeres
maduras. Por tanto, existen dos poblaciones: una que consta de mujeres
jóvenes y otra de damas maduras. Se usó una prueba estándar de aroma. Se
seleccionaron aleatoriamente damas y se les pidió que olieran varios perfumes,
incluyendo el que suelen usar, y por supuesto el nuevo perfume. La persona
que realiza la prueba es la única que conoce el nombre de los perfumes. Cada
mujer selecciona el perfume que le agrada más.
Paso 1
La hipótesis nula se plantea diciendo que no hay diferencia entre la proporción
de mujeres jóvenes y maduras que prefieren el nuevo perfume. La hipótesis
alternativa se plantea que las dos proporciones no son iguales.
Ho : P1  P2
H1 : P1  P2
Se designa P subuno como la proporción de mujeres jóvenes y P subdos como

la proporción de mujeres maduras.
Paso 2: Se decidió un nivel de significancia del 0.05.
116
Paso 3: Los planes son tomar una muestra al azar de 100 mujeres jóvenes
designada por n subuno y una muestra de 200 mujeres mayores designada
como n subdos. Los resultados una vez hecha el experimento dio los siguientes
resultados: de las 100 mujeres jóvenes 20 eligieron el nuevo perfume,
designando este valor como X subuno; y de las 200 mujeres maduras 100
prefirieron el nuevo perfume, designando este valor como X subdos.
La proporción ponderada, da como resultado:
X1  X 2 20  100 120
PC     0.40
n1  n2 100  200 300
P1  P2
20  100  0.30
Z  100 200   5.0
PC (1  PC ) PC (1  PC ) 0.40(1  0.40) 0.40(1  0.40) 0.06
 
n1 n2 100 200
Paso 4
Los valores críticos para un nivel de significancia del 5% son –1.96 y +1.96.
Igual que en los otros casos, la siguiente grafica establece la regla de decisión:
Figura 3.10 prueba de dos proporciones
Paso 5
El valor de Z calculado de –5.0 se encuentra en el área de rechazo de la
hipótesis nula. Por tanto, la hipótesis que las proporciones son iguales se
rechaza a un nivel del 5% de significancia.
117
Ejercicio 3.15 de diferencia de proporciones
Dos lotes de frutas conformados cada uno por 250 unidades son tratados y
almacenados en iguales condiciones salvo que el lote No 1 está a temperatura
ligeramente inferior que el lote No 2. Pasado un tiempo se encuentra que el lote
No 1 hay 225 frutas sanas y en el lote No 2 hay 200 sanas. Probar la hipótesis
que la temperatura más baja favorece la conservación de las frutas al nivel de
significación de 0.05.
Ho : P1  P2
Paso 1: H1 : P1  P2
Paso 2: Utilizando la distribución de probabilidad normal con ensayo unilateral a

la derecha con un nivel significativo de 0.05, el valor critico es de 1.645.
Paso 3:
P1  P2 0.90  0.80 0.10

Z    3.13
PC (1  PC ) PC (1  PC ) (0.85)(0.15) (0.85)(0.15) 0.0319
 
n1 n2 250 250
X 1  X 2 225  200
PC    0.85
n1  n2 250  250
Figura 3.11 Prueba de dos proporciones
118
Como 3.12>1.645 se rechaza la hipótesis nula y se acepta la hipótesis

alternativa.
Paso 5
La temperatura más baja favorece la conservación de las frutas.
Lección No 19: Pruebas de hipótesis para la media y la

Diferencia de medias con pequeñas muestras.
Ahora veamos el caso en que las muestras son pequeñas, n  30 , pero donde la
distribución muestral del estadístico de prueba se puede aproximar a una
distribución t student. Dicha aproximación es posible cuando los valores
subyacentes de la población son casi normalmente distribuidos, y cuando
intervienen poblaciones donde las desviaciones estándar, aunque
desconocidas, se sabe que son iguales. Habiendo estudiado pruebas para
muestras grandes con todo detalle, podemos restringirnos a ejemplos en donde
se aplique este tipo de distribución.
Prueba para media (pequeña muestra)
Si también es razonable suponer que la población tiene una distribución normal

de probabilidad, con la distribución t se puede hacer inferencia a cerca del valor
de la media de la población.
Ejemplo
Una compañía de seguros revela que en promedio la investigación por

demandas en accidentes y todos los trámites tiene un costo promedio de 60
unidades monetarias. Este costo se considera exagerado comparado con el de
otras compañías del mismo tipo. A fin de evaluar el costo se seleccionó una
muestra aleatoria de 26 demandas recientes y se realizó el estudio de costos.
Se concluyó que el costo promedio es de 57 unidades monetaria con una
desviación estándar de 10 unidades monetarias. Con un nivel de significancia
del 0.01 se puede decir que ¿el estudio reveló un costo menor al establecido por
la empresa?
Paso 1
La hipótesis nula se plantea en el sentido que el costo promedio es de 60
unidades monetarias. La hipótesis alternativa que el costo es menor a 60
unidades monetarias. Esto se expresa en la siguiente forma:
119
H 0 :   600
H1 :   600
La prueba es de una cola a la izquierda, según el planteamiento de la hipótesis

alternativa.
Paso 2
Se usa un nivel de significancia del 0.01 con una distribución “t”, en
consideración a que la muestra en menor a 30, es decir, es una pequeña
muestra.
Paso 3
Utilizando los datos de la muestra, se utiliza la siguiente fórmula como
estadístico de prueba:
X   57  60
t   1.530
S 10
n 26
Paso 4
Los valores críticos para la distribución “t” se encuentran en la tabla
correspondiente (anexo D), con 25 grados de libertad (26 – 1), prueba de una
cola a un nivel de significancia de 0.01, correspondiendo un valor crítico de
2.485. En el siguiente figura se indica el presente planteamiento:
Figura 3.5 Prueba de una cola
Paso 5
Puesto que –1.53 se encuentra en la región de aceptación de la hipótesis nula a
un nivel del 1% de significancia, se concluye que los costos para los tramites de
120
seguros de accidente no se han disminuido y se mantiene a un nivel promedio

de costo de 60 unidades monetarias.
Ejemplo
Una empresa produce elementos con un promedio de 43 mm de largo. Un

ajuste en las máquinas de producción supone que dicho estándar ha cambiado.
Se quiere probar ésta hipótesis con un nivel de significancia del 0.02.
Para afrontar el problema Ud. selecciona una muestra aleatoria de 12 elementos

y procede a medir su largor con los siguientes resultados:
Cuadro 3.3 Selección muestra aleatoria

Elemento 1 2 3 4 5 6 7 8 9 10 11 12
Medida 42 39 42 45 43 40 39 41 40 42 43 42
Paso 1
Plantea sus hipótesis:
H 0 :   43
H1 :   43
Como hipótesis nula que no se ha producido un cambio en las dimensiones del

producto. Como hipótesis alternativa que se ha producido un cambio en las
características internas del producto debido a los ajustes en las máquinas.
Paso 2
Se dispone a probar la hipótesis con un nivel de significancia del 0.02, utilizando
la distribución “t” porque es una pequeña muestra, con 11 grados de libertad
aplicando el principio de ( n- 1) y calculo para dos colar puesto que la hipótesis
alternativa está planteada desde el punto de vista de “diferente”.
Paso 3
El estadístico de prueba a utilizar es el siguiente:
X 
t
S
n
121
Procede al calculo de la media y la desviación estándar muestral:
X  X  X 
2
498 35
X    41.5 S   1.78
n 12 n 1 11
Con la información anterior, aplica la fórmula del estadístico de prueba:
X   41.5  43.0
t   2.92
S 1.78
n 12
Paso 4
Para aplicar la regla de decisión, muestra en el siguiente gráfico el
planteamiento anterior:
Figura 3.6 Prueba de dos colas
Paso 5
La hipótesis nula que la media poblacional es 43 mm se rechaza a un nivel de
significancia del 0.02 y se acepta la hipótesis alternativa, concluyendo que los
ajustes en las máquinas sí causaron un cambió en la calidad de control en el
largor de los diferentes elementos que se producen.
Anteriormente se analizó ampliamente la prueba de hipótesis para cuando las

muestra son pequeñas, es decir, el tamaño de la muestra es menor a 30. A
continuación se propone un ejercicio de aplicación, para que Ud. los desarrolle
atendiendo las sugerencias dadas.
122
Ejemplo
Un fabricante de pastas alimenticias sostiene que el contenido medio de

proteínas del producto es de 10.7. Un análisis de una muestra de 8 paquetes dio
como resultado un contenido medio de 10% con una desviación de 1. ¿Se
puede aceptar como verdadera la afirmación del fabricante a un nivel de 0.01?
Sugerencia:
X 
Utilizar el siguiente estadístico de prueba: t  S
n
Un ensayo unilateral con cola a la izquierda con un nivel significativo de 0.01 el

valor critico con 7 grados de libertad es igual a –3.0 ( Anexo D)
Prueba para dos medias maestrales (pequeñas muestras)
Una prueba que utiliza la distribución t también puede aplicarse para comparar
dos medias muestrales que tienen las siguientes características:
1. Las poblaciones deben de distribuirse normalmente.

2. Las poblaciones deben de ser independientes.
3. Las varianzas de las poblaciones deben de ser iguales.
4. Las muestras tienen menos de 30 observaciones.
5. Las desviaciones estándar de las poblaciones no se conocen.
Cuando se está frente a estas características, el estadístico de prueba a utilizar

es el siguiente:
( X 1  X 2 )  1   2 
t
 S12 n1  1  S 22 n2  1  1 1 
   
 n1  n2  2   n1 n2 
Donde:
X1 y X 2 Las medias de las muestras
n1 yn2 Los tamaños de las muestras
S12 yS 22 Las varianzas de las muestras
G.L. Grados de libertas, igual a = n1  n2  2
123
Ejemplo
Se ha propuesto realizar un examen de estadística a dos grupos de estudiantes,

con el propósito de saber si los grupos tienen similares conocimientos sobre
pruebas de hipótesis. Para ello Ud. seleccionó el grupo A compuesto de 5
estudiantes de educación a distancia y el grupo B compuesto por 6 estudiantes
de educación presencial, y los sometió a la prueba, dando como resultado los
siguientes tiempos en minutos:
Cuadro 3.4 prueba para dos grupos

Educación a Educación
distancia presencial
2 3
4 7
9 5
3 8
2 4
3
Probar con un nivel de significacia del 0.10 si existe alguna diferencia de

habilidad en los conocimientos de los dos grupos.
Paso 1: Las hipótesis las plantea en los siguientes términos:
Ho : 1   2
H1 : 1   2
La hipótesis nula consistente en que los dos grupos no tienen alguna diferencia
en la habilidad de conocimiento, y la hipótesis alternativa en que existe
diferencia entre los grupos sobre la habilidad en la aplicación de los
conocimientos.
Paso 2: Prueba la hipótesis con un nivel de significancia del 10%, utilizando la

distribución t student porque las muestras son menores que 30, con 9 grados
de libertad (5+6 – 2) y prueba de dos colar porque la hipótesis alternativa está
planteada en función de “diferente”.
Paso 3 Para el cálculo del estadístico de prueba se requiere estimar las medias
de los grupos y sus varianzas, los cuales se presentan en el siguiente cuadro:
124
Cuadro 3.5 Resultados para los grupos de estudiantes

Grupo estudiantes a distancia Grupo presencial
Media = 4 Media = 5
Varianza = 8.5 Varianza = 4.4
Muestra = 5 Muestra = 6
X1  X 2 45
t   0.6620
 S12 n1  1  S22 n2  1  1 1   8.55  1  4.46  1  1 1 
     562 5  6 
 n1  n2  2   n1 n2    
Paso 4: La regla de decisión se presenta en la siguiente gráfica:
Figura 3.7 Pruebas para comparación de dos medias
Paso 5: La decisión es no rechazar la hipótesis nula debido a que el valor del

estadístico de prueba –06620 ha caído en la zona de aceptación de dicha
hipótesis, concluyendo que no existe diferencia en la habilidad de aplicación de
conocimientos entre los estudiantes a distancia y los estudiantes de presencial,
con un nivel de significancia del 10%.
Prueba de hipótesis para observaciones pareadas o

relacionadas (con muestras pequeñas)
La característica principal para aplicar este tipo de prueba, es que las muestras
sean dependientes y el tamaño de cada muestra sea inferior a 30 elementos
seleccionados.
125
Ejemplo 3.9:
Un grupo de alumnos registra un índice de puntuación en estadística, que se

considera muy bajo para aceptarlos al siguiente nivel. Proceden a tomar un
curso de nivelación, obteniendo los siguientes registros antes y después del
curso. Con un nivel de significancia del 0.05 probar si el curso de nivelación
mejoró las condiciones del grupo.
Antes 128 105 119 140 98 123 127 115 122 145
Después 135 110 131 142 105 130 131 110 125 149
En estas condiciones hay un par de índices de eficiencia para cada miembro del
grupo, antes y después del curso,; éste conjunto de pares es lo que se
denomina muestra por pares. La prueba de hipótesis que se realiza para
determinar si hay diferencia entre los índices antes y después del curso de
nivelación, es lo que denomina prueba de diferencia por pares. Obsérvese que
las dos muestras, una antes y una después, dependen entre sí, debido a que los
mismos alumnos están en ambas pruebas, por tanto son dependientes.
La muestra está constituida por la diferencia entre los registros de puntuación

antes y después del programa. Así, la media de las diferencias entre los
registros de rendimiento, se designa mediante  d . Se presenta a continuación
el procedimiento de la prueba:
Ho :  d  0
Paso 1: H1 :  d  0
La hipótesis nula plantea que no hay diferencia de eficiencia después del curso.
La hipótesis alternativa plantea que el programa de nivelación mejoró el nivel de
los estudiantes.
Paso 2
Se usa un nivel de significancia del 5%, la muestra seleccionada es de 10
estudiantes considerada pequeña muestra, la distribución de probabilidad a
utilizar es la “t” student , con n – 1 grados de libertad.
Paso 3
El estadístico de prueba a utilizar es:
d
t
Sd
n
126
donde:
d :es la media de la diferencia entre las observaciones por pares.
Sd :es la desviación estándar de las diferencias entre las
observaciones por pares.
n :es el número de observaciones por pares.
G.L :son los grados de libertad (n –1)
Para determinar el calculo del estadístico de prueba se requiere conocer la

media de las diferencias y su desviación estándar, para lo cual procedemos a su
cálculo utilizando el siguiente cuadro:
Cuadro 3.6 Calculo estadístico sobre diferencia de medias

Muestra Registro Registro Diferencia d Diferencia al
antes después cuadrado
1 128 135 7 49
2 105 110 5 25
3 119 131 12 144
4 140 142 2 4
5 98 105 7 49
6 123 130 7 49
7 127 131 4 16
8 115 110 -5 25
9 122 125 3 9
10 145 149 4 16
Sumas 46 386
d
d 
46
 4.60
n 10
 d
 d  n
46
2 2
2
386 
Sd   10  4.40
n 1 10  1
Aplicando la fórmula, se obtiene:
d 4.6
t   3.30
Sd 4.4
n 10
127
Paso 4
El valor crítico de t para esta prueba de una cola a la derecha, es 1.833 que se
obtiene en la tabla de la distribución “t” (anexo D), ubicando en la columna de
la izquierda 9 grados de libertad y recorriendo a la derecha hasta la columna de
una cola con 0.05 nivel de significancia. En la siguiente gráfica se indica lo
expuesto:
Figura 3.8 Prueba de hipótesis por pares
Paso 5
Como el valor t (3.30) está en la región de rechazo de la hipótesis nula,
entonces se acepta la hipótesis alternativa y se concluye que el programa de
adiestramiento para los alumnos fue eficaz para aumenta su eficiencia.
Lección No 20: Pruebas de hipótesis para la varianza

Como su nombre lo indica, consiste en comparar tres o más medias de una
muestra para identificar su homogeneidad o variabilidad. esta técnica
estadística, normalmente es utilizada para analizar resultados en la
investigación con diseños experimentales y cuasi-experimentales; muchas
veces necesitamos comparar dos o más distribuciones que corresponden a
variaciones de una misma variable dependiente, afectada por una o más
variables independientes.
128
COMPARACIÓN DE DOS VARIANZAS POBLACIONALES
Su utilidad radica en determinar si una población normal tiene más variación que
otra población que se considera también normal. Como ejemplo se pueden
mencionar, si dos máquinas dedicadas a producir cierto artículo de precisión
pueden ser confiables en el control de calidad, es decir, el producto tiene el
mismo largor, el mismo diámetro y las variaciones presentadas son similares.
Ejemplo 16
La tasa media de rendimiento de dos tipos de acciones se pueden apreciar en el

siguiente cuadro, se desea saber si el rendimiento promedio es diferente a un
nivel de significancia del 0.10.
Acciones Rendimiento Desviación Tamaño de la

promedio estándar muestra
Tipo A 56 12 7
Tipo B 58 5 8
Ho :  12   22
Paso 1:
H1 :  12   22
La variación de los rendimientos promedios de las acciones es igual como la

hipótesis nula. La variación de los rendimientos de las acciones es diferente
como hipótesis alternativa.
Paso 2: Se selecciona un nivel de significancia de 0.01 utilizando la distribución

F.
Paso 3: El valor del estadístico de prueba sigue una distribución F, con la

siguiente relación:
S12 122
F  2  5.76
S22 5
Se acostumbra a colocar el mayor valor en el numerador, de tal forma que la

relación siempre será por lo menos igual a uno.
129
Paso 4
El valor crítico se obtiene del Anexo F, para lo cual se reproduce una parte de la
tabla. Debido a que utiliza una prueba de dos colas, el nivel de significancia para
  0.10  0.05
cada cola será de: 2 2 .
Grados de libertad para el numerador : n – 1 = 7-1 = 6

Grados de libertad para el denominador : n – 1 : 8 – 1 = 7
Para encontrar el valor crítico, se incorpora parte de la tabla del Anexo F:
Cuadro 3.8 Grados libertad numerador denominador
GRADOS LIBERTAD
NUMERADOR
G.L 5 6 7 8
Denominador
1 230 234 2.7 239
2 19.3 19.3 19.4 19.4
3 9.01 8.94 8.89 8.85
4 6.26 6.16 6.09 6.04
5 5.05 4.95 4.88 4.82
6 4.39 4.28 4.21 4.15
7 3.97 3.87 3.79 3.73
8 3.69 3.58 3.50 3.44
9 3.48 3.37 3.29 3.23
10 3.33 3.22 3.14 3.07
Paso 5: Dado que el valor de la distribución F (5.76) se encuentra a la derecha

del valor crítico (3.87), se acepta la hipótesis alternativa y se concluye que los
rendimientos promedios de las acciones son diferentes.
Ejercicios: 4
1. Suponga que se va efectuar una prueba de hipótesis para un proceso en el

cual un error de tipo II sería muy costoso, no así el error tipo I que sería
bastante más barato y tendría poca importancia. Cual sería entonces de los
siguientes valores la mejor opción para el nivel de significación de cometer un
error tipo I en esta prueba?: 0.01; 0.1; 0.25; 0.5
R/ta: 0,25
130
2. Un grupo de investigadores de una escuela introdujeron un programa de

preparación para el ingreso a la universidad. Al finalizar el año, 125 estudiantes
tomaron los exámenes de admisión de la universidad obteniendo en la prueba
un promedio de 590 puntos con una desviación estándar de 35 puntos. En
años anteriores el puntaje promedio obtenido en esta misma prueba fue de 580
puntos. Si se quiere probar a un nivel de significación del 5%, si el programa
mejora el puntaje. Las Hipótesis a Probar son:
R/ta: H0 µ ≤ 580 H1: µ > 58
3. A fin del mes de marzo de 2007 la empresa brasilera compro el 51% de las
acciones de Paz del Rio S.A a razón de $120 la acción. En el mes de junio de
2007, en una muestra de 500 acciones, la razón promedio de las acciones
cotizadas en la bolsa de valores de Bogotá fue de $95, con una desviación
estándar de $20. ¿Si queremos saber si se puede afirmar que esta muestra
ofrece suficiente evidencia en un nivel de significancía de 0.05, que durante el
mes de junio de 2007 el precio de estas acciones en la bolsa de valores de
Bogotá se desmejoraron, ¿las hipótesis a probar son?:
R/ta: Ho: µ = 120 H1 : µ < 120.
4. El puntaje promedio tradicional de una prueba de admisión a una universidad

es de 580 puntos. Se realizó una prueba con 125 aspirantes cuyo promedio fue
590 puntos, con una desviación estándar de 35 puntos. Si se quiere probar a un
nivel de significación de 5% si el promedio ha mejorado. Las hipótesis a probar
son:
R/ta: H0 µ = 580 H1: µ > 580
5. Un fabricante asegura a una empresa que le compra regularmente un

producto que el porcentaje de defectuosos no es mayor del 5%. La compañía
decide comprobar la afirmación del fabricante, seleccionando de su inventario
50 unidades de ese producto y probándolas. Deberá sospechar la empresa de
la afirmación del fabricante cuando el intervalo de confianza de la verdadera
proporción de artículos defectuosos sea:
R/ta: (0.08 y 0.12)
6. Una marca de nueces afirma que, como máximo, el 6% de las nueces están
vacías. Se eligieron 300 nueces al azar y se detectaron 21 vacías.
1.Con un nivel de significación del 1%, ¿se puede aceptar la afirmación de la
marca?
R/ta: Aceptamos la hipótesis nula H0. Con un nivel de significación del 1%.
131
7. La duración de la bombillas de 100 W que fabrica una empresa sigue una

distribución normal con una desviación típica de 120 horas de duración. Su vida
media está garantizada durante un mínimo de 800 horas. Se escoge al azar una
muestra de 50 bombillas de un lote y, después de comprobarlas, se obtiene una
vida media de 750 horas. Con un nivel de significación de 0,01, ¿habría que
rechazar el lote por no cumplir la garantía?
R/ta: Rechazamos la hipótesis nula H0. Con un nivel de significación del 1%
8. Un fabricante de lámparas eléctricas está ensayando un nuevo método de

producción que se considerará aceptable si las lámparas obtenidas por este
método dan lugar a una población normal de duración media 2400 horas, con
una desviación típica igual a 300. Se toma una muestra de 100 lámparas
producidas por este método y esta muestra tiene una duración media de
2320 horas. ¿Se puede aceptarr la hipótesis de validez del nuevo proceso de
fabricación con un riesgo igual o menor al 5%?
R/ta: Rechazamos la hipótesis nula H0, con un nivel de significación del

5%.
Aplicaciones en Excel y SPSS. 1

A. Excel
Excel dispone de funciones que permiten realizar contrastes de hipótesis de
igualdad de medias y varianzas, de independencia y ajuste de la chi – cuadrado
y otros contrastes. A continuación se presenta la sintaxis de estas funciones:
Cuadro 3.9 Funciones de pruebas de hipótesis
PRUEBA. CHI (rango Realiza las pruebas de independencia y ajuste de la
1; rango 2) CHI – CUADRADO para los valores actuales
(definidos por rango 1) y esperados dados (definidos
por rango 2). Calcula el valor de la CHI – CUADRADO
y el p-valor del contraste.
PRUEBA F (x, y) Realiza la prueba de igualdad de varianzas para dos
muestras x e y, calculando la probabilidad de la
igualdad.
PRUEBA T( x; y) Realiza la prueba T de Student de igualdad de medias
para dos muestras x e y, calculando la probabilidad
de la igualdad. El parámetro n puede valer 1 ó 2,
según el número de colas de la T. El parámetro tipo
vale 1 si los datos son pareados, vale 2 si las
varianzas de las muestras se suponen iguales, y vale
132
3 si las varianzas de las muestras se suponen

desiguales.
PRUEBA Z (x; a; b) Realiza la prueba de que la observación a provenga
de la población cuya muestra es x, siendo b la
desviación típica. La función devuelve la probabilidad
de dicho evento.
B. SPSS
Ejemplo 2.17
Un agente de seguros vende pólizas a cinco individuos todos de la misma edad.

De acuerdo con las tablas actuariales, la probabilidad de que una persona con
esa edad viva 30 años más es de 3/5. Determine la probabilidad que dentro de
30 años vivan:
a. Al menos 3 individuos.
b. Como mucho dos individuos.
Dado que la situación de cada individuo es que viva o que no viva, y una de las
dos alternativas se debe de presentar, la situación de cada individuo se ajusta a
una variable de Bernoulli con probabilidad de éxito (vivir 30 años más) igual a
3./5 = 0.6. Al considerar los 5 individuos, se esta ante una variable X Binomial
con n = 5, p = 0.6. Se designa F(X) como la función de distribución, en donde
para el literal a, habrá de calcularse P(X>=3).
Para calcular la probabilidad pedida se selecciona transformar, calcular

(previamente es necesario tener cargado un fichero cualquiera en memoria
como se indica en la siguiente figura..
Figura 3.10
133
Se trata de identificar la distribución Bernoulli, que solicita la cantidad y la

probabilidad para calcular la probabilidad acumulada para los parámetros
solicitados. En la figura siguiente se detalla la función desplegada en la ayuda.
Figura 3.11
En la siguiente figura se muestra la pantalla como resultado de haber

seleccionado la figura 3.10 relacionada con el cálculo de la variable.
Figura 3.12
134
Actividades de aprendizaje.
Excel contiene varias herramientas de análisis útiles para realizar contrastes de

hipótesis. La opción análisis de datos del menú herramientas le lleva al cuadro
de dialogo de la siguiente figura:
Figura 3.12 Ventana de análisis de datos
Observe que puede realizar contrastes de pruebas t para medias de dos

muestras emparejadas, para dos muestras suponiendo varianzas iguales, para
dos muestras suponiendo varianzas desiguales y prueba z para medias de dos
muestras.
PRUEBA T PARA MEDIAS DE DOS MUESTRAS ENPAREJADAS
135
Es posible ejecutar una prueba T de Student de dos muestras pareadas para

determinar si las medias de las dos muestras son iguales suponiendo que las
varianzas de ambos conjuntos de datos son iguales. Esta prueba generalmente
se utiliza cuando un par natural de observaciones en las muestras, como por
ejemplo, cuando un grupo de muestra se somete dos veces a prueba, antes de
un experimento y después de este. Si elige dicha opción en el cuadro de dialogo
aparece la siguiente figura:
Figura 3.13 ventana de prueba t de dos muestras
Rango para la variable 1 y 2: Se introduce la referencia de celda

correspondiente al primer y segundo rango de datos que desea analizar. El
rango debe constar de una única fila o una única columna.
Diferencia hipotética entre medias: Se introduce el número cero para indicar,

que según la hipótesis, las medias de las muestras son iguales.
Rótulos: Activa la casilla si la primera fila o columna del rango de entrada

contiene rótulos y la desactiva si carece de rótulos. El programa genera los
rótulos de datos correspondientes para la tabla de resultados.
Alfa: Se introduce el nivel de significancia para la prueba, valor que debe estar
comprendido entre el rango de cero y uno. El nivel alfa es un nivel de
importancia relacionado con la probabilidad de que haya un error de tipo I
(rechazar una hipótesis verdadera).
Rango de salida: Se introduce la referencia correspondiente a la celda superior

izquierda de la tabla de resultados y el programa determina el tamaño del área
de resultados y muestra un mensaje si la tabla de resultados reemplaza datos
ya existentes.
136
En cuanto a las opciones de salida, se presenta “En una hoja nueva” para
insertar una hoja en el libro actual y pegar los resultados comenzando por la
celda A1 de la nueva hoja de cálculo. “En un libro nuevo” para crear un nuevo
libro y pegar los resultados en una hoja del libro creado.
En el siguiente ejemplo de muestras emparejadas suponga que en un

experimento de 6 lotes de terreno, la mitad de cada lote fue sembrado con una
semilla resistente y la otra mitad con semilla corriente. Los resultado al momento
de la recolección fue el siguiente en Kilos:
Semilla resistente Semilla corriente

84 72
76 70
104 90
103 94
91 93
90 90
Se desea probar si existe alguna diferencia significativa entre las semillas. En el

presente ejemplo de muestras apareadas se tiene la opción de salida utilizando
después de haber registrado la información:
Figura 3.14 Resultados de prueba de muestras pareadas
De acuerdo con los resultados se rechaza la igualdad de medias para el

contraste de una cola puesto que el valor crítico de T (2,01504918) es menor
137
que el valor del estadístico de prueba t (2,47152458), es decir, esta ubicado en

la región critica o de rechazo de la hipótesis nula. Además, la probabilidad o p-
valor (0.02821228) es menor que el nivel alfa propuesto de 0.05.
Observando los resultados para el contraste de dos colas, se acepta la igualdad

de medias, puesto que el valor crítico de t (2.57057764) es mayor que el valor
del estadístico de prueba t (2.47152458), es decir, cae fuera de la región crítica
o de rechazo, además, la probabilidad o p-valor (0.05642456) es mayor
ligeramente al nivel alfa estipulado de 0.05.
PRUEBA T PARA DOS MUESTRAS SUPONIENDO VARIANZAS IGUALES Y

DESCONOCIDAS.
En Excel es posible ejecutar una prueba t de Student en dos muestras para

determinar si sus medias son iguales suponiendo que las varianzas de ambos
conjuntos de datos son desconocidas e iguales. Esta prueba se conoce con el
nombre de prueba t homocedástica. En el cuadro de diálogo de “Análisis de
datos” se elige prueba t para dos muestras suponiendo varianzas iguales. El
siguiente ejemplo permite entender el contraste, suponga que se están
utilizando ampollas de la marca A durante muchos años, pero se contempla el
cambio a la marca B debido a un mejor precio. Se afirma que la marca B es tan
bueno como el A y a fin de contrastar dicha afirmación se toman las siguientes
muestras de cada una de las marcas y se verifica el tiempo en horas de efecto
y si se admite que no existe competencia entre las dos marcas, se trata de
probar la hipótesis de que el efecto en horas de las ampollas de la marca B es
igual a las de la marca A.
El cuadro de dialogo para la prueba se muestra a continuación:
Figura 3.15 Prueba t para dos muestras
138
La salida correspondiente a las opciones de la prueba t para dos muestras

suponiendo varianzas iguales se muestran en la siguiente figura:
Figura 3.16 Resultados prueba t dos muestras
139
En el ejemplo de las ampollas marca A y B se puede apreciar en el cuadro

anterior que se rechaza la igualdad de medias, tanto para el contraste de una
cola como para el contraste de dos colas, puesto que ambos valores críticos de
t (1.7396064 y 2.1098185) son menores que el valor del estadístico de prueba t
(2.5235223), es decir, caen dentro de la región crítica o de rechazo. Además las
dos probabilidades o p-valores (0.0109339 y 0.0218678) son menores que el
alfa propuesto de 0.05.
PRUEBA T PARA DOS MUESTRA SUPONIENDO VARIANZAS DESIGUALES

Y DESCONOCIDAS.
En Excel es posible ejecutar una prueba t Student en dos muestras para

determinar si sus medias son iguales, suponiendo que las varianzas de ambos
conjuntos de datos son desconocidas y desiguales. Esta prueba se conoce con
el nombre de prueba t heterocedástica. Si en el cuadro de dialogo de “Análisis
de datos” se elige la prueba t para dos muestras suponiendo varianzas
desiguales, se obtiene el siguiente cuadro de diálogo:
Figura 3.17 Ventana para prueba t de dos muestras
Para entender la prueba de t para dos muestras suponga que un ingeniero

químico quiere analizar la cantidad de nicotina de dos marcas diferentes de
cigarrillos (X y Y) para lo cual dispone de la información que se presenta junto
con el cuadro de salida de la prueba:
140
Figura 3.18 resultados para prueba t de dos muestras
En el ejemplo del contenido de nicotina para las dos marcas de cigarrillos, se

rechaza la igualdad promedio de nicotina, tanto para el contraste de una cola
como para el contraste de dos colas, puesto que ambos valores críticos de t
(1.7396064 y 2.1098185) son menores que el valor estadístico de prueba t
(2.5156445), es decir, caen dentro de la región crítica o de rechazo. Además las
dos probabilidades o p-valores (0.011112 y 0.0222241) son menores que el
nivel alfa propuesto de 0.05.
CONTRASTE Z PARA DIFERENCIAS DE MEDIAS SUPONIENDO

VARIANZAS CONOCIDAS.
En Excel también es posible ejecutar una prueba Z de la normal en dos

muestras para determinar si sus medias son iguales, suponiendo que las
varianzas de ambos conjuntos de datos son conocidas. Si en el cuadro de
diálogo “Análisis de datos” se elige la opción Prueba Z para medias de dos
muestras, suponiendo que las cifras que se registran corresponden al análisis
de proteínas realizadas a una misma variedad de trigo cosechada en dos
distritos diferentes, y se desea contrastar si existe alguna diferencia significativa
en la cantidad promedio de proteína en los dos distritos, se obtiene el siguiente
cuadro de diálogo:
141
Figura 3.19 Ventana para prueba z de dos muestras
La opción de salida se muestra en el siguiente cuadro u corresponde a las

opciones de la prueba Z para medias de dos muestras:
Figura 3.20 Resultados de una prueba Z para dos muestras
En el presente ejemplo de las muestras de trigo de los dos distritos, se acepta la

igualdad del contenido promedio de proteínas, tanto para el contraste de una
142
cola como para el contraste de dos colas, puesto que ambos valores críticos de
Z ( 1.64485348 y 1.95996279) son mayores que el valor estadístico de prueba Z
(0.19377279), es decir, cae fuera de la región crítica o de rechazo. Además, la
probabilidad o p-valor (0.42317692) es mayor que el nivel alfa preestablecido de
0.05.
Auto evaluación
Información de retorno al final del módulo.
3.1 ¿Qué es una prueba de hipótesis?

3.2 Enumere el procedimiento de los cinco pasos para probar una hipótesis?
3.3 Se dispone del producto XX para agregarlo al maíz durante la etapa de
crecimiento con el propósito de agregar peso a la mazorca. Para
determinar si el producto fue eficaz, se seleccionaron aleatoriamente 400
mazorcas que recibieron el tratamiento; se pesó cada mazorca y su peso
medio fue de 16 onzas con una desviación estándar de 1 onza. De igual
manera , se pesó 100 mazorcas de maíz no tratado y la media fue de
15.2 onzas con una desviación estándar de 1.2 onzas.
3.3.1 Utilizando una prueba de una cola y el nivel de 0.05, ¿es posible decir
que el producto XX actuó eficazmente para dar más peso al maíz?.
3.3.2 Muestre la regla de decisión gráficamente.
3.4 Una persona cree que las latas de 16 onzas de un determinado enlatado
se están llenando en exceso. El departamento de control de calidad tomó
una muestra aleatoria de 50 envases y encontró que el peso promedio es
de 16.05 onzas, con una desviación estándar de 0.03 onzas. En el nivel
de significancia de 5%.
3.4.1 ¿Puede rechazarse la hipótesis de que el peso promedio es igual a 16
onzas?
3.4.2 Determine el p valor.
Resumen
Cuando las personas toman decisiones lo hacen con base en creencias que
tienen en relación a su concepto de realidad. Cada una de estas creencias
origina una hipótesis, que es una proposición avanzada con posibilidad de ser
verdadera. La prueba de hipótesis es un método sistemático de evaluar
creencias sobre la realidad que requiere de la confrontación de una creencia
con una evidencia y decidir si puede mantenerse como razonable o descartarse
por insostenible, e intervienen 5 pasos principales.
El primer paso es la formulación de dos hipótesis opuestas, la hipótesis nula

simbolizada por H 0 y la hipótesis alternativa simbolizada por H1 siendo ambas
143
mutuamente excluyentes y también colectivamente exhaustivas, las cuales se

pueden expresar en varias formas, mientras que la hipótesis nula puede ser
expresada como exacta o inexacta, la alternativa siempre se expresa como
inexacta de dos o una cola.
El paso dos es la determinación del nivel de significancia y por supuestamente

el tipo de distribución de probabilidad a utilizar, con el propósito de fijar los
puntos críticos de la prueba, sea para una prueba de una cola o de dos colas.
El paso tres es la selección del estadístico de prueba a calcular a través de una
muestra aleatoria simple tomada de la población de interés para establecer la
probable verdad o falsedad de la hipótesis nula.
El paso cuatro es la confrontación con la regla de decisión, que consiste en

aceptar o rechazar la hipótesis nula. El rechazo erróneo de una hipótesis nula
que en realidad es verdadera se llama error tipo I y ocurre con una probabilidad
de  . La aceptación errónea de una hipótesis nula que en efecto es falsa se
llama error tipo II y ocurre con una probabilidad  . Dado el tamaño muestral de
n, cualquier cosa que reduzca  hará aumentar  en forma automática. Las
dos probabilidades complementarias 1   con respecto a  y 1   con
respecto a  , se conocen respectivamente como el nivel de confianza y la
potencia de la prueba de hipótesis. La relación entre los errores tipo I y tipo II se
pueden describir con ayuda de la correspondiente curva.
El paso 5 es la toma de la decisión con relación a la hipótesis nula planteada.

Los procedimientos modernos de pruebas de hipótesis aún están sujetos a
controversia considerable y los críticos presentan preocupaciones por las
violaciones serias de suposiciones.
Aplicaciones en Excel y SPSS.
A. Excel
GENERACIÓN DE NÚMEROS ALEATORIOS
Excel dispone de funciones para la obtención de números aleatorios

independientes, extraídos según una distribución dada, utilizando herramientas
de análisis. Si en el cuadro de diálogo “Análisis de datos” de la figura 2.5 elige
“Generación de números aleatorios” de la figura 2.6.
144
Figura 2.6 Generación de números aleatorios
En el cuadro de número de variables introduzca el número de columnas de

valores que desee incluir en la tabla de resultados; si no introduce valor alguno,
el programa rellenará todas las columnas del rango de salida que se haya
especificado. En el cuadro de “Cantidad de números aleatorios” introduzca el
número de puntos de datos que dese ver; si no introduce algún número el
programa rellenará todas las columnas del rango de salida que haya
especificado. En el cuadro de “Distribución” haga clic en distribución estadística
que desee utilizar para crear los valores aleatorios
Las distribuciones posibles son:
145
 Uniforme: caracterizada por los límites inferior y superior. Se

extraen las variables con probabilidades iguales de todos los
valores del rango.
 Normal: Caracterizada por una media y una desviación estándar.

Una aplicación normal utiliza una media cero y una desviación
estándar de uno para la distribución estándar normal.
 Bernoulli: Caracterizada por la probabilidad de éxito (valor P) en un

ensayo dado. Las variables aleatorias de Bernoulli tiene un valor
cero ó uno; por ejemplo, puede trazarse una variable aleatoria
uniforme en el rango 0...... Si la variable es menor o igual que la
probabilidad de éxito, se asigna el valor uno a la variable aleatoria
de Bernoulli; en caso contrario se le asigna el valor de cero.
 Binomial: Caracterizada por una probabilidad de éxito (valor P)

durante un número de pruebas; por ejemplo, se puede generar
varables aleatorias de Bernoulli de número de pruebas, cuya suma
es una variable aleatoria binomial.
1
 Poisson: Caracterizada por un valor lambda, igual a . La
M edia
distribución de Poisson se utiliza con frecuencia para caracterizar
el número de incidencias por unidad de tiempo; por ejemplo, el
ritmo promedio al que llegan los vehículos a una garita de peaje.
 Frecuencia relativa: Caracterizada por un límite inferior y superior,

un incremento, un porcentaje de repetición para valores y un ritmo
de repetición de la secuencia.
 Discreta: Caracterizada por un valor y el rango de probabilidades

asociado. El rango debe contener dos columnas. La columna
izquierda debe contener valores, y la derecha probabilidades
asociadas con el valor de esa fila. La suma de las probabilidades
debe ser igual a uno
En el campo de parámetros introduzca un valor o varios valores para

caracterizar la distribución seleccionada.- En el campo “Iniciar con” escriba un
valor opcional a partir del cual se generan los números aleatorios. En el cuadro
de “Rango de salida” introduzca la referencia correspondiente a la celda
superior izquierda de la tabla de resultados. Haga clic en aceptar y se muestra
la salida correspondiente a la opción de generación de números aleatorios
146
OBTENCIÓN DE MUESTRA ALEATORIA SIMPLE
Adicionalmente Excel permite obtener una muestra aleatoria simple con

reposición de una población numerada dada como rango de entrada. En el
cuadro de diálogo “Análisis de datos” se elige “Muestra como se indica en el
cuadro 2.7, se obtiene el cuadro de diálogo de la muestra de la figura 2.8. A
continuación se explica la funcionalidad de todos los campos del cuadro de
diálogo de la muestra.
Figura 2.8 Ventana del dialogo para la muestra
147
Rango de entra: Introduzca la referencia correspondiente al rango de datos que

contenga la población de valores de los que desee extraer una muestra.
Rótulos: Active ésta casilla si la primer afila y la primera columna del rango de
entrada contiene rotulo. Desactive si el rango de entrada carece de rotulo.
Método de muestreo: Haga clic en el periódico o aleatorio para indicar el
intervalo de muestreo que desee.
Periodo: Introduzca el intervalo en el que desee realizar la muestra. El valor n
del período del rango de entrada y cada valor n del período siguiente se copian
en la columna de resultados. El muestreo termina cuando se llegue al final del
rango de entrada.
Número de muestra: Introduzca el número de valores aleatorios que desee en la
columna de resultados. Cada valor se extrae de una posición aleatoria del rango
de entrada, y puede seleccionarse cualquier número más de una vez.
Rango de salida: Introduzca la referencia correspondiente a la celda superior
izquierda de la tabla de resultados. Los datos se escriben en una sola columna
debajo de la celda. Si selecciona “Periódico”, el número de valores de la tabla
de resultados es igual al número de valores del rango de entrada dividido por la
tasa de muestreo. Si selecciona “Aleatorio”, el número de valores de la tabla de
resultados es igual al número de muestras.
En hoja nueva: Hace clic en ésta opción para insertar nueva hoja en e libro
actual y pegar los resultados, comenzando por la celda A1 de la nueva hoja de
cálculo. Para darle un nombre a la nueva hoja de cálculo, escríbalo en el
cuadro.
En libro nuevo: Haga clic en ésta opción para crear un libro nuevo y pegar los
resultados en una hoja nueva del libro creado.
Al pulsar aceptar en la figura 2.8, se obtiene la muestra aleatoria simple con ó
sin reposición.
B. SPSS
Ordenar casos
Para ordenar una variable aleatoria de un archivo en SPSS, elija en los menús:
datos, seleccionar casos como se indica en la figura:
148
Figura 2.9
Al hacer clic en ordenar datos aparece la siguiente figura que permite ordenar
por la variable en que se esté interesado, para el caso se ha seleccionada la
edad.
Figura 2.10
Seleccionar una muestra aleatoria

En la barra de menú elija datos, y selecciona casos como se indica en la figura:
149
Figura 2.11
Al pulsar clic en seleccionar casos se logra la siguiente figura:
Figura 2.12
Al lado derecho de la figura selecciona muestra aleatoria de casos y pulsando

muestra le obtiene la siguiente figura:
150
Figura 2.13
El método de muestreo le permite introducir el porcentaje o el número de casos,

que para el caso se selecciona el 10% y hace clic en aceptar, donde se puede
observar en la vista de datos la selección de la muestra correspondiente al 10%
del total de la muestra.
Ejercicio 2.15
Generar 20 números aleatorios distribuidos uniformemente en el intervalo (0,1).

Generar igualmente 20 números aleatorios entre 50 y 100.
Desarrollo: En la primera fila escribe en A1 “número de orden”; En A2 escribe

ALEATORIO (0,1) y en A3 ALEATORIO (50,100), como se indica en la siguiente
pantalla:
Figura 2.14 Ventana Excel de entrada de información
151
Aunque no es necesario en este caso, se inicia introduciendo los 20 primeros

números naturales en el rango A2:A21 aunque solo sea para usarlos como
referencia. En la celda B2 introduce la fórmula =ALEATORIO(), y en la celda C2
introduce la fórmula =ALEATORIO.ENTRE(50;100). En la figura 2.14 se
presentó la estructura de fórmulas, y los resultados obtenidos al arrastrar hacia
abajo 20 lugares ambas fórmulas.
Ejercicio 2.16:
Generar 15 números aleatorios distribuidos según una variable de Poisson de

media 4 y según una binomial(40,1/10)
Desarrollo:
En el menú Herramientas de Excel elige “Análisis de datos”, a continuación

selecciona “Generación de números aleatorios” y rellena la pantalla de entrada
como se indica en la figura 2.7 y 2.8, obteniendo los resultados de la figura 2.9.
Se observa que los rangos de los dos conjuntos de números aleatorios son
parecidos, puesto que una binomial (n,p) puede aproximarse por una Poisson
de parámetros np, siempre que np  5 y p  1 para el caso del enunciado.
10
Figura 2.15 Ventana variable Poisson
152
Figura 2.16 Ventana variable binomial
Figura 2.17 Resultados ejercicio 2
Auto evaluación
Información de retorno al final del módulo.
2.1 ¿Qué es una muestra probabilística?

2.2 Una población consiste en los cuatro valores siguientes: 12, 12, 14, 16.
2.2.1 ¿Cuántas muestras de tamaño dos sin reemplazamiento son posibles?
2.2.2 Liste todas las posibles muestras de tamaño dos y calcule la media de
cada muestra?
2.2.3 Determine la media de las medias maestrales y la media de la población.
Compare los dos valores.
2.3 ¿En qué consiste el Teorema del límite central?
153
2.4 Suponga que un candidato a la alcaldía desea una estimación de la

proporción de la población de la localidad que apoya su política. Es
postulante desea que la estimación este dentro del 0.04 de la proporción
verdadera. Considere que se usa un nivel de confianza de 0.95. El partido
del candidato estima que la proporción que apoya la política actual es de
0.60.
2.4.1 ¿Qué tan grande debe ser la muestra?
2.4.2 ¿Cuán grande debe ser la muestra si no se contara con la estimación del
partido del candidato?
Resumen.
Cuando se realiza una investigación se trata de buscar información sobre

características numéricas de un conjunto de elementos, al que se le denomina
población. Por lo general debido a problemas de tiempo y costo es difícil o
imposible estudiar cada individuo o elemento de la población, y es necesario
examinar solamente una parte de la población seleccionada adecuadamente a
la que se le da el nombre de muestra.
Para extraer conclusiones sobre las características desconocidas de la

población se procede a aplicar uno de los métodos probabilisticos de muestreo,
entre los cuales se tiene el muestreo aleatorio simple, el muestreo estratificado,
el muestreo por conglomerados y el muestreo sistemático, los cuales son
aplicados dependiendo de las características que tiene los elemento de la
población.
Una población se conoce cuando se logra identificar su función de probabilidad

o función de densidad de la variable aleatoria asociada; por lo general dicha
función no se conoce y tampoco sus parámetros (media y desviación estándar),
entonces se hace necesario estimarlos con base en la información suministrada
por el estudio de muestras aleatorias de la población. Los valores obtenidos de
una muestra con el propósito de estimar los parámetros de la población se le
conoce como estimadores o estadísticos. Un estadístico muestral, es una
variable aleatoria cuya distribución se conoce con el nombre de distribución
muestral, para la cual se puede calcular la media y la desviación estándar
(conocida también como el error típico).
Para ilustrar lo anterior se considera estudiar todas las posibles muestras de un

determinado tamaño que se pueden tomar de una población y se calcula el
estadístico para cada muestra, obteniendo tantos valores cuantas muestras
haya y por tanto se obtiene la distribución del estadístico o distribución muestral.
Si se tiene una muestra de cierto tamaño y se obtiene tantos valores

estadísticos como muestras se logren obtener, la distribución muestral de
medias tiene una distribución normal, en donde la media de la población es igual
154
a la media de la distribución muestral de medias; la varianza de la distribución

muestral de medias es igual a la varianza poblacional dividida entre el tamaño
de la muestra, para poblaciones infinitas o muestreo con reemplazamiento. Este
planteamiento se le conoce como el teorema central del límite, de amplia
aplicación dentro de la teoría del muestreo.
Cuando se trabaja con muestras siempre se presentan algunos errores de

muestreo debidos a que las muestras varían de una a otra y los riesgos pueden
ser apreciados gracias a la teoría de probabilidad. El error de muestreo depende
del tamaño de la muestra, y entre más grande sea la muestra menor será el
error, pero en términos económicos es más costosa, por lo que es importante
tener criterio para el cálculo del tamaño de muestra, utilizando formulas basadas
en las propiedades de la distribución normal y el error estándar, las cuales
permiten calcular tamaños de muestra para medias y para proporciones,
teniendo en cuenta si el muestreo es con o sin reemplazamiento.
Finalmente se ponen en práctica algunas aplicaciones sobre la generación de

números aleatorios y tamaños de muestra generados por Excel y SPSS.
CAPITULO CINCO: ANÁLISIS DE VARIANZA
Introducción.
En esta unidad se prosigue con el análisis de pruebas de hipótesis. Recuerde

que en capítulo anterior se examinó la teoría general de la prueba de hipótesis y
se describió el caso en el que fue seleccionada una muestra grande a partir de
la población. Se empleó la distribución Z como base para determinar si es
razonable concluir que una media calculada a partir de una muestra, proviene
de una población hipotética. Además se probó si dos medias muestrales
provienen de poblaciones iguales. También se efectuaron pruebas de una y dos
muestras para relaciones proporcionales utilizando la distribución normal como
entidad estadística de prueba. Se utilizó la distribución t como entidad
estadística de prueba para muestras pequeñas (con menos de 30
observaciones)
Cuando se desea conocer la homogeneidad que existe entre tres o más medias
muestrales, se procede a determinar la variabilidad entre esas medias, técnica
que se conoce como “análisis de varianza”. Es decir, cuando productos o
individuos son sometidos a tratamientos determinados para ver cómo éstos
influyen en resultados o comportamientos, lo más aconsejable es utilizar la
técnica de análisis de varianza.
155
El objetivo del análisis de varianza es determinar cuales son las variables

independientes de importancia en un estudio, y en qué forma interactúan y
afectan la respuesta.
Objetivo general.
Reconocer la importancia principios en que se basa y campos de aplicación de

la técnica de Análisis de Varianza.
 Comprender la noción general del análisis de varianza.

 Realizar una prueba de hipótesis para determinar si dos varianzas
muestrales provienen de poblaciones iguales.
 Probar e interpretar hipótesis aplicando el análisis simple de varianza.
 Establecer y organizar datos en una tabla de ANOVA de una y de dos
direcciones.
 Plantear, probar e interpretar hipótesis de análisis de varianza de dos
factores de diseño de bloque aleatorizado.
 Plantear, probar e interpretar hipótesis de análisis de varianza de dos
factores con interacción o diseño de factorial.
 Definir los términos tratamientos y bloques.
 Dar a conocer el manejo de la herramienta de Análisis de varianza en
Excel.
Lección No 21: Generalidades.

Como su nombre lo indica, el ANALISIS DE VARIANZA, consiste en comparar
tres o más medias de una muestra para identificar su homogeneidad o
variabilidad.
Del análisis de varianza, podemos decir que esta técnica estadística,

normalmente es utilizada para analizar resultados en la investigación con
diseños experimentales y cuasi-experimentales; muchas veces necesitamos
comparar dos o más distribuciones que corresponden a variaciones de una
misma variable dependiente, afectada por una o más variables independientes.
Teóricamente es posible dividir la variabilidad del resultado de un experimento

en dos partes: la originada por factores o tratamientos que influyen directamente
en el resultado del experimento, y la producida por el resto de factores
desconocidos o no controlables, que se conoce con el nombre de error
experimental
156
Un modelo de análisis de varianza es de efectos fijos cuando los resultados

obtenidos sólo son válidos para esos determinados niveles del factor estudiado
y lo que ocurra a otros niveles del factor puede ser diferente.
Un modelo de análisis de varianza es de efectos aleatorios cuando los

resultados obtenidos son válidos para cualquier nivel del factor estudiado.
Un modelo es replicado si el experimento se repite varias veces para cada nivel

del factor; en caso contrario se dice que el modelo es por unidad de casilla.
SUPUESTOS DEL ANÁLISIS DE VARIANZA
 Para cada población la variable de respuesta está normalmente

distribuida.
 La varianza de la variable respuesta es la misma para todas las
poblaciones.
 Las observaciones deben ser independientes.
- Comparación múltiple de medias muestrales.
El análisis de varianza se usa para probar la igualdad de K medias

poblacionales y la forma general del planteamiento de las hipótesis es:
H o :  1   2  ...   K
H 1 : No todas las medias de la población son iguales.
Donde:  j = Media de la j-ésima población.
Si supone que se ha tomado una muestra aleatoria simple de tamaño n j de

cada una de las K poblaciones, se tiene:
X ij  Valor de cada observació n i para el tratamiento j.

n j  Cantidad de observacio nes en el j - ésimo tratamiento.
X j  M edia de la muestra del j - ésimo tratamiento.
S2j  Varianza de la muestra del j - ésimo tratamiento.
S j  Desviación estándar de la muestra del j - ésimo tratamiento.
La media general de las muestra, está representada por X , y es la suma de

todas las observaciones divida entre la cantidad total de las mismas, expresada
de la siguiente forma:
157
K nj
 X
j 1 i 1
ij
X 
nt
Donde: nt  n1  n2  ...  nK
Si el tamaño de cada muestra es n, nT  kn , la ecuación de la media general se

reduce a:
K nj K nj K
X ij
 X
j 1 i 1
ij 
j 1 i 1
n X
j 1
j
X   
nt K K
En otras palabras, cuando los tamaños de muestra son iguales, la media

general muestral es justamente el promedio de las medias de las K muestras.
Ejemplo 1
Suponga que una empresa tiene tres dependencias diferentes en donde

produce tubos de iluminación, y desea verificar el control de calidad en cuanto a
duración se refiere de las bombillas, y para ello toma una muestra de 6 unidades
de cada factoría y las somete a desgaste hasta que dejan de iluminar con los
siguientes resultados en horas:
Observación Planta 1 Planta 2 Planta 3 total

1 85 71 59
2 75 75 64
3 82 73 62
4 76 74 69
5 71 69 75
6 85 82 67
XJ 79 74 66 73
S J2 34 20 32
SJ 5.83 4.47 5.66
nJ 6 6 6 18
n
474 444 396 1314
X
J !
iJ
158
La media general es igual a:
X J
79  74  66 219
X  J 1
   73
nJ 18 3
Se observa que se obtienen las medias para cada tratamiento (79,74,66) y una
media general (73). Para llevar a cabo la prueba de la igualdad de las medias
de la población, se subdivide la variación total en dos mediciones:
 Diferencia entre los grupos.

 Diferencia dentro de los grupos.
La varianza de la muestra total se particiona en la varianza dentro de las plantas

y la varianza entre las plantas, tal como se indica en el siguiente gráfico:
Figura 5.1 Componentes de la variación total
Variación Variación Variación entre

total (VT) dentro del grupo (VEG)
= grupo (VDG) +
 
k n 2
Variación total (VT) =  X ij  X = VT

j 1 i 1
2
3  X  X   85  732  75  732  ...  71  732  75  732  ... 
6
VT     ij 
J 1 i 1
59  732  64  732  946
K n
 X
j 1 i 1
ij
X  La gran media o media general.

n
X ij  es la i-ésima observación del grupo, nivel o tratamiento j.

n j  es el número de observaciones del grupo, nivel o tratamiento j.
159
n es el total del número de observaciones en todos los grupos

combinados.
K  es el número de grupos, niveles o tratamientos del factor de interés.
 
k n
Variación dentro del grupo (VDG) =  X ij X j
2
= VDG
j 1 i 1
3 6 85  792  75  792  ...  71  742  75  742  ... 
VDG  
j 1 I 1 59  66   64  66   ....  430
2 2
X ij  es la i-ésima observación del grupo, nivel o tratamiento j.
X j  es la media de la muestra del grupo, nivel o tratamiento j.
Variación entre grupos (VEG) =

K

nj X j  X
j 1
 = VEG
2
3 2
VEG   n6  X  X   679  73  674  73  666  73  516
2 2 2
J 1  
K= es el número de grupos, niveles o tratamientos que se están

comparando.
n j  es el número de observaciones del grupo, nivel o tratamiento j.
X j  es la media de la muestra del grupo, nivel o tratamiento j.
X  es la media general o gran media.
Compruebe que la variación total sea igual a la sumatoria de la variación entre y

dentro de los grupos.
Puesto que K niveles están siendo comparados, existen (K-1) grados de libertad
asociados con la suma de cuadrados entre los grupos, niveles o tratamientos.
Como cada uno de los K niveles contribuye con ( n j  1 ) grados de libertad,
160
existen (n–k) grados de libertad asociados con la suma de cuadrados dentro de

los grupos.
Si cada suma de cuadrados se divide entre sus grados de libertad asociados, se

obtienen tras varianzas o términos cuadráticos medios, como se indica en el
siguiente cuadro:
Cuadro 5.1 Componentes del análisis de varianza

Variación Suma Grados Cuadrado Distribución
cuadrados libertad medio F
Entre
tratamiento 
K
j 1
nj X j  X 
2 (K-1)
 VET
K 1
A
B
A
 X 
Dentro o error k n (n-K) VDT
B
2
X j
j 1 i 1
ij
n  k 
Total
 X  (n-1)
2
k n VT
X
j 1 i 1
ij n  1
Los resultados para el problema de análisis es el siguiente:
Cuadro 5.2 Resultados del análisis de varianza

Entre 516 (K-1)= 2 516 258
tratamiento  258.00  8.99
2 28.67
Dentro o error 430 (n-K)=15 430
 28.67
15
Total 946 (n-1)=17
En el anexo “F” Tabla de Distribución F determina el correspondiente valor

crítico para el numerador (k-1= 3-1=2) y el denominador (n-K = 18-3=15), con
una probabilidad de error tipo 1 o un nivel de significancia del 5%, que
corresponde a F0.05  3.68 , significando que si se tuviera que seleccionar un
valor al azar de una distribución F con 2 grados de libertad en el numerador y 15
en el denominador, sólo el 5% de las veces se obtendría un valor mayor que
3.68. Además la teoría del análisis del varianza indica que si es cierta la
hipótesis nula, la relación entre los cuadrados medios entre y dentro de los
tratamientos seria un valor dentro de esa distribución, tal que se rechaza si, el
valor de dicha relación es mayor que el valor crítico:
161
A
Rechaza H0 si  Valor crítico
B
Para el caso la relación es igual a 8.99 mayor que el valor crítico 3.68, entonces
se tienen pruebas suficientes para rechazar la hipótesis nula consistente en que
las medias de las tres poblaciones son iguales. En otras palabras el análisis de
varianza apoya la conclusión que las medias para la duración de las bombillas
es diferente en las tres plantas.
El gráfico para dicho planteamiento es el siguiente:
Figura 5.2 Decisión del análisis de varianza
El valor de la relación es superior al valor crítico, por tal razón se rechaza la

hipótesis nula consistente en que las medias poblacionales sean iguales.
Lección No 22: Análisis de varianza de un factor.

El análisis de varianza simple se presenta cuando se tiene un solo factor
estudiado en sus distintos niveles que influyen sobre una variable respuesta que
mide el resultado del experimento, y el resto de los factores conforman el error
experimental influyendo sobre la variable respuesta de manera no controlable.
El factor se presenta con I niveles, y dentro de cada nivel se analiza una serie
de observaciones del experimento en control (unidades experimentales) y su
efecto sobre la variable respuesta, es decir, para cada nivel se repite el
experimento varias veces (replicación).
El análisis de varianza descompone la variabilidad del resultado de un
experimento en componentes independientes (variación total descompuesta en
variaciones particulares). Como ejemplo se puede considerar los rendimientos
162
de un mismo cultivo en parcelas diferentes, que aunque labradas en las mismas

condiciones, producen cosechas que son distintas. La variabilidad de
rendimientos es producida por factores o tratamientos controlables (abono,
riego, etc.), donde cada factor o tratamiento puede presentar diferentes niveles
(diferentes cantidades o calidades de abono, distinta intensidad de riego);
también puede ser producida por otros factores o tratamientos no controlables
(humedad relativa, clima, plagas, etc.).
Así, X ij es la observación j-ésima de la variable respuesta relativa al j-ésimo

nivel de factor, y en el ejemplo anterior, X ij es el rendimiento obtenido (variable
respuesta) bajo el nivel i del factor (abono) en la observación j-ésima (Para cada
nivel i de factor se repite el cálculo de rendimiento ni veces para recoger el
efecto del error experimental).
Se representa por ui la parte de X ij debida a la acción del factor.
Se representa por uij la variación causada por todos los factores no controlables
(error experimental).
En consideración a lo anterior el valor de la variable respuesta X ij , se debe a la

variación debida al factor que se esta analizando y a la variación de los otros
factores no controlables, por tanto se puede expresar que:
X ij  ui  uij
Se supone que uij es una variable normal de media cero y varianza constante.
En esta sección se considera el análisis de varianza de un solo factor , en el

cual solo interviene en el experimento un solo tipo de tratamiento. Cuando se
desea contrastar las hipótesis sobre la diferencia global entre tres o más
medias de población, se aplica la distribución de probabilidad F encontrando en
cociente de dos varianzas calculadas a partir de los datos experimentales. El
modelo lineal en que se basa el método de análisis de varianza de un solo factor
es:
X iJ    i   ij donde:
163
X ij : es la i - ésima observació n del j - ésimo grupo experiment al.

  la gran media de todas las poblaciones j del tratamiento.Es una constante
 i  efecto del tratamiento en la población j. Son variab les aleatorias independientes.
 iJ  error aleatorio asociado a la í - ésima observació n de tratamiento de la población j.
Entre estas tres componentes, la gran media  se comprende por sí misma. El

efecto  i del tratamiento o factor es la diferencia entre la gran media y la media
 J de la población en tratamiento J, esto es: i   J   .
Por consiguiente, si hay J tratamientos en un experimento, la suma de todos los
J efectos de los tratamientos debe ser igual a cero:
J J J
 i    J       J  J  0
J 1 J 1 J 1
El último término  iK refleja la variabilidad dentro de cada una de las

poblaciones en tratamiento, y su presencia se atribuye al proceso aleatorio, y se
interpreta como lo resultante de la diferencia entre el resultado observado y la
media de la población del tratamiento:
 iJ  X iij   j
El valor esperado o la esperanza de  ij es igual a cero.
El modelo se basa en las siguientes suposiciones:
 Admite que los errores aleatorios  ij tienen una distribución normal

para cada población en tratamiento J.
 Admite que los errores  iJ se distribuyen independientemente
tanto entre poblaciones en tratamiento como dentro de ellas.
 Acepta que la varianza  2 del error permanece constante para
cada una de las poblaciones.
Un ejemplo numérico sencillo contribuye a la comprensión de las relaciones

anteriormente expresadas en las fórmulas.
Ejemplo 2
Suponga que dispone de un conjunto de árboles clasificados por altura (en
metros) y por especie, según los siguientes datos:
164
Cuadro 5.3 Registro de altura de un conjunto de árboles

Especie Altura Especie Altura Especie Altura
A 8.52 B 8.52 A 8.13
B 6.45 A 6.43 E 7.17
C 7.41 A 6.21 A 8.40
A 7.15 E 7.07 C 8.87
B 8.73 B 8.83 A 6.12
D 7.55 B 8.53 B 8.91
E 6.54 D 7.84 C 8.81
D 7.74 C 8.59 D 7.40
C 8.65 C 7.41 B 8.19
C 8.81 B 8.94 B 8.56
Para ajustar la información a un modelo de análisis de varianza, se considera

como variable respuesta la altura de los árboles en metros, y como único
factor la variable cualitativa especie con cinco niveles (A, B, C, D, E). Dado
que se tiene un modelo de un solo factor, se desea probar si las variadas
especies de árboles tienen igual o diferente promedio de altura con un nivel
de significancia del 1%.
Primero se estiman las medias para cada una de las especies y la media
total, conforme al siguiente cuadro:
Cuadro 5.4 Registro de estadísticos para diferentes especies

Especie Especie Especie Especie Especie Total
A B C D E
8.52 6.45 7.41 7.55 6.54
7.15 8.73 8.65 7.74 7.07
6.43 8.52 8.81 7.84 7.17
6.21 8.83 8.59 7.41
8.13 8.53 8.87 7.40
6.12 8.94 8.81
8.40
8.91
8.19
8.56
165
Sumas 42.56 84.06 51.14 37.94 20.78 236.48

Promedio 7.093 8.406 8.523 7.588 6.926 7.707
Observaciones 6 10 6 5 3 30
5 nj
 X
j 1 i 1
ij
8.52  7.15  ...  6.45  8.76  ...  7.41  8.65  ...  .... 236.48
X     7.882666
nt 30 30
 X 
k n 2
Variación total (VT) = ij X

j 1 i 1
VT  8.52  7.88  ...  6.12  7.88  ...  7.07  7.88  7.17  7.88  24.0741867
2 2 2 2
 X 
k n
2
Variación dentro del grupo (VDG) = ij X j
j 1 i 1
VDG  8.52  7.09  ...  6.45  8.406  ...  7.41  8.523  ....  7.17  6.926  11.9584533
2 2 2 2
Variación entre grupos (VEG) = n

K
j 1
j X j X 
2
VEG  7.093  7.88  8.406  7.88  ....  6.926  7.88  12.1157333

2 2 2
Para calcular el estadístico de prueba perteneciente a la distribución F , se

resume en el siguiente cuadro:
Cuadro 5.5 Cálculos del cuadro de análisis de varianza

Entre 12.1157333 (K-1)= 4 3.0289 6.332
tratamiento
Dentro o error 11.9584533 (n-K)=25 0.4783
Total 24.0741867 (n-1)=29
166
En el anexo “F” Tabla de Distribución F determina el correspondiente valor

crítico para el numerador (k-1= 5-1=4) y el denominador (n-K = 30-5=25), con
una probabilidad de error tipo 1 o un nivel de significancia del 1%, que
corresponde a F0.01  4.18 . Para el caso la relación es igual a 6.332 mayor que
el valor crítico 4.18, entonces se tienen pruebas suficientes para rechazar la
hipótesis nula consistente en que las medias de las cinco variedades de árboles
son iguales. En otras palabras el análisis de varianza apoya la conclusión que
las medias para la altura de las diferentes especies de árboles es diferente.
Lección No 23: Comparación Múltiples de medias (Pruebas

“a posteriori”)
Las pruebas "a posteriori" son un conjunto de pruebas para probar todas las
posibles medias que podría ser diferente al rechazar la hipótesis.
Existen varias, (Duncan, Newman-Keuls, LSD): todas ellas muy parecidas. Usan
el rango (diferencia entre medias) de todos los pares de muestras como
estadístico y dicho rango debe superar un cierto valor llamado mínimo rango
significativo para considerar la diferencia significativa.
La principal diferencia con respecto a la t de Student radica en que usan MSE

como estimador de la varianza, es decir un estimador basado en todas las
muestras.
Lección 24: Análisis de varianza con dos factores

(diseño de bloques aleatorizados).
Con frecuencia interesa analizar los efectos de dos tipos de factores o
tratamientos. Suponga que un experimento incluye dos tipos de factores: el uno
llamado C (lo que sugiere columna) consistente en K tratamientos diferentes, y
el otro, denominado F (lo que sugiere fila) consistente en J tratamientos
diferentes. Se admite que respecto al j-ésimo tratamiento de F y el K-ésimo
tratamiento de C, existen cuatro componentes así:
X ijK    i   j   ijk donde:
167
  La gran media de X independiente del tratamiento.

i  Efecto del tratamiento i.
 j  Efecto del tratamiento j.
 ijk  Error aleatorio asociado a la i - ésima observació n en la combinació n del tratamiento j y k.
La varianza total de la muestra se particiona en la varianza entre las filas,

varianza entre columnas, varianzas entre la j x k, y las varianzas del error
aleatorio. Para este modelo, los cálculos del análisis de la varianza para las
sumas de los cuadrados son idénticos a los realizados en el modelo de un solo
factor, tan solo que se calculan variaciones para el factor de fila, de columna y
para el error aleatorio. De manera análoga, los grados de libertad y los
cuadrados medios son los mismos. A continuación se indica el cuadro resumen
para el análisis de varianza de dos factores:
Cuadro 5.6 Análisis de varianza para dos factores
Fuente Suma de los cuadrados, SC Grados Media Relació

de de cuadrática, nF
variaci Libertad, MC
ón gl
Entre
los C
 X . j  X 
2
grupos VEC  r j 1   c 1
MCA 
VEC
F
MCA
o c 1 MCE
column
as (j)
Entre
los r
 X i.  X 
2 VEF MCB
bloque VEF  c 
i 11  r 1
MCB 
r 1
F
MCE
s o
filas (i)
Error
de c r
 X  X . j  X i.  X 
2
r  1c  1 VE
muestr VE  
j 1 i 1 
ij

MCE 
r  1c  1
eo, E
c r 2
Total, T VT    X ij  X  rc  1
j 1 i 1  
La definición de los términos del cuadro son los siguientes:
168
X ij  Valor del bloque i - ésimo para el tratamiento del grupo i - ésimo.

X i  La media de todos los valores en el bloque i.
X j  La media de todos los valores para el tratamiento del grupo j.
c r
 X
j 1 i 1
ij  X  La sumatoria de los valores de todos los bloques y de todos los grupos,
equivalent e al gran total.

r  El número de bloques.
c  El número de grupos.
n  Número total de observacio nes.
Para contrastar los efectos de los factores en el modelo, se construye un

estadístico que se compara los cuadrados medios, que bajo la hipótesis nula
sigue una distribución F.
Ejemplo 3
Suponga que existen cuatro parcelas diferentes las cuales son sometidas
sucesivamente a seis tipos de insumos y se piensa que la producción es
afectada por el tipo de insumo y mantenimiento a que es sometida. Se desea
probar los diferentes tratamientos afectan la producción por parcela, y la
producción es la siguiente:
Cuadro 5.7 Rendimientos en kilos por parcela

Tratamiento RENDIMIENTO EL KILOS
Parcela Parcela Parcela Parcela 4 Total Medias
1 2 3
A 70 61 82 74 287 71.75
B 77 75 88 76 316 79.00
C 76 67 90 80 313 78.25
D 80 63 96 76 315 78.75
E 84 66 92 84 326 81.50
F 78 68 98 86 330 82.50
Totales 465 400 546 476 1.887
Medias 77.50 66.67 91.00 79.33 78.625
Los totales por grupo (parcelas) y sus correspondientes promedios, los totales y
los promedios por tratamientos o bloques (insumo y manteniendo), así como la
gran media se indican en el cuadro.
169
Además de las estadísticas representadas en el cuadro, se tiene:
r  6; c  4; n  rc  24
c r
 X
j 1 i 1
ij
1.887
X    78,625
rc 24
Para determinar los resultados del experimento de diseños de bloques

aleatorizados con fines ilustrativos, se hacen los siguientes cálculos:
c r 2
 
Variación Total de Cuadrados: VT    X ij  X 
j 1 i 1
VT  70  78,625  77  78,625  ...  86  78,625  2.295,63

2 2 2
C 2
 
Variación entre grupos o columnas: VEC  r   X . j  X 
j 1

VEC  6 77.5  78,625  66.67  78,625  ...  79.33  78,625  1.787,46
2 2 2

r 2
 
Variación entre bloques o filas: VEF  c   X i.  X 
i 11

VEF  4 71.75  78,625  79  78,625  ...  82.5  78,625  238,38
2 2 2

c r 2
 
Variación del error de muestreo: VE    X ij  X . j  X i.  X 
j 1 i 1
170
VE  70  77.5  71.75  78,625 

2
77  77.50  79.00  78,6252 


.
.
 86 - 79.33 - 82.50  78,625
2
 244.79
Para calcular los medios o promedios cuadráticos, se calculan así:
VEC 1.787,46
MCA    595,82
c 1 4 1
VEF 283.38
MCB    56,676
r 1 6 1
VE 224.79 224.79
MCE     14,986
r  1c  1 6  14  1 15
Los cálculos anteriores se pueden resumir en el siguiente cuadro:
Cuadro 5.8 Resultados del análisis de varianza para dos factores

Fuente Suma de Grados Cuadrado F
cuadrados libertad medio
(varianza)
Entre 1.787.46 595.82
grupos VEC  F
1.787.46 4-1=3 3 14,986
 595,820  39,758
Entre 283.38 56,676
Bloques 283.38 6-1=5 VEF  F 
5 14,986
 56,676  3,782
Error 224.79
VE 
224.79 (6-1)(4-1)=15 15
 14,986
Total 2.295.63 (6)(4)-1=23
171
Además de los registros anteriores, en las tablas ANOVA de los diferentes

paquetes de software estadísticos, incluyen el p-valor que consiste en la
probabilidad de obtener un estadístico F igual o mayor a la obtenida dado que la
hipótesis nula sea verdadera, es decir, si el p- valor es menor que el nivel
especificado de significancia  , la hipótesis nula es rechazada. Para nuestro
caso se utiliza la información contenida en el cuadro anterior.
Si se desea probar las diferencias entre los rendimientos de las parcelas con un
nivel de significancia del 5%, la regla de decisión consiste en rechazar la
hipótesis nula H o : 1  2  3  4  si el valor F calculado es mayor que 3.29
(Ver anexo F con 3 grados de libertad en el numerados y 15 grados en el
denominador). Para el caso F = 39,758 es mayor que el valor crítico 3.29,
entonces se rechaza la hipótesis nula y se llega a la conclusión que existe
evidencia de una diferencia entre la producción promedio de las diferentes
parcelas, como se puede apreciar en el siguiente gráfico:
Figura 5.3 Región de aceptación de hipótesis
Como una verificación de la efectividad de la utilización de insumos, se puede

probar la diferencia de efectividad de los diferentes insumos aplicados. La regla
de decisión utilizando un nivel de significancia del 5%, sería la de rechazar la
hipótesis nula H o : 1  2  3  4  5  6  si el valor F calculado excede a
2.90 (Ver anexo F con 5 grados de libertad en el numerados y 15 grados en el
denominador). Para el caso el valor F = 3,782 es mayor al valor crítico, lo que
se concluye que la utilización de los diferentes insumos, produce diferencia
significativa entre los promedio de producción para las parcelas, y que la
conformación de dichos bloques es ventajosa para reducir el error experimental,
situación que se presenta en el siguiente gráfico:
172
Figura 5.4 Región de aceptación de hipótesis
Lección 25: Análisis de varianza de dos factores con

interacción. (Diseño factorial).
Se ha visto hasta ahora el análisis de varianza de una dirección o el modelo de
diseño completamente aleatorizado, después el modelo de diseño de bloque
aleatorizado, y en la presente sección el análisis de varianza de dos factores
con interacción.
Con el propósito de desarrollar el procedimiento de la prueba F, se define a

continuación los siguientes términos:
X ijk  Valor de la k - ésima observació n del nivel i del factor A t del nivel j del factor B.
X ij  Suma de los valores de la celda ij (las observacio nes del nivel i del factor A y del nivel j del factor B.
X i..  Suma de los valores de la hilera i del factor A.
X.j.  Suma de los valores de la columna j del factor B.
GT  Gran total de todos los valores en todas las hileras y columnas.
r  Número de niveles del factor A.
c  Número de niveles del factor B.
n '  Número de valores(replicas) para cada celda.
n  Número total de observacio nes del experiment o (con n  r.c.n '
Con fines ilustrativos se hacen planteamientos tanto conceptuales como de

cálculos para la descomposición de la variación total necesaria para el
desarrollo del procedimiento de la prueba F. Debido a la gran cantidad de
cálculos se recomienda que dicho proceso sea llevado por el paquete de
software analizado más adelante.
173
Tabla resumen para el análisis de varianzas de dos vías con más de una
observación por célula se resume en el siguiente cuadro:
Cuadro 5.9 Resumen de análisis de varianza de dos vías

Fuente de Suma de los cuadrados, Grados Media Relació
variación SC de cuadrática, MC nF
libertad,
gl
Entre X i.. GT  VEGA MCA
r 2 2
grupos de VEGA   '  r 1

MCA 
r 1
F
MCE
i 1 cn rcn'
tratamient
oA
Entre c X2
GT 
2 BEGB MCB
grupos de VEGB   '  MCB  F
. j.
c 1 c 1 MCE
j 1 rn rcn'
tratamient
o, B
Interacció r c X2 r
X i2.. VEABI MCI
n entre VEAB  
i 1 j 1 n
ij
'
 
i 1 cn
' r  1c  1 MCC 
r  1c  1
F
MCE
factores A
y B. c X2
 ' 
. j. GT 2
j 1 rn rcn'
Error de r c n' r c X2 VE
muestreo, VE  
i 1 j 01 k 1
X 2
ijk  
i 1 j 1 n
ij .

' rc n  1
'
 MCE 
 
rc n'  1
E
Total, T r
VT   X ijk2 
c n'
GT 2
rcn' rcn'  1
i 1 J 1 K 1
Ejemplo 4
Para ilustrar el modelo factorial de dos factores, suponga que UD como dueño y
propietario de una cadena de supermercados esta interesado en saber el efecto
de la colocación de los estantes en la venta de un producto. Para ello estudia 4
posibles lugares distintos donde colocar los estantes: Colocación normal entre el
pasillo(A), colocación ingreso del pasillo (B), colocación a la entrada del pasillo
con impulsadora (C) y colocación normal con propaganda (D). Se toman ventas
aleatorias en las jornadas de la mañana, tarde y noche y los resultados de las
ventas semanales se resumen en la siguiente tabla:
174
Cuadro 5.10 Colocación de productos en un estantes durante jornadas

JORNADA COLOCACIÓN ESTANTE
A B C D Totales Medias
Mañana 45 56 65 48 451 56,375
50 63 71 53
Tarde 57 69 73 60 539 67,375
65 78 80 57
Noche 70 75 82 71 622 77,750
78 82 89 75
Totales 365 423 460 364 1.612
Medias 60.83 70.50 76.67 60.67 67,167
Se tiene las siguiente información:

X .1.  365 X 11.  95 X 21.  122 X 31.  148
r 3 X 1..  451
X .2.  423 X 12.  119 X 22.  147 X 31.  157
c4 X 2..  539
X .3.  460 X 13.  136 X 23.  153 X 33.  171
n'  2 X 3..  622
X .4.  364 X 14.  101 X 24.  117 X 34.  146
GT  1.612
r c n'
 X
i 1 j 1 k 1
2
ijk  452  502  ...  752  111.550
r
X i2.. 4512  5392  6222

i 1 cn
'

42
 110.100,75
c X .2j . 3652  4232  4602  3642

 rn
j 1
'

32
 109.375
r c X ij2. 952  1192  ...  1462


i 1 j 1 n'

2
 111.292
GT 2 
1.6122
 108.272.66
rcn' 342
175
Variación Total de Cuadrados:

r
VT   X
c n'
2

GT 
2
 111.550  108.272.66  3.277.34
ijk
i 1 J 1 K 1 rcn'
Variación entre grupos del tratamiento A:

X i2.. GT 
r 2
VEGA     110.100.75  108.272.66  1.828.09
i 1 cn ' rcn'
Variación entre grupos del tratamiento B:
VEGB  
c X .2j .

GT 2  109.375  108.272.66  1.102.34
j 1 rn' rcn'
Variación entre los factores A y B:

X ij2 X i2.. c X . j . GT 
r c r 2 2
VEAB    '  ' 
i 1 j 1 n' i 1 cn j 1 rn rcn'
 111.292 - 110.100.75 - 109.375  108.272.66  88.91
Variación del error de muestreo:

r c
VT   X ijk2 
n'
GT 2  111.550  111.292  258
i 1 J 1 K 1 rcn'
Para el cálculo de las varianzas se utilizan las siguientes relaciones:
VEGA 1.828.09
MCA    914.045
r 1 3 1
BEGB 1.102.34
MCB    367.447
c 1 4 1
VEABI 88.91
MCC    14,818
r  1c  1 3  14  1
VE 258
MCE    21.5
 
rc n  1 342  1
'
176
Los cálculos anteriores se resumen en el siguiente cuadro:
Cuadro 5.11 Resumen de análisis de varianza de dos vías

Fuente de Suma de Grados de Media Relación F
variación los libertad, gl cuadrática,
cuadrados, MC
SC
Entre grupos
de tratamiento 1.828.09 3 1  2 914.045 42.51
A
Entre grupos
de tratamiento, 1.102.34 4 1  3 367.447 17.09
B
Interacción
entre factores 88.91 3  14  1  6 14.818 0.69
A y B.
Error de 258 342  1  12 21.5
muestreo, E
Total, T 3.277.34 342  1  23
Si utiliza un nivel de significancia del 0.05 y se prueba la diferencia entre las
ventas en las diferentes jornadas (mañana, tarde, noche), la regla de decisión
es la rechazar la hipótesis nula ( H 0 : 1  2  ...  r ) si el valor calculado para
F (42.51) es mayor que 3.49 (observar anexo F para 2 grados de libertad en el
numerador y 12 grados de libertad en el denominador); se rechaza la hipótesis
nula y se llega a la conclusión que existe evidencia que entre las diferentes
jornadas las ventas en promedio son diferentes.
Así mismo si utiliza un nivel de significancia de 0.05 para probar si existe alguna
diferencia entre la ubicación de los estantes, la regla de decisión es rechazar la
hipótesis nula ( H 0 : 1  2  ...  c ), si el valor calculado F (17.09) es mayor
que 3.49 (observar anexo F para 3 grados de libertad en el numerador y 12
grados de libertad en el denominador); se rechaza la hipótesis nula y se
concluye que existe una diferencia entre los promedios de ventas para la
colocación de los diferentes estantes en el almacén.
Finalmente se puede probar si existe algún efecto de interacción entre el factor

A (ventas en las diferentes jornadas) y el factor B (colocación de los estantes).
Utilizando un nivel de significancia del 5%, la regla de decisión es rechazar la
hipótesis nula ( ABij  0, para todo i y j ), si el valor calculado F (0.69) es mayor
que 3.0 (observar anexo F para 6 grados de libertad en el numerador y 12
grados de libertad en el denominador); no se rechaza la hipótesis nula y se
177
concluye que no existe evidencia de un efecto de interacción entre las jornadas

del día y la colocación de los estantes.
INTERPRETACIÓN DE LOS EFECTOS DE LA INTERACCIÓN
Se ha realizado hasta ahora las pruebas para la significación del factor A, del
factor B y de la interacción, corresponde entender en mejor forma el concepto
de interacción, si se grafica las medias, empleando la siguiente fórmula:
X ij
X ij 
n'
95 122 148
X 11.   47.5 X 21.   61.0 X 31.   74.0
2 2 2
119 147 157
X 12.  X 22.   73.5 X 32.   78.5
2 2 2
136 153 171
X 13.  X 23.   76.5 X 33.   85.5
2 2 2
101 117 146
X 14.   50.5 X 24.   58.5 X 34.   73.0
2 2 2
Se procede a graficar las ventas semanales promedio de cada jornada y de

cada colocación de la estantería, como se indica a continuación:
Figura 5.5 Ventas de producto en tres jornadas

Ventas Jornada mañana-tarde-noche
90
85
80 A
75
Ventas
70 B
65
60 C
55
D
50
45
40
Mañana Tarde Noche
Jornada
Las cuatro líneas representan las colocaciones de las estanterías aparecen

apuntando casi representando en la misma dirección, lo que significa que la
diferencia en las ventas entre las cuatro colocaciones de los estantes es
178
virtualmente la misma para las ventas de las diferentes jornadas. En otras

palabras, no existe interacción entre los dos factores (jornada y estantería),
como claramente se evidenció en la prueba F vista anteriormente.
¿Cual es la interpretación si se presenta el efecto de interacción? En tal

situación, algunos niveles del factor A responden mejor con ciertos niveles del
factor B; por ejemplo, suponga que algunas colocaciones en los estantes fueran
mejor para las jornadas. Si este fuera el caso, las líneas de la figura no estarían
apuntando en la misma dirección que las hace casi paralelas y el efecto de
interacción sería estadísticamente significativo, y por consiguiente, las
diferencias entre las diferentes localizaciones de estantes no serían las mismas
para las diferentes jornadas
Ejercicios: 5
1. En el modelo de análisis de varianzas de un factor con (i = 3), niveles del

factor y (J = 10), unidades experimentales, el número de grados de libertad con
el cual deberá estimarse la varianza residual es:
R/ta: 27
2. Queremos comprobar si el número de horas (medido a través de la variable #

horas) que pasan los estudiantes del Politécnico en la Biblioteca guarda alguna
relación con su hábito de lectura (medido a través de la variable lectura).
Ejecuta un ANOVA, utilizando un nivel de significación del 5 %
R/ta: Si guarda relación, porque se acepta la hipótesis nula.
3. Los miembros de un equipo ciclista se dividen al azar en tres grupos que
entrenan con métodos diferentes. El primer grupo realiza largos recorridos a
ritmo pausado, el segundo grupo realiza series cortas de alta intensidad y el
tercero trabaja en el gimnasio con pesas y se ejercita en el pedaleo de alta
frecuencia. Después de un mes de entrenamiento se realiza un test de
rendimiento consistente en un recorrido cronometrado de 9 Km. Los tiempos
empleados fueron los siguientes:
Método I Método II Método III

15 14 13
16 13 12
14 15 11
15 16 14
17 14 11
A un nivel de confianza del 95% ¿Puede considerarse que los tres métodos
producen resultados equivalentes? O por el contrario ¿Hay algún método
179
superior a los demás?
R/ta: Los tres métodos de entrenamiento producen diferencias significativas
4. En el diseño de análisis de Varianza de un factor completamente aleatorizado

(DCA) con 3 niveles del factor y 10 unidades experimentales. Cál debe ser el
número de grados de libertad con el cual debemos estimar la varianza residual?
R/ta: 27
4. Deducir el valor del estadístico de prueba de la tabla ANOVA siguiente:
F. de Variación S:C G.L C.M

Explicada 54 2 27
Residual 180 10 18
Total 234 12
R/ta: F= 1.5
5. En un estudio de ANOVA para tres grupos y 5 observaciones cada uno de

ellos, encontramos los siguientes resultados.
SCE = 310
SCT = 358
G.L de la SCD = 12
Qué valores deben obtenerse de los grados de libertad de V.T de la SCD?
R/a: 15 y 51.6
6. Se realiza un diseño experimental para estudiar la diferencia en la resistencia

de 5 materiales. Se toma una muestra de 4 especímenes de cada material a los
que se le mide la resistencia. Si la suma de cuadrados de los tratamientos es de
800 y la de los errores de 200. Cuál debe ser el estadístico F para el análisis de
varianzas.
R/ta: 15
180
- Aplicaciones en Excel y SPSS.
A. ANOVA EN EXCEL
Siguiendo con el mismo ejercicio desarrollado anteriormente y que hace

relación con el rendimiento de las acciones, se tiene nuevamente el
enunciado:
Ud. como analista financiero desea determinar si hay diferencia en la

tasa promedio de rendimiento de cuatro tipos de acciones: de servicios
públicos, de comercio, de industria y de la banca. Para ello se obtuvo la
siguiente la información muestral:
Cuadro 5.12 Rendimientos de 4 tipos de acciones

Rendimientos Promedios por tipo de acción
Meses Servicios(A) Comercio(B) Industria(C) Banca(D)
1 94 75 70 68
2 90 68 73 70
3 85 77 76 72
4 80 83 78 65
5 88 80 74
6 68 65
7 65
Utilizando un nivel de significancia del 0.01, pruebe si existe diferencia en la

tasa media de rendimiento de los cuatro tipos de acciones.
Paso 1. Ingrese la siguiente información en una hoja Excel:
Figura 5.6 registro de información
181
Paso 2:En el menú de Excel haga clip en herramientas y seleccione análisis de

datos.
Figura 5.7 Ventana desplegada de herramientas
Paso 3: Selecciona análisis de varianza de un factor y hace clip en aceptar.
182
Paso 4: Aparece un cuadro de dialogo como el siguiente:
Figura 5.9 ventana de análisis de varianza de un factor
Paso 5:En rango de entrada selecciona los valores registrados en la hoja de

excel:
Figura 5.10 Registro de información
183
Paso 6: Selecciona rótulos en la primera fila.
Paso 7: Seleccione un alfa de 0.01 y rango de salida en donde quiere ubicar la

información:
Figura 5.12 Selección del nivel alfa
184
Paso 8: Hace clip en aceptar y le aparece la siguiente información:
Figura 5.13 Resultados del análisis de varianza
Observe que la información aquí registrada es igual a la que se calculo en la

tabla ANOVA realizada en los cuadros anteriores:
El valor de la distribución F es igual a 8.99 y el valor crítico es igual a 5.09. La

suma de los cuadrados toman el nombre de “entre grupos” denominados
anteriormente tratamientos. y “dentro de los grupos” denominados
anteriormente errores.
De esta forma el análisis de varianza de un factor aplicando la hoja electrónica

de Excel resulta ser muy sencillo.
B. ANOVA en SPSS
185
Para obtener un análisis de varianza de un factor elija en los menú Analizar;

Comparar medias; ANOVA de un factor como se indica en la siguiente figura.
Figura 5.14
Seleccione una o más variables independientes y seleccione una sola variable

de factor independiente, como se indica en la figura. Se pretende analizar el
precio actual según el factor de titulación del estratro.
Figura 5.15
Haciendo clic en el botón contrastes permite dividir las sumas de cuadrados

Inter. – grupos en componentes de tendencia. En polinómico se puede
contrastar la existencia de tendencia en la variable dependiente a través de los
niveles ordenados de la variable de factor. Por ejemplo se puede contrastar si
existe una tendencia lineal (creciente o decreciente) de un precio a través de los
niveles ordenados del estrato. En coeficientes se pueden elegir contrastes a
186
priori especificados por el usuario que serán contrastados mediante el

estadístico T; si introduce un coeficiente para cada grupo (categoría) de la
variable factor y se pulsa añadir después de cada entrada. Cada nuevo valor se
añade al final de la lista de coeficientes. Para especificar conjuntos de
contrastes adicionales, pulse en siguiente para desplazarse entre los conjuntos
de contrastes.
Figura 5.16
Haciendo clic en continuar y aceptar se presenta la tabla de ANOVA, como se

indica en la siguiente figura con un valor F de 1.148
ANOVA
Precio
Suma de Media
cuadrados gl cuadrática F Sig.
Inter-grupos 198123,716 5 39624,743 1,148 ,335
Intra-grupos 10144438,6
294 34504,893
14
Total 10342562,3
299
30
Las actividades de aprendizaje están orientadas a desarrollar los ejercicios

vistos anteriormente pero no en forma manual, sino utilizando las herramientas
de Excel para el análisis de varianza de un factor, análisis de varianza con dos
factores o de diseño de bloques aleatorizados y finalmente análisis de varianza
de dos factores con interacción o de diseño factorial.
Análisis de varianza de un factor:
187
Suponga que dispone de un conjunto de árboles clasificados por altura (en

metros) y por especie, según los siguientes datos:
Cuadro 5.13 Registro de información sobre alturas en metros de árboles

Especie Especie Especie Especie Especie Total
A B C D E
8.52 6.45 7.41 7.55 6.54
7.15 8.73 8.65 7.74 7.07
6.43 8.52 8.81 7.84 7.17
6.21 8.83 8.59 7.41
8.13 8.53 8.87 7.40
6.12 8.94 8.81
8.40
8.91
8.19
8.56
Sumas 42.56 84.06 51.14 37.94 20.78 236.48
Promedio 7.093 8.406 8.523 7.588 6.926 7.707
Observaciones 6 10 6 5 3 30
Ingrese los datos en la hoja como se indica en el siguiente cuadro:
Figura 5.14 Registro de información en hoja de Excel
En el cuadro de dialogo de análisis de datos elija “Análisis de varianza de un

factor” y rellene el cuadro de dialogo como se indica en la siguiente figura:
Figura 5.15 Registro de información en ventana
188
Pulse aceptar y obtiene los siguientes resultados:
Figura 5.16 Resultados del análisis de varianza de un factor
Como el p-valor del test de Fisher (0.00115963) de igualdad de todas las

medias de os niveles es menor que 0.05, existen diferencias significativas entre
las alturas medias de los árboles de diferentes especies al 95% de confianza.
Por otra parte el valor crítico (2.75871059) es menor que el valor del estadístico
F (6.33220127), lo que corrobora la aceptación de la hipótesis de alturas medias
distintas para las diferentes especies de árboles al 95% de confianza y
corrobora los mismos valores calculados en igual ejemplo visto anteriormente en
análisis de varianza de un solo factor, el cual se muestra a continuación:
Cuadro 5.14 Resultados de análisis de varianza de un factor
189

Entre 12.1157333 (K-1)= 4 3.0289 6.332
tratamiento
Dentro o 11.9584533 (n-K)=25 0.4783
error
Total 24.0741867 (n-1)=29
Podrá darse cuenta que los resultados son idénticos, teniendo como ventaja el
uso de la herramienta, un ahorro considerable de tiempo y menor riesgo a
equivocarse.
Análisis de varianza con dos factores (diseño de bloques aleatorizados).
Suponga que existen cuatro parcelas diferentes las cuales son sometidas
sucesivamente a seis tipos de insumos y se piensa que la producción es
afectada por el tipo de insumo y mantenimiento a que es sometida. Se desea
probar los diferentes tratamientos afectan la producción por parcela, y la
producción es la siguiente:
Cuadro 5.15 Registro de información sobre rendimientos en parcelas

Tratamiento RENDIMIENTO EL KILOS
Parcela Parcela Parcela Parcela Total Medias
1 2 3 4
A 70 61 82 74 287 71.75
B 77 75 88 76 316 79.00
C 76 67 90 80 313 78.25
D 80 63 96 76 315 78.75
E 84 66 92 84 326 81.50
F 78 68 98 86 330 82.50
Totales 465 400 546 476 1.887
Medias 77.50 66.67 91.00 79.33 78.625
La herramienta realiza un análisis de varianza de dos factores con una sola

muestra por grupo, comprobando la hipótesis según la cual las medias de dos o
más muestras son iguales (extraídas de poblaciones con la misma media). En el
cuadro de dialogo de “Análisis de datos” elige la opción “Análisis de varianza de
dos factores con una sola muestra por grupo”, se obtiene el siguiente cuadro de
dialogo:
Figura 5.17 Venta de ANOVA de dos factores
190
Después de dar la opción de aceptar se tienen los siguientes resultados:
Figura 5.18 Resultados sobre análisis de varianza de dos factores
El p-valor es menor a un nivel de significancia del 0.05, por tal razón los
rendimientos medios son diferentes para las parcelas como para la utilización de
los diferentes tipos de insumos. De otra parte el valor estadístico de prueba F es
superior al valor crítico afirmando la conclusión anterior. Los resultados son los
191
mismos a los calculados anteriormente y que nuevamente se muestran a

continuación:
Cuadro 5.16 Resultados de análisis de varianza de dos factores

Fuente Suma de Grados Cuadrado medio F
cuadrados libertad (varianza)
Entre grupos 1.787.46 595.82
1.787.46 4-1=3 VEC  F 
3 14,986
 595,820  39,758
Entre 283.38 56,676
Bloques 283.38 6-1=5 VEF  F 
5 14,986
 56,676  3,782
Error 224.79
VE 
224.79 (6-1)(4-1)=15 15
 14,986
Total 2.295.63 (6)(4)-1=23
Análisis de varianza de dos factores con interacción. (Diseño factorial):
Suponga que UD como dueño y propietario de una cadena de supermercados

esta interesado en saber el efecto de la colocación de los estantes en la venta
de un producto. Para ello estudia 4 posibles lugares distintos donde colocar los
estantes: Colocación normal entre el pasillo(A), colocación ingreso del pasillo
(B), colocación a la entrada del pasillo con impulsadora (C) y colocación normal
con propaganda (D). Se toman ventas aleatorias en las jornadas de la mañana,
tarde y noche y los resultados de las ventas semanales se resumen en la
siguiente tabla:
Cuadro 5.17 Colocación de productos

JORNADA COLOCACIÓN ESTANTE
A B C D Totales Medias
Mañana 45 56 65 48 451 56,375
50 63 71 53
Tarde 57 69 73 60 539 67,375
65 78 80 57
Noche 70 75 82 71 622 77,750
78 82 89 75
Totales 365 423 460 364 1.612
Medias 60.83 70.50 76.67 60.67 67,167
192
El problema se relaciona con un diseño de dos factores con medidas repetitivas

o replicas de dos veces, puesto que se toman dos muestras en cada jornada de
cada una de las colocaciones de los estantes. La variable respuesta son las
ventas semanales obtenidas, y los dos factores son la jornada y la colocación
del estante. Para resolver el problema se introducen los datos tal como se indica
a continuación:
A continuación en el cuadro de dialogo de análisis de datos elige la opción

“Análisis de varianza de dos factores con varias muestras por grupo, y rellena el
cuadro de dialogo como se indica en la siguiente figura:
Figura 5.20 Ventana de análisis de varianza
Pulsa aceptar y obtiene los siguientes resultados:
193
Figura 5.21 Resultados de análisis de varianza de dos factores
A la vista de los p-valores obtenidos, se concluye que es significativa la

diferencia entre las jornadas porque el p-valor (3.5787E-06) es menor que 0.05;
igualmente es significativa la diferencia entre la colocación de los estantes
porque el p-valor (0.00012489) es menor que el nivel e significancia 0.05; no es
significativa la diferencia entre la interacción de los factores porque el p-valor
(0.66276957) es mayor al nivel de significancia del 0.05. Podrá darse cuenta,
que los resultados utilizando la herramienta de Excel son idénticos, a los
trabajados manualmente en el ejercicio desarrollado anteriormente, como se
indica en el siguiente cuadro:
194
Cuadro 5.18 Resultados de análisis de varianza de dos factores

Fuente de Suma de los Grados de Media Relación F
variación cuadrados, libertad, gl cuadrática,
SC MC
Entre grupos 1.828.09 3 1  2 914.045 42.51
de tratamiento
A
Entre grupos 1.102.34 4 1  3 367.447 17.09
de
tratamiento, B
Interacción 88.91 3  14  1  6 14.818 0.69
entre factores
A y B.
Error de 258 342  1  12 21.5
muestreo, E
Total, T 3.277.34 342  1  23
Cuadro elaborado manualmente en ejercicio anterior para análisis de varianza
de dos factores.
5.1 Auto evaluación
5.1 Para los siguientes enunciados indique si es cierto o falso. Si es falso,

corríjalo
5.1.1 La distribución F esta positivamente sesgada
5.1.2 La distribución F se basa en dos conjuntos de grados de libertad.
5.1.3 Un tratamiento es una fuente de variación en los datos.
5.1.4 Para el procedimiento de ANOVA, las poblaciones deben ser
positivamente sesgadas.
5.1.5 Rechazar la hipótesis nula en un procedimiento ANOVA, indica que
difieren todos los pares de medias.
5.1.6 Si el nivel de significancia es de 0.05 y existen 3 grados de libertad en el
numerador y 12 en el denominador, el valor crítico de F es iguala 3.49
5.1.7 Si existen 4 tratamientos, el número de grados de libertad en el
numerador de F es también de 4.
5.1.8 Una variable de bloque es una fuente de variación similar a una variable
de tratamiento.
5.1.9 Existe una familia de distribuciones F, es decir, hay una distribución para
17 y 14 grados de libertad, y otra para 6 y 4 grados de libertad.
1. 5.2 Durante los últimos meses el operario A ha producido un promedio
de 9 componentes defectuosos con una desviación estándar de 2
piezas defectuosas. El operario B ha tenido un promedio mensual de 8.5
195
componentes defectuosos con una desviación estándar de 1.5 piezas en

el mismo período.- Al nivel de significancia de 0.05, ¿es posible
concluir que hay más variación mensual en el número de
componentes defectuosos que se atribuye al operario A?
5.3 Se han seleccionado 20 personas las cuales aleatoriamente se han
distribuido en 4 grupos de 5 personas cada uno, para adelantar una
instrucción con 4 profesores diferentes. Al final se cada sesión se aplicó
una prueba con una calificación de hasta 10 puntos y los resultados
fueron los siguientes:
Instructor A Instructor B Instructor C Instructor D

6 8 7 8
7 5 9 5
6 8 6 6
5 6 8 6
6 8 5 5
Pruebe al nivel de significancia del 0.05 que no hay diferencia entre los
promedios para los 4 grupos.
5.4 Se distribuyen 3 clases de jabones: A, B y C. Las ventas mensuales en
unidades monetarias se indican en la siguiente tabla:
Mes Jabón A Jabón B Jabón C
Enero 7 9 12
Febrero 11 12 14
Marzo 13 11 8
Abril 8 9 7
Mayo 9 10 13
Utilizando un nivel de significancia de 0.05, aplique el procedimiento

ANOVA para demostrar si:
5.4.1 Las ventas medias para los diferentes tipos de jabones son iguales.
5.4.2 Las ventas medias son iguales para cada uno de los cinco meses.
Resumen.
Se ha indicado cómo se usa el análisis de varianza para ver si existe diferencias

significativas entre las medias de varias poblaciones o tratamientos. Además se
introdujo el diseño de experimentos para un factor, el análisis de varianza de
dos factores mediante el diseño de bloques aleatorizados y finalmente el
análisis de varianza de dos factores con interacción mediante el diseño factorial.
El objetivo principal de formar bloques en el diseño de bloques aleatorizado es
eliminar fuentes extrañas de variación a partir del término de error. Ese
agrupamiento da como resultado un mejor estimado de la varianza verdadera
196
del error, y una mejor prueba para determinar si las medias de población o
tratamiento del factor difieren apreciablemente.
En el análisis de varianza de un solo factor, la estimación se basa en la

variación entre los tratamientos; ese estimador permite contar con un estimado
insesgado sólo si todas las medias poblacionales son iguales. Calculando la
relación de ese estimador mediante el estadístico F, se llega a establecer una
regla de rechazo para determinar si se rechaza la hipótesis nula que hace
relación a que si las medias poblacionales o de tratamientos son iguales. En
todos los diseños de experimento vistos, el agrupamiento o repartición de la
suma de cuadrados y de los grados de libertad en sus diversas fuentes permite
calcular los valores adecuados para el análisis de varianza y sus pruebas.
Algún Glosario
TABLA DE ANÁLISIS DE VARIANZA: Tabla que se usa para resumir los

cálculos y resultados del análisis de varianza. En las columnas se indican la
fuente de variación, la suma de cuadrados, los grados de libertad, el cuadrado
medio y los valores F.
REPARTICIÓN O PARTICIÓN: Proceso de asignar la suma total de cuadrados

y los grados de libertad a los diversos componentes.
PROCEDIMIENTO DE COMPARACIÓN MÚLTIPLE: Procedimientos

estadísticos para llevar a cabo comparaciones estadísticas entre pares de
medias poblacionales o de tratamientos.
FACTOR: Sinónimo de la variable de interés en un experimento.
TRATAMIENTO: Distintos niveles de un factor.
EXPERIMENTO DE UN SOLO FACTOR:Un experimento donde solo interviene

un factor con k poblaciones o tratamientos.
UNIDAD EXPERIMENTAL: Los objetos de interés en el experimento.
DISEÑO TOTALMENTE ALEATORIZADO: Diseño de experimento en el que

los tratamientos se asignan aleatoriamente a las unidades experimentales.
CUADRADO MEDIO: La suma de los cuadrados divida entre los grados de

libertad correspondientes. Esta cantidad se usa en la relación F para determinar
si existe diferencias significativas entre las medias poblacionales.
AGRUPAMIENTO EN BLOQUES: Proceso de usar las mismas o semejantes

unidades experimentales para todos los tratamientos. El objeto del
197
agrupamiento en bloques es eliminar una fuente de variación del termino de

error, y en consecuencia, obtener una prueba mas poderosa para investigar una
diferencia entre promedios de población o de tratamientos.
DISEÑO DE BLOQUE ALEATORIZADO: Diseño de experimento donde se usa

agrupamiento en bloques.
EXPERIMENTO FACTORIAL: Diseño de experimentos que permite llegar a

conclusiones estadísticas acerca de dos o más factores.
REPLICACIÓN: O repetición, es la cantidad de veces que aparece cada

condición experimental en un experimento.
INTERACCIÓN: Efecto producido cuando los niveles de un factor interactúan

con los de otro factor, influyendo sobre la variable respuesta.
198
CAPITULO SEIS: PRUEBAS NO PARAMETRICAS
Introducción
Uno de los problemas más difíciles para el principiante y para el investigador

experimentado, es decidir cuál de las pruebas estadísticas es la más adecuada
para analizar un conjunto de datos. La aplicación de la estadística en el análisis
de datos es muy amplia y las áreas en las que se aplica son diversas, desde las
ciencias exactas hasta las ciencias sociales. La selección de la prueba
estadística necesaria para el caso, depende de varios factores, en primer lugar
se debe saber cuál es la escala con la que se están midiendo los datos que se
analizarán, pues no se puede aplicar la misma prueba estadística para el caso
en que la variable de interés sea el peso de un producto que cuando lo es la
profesión del usuario de un producto.
Queremos introducir en este parte la noción de pruebas no paramétricas como

aquellas que no presuponen una distribución de probabilidad para los datos, por
ello se conocen también como de distribución libre. En la mayor parte de ellas
los resultados estadísticos se derivan únicamente a partir de procedimientos de
ordenación y recuento, por lo que su base lógica es de fácil comprensión.
Cuando trabajamos con muestras pequeñas (n < 10) en las que se desconoce si
es válido suponer la normalidad de los datos, conviene utilizar pruebas no
paramétricas, al menos para corroborar los resultados obtenidos a partir de la
utilización de la teoría basada en la normal.
En estas técnicas, solamente se necesitan conocimientos elementales de

matemáticas, pues los métodos son relativamente más sencillos que en las
pruebas paramétricas. En estas pruebas, también se tienen supuestos, pero son
pocos y no tienen que ver con la naturaleza de la distribución de la población,
por lo que a estas técnicas también se les conoce como de libre distribución.
En general el único supuesto que se debe cumplir en la mayoría de las pruebas

no paramétricas para confiar en ellas, es que la muestra haya sido seleccionada
en forma probabilística.
Las pruebas que se mencionarán son las que se podrían necesitar con mayor
frecuencia, se mencionarán sus principales características y aplicaciones.
Objetivo general.
Contrastar la validez de hipótesis o conjetura sobre la relación entre variables y

sobre las distribuciones de probabilidad teórica que adoptan dichas variables,
sin sujetarse a los condicionamientos de la validez de supuestos paramétricos.
199
 Examinar que se entiende por hipótesis y por prueba de hipótesis No

paramétricas.
 Realizar pruebas No paramétricas para una variable y para datos
pareados
 Realizar pruebas sobre la bondad de ajustes de variables a distribuciones
de probabilidad teórica de carácter cuantitativas.
 Realizar pruebas de hipótesis para datos que se encuentran en una
escala nominal u ordinal con aplicación de la distribución chi- cuadrado.
 Realizar pruebas sobre la relación entre dos y más variables
poblacionales.
Lección No 26: Generalidades

Las pruebas de hipótesis hacen inferencias respecto a los parámetros de la
población, como la media. Estas pruebas paramétricas utilizan la
estadística paramétrica de muestras que provinieron de la población que
se está probando. Para formular estas pruebas, hicimos suposiciones
restrictivas sobre las poblaciones de las que extraíamos las muestras.
Por ejemplo: suponíamos que las muestras eran grandes o que
provenían de poblaciones normalmente distribuidas. Pero las poblaciones no
siempre son normales.
Los estadísticos han desarrollado técnicas ˙tiles que no hacen

suposiciones restrictivas respecto a la forma de las distribuciones de las
poblaciones. …estas se conocen como pruebas sin distribución, o pruebas no
paramétricas. Las hipótesis de una probabilidad no paramétrica se refieren a
algo distinto del valor de un parámetro de población
Ventajas de los métodos no paramétricos.

1. No requieren que hagamos la suposición de que una población está
distribuida en forma de curva normal u otra forma específica.
2. Generalmente, son más fáciles de efectuar y comprender.
3. Algunas veces, ni siquiera se requiere el ordenamiento o clasificación
formal.
Desventajas de los métodos no paramétricos.

1. Ignoran una cierta cantidad de información
2. A menudo, no son tan eficientes como las pruebas paramétricas.
200
Cuando usamos pruebas no paramétricas, efectuamos un trueque:

perdemos agudeza al estimar intervalos, pero ganamos la habilidad de
usar menos información y calcular ms rápidamente.
Lección No 27: Prueba de bondad de ajuste Chi

Cuadrado:
Comprueban el ajuste a cualquier distribución, no necesariamente normal (por
ejemplo, a una exponencial, che-cuadrado, etc.). Compara frecuencias teóricas
esperadas con frecuencias obtenidas. Necesita un número suficiente de datos
(al menos 30); también es necesario que las frecuencias esperadas sean
mayores o iguales que 5. Válido tanto para variable discreta, como continua.
Pero especialmente para variables cualitativas.
Prueba de independencia de variables
Dadas dos variables categóricas X e Y, el test contrasta si dichas variables son

independientes, o si por el contrario hay cierta relación entre ellas (en otras
palabras: si una de ellas influye en la otra, si hay diferencias significativas en
una de ella según los valores de la otra, etc.)
Lección No 28: Prueba de Kolmogorov-Smirnov:
La única premisa que se necesita es que las mediciones se encuentren al

menos en una escala de intervalo. Se necesita que la medición considerada sea
básicamente continua. Además dicha prueba es aplicable cualquiera sea el
tamaño de la muestra.
Compara las funciones de distribución teórica y empírica (sólo válido para

variables continuas).
Características de la prueba
La prueba de K-S de una muestra es una hipótesis de bondad de ajuste. Esto
es, se interesa en el grado de acuerdo entre la distribución de un conjunto de
valores de la muestra y alguna distribución teórica específica. Determina si
razonablemente puede pensarse que las mediciones muéstrales provengan de
una población que tenga esa distribución teórica. En la prueba se compara la
201
distribución de frecuencia acumulativa de la distribución teórica con la

distribución de frecuencia acumulativa observada. Se determina el punto en el
que estas dos distribuciones muestran la mayor divergencia.
Hipótesis
Ho: La distribución observada se ajusta a la distribución teórica.
F(x) = Ft(x) para todo x.
H1: La distribución observada no se ajusta a la distribución teórica.
Ft(x): es la función teórica. Esta puede ser por ejemplo la función normal con
cierta media y varianzas conocidas.
Estadístico de prueba
D = máxima
Sn(x): es la función de distribución empírica.
Lección No 29: Prueba de Wilcoxon de los rangos con

signo
Esta prueba nos permite comparar nuestros datos con una mediana teórica.
Llamemos M0 a la mediana frente a la que vamos a contrastar nuestros datos, y
sea X1, X2 .. Xn los valores observados. Se calcula las diferencias X1-M0, X2-
M0, ..., Xn-M0. Si la hipótesis nula fuera cierta estas diferencias se distribuirían
de forma simétrica en torno a cero.
Para efectuar esta prueba se calculan las diferencias en valor absoluto |Xi-M0| y
se ordenan de menor a mayor, asignándoles su rango (número de orden). Si
hubiera dos o más diferencias con igual valor (empates), se les asigna el rango
medio (es decir que si tenemos un empate en las posiciones 2 y 3 se les asigna
el valor 2.5 a ambas). Ahora calculamos R+ la suma de todos los rangos de las
diferencias positivas, aquellas en las que Xi es mayor que M0 y R- la suma de
todos los rangos correspondientes a las diferencias negativas. Si la hipótesis
nula es cierta, ambos estadísticos deberán ser parecidos, mientras que si
nuestros datos tienen a ser más altos que la mediana M0, se reflejará en un
valor mayor de R+, y al contrario si son más bajos. Se trata de contrastar si la
menor de las sumas de rangos es excesivamente pequeña para ser atribuida al
azar, o, lo que es equivalente, si la mayor de las dos sumas de rangos es
excesivamente grande.
202
Prueba de Wilcoxon para contrastar datos pareados
El mismo razonamiento lo podemos aplicar cuando tenemos una muestra de

parejas de valores, por ejemplo antes y después del tratamiento, que podemos
denominar (X1,Y1), (X2,Y2), ... ,(Xn,Yn). De la misma forma, ahora
calcularemos las diferencias X1-Y1, X2-Y2, ... , Xn-Yn y las ordenaremos en
valor absoluto, asignándoles el rango correspondiente. Calculamos R+ la suma
de rangos positivos (cuando Xi es mayor que Yi), y la suma de rangos negativos
R-. Ahora la hipótesis nula es que esas diferencias proceden de una distribución
simétrica en torno a cero y si fuera cierta los valores de R+ y R- serán
parecidos.
Lección No 30: Prueba de Mann-Whitney para muestras

independientes
Si tenemos dos series de valores de una variable continua obtenidas en dos
muestras independientes: X1, X2, ... , Xn, Y1, Y2, ... , Ym, procederemos a
ordenar conjuntamente todos los valores en sentido creciente, asignándoles su
rango, corrigiendo con el rango medio los empates. Calculamos luego la suma
de rangos para las observaciones de la primera muestra Sx, y la suma de
rangos de la segunda muestra Sy. Si los valores de la población de la que se
extrajo la muestra aleatoria de X se localizan por debajo de los valores de Y,
entonces la muestra de X tendrá probablemente rangos más bajos, lo que se
reflejará en un valor menor de Sx del teóricamente probable. Si la menor de las
sumas de rangos es excesivamente baja, muy improbable en el caso de que
fuera cierta la hipótesis nula, ésta será rechazada.
Lección No 31: Prueba H de suma de rangos o prueba

de Kruskal-Wallis para comparar k muestras
independientes
También se conoce esta prueba como prueba H de Kruskal-Wallis para diseños
completamente aleatorizados.
Cuando se tiene interés o necesidad de probar una hipótesis nula en la que se

afirma que k tratamientos son iguales o que k muestras aleatorias
independientes provienen de poblaciones idénticas, siendo k > 2, la prueba
estadística que se realizaría dentro de la estadística paramétrica sería el análisis
de varianza de un sentido y para la prueba se utilizaría la distribución F; sin
203
embargo, cuando la escala es ordinal o se desconfía del supuesto de que las

muestras provienen de poblaciones con forma de distribución normal, se puede
utilizar esta prueba para muestras independientes. La hipótesis alternativa sería
que al menos dos poblaciones tienen una distribución diferente.
Esta prueba solamente se puede usar cuando el tamaño de cada muestra sea
mayor o igual a cinco. Se puede afirmar que el procedimiento que se realiza en
esta prueba es una extensión del utilizado en la prueba U de Mann-Withney.
Para proceder a realizar esta prueba, se utiliza la distribución ji cuadrada con (k-
1) grados de libertad, siendo k el número de muestras con las que se trabaja.
Ejercicios: 6
1. Cinco antiguos pacientes son seleccionados aleatoriamente del ala A de un

hospital y cuatro pacientes son seccionados del ala B. Los pacientes estuvieron
los siguientes números de días:
Ala A 13 4 2 10 6
Ala B 10 9 7 8
Se debe efectuar una prueba U de Mann-Whitney para determinar si existe

diferencia significativa entre la duración de las estancias en el hospital para las
dos alas. ¿Cual es la clasificación para la estancia de 13 días en el Ala A?
R/ta: 9 días
2. Elija la muestra con la mayor suma de rangos si los elementos son

clasificados de mayor a menor:
Muestra A: 1 3 9
Muestra B: 5 1 8
Muestra C: 9 4 2
R/ta: 16
3. En una partida de Rol se lanza 200 veces un dado de cuatro caras

obteniéndose 60 veces el número 1, 45 veces el número 2, 38 veces el número
3 y 57 veces el número 4. Se puede aceptar, a un nivel de confianza del 95%,
que estos resultados corresponden a un dado homogéneo.
R/ta: Se acepta de la hipótesis que los resultados corresponden a un dado

homogéneo
4. En una encuesta preelectoral realizada a 500 personas se obtuvo la

siguiente distribución en función de sus edades y de su intención de
voto:
204
Edad
Partido 18 – 35 35 – 50 50 o más
A 10 40 60
B 15 70 90
C 45 60 35
D 30 30 15
A un nivel de confianza del 90% ¿Puede afirmarse que la intención de voto es

independiente de la edad?
R/ta: Se rechaza la hipótesis de independencia de las variables
5. Los tiempos de respuesta de 9 sujetos en una tarea de reconocimiento de

palabras, previamente presentadas, han sido los siguientes:
115, 98, 123, 109, 112, 87, 118, 104, 116
A un nivel de confianza del 95% ¿Son compatibles estos resultados con la

hipótesis de que el tiempo de reacción en esta tarea sigue una distribución
Normal de media 110 y desviación típica 10?
R/ta: Se acepta la hipótesis de normalidad de la variable.
Autoevaluación
1. Los miembros de un equipo ciclista se dividen al azar en tres grupos que

entrenan con métodos diferentes. El primer grupo realiza largos recorridos a
ritmo pausado, el segundo grupo realiza series cortas de alta intensidad y el
tercero trabaja en el gimnasio con pesas y se ejercita en el pedaleo de alta
frecuencia. Después de un mes de entrenamiento se realiza un test de
rendimiento consistente en un recorrido cronometrado de 9 Km. Los tiempos
empleados fueron los siguientes:
Método I Método II Método III

15 14 13
16 13 12
14 15 11
15 16 14
17 14 11
A un nivel de confianza del 95% ¿Puede considerarse que los tres métodos
producen
205
resultados equivalentes? O por el contrario ¿Hay algún método superior a los

demás?
Solución:
Comenzamos calculando los totales y los cuadrados de los totales

divididos por el número de observaciones:
Metd. I Metd. II Metd. III Total Sum2 /n

Suma 77 72 61 210 2940
Sum2 /n 1185,8 1036,8 744,2 2966,8
A continuación calculamos los cuadrados de las observaciones y su total:
Metd. I Metd. II Metd. III

225 196 169
256 169 144
196 225 121
225 256 196
289 196 121
1191 1042 751 2984
A partir de estas cantidades básicas calculamos las Sumas de Cuadrados:
SC(total) = 2984 - 2940 = 44

SC(intra) = 2984 – 2966,8 = 17,2
SC(entre) = 2966,8 – 2940 = 26,8
Los cuadrados medios
serán: CM(entre) =
26,8/2 = 13,4
CM(intra) = 17,2/12 = 1,43
Por consiguiente el estadístico de contraste vale:
F = 13,4/ 1,43 = 9,37
El valor de la F teórica con 2 y 12 grados de libertad, a un nivel de confianza

del 95% es 3,89. Por consiguiente se rechaza la hipótesis nula y se concluye
que los tres métodos de entrenamiento producen diferencias significativas.
(Tomado de problemas de análisis de datos Tema 14 Análisis de varianzas:
José María Salinas)
206
Test No Parámetro
2. En una partida de Rol se lanza 200 veces un dado de cuatro caras

obteniéndose 60 veces el número 1, 45 veces el número 2, 38 veces el
número 3 y 57 veces el número 4. Se puede aceptar, a un nivel de confianza
del 95%, que estos resultados corresponden a un dado homogéneo.
Solución:
1º La hipótesis nula será que el dado es homogéneo, esto implica que la

distribución de los números es uniforme, es decir que los cuatro números
tienen una probabilidad de aparecer de 0,25.
2º La hipótesis alternativa será que la distribución no es uniforme.
3º Como la variable es discreta utilizaremos el test Ji-cuadrado de bondad

de ajuste a una distribución.
4º En la tabla siguiente se han realizado todos los cálculos necesarios,

obteniéndose el valor 4,36 para el estadístico de contraste.
xi ni pi Npi ni-np i (ni-np i)2 (ni-np i)2 /np i

1 60 0,25 50 10 100 2
2 45 0,25 50 -5 25 0,5
3 38 0,25 50 -12 144 2,88
4 57 0,25 50 7 49 0,98
200 4,36
5º Como el estadístico tenía 4 sumandos, buscamos en las tablas de la Ji-

cuadrado con 3
grados de libertad el valor que deja por debajo una probabilidad de 0,95 y
obtenemos que el valor crítico es 7,81.
6º Como el valor del estadístico es inferior al valor crítico, aceptamos la

hipótesis nula.
7º Estos resultados son compatibles con el hecho de que el dado sea

homogéneo.
2.- En una encuesta preelectoral realizada a 500 personas se obtuvo

la siguiente distribución en función de sus edades y de su intención
de voto:
Edad
207
Partido 18 – 35 35 – 50 50 o más
A 10 40 60
B 15 70 90
C 45 60 35
D 30 30 15
A un nivel de confianza del 90% ¿Puede afirmarse que la intención de voto es

independiente de la edad?
Solución:
1º La hipótesis nula es que las dos variables son independientes.
2º La hipótesis alternativa es que hay relación entre ambas variables.
3º Se trata de un contraste de independencia entre dos variables, por

consiguiente el estadístico de contraste a utilizar es el estadístico Ji-
cuadrado para tablas de contingencia.
4º Las tablas siguientes presentan los cálculos del estadístico:
Edad
Partido 18 – 35 35 – 50 50 o más
A 10 40 60 110
B 15 70 90 175
C 45 60 35 140
D 30 30 15 75
100 200 200 500
A partir de las frecuencias marginales de la tabla anterior, se obtienen las

frecuencias
esperadas que aparecen a continuación:
Edad
Partido 18 – 35 35 – 50 50 o más
A 22 44 44
B 35 70 70
C 28 56 56
D 15 30 30
Por consiguiente las discrepancias entre frecuencias empíricas y frecuencias

esperadas
son:
Edad
208
Partido 18 – 35 35 – 50 50 o más
A -12 -4 16
B -20 0 20
C 17 4 -21
D 15 0 -15
Los cuadrados de las discrepancias son:
Edad
Partido 18 – 35 35 – 50 50 o más
A 144 16 256
B 400 0 400
C 289 16 441
D 225 0 225
Dividiendo por las frecuencias esperadas se obtiene:
Edad
Partido 18 – 35 35 – 50 50 o más
A 6,55 0,36 5,82
B 11,43 0 5,71
C 10,32 0,29 7,88
D 15 0 7,5
43,30 0,65 26,91 70,86
Sumando, se obtiene el valor del estadístico 70,86.
5º Como la edad presenta tres intervalos y los partidos son cuatro, el

estadístico tendrá (3 - 1)·(4 -1 ) = 6. Buscamos en las tablas de la
distribución Ji-cuadrado con 6 grados de libertad el valor de la variable que
deja por debajo una probabilidad de 0,9 encontramos que el valor crítico es
10,64.
6º Como el valor del estadístico es mayor que el valor crítico rechazamos

la hipótesis nula de que ambas variables son independientes.
7º La edad cambia la intención de voto.
3. Los tiempos de respuesta de 9 sujetos en una tarea de reconocimiento

de palabras, previamente presentadas, han sido los siguientes:
115, 98, 123, 109, 112, 87, 118, 104, 116
A un nivel de confianza del 95% ¿Son compatibles estos resultados con la
209
hipótesis de que el tiempo de reacción en esta tarea sigue una distribución

Normal de media 110 y desviación típica 10?
Solución:
1º La hipótesis nula es que los datos proceden de una Normal (110, 10).
2º La hipótesis alternativa es que no siguen esa distribución Normal.
3º Como la variable es continua, y la hipótesis nula especifica totalmente la

distribución utilizaremos el test de Kolmogoroff-Smirnoff, cuyo estadístico de
contraste es:
max | Fn (xi ) - Mn (xi) |
4º los cálculos del estadístico se especifican en la siguiente tabla:
xi 87 98 104 109 112 115 116 118 123

zi -2,3 -1,2 -0,6 -0,1 0,2 0,5 0,6 0,8 1,3
Fn 0,0107 0,1151 0,2743 0,4602 0,5793 0,6915 0,7257 0,7881 0,9032
Mn 0,1111 0,2222 0,3333 0,4444 0,5556 0,6667 0,7778 0,8889 1
|Fn -Mn | 0,1004 0,1071 0,059 0,0158 0,0237 0,0248 0,0521 0,1008 0,0968
5º Buscando en las tablas del test Kolmogoroff-Smirnoff para n = 9 el valor

crítico para
un nivel de confianza del 95% se obtiene 0,43001.
6º Como el valor del estadístico 0,1071 es menor que el valor crítico se acepta
la
hipótesis nula.
7º A un nivel de confianza del 95% no hay evidencia en contra de que el

tiempo de reacción siga una distribución N(110, 10). (Tomado de
problemas de análisis de datos Tema 14 Análisis de varianzas: José
María Salinas)
210
211
BLIOGRAFÍA
CANAVOS, George. Estadística y Probabilidad. Mc Graw Hill. Méxicoo 1.998
DEVORE, Jay. Probabilidad y estadística. Quinta edición. Thomsom-Learning.

México 2.001
JONHSON, Richard. Probabilidad y Estadística para Ingenieros. Printece mall

México 1.997
MONTGOMERY, Douglas. Estadística y Probabilidad. Segunda edición.

Limusa. México, 2.002
PEÑA, Daniel. Estadística, Modelos y Métodos. Vol. 1. Alianza Editorial. Madrid

1.988
ROSS, Sheldon. Probabilidad y Estadística para Ingenieros. Segunda Edición.

Mc Graw Hill. México 2.001
CASAS, J.M. (1997). Inferencia Estadística. Centro de Estudios Ramón Areces,

Madrid.
SARABIA, J.M. (2000). Curso Práctico de Estadística. Segunda Edición. Civitas,

Madrid.
SARABIA, J.M. (2002). Apuntes de Inferencia Estadística.
SARABIA, J.M., PASCUAL, M. (2002). Prácticas de Inferencia Estadística.
CASAS, J.M., SANTOS, J. (1999). Estadística Empresarial. Centro de Estudios

Ramón Areces, Madrid.
CUADRAS, C.M. (1983). Problemas de Probabilidades y Estadística. Tomo II.

PPU, Barcelona.
MENDENHALL, W. REINMUTH, J.E. (1993). Estadística para Administración y

Economía. Grupo Editorial Iberoamericana, México.
PEÑA, D. (2001). Fundamentos de Estadística. Alianza Editorial, Madrid.
RUIZ-MAYA, L., MARTÍN PLIEGO, F.J. (2001). Estadística II: Inferencia.

Segunda Edición. AC, Madrid.
212
Sitios Web.
http://server2.southlink.com.ar/vap/PROBABILIDAD.htm
http://es.wikipedia.org/wiki/Probabilidad
http://www.terra.es/personal2/jpb00000/pprobjunio99.htm
http://www.fvet.edu.uy/estadis/probabilidad.htm
http://thales.cica.es/rd/Recursos/rd98/Matematicas/28/matematicas-28.html
http://www.aulafacil.com/CursoEstadistica/CursoEstadistica.htm
http://www.uantof.cl/facultades/csbasicas/Matematicas/academicos/emartinez/E
stadistica/index.html
http://www.d16acbl.org/U173/Brmx_prob1.html#_1
http://espanol.geocities.com/eprobabilidades/index.htm
http://www.monografias.com/trabajos11/tebas/tebas.shtml
http://www2.uiah.fi/projects/metodi/252.htm
http://e-stadistica.bio.ucm.es/mod_intervalos/intervalos6.html
http://escuela.med.puc.cl/Recursos/recepidem/EPIANAL9.HTM
http://adrianamoralesunad.blogspot.com/
213

Modulo Version 2 DANI BRITO - JORGE RONDON

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Modulo Version 2 DANI BRITO - JORGE RONDON

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERIA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

JORGE ELIECER RONDON DURAN

DANIS BRITO ROSADO

100403 – INFERENCIA ESTADÍSTICA

DANIS BRITO ROSADO

LIDA ANGELICA VEGA

Jaime Alberto Leal Afanador

Roberto Salazar ramos

Maribel Córdoba Guerrero

Unidad de Ciencias Básicas UNAD

CAMPOS DE FORMACIÓN Básica CRÉDITOS: 2 TRABAJO INDEPENDIENTE: 72 Horas

Que el estudiante comprenda, aplique y desarrolle la teoría y las técnicas de la

 Que el estudiante identifique las técnicas y procedimientos que se deben

 Que el estudiante comprenda el comportamiento de una población a partir

 Identificar el tipo de muestreo de acuerdo a los objetivos del estudio.

 Diferenciar y analizar las ventajas y desventajas de la estimación por

 Determinar la prueba o técnica apropiada a aplicar en las diferentes pruebas

COMPETENCIA GENERAL DE APRENDIZAJE:

Identificar un procedimiento adecuado para seleccionar de una población una

Determinar los estadísticos necesarios para el análisis y solución de situaciones

conocimiento de la teoría elemental del muestreo y de las distribuciones

Plantear y desarrollar el proceso de la inferencia estadística para resolver

Aplicar apropiadamente los resultados teóricos y metodológicos de la inferencia

Habilidad para planear una investigación, diseño de instrumentos, definición de

UNIDAD UNO: MUESTREO, DISTRIBUCION MUESTRAL E

CAPÍTULO 1. TEOREMA GENERAL DE MUESTREO 9

CAPÍTULO 2: DISTRIBUCIÓN MUESTRAL: 34

CAPÍTULO 3. INTERVALOS DE CONFIANZA PARA UNA Y DOS

UNIDAD DOS: PRUEBAS DE HIPÓTESIS, ANÁLISIS DE VARIANZA Y

CAPÍTULO 4. PRUEBAS DE HIPOTESIS 99

CAPÍTULO 5. ANÁLISIS DE VARIANZA 144

CAPÍTULO 6. ESTADÍSTICA NO PARAMÉTRICA 200

El presente modulo esta dirigido a estudiantes de programas de pregrado que

La propuesta permite que los estudiantes reconozcan los conocimientos

Para el mejor aprovechamiento de este material, se recomienda que el

El modulo se caracteriza porque en cada lección se presentan ejemplos

Al final de cada unidad se presenta una Autoevaluación de un nivel medio-alto,

Finalmente, el Material pretende servir como guía de aprendizaje autónomo, se

CAPITULO UNO: PRINCIPIOS DE MUESTREO

En los estudios de investigación lo primero que se define es el fenómeno a

En las encuestas de opinión sobre la preferencia de un producto se nota más

Que los estudiantes identifiquen los principios sobre población y muestra,

 Comprender los conceptos de población y muestra.

Lección No 1: Conceptos Básicos

Dentro de la inferencia estadística, el proceso de muestreo permite que a

Las técnicas de muestreo son importantes en la medida que se utilice en forma

El Éxito en el desarrollo del curso en mención está en los buenos

Figura 2.1 Población y muestra

Se considera a todo aquello sobre el que se desea hacer un estudio

Cuando el número de unidades que integra una población es muy grande, se

- Estudiantes del Programa de Ingeniería de Sistemas

Cuál de esas poblaciones estarán mejor definida? Analícelo con su grupo

El fin fundamental de la Inferencia Estadística es analizar algunas

N = Tamaño total de la población

Se considera una muestra al subconjunto representativo de la población,

1. Naturaleza Destructiva: Existen casos donde se requiere destruir los

2. Imposibilidad Física de Medir Todos los Elementos de la Población: Se

3. Costos: Estudiar todos los elementos de la población es muy costoso, tanto en

4. Confiabilidad del Estudio Muestra: Esta demostrado con soporte matemático

El objetivo fundamental del muestreo es Estimar los parámetros de la población

Los estadísticos más utilizados por su importancia son: