Unidad IV Estadistica

Unidad IV
INTRODUCCION
La teoría de la inferencia estadística consiste en aquellos métodos por los cuales
realizan inferencias o generalizaciones a cerca de una población. La tendencia actual
es la distinción entre el método clásico de estimación de un parámetro de la población,
por medio del cual las inferencias se basan de manera estricta en información que se
obtiene de una muestra aleatoria seleccionada de la población y el método bayesiano
que usa el conocimiento subjetivo previo sobre la distribución de probabilidad de los
parámetros desconocidos junto con la información que proporcionan los datos
muestrales.
La inferencia estadística se divide en dos áreas principales: Estimación y Prueba de
Hipótesis.
Para distinguir claramente entre las dos áreas, consideremos los siguientes ejemplos.
Se desea estimar:
1. La edad promedio de los nicaragüenses.
2. La proporción de votantes a favor de un partido X
3. La varianza de los salarios en Nicaragua
Para esto se toma una muestra aleatoria y con el conocimiento de la distribución
muestral de los distintos parámetros nos permite establecer el grado de precisión, este
problema cae en el área de estimación.
Ahora en el área de inferencia estadística nos interesaría contrastar los parámetros que
estimamos con datos que ya se conocen con anticipación, por ejemplo la edad promedio
con la edad de jubilación, la proporción de votantes con los datos de las encuestadoras.
También se puede estar interesado en encontrar si el salario de un profesional en el
sector estatal es mayor o menor que de un profesional en el sector privado.
Lo que tratamos es de llegar a una decisión correcta acerca de una hipótesis
preestablecida.
ESTIMACIÓN DE PARAMETROS
Estimación por intervalo

Una estimación por intervalo de un parámetro  de la población es un intervalo de la
   
forma  L <  <  U , donde  L y  U , dependen del valor del estadístico para una
muestra particular
Para determinar el intervalo de confianza se debe plantear lo siguiente:
 
p( l     u )  1  
Para 0 <  < 1, tenemos entonces la probabilidad de 1 -  de seleccionar una variable
aleatoria que produzca un intervalo de confianza que contenga a .
Esto significa que si tomamos una muestra aleatoria de tamaño n de una población
esperamos que el parámetro poblacional  se encuentre entre dos valores. Sabemos
que a medida que el tamaño de la muestra aumenta la varianza disminuye y en
consecuencia es probable que nuestra estimación esté más cerca del parámetro
poblacional, lo que tiene como consecuencia un intervalo más pequeño.
 
Obtendremos un intervalo de confianza  L <  <  U , que se calcula a partir de la
muestra seleccionada. Se llama entonces intervalo de confianza de (1 - )100%,
 
donde 1 -  se denomina grado de o nivel de confianza y  L y  U , límites de confianza
inferior y superior.
Cuando  = 0.05 tenemos un intervalo de confianza del 95% y cuando  = 0.01 tenemos
un intervalo de confianza más amplio de 99%. Entre más amplio sea el intervalo de
confianza podemos tener más confianza de que el intervalo dado contenga al parámetro
poblacional. Por supuesto es mejor tener una confianza de 95% que el consumo
promedio domiciliar de agua potable en Managua está entre 20 y 30 metros cúbicos,
1 Elaborado por: Ing. Erick Murillo Vélez`
Universidad Nacional de Ingeniería
Unidad IV
que tener un una confianza de 99% que está entre 10 y 50 metros cúbicos. Idealmente,
preferimos un intervalo corto con un grado de confianza, esto se logra con tamaños
grandes de muestras y algunas veces las restricciones del tamaño de la muestra nos
impiden tener intervalos cortos sin sacrificar algo de nuestro grado de confianza.
Estimación de la Media Poblacional 

Una sola muestra.
Si una muestra aleatoria de tamaño n tomada de una población normal o si n es
suficientemente grande(n  30), podemos establecer un intervalo de confianza para  al
considerar la distribución muestral de 𝑋̅. Según el teorema de límite central podemos
plantear que:
X 
P(-z/2 < Z < z/2 ) = 1 -  , donde Z 

n
Gráficamente:
-Z/2 0
1-
/2 /2
-z/2 0 z/2
X 
En consecuencia, P(-z/2 < < z/2 ) = 1 - 

n
Al multiplicar cada término de la desigualdad por 𝜎/√𝑛 , después restar 𝑋̅ de cada
término y multiplicar por -1(para invertir el sentido de la desigualdad), obtenemos:
   
P x  z    x  z   1  
 2 n 2 n
Intervalo de Confianza para  con  Conocida

Si x es la media de una muestra aleatoria de tamaño n de una población con varianza
conocida 2, un intervalo de confianza de (1- )100% para  esta dado por:
 
x  z    x  z
2 n 2 n
donde z/2 es el valor normal estándar que delimita un área de /2 a su derecha.
Ejemplos
1. Una muestra aleatoria de 200 hogares ubicados en el Residencial Las Mercedes de
la ciudad de Managua tiene un consumo promedio 31 metros cúbicos de agua con una
desviación estándar de 8.5 metros cúbicos. Encuentre los intervalos de confianza del
95% y 99% para la media de todos los residentes de Las Mercedes.
Solución
Datos
a) 𝑥̅ = 31, n = 200,  = 8.5 , (1 - )100% = 95%, despejando  = 0.05, /2 = 0.025,
buscando en la tabla normal estándar tenemos que z0.025 = 1.96 la fórmula a usar es:

Unidad IV
 
x  z    x  z
2 n 2 n
Sustituyendo los datos obtenemos:
8.5 8.5
31  1.96    31  1.96
200 200
El intervalo de confianza para la media poblacional es: 29.82 <  < 32.17
b) Para (1 - )100% = 99%, despejando  = 0.01, /2 = 0.005, buscando en la tabla
normal estándar tenemos que z0.005 = 2.57, entonces:
8.5 8.5
31  2.57    31  2.57
200 200
El intervalo de confianza para la media poblacional es: 29.45 <  < 32.54
Se observa que con un nivel de confianza más alto el intervalo de confianza más grande
para estimar .
2 . Según una encuesta realizada en un barrio de Managua el gasto promedio en
energía eléctrica de 35 hogares es de 867 (C$/mes), con una desviación estándar de
155 (C$/mes). Estime un intervalo de confianza de 95% para el gasto promedio de todos
los hogares de este barrio.
Solución
𝑥̅ = 867, n = 35,  = 155 , (1 - )100% = 95%, despejando  = 0.05, /2 = 0.025,
buscando en la tabla normal estándar tenemos que z0.025 = 1.96 la fórmula a usar es:
 
x  z    x  z
2 n 2 n
Sustituyendo los datos obtenemos:
155 155
867  1.96    867  1.96
35 35
El intervalo de confianza para la media poblacional es: 816 <  < 918
El intervalo de confianza de (1 - )100% proporciona una estimación de la precisión de
nuestra estimación puntual. Si  es realmente el valor central del intervalo, entonces 𝑥̅
estima sin error. La mayoría de las veces 𝑥̅ no será exactamente igual a  y la estimación
puntual es errónea. La magnitud de este error será el valor absoluto de la diferencia
entre  y 𝑥̅ y podemos tener (1 - )100% de confianza de que esta diferencia no
excederá a 𝑧𝛼/2 𝜎/√𝑛 , a como se muestra en la siguiente figura.
Error
𝑥̅ − 𝑧𝛼/2 𝜎/√𝑛 𝑥̅  𝑥̅ + 𝑧𝛼/2 𝜎/√𝑛
Teorema
Si se utiliza x como una estimación de  se puede tener entonces una confianza de (1
-  )100% de que el error no excederá de z/2/n.
En el problema anterior tenemos el 95% de confianza de que la media muestral 𝑥̅ = 31
difiera de la media real por una cantidad menor a 1.18 y con 99% de confianza la
diferencia es menor que 1.55.
Con frecuencia deseamos saber que tan grande necesita ser una muestra para asegurar
que el error al estimar  sea menor que una cantidad específica e. Por el teorema
anterior debemos elegir n de modo de que e = 𝑧𝛼/2 𝜎/√𝑛

Unidad IV
Teorema
Si se utiliza x como una estimación de  se puede tener entonces una confianza de (1
-  )100% de que el error será menor que una cantidad especificada e cuando el tamaño
de la muestra es:
 z 
2

n 2 
 e 
 
Ejemplo
¿De qué tamaño debe ser la muestra ejemplo anterior si se desea tener una confianza
de 95%, de que la estimación de  es menor que 0.1?
2
 (1.96)(8.5) 
n  = 28324
 0.1 
Hablando estrictamente esta fórmula se aplica solo si conocemos la varianza de la
población de la cual seleccionamos nuestra muestra.
Con frecuencia intentamos estimar la media de la población cuando se desconoce la
varianza. Debemos de recordar que si tenemos una variable aleatoria a partir de una
𝑥̅ −𝜇
distribución normal, entonces la variable aleatoria 𝑇 = 𝑠/ 𝑛, tiene una distribución t-
√
student con n – 1 grados de libertad. El procedimiento para construir un intervalo de
confianza para  cuando se desconoce , lo que hacemos es reemplazar  por
s(varianza muestral) y distribución normal estándar se reemplaza por la distribución t-
student.
Podemos plantear que:
x
P(-t/2 < T < t/2 ) = 1 -  , donde T 
s
n
Gráficamente:
-Z/2 0
1-
/2 /2
-t/2 0 t/2
x
En consecuencia, P(-t/2 < < t/2 ) = 1 - 
s
n
Al multiplicar cada término de la desigualdad por 𝑠/√𝑛 , después restar 𝑋̅ de cada
término y multiplicar por -1(para invertir el sentido de la desigualdad), obtenemos:
 s s 
P x  t    x  t   1  
 2 n 2 n
Intervalo de Confianza de Muestras Pequeñas para : con  desconocida

Si x y s son la media y la desviación estándar de una muestra aleatoria de tamaño n<30,
tomada de una población aproximadamente normal con varianza 2 desconocida, un
intervalo de confianza (1 - )100% para  está dado por:

Unidad IV
s s
x  t    x  t
2 n 2 n
donde t/2 es el valor t-student con v = n – 1 grados de libertad, que delimita un área de
/2 a su derecha.
Ejemplo
1. Los contenidos de ácido sulfúrico en 7 recipientes similares son 9.8, 10.2, 10.4, 9.8,
10, 10.2 y 9.6 litros. Obtenga un intervalo de confianza de 95% para la media de todos
los recipientes, suponiendo una distribución aproximadamente normal.
Calculando la media y la desviación estándar muestral obtenemos: x = 10 y s = 0.283
, (1 - )100% = 95%,  = 0.05, /2 = 0.025, entonces t0.025 = 2.447 para v = 6
La fórmula a usar es:
s s
x  t    x  t
2 n 2 n
Sustituyendo los datos obtenemos
0.283 0.283
10  2.447    10  2.447
7 7
Un intervalo de confianza para la media de todos los recipientes es: 9.74 <  < 10.26
2. Una muestra aleatoria de 20 estudiantes de la UNI obtuvieron una nota promedio en

la asignatura de Matemática III de 62 con una desviación estándar de 13.4, estimar un
intervalo de confianza de 99% para la clasificación promedio de todos los alumnos que
cursaron Matemática III, suponiendo una distribución aproximadamente normal.
Solución
x = 62 y s = 13.4 , t0.005 = 2.093 para v = 19
La fórmula a usar es:
s s
x  t    x  t
2 n 2 n
13.4 13.4
62  2.093    62  2..093
20 20
Un intervalo de confianza para la media de todos los estudiantes es: 56 <  < 68
Problemas propuestos 1
1. Según una encuesta realizada en un barrio de Managua el gasto promedio en
agua potable de 35 hogares es de 234 (C$/mes), con una desviación estándar
de 85.04 (C$/mes). Estime un intervalo de confianza de 95% y 99% para el gasto
promedio de todos los hogares de este barrio.
2. El ingreso promedio de una muestra de 40 familias de un residencial en Managua
es de C$ 15, 413 al mes con una desviación estándar C$5,167 al mes. Estime
un intervalo de confianza del 90% y 98% para el ingreso promedio de todas las
familias del residencial.
3. La estaturas de una muestra aleatoria de 50 estudiantes universitarios tiene una
media de 174.5 centímetros y una desviación estándar de 6.9 centímetros.
Encuentre un intervalo de confianza de 98% para la estatura media de todos los
estudiantes de la universidad.
4. Una muestra aleatoria de 100 propietarios de vehículos muestra que en un
estado de USA, un automóvil recorre en promedio 23,500 kilómetros por año con
una desviación estándar de 3,900 kilómetros. Encuentre un intervalo de
confianza de 99% para el número promedio de kilómetros que se maneja un auto
en ese estado.
Unidad IV
5. ¿De qué tamaño debe ser la muestra 1 si se desea tener una confianza de 95%,
de que la estimación de  es menor que 0.1?
6. ¿De qué tamaño debe ser la muestra 2 si se desea tener una confianza de 99%,
de que la estimación de  es menor que 0.05?
7. A continuación se presentan las notas obtenidas por 10 alumnos en la asignatura
de Matemática I en la UAM: 60, 61, 65, 83, 35, 40, 64, 81, 74, 60. Estime un
intervalo de confianza del 95% para la calificación promedio de todos los
alumnos, suponiendo una distribución aproximadamente normal.
8. El gasto promedio en colegiatura de 20 hogares de un residencial en Managua
es de C$1682 al mes con una desviación estándar de C$230 al mes. Estime un
intervalo de confianza del 99% para el gasto medio todos los hogares del
residencial suponiendo una distribución aproximadamente normal.
Estimación de la diferencia entre dos medias: Dos muestras.

Si tenemos dos poblaciones con medias 1 y 2 y varianzas 𝜎12 y 𝜎22 , respectivamente,
un estimador puntual de la diferencia entre 1 y 2 está dado por ̅̅̅
𝑋1 − ̅̅̅
𝑋2 . Por tanto,
para obtener una estimación puntual de 1 - 2, seleccionamos dos muestras aleatorias
independientes de tamaño n1 y n2, y calculamos la diferencia ̅̅̅𝑥1 − ̅̅̅
𝑥2 de las medias
muestrales.
Podemos esperar que la distribución muestral de ̅̅̅ 𝑋1 − ̅̅̅
𝑋2 esté distribuida de forma
𝜎2 𝜎2
aproximadamente normal con media 1 - 2, y desviación estándar 𝜎 = √𝑛1 + 𝑛2 . Por
1 2
tanto podemos asegurar con probabilidad de 1 -  que la variable normal estándar
̅̅̅̅̅
(𝑋1 − ̅̅̅
𝑋2 ) − (𝜇1 − 𝜇2 )
𝑍=
𝜎2 𝜎2
√ 1+ 2
𝑛1 𝑛2
caerá entre -z/2 y z/2, gráficamente
1-
/2 /2
-z/2 0 z/2
Intervalo de Confianza para 1 - 2 con  y  conocidas 2
1
2
2
Si x 1 y x 2 son las medias de muestras aleatorias independientes de tamaño n1 y n2 a

partir de poblaciones con varianzas conocidas  12 y  22 , respectivamente, un intervalo
de confianza de (1 - )100% para 1 - 2 está dado por:
 12  22  12  22
x  x   z
1 2   1   2  x1  x2   z 
2 n1 n2 2 n1 n2
donde z/2 es el valor de Z que delimita un área de /2 a su derecha.
El grado de confianza es exacto cuando las muestras se seleccionan de poblaciones
normales.

Unidad IV
Ejemplo
50 muchachas y 65 muchachos presentaron un examen de química. Las muchachas
obtuvieron una calificación promedio de 76, con una desviación estándar de 6, en tanto
la calificación promedio de los chicos fue de 82 con desviación estándar de 8. Encuentre
el intervalo de confianza de 96% para la diferencia 1 - 2 donde 1 es la puntuación
media de las chicas y 2 es la de los chicos.
Solución
Datos
𝑥1 = 76, 1 = 6, n1 = 50
Muchachas: ̅̅̅
𝑥2 = 82 , 2 = 8, n2 = 65
Muchachos: ̅̅̅
(1 - )100% = 96%,  = 0.04, /2 = 0.02, z0.02 = 2.04
La formula a usar es:
 12  22  12  22
x  x   z
1 2   1   2  x1  x2   z 
2 n1 n2 2 n1 n2
Sustituyendo los datos tenemos
6 2 82 6 2 82
76  82  2.04   
 1   2  76  82  2.04 
50 65 50 65
Obteniendo el intervalo de confianza: -8.66 < 1 - 2 < -3.33
Interpretación del intervalo de confianza

En el caso de intervalos de confianza para diferencias entre medias, la interpretación se
puede extender a una comparación entre dos medias, para concluir si existe alguna
diferencia significativa entre las dos medias. Para la diferencia 1 - 2, si los dos límites
son positivos se concluye que existe diferencia y 1 > 2. Si los dos son negativos
también existe diferencia pero 2 > 1(es el caso del ejemplo anterior) y si el intervalo
contiene el cero o sea límite inferior negativo y límite superior positivo no existe
diferencia significativa entre las medias.
Varianzas desconocidas
Intervalo de Confianza para 1 - 2 con  12 =  22 pero desconocidas
Si x 1 y x 2 son las medias de muestras aleatorias independientes de tamaño n1 y n2,
respectivamente, de poblaciones aproximadamente normales con varianzas iguales
pero desconocidas, un intervalo de confianza de (1 - )100% para 1 - 2 está dado por:
x 1 
 x 2  t s p
2
1

1
n1 n2

 1   2  x1  x 2  t s p
2
1
1
n1 n2
donde: sp es la estimación de la desviación estándar poblacional y se calcula de la
siguiente con la siguiente fórmula:
(𝑛1 −1)𝑠12 +(𝑛2 −1)𝑠22
𝑠𝑝2 = , 𝑠12 𝑦 𝑠22 son las varianzas muestrales
𝑛1 +𝑛2 −2
t/2 es el valor t-student que con n1 + n2 – 2 grados de liberta y delimita un área de /2 a
su derecha.
Intervalo de Confianza para 1 - 2 con  12   22 pero desconocidas
Si x 1 y 𝑠12 , y x 2 y 𝑠22 son las medias y varianzas de muestras pequeñas independientes
de tamaño n1 y n2, respectivamente, de poblaciones aproximadamente normales con
varianzas diferentes pero desconocidas, un intervalo de confianza de (1 - )100% para
1 - 2 esta dado por:
x 1 
 x 2  t
2
s12 s 22

n1 n2

 1   2  x1  x 2  t
2
 s12 s 22

n1 n2

Unidad IV
(𝑠12 /𝑛1 + 𝑠22 /𝑛2 )2

donde t/2 es el valor t-student que con 𝑣 = [(𝑠2 /𝑛 )2 /(𝑛 −1)]+[( 𝑠2 /𝑛 )2 /(𝑛 −1)] grados de
1 1 1 2 2 2
libertad, que deja un área de /2 a su derecha.
Ejemplos
1. Los siguientes datos, representan las notas de Matemática I y Matemática II de
alumnos de primer año de una universidad de Nicaragua.
Matemática I Matemática II
n1 = 15 n2 = 17
𝑥1 = 69
̅̅̅ 𝑥2 = 63
̅̅̅
𝑠12 = 288 𝑠22 = 152
Encuentre un intervalo de confianza de 99% para la diferencia 1 - 2 en las
calificaciones para las dos asignaturas, suponga poblaciones normales con
varianzas iguales.
Solución
Datos
Matemática I Matemática II
n1 = 15 n2 = 17
𝑥1 = 69
̅̅̅ 𝑥2 = 63
̅̅̅
𝑠12 = 288 𝑠22 = 152
(1 - )100% = 99%,  = 0.001 , /2 = 0.005, como las varianzas son iguales los
grados de libertad son v = n1 + n2 – 2 = 15 + 17 – 2 = 30, entonces t0.005 = 2.750
La fórmula a utilizar es:
x
1 
 x 2  t s p
2
1

1
n1 n2
 
 1   2  x1  x 2  t s p
2
1

1
n1 n2
Primero tenemos que calcular
(𝑛1 − 1)𝑠12 − (𝑛2 − 1)𝑠22 (15 − 1)288 − (17 − 1)152
𝑠𝑝2 = = = 53.33
𝑛1 + 𝑛2 − 2 15 + 17 − 2
sp = 7.3
69  63  2.750(7.3) 1 1

  1   2  69  63  2.750 (7.3)
1 1

15 17 15 17
 1.11  1   2  13.11
Esto indica de que no existe diferencia significativa en las asignaturas de
Matemática I y II
2. A continuación se dan los miles kilómetros recorridos anuales por las llantas de
traseras de 8 taxis:
Taxi Marca A Marca B
1 34.4 36.7
2 45.5 46.8
3 36.7 37.7
4 32.0 31.1
5 48.4 47.8
6 32.8 36.4
7 38.1 38.9
8 30.1 31.5
Encuentre un intervalo de confianza del 99% para B - A, suponiendo una

distribución aproximadamente normal y las varianzas desconocidas pero
diferentes.
Unidad IV
Solución
Datos
Marca A Marca B
n1 = 8 n2 = 8
𝑥1 = 37.25
̅̅̅ 𝑥2 = 38.36
̅̅̅
𝑠12 = 42.86 𝑠22 = 38.2
Como las varianzas son iguales pero de conocidas, encontramos los v grados
de libertad
2 2
(𝑠𝐵 /𝑛𝐵 + 𝑠𝐴 /𝑛𝐴 )2 (38.2/8+ 42.86/8)2
𝑣 = [(𝑠2 /𝑛 2 2 2 = [(38.2/8)2 /(8−1)]+[( 42.86/8)2 /(8−1)] ≈ 14
𝐵 𝐵 ) /(𝑛𝐵 −1)]+[( 𝑠𝐴 /𝑛𝐴 ) /(𝑛𝐴 −1)]
Buscando en la tabla t-student con /2 = 0.005 y 12 grados de libertad tenemos que
t/2 = 3.055
La fórmula que usaremos es:
x B 
 x A  t
2
s B2 s A2

nB n A

  B   A  x B  x A  t
2
 s B2 s A2

nB n A
Sustituyendo los datos tenemos:
38.36  37.25  3.055 38.2 42.86

  1   2  38.36  37.25  3.055
38.2 42.86

8 8 8 8
 8.61  1   2  10.83
1. Se lleva a cabo un experimento en el que se comparar dos tipos de motores A y
B. Se mide el rendimiento en millas por galón de gasolina. Se realizaron 50
experimentos con el motor A y 75 con el motor B. La gasolina que se usa y las
demás condiciones se mantienen constantes. El rendimiento promedio de
gasolina para el motor A es de 36 millas por galón con una desviación estándar
de 6 y el promedio para el motor B es de 42 millas por galón con una desviación
estándar de 8. Encuentre un intervalo de confianza de 96% para B - A, donde
B y A son el rendimiento de gasolina medio poblacional para los motores B y A
respectivamente.
2. Los siguientes datos, registrados en días, representan el tiempo de
recuperación para pacientes que se tratan al azar con uno de dos medicamentos
para curar infecciones graves de la vejiga:
Medicamento 1 Medicamento 2
n1 = 14 n2 = 16
𝑥1 = 17
̅̅̅ 𝑥2 = 19
̅̅̅
𝑠12 = 1.5 𝑠22 = 1.8
Encuentre un intervalo de confianza de 99% para la diferencia 2 - 1 en el tiempo
promedio de recuperación para los dos medicamentos, suponga poblaciones
con varianzas iguales.

Unidad IV
3. Una compañía de taxis trata de decidir si compra llantas de la marca A o de la B

para su flota de taxis. Para estimar la diferencia de las dos marcas, se lleva a
cabo un experimento utilizando 12 llantas de cada marca. La llantas se usan
hasta que se gastan y los resultados son:
Marca A Marca B
𝑥1 = 36,300 kilómetros
̅̅̅ 𝑥2 = 38,100 kilómetros
̅̅̅
𝑠1 = 5,000 kilómetros 𝑠2 = 6, 100 kilómetros
Calcule un intervalo de confianza de 95% para la diferencia 1 - 2, suponga que
las poblaciones se distribuyen de forma aproximadamente normal, suponiendo
que las varianzas no son iguales.
Intervalo de Confianza para p, a partir de una muestra grande

  
Si p es la proporción de éxitos en una muestra aleatoria de tamaño n y q  1  p , un
intervalo de confianza aproximado de (1 - )100% para el parámetro binomial p está
dado por:
   
 pq  pq
p  z  p  p  z
2 n 2 n
Ejemplo
En una muestra aleatoria de 500 familias propietarias de aparatos de televisión en
Nicaragua se halló que 340 se suscribieron a televisión por cable . Obtenga un intervalo
de confianza de 95% para estimar la proporción real de familias que se suscribieron a
televisión por cable.
 340 
p  0.68 , por lo tanto q  0.32 , (1 - )100%=95%, /2 = 0.025, entonces el
500
intervalo de confianza es:
(0.68)(0.32) (0.68)(0.32)
0.68  1.96  p  0.68  1.96 ;
500 500
0.64  p  0.72
Teorema

Si se p utiliza como una estimación de p se puede tener entonces una confianza de(1
 
pq
-  )100% de que el error no excederá de z/2
n
   
  
pq pq
p - z/2 p p p + z/2
n n
Unidad IV
Teorema

Si se utiliza p como una estimación de p se puede tener entonces una confianza de(1
-  )100% de que el error será menor que una cantidad especificada e cuando el tamaño
de la muestra es:
 
2
z pq
n /2
2
e
Ejemplo
De que tamaño debe ser la muestra requerida en el ejemplo anterior si se desea tener
una confianza de 95% de que la estimación de p está dentro de 0.02?
(1.96)2 (0.68)(0.32)
n  2090
(0.02)2
Intervalo de Confianza para p1 – p2, a partir de muestras grandes
Si p1 y p2 son las proporciones de éxitos en muestras aleatorias de tamaño n1 y n2 y

   
además q1  1  p1 y q2  1  p2 , entonces el intervalo de confianza de (1 - )100%
para la diferencia de los dos parámetros p1 - p2, está dado por:
       
  p1 q1 p2 q2   pq p q
( p1  p2 )  z / 2   p1  p2  ( p1  p2 )  z / 2 1 1  2 2
n1 n2 n1 n2
Ejemplo
Se consideró cierto cambio en un procedimiento de fabricación de ciertas partes
componentes. Se toman muestras utilizando el procedimiento existente y el
procedimiento nuevo, a fin de resolver si este último da por resultado un mejoramiento.
Se encontró que estuvieron defectuosos 75 de 1500 elementos manufacturados con el
proceso existente y 80 de 2000 fabricados con el nuevo procedimiento, obtenga un IC
de 90% para la diferencia verdadera en la fracción de defectuosos entre el proceso
existente y el proceso nuevo.
P1 y p2: proporciones verdaderas de artículos defectuosos correspondientes a los
procedimientos existente y nuevo.
 75  80
p1   0.05 y p2   0.04 , (1 - )100% = 90%, /2 = 0.05, por lo tanto el
1500 2000
intervalo de confianza es:
(0.05)(0.95) (0.04)(0.96) (0.05)(0.95) (0.04)(0.96)
0.01  1.64   p1  p 2  0.01  1.64 
1500 2000 1500 2000
o sea: -0.0017 < p1 – p2 < 0.0217Como el intervalo de confianza contiene el cero, no hay
razón para creer que el nuevo procedimiento producirá una disminución significativa en
la proporción de artículos defectuosos comparado con el método existente.

Unidad IV
1. Se selecciona una muestra aleatoria de 2000 votantes en la ciudad de Managua
y se encuentra que 680 votaran por el partido X. Encuentre un intervalo de
confianza de 96% para la proporción de votantes en Managua que favorecen al
partido X.
2. En una muestra aleatoria de 1000 casas en cierta ciudad, se encuentra que 228
tienen alcantarillado sanitario. Encuentre un intervalo de confianza del 99% para
la proporción real de casas de esta ciudad que poseen alcantarillado sanitario.
3. Un científico se interesa en la proporción de hombres que padecen de cierto
trastorno sanguíneo. En una muestra aleatoria de 100 hombres se encuentra
que 24 lo padecen. Calcule un intervalo de confianza de 99% para la proporción
de hombres que tienen este problema en la sangre.
4. ¿Qué tan grande se requiere que sea la muestra en el ejercicio 2 si deseamos
tener una confianza del 96% de que nuestra proporción de la muestra estará
dentro del 0.02 de las casas que poseen alcantarillado sanitario?
5. ¿Qué tan grande se requiere que sea la muestra en el ejercicio 3 si deseamos
tener una confianza del 95% de que nuestra proporción de la muestra estará
dentro del 0.04 de los hombres que tienen el problema sanguíneo?
6. Se realiza una encuesta en una universidad y se encuentra que 250 ingenieros
civiles 80 son mujeres; 175 ingenieros químicos 40 son mujeres. Calcule un
intervalo de confianza del 90% para la diferencia entre la proporción de mujeres
en estos dos campos de la ingeniería.
7. En 1995 se hizo una encuesta a 1000 jóvenes en la capital se encontró que 274
prefieren el equipo de beisbol A. En el 2000 se hace una encuesta a 760 jóvenes,
también en la capital y se encontró que 240 preferían el equipo de beisbol A.
Calcule un intervalo de confianza del 95% para la diferencia entre la proporción
de jóvenes que prefieren el equipo A en las distintas encuestas.
Estimación de la Varianza: Una sola muestra

Si se toma una muestra aleatoria de tamaño n de una población normal con varianza 2
y se calcula la varianza muestral s2 esta se utiliza como estimación puntual de 2,
entonces se puede establecer una estimación por intervalo utilizando el estadístico:
(n  1) s 2
X2 
2
Entonces se puede expresar que:
P( 12 / 2  X 2  2 / 2 )  1  
Gráficamente:
 (n  1) s 2 
P  12 / 2   2 / 2   1   , despejando 2, obtenemos
  2

Al dividir cada término de la desigualdad entre (n – 1)s2 y después invertir cada término
(lo que cambia el sentido de la desigualdad), obtenemos

Unidad IV
 (n  1) s 2 (n  1) s 2 
P  
2
  1
  / 2 12 / 2 
2
Intervalo de Confianza para 2
Si s2 es la varianza de una muestra aleatoria de tamaño de una población normal, el

intervalo de confianza de (1 - )100% para 2 está dado por:
(n  1) s 2 (n  1) s 2
2 
2 / 2 12 / 2
donde 2 / 2 y 12 / 2 son los valores de la variable aleatoria con distribución 2 con v =
n – 1 grados de libertad, delimitan áreas de /2 y 1 - /2, respectivamente, a su derecha.
Ejemplo
Los siguientes son los pesos, en kilogramos, de 10 paquetes de semillas de pasto

distribuidas por cierta compañía, 46.4, 46.1, 45.8, 47.0, 46.1, 45.9, 45.8, 46.9, 45.2 y
46.0. Encuentre un intervalo de confianza de 95% para la varianza de todos los paquetes
de semillas distribuidos por la compañía, suponiendo una población normal.
Solución
Primero encontramos s2 = 0.286, luego el intervalo de confianza es:
(9)(0.286) (9)(0.286)
2 o sea 0.135 < 2 < 0.953
19.023 2.70
Estimación de la razón de dos varianzas: dos muestras

Una estimación puntual de la razón de dos varianzas poblacionales 𝜎12 /𝜎22 está dada
por la razón 𝑠12 /𝑠22 de las varianzas muestrales.
Si 𝜎12 𝑦 𝜎22 son las varianzas de poblaciones normales, podemos establecer una
estimación por intervalos de 𝜎12 /𝜎22 , para determinar si las varianzas son iguales o
𝜎22 𝑠12
distintas. Para esto usamos F = 𝜎12 𝑠22
que es una variable aleatoria que tiene una
distribución F de Fisher con v1 = n1 – 1 y v2 = n2 – 1 grados de libertad. Por lo tanto
podemos escribir:
P[f1-/2(v1, v2) < F < f/2(v1, v2)] = 1 - 
Gráficamente:
donde f1-/2(v1, v2) y f/2(v1, v2) son los valores de la distribución F con v1 y v2 grados de
libertad que dejan áreas de 1 - /2 y /2, respectivamente, a la derecha. Al sustituir F,
tenemos
Unidad IV
𝜎22 𝑠12
𝑃 [f1−α/2 ( v1 , v2 ) < < fα/2 ( v1 , v2 )] = 1 − 𝛼
𝜎12 𝑠22
Al multiplicar cada término de la desigualdad por 𝑠12 /𝑠22y después invertir cada término
(para cambiar el sentido de la desigualdad), obtenemos
𝑠12 1 𝜎12 𝑠12 1
𝑃[ 2 < 2 < 2 ]=1− 𝛼
𝑠2 fα/2 ( v1 , v2 ) 𝜎2 𝑠2 f1−α/2 ( v1 , v2 )
Sustituyendo f1−α ( v1 , v2 )por fα/2 ( v2 , v1 ), tenemos
2
𝑠12 1 𝜎12 𝑠12
𝑃[ 2 < 2 < 2 fα/2 ( v2 , v1 )] = 1 − 𝛼
𝑠2 fα/2 ( v1 , v2 ) 𝜎2 𝑠2
 12
Intervalo de Confianza para
 22
Si s12 y s22 son las varianzas de muestras independientes de tamaño n1 y n2,

respectivamente, tomadas de poblaciones normales, entonces un intervalo de confianza
 12
de (1 - )100% para es:
 22
s12 1  12 s12
  f  / 2 (v2 , v1 )
s 22 f  / 2 (v1 , v2 )  22 s 22
donde f/2(v1, v2) es un valor F de Fisher con v1 = n1 – 1 y v2 = n2 – 1 grados de libertad,

de limita un área de /2 a su derecha y F/2(v2, v1) es un valor F de Fisher similar con
v2 = n2 – 1 y v1 = n1 – 1 y grados de libertad.
Ejemplo
Los siguientes datos, registrados en días, representan el tiempo de recuperación para
pacientes que se tratan al azar con uno de dos medicamentos para curar infecciones
graves de la vejiga:
n1 = 13 n2 = 16
𝑠12 = 1.5 𝑠22 = 1.8
Construya un intervalo de confianza de 99% para  12
Solución  22
Datos
n1 = 13 n2 = 16
𝑠12 = 1.5 𝑠22 = 1.8
(1 - )100% = 99%,  = 0.01, /2 = 0.005, buscamos en la tabla F de Fisher los valores:
f0.005(12, 15) = 4.25 y f0.005(15, 12) = 4.74
La fórmula que usaremos es:
s12 1  12 s12
  f  / 2 (v2 , v1 )
s 22 f  / 2 (v1 , v2 )  22 s 22
Sustituyendo los datos

Unidad IV
1.5 1  12 1.5
  4.74
1.8 4.25  22 1.8
Obteniendo el intervalo de confianza
 12
0.196   3.95
 22
Como el intervalo de confianza contiene al 1 podemos suponer las varianzas son
iguales.
1. Estime un intervalo de confianza del 99% para la razón de varianzas del ejercicio
3 problemas propuestos 2.
2. Para encontrar si un nuevo suero detiene la leucemia, se seleccionan 9 ratones,
todos con una etapa avanzada de la enfermedad. Cinco ratones reciben
tratamiento y cuatro no. Los tiempos de sobrevivencia, en años, a partir del
momento en que se comienza el experimento son los siguientes:
Con tratamiento 2.1 5.3 1.4 4.6 0.9
Sin tratamiento 1.9 0.5 2.8 3.1
Estime un intervalo de confianza del 95% para la razón de varianzas.

3. Se lleva a cabo un estudio para comparar el tiempo que tardan hombres y
mujeres para ensamblar cierto componente. Los datos son los siguientes:
Hombres Mujeres
n1 = 11 n2 = 10
s1 = 6.1 s2 = 5.3
Estime un intervalo de confianza para la razón de varianzas del 99%.

Unidad IV
PRUEBA DE HIPÓTESIS
A menudo, el problema con que se enfrenta un profesional no es tanto la estimación de
un parámetro poblacional, sino más bien la formulación de un procedimiento de decisión
que se base en los datos, que pueda producir una conclusión acerca del parámetro
estimado. Por ejemplo nos puede interesar si:
 La vida promedio en Nicaragua es menor que 60 años.
 El consumo promedio domiciliar de agua potable en Managua es mayor que 25
metros cúbicos mensuales.
En cada uno de estos casos se plantea postula o conjetura algo acerca de un sistema.
Además, cada uno debe incluir datos experimentales y la toma de decisión basada en
estos. De manera formal, en cada caso, la conjetura se puede poner en forma de
hipótesis estadística. Los procedimientos que conducen a la aceptación o rechazo de
hipótesis estadísticas como éstas comprenden un área principal de la inferencia
estadística.
En la unidad anterior estimamos algún parámetro de la población, ahora formularemos
un conjunto de reglas que conduzcan a una culminación de aceptación o rechazo de
alguna hipótesis acerca de este parámetro que hemos estimado.
Definición
Una hipótesis estadística es una aseveración o conjetura relacionada con una o más
poblaciones.
La veracidad o falsedad de una hipótesis estadística nunca se conoce con certeza, a
menos de que se analice la población completa. Esto, por supuesto, sería poco práctico
en la mayoría de las situaciones. En su lugar, tomamos una muestra aleatoria de la
población de interés y utilizamos los datos contenidos en esta muestra para
proporcionar evidencia que apoye o no la hipótesis. La evidencia de la muestra que es
inconsistente con la hipótesis que se establece conduce al rechazo de ésta, mientras
que la evidencia que la apoya conduce a su aceptación.
A menudo utilizaremos las palabras aceptar o rechazar una hipótesis por lo que es
importante comprender que rechazar una hipótesis significa concluir que es falsa,
mientras que aceptar una hipótesis solamente implica que no se tiene suficiente
información como para creer otra cosa.
Utilizaremos dos tipos de hipótesis:
- H0: Hipótesis nula
- H1: Hipótesis Alternativa.
La estructura de la hipótesis se formulará con el uso de la hipótesis nula. Se refiere a
cualquier hipótesis que deseamos probar. El rechazo H0 conduce a la aceptación de una
hipótesis alternativa H1. Una hipótesis nula con respecto a un parámetro poblacional
siempre se establecerá de modo que se especifique un valor exacto del parámetro,
mientras que la alternativa permite la posibilidad de varios valores.
Prueba de una hipótesis estadística.
Para ilustrar los conceptos que se utilizan al probar una hipótesis estadística acerca de
una población, considere el siguiente ejemplo.
Se sabe que cierto tipo de vacuna contra el catarro es sólo efectiva 25% después de un
periodo de 2 años. Para determinar si una nueva vacuna más cara es superior al
proporcionar protección contra el mismo virus durante un periodo más largo, suponga
que se eligen a 20 personas al azar y se les aplica la vacuna, si más 8 de estas personas
a las que se les aplicaron la nueva vacuna pasan un periodo de más de dos años sin
contraer el virus entonces se considerara superior la nueva vacuna. El número de 20
personas a las que se les aplica es solo para demostrar los pasos, pero en la realidad
debería de ser de miles. El requisito de que el número exceda a 8 es algo arbitrario pero
parece razonable, pues representa una ganancia modesta sobre los las 5 personas que
se esperaría que reciben protección de las 20 personas que se vacunaron con la
existente.
Las hipótesis que queremos probar son:
Unidad IV
H0: p = 0.25
H1: P > 0.25
El estadístico X en el que se basa la decisión es el número de personas que se protege

con la vacuna por un periodo mínimo de dos años.
Aceptar H0 Rechazar H0
(p = 0.25) (p > 0.25)
Región de Aceptación Región Crítica
0 1..... 8 ..... 20
Los posibles valores de X se dividen en dos grupos: los números menores o iguales a 8
y los mayores que 8. Todos los posibles valores mayores que 8 constituyen la región
crítica o de rechazo y todos los posibles valores menores o iguales que 8 determinan
la región de aceptación. El último número que observamos al pasar de la región de
aceptación a la región crítica se llama valor crítico, en nuestro caso es 8. Por lo tanto,
si x > 8 rechazamos H0 a favor de H1. Si x  8 aceptamos H0.
Esto nos puede conducir a dos decisiones erróneas. Por ejemplo, la nueva vacuna
puede ser no mejor que la que se usa actualmente y, para este grupo particular de
individuos seleccionados de forma aleatoria, más de 8 pasan el periodo de dos años sin
contraer el catarro. Cometeríamos el error de rechazar H0 a favor de H1, cuando de
hecho, H0 es verdadera. Tal error se llama Error de Tipo I
Error de Tipo I
Al rechazo de la hipótesis nula cuando esta es verdadera se le denomina error de tipo I
().
Una segunda clase de error se comete si 8 o menos del grupo pasan el periodo de dos
años de forma exitosa y concluimos que la nueva vacuna no es mejor cuando realmente
lo es. En este caso aceptaríamos H0 cuando es falsa. Este se llama Error Tipo II
Error de Tipo II
A la aceptación de la hipótesis nula cuando esta es falsa se le denomina error de tipo II
().
Al probar cualquier hipótesis estadística, hay cuatro situaciones posibles que
determinan si nuestra decisión es correcta o errónea.
H0 es verdadera H0 es falsa
Aceptar H0 Decisión correcta Error tipo II
Rechazar H0 Error tipo I Decisión correcta
La probabilidad de cometer el error tipo I, también es llamada nivel de significancia

(). En nuestro ejemplo ocurrirá cuando más de 8 pasen un periodo de dos años sin
contraer el virus al usar la nueva vacuna que en realidad es equivale a la que está en
uso. De aquí, X: número de personas que permanecen libre del virus por más de dos
años
Pruebas unilateral y bilateral
Prueba de unilateral
A una prueba de cualquier hipótesis estadística, en la que la hipótesis alternativa es
unilateral tal que:
H0:  = 0 o H0:  = 0
H1:  > 0 H1:  < 0

Unidad IV
Se le denomina prueba de una sola cola. La región crítica de la hipótesis alternativa 

> 0 se ubica por completo en la cola derecha de la distribución, mientras que la región
crítica de la alternativa  < 0 se ubica por completo en la cola izquierda.
A una prueba de cualquier hipótesis estadística, en la que la hipótesis alternativa es

bilateral tal que:
H0:  = 0
H1:   0
Se le denomina prueba de dos colas ya que la región crítica está dividida en dos partes
igualmente probables ubicadas en cada cola de la distribución del estadístico de prueba.
Pasos para una prueba de hipótesis referida a un parámetro  contra alguna de

las alternativas:
1. Establecer la hipótesis nula H0 de  = 0

2. Elegir una hipótesis alternativa H1 apropiada de alguna de las alternativas  < 0,
 > 0, o   0
3. Elegir un nivel de significancia .
4. Seleccionar el estadístico de prueba apropiado y establecer una región crítica.
5. Calcular el valor del estadístico de prueba a partir de los datos de la muestra.
6. Decisión: Rechazar H0 si el estadístico de prueba tiene un valor en la región
crítica en cualquier otro caso no rechazar H0.
Pruebas relacionadas con medias

Una sola muestra: pruebas con respecto a una sola media (varianza conocida)
Consideremos la hipótesis:
H0:  = 0
H1:   0
Para realizar esta prueba necesitamos elegir un estadístico de prueba. Para esto
seleccionamos el teorema de límite central. Podemos establecer una región crítica
𝑥̅ −𝜇
basada en el promedio muestral 𝑥̅ . Para esto tomamos la variable aleatoria 𝑍 = 𝜎/ 𝑛0 y
√
planteamos:
𝑥̅ − 𝜇0
𝑃 (−𝑧𝛼/2 < < 𝑧𝛼/2 ) = 1 − 𝛼
𝜎/√𝑛
Así dado un valor calculado de 𝑥̅ , la prueba formal implica rechazar H0 si la estadística
𝑥̅ −𝜇
de prueba calculada𝑧 = 𝜎/ 𝑛0 > z/2 ó z < -z/2. Si -z/2 < z < z/2 no se rechaza H0. El
√
rechazo de H0, por supuesto, implica la aceptación de H1:   0. Gráficamente tenemos:
1-
/2 /2
-z/2 0 z/2
Las pruebas unilaterales sobre la media involucran la misma estadística que se describe
en el caso bilateral. La diferencia es que la región crítica está a un solo lado de la cola
de la distribución normal. Si queremos probar:
H0:  = 0
H1:  > 0
La región crítica es z > z, gráficamente:
Unidad IV
1-
0 z
Ahora si queremos probar
H0:  = 0
H1:  < 0
La región crítica es z < -z, gráficamente
1-
-z
1. Una muestra aleatoria de 100 muertes registradas en los Estados Unidos el año
pasado mostró un promedio de vida de 71.8 años, con una desviación estándar
de 8.9 años. ¿Podría esto indicar que el promedio de vida actual es mayor que
70 años? Use un nivel de significancia de 0.05.
Solución
Planteando los pasos para realizar una prueba de hipótesis tenemos:
a. H0 = 70 años
b. H1 > 70 años
c.  = 0.05, z = 1.645
d. Región crítica z > 1.65

0 1.65

e. Cálculos con datos de la muestra: x = 71.8 años;  = 8.9 años y

x 0 71.8  70
z   2.02
 8.9
n 100
f. Decisión: Como la estadística de prueba z cae en la región crítica, se rechaza

H0 y concluir que el periodo de vida promedio hoy es mayor que 70 años.
2. Un fabricante de equipos deportivos ha desarrollado un nuevo hilo sintético para

pescar el cual afirma que tiene un coeficiente de ruptura de 8 kg. Con una
desviación estándar de 0.5 kg. Probar la hipótesis  = 8, contra la alternativa  
8, si una muestra aleatoria de 50 hilos se encuentra que tiene un coeficiente
medio de ruptura de 7.8 kg. Usar  = 0.01.

Unidad IV
Solución
a. H0 = 8 kg
b. H1  8 kg
c.  = 0.01, /2 = 0.005, z/2 = 2.575
d. Región crítica z < -2.57 y z > 2.57

-2.57 0 2.57

e. Cálculos con datos de la muestra: x = 7.8 kg;  = 8.9 kg y n = 50

x 0 7.8  8
z   2.83
 0.5
n 50

H0 y concluir que el coeficiente de ruptura promedio no es igual a ocho sino, de
hecho, menor que 8 kg, dado que z cae en la cola izquierda de la región crítica.
3. Una muestra aleatoria de 64 bolsas de palomitas de maíz pesan, en promedio,

5.23 onzas con una desviación estándar de 0.24 onzas. ¿hay alguna razón para
creer que el peso promedio de todas las bolsitas de palomitas de maíz sea menor
que 5.5 onzas? Use un nivel de significancia de 0.05.
Solución
a. H0 = 5.5 onzas
b. H1 < 5.5 onzas
c.  = 0.05, z = -1.64
d. Región crítica z < -1.64

-1.64 0

e. Cálculos con datos de la muestra: x = 5.23 onzas,  = 0.24 onzas y n = 64

x  0 5.23  5.5
z   9
 0.24
n 64

H0 y concluir que el contenido promedio de las bolsitas de palomitas de maíz es
menor que 5.5 onzas.
.

Unidad IV
Una sola muestra: pruebas con respecto a una sola media (varianza
desconocida)
Para pruebas sobre una media poblacional  con 2 desconocida debemos usar la
distribución t-student. La estructura de la prueba es idéntica a la del caso con  conocida
con la excepción de que el valor de  en la estadística de prueba se reemplaza con la
varianza muestra s y la distribución normal estándar se reemplaza con una distribución
t-student. Como resultado para, para la hipótesis
H0:  = 0
H1:   0
El rechazo de H0 en un nivel de significancia de  resulta cuando la estadística de prueba
x  0
t
s
n
excede t/2,n-1 o es menor que -t/2,n-1, debemos recodar que la distribución de t es similar
a la normal estándar entonces gráficamente tenemos
1-
/2 /2
-t/2 0 t/2
Las pruebas unilaterales sobre la media involucran la misma estadística que se describe
en el caso bilateral. La diferencia es que la región crítica está a un solo lado de la cola
de la distribución t. Si queremos probar:
H0:  = 0
H1:  > 0
La región crítica es t > t, gráficamente:
1-
0 t
H0:  = 0
H1:  < 0
La región crítica es t < -t, gráficamente
1-
-t
Ejemplos:
Unidad IV
1. Una empresa de electricidad ha publicado cifras acerca del número de kilowatts

hora consumidos por diversos aparatos eléctricos domésticos. Se asegura que
una aspiradora gasta en promedio 46 kwh al año. Si una muestra aleatoria de 12
hogares incluida en el estudio indica que una aspiradora gasta en promedio 42
kwh al año con una desviación estándar de 11.9 kwh. ¿Sugiere esto, con un nivel
de significancia de 0.05 que las aspiradoras gastan en promedio menos de 46
kwh anualmente? Suponga que la población de kwh es normal.
Solución
a. H0 = 46 kwh
b. H1 < 46 kwh
c.  = 0.05, t0.05,11 = -1.796
d. Región crítica t < -1.796

-1.796 0

e. Cálculos con datos de la muestra: x = 42 kwh;  = 11.9 kwh y n = 12

x 0 42  46
t   1.16
s 11.9
n 12
f.
Decisión. Aceptar H0 y concluir que el número promedio de kwh consumidos
anualmente por una aspiradora casera no es significativamente menor que
46.
2. Pruebe la hipótesis de que el contenido promedio de los envases de un
lubricante en particular es de 10 litros si los contenidos de una muestra aleatoria
de 10 envases son: 10.2, 9.7, 10.1, 10.3, 10.1, 9.8, 9.9, 10.4, 10.3 y 9.8 litros.
Use un nivel de significancia de 0.01 y suponga que la distribución del contenido
es aproximadamente normal.
Solución
a. H0 = 10 litros
b. H1  10 litros
c.  = 0.05, /2 = 0.025
d. Región crítica t < -2.262 y t > 2.262

-2.262 0 2.262

e. Cálculos con datos de la muestra: x = 10.06litros; s = 0.24 litros y n = 10

x   0 10.06  10
t   0.79
s 0.24
n 10

Unidad IV
f. Decisión. Aceptar H0 y concluir que el contenido promedio de los recipientes es

de 10 litros.
Dos muestras: pruebas sobre dos medias
La hipótesis bilateral sobre dos medias se puede escribir como
H0: 1 - 2 = d0
H1: 1 - 2  d0
Para varianzas conocidas el estadístico de prueba que se usa es:
(𝑥
̅̅̅1 − ̅̅̅)
𝑥2 − 𝑑0
𝑧=
2 2
√𝜎1 ⁄𝑛 + 𝜎2 ⁄𝑛
1 2
En este caso la región crítica es z > z/2 ó z < -z/2, gráficamente tenemos:
-z/2 0 z/2
Para las pruebas unilaterales la región crítica está a un solo lado de la cola de la
distribución normal. Si queremos probar:
H0: 1 - 2 = d0
H1: 1 - 2 > d0
La región crítica es z > z, gráficamente:
1-
0 z
H0: 1 - 2 = d0
H1: 1 - 2 < d0
1-
-z
Para varianzas desconocidas, pero iguales o sea 𝜎12 = 𝜎22 se usa la estadística de
prueba t combinada de dos muestras:
(𝑥
̅̅̅1 − ̅̅̅)
𝑥2 − 𝑑0
𝑡=
𝑠𝑝 √1⁄𝑛1 + 1⁄𝑛2
donde
Unidad IV
(𝑛1 −1)𝑠12 −(𝑛2 −1)𝑠22

𝑠𝑝2 = 𝑛1 +𝑛2 −2
, 𝑠12 𝑦 𝑠22 son las varianzas muestrales
Y las regiones de rechazo son para la prueba bilateral si 𝑡 < −𝑡𝛼,𝑛
2 1 +𝑛2 −2
𝑜 𝑡 > 𝑡𝛼,𝑛 , gráficamente
2 1 +𝑛2 −2
-t/2 0 t/2
Para las pruebas unilaterales la región crítica está a un solo lado de la cola de la
distribución t-student. Si queremos probar:
H0: 1 - 2 = d0
H1: 1 - 2 > d0
La región crítica es t > t, gráficamente:
1-
0 z
H0: 1 - 2 = d0
H1: 1 - 2 < d0
La región crítica es t < -t, gráficamente
1-
-z
En todos los casos los grados de libertad son v = n1 + n2 - 2
Para varianzas desconocidas, pero diferentes o sea 𝜎12 ≠ 𝜎22 se usa la estadística de
prueba t’:
(𝑥
̅̅̅1 − ̅̅̅)
𝑥2 − 𝑑0
𝑡′ =
2 2
√𝑠1 ⁄𝑛 + 𝑠2⁄𝑛
1 2
(𝑠12 /𝑛1 + 𝑠22 /𝑛2 )2
que tiene una distribución t-student con 𝑣 = [(𝑠2 /𝑛 2 2 2 grados de
1 1 ) /(𝑛1 −1)]+[( 𝑠2 /𝑛2 ) /(𝑛2 −1)]
libertad. Las regiones de rechazo son iguales a las del caso anterior.

Unidad IV
Ejemplos
1. Una muestra aleatoria de tamaño n1 = 25, que se toma de una población normal
con una desviación estándar 1 = 5.2 tiene una media ̅̅̅ 𝑥1 = 81. Una segunda
muestra aleatoria de tamaño n2 = 36, que se toma de una población normal
diferente con una desviación estándar 2 = 3.4 tiene una media ̅̅̅
𝑥2 = 76. Pruebe
la hipótesis de que 1 = 2 contra la alternativa 1  2. Use un nivel de
significancia de 0.01.
Solución
a. H0: 1 = 2 ó 1 - 2 = 0
b. H1: 1  2 ó 1 - 2  0
c.  = 0.01, /2 = 0.005, z/2 = 2.57
d. Región crítica z < -2.57 y z > 2.57

-2.57 0 2.57
e. Cálculos con datos de las muestras: n1 = 25, 1 = 5.2 ̅̅̅𝑥1 = 81

n2 = 36, 2 = 3.4 ̅̅̅
𝑥2 = 76
(𝑥
̅̅̅1 − ̅̅̅)
𝑥2 − 𝑑0 (81 − 76) − 0
𝑧= = = 4.22
2 2 2 2
𝜎
√ ⁄𝑛 + ⁄𝑛
1 𝜎2 √ 5.2 ⁄25 + 3.4 ⁄36
1 2

H0 y concluir que 1  2 , siendo en este caso 1 > 2 dado que z cae en la cola
derecha de la región crítica.
2. Se toman datos de las notas finales de la clase de filosofía en el colegio 1 y
colegio 2. En el colegio 1 se toma una muestra de 12 , las cuales tienen una nota
promedio de 85, con una desviación estándar muestral de 4, mientras que en el
colegio 2 se toma una muestra de 10 notas que dan una nota promedio de 81
con una desviación estándar de muestral de 5. ¿Podemos concluir con un nivel
de significancia de 0.05 que la nota final promedio de filosofía en el colegio 1
excede a la del colegio 2 en más de 2? Suponga que las poblaciones son
aproximadamente normales con varianzas iguales.
Solución
a. H0: 1 - 2 = 2
b. H1: 1 - 2 > 2
c.  = 0.05.
d. Región crítica t > 1.725, v = 12 + 10 – 2 = 20 grados de libertad
0 1.725
e. Cálculos con datos de las muestras: n1 = 12, s1 = 4 ̅̅̅
𝑥1 = 85
n2 = 10, s2 = 5 ̅̅̅
𝑥2 = 81
Unidad IV
Primero calculamos sp:

(𝑛1 − 1)𝑠12 − (𝑛2 − 1)𝑠22 (11)(16) + (9)(25)
𝑠𝑝2 = = = 20.05
𝑛1 + 𝑛2 − 2 12 + 10 − 2
sp = 4.478
(𝑥
̅̅̅1 − ̅̅̅)
𝑥2 − 𝑑0 (85 − 81) − 2
𝑡= = = 1.04
𝑠𝑝 √1⁄𝑛1 + 1⁄𝑛2 4.478√1⁄12 + 1⁄10
f. Decisión: Aceptar H0 y no se puede concluir que las notas del colegio 1 excedan
a las del colegio 2 en más de 2.
traseras de 8 taxis:
1 34.4 36.7
2 45.5 46.8
3 36.7 37.7
4 32.0 31.1
5 48.4 47.8
6 32.8 36.4
7 38.1 38.9
8 30.1 31.5
¿Se puede afirmar que los recorridos promedios de la marca de llantas B es igual
al recorrido promedio de la marca A? Use un nivel de significancia del 0.01,
suponiendo una distribución aproximadamente normal y las varianzas
desconocidas pero diferentes.
Solución
1. H0: B = A
2. H1: B  A
3.  = 0.01. /2 = 0.005
4. Para establecer la región crítica, primero encontramos los grados de libertad.
Como las varianzas son iguales pero de conocidas, encontramos los v grados
de libertad
2 2
(𝑠𝐵 /𝑛𝐵 + 𝑠𝐴 /𝑛𝐴 )2 (38.2/8+ 42.86/8)2
𝑣 = [(𝑠2 /𝑛 2 2 2 = [(38.2/8)2 /(8−1)]+[( 42.86/8)2 /(8−1)] ≈ 12
𝐵 𝐵 ) /(𝑛𝐵 −1)]+[( 𝑠𝐴 /𝑛𝐴 ) /(𝑛𝐴 −1)]
La región crítica es t < -3.055 y t > 3.055

-3.055 0 3.055
5. Datos
Marca A Marca B
nA = 8 nB = 8
𝑥𝐴 = 37.25
̅̅̅ 𝑥𝐵 = 38.36
̅̅̅
𝑠𝐴2 = 42.86 𝑠𝐵2 = 38.2
(𝑥̅̅̅
𝐵 − ̅̅̅)
𝑥𝐴 − 𝑑0 (38.36 − 37.25) − 0
𝑡′ = = = 0.34
2 2
√𝑠𝐵⁄𝑛 + 𝑠𝐴⁄𝑛 √38.2⁄8 + 42.86⁄8
𝐵 𝐴

Unidad IV
6. Decisión: Aceptar H0 y no se puede concluir que el recorrido promedio de las B

es diferente al recorrido promedio de las llantas A.
A continuación se presenta una tabla que contiene las pruebas relacionadas con
medias
H0 Valor del estadístico de prueba H1 Región Crítica
_  < 0 z < -z
x 0  > 0
 = 0 z ;  conocida o n  30 z > z
   0 z < -z/2 y z > z/2
n
_  < 0 t < -t
x 0  > 0
 = 0 t ;  desconocida o n < 30 t > t
s   0 t < -t/2 y t > t/2
n
_ _
( x1  x2 )  d 0 1 -2 < d0
z < -z
z 1 y 2 conocidas z > z
1 -2= d0  12  22 1 -2 > d0
 1 -2  d0
z < -z/2 y z > z/2
n1 n2
_ _
( x1  x 2 )  d 0
z 1 = 2 desconocidas
1 1
sp  1 -2 < d0
t < -t
n1 n2 t > t
1 -2= d0 1 -2 > d0
t < -t/2 y t > t/2
v = n1 + n2 – 2(grados de libertad) y 1 -2  d0
(𝑛1 − 1)𝑠12 − (𝑛2 − 1)𝑠22

𝑠𝑝2 =
𝑛1 + 𝑛2 − 2
_ _
( x1  x 2 )  d 0
z 1  2 desconocidas
s12 s 22
 t < -t
n1 n 2 1 -2 < d0
t > t
1 -2= d0 1 -2 > d0
(𝑠12 /𝑛1 + 𝑠22 /𝑛2 )2 t < -t/2 y t > t/2
𝑣= 1 -2  d0
[(𝑠12 /𝑛1 )2 /(𝑛1 − 1)] + [( 𝑠22 /𝑛2 )2 /(𝑛2 − 1)]
Grados de libertad
1. Según una encuesta realizada en un barrio de Managua el gasto promedio en
agua potable de 35 hogares es de 234 (C$/mes), con una desviación estándar
de 85.04 (C$/mes). ¿Existe alguna razón para creer que el gasto promedio
mensual en agua potable es menor que C$250 al mes? Use un nivel de
significancia de 0.05.
2. El ingreso promedio de una muestra de 40 familias de un residencial en Managua
es de C$ 15, 413 al mes con una desviación estándar C$5,167 al mes. Pruebe
la hipótesis de que el ingreso promedio mensual es mayor que C$15,000, use
 = 0.01.
3. La estaturas de una muestra aleatoria de 50 estudiantes universitarios tiene una
media de 174.5 centímetros y una desviación estándar de 6.9 centímetros. ¿Esto
sugiere con un nivel de significancia de 0.05 que las estaturas promedios de los
estudiantes universitarios es mayor que 170 centímetros?
4. Se afirma que un automóvil se maneja en promedio 20,000 kilómetros al año.
Para probar esta afirmación se pide a una muestra aleatoria de 100 propietarios
Unidad IV
de vehículos que lleven un registro de los kilómetros que viajen. ¿Está de

acuerdo con esta afirmación si la muestra arroja un promedio de 23,500
kilómetros por año con una desviación estándar de 3,900 kilómetros. Use un
nivel de significancia de 0.01.
5. A continuación se presentan las notas obtenidas por 10 alumnos en la asignatura
de Matemática I : 60, 61, 65, 83, 35, 40, 64, 81, 74, 60. ¿Es esta evidencia
suficiente para afirmar que las notas promedios de Matemática I de los alumnos
es de 70. Use un nivel de significancia de 0.05 y suponga una distribución
aproximadamente normal.
6. El gasto promedio en colegiatura de 20 hogares de un residencial en Managua
6. es de C$1682 al mes con una desviación estándar de C$230 al mes. ¿Se podría
estar de acuerdo que el gasto promedio mensual en colegiatura es mayor que
C$220. Use  = 0.01 suponiendo una distribución aproximadamente normal
7. Se lleva a cabo un experimento en el que se comparar dos tipos de motores A y
B. Se mide el rendimiento en millas por galón de gasolina. Se realizaron 50
experimentos con el motor A y 75 con el motor B. La gasolina que se usa y las
demás condiciones se mantienen constantes. El rendimiento promedio de
gasolina para el motor A es de 36 millas por galón con una desviación estándar
de 6 y el promedio para el motor B es de 42 millas por galón con una desviación
estándar de 8. ¿Es esta evidencia suficiente para creer que µB ≠µA , donde son
el rendimiento de gasolina medio poblacional para los motores B y A
respectivamente. Use un nivel de significancia de 0.04.
8. Los siguientes datos, registrados en días, representan el tiempo de
recuperación para pacientes que se tratan al azar con uno de dos medicamentos
para curar infecciones graves de la vejiga:
n1 = 14 n2 = 16
𝑥1 = 17
̅̅̅ 𝑥2 = 19
̅̅̅
𝑠12 = 1.5 𝑠22 = 1.8
¿Es esta evidencia suficiente para creer que 2 = 1 en el tiempo promedio de
recuperación para los dos medicamentos? Use  = 0.01, suponga poblaciones
con varianzas iguales.
9. Una compañía de taxis trata de decidir si compra llantas de la marca A o de la B
para su flota de taxis. Para estimar la diferencia de las dos marcas, se lleva a
cabo un experimento utilizando 12 llantas de cada marca. La llantas se usan
hasta que se gastan y los resultados son:
Marca A Marca B
𝑥1 = 36,300 kilómetros
̅̅̅ 𝑥2 = 38,100 kilómetros
̅̅̅
𝑠1 = 5,000 kilómetros 𝑠2 = 6, 100 kilómetros
Pruebe la hipótesis de que 1 = 2, use  = 0.05 y suponga que las poblaciones
se distribuyen de forma aproximadamente normal, suponiendo que las varianzas
no son iguales.

Unidad IV
Pruebas Relacionadas con Proporciones

Las pruebas de hipótesis que se relacionan con las proporciones se requieren en
muchas áreas. Por ejemplo se puede interesar en conocer la fracción de votantes a
favor de un partido X en las siguientes elecciones; podría interesar saber si la proporción
de fumadores varones es igual al de las mujeres.
Prueba sobre una proporción: Una muestra (grande).
Cuando n es grande se requieren procedimientos de aproximación, de la distribución
binomial a la normal., donde  = np0 y 2 = np0q0, entonces el valor de z para probar es:
x  np0
z
np0 q0
Las regiones críticas se presentan a continuación.
Si queremos probar:
H0: p = p0
H1: p  p0
De aquí que para una prueba de dos colas con un nivel de significancia  la región crítica
es z < -z/2 y z > z/2. Gráficamente
1-
/2 /2
-z/2 0 z/2
Para la alternativa unilateral

H0: p = p0
H1: p > p0, la región crítica es z > z, gráficamente:
1-
0 z
H0: p = p0
H1: p < p0
1-
-z
Ejemplo

Unidad IV
Se piensa que una droga comúnmente prescrita en el mercado para aliviar la tensión
nerviosa es solamente efectiva en un 60%. Los resultados experimentales de una nueva
droga administrada a una muestra aleatoria de 100 adultos que sufrían tensión nerviosa
mostraron que 70 de ellos se aliviaron. Es esta evidencia para concluir que la nueva
droga es superior a aquella comúnmente prescrita? Use  = 0.05.
Solución
1. H0: p = 0.6
2. H1: p > 0.6
3.  = 0.05
4. Región crítica z0.025 = 1.64

-1.64 0 1.64
5. Cálculos: x = 70, n = 100, np0 = (100)(0.6) = 60 np0q0 = (100)(0.6)(0.4) = 24, o
sea
70  60
z  2.04
24
6. Decisión: Rechazar H0 y concluir que la nueva droga es superior.
Prueba sobre dos proporciones: Dos muestras

A menudo existen situaciones donde deseamos probar la hipótesis de que dos
proporciones son iguales. Por ejemplo, podemos tratar de demostrar que la proporción
de doctores que son pediatras en una ciudad es igual a la proporción de doctores de
otra ciudad. Una persona puede decidir dejar de fumar solo si se demuestra de que la
proporción de fumadores con cáncer de pulmón excede la proporción de no fumadores
con cáncer de pulmón.
En general deseamos probar las siguientes hipótesis:
H0: p1 = p2 H0: p1 = p2 H0: p1 = p2
H1: p1  p2 H1: p1 > p2 H1: p1 < p2
Estas equivalen a probar las hipótesis:
H0: p1 - p2 = 0 H0: p1 - p2 = 0 H0: p1 - p2 = 0
H1: p1 - p2  0 H1: p1 - p2 > 0 H1: p1 - p2 < 0
La estadística de prueba es:
(𝑝
̂1 − 𝑝
̂)
2
𝑧=
√𝑝̂ 𝑞̂(1⁄𝑛1 + 1⁄𝑛2 )
𝑥 𝑥
̂1 = 𝑛1 𝑦 𝑝
donde 𝑝 ̂2 = 𝑛2 son las proporciones de éxitos para las dos muestras
1 2
independientes de tamaño n1 donde se obtienen x1 éxitos y n2 donde se obtienen x2
𝑥 +𝑥
éxitos y 𝑝̂ = 1 2 , 𝑞̂ = 1 − 𝑝̂
𝑛2 +𝑛2
Las regiones críticas son:

Si queremos probar:
H0: p1 = p2
H1: p1  p2
De aquí que para una prueba de dos colas con un nivel de significancia  la región crítica
es z < -z/2 y z > z/2. Gráficamente

Unidad IV
1-
/2 /2
-z/2 0 z/2
Para la alternativa unilateral

H0: p1 = p2
H1: p1 > p2, la región crítica es z > z, gráficamente:
1-
0 z
H0: p1 = p2
H1: p1 < p2
1-
-z
Ejemplo
Se tomará el voto entre residentes de una ciudad y las comunidades rurales, para
determinar quién favorece a cierto candidato a la alcaldía de dicha ciudad. Para
determinar si hay una diferencia significativa en la proporción de votantes de la ciudad
y de las comunidades rurales, se realiza una encuesta. Si 120 de 200 de la ciudad
favorecen al alcalde, mientas que 240 de 500 favorecen el vota al alcalde en las
comunidades rurales. ¿Estaría de acuerdo que la proporción de votantes de que
favorecen al alcalde es más alta que la proporción de votantes de las comunidades
rurales? Use un nivel de significancia de 0.025
Solución
Sean 𝑝̂1 𝑦 𝑝
̂2 las proporciones de éxito en la ciudad y en las comunidades reales
que favorecen al alcalde.
a. H0: p1 = p2
b. H1: p1 > p2
c.  = 0.025

Unidad IV
d. Región crítica z0.025 = 1.96

0 1.96
e. Cálculos:
120
x1 = 120, n1 = 200, 𝑝
̂1 = = 0.6
200
240
x2 = 240, n1 = 500, 𝑝
̂2 = 500
= 0.48
120+240
𝑝̂ = = 0.51, 𝑞̂ = 1 − 𝑝̂ = 1 − 0.51 = 0.49
200+500
(𝑝
̂1 − 𝑝
̂)
2 0.6 − 0.48
𝑧= = = 2.9
1 1 1 1
√𝑝̂ 𝑞̂( ⁄𝑛1 + ⁄𝑛2 ) √(0.51)(0.49)( ⁄200 + ⁄500)
f. Decisión: Rechazar H0 y estar de acuerdo en que la proporción de votantes que

favorecen al alcalde es mayor en la ciudad que en las comunidades rurales..
1. Una compañía de petróleo afirma que un quinto de las casas de cierta ciudad
tiene calefacción con petróleo. ¿Tenemos razón en dudar de esta afirmación si,
una muestra aleatoria de 1000 casas en esta ciudad se encuentra que 136 tiene
calefacción con petróleo? Use un nivel de significancia de 0.01.
2. En cierta universidad se estima que a lo más 25% de los estudiantes usan la
biblioteca. ¿Esta parece ser una estimación valida si, en una muestra aleatoria
de 90 estudiantes, se encuentra que 28 usan la biblioteca en esta universidad?.
Use un nivel de significancia de 0.05.
3. En un estudio para estimar la proporción de residentes de dos ciudades que
están a favor de la construcción de una planta de energía nuclear que estará
situada entre las dos ciudades, se encuentra que en la ciudad 1 63 de 100
residentes están a favor, mientras que en la ciudad 2 59 de 125 están a favor de
la construcción de la planta. ¿Hay una diferencia significativa entre la proporción
de residentes de las dos ciudades que están a favor de la construcción de la
planta de energía nuclear? Use un nivel de significancia de 0.05.
4. Una comunidad urbana quiere demostrar que la incidencia de cáncer de seno es
más alta que en una área rural vecina. Se encuentra que 20 de 200 mujeres
adultas en la comunidad urbana tienen cáncer de seno y 10 de 50 mujeres
adultas de la comunidad rural tiene cáncer de seno. ¿Podemos concluir con un
nivel de significancia de 0.06 que este tipo de cáncer prevalece más en la
comunidad urbana?
Pruebas Relacionadas con Varianzas.

En esta sección nos referimos a la prueba de hipótesis relaciona con varianzas o
desviaciones estándar poblacionales. Los investigadores a menudo se enfrentan a
estudios en los que se requiere demostrar que las mediciones involucradas con
productos o procesos caen dentro de las especificaciones que fijan los consumidores.
Las especificaciones a menudo se cumplen si la varianza del proceso es
suficientemente pequeña. También se usa para determinar si se viola es supuesto de
que las varianzas son iguales.
Se desea probar las hipótesis para 2, suponiendo una distribución aproximadamente
normal. Supongamos que deseamos probar las hipótesis:
H0: 2 = 𝜎02 H0: 2 = 𝜎02 H0: 2 = 𝜎02
H1: 2  𝜎02 H1: 2 > 𝜎02 H1: 2 > 𝜎02

Unidad IV
La estadística de prueba apropiada es la ji cuadrada que utilizamos para estimar un

intervalo de confianza para 2
(n  1) s 2
2 
 02
donde n es el tamaño de la muestra y s2 es la varianza muestral. Si H0 es verdadera, 2
es un valor de la distribución ji cuadrada con v = n – 1 grados de liberta. De aque se
tienen las siguientes regiones críticas.
Para la prueba
H0: 2 = 𝜎02
H1: 2  𝜎02
La región crítica es
 2  12 / 2 y  2  2 / 2
Gráficamente
1-
/2
/2
21-/2 2/2
Para la prueba
H0: 2 = 𝜎02
H1: 2 > 𝜎02
La región crítica es 2 > 2, gráficamente tenemos
1-
2
Para la prueba
H0: 2 = 𝜎02
H1: 2 < 𝜎02
La región crítica es 2 < 2 gráficamente tenemos
21-

Unidad IV
Ejemplos
1. Un fabricante de baterías para autos afirma que la duración de sus baterías se
distribuye aproximadamente normal con una desviación estándar de 0.9 años.
Una muestra aleatoria de 10 de tales baterías tienen una desviación estándar de
1.2 años. ¿Hay razón para creer que la desviación estándar es mayor que 0.9?
Use un nivel de significancia de 0.05.
Solución
a. H0: 2 = 0.81
b. H1: 2 > 0.81
c.  = 0.05
d. Región crítica: 2 2
0.05 = 16.92 con v = 9 grados de libertad
16.92
2
e. Cálculos: s = 1.44 , n = 10 y 𝜎02 = 0.81
(n  1) s 2
(10  1)1.44
2    16
 2
0 0.81
f. Decisión: Se rechaza H0 y hay evidencia para que la desviación estándar sea
mayor que 0.9
2. Los siguientes son los pesos, en kilogramos, de 10 paquetes de semillas de
pasto distribuidas por cierta compañía, 46.4, 46.1, 45.8, 47.0, 46.1, 45.9, 45.8,
46.9, 45.2 y 46.0. Prueba la hipótesis de que la varianza de los pesos de los
paquetes de semilla de pasto distribuidos por esta compañía es de 0.25. Use un
nivel de significancia de 0.05, suponiendo una población normal.
Solución
a. H0: 2 = 0.25
b. H1: 2  0.25
c.  = 0.05, /2 = 0.025
d. Región crítica: 2 2
0.975 = 2.70 y 
2 2
0.025 = 19.02 con v = 9 grados de
libertad
2.70 19.02
e. Cálculos: s2 = 0.286 , n = 10 y 𝜎02 = 0.25
(n  1)s 2 (10  1)0.286
 
2
  10.29
 2
0 0.25

Unidad IV
f. Decisión: No se rechaza y se concluye que la varianza es de 0.25
Consideremos ahora el problema de probar la igualdad de las varianzas 𝜎12 𝑦 𝜎22 de dos
poblaciones. Es decir probaremos las hipótesis:
H0: 𝜎12 = 𝜎22 H0: 𝜎12 = 𝜎22 H0: 𝜎12 = 𝜎22
2 2 2 2
H1: 𝜎1 ≠ 𝜎2 H1: 𝜎1 > 𝜎2 H1: 𝜎12 < 𝜎22
Para muestras aleatorias independientes de tamaño n1 y n2, respectivamente, de las
poblaciones, la estadística de prueba es:
𝑠12
𝑓= 2
𝑠2
donde 𝑠12 𝑦 𝑠22 son las varianzas calculadas de las dos muestras. Si las dos poblaciones
se distribuyen de forma aproximadamente normal y la hipótesis nula es verdadera, la
estadística f es un valor de la distribución F de Fisher con v1 = n1 – 1 y v2 = n2 – 1 grados
de libertad. Por lo tanto las regiones crítica son las que se muestran a continuación.
Para la prueba
H0: 𝜎12 = 𝜎22
H1: 𝜎12 ≠ 𝜎22
La región crítica es f < f1-/2(v1, v2) y f < f/2(v1, v2)
Gráficamente
1-
/2
/2
f1-/2(v1, v2) f/2(v1, v2)

Para la prueba
H0: 𝜎12 = 𝜎22
H1: 𝜎12 > 𝜎22
La región crítica es gráficamente tenemos
f > f(v1, v2)
1-
f > f(v1, v2)

Para la prueba
H0: 𝜎12 = 𝜎22
H1: 𝜎12 < 𝜎22
La región crítica es f < f1- gráficamente tenemos

Unidad IV
f1-
Ejemplo
Los siguientes datos, registrados en días, representan el tiempo de recuperación para
pacientes que se tratan al azar con uno de dos medicamentos para curar infecciones
graves de la vejiga:
n1 = 13 n2 = 16
𝑠12 = 1.5 𝑠22 = 1.8
Probar la hipótesis de que las varianzas son iguales con un nivel de significancia de
0.01. Suponga poblaciones normales
Solución
a. H0: 𝜎12 = 𝜎22
b. H1: 𝜎12 ≠ 𝜎22
c.  = 0.01, /2 = 0.005
d. Región crítica: f0.005(12, 15) = 4.72 , f0.995(12, 15) = 1/f0.005(15,12) = 1/4.25 = 0.23
0.23 4.72
e. Cálculos:
𝑠12 = 1.5 𝑠22 = 1.8

𝑠12 1.5
𝑓=
= = 0.83
𝑠22 1.8
f. Decisión: Se acepta H0 y se concluye que las varianzas son iguales.

Unidad IV
1. Pruebe la hipótesis de que la varianza del contenido los envases de un
lubricante en particular es 0.03, si los contenidos de una muestra aleatoria de
10 envases son: 10.2, 9.7, 10.1, 10.3, 10.1, 9.8, 9.9, 10.4, 10.3 y 9.8 litros. Use
un nivel de significancia de 0.01 y suponga que la distribución del contenido es
aproximadamente normal
2. Experiencia anterior indica que el tiempo que se requiere para que los
estudiantes de último año de preparatoria completen una prueba es una variable
aleatoria normal con una desviación estándar de 6 minutos. Pruebe la hipótesis
de que la desviación estándar es menor que 6 minutos, si una muestra aleatoria
de 20 estudiantes del último año de preparatoria tiene una desviación estándar
de 4.51 minutos. Use un nivel de significancia de 0.05.
traseras de taxis:
1 34.4 36.7
2 45.5 46.8
3 36.7 37.7
4 32.0 31.1
5 48.4 47.8
6 32.8 36.4
7 38.1 38.9
8 31.5
¿Se puede afirmar las varianzas de los recorridos de las dos marcas de llantas
son iguales? Use un nivel de significancia del 0.05, suponiendo una distribución
aproximadamente normal.
4. Se lleva a cabo un estudio para comparar el tiempo que tardan hombres y
mujeres para ensamblar cierto componente. Los datos son los siguientes:
Hombres Mujeres
n1 = 11 n2 = 10
s1 = 6.1 s2 = 5.3
¿Podemos suponer que las varianzas son iguales? Use un nivel de significancia
de 0.01.


Unidad IV Estadistica

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

Unidad IV Estadistica

Cargado por

Copyright:

Formatos disponibles

Unidad IV

Estimación por intervalo

Estimación de la Media Poblacional 

Intervalo de Confianza para  con  Conocida

2 Elaborado por: Ing. Erick Murillo Vélez`

𝑥̅ − 𝑧𝛼/2 𝜎/√𝑛 𝑥̅  𝑥̅ + 𝑧𝛼/2 𝜎/√𝑛

3 Elaborado por: Ing. Erick Murillo Vélez`

Intervalo de Confianza de Muestras Pequeñas para : con  desconocida

4 Elaborado por: Ing. Erick Murillo Vélez`

2. Una muestra aleatoria de 20 estudiantes de la UNI obtuvieron una nota promedio en

Estimación de la diferencia entre dos medias: Dos muestras.

Si x 1 y x 2 son las medias de muestras aleatorias independientes de tamaño n1 y n2 a

6 Elaborado por: Ing. Erick Murillo Vélez`

Interpretación del intervalo de confianza

7 Elaborado por: Ing. Erick Murillo Vélez`

(𝑠12 /𝑛1 + 𝑠22 /𝑛2 )2

69  63  2.750(7.3) 1 1

Encuentre un intervalo de confianza del 99% para B - A, suponiendo una

38.36  37.25  3.055 38.2 42.86

9 Elaborado por: Ing. Erick Murillo Vélez`

3. Una compañía de taxis trata de decidir si compra llantas de la marca A o de la B

Intervalo de Confianza para p, a partir de una muestra grande

Intervalo de Confianza para p1 – p2, a partir de muestras grandes

Si p1 y p2 son las proporciones de éxitos en muestras aleatorias de tamaño n1 y n2 y

11 Elaborado por: Ing. Erick Murillo Vélez`

Estimación de la Varianza: Una sola muestra

12 Elaborado por: Ing. Erick Murillo Vélez`

Intervalo de Confianza para 2

Si s2 es la varianza de una muestra aleatoria de tamaño de una población normal, el

Los siguientes son los pesos, en kilogramos, de 10 paquetes de semillas de pasto

Estimación de la razón de dos varianzas: dos muestras

Si s12 y s22 son las varianzas de muestras independientes de tamaño n1 y n2,

donde f/2(v1, v2) es un valor F de Fisher con v1 = n1 – 1 y v2 = n2 – 1 grados de libertad,

14 Elaborado por: Ing. Erick Murillo Vélez`

Estime un intervalo de confianza del 95% para la razón de varianzas.

15 Elaborado por: Ing. Erick Murillo Vélez`

El estadístico X en el que se basa la decisión es el número de personas que se protege

La probabilidad de cometer el error tipo I, también es llamada nivel de significancia

17 Elaborado por: Ing. Erick Murillo Vélez`

Se le denomina prueba de una sola cola. La región crítica de la hipótesis alternativa 

A una prueba de cualquier hipótesis estadística, en la que la hipótesis alternativa es

Pasos para una prueba de hipótesis referida a un parámetro  contra alguna de

1. Establecer la hipótesis nula H0 de  = 0

Pruebas relacionadas con medias

d. Región crítica z > 1.65

f. Decisión: Como la estadística de prueba z cae en la región crítica, se rechaza

2. Un fabricante de equipos deportivos ha desarrollado un nuevo hilo sintético para

19 Elaborado por: Ing. Erick Murillo Vélez`

d. Región crítica z < -2.57 y z > 2.57

f. Decisión: Como la estadística de prueba z cae en la región crítica, se rechaza

3. Una muestra aleatoria de 64 bolsas de palomitas de maíz pesan, en promedio,

d. Región crítica z < -1.64

f. Decisión: Como la estadística de prueba z cae en la región crítica, se rechaza

20 Elaborado por: Ing. Erick Murillo Vélez`

1. Una empresa de electricidad ha publicado cifras acerca del número de kilowatts

d. Región crítica t < -1.796

d. Región crítica t < -2.262 y t > 2.262

22 Elaborado por: Ing. Erick Murillo Vélez`

f. Decisión. Aceptar H0 y concluir que el contenido promedio de los recipientes es

La región crítica es z < -z, gráficamente

(𝑛1 −1)𝑠12 −(𝑛2 −1)𝑠22

24 Elaborado por: Ing. Erick Murillo Vélez`

d. Región crítica z < -2.57 y z > 2.57