Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INFINITAS Y FINITAS
ESTIMAR LA MEDIA POBLACIONAL:
a) Para una población infinita (cuando se desconoce el total de unidades de observación
que la integran o la población es mayor a 10,000):
Z 2∗s2
n= 2
e
b) Para una población finita (cuando se conoce el total de unidades de observación que la
integran):
N∗Z 2α∗s2
n= 2 2 2
e ∗( N −1 ) +Z α ∗s
Donde:
n = tamaño de la muestra
N = tamaño de la población
Z = valor de Z crítico, calculado en las tablas del área de la curva normal. Llamado también
nivel de confianza.
S2 = varianza de la población en estudio (que es el cuadrado de la desviación estándar y
puede obtenerse de estudios similares o pruebas piloto)
d = nivel de precisión absoluta. Referido a la amplitud del intervalo de confianza deseado
en la determinación del valor promedio de la variable en estudio.
Ejemplo 1a:
Se desea estimar la calificación promedio de los estudiantes de la UPDS, para ello se define
los siguientes criterios:
• Nivel de confianza = 95%
• Desviación estándar = 16.44
• Error máximo tolerable = 5
1,96∗16,44 2
n= ( 5 ) =41.53 ≅ 42
Ejemplo 1b:
En base a los datos del ejemplo 1.a, con N = 5000
5.000∗1,962∗16,44
n= 2 =41.19 ≅ 42
5 ∗( 5.000−1 ) +1,96 2∗16,442
Z 2∗p∗q
n=
e2
N∗Z 2α∗p∗q
n= 2
e ∗ ( N −1 ) +Z 2α ∗p∗q
Ejemplo 2.a. Se desea estimar la proporción de los estudiantes de la UPDS, con un nivel de
aprendizaje de excelencia, para ello se define los siguientes criterios:
• Nivel de confianza = 95%
• Proporción de estudiantes = (0.10 a 0.15), como referencia
• Error máximo tolerable = 5% Para poblaciones finitas.
1,692∗0,15∗0,85
n= =195.9 ≅ 196
0.052
Ejemplo 2.b En base a los datos del ejemplo 1.a, con N = 5000
5.000∗1,692∗0,15∗0,85
n= =189
0.052∗( 5.000−1 )+1,692∗0,15∗0,85
INTERVALO DE CONFIANZA PARA LA MEDIA
σ σ
x́−Z α < μ< x́ + Z α
2 √n 2 √n
Ejemplo 1. El contenido de las cajas de leche de un litro tiene una distribución aproximada
normal con varianza de 0.1 litros2. Se toma una m.a de cajas, se mide el contenido y se
obtiene:
0.975, 0.950, 0.931, 1.103, 0.920, 0.935, 0.907, 0.809
Construir un IC del 95% para μ
Solución.
n=9
x́=0.952 L
σ 2=0.1 L2
NC =0.95 ⟹ α =0. 0 5
Z α =Z 0.0 2 5=1.96
2
0.1 0.1
0.925−1.96 √ < μ <0.925+1.96 √
√9 √9
0.745 L< μ<0.159 L
Desconocida:
s s
x́−t α < μ < x́+ t α
,n−1 √ n ,n −1 √ n
2 2
Ejemplo 2. Se desea construir un IC del 90% para la estatura media de los habitantes de
una población. De estudios anterior se sabe que la estatura tiene una distribución normal. El
investigador recolectó la siguiente m.a de estaturas (cm)
175, 177, 180, 165, 170, 170, 181, 169, 169, 190, 170, 171
Solución.
Tenemos que:
n=12
x́=173.583 cm
s=7.342cm
NC =0.9 0⟹ α =0. 10
tα =Z0. 05, 11=1. 7 9 6
, n−1
2
7.342 7.342
173.583−1.796 < μ< 173.583+ 1.796
√ 12 √ 12
169.776 cm< μ<177.390 cm
^p (1− ^p ) ^p (1− ^p )
^p−Z
√ n √
< P< ^p + Z
n
Ejemplo 1. Se decide estudiar intención de voto por el candidato A a presidencia de un
país. Se toma un m.a de 700 votantes y 450 de ellos responden tener la intención de votar
por el candidato A. Construir un IC del 97% para la proporción de votantes con intención
de voto por el candidato A.
Solución.
Tenemos que:
n=700
450
P=
^ =0.643
700
n^
P=450.1
n¿
NC =0.97 ⟹ α =0. 0 3
Z α =Z 0.015 =2.17
2
0.643(1−0.643) 0.643(1−0.643)
0.643−2.17
√ 700
< P<0.643+2.17
√ 700
0.604< P<0.682
σ 1 =26
n1 =40
x́ 2=402
σ 2=22
n2 =50
Z=1.88
El intervalo de confianza es, entonces:
σ 21 σ 22 σ 21 σ 22
x́ 1− x´2−Z
√ + ≤ μ −μ ≤ x´ − x́ + Z
n1 n2 1 2 1 2 √+
n1 n2
Ejemplo 2. 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 e iguales, construya un intervalo de
confianza del 95% para la diferencia real de nicotina de las dos marcas.
Solución.
Como las varianzas son iguales, calculamos S2p que está dado por:
2 (n¿¿ 2−1)S 22
2
S =(n¿¿ 1−1) S +
p 1 ¿¿
n1 +n 2−2
El intervalo de confianza del 95% está dado por (t (0.025, g.l.16) = 2.21):
1 1 1 1
x́ 1− x´2−t p s
√ + ≤ μ −μ ≤ x́ − x´ +t ps
n1 n2 1 2 1 2 √+
n1 n2
1 1 1 1
3.1−2.7−2.21 ( 0.596 )
√ √
+ ≤ μ 1−μ2 ≤ 3.1−2.7+2.21(0.596)
10 8
+
10 8
−0.2 ≤ μ 1−μ2 ≤ 1.0
Solución.
75
P 1=
Antes: ^ =0.05=5 %
1500
80
P 2=
Después: ^ =0.04=4 %
2000
Como el NC =0.9⟹ α =0.10 y así:
Z α =Z 0.5=1.64
2
Solución.
45
n1 =500 x 1=45 p 1= =0.09=9 % q1=0.91=91 %
500
60
n2 =2100 x 2=60 p2= =0. 286=2.86 % q 2=0.9714=97.14 %
2100
Z=98 %=2.33
0.09∗0.91 0.286∗0.9714
( 0.09−0.286 ) ∓ 2.33
2. Zona de aceptación
3. Verificación
125
p ´= =0.62 5
200
4. Decisión
Aceptamos la hipótesis nula H0. Podemos afirmar, con un nivel de significación del
1%, que la abstención será como mínimo del 40%.
Contraste bilateral
Ejemplo 2. 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 aceptar la hipótesis de validez
del nuevo proceso de fabricación con un riesgo igual o menor al 5%?
1. Enunciamos las hipótesis nula y alternativa:
H0: μ = 2400
H1: μ ≠2400
2. Zona de aceptación
Para α = 0.05, le corresponde un valor crítico: zα/2 = 1.96.
Determinamos el intervalo de confianza para la media:
1.96∗300 1.96∗300
(
2400−
√ 100
,2400+
√100 )=( 2341.2, 2458.8 )
3. Verificación
Valor obtenido de la media de la muestra: 2320.
4. Decisión
Rechazamos la hipótesis nula H0, con un nivel de significación del 5%.
CONTRASTE DE HIPOTESIS PARA LA DIFERENCIA DE MEDIAS
Ejemplo 1. Para tomar una importante decisión a nivel profesional se desea determinar si
existen diferencias significativas fundamentadas entre dos empresas referentes al salario de
sus empleados. Se realiza una investigación revisando el salario de 60 trabajadores de la
empresa A y 70 de la empresa B. Se obtiene un salario medio de 30000 euros anuales con
una desviación típica de 1000 euros en el primer grupo y un salario medio de 25000 euros
anuales con una desviación típica de 1500 en el segundo grupo. ¿Podríamos decidir a favor
de alguna de las dos empresas con un nivel de significación del 1 %?
5. Interpretación de la decisión.
Ejemplo 2. Para la ubicación de una nueva biblioteca en una pequeña ciudad, se decide
comparar el número medio de libros prestados por socio en dos bibliotecas de dos barrios
diferentes, uno situado en el centro de la ciudad y otro en el extrarradio. Se seleccionan al
azar 1000 socios de cada uno de ellas y se obtienen los siguientes datos: número medio de
libros anuales en barrio céntrico, 10 con varianza 4,2 ; número medio de libros anuales en
barrio extrarradio, 12,3 con varianza 5,1. ¿Hay suficiente evidencia para poder deducir
con un nivel de significación de 0,05 que la biblioteca debe ser construida en el centro de
la ciudad?
Tenemos una distribución de la diferencia de las medias, con μ1 - μ2 = - 2,3, un tamaño de
muestra n = 1000 en cada biblioteca. La distribución de las medias se distribuye:
5. Interpretación de la decisión.