UNIVERSIDAD LAICA ELOY ALFARO DE MANABÍ

FACULTAD DE CIENCIAS INFORMÁTICAS

CARRERA:
INGENIERÍA EN SISTEMAS

MATERIA:
PROBABILIDAD Y ESTADÍSTICA

INTEGRANTES:
ESPINALES FIGUEROA JAVIER RONALDO
SOLÓRZANO PALMA ALISSON TATIANA

ROSALES ORDOÑEZ EDISON DAVID

QUINTO NIVEL PARALELO:

“B”

“PROBABILIDAD Y ESTADÍSTICA”

TEMA:
Pruebas de Hipótesis para dos muestras independientes –
diferencia de medias: cuando se conoce la desviación estándar y
cuando es desconocida

DOCENTE:
EC. SAÚL ALBERTO MURILLO NEVÁREZ, MG
 PERÍODO ACADÉMICO: SEGUNDO SEMESTRE 2019
Manta - Manabí – Ecuador
Índice

1. CAPÍTULO I...........................................................................................................................3
1.1 Introducción....................................................................................................................3
2. CAPÍTULO II..........................................................................................................................4
2.1 Marco Teórico.................................................................................................................4
2.2.1 Pruebas de hipótesis para dos muestras independientes...........................................4
2.2.2 Distribución de Probabilidad de Poisson.....................................................................7
2.2.3 Distribución de probabilidad hipergeométrica.........................................................11
3.Conclusiones....................................................................................................................13
4.Bibliografía..........................................................................................................................13
 1. CAPÍTULO I

1.1 Introducción
En el presente informe veremos el estudio de las distribuciones de probabilidad.

Una distribución de probabilidad proporciona toda la gama de valores que se

pueden presentar en un experimento. Es similar a una distribución de frecuencias
relativas, pero, en lugar de describir el pasado, describe la probabilidad de que un
evento se presente en el futuro. Por ejemplo, si un fabricante de medicamentos
afirma que cierto tratamiento permitirá que 80% de la población baje de peso, la
agencia de protección al consumidor quizá someta a prueba el tratamiento con
una muestra de seis personas. Si la afirmación del fabricante es cierta, es casi
imposible tener un resultado en el que nadie en la muestra pierda peso y es muy
probable que 5 de cada 6 pierdan peso.
 2. CAPÍTULO II
2.1 Marco Teórico
2.2.1 Pruebas de hipótesis para dos muestras independientes
Muestras independientes

Si puede suponerse que las varianzas de ambas poblaciones son iguales, el

intervalo de confianza para la diferencia de medias poblacionales está centrado en
la diferencia de las medias muestrales, siendo sus límites superior e inferior:

t/2 es el valor crítico correspondiente al grado de confianza 1-de la distribución t de

Student con n1+ n2-2 grados de libertad y es una

estimación de la desviación típica común a ambas poblaciones obtenida a partir de
las varianzas de las dos muestras. En la práctica si n1 y n2 son moderadamente
grandes, el valor crítico t/2 se aproxima, como ya se ha visto anteriormente, a los
valores de la distribución normal.

Si las varianzas poblacionales no pueden suponerse iguales los límites del

intervalo de confianza son:

El valor crítico t/2 corresponde a una distribución t cuyos grados de libertad se

calculan en base a ambos tamaños muestrales y a las desviaciones típicas de
cada grupo según la corrección propuesta por Dixon y Massey:
Pruebas de hipótesis para dos muestras independientes

Para desarrollar este tema, estudiaremos tres situaciones problemas que, sin ser
las únicas, son las mas frecuentes.

a) Comparación de la diferencia de promedios de dos muestras independientes

b) Comparación de promedios de dos muestras pareadas
c) Comparación de porcentajes de dos muestras

Las preguntas

Antes de analizar la diferencia entre los promedios muestrales debemos responder

algunas preguntas importantes que harán la diferencia en el procedimiento a
seguir.

1. ¿Se trata de dos muestras independientes o pareadas?

Diremos que dos muestras son independientes cuando no se establece ninguna

relación previa al análisis entre las unidades de una y otra muestra. Por ejemplo,
sujetos de uno y otro curso, enfermos de dos consultorios, hombres comparados
con mujeres.

En cambio diremos que se trata de muestras pareadas si en forma previa al

análisis, se forman parejas entre los individuos de una muestra con los individuos
de la otra muestra. Por ejemplo el caso con su control, distintas dietas pueden
probarse en dos animales de la misma camada. Sin embargo, cuando queda más
clara esta situación es cuando se comparan distintas medidas para los mismos
individuos; por ejemplo, al medir antes y después del tratamiento a un mismo
grupo de individuos se obtienen resultados pareados o correlacionados.
2. ¿Son conocidos los valores de la varianza, o las varianzas de los supuestos
universos?

Como existe la posibilidad de que ambas muestras provengan de un mismo

universo, entonces en ese caso se trataría de una sola varianza del universo. En
ese caso hay que preguntarse ¿se conoce dicha varianza?

Pero también existe la posibilidad de que las muestras comparadas provengan de

universos distintos y en ese caso habría dos varianzas universales. La pregunta en
ese caso es ¿son conocidas las varianzas?

3. A la luz de las varianzas de las muestras, ¿podemos suponer que las varianzas
son iguales?

Bueno, en esta parte y con todo derecho, podríamos reclamar en contra de las
complicaciones de la estadística, pero seguramente el cumplimiento de estas
exigencias nos permitirá obtener resultados más confiables.

Cada posible respuesta a estas interrogantes nos conducirá a ocupar una fórmula
distinta para calcular el estadístico. Por ello veremos, en primer lugar, la forma de
responder a las preguntas planteadas.

Las respuestas

La respuesta a la primera pregunta es fácil, porque se encuentra incorporada

dentro del mismo problema de investigación: es una característica de los datos;
forma parte del diseño de la investigación.
La segunda pregunta tampoco es tan complicada porque será cuestión de revisar
los antecedentes de que dispone el investigador. Lo más frecuente es que este
dato se desconozca y, por lo tanto, nosotros asumiremos que la o las varianzas
del universo son desconocidas.

Para responder a la tercera pregunta se hace necesario realizar una prueba de

hipótesis para probar la igualdad o diferencia de las varianzas. La realización de la
misma no es difícil y es frecuente que los programas computacionales de análisis
estadístico la hagan en forma automática sin que sea necesario solicitarla, y la
entreguen como parte de los resultados. Como lo más frecuente es que las
varianzas de las muestras comparadas tengan varianzas similares, nosotros
haremos los análisis bajo este supuesto.

Hechas estas aclaraciones procederemos a describir en forma general los

estadísticos que participan en cada situación.

a) Comparar los promedios de dos muestras independientes (con varianzas

desconocidas y supuestas iguales)

Lind, D. A., Marchal, W. G., & Wathen, S. A. (2012).

Quevedo, Urías, Héctor Adolfo, and Salvador, Blanca Rosa Pérez. ( 2014).

2.2.2 Distribución de Probabilidad de Poisson

Es una distribución de probabilidad que se aplica para variables aleatorias
discretas, ya que mide la frecuencia relativa de un evento en función a una unidad
de tiempo, a una de espacio, o bien, a una de volumen.

Esta distribución fue ideada por el matemático y físico francés Siméon Denise
Poisson (1781– 1840) quien la publicó en 1837. A esta distribución también se le
conoce como la ley de eventos improbables, ya que a medida que sucedan más
eventos por tiempo, espacio o volumen, es menor su probabilidad de ocurrencia.
Tomado de: Rodríguez, Franco, Jesús, and Rodríguez, Alberto Isaac Pierdant.
Estadística para administración, Grupo Editorial Patria, 2014.

La distribución de Poisson permite describir el comportamiento de la probabilidad

en problemas como:

- Número de llegadas de clientes por hora a un banco, un restaurante, o bien,

una tienda.

- Número de accidentes por semana en una escuela, empresa o carretera. -

El número de imperfecciones por centímetro 2 en los toldos de las
carrocerías de automóviles nuevos.

- El número de bacterias por mililitro de agua en un depósito de agua potable

de la ciudad.

Esta distribución de probabilidades de Poisson es el resultado de las siguientes

hipótesis:

Los eventos suceden uno a la vez, es decir, la probabilidad de que ocurran dos o
más eventos en el mismo instante es cero.

- La probabilidad de ocurrencia del evento de interés es constante para dos

intervalos distintos de tiempo, espacio o volumen. - El número de eventos

por tiempo, espacio o volumen permanece constante. Esto significa que, el
 número esperado de eventos en un lapso de tiempo, espacio o volumen es
el mismo en cualquier otro lapso de tiempo, espacio o volumen. Por
ejemplo, si a un banco llegan 12 clientes por hora, este mismo
comportamiento se observa en cualquier hora laborable.

- La ocurrencia de un evento de interés en un lapso de tiempo, espacio o

volumen es independiente de su ocurrencia en algún otro lapso de tiempo,
espacio o volumen.

Con base en las hipótesis anteriores, la función de probabilidad de Poisson puede

expresarse como:

Rodríguez, Franco, Jesús, and Rodríguez, Alberto Isaac Pierdant. Estadística para
administración, Grupo Editorial Patria, 2014.
Ejemplo:

La Dirección General de Administración de las escuelas de educación primaria en

la Ciudad de México, ha observado que, en los últimos seis meses del ciclo
escolar, en la zona norte de la ciudad se presenta un promedio de cinco
accidentes escolares por semana en las zonas de escaleras de estas escuelas. El
administrador está preocupado, ya que no sabe si esto se deba a un mal diseño
de los edificios escolares o, bien, se deba a otra causa. Por lo que decide calcular
algunas probabilidades que le permitan estimar el comportamiento de los
accidentes escolares de las próximas semanas.

El administrador se pregunta ¿cuál es la probabilidad de tener exactamente 0, 1, 2,

3, 4 o 5 accidentes? ¿Qué probabilidad hay de que sucedan menos de tres
accidentes?
Si la probabilidad de que sucedan más de tres accidentes es mayor que 0.65, el
administrador presentará un proyecto para revisar el diseño de la infraestructura
escolar ante el departamento de construcción de escuelas (CAPCE).

Solución:

Las características de este problema permiten suponer que presenta una

distribución de probabilidades de Poisson; entonces, para su solución se aplica la

siguiente ecuación:

Con ella, pueden calcularse las probabilidades solicitadas, la probabilidad de que

no ocurran accidentes escolares es:

La probabilidad de que ocurra exactamente un accidente escolar es:

La probabilidad de que ocurran exactamente dos accidentes escolares es:

La probabilidad de que ocurran exactamente tres accidentes escolares es:

2.2.3 Distribución de probabilidad hipergeométrica.

La distribución de probabilidad hipergeométrica surge al seleccionar una muestra
sin reemplazo de una población finita conocida y que representa una proporción
relati - vamente grande de la población, de tal forma que la probabilidad de éxito
cambia de una selección a otra. Por lo que la distribución hipergeométrica
determina la probabilidad de tener un determinado número de éxitos en una
muestra que se obtuvo de una población con un determinado número de éxitos.
En resumen, puede establecerse que una distribución de probabilidad se puede
manejar como una distribución de probabilidad hipergeométrica si:

- Se selecciona una muestra de una población finita sin reposición. - El tamaño

de la muestra “n” es mayor que 5% del tamaño de la población
(N).

La relación matemática que permite calcular una distribución de probabilidad

hipergeométrica es:
En donde:

C = símbolo de las combinaciones.

N= tamaño de la población. n=

tamaño de la muestra.

Y= número de éxitos en la población. x=

número de éxitos en la muestra.

N-y= número de fracasos en la población.

N-x=número de fracasos en la muestra.

Ejemplo:

El administrador del establo Santa Clara cuenta con diez vacas Holstein de alto
rendimiento, pero cuatro de ellas al revisarlas el veterinario, se les detecta una
enfermedad contagiosa. ¿Qué probabilidad hay de que en una muestra de tres
vacas, dos de ellas presenten la enfermedad contagiosa?
Tomado de: Rodríguez, Franco, Jesús, and Rodríguez, Alberto Isaac Pierdant.
Estadística para administración, Grupo Editorial Patria, 2014.

3.Conclusiones
Los conceptos antes mencionados han sido analizados e investigados de tal
manera de hacer más fácil su comprensión y entendimientos ya que la estadística
y la probabilidad es la ciencia que trata de entender, organizar y tomar decisiones
que estén de acuerdo con los análisis efectuados. Con estos conceptos podemos
asegurar que existen diferentes tipos de distribuciones y estás serán usadas de
acuerdo a los requerimientos que nosotros tengamos
 4.Bibliografía
Quevedo, U. H. A., & Pérez, S. B. R. (2014). Estadística para ingeniería y ciencias.
Retrieved from https://ebookcentral.proquest.com pag,3, 4 y 5

Rodríguez, Franco, Jesús, and Rodríguez, Alberto Isaac Pierdant. Estadística para
administración, Grupo Editorial Patria, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/uleamecsp/detail.action?docID=3227823.
Created from uleamecsp on 2019-12-16 09:04:48.

Lind, D. A., Marchal, W. G., & Wathen, S. A. (2012). Estadística aplicada a los
negocios y la economía (15a. ed.). Retrieved from
https://ebookcentral.proquest.com pag,