Guía 1 Est Emp II 2021-0 - SOLUCIONARIO

FACULTAD DE CIENCIAS EMPRESARIALES Y ECONÓMICAS
Periodo Académico 2021-0
ESTADÍSTICA EMPRESARIAL II
GUÍA DE TRABAJO 1
PROPIEDADES DE ESTIMADORES
INTERVALOS DE CONFIANZA Y PRUEBA DE HIPÓTESIS
Coordinador del Curso:

Grabiela Montes Quintana
Este material de apoyo académico

se hace para uso exclusivo de los alumnos
de la Universidad de Lima y en concordancia
con lo dispuesto por la legislación sobre
los derechos de autor: Decreto Legislativo 822
Enero – marzo 2021

Estadística Empresarial II Guía de trabajo 1 2020-2
PROPIEDADES DE ESTIMADORES
1.
X ,X ,X ,....,X
Sea 1 2 3 7 una muestra aleatoria de una población que tiene promedio µ y varianza σ2.
Se proponen los siguientes estimadores del parámetro µ:
X  X 2  ....  X 7 2X  X 6  X 4
ˆ 1  1 ˆ 2  1
7 , 2
a) Determine si los estimadores son insesgados.
Para estudiar el insesgamiento de los estimadores se debe calcular las esperanzas de estos
estimadores:
   X  X 2  X7 
E ˆ1  E  1
 7


1
  E X 1   E X 2     E X 7  
7
1
     
7
1
 7 
7

   2X1  X 6  X 4 
E ˆ2  E 
 2


1
  E 2 X 1   E X 6   E X 4  
2
1
  2E  X 1   E  X 6   E  X 4  
2
1
  2     
2
1
  2 
2

Se pudo comprobar que ambos estimadores son insesgados ya que las esperanzas de estos
estimadores son iguales al parámetro, que en este caso es µ.
b) ¿Cuál de los dos estimadores elegiría?
Página 2 de 59
El mejor es el primer estimador porque tiene menor varianza, por lo tanto, sería más eficiente.
2. Suponga que X1, …, Xn, representa una muestra aleatoria extraída de una población X que tiene
distribución exponencial con parámetro β, si sugerimos como estimadores del parámetro β a los
siguientes:
1 __
β^ 1= ( X 1 +5 X 2 ) ^ =X
6 β 2
¿Cuál estimador se utilizaría? Justifique adecuadamente su respuesta.
Recuerde que en una distribución exponencial E(X) = β y V(X) = β 2
Primero calculamos las esperanzas de los estimadores:
1 1 1 1
𝐸൫𝛽መ
1 ൯= 𝐸 ቆ ሺ𝑋1 + 5𝑋2 ሻቇ = ൫𝐸ሺ𝑋1 ሻ+ 5𝐸ሺ𝑋2 ሻ൯= ሺ𝛽 + 5𝛽ሻ= 6𝛽 = 𝛽
6 6 6 6
መ ሜ
𝐸൫𝛽2 ൯= 𝐸ሺ𝑋ሻ= 𝛽
Podemos observar que los estimadores sí son insesgados.

Para estudiar la eficiencia debemos considerar a los estimadores insesgados, ambos en este caso,
pasando a calcular las varianzas de estos estimadores.
Página 3 de 59
1 1 2 1 26 2
𝑉൫𝛽መ
1 ൯= 𝑉 ቆ ሺ𝑋1 + 5𝑋2 ሻቇ = ൬൰൫𝑉ሺ𝑋1 ሻ+ 25𝑉ሺ𝑋2 ሻ൯= ሺ𝛽 2 + 25𝛽 2 ሻ= 𝛽 = 0.7222𝛽 2
6 6 36 36
𝛽2
𝑉൫𝛽መ
2 ൯= 𝑉ሺ𝑋ሜሻ=
𝑛
El estimador más eficiente es el que tiene la menor varianza. Para cualquier valor de n>1, el segundo
estimador es más eficiente.
3. Sea X1, X2, X3, …, Xn una muestra aleatoria de tamaño n, obtenida de una población en la cual se sabe
que: E(X) =  y V(X) = 2.
Si se definen como estimadores de  a las siguientes estadísticas:
3X 1  4X 2  2X 3 X1 X 2 12X 3 19X 1 X 2 X 3
ˆ 1  ˆ 2    ˆ 3   
5 3 5 15 12 4 3
a) ¿Cuáles de ellos son estimadores insesgados de ?

Calculamos las esperanzas de los estimadores:
Los estimadores insesgados son el primero y el tercero
b) De entre los estimadores insesgados, ¿cuál es el más eficiente?
Comparando las varianzas podemos concluir que el estimador más eficiente es el primero.
4. Sea X1, X2 dos variables aleatorias independientes tales que X i  N(,²). Dado los siguientes
estadísticos:
1 1 3 1 3X1  4X2
 1  X1  X2  2  X1  X2  3 
2 2 4 4 5
¿Cuáles de estos estadísticos son estimadores insesgados de la media ?
Página 4 de 59
5. Sea X1, X2, X3 una muestra aleatoria de cualquier población con  y ² = 1. De los siguientes
estimadores de :
  1X  1X  1X

1 1 1 1
 2   X1  X 2  X3   3  X1  X 2  X3
1 1 2 3
6 3 2 3 4 6 3
a) ¿Cuáles son estimadores insesgados de ?

b) ¿Cuál es el estimador de varianza mínima?
6. El tiempo (en horas) que esperan los pasajeros para abordar un avión, se distribuye uniformemente en el
intervalo [0,  ]. Para estimar el parámetro , se seleccionan al azar, a dos pasajeros que esperan subir al
avión. Sean X1 y X2 los tiempos que deben esperar hasta abordar el avión. Si se utilizan los siguientes
estimadores de :
θ^ 1 = 2X 1 y θ^ 2 = X1 + X 2
Recuerde que si una variable X tiene distribución uniforme en el intervalo [α , β] entonces

α+ β ( β−α )2
E( X )= V ( X )=
2 y 12
^ ^
a) ¿Son θ1 y θ2 estimadores insesgados de ?
En este caso se cumple que α = 0 y β = θ, entonces reemplazando los valores en la esperanza y
la varianza de X tenemos:
Calculando las esperanzas de los estimadores:
Por lo tanto, ambos estimadores son insesgados del parámetro θ.
b) ¿Cuál de los dos estimadores escogería como el mejor estimador de  y por qué?
Calculando las varianzas de los estimadores:
θ2 θ2
V ( θ^ 1 )= V ( 2X 1 ) =4V ( X 1 ) =4 =
12 3
^ θ2 θ 2 θ 2 θ2
V ( θ2 )=V ( X 1 + X 2 ) =V ( X 1 ) + V ( X 2 ) = + =2 =
12 12 12 6
El mejor estimador es el segundo porque es insesgado y tiene menor varianza, o sea el segundo
estimador es más eficiente.
c) Si al seleccionar una muestra aleatoria de tamaño 2 se encontraron los siguientes resultados
Página 5 de 59
numéricos X1 = 2.5 y X2 = 3.3 ¿Cuál es el valor numérico del estimador de  (utilizar el estimador
seleccionado en la parte b)?
El valor numérico del estimador de θ es:
θ^ 2 = X1 +X 2 =2 .5+3. 3=5. 8
7. Para estimar el parámetro  de la distribución exponencial se toman muestras aleatorias de cuatro

observaciones X1, X2, X3, X4 y se proponen los siguientes estimadores puntuales del parámetro :
X1 + X2 + X3 + X 4 2 X 1 + X2 + X3 − X 4
β^ 1 = β^ 2 =
4 4
2 X1 + X2 + X3 + 2 X4
β^ 3 =
6
Recuerde que, si una variable tiene distribución exponencial, entonces: E(X) = β y V(X) = β2
a) ¿Cuál de los estimadores es insesgado?
b) Analizar la eficiencia de los estimadores y diga cuál de ellos elegiría y por qué.
Propuestos para el alumno
8. Sea X1, X2, X3, X4 una muestra aleatoria de cualquier población con  y ² sus parámetros. ¿Cuál de los
dos estadísticos que se definen a continuación, es el estimador más eficiente de ?
X  X 2  X3  X 4 4X1  X3  X 4
 1  1  2 
4 4
¿Cuál de los estimadores es insesgado?
9. Suponga que X1, …, Xn, representa una muestra aleatoria de una población para la cual se sabe que esta
variable tiene distribución exponencial con parámetro β, si sugerimos como estimadores del parámetro β
a los siguientes:
1 1
ˆ2  ( X 1  X 2 ) ˆ3  ( X 1  5 X 2 ) __
ˆ1  X 1 2 2 ˆ4  x
¿Cuál estimador se utilizaría? Justifique adecuadamente su respuesta.
Recuerde que en una distribución exponencial E(X) = β y V(X) = β 2
ESTIMACIÓN MEDIANTE INTERVALOS DE CONFIANZA
Intervalo de confianza y tamaño de muestra para la media

10. Para un investigador social es importante determinar el tiempo medio que se requiere para desarrollar un
test y medir el tipo de liderazgo de una persona. Con esta finalidad aplica el test a una muestra aleatoria
de 36 sujetos y fija un nivel de confianza del 95%. Luego de evaluar a los 36 sujetos obtiene los
siguientes resultados: el tiempo promedio requerido fue de 35 minutos, se sabe, además, por
antecedentes históricos, que la varianza del tiempo que se requiere para el desarrollo del test es de 25
minutos2 y que se comporta de acuerdo a una distribución normal.
Página 6 de 59
a) Hallar e interpretar un intervalo para el tiempo medio que se requiera en el desarrollo de dicho test.
La variable en estudio es el tiempo que se requiere para desarrollar el test, esta variable tiene
distribución normal con media desconocida y varianza de 25 minutos 2, y lo que se desea es
obtener un estimador por intervalo del 95% de confianza de la media, tiempo promedio
necesario para desarrollar el test, lo cual haremos basándonos en una muestra de tamaño 36.
En este caso usamos el siguiente estimador:
σ
⟨ X̄±Z 1−α /2 ⟩
√n confianza = 95%, 1-α= 0.95, α= 0.05, α/2 = 0.025, 1-α/2 =
0.975
Primero hallamos el valor de

Z 1−α/2 , usando Minitab vamos a Graph…> Probabilty
Distribution Plot >View Probability, la distribución a escoger es la normal con media (Mean)
cero y desviación estándar (Standard deviation) uno, damos OK, vamos a Shaded Area,
escogemos “Left Tail” y en probabilidad ponemos 1-α/2=0.975.
D istrib u tio n P lo t
N o rm a l, M ea n = 0 , S tD e v = 1
0 .4
0 .9 7 5
0 .3
Density
0 .2
0 .1
0 .0
0 1 .9 6 0
X
De donde obtenemos que

Z 1−α /2=Z 0.975 =1.96
Reemplazando valores tenemos
σ 5
⟨ X̄±Z 1−α /2 ⟩=⟨35±1 . 96 ⟩=⟨33 .37 ; 36 . 63⟩
√n √36
También podemos hallar este intervalo usando directamente Minitab siguiendo la ruta: Stat >
Basic Statistics > 1-Sample Z, escoger “Summarized data”, ingresar el tamaño de la muestra
(Sample size), la media de la muestra (Sample mean), la desviación estándar poblacional
conocida (Known standard deviation), en Options ingresar el nivel de confianza:
One-Sample Z
The assumed standard deviation = 5
N Mean SE Mean 95% CI

36 35.000 0.833 (33.367, 36.633)
El tiempo promedio estará entre 33.367 y 36.633 minutos, con una confianza del 95%.
Página 7 de 59
b) ¿Cuál es el tamaño del error de estimación en este caso?

El tamaño del error de estimación es
σ 5
Z 1−α /2 =1 . 96 =1 . 6333
E= √n √ 36 (Longitud del intervalo = 2*E = 3.2666)
c) Si el error de estimación hallado se desea reducir en un 40% manteniendo el nivel de confianza

¿Qué tamaño de muestra necesitará seleccionar?
Reducir el error de estimación en un 40% equivale a que ahora este error será
0.60*1.63=0.98 por lo tanto:
σ 5
Z 1−α /2 =1 . 96 =0. 98
√n √n
2
5
(
⇒n= 1. 96
0 . 98 )
⇒n=100
11. El dueño de un servicio de fotocopias está preocupado por conocer el ingreso medio diario obtenido por
el servicio de fotocopiado, dado que sospecha de la honestidad del encargado del establecimiento.
Suponga que dicho ingreso se comporta según una distribución normal cuya desviación estándar es de
S/. 50.
a) ¿Cuál debe ser el número de días que debe supervisar personalmente el establecimiento para que
con un nivel del 95% de confianza el valor del promedio muestral difiera del promedio real en a lo
más S/.15?
En este caso queremos hallar el tamaño de muestra necesario para realizar la investigación. Para
esto usaremos la fórmula del tamaño de muestra cuando se quiere estimar una media:
Confianza = 95%, α = 0.05, α/2 = 0.025, 1-α/2 = 0.975
De donde obtenemos que

Z 1−α /2=Z 0.975 =1.96
(Redondeo por exceso)
Por lo tanto, el dueño del establecimiento debería supervisar personalmente 43 días.
b) Si el error se reduce a S/10, a un nivel de confianza del 95% ¿Cuál debe ser el tamaño de muestra?
En la fórmula anterior reemplazamos el 15 por 10, obteniendo n = 96.04 = 97 (redondeo por

exceso)
12. En la calificación de su eficacia, una muestra aleatoria de 312 empleados arrojó una puntuación media
de 13.9 puntos, con una desviación estándar de 6 puntos. Si un intervalo de confianza del 95% indica
que la media real de todos los empleados es menor que 15 puntos, la dirección implantará un nuevo
programa de formación.
Considerando que dichos puntajes se ajustan a una distribución normal, calcular e interpretar el intervalo
de confianza correspondiente y en base a ello indique si se debe llevar a cabo el programa o no.
En este caso la variable es la calificación de la eficacia que tiene distribución Normal con varianza
desconocida.
Página 8 de 59
La media de todos los empleados es desconocida, pero podemos hallar un intervalo de confianza
del 95% para esta media y verificar si cumple la condición para implantar el nuevo programa.
En este caso usamos el intervalo:
S 6
⟨ X̄±t ( n−1; 1−α /2 ) ⟩=⟨13 .9±1.968 ⟩=⟨13 .232 , 14 .568⟩
√n √ 312
Efectivamente todos los valores contenidos en el intervalo son menores que 15, por lo tanto, la
dirección sí debe implantar el nuevo programa de formación.
13. A manera experimental, Surmebank ha entregado, previa evaluación, tarjetas de crédito a una muestra
de 20 profesores universitarios de Lima, luego de un mes se registra el consumo, en soles, de cada uno
de ellos con la mencionada tarjeta. Los datos obtenidos son:
680 762 633 770 875 633 641 880 760 670
660 622 765 790 583 737 667 696 640 510
Considerando que dicho consumo se ajusta a una distribución normal,

a) Estime con 97% de confianza el consumo medio mensual de los profesores que hacen uso de esta
tarjeta Interprete el resultado obtenido.
Como la población es normal con varianza desconocida, se utilizará el siguiente intervalo de
confianza:
S
⟨ X̄±t ( n−1,1−α /2 ) ⟩
√n Confianza = 97%, 1-α=0.97, α = 0.03, α/2 = 0.015, 1-α/2 = 0.985
datos son: X̄=698.7, S=93.2, n=20

Los
El valor de t(n-1,1-α/2) lo obtenemos de Minitab siguiendo la secuencia : Graph…> Probabilty
Distrubution Plot >View Probability, la distribución a escoger es la t con n-1 grados de libertad
(Degrees of fredom), damos OK, vamos a Shaded Area, escogemos “Left Tail” y en probabilidad
ponemos 1-α/2=0.985.
Página 9 de 59
Distribution Plot
T, df=19
0.4
0.985
0.3
Density
0.2
0.1
0.0
0 2.346
X
t(n-1;1-α/2) = t(19;0.985) = 2.346

El valor de
Reemplazando valores tenemos:
S 93.2
⟨ X̄±t ( n−1,1−α /2 ) ⟩=⟨698 .7±2 .346 ⟩=⟨649 .809 , 747 .591⟩
√n √20
También podemos hallar este intervalo directo del Minitab siguiendo la secuancia: Stat > Basic
Statistics > 1-Sample t, escoger “One or more samples, each in a column”, ya que tenemos los
datos en una columna, en Options ingresar el nivel de confianza:
Entonces podemos concluir con 97% de confianza que el consumo promedio está entre 649.80
y 747.60 soles.
b) Estime con 95% de confianza el consumo medio mensual de los profesores que hacen uso de esta
tarjeta Interprete el resultado obtenido. ¿Este intervalo es más ancho o angosto que el anterior?
Página 10 de 59
El intervalo al 97% tiene una longitud de: 747.6 – 649.8 = 97.8

El intervalo al 95% tiene una longitud de: 742.3 – 655.1 = 87.2
Este intervalo del 95% es más angosto que el anterior. (Si disminuye la confianza, la longitud del
intervalo también disminuye).
c) Si el banco espera entregar en el futuro esta tarjeta a N = 2500 profesores universitarios de todo
Lima, estime con 97% de confianza el ingreso total del banco por consumos con esta tarjeta.
El consumo total con esta tarjeta se calcula multiplicando por N=2500 cada límite del intervalo
para la media, obteniendo el intervalo:
S
d)
(
⟨N X̄±t( n−1,1−α /2 )
√n)⟩=⟨2500∗649. 8 , 2500∗747. 6 ⟩=1⟨624500 ,1869000 ⟩
Entonces con 97% de confianza podemos concluir que el consumo total está entre 1624500 y
1869000 soles.
14. Se desea tener una estimación de los montos por cobrar de los arbitrios en el municipio del Rímac en el
presente trimestre. Se sabe que en el trimestre anterior la desviación estándar de dichos montos fue de
S/. 35, y que estos montos se ajustan a una distribución normal.
a) ¿Cuál será el tamaño de muestra necesario de contribuyentes, si se desea tener un margen de error
no mayor a 8 soles, con una seguridad del 96%?
Se pide calcular el tamaño de muestra, para estimar una media.
E = 8, σ = 35, confianza = 96%, 1-alfa = 0.96, alfa = 0.04, alfa/2 = 0.02, 1-alfa/2 = 0.98
Z0.98 = 2.054.
z(12   )  2
n 2
E2 =2.0542*352/ 82 = 80.7527 = 81 contribuyentes.

b) Si se sabe que el municipio tiene 25 000 contribuyentes, ¿cuál será el tamaño de muestra necesario
de contribuyentes, si se desea tener un margen de error de 5 soles con una seguridad del 96%?
N = 25000, E = 5, Z0.98 = 2.054, σ = 35.
Calculen ( a mi me sale 80.49 aprox. 81) comprobar.
Página 11 de 59
15. La empresa Cheese S.A. es una empresa importadora de quesos de los países europeos. El gerente de
ventas selecciona una muestra aleatoria de 26 ventas realizadas durante los últimos meses y obtiene los
siguientes datos sobre la cantidad de queso (kilogramos) vendidos:
15 18 19 16 14 15 9 18 17 12 16 7 11
16 17 18 15 16 15 13 13 16 16 20 14 15
Considerando que la cantidad de queso vendido se ajusta a una distribución normal, se pide lo
siguiente:
a) Estime con 95% de confianza cantidad media vendida.
x́ = 15.038, S = 2.946, n = 26, n – 1 = 25, 1-α/2 = 0.975
t(25, 0.975) = 2.06

__
S
IC (  )  x  t n 1;1  
2
n =15.038±(2.06*2.946/raíz(26))=[13.847, 16.228]
De frente con MINITAB
La cantidad media vendida se estima entre 13.849 y 16.228 kilogramos, con

una confianza del 95%.
Obs: La longitud del intervalo aumenta cuando se aumenta la confianza. Si
el tamaño de la muestra aumenta, disminuye la longitud del intervalo, o sea
también disminuye el error de estimación.
b) Si en los últimos meses la empresa tiene registradas 500 facturas de ventas. Estime con 95% de
confianza la cantidad total de kilogramos de queso vendidos en este periodo.
El total es igual a el promedio (intervalo de la media) multiplicado por el
tamaño de la población (N). N = 500.
El intervalo pedido es: [500*13.849; 500*16.228] = [6924.5; 8114]
En las 500 facturas se estima habrá una venta total entre 6924.5 y 8114
kilogramos, con una confianza del 95%.
16. Basado en su experiencia, el gerente de comercialización de una empresa afirma que las familias de un
sector de la ciudad gastan en promedio 75 soles mensuales en productos de limpieza para el hogar y que
este gasto se ajusta a una distribución normal. En una encuesta aplicada a 400 jefes de hogar del sector
se encontró un gasto promedio de 68 soles con una desviación estándar de 27 soles.
a) Construyendo un intervalo de confianza del 98%, ¿estaría usted en condiciones de refutar la
afirmación del gerente? ¿por qué?
Página 12 de 59
X́ = 68, S = 27, n = 400
IC(µ) al 98% Caso 2: Varianza poblacional desconocida:
Como el valor 75 no está dentro del intervalo, entonces sí estaría en condiciones de refutar la
afirmación del gerente. El gerente no tiene razón.
b) Un estudio anterior reveló una desviación estándar en los gastos de 28 soles y estos gastos se
ajustan a una distribución normal. Si realizar el estudio tiene un costo inicial de 900 soles más 4.5
por familia entrevistada. Calcule el costo total del muestreo si el estudio exige un nivel de confianza
del 95% con un margen de error de 10 soles.
σ = 28, Confianza 95% →Z (1-alfa/2) = Z 0.975= 1.96
E = 10
Se debe calcular el tamaño de muestra (número de entrevistas)
z(12   )  2
n 2
E2 =1.962*282/100 = 30.118 = 31
Costo total = 900 + 4.5*31 = 1039.50 soles
Intervalo de confianza para la proporción

17. Los anunciadores de publicidad en televisión afirman que la mayoría de los televidentes entienden la
mayor parte de la publicidad que ven y escuchan. Una investigación utilizó recientemente 2000
telespectadores de 18 años o más de edad. Cada uno vio cortos de 30 segundos de publicidad televisiva.
Resultó que 1540 de los televidentes no entendieron todo o parte de los cortos.
a) Utilizando un nivel de confianza del 95%, ¿Usted diría que los anunciadores de publicidad en
televisión están en lo correcto?
Debemos hallar el intervalo de confianza de la proporción de televidentes que no entendieron todo

o parte de los cortos, utilizando una confianza del 95%.
Tenemos los datos:
X= número de eventos = número de éxitos = 1540
n= tamaño de la muestra = 2000
Proporción muestral = p =1540/2000 = 0.77 p = X/n
Utilizaremos el intervalo de confianza:
Página 13 de 59
p ( 1− p )
⟨ p±Z 1−α / 2
0.975
√ n
⟩
confianza = 95%, alfa = 0.05, alfa/2 = 0.025, 1-alfa/2 =
Z0.975 = 1.96
Reemplazando valores tenemos:
p ( 1− p ) 0 . 77 ( 0. 23 )
⟨ p±Z 1−α /2
√ n
⟩=⟨0 . 77±1 . 96
√
2000
⟩=⟨0 .752 , 0 .788⟩
También podemos utilizar directamente Minitab siguiendo la secuencia: Stat > Basic Statistics >
1-Proportion. Escogemos “Summarizes data”, completamos la información con el número de
eventos (Number of events) y el tamaño de la muestra (Number of trials), en Options escogemos la
confianza y en Method cambiamos a “Normal approximation”.
Obteniendo el siguiente resultado:
Por lo tanto, podemos concluir que los anunciadores no tienen razón, porque el porcentaje de
televidentes que no entendieron todo o parte de los cortos está entre 75% y 79%.
b) En base a los resultados, si se quiere realizar un próximo estudio con un margen de error del 3% y
un nivel de confianza del 95% ¿Cuál debe ser el tamaño de la muestra?
z(12   ) p(1  p)
n 2
¿
1.962∗0.77∗0.23
=755.9=756
E2 0.032
18. Se desea realizar una encuesta de mercado para estimar la proporción de consumidores que prefieren
cierta marca de embutidos. Asimismo, se requiere que el error al estimar esta proporción no sea mayor
de 4 puntos porcentuales con un nivel de confianza del 95%. El Dpto. de marketing estima que el 25%
de los consumidores prefieren dicha marca de embutido. Si cuesta 1500 dólares poner en marcha la
encuesta y 5 dólares por entrevista, ¿cuál será el costo total de la encuesta?
Se tiene que hallar el tamaño de muestra necesario para estimar la proporción de consumidores
que prefieren cierta marca de embutidos.
Los datos son:
Proporción estimada = p = 0.25
E = 0.04
Confianza 95%, entonces Z1-α/2=1.96
Utilizando la fórmula siguiente y reemplazando los valores tenemos:
Z 21−α /2 p ( 1− p ) 1. 962 ( 0. 25 ) ( 0 .75 )

n= = =450 .1875=451
E2 0 .04 2
Página 14 de 59
Costo Total = 1500 + 5*451 = 3755

El costo total de la encuesta sería de 3755 dólares.
19. En una encuesta de opinión pública se invita a 100 personas, seleccionadas de una población de 10000 a
expresar su preferencia por el producto A con respecto a otras marcas; a partir de esta muestra se
concluye que entre 2100 y 3900 personas prefieren el producto A. ¿Qué nivel de confianza se usó en
este informe?
El intervalo presentado corresponde al número total de personas que prefieren el producto A,
entonces como tenemos 10000 personas en total, se cumple que el intervalo para la proporción de
personas que prefieren el producto a está entre 0.21 y 0.39, valores obtenidos dividiendo cada
extremo del intervalo dado por 10000.
A partir de este nuevo intervalo podemos obtener lo siguiente:
0 .21+ 0. 39
p= =0 . 3
2
Utilizando un extremo del intervalo, en este caso el superior tenemos:
p ( 1− p ) 0 . 3∗0 .7
p+ Z1−α /2
n √
0 .39−0 . 3
=0 . 3+Z 1−α /2
100 √
=0 . 39
⇒ Z 1−α /2 = =1 . 96396
0 .3∗0 .7
100 √
Ahora usando Minitab, dado el valor de Z hallaremos la probabilidad:
Distribution Plot
Normal, Mean=0, StDev=1
0.4
0.9752
0.3
Density
0.2
0.1
0.0
0 1.96396
X
α
1− =0 .9752
2
⇒ α=2 ( 1−0 . 9752 )=0. 0496
⇒1−α=1−0 . 0469=0 . 9504
Por lo tanto, la confianza utilizada fue del 95.04%.
Página 15 de 59
20. Cable Futuro S.A. desea estimar la proporción de sus clientes que comprarían una revista con los
programas selectos de televisión por cable. La compañía emplea una confianza del 95% para un margen
de error de 0,05 con respecto a la proporción real. La experiencia anterior en otras áreas señala que el
75% de los clientes comprarán la revista de programas. ¿Qué tamaño de muestra se necesita?
Se desea estimar una proporción, y se pide el tamaño de muestra a usar, para esto usaremos la
fórmula correspondiente:
Z 21−α /2 p ( 1− p ) 1. 962 ( 0. 75 ) ( 0 .25 )

n= = =288 . 12=289
E2 0 . 052
Luego para realizar esta investigación se necesitará una muestra de 289 clientes.
21. Se quiere hacer un estudio para estimar una proporción al 95% de confianza con un margen de error del
4%. ¿Cuál debe ser el tamaño de muestra máximo requerido para realizar el estudio?
Como no se conoce p de un estudio anterior usar p = 0.5
z(12   ) p(1  p)
n 2
E2 = 600.25 = 601
22. ARIEL Asociados, está interesada en conocer la proporción de consumidores de su producto bandera
cuya publicidad se lanzó hace dos meses. Si de una muestra aleatoria de 300 personas, 120 respondieron
que si consumían dicho producto
a) Si la empresa tiene evidencia que la proporción de consumidores de dicho producto es inferior al
30% decidirá descontinuar la campaña de publicidad ¿Utilizando un 96% de confianza ¿cuál será la
decisión de la empresa ARIEL?
b) ¿Cuál cree que debería ser el tamaño de muestra en una posterior investigación, si se desea tener un
nivel de confianza del 96% con un error de estimación no mayor a 0.04?
23. En una encuesta realizada a personas adultas se les preguntó si tenían cuenta de ahorros en algún banco.
En la encuesta, se ha detectado que de 2000 adultos encuestados (elegidos aleatoriamente), 1280 tenían
alguna cuenta de ahorros.
a) Hallar una estimación con un 95% de confianza de la verdadera proporción de adultos con cuenta
de ahorros.
π = Proporción de personas que tienen una cuenta de ahorros.
IC(π) al 95%, eventos = X = 1280, tamaño de muestra = n = 2000
Usando MINITAB directamente:
b) ¿Cuántos elementos deberían haber compuesto la muestra para que el error fuera del 2%,
suponiendo un 95% de confianza, y que no se tiene información previa sobre la verdadera
proporción?
Página 16 de 59
E = 0.02, Z0.975 = 1.96, p = 0.5
z(12   ) p(1  p)
n 2
E2
= 2401
c) Bajo las condiciones indicadas inicialmente, si el error se reduce a 1% ¿Cuál es el tamaño de
muestra a un 95% de confianza?
p = 1280/2000 = 0.64, E = 0.01, Z0.975 = 1.96, reemplazar en la fórmula del tamaño de muestra.
Intervalo de confianza para la varianza
24. El gerente de ventas de una empresa industrial tiene que decidir si compra o no una nueva máquina para
reemplazar la que tienen en uso actualmente en el departamento de producción. Se sabe que la máquina
que está en uso tiene una varianza, con respecto al tiempo que demora en producir una pieza, de 0.067
min2. Al tomar una muestra aleatoria de 20 piezas producidas por la máquina que se desea comprar se
encontró una desviación estándar de 0.15 minutos y se sabe que el tiempo que demora en producir un
artículo se comporta de acuerdo a una distribución normal. Si se utiliza un nivel de confianza del 95% y
la decisión estará basada en la menor variabilidad, ¿Cuál será la decisión del gerente de ventas?
Tenemos dos variables, el tiempo que se demora la máquina actual en producir una pieza, la cual
tiene distribución normal con varianza 0.067 min2 y el tiempo que se demora la máquina nueva
de la cual no tenemos información poblacional, entonces para poder comparar las varianzas,
debemos estimar la varianza poblacional correspondiente a la máquina nueva:
Usando una confianza del 95%, tenemos el intervalo de la varianza del tiempo correspondiente a
la máquina nueva:
 (n  1) S 2 (n  1) S 2 
IC ( 2 )   2 , 2 
   n 1;1     n 1;   
 2 2  confianza = 95%, alfa = 0.05, alfa/2 = 0.025, 1-alfa/2 =
0.975
Primero hallaremos los valores chi-cuadrados para n=20 y 95% de confianza:
χ2 = χ (19 ; 0 .975 ) =32. 85

(n−1 ;1−α2 )
χ2 = χ (19 ; 0. 025 )=8 . 907
(n−1 ;2α )
Distribution Plot
Chi-Square, df=19
0.07
0.06
0.05
Density
0.04
0.03
0.02
0.01
0.025
0.025
0.00
0 8.907 32.85
X
Página 17 de 59
Según la información S = 0.15, n = 20 reemplazando valores tenemos
( n−1 ) S 2 ( n−1 ) S 2 19 ( 0 .15 )2 19 ( 0 .15 2 )

⟨ 2 ; ⟩=⟨ ; ⟩=⟨0 . 013 ; 0 .048 ⟩
χ ( n−1 ;1−α /2 ) χ 2( n−1; α /2 ) 32 . 85 8 . 907
Como todos los valores del intervalo son menores que 0.067, que es la varianza correspondiente a
la máquina en uso actual, o sea la antigua, entonces se debe comprar la nueva máquina pues logra
disminuir la varianza.
Directamente con Minitab seguimos la secuencia Stat> Basic Statistics> 1 Variance, se escoge el
caso según lo disponible, ya sea que tengamos la desviación estándar muestral o la varianza
muesral o los datos en una columna y completamos la información requerida, de donde tenemos:
25. Se observaron las ventas mensuales de un producto nuevo durante varios meses verificándose que el
monto de ventas obedece a una distribución normal con una desviación estándar 30 soles. Fue adoptada
una nueva técnica de venta y, durante 12 meses, se observó que el monto promedio de ventas de este
producto fue de 10560 soles con una varianza de 40 soles2. ¿Hay razones para creer a un 96% de
confianza que la varianza aumentó?
Con la técnica antigua: σ = 30 entonces la varianza es 900.

Con la técnica nueva: n = 12, xbarra = 10560, S2= 40.
Hallar un I.C. al 96% para la varianza de la técnica nueva:
 (n  1) S 2 (n  1) S 2 
IC ( )   2
2
, 2 
   n 1;1     n 1;   
 2 2  = [19.45; 121.93]
Como los valores de todo el intervalo están por debajo de 900, no se puede concluir que la
varianza ha aumentado, más bien ha disminuido.
26. La empresa Cheese S.A. es una empresa importadora de quesos de los países europeos. El gerente de
ventas selecciona una muestra aleatoria de 25 ventas realizadas durante los últimos meses y obtiene los
siguientes datos sobre la cantidad de queso (kilogramos) vendidos:
15 18 19 16 14 15 9 18 17 12 16 7 11
16 17 18 15 16 15 13 13 16 16 20 14 15
Considerando que la cantidad de queso vendido se ajusta a una distribución normal, estime un intervalo
del 95% de confianza para la desviación estándar de la cantidad de queso vendido.
Página 18 de 59
La desviación estándar se encuentra entre 2.31 y 4.07 kilogramos, al 95% de confianza.
27. A manera experimental, Surmebank ha entregado, previa evaluación, tarjetas de crédito a una muestra
de 20 profesores universitarios de Lima, luego de un mes se registra el consumo, en soles, de cada uno
de ellos con la mencionada tarjeta. Los datos obtenidos son:
680 762 633 770 875 633 641 880 760 670
660 622 765 790 583 737 667 696 640 510
Considerando que dicho consumo se ajusta a una distribución normal,

e) Estime con 97% de confianza la varianza del consumo mensual de los profesores que hacen uso de
esta tarjeta Interprete el resultado obtenido.
Luego para hallar el intervalo de confianza para la varianza, se debe elevar al cuadrado cada límite del
intervalo hallado
(4747.21; 20220.84)
f) Estime con 95% de confianza la varianza del consumo medio mensual de los profesores que hacen
uso de esta tarjeta Interprete el resultado obtenido. ¿Este intervalo es más ancho o angosto que el
anterior?
El intervalo de confianza para la varianza es: (5026.81; 18523.21)
A mayor confianza mayor es la amplitud del intervalo.
PROBLEMAS DIVERSOS
28. En cierto proceso de producción se tiene que el costo por unidad producida se comporta de acuerdo con
una distribución normal con media igual a 120 soles y desviación estándar de 10 soles. Se realizan
Página 19 de 59
medidas de reajuste en el proceso de producción de este artículo, con la finalidad de disminuir los costos
de producción y que estos sean más homogéneos. Luego de estas medidas se tomó una muestra aleatoria
de ocho unidades y se obtuvo los siguientes costos:
X115. 123.6
6 118.5 6 119.5 116.2 116.3 118.5 122.7
Utilizando los intervalos de confianza apropiados con un 90% de confianza.

a) Con respecto a la homogeneidad en los costos: defina el parámetro involucrado y luego determine si
los costos de producción luego de los reajustes son menos variables que antes.
b) Con respecto a la disminución en el costo promedio de producción, y considerando el resultado
obtenido en la parte a; defina el parámetro involucrado y luego determine si los reajustes lograron
que el costo promedio disminuya.
29. Responda las siguientes preguntas:

a. De una población se toma una muestra aleatoria de tamaño n = 64 personas, con el objetivo de
estimar la media del gasto mensual en consumo, el cual tiene una distribución normal. Sabiendo
que la varianza de la población es de 62500 soles 2, se encontró el siguiente intervalo de confianza
IC      1138.75;1261.25
para la media . Indique el valor de la media muestral, el error
de estimación y el nivel de confianza utilizado.
Media muestral = Xbarra = (1261.25+1138.75)/2 = 1200
Error de estimación = E = 1261.25-1200 = 61.25,
Longitud del intervalo = 2*E, E = Longitud del intervalo / 2

Longitud = Iímite superior – Límite inferior
E = (1261.25-1138.75)/2 = 61.25
z(12   )  2
n 2
E2
Despejar Z, hallar el valor de la probabilidad correspondiente a Z, que es 1-alfa/2, y de allí
despejar alfa, y la confianza sería 1-alfa multiplicado por 100.
Despejando Z: Z = E*raíz(n)/sigma = 61.25 * 8 / 250 = 1.96

entonces (Usando Minitab) 1-alfa/2 = 0.975, luego alfa = 0.05 de donde 1-alfa = 0.95
Respuesta: La confianza es (1-alfa *100) del 95%.
b. Dentro del contexto de la parte a., se desea reducir el error de estimación en un 40%, con el mismo
nivel de confianza. Indique el tamaño de muestra que se requiere.
Nuevo error de estimación = E = 0.6 * 61.25 = 36.75
Página 20 de 59
z(12   )  2
n 2
E2 =1.962*62500 / 36.752 = 177.77 = 178
30. En la encuesta de estudio de mercado del nuevo producto CAFETÍN, café soluble instantáneo, se
comprobó que a 150 de 250 consumidores potenciales entrevistados, no les agradó el producto. Además,
se comprobó que en los consumidores que les agradó el café, la edad media fue de 55 años con una
desviación estándar de 25 años. Con una confianza del 95%:
a) ¿Entre que valores se podría estimar la proporción de los consumidores que les agrada el nuevo
producto?
b) ¿Entre que valores se podría estimar la edad promedio de los consumidores que les agrada el nuevo
producto?
31. Se introduce al mercado un nuevo tipo de leche evaporada en cajas, cuyo contenido medio se especifica
en las mismas y es igual a 0.25 litros. La aceptación del producto se probó en las bodegas de un Distrito
Tipo C de Lima Metropolitana. Al final del periodo de prueba de 30 días, se comprobó que en las 25
bodegas se vendió en promedio 150 cajas, con una desviación estándar de 9 cajas, por día.
a) De acuerdo con los datos de la muestra y considerando que las ventas diarias se ajustan a una
distribución normal ¿Se puede afirmar que el promedio de ventas (por bodega del distrito) es
superior a las 145 cajas por día? Usar un nivel de confianza del 98%
b) Si en el distrito existen 2500 bodegas, establezca un intervalo de confianza del 98% para el número
de cajas necesarias para abastecer dicho mercado.
c) Por otro lado, el contenido de leche por caja fue un detalle observado por los consumidores.
Algunos consideraban que el contenido de leche en las cajas estaba por debajo del especificado en
las etiquetas. Para tal efecto se tomó una muestra de 15 cajas comprobándose su contenido y los
resultados fueron los siguientes:
0.23 0.24 0.24 0.24 0.25 0.23 0.23 0.22 0.22 0.20 0.25 0.23 0.24 0.24 0.25
c.i) Diga usted si existe suficiente evidencia como para afirmar que el contenido medio de leche
por caja está por debajo del especificado en las etiquetas. Considere que le contenido de
leche por caja se ajusta a una distribución normal.
c.ii) ¿Entre que valores se encontrará la desviación estándar de los contenidos de leche de las
cajas con una confianza del 98%?
32. Responda las siguientes preguntas:
a) Para estimar el ingreso medio mensual (en miles de soles) de las pequeñas empresas en el rubro de
servicios y que están ubicadas en la zona norte del país, se fija un nivel de confianza del 92% y se
está dispuesto a tolerar como máximo un error de 2500 soles, como información adicional se tiene
que los ingresos mensuales en este tipo de empresas tienen una distribución normal con una
desviación estándar de 8.8 miles de soles. ¿Qué tamaño de muestra se necesita seleccionar como
mínimo?
b) El intervalo de confianza para la proporción de artículos defectuosos producidos por una máquina, en
base a una muestra aleatoria de tamaño 240, es:
IC(π )=⟨0.031971 , 0.068029⟩
Determine el nivel de confianza utilizado al calcular este intervalo.
Página 21 de 59
p(1  p)
IC ( )  p  z1 
2
n = p ± E, p + E = Límite superior, p – E = límite inferior
La proporción muestral fue:
p = (0.031971+0.068029) / 2 = 0.05
El error de estimación es de:
E = (0.068029-0.031971) / 2 = 0.018029
El nivel de confianza usado es del:
E = Z*raíz(p+(1-p)/n) despejamos Z: Z = E/raíz(p(1-p)/n) = 0.018029/raíz((0.05*0.95)/240)
Entonces Z1-α/2 = 1.2815 por lo tanto 1-α/2 = 0.9 , α = 0.20, 1- α = 0.80, entonces la confianza utilizada
es 80%.
PRUEBA DE HIPÓTESIS
Identificación y formulación de hipótesis estadística, definición de errores de tipo I y tipo II
33. ¿Cuáles de las siguientes afirmaciones constituye una hipótesis estadística? Si su respuesta es afirmativa
indique si se trata de una hipótesis simple o compuesta y si la hipótesis se formula respecto al parámetro
o distribución de la población:
El ingreso medio de los empleados de una empresa es de Si es HE, simple, respecto a un

2400 soles. µ = 2400 parámetro.
El ingreso medio de 36 empleados que conforman una No es HE.
muestra es superior a 2400 soles.
El porcentaje de empleados con grado universitarios es Si es HE, compuesta, respecto a un
inferior al 25%. π < 0.25 parámetro.
Página 22 de 59
La variabilidad en las preferencias de amas de casa, Si es HE, compuesta, respecto a un

respecto a un producto, no es superior a 120. σ ≤ 120 parámetro.
Las notas en la primera práctica de un curso tienen Si es HE, compuesta, respecto a la

distribución normal distribución de la población.
La proporción muestral es 0.4 No es HE.
34. Al evaluar solicitudes de crédito, el gerente de Banca Personal de Intrabank se encuentra con el
problema de otorgar un préstamo a aquellos clientes que son buenos prospectos y negarlo a aquellos que
no lo son. Para ello su personal de apoyo ha decidido formular las siguientes hipótesis respecto a cada
uno de sus clientes:
H0: “El solicitante es un buen prospecto”
H1: “El solicitante es un mal prospecto”. En términos de conceder o negar el préstamo:
a) ¿Cómo se cometería el error tipo I?
Error tipo I: Rechazar erróneamente H0. Negar el préstamo a un buen prospecto.
b) ¿Cómo se cometería el error de tipo II?
Error tipo II: Aceptar erróneamente H0. Conceder el préstamo a un mal prospecto.
35. En el siguiente caso, formule H0 y H1 e indique en qué consisten los errores de tipo I y tipo II.
Las ventas medias semanales de cierto producto son de 4500 soles, se realiza una campaña por TV y por
radio. Luego de realizada la campaña el jefe de ventas desea probar si la campaña realizada fue efectiva.
µ = las ventas promedio después de la campaña de publicidad.
H0: µ = 4500 → La campaña no fue efectiva

H1: µ > 4500 → La campaña fue efectiva (prueba de cola a la derecha)
Error tipo I: Rechazar erróneamente H0. Concluir erróneamente que la campaña sí fue efectiva.
Error tipo II: Aceptar erróneamente H0. Concluir erróneamente que la campaña no fue efectiva.
36. Si se plantea las siguientes hipótesis
H0: La proporción de productos defectuosos fabricados es menor igual al 3%
H1: La proporción de productos defectuosos fabricados es superior al 3%
a) ¿Cómo se cometería el error tipo I?
Rechazar erróneamente H0. Concluir erróneamente que la proporción de defectuosos es
superior al 3%.
b) ¿Cómo se cometería el error de tipo II?

Aceptar erróneamente H0. Concluir erróneamente que la proporción de defectuosos es menor
o igual al 3%.
Propuesta para el alumno
37. En las siguientes hipótesis

H0: El acusado es inocente
H1: El acusado es culpable
Si en un país un acusado que es inocente es puesto en libertad y si es declarado culpable va a pena de
muerte ¿Qué es peor el error tipo I o el error tipo II?
Error tipo I: Afirmar erróneamente que el acusado es culpable.
Error tipo II: Afirmar erróneamente que el acusado es inocente.
Peor es cometer error tipo I. Porque se condena a muerte a un inocente.
Prueba de hipótesis para la media
Página 23 de 59
38. Un exportador de limones empaqueta mallas que en término medio deben pesar 2 kg con una desviación
estándar de 0.07 kg. Se sabe que el peso de empaquetado de las mallas sigue una distribución normal.
Recientemente se han producido ciertos desajustes en la máquina que rellena las mallas que hace pensar
que el peso medio haya podido cambiar. Para verificarlo se extrae una muestra de 25 mallas y se
encuentra un peso medio de 2.065 kg. Con  =1%, ¿el análisis muestral permitiría afirmar que el peso
medio ha cambiado en forma significativa?
Solucionario:
µ: Peso promedio del empaquetado de mallas.
X: Peso de empaquetado de mallas. X N ( μ=2 ; σ =0.07 )
n = 25 x=2.065 α = 0.01
1) Hipótesis:
H 0 :μ=2 ( El peso medio del empaquetado de mallas no h a cambiado significativamente ) .

H 1 : μ ≠ 2 ( El peso medio del empaquetado de mallas s í h a cambiado significativamente ) .
) Nivel de significación: α = 0.01
3) Estadística de prueba. (Caso 1) Varianza conocida

Fórmula
x−μ 0 2.065−2
Zc= = =4.643
σ / √ n 0.07 / √ 25
4) Regla de decisión: (Con Valores críticos)
Rechazar Ho si: Zc < Z α /2 o Zc > Z(1− α )

2
Z α ≤ Zc ≤ Z
No Rechazar Ho si: 2 (1−α2 )
Valores críticos:
Z α /2 =−2.576
Z α=Z0.995=2.576
(1− )
2
(Con P-valor: Se rechaza H0 si P-valor < alfa) (Si P-valor ≥ alfa, entonces se acepta H0)
Página 24 de 59
Región de
rechazo
5) Decisión : Como Zc = 4.643 >2.576 entonces se rechaza Ho.

Conclusión: El peso medio del empaquetado de mallas sí ha cambiado significativamente, con un nivel de
significación del 1%.
Con Minitab:
Stat/Basic Statistics/ 1-sample Z
Resultados:
Test
Null hypothesis H₀: μ = 2
Alternative hypothesis H₁: μ ≠ 2
Z-Value P-Value
4.64 0.000
También se puede usar la

decisión:
 Si P- valor < α, entonces se

rechaza Ho.
P- valor = 0.000 < α = 0.01,
entonces se rechaza H0.
Conclusión: El peso medio del

empaquetado de mallas ha
cambiado significativamente, con
un nivel de significación del 1%.
Página 25 de 59
39. La cadena de restaurantes Bembos S.A. afirma que el tiempo de espera de los clientes sigue una
distribución normal, con una media de 5 minutos y desviación estándar de 1 minuto. El departamento de
aseguramiento de la calidad seleccionó una muestra aleatoria de 50 clientes en el Bembos del Jockey
Plaza, donde se encontró que el tiempo medio de espera fue de 4.25 minutos. Con un nivel de
significación de 0.05, ¿Es posible concluir que el tiempo medio de espera es menor de 5 minutos?
Solución:
Parámetro:
µ: Tiempo promedio de espera de los clientes.
X: Tiempo de espera de los clientes. X N (μ=5 ; σ=1)
n = 50, x = 4 .25 min . α = 0.05
1) Hipótesis
H 0 :μ=5 eltiempo medio de espera para ser atendido es igual

( de 5 minutos )
H 1 : μ< 5(el tiempo medio de espera para ser atendido es menor de 5 minutos)
2) Nivel de significación: α = 0.05
3) Estadística de prueba:
x−μ 0 4.25−5
Zc= = =−5.3033
σ / √ n 1/ √50
4) Regla de decisión:
Rechazar Ho si: Zc < Z α
No rechazar Ho si: Zc ≥ Z α
Valor crítico: Z α =Z 0.05=−1.645
Región de
rechazo
Página 26 de 59
5) Decisión: Como Zc = -5.30 < Z α =−1.645, se rechaza H0.
Conclusión:
El tiempo medio de espera de los clientes en la cadena de restaurantes Bembos S.A. es menor de 5 minutos,
con un nivel de significación del 5%.
Con el programa Minitab: Stat/Basic Statistics/ 1-sample Z
Resultados
Test
Alternative hypothesis H₁: μ < 5
Z-Value P-Value
-5.30 0.000
Regla de decisión:
 Si P- valor < α, entonces se rechaza Ho.

P- valor = 0.000 < α = 0.05 se rechaza Ho.
Conclusión: El tiempo medio de espera de los

clientes en la cadena de restaurantes Bembos S.A.
es menor de 5 minutos. Con un nivel de
40. La gerencia de una cadena de supermercados contempla la posibilidad de abrir una tienda en cierta zona
de la ciudad si encuentra pruebas que el gasto promedio mensual en consumo por familia es superior a
S/. 1000. La decisión se tomará con base a una encuesta aplicada a 500 familias del sector. Se sabe por
información histórica que el gasto mensual en consumo por familia se aproxima a una distribución
normal.
a) Formule convenientemente las hipótesis nula y alternativa e indique, en términos del enunciado, ¿En
qué consisten los errores de tipo I y tipo II?
Solución:
Parámetro:
µ: Gasto promedio mensual en consumo por familia.
X: Gasto mensual por familia.
Hipótesis:
Página 27 de 59
H0: μ ≤1000 ¿El gasto promedio mensual en consumo por familia es igual o menor a S/. 1000. No
existe la posibilidad de abrir una tienda en cierta zona de la ciudad)
H1: μ>1000 ¿El gasto promedio mensual en consumo por familia es superior a S/1000. Existe la
posibilidad de abrir una tienda en cierta zona de la ciudad.)
o Error Tipo I: Rechazar erróneamente H0. Afirmar erróneamente H1, que el gasto promedio
mensual en consumo por familia es superior a S/. 1,000. (afirmar erróneamente que existe la
posibilidad de abrir una tienda).
o Error Tipo II: Aceptar erróneamente H0. Afirmar erróneamente H0, que el gasto promedio
mensual en consumo por familia es igual o menor a S/. 1000. (afirmar erróneamente que no
existe la posibilidad de abrir una tienda).
b) Si como resultado de la encuesta se obtiene un gasto promedio de 1280 soles con una desviación
estándar de 320 soles, ¿qué decisión debe adoptar la gerencia? Use  = 0.02.
Solución:
Parámetro:
µ: Gasto promedio mensual en consumo por familia.
X: Gasto mensual en consumo por familia. La varianza poblacional no se conoce. (Caso 2)
n=500 , X́=1280 , S=320
1) Hipótesis
H 0 :μ ≤ 1000.H 1 : μ> 1000.
2) Nivel de significación:  = 0.02
3) Estadístico de prueba: Caso 2. Varianza poblacional desconocida
x −μ 0 1280−1000
Fórmula: t c = = =19.5656
s /√n 320/ √500
4) Regla de decisión:
Rechazar Ho si: tc >t (n−1 ;1−α )
No rechazar Ho si: tc ≤ t ( n−1;1−α )
Valor crítico: t (n−1 ;1−α )= t (499 ;0.98)= 2.059
Página 28 de 59
Región de
rechazo.
5) Decisión: como tc = 19.57 >t (n−1 ;1−α )=2.059, entonces se rechaza Ho.
Conclusión: El gasto promedio mensual en consumo por familia es mayor a 1000 soles. Se debería abrir la
tienda, con un nivel de significación de 2%.
Usando el programa Minitab: Stat/Basic Statistics/ 1-sample t
Resultados
Test
Alternative hypothesis H₁: μ > 1000
T-Value P-Value
19.57 0.000
Regla de decisión:

P- valor = 0.000 < α = 0.02 entonces se rechaza Ho.
Conclusión: Existe la posibilidad de abrir una tienda en cierta zona de

la ciudad, con un nivel de significación de 2%.
Propuesto para el alumno
41. Se pidió a una muestra aleatoria de 541 consumidores que valorasen la afirmación de que debe ponerse
un límite a la responsabilidad del fabricante en los daños que se produzcan. La media muestral de las
respuestas fue de 3.68 con una desviación estándar de 1.21. Considere que las respuestas siguen una
distribución normal. Suponga que se considera que la afirmación goza de un amplio apoyo general si la
respuesta media en la población es mayor a 3.75.
H0: µ ≤ 3.75, la afirmación no goza de un amplio apoyo.

H1: µ > 3.75, la afirmación sí goza de un amplio apoyo.
Página 29 de 59
Error tipo I: Confirmar erróneamente que la afirmación sí goza de un amplio apoyo.

Error tipo II: Confirmar erróneamente que la afirmación no goza de un amplio apoyo.
b) Probar las hipótesis con =0.05.

Xbarra = 3.68, S = 1.21, n = 541
Estadístico de prueba.
tc = -1.35
Valor crítico
El p-valor es 0.91, es mayor que alfa, entonces se acepta H 0.
Conclusión: Como el estadístico de prueba, -1.35 es menor que el valor crítico, 1.648, entonces se
acepta H0. Por lo tanto, la afirmación no goza de un amplio apoyo, al 5% de significancia.
42. Un proceso funciona correctamente, cuando produce frascos de champú cuyo contenido medio es de 200
gramos. Una muestra aleatoria de 9 frascos de champú de una remesa presentó los siguientes pesos (en
gramos):
197 206 198 208 201 197 203 209 205
Asumiendo que la distribución de los pesos es normal,
Parámetro:
µ: Contenido promedio de un frasco de champú.
X: Contenido de un frasco de champú.
Página 30 de 59
Hipótesis:
H0: μ=200 (Proceso funciona correctamente)
H1: μ ≠ 200(Procesono funciona correctamente)
Error Tipo I: Rechazar erróneamente H0. Afirmar erróneamente H1, Afirmar erróneamente que el
proceso no funciona correctamente.
Error Tipo II: Aceptar erróneamente H0. Afirmar erróneamente H0, Afirmar erróneamente que el
proceso funciona correctamente.
b) Al nivel del 5%, ¿hay razones para creer que el proceso no está funcionando correctamente?
Hipótesis:
H0: μ=200 (Proceso funciona correctamente)
H1: μ ≠ 200(Procesono funciona correctamente)
Nivel de significación:  = 0.05
Estadístico de prueba:
x −μ 0 202.67−200
t c= = =1.72
s /√n 4.66/ √ 9
Regla de decisión: Con valores críticos:
Valores críticos: -2.306 y 2.306
Decisión: como tc = 1.72 >2.306, entonces se acepta Ho.

Conclusión: El proceso sí funciona correctamente, con un nivel de significación de 5%.
Ahora con P – valor:
Página 31 de 59
Como el p-valor = 0.125 > alfa = 0.05, entonces se acepta H0.
Prueba de hipótesis para la proporción
43. El porcentaje de aceptación de cierta marca de detergente es 20%, se realiza una intensa campaña
publicitaria en televisión y redes sociales. Luego de esta campaña se desea evaluar si esta fue efectiva o
no, para esto se selecciona una muestra aleatoria de 450 consumidores de detergente y se encontró que
105 indicaron que utilizan el detergente en mención. Si se fija un nivel de significancia del 2.5% ¿Cuál
es la conclusión?
Solución
Parámetro: π: Proporción de los consumidores que utilizan el detergente luego de la campaña de
publicidad.
1) Hipótesis:
Ho: π ¿ 0.20 (La campaña no fue efectiva)
H1: π > 0.20 (La campaña fue efectiva)
3) Estadístico de prueba
Fórmula:
p  0
ZC 
 0 (1   0 )
n
Reemplazando π 0=0.20 y p = 105/450 = 0.2333, n = 450, en la fórmula:
0.2333−0.20
Zc= =1.77
0.20(1−0.20)
√ 450
4) Regla de decisión: Rechazar Ho si: Zc > Z(0.975)
No Rechazar Ho si: Zc ≤ Z(0.975)
Valor crítico: Z(1−∝) =Z (0.975) =1.96
Página 32 de 59
Distribution Plot
Normal; Mean=0; StDev=1
0.4
0.3
Región de
Density
0.2
rechazo
0.1
0.025
0.0
0 1.960
X
5) Decisión: Como Zc =1.77< Z(0,975)=1.96, no se rechaza Ho. (Se acepta H0)
Conclusión: El 20% de los consumidores indicaron que utilizan el detergente, con un nivel de significancia
de 2.5%. La campaña no fue efectiva. No se logró aumentar el porcentaje de consumidores.
Usando el programa Minitab: Stat/Basic Statistics/ 1 Proportion
Resultados
Test
Null hypothesis H₀: p = 0.2
Alternative hypothesis H₁: p > 0.2
Z-Value P-Value
1.77 0.039
Regla de decisión:

P- valor = 0.039 > α = 0.025, no se rechaza
Ho.
Conclusión:
El 20% de los consumidores indicaron que utilizan

el detergente. La campaña no fue efectiva.
Con un nivel de significancia de 2.5%
44. Una investigación realizada en los estudiantes universitarios de Lima indica que la mitad de ellos
cambia de carrera después del primer año de estudios. Una muestra aleatoria de 200 estudiantes
universitarios de Lima reveló que 90 habían cambiado de carrera después del primer año de estudios.
¿Hubo una reducción significativa en la proporción de estudiantes que cambian de carrera en el primer
año de estudio? Realice la prueba con un nivel de significancia de 0.05
Parámetro:
π = proporción de estudiantes que cambian de carrera en el primer año de estudio
Página 33 de 59
Hipótesis:
Ho: π ¿ 0.5 (La proporción de alumnos que cambian de carrera es igual a 0.5)
H1: π < 0.5 (La proporción de alumnos que cambian de carrera es menor que 0.5) (Hubo una
reducción)
Nivel de significación: α = 0.05
Estadístico de prueba
Fórmula:
p  0
ZC 
 0 (1   0 )
n
Reemplazando π 0=0.5 y p = 90/200 = 0.45, n = 200, en la fórmula:
0.45−0.5
Zc= =−1.4142
0.5(1−0.5)
√ 200
Regla de decisión: Rechazar Ho si: Zc < Z(0.05)= -1.645
No Rechazar Ho si: Zc ≥ Z(0.05)
Distribution Plot
Normal; Mean=0; StDev=1
0.4
0.3
Density
0.2
0.1
0.05
0.0
-1.645 0
X
Decisión: Como Zc =-1.4142 > Z(0,05)=−1.645 , no se rechaza Ho. Se acepta Ho.
Conclusión: Se mantiene la misma proporción de alumnos que se cambian de profesión luego del primer año
de estudios. La tendencia sigue siendo la misma, con un nivel de significación del 5%.
Página 34 de 59
Como el P-valor = 0.079 es mayor que alfa, entonces se acepta H 0.

45. Se conoce por investigaciones realizadas que el 20% de la población mayor de 18 años fuma. Después
de efectuar una fuerte campaña televisiva durante 6 meses, se decide estudiar si el hábito de fumar ha
disminuido en la población adulta. Para ello selecciona una muestra de 1000 personas adultas a las que
somete a una determinada encuesta, resumida la información proporcionada por el trabajo de campo, se
observó que el 14% de las personas encuestadas fumaba habitualmente. Probar la hipótesis que la
campaña publicitaria ha disminuido la cantidad de fumadores. Use α = 0.05.
Parámetro:
π = proporción de adultos que fuman después de la campaña publicitaria.
Ho: π ¿ 0.20 (La campaña publicitaria no es efectiva)

H1: π < 0.20 (La campaña publicitaria sí es efectiva)
Nivel de significación: α = 0.05
Fórmula:
p  0
ZC 
 0 (1   0 )
n
Reemplazando π 0=0.20 y p = 0.14, n = 1000, en la fórmula:
0.14−0.20
Zc= =−4.7434
0.20(1−0.20)
√ 1000
Regla de decisión: Rechazar Ho si: Zc < Z(0.05)= -1.645
No Rechazar Ho si: Zc ≥ Z(0.05)
Página 35 de 59
Decisión: Como Zc = -4.7434 < Z(0,05)=−1.645 , se rechaza Ho.
Conclusión: Se puede concluir con 5% de significancia, que la campaña sí fue efectiva.

Con MINITAB directamente: primero calculamos los eventos 14% de 1000, 140.
Como el p-valor es menor que alfa, entonces se rechaza H 0.
Prueba de hipótesis para la varianza
46. El gerente de venta de una empresa industrial tiene que decidir si compra o no una nueva máquina para
reemplazar la que tienen en uso actualmente en el departamento de producción. Se sabe que la máquina
que está en uso tiene una varianza, con respecto al tiempo que demora en producir una pieza, de 0.067
minutos2 y que se ajusta a una distribución normal. Al tomar una muestra aleatoria de 20 piezas
producidas por la máquina que se desea comprar se encontró una desviación estándar de 0.18 minutos.
Si se utiliza un 5% de significancia y la decisión estará basada en la menor variabilidad, ¿Cuál será la
decisión del gerente de ventas?
Solución
Parámetro: σ2: Varianza del tiempo que demora en producir una pieza la máquina que se quiere comprar.
1) Hipótesis
Ho: σ2 ≥ 0.067 (El gerente decide no comprar una nueva máquina)
H1: σ2 < 0.067 (El gerente decide comprar una nueva máquina).
Fórmula:
( n−1 ) S 2 ( 19 ) 0.182
X 2c = = =9.1881
σ2 0.067
X 2c < X(n−1
2
4) Regla de decisión: Rechazar Ho si: ;α ) Si P- valor < α, entonces se rechaza Ho.
2 2
No Rechazar Ho si: X c ≥ X (n−1 ;α )
X 2(n−1; α )=X (19;

2
Valor crítico: 0,05)=10.12
Página 36 de 59
5) Decisión: Como X 2c =9.1881<10.12, entonces se rechaza Ho.
Conclusión: El gerente de ventas decide comprar una nueva máquina, con un nivel de significancia de 5%.
Usando el programa de Minitab: Stat/Basic Statistics/ 1 variance.
Resultados
Test
Null hypothesis H₀: σ² = 0.067
Alternative hypothesis H₁: σ² < 0.067
Test
Method Statistic DF P-Value
Chi-Square 9.19 19 0.030
Regla de decisión:

P- valor = 0.03 < α = 0.05 se rechaza Ho.
Conclusión: El gerente de ventas decide comprar

una nueva máquina, con un nivel de significancia
de 5%.

47. Con cierto proceso de producción, que se utiliza en la actualidad, se tiene que la utilidad es una variable
aleatoria con distribución normal cuya utilidad media por unidad producida es de 115 soles con una
desviación estándar de 10 soles. Se realizan ciertas medidas de reajuste en el proceso de producción de
este artículo, con dos objetivos principalmente, uno es el de mejorar el rendimiento del proceso, en
términos de utilidad, y el otro es hacer que las utilidades sean más homogéneas.
Luego de estas medidas se toma una muestra aleatoria de 6 objetos y se determinó las siguientes
utilidades:
115.6 118.5 123.6 119.5 114.2 116.3
Utilizando un 5% de significancia, y si las utilidades se ajustan a una distribución normal:
a) ¿Es posible concluir que con los reajustes se logró hacer que las utilidades sean menos variables?
Página 37 de 59
H0: σ2 = 100 Las medidas de reajuste no fueron eficientes.

H1: σ2 < 100 Las medidas de reajuste si fueron eficientes.
α = 0.05
(n  1) S 2
χ 
2
C
5(11.39)
σ 02 = 100 = 0.5695
Criterio de decisión
Se rechaza H0 si el estadístico de prueba es menor que 1.145.
Se acepta H0 si el estadístico de prueba es mayor o igual que 1.145.
Distribution Plot
Chi-Square; df=5
0.16
0.14
0.12
0.10
Density
0.08
0.06
0.05
0.04
0.02
0.00
0 1.145
X
.
Conclusión y Decisión: Como 0.5695 < 1.145, entonces se rechaza H0. Sí se logró el
objetivo de que las utilidades sean menos variables. Las medidas de reajuste sí fueron
eficientes en el caso de la varianza, con un nivel de significación del 5%.
Como P-valor = 0.011 es menor que alfa, entonces se rechaza H0.
b) Con respecto a la mejora de la utilidad media, ¿Qué se puede concluir? Justifique su respuesta con la
prueba adecuada.
1) H0: µ = 115 Las medidas de reajuste no fueron eficientes.
H1: µ > 115 Las medidas de reajuste si fueron eficientes.
Caso 2 varianza desconocida (porque en la parte (a) concluimos que la varianza ha disminuido, pero
no sabemos cuánto)
2) α = 0.05
Página 38 de 59
x  μ0 117.95−115
TC  =2.1442
S / n = 3.37 / √6
4) Criterio de decisión: Se rechaza H0 si Tc > 2.015. (Se rechaza H0 si P-valor < alfa) (solo uno de
los dos)
5) Conclusión: Se rechaza H0. El reajuste sí fue eficiente, porque se logró aumentar la utilidad
promedio, con un nivel de significación del 5%.
Distribution Plot
T; df=5
0.4
0.3
Density
0.2
0.1
0.05
0.0
0 2.015
X
Prueba de hipótesis para la razón de varianzas
48. Un inversionista desea comparar los riesgos asociados con dos diferentes mercados A y B. El riesgo de
un mercado dado se mide en función de la variación diaria de los precios. El inversionista piensa que el
riesgo asociado con el mercado B es mayor que el mercado A. En este sentido se observan los precios
(en dólares) de 21 días en el mercado A y de 16 en el mercado B; los resultados obtenidos son:
Mercado A Mercado B
Precio Promedio 0.30 0.40
Desviación estándar 0.25 0.45
Si se supone que las muestras provienen de dos poblaciones normales e independientes, ¿a un nivel de
5%, existe suficiente evidencia que respalda la afirmación del inversionista?
Solución
Página 39 de 59
Parámetros:
σ 12: Riesgo asociado con el mercado A
σ 22: Riesgo asociado con el mercado B
Hipótesis σ 12 = σ 22 es lo mismo que σ 12 /σ 22 = 1
Ho: σ 12 ≥ σ 22 (No se respalda la afirmación del inversionista)
H1: σ 12 < σ 22 (Se respalda la afirmación del inversionista)
Nivel de significación α = 0.05

Fórmula:
S12
FC  2
S2
Reemplazando: S1¿ 0.25 y S2 ¿ 0.45 , en la fórmula:
0.252
F c= =0.3086
0.452
Valor crítico: F(20,15,0.05) = 0.4539

n1=21, n2=16
Grados de libertad en el numerador = n1-1 = 21-1=20
Grados de libertad en el denominador = n2-1=16-1=15
Regla de decisión: 1) Rechazar Ho si: Fc < 0.4539

2) No Rechazar Ho si: Fc ≥ 0.4539
Página 40 de 59
Región de Región de no
rechazo rechazo
Decisión: Como Fc=0.3086 < 0.4539, se rechaza Ho.

Conclusión: El riesgo asociado con el mercado B es mayor que el mercado A, con un nivel de significación
del 5%. Por lo tanto, existe suficiente evidencia que respalda la afirmación del inversionista.
Con el Minitab:
Stat/Basic Statistics/ 2 variances
Resultados
Test
Null hypothesis H₀: σ₁² / σ₂² = 1
Alternative hypothesis H₁: σ₁² / σ₂² < 1
Significance level α = 0.05
Test
Method Statistic DF1 DF2 P-Value
F 0.31 20 15 0.008
DF1 : Grados de libertad en el numerador
DF2: Grados de libertad em el denominador
Como el p-valor es menor que alfa, entonces se rechaza H 0.
Página 41 de 59
49. Se quiere comparar la dispersión de las ventas en dos distritos de Lima. Se seleccionan diferentes puntos
de venta en los distritos obteniéndose los siguientes resultados:
Distrito A Distrito B
Tamaño de muestra 28 32
Desviación estándar 1.9 2.6
Si las ventas se ajustan a una distribución normal ¿Es posible afirmar que existe heterogeneidad en las
ventas de los dos distritos? Use un nivel de significación de 0.04.
Ho: σ 12 = σ 22 (Existe homogeneidad en las ventas)
H1: σ 12 ≠ σ 22 (Existe heterogeneidad en las ventas)
α= 0.04
Conclusión: No se rechaza H0. No es posible afirmar que existe heterogeneidad en las ventas de los dos
distritos.
Prueba de igualdad de medias de poblaciones normales independientes
50. Una compañía está tratando de decidir cuál de los dos tipos de neumáticos va a comprar. En el directorio
existe la expectativa de comprar los neumáticos de la marca A, a menos que haya alguna evidencia de
que la marca B resulte mejor. Se hizo un experimento en el que se usó 14 neumáticos de cada marca. La
prueba fue bajo condiciones semejantes y se determinó el recorrido (en kilómetros) hasta que se
desgasten totalmente. Los resultados fueron:
Recorrido Desviación
Marca
Promedio Estándar
A 35000 4200
B 32000 2800
Considerando que los recorridos de cada una de las marcas de neumáticos tienen distribución normal,
¿qué marca de neumáticos se decidirá comprar la compañía? Utilizar un nivel de significancia = 0.01.
Página 42 de 59
Solución
Debemos probar que el recorrido promedio con el neumático B es mayor que el recorrido promedio
con el neumático A.
Pero, no conocemos las varianzas poblacionales de los recorridos con las dos marcas de neumáticos,
entonces, probaremos primero si las varianzas son iguales o diferentes.
Hipótesis
Ho: σ 12 = σ 22 (Las varianzas de los recorridos con los dos neumáticos son iguales) (Caso 2)
H1: σ 12 ≠ σ 22 (La varianzas de los recorridos con los dos neumáticos son diferentes ) (Caso 3)
Fórmula:
S12
FC  2
S2
Reemplazando S1=4200 y S2=2800 , en la fórmula:
42002
F c= =2.25
28002
Nivel de significación α =0.01
Valores críticos: F(n1-1,n2-1,α/2) = F(13,13,0.005) = 0.2187 y F(n1-1,n2-1, 1-α/2)= F(13,13, 0.995) = 4.573
Región de
Región de rechazo
rechazo
Regla de decisión : 1) Rechazar Ho si: Fc < 0.2187 o Fc > 4.573

2) No Rechazar Ho si: 0.2187 ≤ Fc ≤ 4.573
Decisión: Como 0.2187 ≤ Fc= 2.25 ≤ 4.573 no rechazamos Ho. Se acepta H0.
Conclusión: Las varianzas de los recorridos con los dos neumáticos son iguales, con un nivel de
Con el Minitab:
Página 43 de 59
Stat/Basic Statistics/ 2 variances
Ahora que hemos probado que las varianzas poblacionales de los recorridos con las dos marcas de
neumáticos son iguales, (Caso 2), probaremos si el recorrido promedio con el neumático B es mayor
o no que el recorrido promedio con el neumático A.
Parámetros:
µ1: Recorrido promedio de la marca de neumático A
µ2: Recorrido promedio de la marca de neumático B
Hipótesis µ1 ≥ µ2 es lo mismo que µ1- µ2 ≥ 0 este cero es µ0

Ho: µ1 ≥ µ2 (El recorrido promedio no es mayor en la marca de neumático B)
(La compañía comprará la marca de neumático A)
H1: µ1 < µ2 (El recorrido promedio es mayor en la marca de neumático B )
(La compañía comprará la marca de neumático B)
Estadístico de prueba (Caso 2: Varianzas desconocidas pero iguales)
Fórmula:
 x1  x 2   μ 0
TC 
(n 1  1) S12  (n 2  1) S 22  1 1 
  
n1  n 2  2 n
 1 n 2 
Página 44 de 59
Reemplazando x́ 1 = 35000, x́ 2 = 32000, S1=4200, S2=2800, n1=14 y n2=14, en la fórmula:
35000−32000−0
T c= =2.2237
( 14−1 ) 42002+ ( 14−1 ) 28002 1 1
√ 14+ 14−2
+(
14 14 )
Valor crítico: t(n1+n2-2, α) = t(26,0.01) = -2.479
n1=14, n2=14
Grados de libertad = n1+ n2-2 = 14+14-2=26
Regla de decisión : 1) Rechazar Ho si: Tc < -2.479
2) No Rechazar Ho si: Tc ≥ -2.479
Decisión: Como tc=2.2237 > -2.479, no se rechaza Ho.
Región de Región de
rechazo aceptación
Conclusión: No se rechaza Ho. Se acepta Ho.

El recorrido promedio de la marca B no es mayor que en la marca de neumático A, con un nivel de
significación del 1%. Por lo que la compañía decidirá comprar la marca de neumáticos A.
Con el Minitab:
Stat/Basic Statistics/ 2 sample t
Página 45 de 59
Resultados
Como P-valor es mayor que alfa, se acepta Ho.
51. Una industria lechera desea adquirir una máquina embotelladora y somete a consideración dos modelos
distintos, el modelo A y el modelo B. De hecho, se sabe que ambas máquinas son bastante parecidas y
tienen aproximadamente el mismo costo, por lo que el factor decisivo será la variabilidad de la cantidad
que se embotella con estas máquinas. En este sentido se prefiere aquella máquina con menor
variabilidad en la cantidad que se embotella. El vendedor de la máquina A, para demostrar que la
variabilidad de la máquina que vende es menor que la del modelo B, consigue una muestra de 30
registros del embotellado con el modelo A y una muestra de 10 registros del embotellado con la
máquina B. La varianza muestral fue de 0.027 con la máquina A y de 0.065 con la máquina B. Si la
cantidad que se embotella tiene una distribución normal
a) ¿Proporcionan estos datos apoyo estadístico para la suposición del vendedor? Tomar  = 0.04.
Ho: σ 12 ≥ σ 22 No tiene sustento la suposición del vendedor. Se compraría el modelo B.
H1: σ 12 < σ 22 Si tiene sustento la suposición del vendedor. Se compraría el modelo A.
Fórmula:
S12
FC 
S22
Reemplazando Varianza1=0.027 y varianza2=0.065 , en la fórmula:
0.027
F c= =0.4153
0.065
Valor crítico F(29,9,0.04) = 0.4272
Página 46 de 59
Como el estadístico de prueba es menor que el valor crítico, se rechaza Ho. Sí tiene sustento la suposición
del vendedor. Se compraría el modelo A, con un nivel de significación de 0.04.
Con MINITAB directo:
Como P-valor es menor que alfa, se rechaza Ho.
b) ¿El contenido medio de las botellas con la máquina A y B es diferente? Use  = 0.04.
52. Una empresa grande de corretaje de acciones desea determinar qué tanto éxito han tenido sus nuevos
ejecutivos de cuenta en la consecución de clientes. Después de terminar su capacitación, los nuevos
ejecutivos pasan varias semanas haciendo llamadas a posibles clientes, tratando de que los prospectos
abran cuentas con la empresa. Los datos siguientes dan el número de cuentas nuevas abiertas durante las
primeras dos semanas por 10 ejecutivas y 8 ejecutivos de cuenta escogidos aleatoriamente.
Considerando que el número de cuentas nuevas abiertas en mujeres y hombres se aproximan a una
distribución normal. A un nivel de α = 0.05, ¿parece que las mujeres son más efectivas que los hombres
para conseguir nuevas cuentas?
Número de cuentas nuevas

Mujeres 12 11 14 13 13 14 13 12 14 12
Hombres 13 10 11 12 13 12 10 12
Primero voy a ver si las varianzas desconocidas son iguales o diferentes:

Como el P-valor = 0.68 en la prueba de comparación de varianzas, se concluye que las varianzas
desconocidas son iguales. (P-valor es mayor que alfa, entonces se acepta Ho: las varianzas son iguales)
Para comparar las medias debo considerar el caso 2.
Página 47 de 59
Ho: µ1 ≤ µ2 (Las mujeres no son más efectivas que los hombres)

H1: µ1 > µ2 (Las mujeres son más efectivas que los hombres)
Alfa = 0.05
Estadístico de prueba: T0 = 2.25
Criterio de decisión: Se rechaza Ho si P-valor < alfa.
P-valor = 0.02
Decisión: Como P-valor es menor que alfa, se rechaza Ho.
Conclusión: Las mujeres son más efectivas que los hombres, con un nivel de significación del 5%.
53. El gerente de marketing de una compañía desea determinar si un nuevo envase podría aumentar las
ventas de su producto. Para probar la factibilidad de la nueva forma de envase se seleccionó una muestra
de 20 tiendas similares y se asignaron, en forma aleatoria, once de ellas como mercado de prueba de la
nueva forma de envase, en tanto que las otras nueve continuarían recibiendo el envase antiguo. Las
ventas semanales durante el tiempo de estudio fueron las siguientes:
Envase nuevo Envase antiguo
n1 = 11 x̄ 1 = 130 cajas S1 = 8 cajas n2 = 9 x̄ 2 = 118 cajas S2 = 10 cajas
Si se sabe que el nivel de ventas con el envase nuevo y con el envase antiguo se comporta según una
distribución normal y que las muestras tomadas son independientes, ¿tiene evidencia de que la nueva
forma de envase dio como resultado una mayor media del nivel de ventas? Use un nivel de significancia
del 5%.
Prueba de igualdad de medias con datos pareados
54. Una empresa farmacéutica está interesada en la investigación preliminar de un nuevo medicamento que
parece tener propiedades reductoras del colesterol en la sangre. A tal fin se toma una muestra al azar de
6 personas con características similares, y se determina el contenido en colesterol antes y después del
tratamiento. Los resultados han sido los siguientes:
Antes 217 252 229 200 209 213
Página 48 de 59
Después 209 241 230 208 206 211
a) Formule adecuadamente las hipótesis nula y alternativa e indique, en términos del enunciado, en
qué consisten los errores de tipo I y tipo II.
Parámetros:
.µantes: Contenido promedio en colesterol antes del tratamiento.
.µdespués: Contenido promedio en colesterol después del tratamiento.
Hipótesis: µantes - µdespués =µd , es lo mismo que: Ho : µantes - µdespués ≤ 0, lo mismo: Ho : µd ≤ 0
Ho : µantes ≤ µdespués (El nuevo medicamento no tiene propiedades reductoras del colesterol en la
sangre)
H1: µantes > µdespués (El nuevo medicamento tiene propiedades reductoras del colesterol en la sangre)
Error Tipo I : Afirmar erróneamente que el nuevo medicamento tiene propiedades reductoras del
colesterol
en la sangre.
Error Tipo II : Afirmar erróneamente que el nuevo medicamento no tiene propiedades reductoras del
colesterol en la sangre.
b) Considerando que el contenido de colesterol se ajusta a una distribución normal. Confirmar

estadísticamente la bondad del tratamiento.  = 0.01.
Fórmula:
__
d
t c=
Sd
√n
Ingresando los datos al Minitab en dos columnas diferentes y haciendo el procedimiento mostrado
líneas abajo, nos proporciona el siguiente resumen:
Reemplazando d́ = 2.50, sd = 6.72, n=6, en la fórmula:
2.5
t c=
6.72 = 0.9113
√6
Nivel de significación α =0.01
Valor crítico: n = 6, t(n-1, 1-α) = t(5,0.99) = 3.365
Grados de libertad = n-1 = 5
Página 49 de 59
Regla de decisión: 1) Rechazar Ho si: Tc > 3.365

2) No Rechazar Ho si: Tc ≤ 3.365
Decisión: Como tc=0.9113 < 3.365, no se rechaza Ho. Se acepta Ho.

Conclusión: El nuevo medicamento no tiene propiedades reductoras del colesterol en la sangre, con un nivel
de significación de 1%.
Con el Minitab:
Ingresar los datos
Stat/Basic Statistics/ paired t
Página 50 de 59
Resultados
Como el p-valor e igual a 0.202, es mayor que alfa, entonces no se rechaza H 0, se acepta H0.
55. Una compañía desea estudiar el efecto que tiene la pausa para el café, sobre la productividad de sus
obreros. Para evaluar esto se selecciona una muestra aleatoria de 6 obreros y se mide su productividad
en un día corriente, y luego se mide la productividad de los mismos 6 obreros en un día que se concede
la pausa para el café. Los resultados obtenidos son los siguientes:
TRABAJADOR 1 2 3 4 5 6
Sin pausa 23 35 29 33 43 32
Página 51 de 59
Con pausa 28 38 29 37 42 30
Con  = 0.05. ¿Hay evidencia para afirmar que el otorgarles una pausa a los obreros mejora su nivel
promedio de productividad? ¿A qué conclusión llegará la compañía? Considere que el nivel de
productividad de los obreros se ajusta a una distribución normal.
Hipótesis:
Ho : µsin ≥ µcon (La pausa no mejora la productividad)
H1: µsin < µcon (La pausa mejora la productividad)
 = 0.05
Estadístico de prueba: Tc = -1.28
Valor crítico: -2.015

Conclusión: Se acepta H0, por lo tanto, la pausa no mejora la productividad, con un nivel de
56. Una empresa de transporte interprovincial debe decidir si compra la marca A o la marca B de
neumáticos para su flota de ómnibus. Para estimar la diferencia entre las dos marcas coloca un
neumático de cada marca a cada una de las ruedas delanteras de 12 ómnibus y se registra en miles de
kilómetros las siguientes distancias:
Ómnibus 1 2 3 4 5 6 7 8 9 10 11 12
Marca A 50 47 38 44 35 36 44 48 46 48 49 51
Marca B 45 43 30 39 35 31 42 44 37 46 48 52
Utilizando un nivel de significación de 5%, ¿se puede concluir que los promedios de rendimiento son
diferentes? Suponer que las distancias se distribuyen en forma normal.
Utilizando un nivel de significación de 5%, ¿se puede concluir que los promedios de rendimiento son
diferentes? Suponer que las distancias se distribuyen en forma normal.
Marca A: Grupo 1
Marca B: Grupo 2
Hipótesis
H0: µ1 = µ2
H1: µ1 ≠ µ2
Alfa = 0.05
Estadístico de Prueba: T0 = 4.2
Valores críticos = (-2.201, 2.201)
Página 52 de 59
Conclusión: Se rechaza H0, sí se puede concluir que los promedios de rendimiento son diferentes.
Prueba de igualdad de proporciones de dos poblaciones independientes
57. Un sociólogo cree que la proporción de hombres que pertenecen a un grupo socioeconómico
determinado (grupo A) y que ven regularmente programas deportivos en la televisión, es mayor que la
proporción de un segundo grupo de hombres (grupo B). Al respecto se tomó dos muestras aleatorias, que
arrojaron los siguientes resultados:
Tamaño de la Número de hombres que ven regularmente

Grupo
Muestra programas deportivos en la TV
A 150 98
B 200 80
Si utilizamos un nivel de significancia del 6% ¿Proporcionan estos datos evidencia suficiente como para
apoyar la tesis del sociólogo?
Solución
Parámetros:
π1 : Proporción de hombres que pertenecen a un grupo socioeconómico determinado (grupo A) y que
ven regularmente programas deportivos en la televisión
π2 : Proporción de hombres que pertenecen a un segundo grupo socioeconómico determinado (grupo B)

y que ven regularmente programas deportivos en la televisión
Hipótesis
Ho: π1 ≤ π2 (La proporción de hombres que pertenecen a un grupo socioeconómico determinado (grupo
A) y que ven regularmente programas deportivos en la televisión, no es mayor que la proporción de un
segundo grupo de hombres (grupo B)). El sociólogo no tiene razón.
H1: π1 > π2 (La proporción de hombres que pertenecen a un grupo socioeconómico determinado (grupo
A) y que ven regularmente programas deportivos en la televisión, es mayor que la proporción de un
segundo grupo de hombres (grupo B)). El sociólogo tiene razón.
Datos del problema

X1: Número de hombres que ven regularmente programas deportivos en la televisión y que pertenecen
al
grupo A.
X2: Número de hombres que ven regularmente programas deportivos en la televisión y que pertenecen al
grupo B.
p1: Proporción muestral de hombres que ven regularmente programas deportivos en la televisión y que
pertenecen al grupo A.
Página 53 de 59
p2: Proporción muestral de hombres que ven regularmente programas deportivos en la televisión y que
pertenecen al grupo B.
X1= 98
X2= 80
n1=150; n2=200
p1=98/150= 0.6533; p2=80/200 =0.40
Fórmula
La proporción combinada es:
x 1 + x2 98+80 178
~
p= = = = 0. 5086
n 1 + n2 150+200 350
Reemplazando los datos y el valor de la proporción combinada tenemos:
p 1− p 2 0 .6533−0 . 40
Zc= = =4 . 6909
1 1
√~
p (1−~
1 1
p) +
(
n1 n 2 ) √ 0. 5086(1−0 .5086 ) (+
150 200 )
Nivel de significación
.α =0.06
Valor crítico: Z1-α= Z0.94 =1.555
Regla de decisión : 1) Rechazar Ho si: Zc > 1.555
2) No Rechazar Ho si: Zc ≤ 1.555
Decisión: Como Zc= 4.6909 > 1.555, se rechaza Ho.

Conclusión: La proporción de hombres que pertenecen a un grupo socioeconómico determinado (grupo A) y
que ven regularmente programas deportivos en la televisión, es mayor que la proporción de un segundo
grupo de hombres (grupo B), con un nivel de significación del 6%. Por lo tanto, estos datos proporcionan
evidencia suficiente para apoyar la tesis del sociólogo. (El sociólogo tiene razón).
Página 54 de 59
Con el Minitab:
Stat/Basic Statistics/ 2 Proportions
Resultados
Test
Null hypothesis H₀: p₁ - p₂ = 0
Alternative hypothesis H₁: p₁ - p₂ > 0
Method Z-Value P-Value

Normal approximation 4.69 0.000
Fisher's exact 0.000
The test based on the normal approximation uses the pooled estimate of the proportion
(0.508571).
Nota:
Proporción combinada=0.508571.
58. El Departamento de Marketing de una compañía que produce el detergente “Fórmula” encontró en una
muestra aleatoria de 200 amas de casa que el 20% utiliza esta marca de detergente. Después de una
intensa campaña publicitaria, se tomó otra muestra aleatoria de 300 amas de casa la que indicó que el
27% favorece esta marca. Se ha tenido en cuenta que las muestras son independientes. Al 5% de
significación, ¿puede el jefe del Departamento concluir, en base a los resultados de estas muestras, que
la campaña fue exitosa?
n1 = 200, x1 = 0.2*200 = 40, n2 = 300, x2 = 0.27*300 = 81
H0: π1 = π2 La campana no fue exitosa

H1: π1 < π2 La campaña sí fue exitosa
Alfa = 0.05
Estadístico de prueba = Zc = -1.79
Página 55 de 59
Valor crítico = -1.645
P-valor = 0.037
Conclusión: Se rechaza H0, la campaña sí fue exitosa, al 5% de significación.
59. Se tienen los resultados de una encuesta realizada a 2195 turistas, entre los cuales hay norteamericanos,
europeos y sudamericanos, entre otras cosas la encuesta trata sobre los destinos turísticos que les
agradaría realizar en su próxima visita al Perú, el resultado se muestra en la siguiente tabla. Se ha tenido
en cuenta que las muestras con respecto al Destino turístico son independientes, así como las muestras
con respecto al origen del turista
Destino turístico
Cuzco Iquitos Arequipa
Europeo 700 200 150
Norteamerican 500 250 75
o
Sudamericano 180 100 40
El Gerente de una conocida agencia de turismo afirma que “El porcentaje de turistas de origen europeo
cuyo destino turístico es Cuzco supera al porcentaje de turistas de origen norteamericano, cuyo destino
es Cuzco en más del 4%”. Mediante una prueba de hipótesis con un 5% de significancia evalúe la
afirmación de este Gerente.
60. Se realiza una investigación para averiguar si el género influye en el consumo de lácteos en la dieta
diaria. Se entrevistaron a una muestra aleatoria de 100 mujeres y a otra muestra aleatoria de 120 varones
obteniéndose los siguientes resultados:
Género Consumen lácteos No consumen lácteos

Mujeres 74 26
Varones 84 36
Usando un nivel de significación del 5%, ¿se podría concluir que la proporción de mujeres que
consumen lácteos es mayor a la proporción de varones que los consumen?
Página 56 de 59
Fórmulas de Interés
Intervalos de confianza para un parámetro
__

2
σ conocida IC (  )  x  z1 
2
n
µ
__
S
σ2 desconocida IC (  )  x  t n 1; 1  
2
n
p (1  p )
π IC ( )  p  z1 
2
n
 (n  1) S 2 ( n  1) S 2 
σ 2
IC ( )   2
2
, 2 
   n 1;1     n 1;   
 2 2 
Tamaño de muestra
Para estimar la media Para Estimar la proporción
z(12   )  2 z(12   ) p (1  p)
n 2
2
n 2
E E2
Página 57 de 59
FÓRMULAS PARA PRUEBA DE HIPÓTESIS

PARÁMETRO RESTRICCIONES/CONDICIONES ESTADÍGRAFO DE PRUEBA / CONTRASTE
x  μ0
2
ZC 
σ conocida σ/ n
μ x  μ0
2
TC 
σ desconocida S/ n
(n  1) S 2
χ C2 
Prueba para la varianza poblacional σ 02
σ2
p  0
ZC 
 0 (1   0 )
 Prueba para una proporción n
S12
FC  2
σ 12  σ 22 Prueba para comprar varianzas S2 F(n1 1, n 2 1)
poblacionales ; Se distribuye como una
(x1  x 2 )  μ 0
ZC 
σ12 σ 22
μ1  μ 2 σ 12 y σ 22 conocidas 
n1 n 2
 x1  x 2   μ 0
TC 
(n 1  1) S  (n 2  1) S 22
2
 1 1 
μ1  μ 2 σ 12 y σ 22 desconocidas pero iguales 1
n1  n 2  2
  
 n1 n 2 
2
 S12 S 22 
  
 n1 n 2 
μ1  μ 2 σ 12 y σ 22 desconocidas pero TC 
 x1  x 2   μ 0 g 2 2
 S12   S 22 
S 2
S 2    
diferentes n  n 

1 2
 1

 2
n1 n 2 n1 1 n 2 1
__
d
μd =μ1−μ 2 Muestras relacionadas (Datos t c=
Sd
pareados)
√n
p1  p 2
ZC 
1 – 2 = 0 Prueba para la igualdad de dos ~ 1 1 
p (1  ~
p)  
proporciones poblacionales  n1 n 2 
~ x x n p n p
p 1 2  1 1 2 2
n1  n 2 n1  n 2
Página 58 de 59
(p1  p 2 )   0
ZC 
p1 (1  p1 ) p 2 (1  p 2 )
1 – 2 = 0 Prueba para la diferencia de 
proporciones poblacionales n1 n2
Página 59 de 59

Guía 1 Est Emp II 2021-0 - SOLUCIONARIO

Cargado por

Información del documento

Descripción original:

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

Guía 1 Est Emp II 2021-0 - SOLUCIONARIO

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE CIENCIAS EMPRESARIALES Y ECONÓMICAS

Periodo Académico 2021-0

Coordinador del Curso:

Este material de apoyo académico

Enero – marzo 2021

b) ¿Cuál de los dos estimadores elegiría?

Primero calculamos las esperanzas de los estimadores:

Podemos observar que los estimadores sí son insesgados.

a) ¿Cuáles de ellos son estimadores insesgados de ?

Los estimadores insesgados son el primero y el tercero

b) De entre los estimadores insesgados, ¿cuál es el más eficiente?

¿Cuáles de estos estadísticos son estimadores insesgados de la media ?

a) ¿Cuáles son estimadores insesgados de ?

Recuerde que si una variable X tiene distribución uniforme en el intervalo [α , β] entonces

Calculando las esperanzas de los estimadores:

Por lo tanto, ambos estimadores son insesgados del parámetro θ.

estimador es más eficiente.

c) Si al seleccionar una muestra aleatoria de tamaño 2 se encontraron los siguientes resultados

7. Para estimar el parámetro  de la distribución exponencial se toman muestras aleatorias de cuatro

Propuestos para el alumno

ESTIMACIÓN MEDIANTE INTERVALOS DE CONFIANZA

Intervalo de confianza y tamaño de muestra para la media

Primero hallamos el valor de

De donde obtenemos que

Reemplazando valores tenemos

The assumed standard deviation = 5

N Mean SE Mean 95% CI

b) ¿Cuál es el tamaño del error de estimación en este caso?

c) Si el error de estimación hallado se desea reducir en un 40% manteniendo el nivel de confianza

Confianza = 95%, α = 0.05, α/2 = 0.025, 1-α/2 = 0.975

De donde obtenemos que

(Redondeo por exceso)

Por lo tanto, el dueño del establecimiento debería supervisar personalmente 43 días.

En la fórmula anterior reemplazamos el 15 por 10, obteniendo n = 96.04 = 97 (redondeo por

Considerando que dicho consumo se ajusta a una distribución normal,

datos son: X̄=698.7, S=93.2, n=20

t(n-1;1-α/2) = t(19;0.985) = 2.346

El intervalo al 97% tiene una longitud de: 747.6 – 649.8 = 97.8

E2 =2.0542*352/ 82 = 80.7527 = 81 contribuyentes.

Calculen ( a mi me sale 80.49 aprox. 81) comprobar.

Propuestos para el alumno

t(25, 0.975) = 2.06

La cantidad media vendida se estima entre 13.849 y 16.228 kilogramos, con

X́ = 68, S = 27, n = 400

IC(µ) al 98% Caso 2: Varianza poblacional desconocida:

Se debe calcular el tamaño de muestra (número de entrevistas)

Costo total = 900 + 4.5*31 = 1039.50 soles

Intervalo de confianza para la proporción

Debemos hallar el intervalo de confianza de la proporción de televidentes que no entendieron todo

Utilizaremos el intervalo de confianza:

Utilizando la fórmula siguiente y reemplazando los valores tenemos:

Z 21−α /2 p ( 1− p ) 1. 962 ( 0. 25 ) ( 0 .75 )

Costo Total = 1500 + 5*451 = 3755

A partir de este nuevo intervalo podemos obtener lo siguiente:

Z 21−α /2 p ( 1− p ) 1. 962 ( 0. 75 ) ( 0 .25 )

Como no se conoce p de un estudio anterior usar p = 0.5

Usando MINITAB directamente:

E = 0.02, Z0.975 = 1.96, p = 0.5

Primero hallaremos los valores chi-cuadrados para n=20 y 95% de confianza:

χ2 = χ (19 ; 0 .975 ) =32. 85

Según la información S = 0.15, n = 20 reemplazando valores tenemos

( n−1 ) S 2 ( n−1 ) S 2 19 ( 0 .15 )2 19 ( 0 .15 2 )

Despejando Z: Z = Eraíz(n)/sigma = 61.25 8 / 250 = 1.96

E = Zraíz(p+(1-p)/n) despejamos Z: Z = E/raíz(p(1-p)/n) = 0.018029/raíz((0.050.95)/240)