Estadistica II Und 1ra Parte..

ESTADISTICA II
PARAMETRO
Es una medida que describe alguna característica de la población, y para determinar su

valor, es necesario utilizar todos los elementos (datos) que conforman dicha población .como
por ejemplo la media poblacional  , la varianza poblacional 2 , la proporción poblacional P,
etc.
ESTIMACION ESTADISTICA
Es el proceso mediante el cual se intenta determinar el valor del parámetro de la

población a partir de la información de una muestra.
Clases de Estimación:
La estimación de un parámetro puede adoptar la forma de un solo punto (estimación puntual ) o
de un intervalo (estimación interválica).
ESTIMACION PUNTUAL
Es la determinación de un valor único y considerado como óptimo de un parámetro

desconocido.
ESTIMACION INTERVALICA
Es la determinación de un intervalo aleatorio t1 , t2 que tiene una probabilidad

(1-) definida anticipadamente de contener el verdadero valor desconocido del parámetro  .
Se expresa de la forma siguiente :
P  - Z  2      + Z 2   1 
donde :
  Z  2  : Límite inferior del intervalo.
  
  Z  2  : Límite inferior del intervalo.
  
  : desviación estándar del estimador .
1 -  : Probabilidad predeterminado o nivel de confianza de la estimación
Z /2 : Multiplicador de confianza ( Valor tabular ).
Algunos valores del multiplicador de confianza más usados con sus correspondientes
probabilidades.
1 - /2 Z/2 (Valor de la Distribución Normal)
2021-1 - Universidad Nacional de Trujillo -4-

ESTADISTICA APLICADA A LA INGENIERIA E INVESTIGACION
0.90 0.05 1.64

0.95 0.025 1.96
0.99 0.005 2.58
Cuando hacemos estimaciones interválicas, en las cuales la muestra n es menor que 30

observaciones (n  30 ) , el valor de Z/2 se reemplazará por el valor de la distribución t de
Student con (n - 1) grados de libertad.
ESTIMACION INTERVALICA PARA LA MEDIA : 
P [ x̄ -Zα /2 σ x̄ ≤μ≤ x̄ + Z α /2 σ x̄ ]=1−α
donde :

x  : muestreo en una población infinita o muestreo con
n
reemplazamiento en una población finita.
 N-n
x  : muestreo sin reemplazaminetoen una población finita de tamaño N.
n N -1
Ejemplo : El diámetro final de un cable eléctrico blindado es distribuido normalmente. Una

muestra de 40 cables produce una media de 0.790 cm. y una desviación estándar de 0.010 cm.
Encuentre un intervalo de confianza del 95% para la media poblacional.
Solución :
Media(Xraya) = 0.790 cm
D.E.(S) = 0.010 cm
P  X - Z /2 Sx    X + Z /2 Sx  = 1 - 

x  : muestreo en una población infinita o muestreo con
n
reemplazamiento en una población finita.
Sx = 0.010 /  40 = 0.0016
1 -  = 95% de confianza
Z /2 = 1.96
P  X - Z /2 Sx    X + Z /2 Sx  = 1 - 
-5- Universidad Nacional de Trujillo - 2018 – I

ESTADISTICA II
P 0.790 - 1.96 (0.0016)    0.790 + 1.96 (0.0016) = 95%
Entonces
P 0.790 - 0.003    0.790 + 0.003  = 95%
  0.787 , 0.793 
Interpretación:
El diámetro final de cable eléctrico blindado podría estar entre 0.787 cm y 0.793 cm, con una
confianza del 95%.
ESTIMACION INTERVALICA PARA LA PROPORCION: P
Si p = a / n es la proporción de éxitos en una muestra de tamaño n , el intervalo de

confianza del (1-)% para P estará dado por :
[ √
P p-Zα /2
pq
n
≤P≤ p+Z α /2
pq
n √ ]
=1−α
Ejemplo : En una encuesta de seguridad empresarial, 320 de un total de 400 trabajadores

entrevistados, se pronunciaron a favor de una supervisión de prevención de accidentes de parte
del Ingeniero de planta. Establezca un intervalo del 95% para la proporción de trabajadores que
están a favor de la supervisión.
Solución :
La proporción muestral es p = 320 / 400 = 0.80

Luego :
1 -  = 95% = 0.95
Z /2 = 1.96
[
P 0 .80-1. 96
√ 0. 80*0 . 20
400
≤P≤0 . 80+1 .96
0 .80*0 . 20
400√ ]
=0 . 95
P  0.80 - 1.96(0.020)  P  0.80 + 1.96(0.020)  = 0.95
  0.7608 , 0.8392 
Interpretación:
La proporción de trabajadores que están a favor de la supervisión de prevención de accidentes

podría estar entre el 76.08% y 83.92%, con una confianza del 95%.

ESTIMACION INTERVALICA PARA LA VARIANZA: 
Si S2 es la varianza muestral de una muestra de tamaño n , tomada de una población

Normal con media  y varianza 2 (ambas desconocidas) ,se tiene que el intervalo del 100% de
confianza para 2 , está dado por :
( n - 1 ) S2 ( n - 1 ) S2
 2 
 2
1 - /2  2
/2
Donde :
 2
1 - /2 ,  2
-/2 son los valores de la Distribución Chi - cuadrado o Ji - cuadrado con (n-
1) grados de libertad.
Ejemplo : Un test de funcionamiento de 5 modelos de retroexcavadora experimental mostró que

funcionaron, respectivamente, 20 , 19 , 22 , 17 y 18 minutos con un galón de cierta clase de
combustible. Construir un intervalo de confianza al nivel del 95% para la varianza de las
longitudes del tiempo que la retroexcavadora experimental funciona con un galón de
combustible dado.
Solución :
X =  Xi / n = 96 / 5 = 19.2
S2 = (Xi - X )2 / n-1 = 14.8 / 4 = 3.7
1 -  = 0.95

ESTADISTICA II
( n - 1 ) S2 ( n - 1 ) S2
 2 
 2
1 - /2  2
/2
4(3.7) , 4(3.7)
----------- ----------
11.14 0.484
  1.3282 , 30.5785 
Interpretación:
La variación del tiempo de funcionamiento de las retroexcavadoras experimentales con un galón

de cierto combustible podría estar entre el 1.3282 minutos y 30.5785 minutos, con una confianza
del 95%.

EJERCICIOS en clase
1. Se determina los siguientes porcentajes de pureza de cemento en concreto armado en 11 pilares

de soporte en un puente bajo el mar: 20.314 , 20.290 , 20.226 , 20.242 , 20.218 , 20.310 , 20.310
, 20.315 , 20.250 , 20.400 , 20.238. Calcular e interpretar un intervalo de confianza para el
promedio con una confianza del 99%.

ESTADISTICA II
2. En una muestra sobre “seguridad de explosivos” usados en ciertas operaciones mineras, los
explosivos que contienen Nitrato de Potasio, se utilizaron en 95 de 250 casos. Construya e
interprete un I.C. del 90% para la correspondiente proporción poblacional.

ESTIMACION INTERVALICA PARA LA DIFERENCIA DE DOS

MEDIAS: 1 - 2
Se presenta dos Casos :
1) Si n1 + n2  30 , entonces :
S21 S22 S21 S 22

[
I . C .= ( X̄ 1 − X̄ 2 )−Z α /2
√ + , X̄ − X̄ +Z +
n1 n2 ( 1 2 ) α /2 n1 n2 √ ]
2) Si n1 + n2  30 ; entonces
( n1 −1 ) S 21 + ( n 2−1 ) S22 1 1
[
I . C .= ( X̄ 1 − X̄ 2 )±Z α / 2
√ n1 +n 2−2 ( +
n1 n2 )]
Donde :
r = n1 + n2 - 2 son los grados de libertad

n1 , n2 : Tamaño de las muestras seleccionadas de las poblaciones 1 y 2
respectivamente.
2 2
S 1 , S 2 : Varianzas muestrales de las muestras seleccionadas de las poblaciones 1 y 2
respectivamente
X1  X 2 : Medias muestrales de las poblaciones 1 y 2 respectivamente.
Nota importante:
Si σ 21 ≠σ 22 entonces
2
S21 S 22
r=
( ) +
n1 n2
−2
2 2
S21 S22
( ) ( )n1
+
n2
n1 +1 n 2 +1

ESTADISTICA II
Ejemplo : La media y la desviación estándar del peso máximo soportado por 100 fierros de ½
pulgada producidos por SIDERPERU son 20 y 1.1 toneladas respectivamente. La media y la
desviación estándar de 100 fierros de ½ pulgada IMPORTADOS son 18.8 y 0.8 toneladas
respectivamente. Determinar un intervalo de confianza del 95% para la diferencia de pesos
máximos medios.
Solución :
X 1  20, S1  11
. , n1  100
X 2  18.8, S2  0.8, n1  100
L b . g(1.b .82g (0 . 8 )2 b . g b 0.8gO 2
(0 . 8 )2
[
II..CC. .=M P ]
2 2 2 2
b g 01)
b g 1)95
M
N
I . C .  12
 .8 
.  0.27 ,12
196
.
12
( 20−18 . 8 )−1. 96
20 18 
√ +,
100 100100 100
.  0.27
20  18 .8  196
.
12
,(20−18 .8100 
)+1. 96100
P√
(1.
Q 100
100
%
+ =95 %
I . C .  0.93,147
.
El peso máximo medio de los fierros de SIDERPERU superan al IMPORTADO entre 0.93 y
1.47 T.M. con una confianza del 95%
Ejemplo : Con el fin de comparar dos métodos A y B de producción de cemento

PACASMAYO, se tomaron 2 muestras de tamaño 9 . Arrojando los siguientes resultados del %
de pureza del cemento después de experimentar con los métodos :
Para el Método A : X1 = 35.22 % , S21 = 24.44 %
Para el Método B : X2 = 31.56 % , S22 = 20.03 %
Suponiendo que cada método los datos corresponden a una distribución normal. Estimar la
diferencia real de las medias de los métodos con un nivel de confianza del 95%.
Solución :
1-  = 0.95 r = 9 + 9 - 2 = 16  t (/2 , r) = t (0.025 , 16 ) = 2.12
[
I . C .= ( 35 .22−31. 56)±2. 12
√ 16 ( )]
8(24 . 44 )+8 (20. 03 ) 1 1
+
9 9
I. C. = ( 3.66 - 4.707 , 3.66 + 4.707 )
I. C. = ( - 1.047 , 8.367 )
No existe diferencia entre los dos métodos.

ESTIMACION INTERVALICA PARA LA DIFERENCIA DE

PROPORCIONES : P1 - P2
Considerando dos muestras independientes de tamaño n1 y en seleccionadosa al azar de

dos poblaciones respectivamente .
[
I . C .= ( p 1− p 2 )−Z α /2
√ p 1 q1 p 2 q 2
n1
+
nq
p q p q
√
,( p1 − p2 )+Z α /2 1 1 + 2 2
n1 nq ]
Ejemplo : Se ha encontrado que 25 de 250 postes para luz producidos por el proceso A son
defectuosas y que 14 de 180 producidos por el proceso B son defectuosos . Suponiendo que el
muestreo es aleatorio, determinar el intervalo del 99% de confianza para la diferencia verdadera
en la proporción de postes para luz defectuosos producidos por los procesos A y B.
Solución :
1- = 0.99 Entonces Z/2 = 2.58

Proceso A: p1 = 25 / 250 = 0.10 q1 = 1 - 0.10 = 0.90 n1 = 250
Proceso B: p2 = 14 / 180 = 0.08 q2 = 1 - 0.08 = 0.92 n2 = 180
[
I . C .= ( 0 .10−0 . 08)±2. 58
√ (0 . 10) 0 . 90 ( 0 . 08 )0 . 92
250
+
180 ]
I.C. =  0.02 - 2.58 ( 0.028 ) , 0.02 + 2.58 ( 0.028 ) 
I.C. =  - 0.0522 , 0.0922 
Ambos procesos arrojan igual proporción de postes para luz defectuosos

ESTADISTICA II
EJERCICOS en clase
1. Con una política sobre “seguridad civil” usados en ciertas constructoras, los implementos de
seguridad, en el edificio A se utilizaron 95 de 250 obreros y en el edificio B se utilizaron 108 de
230 obreros. Construya un I.C. del 99% para la diferencia proporcional de utilización de
implementos de seguridad en los edificios A y B.
2. Con el fin de comparar dos métodos A y B de encofrado, se tomaron 2 muestras de tamaño 9

para cada método. Arrojando los siguientes resultados del tiempo de secado en minutos:
Método A: X A  35.22 , S A2  24.44
Método B: X B  3156 . , S B2  20.03
Estimar la diferencia real de los tiempos medios
de secado de los métodos con un nivel de confianza
del 95%.

PRUEBA DE HIPOTESIS
En la investigación científica puede proponerse una hipótesis o teoría concerniente a

alguna Población de elementos; esto se denomina HIPOTESIS ESTADISTICA.
La única forma de tener una certeza absoluta de la Veracidad o Falsedad de la hipótesis
estadística es examinando toda la población, pero esto con frecuencia es impracticable o
imposible y entonces nos vemos obligados a sacar una muestra de la población.
La muestra sacada de la Población se usa para tomar una DECISION como si la
Hipótesis fuera verdadera o falsa. El proceso de usar la muestra para contrastar si la hipótesis es
verdadera (o falsa) se llama PRUEBA O CONTRASTACION DE HIPOTESIS.
HIPOTESIS ESTADISTICA :- Es una aseveración que se hace a cerca de la distribución de

una o más v.a. (o poblaciones ) la cual puede o no ser verdadera.
Se puede especificar una hipótesis, dando el tipo de distribución y el valor o valores del
parámetro o los parámetros que la definan.
En la práctica, la distribución de la población, generalmente se asume. Por lo tanto una hipótesis
se especifica con el valor o los valores del parámetro.
CLASES :
Hipótesis Estadística Simple : Si la hipótesis especifica completamente la distribución, es decir

especifica su forma funcional y los valores de todos los parámetros.
Hipótesis estadística Compuesta : Cuando la hipótesis estadística no especifica completamente.
PRUEBA DE UNA HIPOTESIS : Es una regla que cuando los valores experimentales son
observados nos conducen a una decisión; aceptar o rechazar la hipótesis bajo consideración.
De hecho no hay certeza de que no se cometerá una equivocación, existiendo dos tipos de error,
cualquiera de los cuales se puede cometer.
ERROR DE TIPO I (  ) .- Llamado también nivel de significación, es la máxima probabilidad

de rechazar la hipótesis siendo cierta o si la hipótesis establecida es verdadera y la consideramos
como falsa.
ERROR DE TIPO II (  ).- Es la mínima probabilidad de aceptar la hipótesis siendo falsa.
Nuestra decisión de aceptar o rechazar una hipótesis se basará en la información que

obtengamos haciendo observaciones y en el riesgo que estamos dispuestos a correr de que
nuestra decisión puede ser errónea.
HIPOTESIS NULA H0 .- Es la hipótesis que se debe probar, se llama también hipótesis de

ninguna diferencia, de allí el nombre de NULA; ésta conjetura de la realidad (Población) puede
ser cierta o falsa.
HIPOTESIS ALTERNATIVA H1 .- Llamada también Hipótesis de Investigación, es la

hipótesis contra la cual se va ha contrastar H 0, se busca evidencia en la muestra, que nos induzca
a rechazar H0 en favor de H1.

ESTADISTICA II
FUNCION PIVOTAL .- O estadístico de prueba, es toda variable aleatoria cuya Distribución

Muestral está relacionada con H1 y de cuyo valor depende la decisión; si éste valor cae en la
zona de rechazo, la decisión es RECHAZAR H 0; en caso contrario no hay evidencia para
rechazarlo.
REGION CRITICA .- O zona de rechazo, una vez establecido el nivel de significancia, queda
determinado dos regiones para la prueba: ZONA DE RECHAZO = y ZONA DE
ACEPTACION = 1-  =  .
El punto que separa éstas zonas se llama Punto Crítico y toma valor de la distribución teórica
con la que mantiene concordancia la muestra.
PRUEBA DE HIPÓTESIS PARA LA MEDIA POBLACIONAL

CON VARIANZA CONOCIDA
Cuando se conoce la Varianza Poblacional, el proceso consiste en los siguientes pasos :
1.- Formular la Hipótesis :

H0 : µ = µ 0
µ > µ0
H1 : µ = µ 0
µ < µ0
2.- Selección del nivel de significación :  = 0.01 , 0.05 , 0.10
3.- Considerar la muestra aleatoria : x1 , x2 , x3 , . . . , xn.
4.- Selección del estadístico de prueba :
X -
Z = 
 N(0,1)

n

donde : _
x : es la Media de la Muestra.
n : es el tamaño de la Muestra.
µ : es la Media Poblacional.
: es la Desviación Estándar de la Población.
5. Determinar el Punto Crítico y la Región Crítica según .
a) Cuando H 1 : µ > µ0
R.C. = { x / x  Z1-  }
0 Z 1-
R. A. R. C.
b) Cuando H1 : µ  µ0
R.C. = { x / x  -Z /2 v x Z /2 }
Z /2 0 Z 1-/2
R. C. R. A. R. C.
c) Cuando H 1 : µ < µ0
R.C. = {x / x  Z }

ESTADISTICA II
Z 0
R. C. R.A.
6. Obtener el valor experimental Z0, según H0 y la muestra :
X -
Z0 = o 
 N(0,1)

n
7. Adoptar la decisión :
Aceptar H0 si Z0 cae en la Región de Aceptación. ( R.A.)

Rechazar H0 si Z0 cae en la Región Crítica. ( R.C.)
PRUEBA DE HIPÓTESIS PARA LA MEDIA POBLACIONAL

CON VARIANZA DESCONOCIDA
Cuando no se conoce la Varianza Poblacional, el proceso consiste en los siguientes pasos :

H0 : µ = µ 0
µ > µ0
H1 : µ  µ0
µ < µ0
3.- Considerar la muestra aleatoria: x1 , x2 , x3 , . . . , xn.
X-
t =  t
 (n - 1)
S
n
donde : _
x : es la Media de la Muestra.
µ : es la Media Poblacional.
s : es la Desviación Estándar de la Muestra.
a) Cuando H 1 : µ > µ0
R.C. = {x / x  t 1- ( n - 1) g.l. }
0 t 1- (n-1)
R. A. R. C.

ESTADISTICA II
b) Cuando H 1 : µ = µ0
R.C. = { x / x  -t /2 ( n - 1) v x  t /2 ( n - 1) }
- t/2 (n-1) 0 t 1-/2 (n-1)

R.C. R. A. R. C.
c) Cuando H 1 : µ < µ0
R.C. = {x / x  -t  ( n - 1) }
-t  (n-1) 0
R. C. R. A.
6. Obtener el valor experimental t0, según H0 y la muestra:
X -
t0 = o 
 (n - 1) t
S
n
7. Adoptar la decisión:
Aceptar H0 si t0 no cae en la Región Crítica.

Rechazar H0 si t0 cae en la Región Crítica.
Ejemplo: El perímetro óptimo de una columna de soporte en un edificio de 5 pisos construido
en el centro de la ciudad, se distribuye normalmente con µ = 13 pulgadas y  = 0.7 . Se
estudia un grupo de 25 columnas de soporte, procedentes de un conjunto habitacional construido
muy apartada del centro de la ciudad y se obtiene x  12.6 pulgadas de perímetro. Se puede
afirmar con 95% de seguridad de que la muestra de columnas proviene de una población con
parámetro diferente a µ = 13 ?

Solución :
1. Formular la Hipótesis
H0 : µ = 13 pulgadas
H1 : µ < 13 (por sugerencia de la muestra x  12.6 )
2. Nivel de significancia
 = 0.05
3. La muestra aleatoria es de tamaño 25; (n=25).
4. Elegimos el estadístico de prueba:
Como se conoce  = 0.7 entonces será;
X  0
Z 
 N ( 0,1 )
 n
5. Determinar el punto crítico y la Región Crítica, de acuerdo a las condiciones del
problema  = 0.05 .
H1 : µ < 13
R.C. = {x / x  Z  }
Z = -1.64
6. Obtener el valor experimental Z0 .
Reemplazando los valores poblacionales y muestrales :
X   0 12.6  13
Z   2.85
 n 0.7 25
7. Como Z0 = -2.85 < Z 1- = -1.64 entonces
Se rechaza H0 , porque el valor de Z0 cae en la Región Crítica.
8. Conclusión: El perímetro de las columnas estudiados en este conjunto habitacional es

diferente a la de los edificios citadinos.

ESTADISTICA II
PRUEBA DE HIPOTESIS PARA LA PROPORCION POBLACIONAL
En muchos problemas de Ingeniería y Administración nos interesa una variable aleatoria

que siga la distribución binomial. Es decir queremos probar la siguiente prueba de hipótesis.
1.- Plantear la Hipótesis :
H 0 :P=P 0
H 1 :¿ ¿
¿
2.- Selección del Nivel de Significación :
 = 0.01 , 0.05 , 0.1 ó 1% , 5% , 10%
3.- Descripción de la Población y Suposiciones :
Se brindará una prueba aproximada que se basa en la aproximación normal a la binomial.

Este procedimiento aproximado será válido siempre y cuando P no sea en extremo cercano
a 0 o a 1, y si el tamaño de muestra es relativamente grande.
4.- Solución del Estadístico Pertinente :
Como la hipótesis se refiere a una proporción poblacional, el estadístico apropiado es la

proporción muestral p.
El Estadístico de Prueba y su Distribución :
El estadístico de prueba se puede expresar en dos formas, en términos de la proporción de

éxitos o del número de éxitos.
(Valor Experimental )
p  P0
Z 
P0 ( 1  P0 )
n
a número de exitos en la muestra

Donde: p
n tamaño de la muestra
P0  proporción de éxitos de la hipótesis nula .
x  nP0
ó Z 
nP0 ( 1  P0 )
5.- Regiones de Rechazo y de Aceptación :
H 1 : P¿ P0 ; R . R .= {Z/Z ¿ Z 1-α } ¿
H1 : P¿ ¿
H 1 : P≠ P0 ; R . R .=¿ ¿
6.- Recolección de datos y cálculo de los Estadísticos Necesarios :
n , a , p , Z0=?
p  P0
Z0 
P0 ( 1  P0 )
n
7.- Decisión Estadística :
Se compara el valor crítico Zt (Valor Tabular ) con Z0 ( Valor experimental)
a ) H 1 : P P0 ; Si Z0  Z1   Se Rechaza la Hipótesis Nula H 0

b ) H 1 : P  P0 ; Si Z0  Z  Se Rechaza la Hipótesis Nula H 0
c ) H 1 : P  P0 ; Si Z 0  Z / 2 óZ0  Z1 / 2  Se Rechaza la Hipótesis Nula H 0
8.- Conclusión :
Si Rechazamos H0: P=P0 se concluye que “la proporción de la población no es igual a P0”.

ESTADISTICA II
Ejemplo:
¿La proporción de estudiantes de Ing Materiales desaprobados en la II Unidad es

menor del 23%?
Se obtuvo una muestra aleatoria de 200 alumnos de toda la población de estudiantes de

Ingeniería de Materiales.
1º) Plantear la Hipótesis :

H 0 : P  0.23
H 1 : P 0.23
2º) Selección del Nivel de Significación :
 = 5% ( Consideremos el nivel de significancia)
3º) El Estadístico de Prueba :
El estadístico de prueba se puede expresar de la siguiente forma:

(Valor Experimental )
p  P0
Z0 
P0 ( 1  P0 )
n
a número de exitos en la muestra
Donde: p 
n tamaño de la muestra
P0  proporción de éxitos de la hipótesis nula .
6º) Regiones de Rechazo y de Aceptación :

H 1 : P ¿ ¿
Z0.05 = -1.645
R. Rechazo R. Aceptación
7º) Recolección de datos y cálculo de los Estadísticos Necesarios :
De nuestra muestra de 200 observaciones se calculó la proporción de desaprobados :

n =200
a = 31
p =31/200 = 0.155

0.155  0.23
Z0   2.5203
0.23( 1  0.23 )
200
8º) Decisión Estadística :
Se compara el valor crítico Zt (Valor Tabular ) con Z0 ( Valor experimental)
H 1 : P  P0 ; Si Z 0  Z  Se Rechaza la Hipótesis Nula H 0
En nuestro estudio el valor experimental Z0 = -2.5203 es  Zt =-1.645

Por lo tanto se rechazamos la Hipótesis Nula H0 : P = 0.23 y aceptamos la hipótesis Alternativa
H1 : P  0.23
9º) Conclusión :
Existe evidencia suficiente para afirmar que la proporción de estudiantes de Ing civil es
menor del 23% para la I Unidad, con nivel de significancia del 5%.
PRUEBA DE HIPÓTESIS PARA VARIANZA POBLACIONAL
H 0 :σ 2=σ 20
H 1 :¿ ¿
¿
3.- Considerar los datos.
(n -1)S2
 = 2
0 
  2(n-1)
 20
donde :
S2 : es la Varianza de la Muestra.
 20   2 ,( n 1 )
a) Cuando H1    0 se Rechaza Ho
2 2
si :
ESTADISTICA II
H   2
  2  20  12  ,( n 1 )
b) Cuando 1 0 se Rechaza Ho si :
  1  / 2 ,( n 1 )
2 2
ó  20   2 / 2 ,( n 1 )
c) Cuando H1     0 se Rechaza Ho si : 0
2 2
6. Obtener el valor experimental t0, según H0 y la muestra :
(n -1)S2
 20 =
 20
Aceptar H0, si  0 no cae en la Región Crítica.

2
Rechazar H0, si  0 cae en la Región Crítica.

2
Ejemplo : Un trompo mezclador se utiliza para llenar latas de cemento. Si la varianza del
volumen de llenado excede a 0.2 (mt3)2, entonces un porcentaje inaceptablemente grande de las
latas estará llenado de más. Al ingeniero le interesa probar la hipótesis :
Ho : 2 = 0.2
H1 : 2  0.2
Una muestra aleatoria de n=20 latas da una varianza muestral de 0.0225 metros 3 2. (use un nivel
de significancia del 5%)
Solución :

H0 :  2  0.2
H1 :  2 0.2
2.- Selección del nivel de significación :  = 0.05
n = 20 S2 = 0.0225
(n -1)S2
 20 = 
  2(20-1)
 20
H1   2  20 se Rechaza Ho si :  20   2 ,( n 1 )
a) Cuando
6. Obtener el valor experimental t0, según H0 y la muestra :

(n -1)S2 ( 20  1 )* 0.0225
 20 =   2138
.
0
2
0.02
.   0.05( 19 )  3014
2
.
Como  0  2138
2
entonces Aceptamos H0
Las latas de cemento están llenados correctamente.

ESTADISTICA II
EJERCICIOS en clase
1. En una fábrica se producen pernos con diámetro promedio de 10 mm. y una desviación estándar
de 0.4 mm. Se tomó una muestra aleatoria de 25 pernos el día lunes y se encontró que el
promedio es de 10.15 mm. ¿Puede considerarse que los pernos producidos el día lunes son
significativamente diferentes a los de otros días con un nivel de significancia del 5%?

2. Una compañía productora de discos de acero para cierta excavadora, tiene un promedio de 0.25
de defectuoso; a cada hora se toma una muestra aleatoria de 120 discos para realizar control de
calidad. A una hora determinada se encuentra un promedio de 28% de defectuoso. ¿Debe
detenerse el proceso de producción para regularlo, con un nivel de significancia del 10%?

ESTADISTICA II
PRUEBA DE HIPÓTESIS SOBRE LA IGUALDAD DE DOS MEDIAS

(VARIANZAS CONOCIDAS)
Supóngase que existen dos poblaciones de interés, por ejemplo X1 y X2. Se considera que X1,
tiene media desconocida y varianza conocida y que x2 tiene media desconocida y varianza
conocida. Se desea probar la hipótesis de que las medias son iguales.
H 0 :μ1=μ2
H 1 :¿ ¿
¿
X11 , X12 , X13 , ... , X1n1.

X21, X22 , X23 , ... , X2n2.
X1 - X2
Z= 
 N(0,1)
12  22

n1 n2

donde :
X 1 : promedio de la poblacion 1
n1 : tamaño de la población 1
12 :var ianza de la población 1
 22 :var ianza de la población 2
H 1 : μ1 ¿ μ2 ; R . R .={Z / Z ¿ Z1- α } ¿
H 1 : μ ¿¿
H 1 : μ1 ≠μ 2 ; R . R .={Z / Z ⟨ Z α ó Z⟩ Z 1- α }
6. Obtener el valor experimental Z0, según H0 y las muestras :
X1 - X2
Z0 =
12  22

n1 n2
a ) H1 : 1  2 ; Si Z 0  Z1   Se Rechaza la Hipótesis Nula H 0

b ) H1 : 1  2 ; Si Z0  Z  Se Rechaza la Hipótesis Nula H 0
c ) H1 :  1   2 ; Si Z0  Z / 2 óZ 0  Z1  / 2  Se Rechaza la Hipótesis Nula H 0
Ejemplo : El ingeniero supervisor de cierto campamento está interesado en comparar la

actuación de dos líneas diferentes de producción de pista. Como la línea 1 es relativamente
nueva, sospecha que su producción en número diario de metros de pista es mayor que el número
de metros producido por la línea más vieja, Línea 2. Se selecciona para cada línea diez días,
aleatoriamente para obtener datos, a partir de los cuales se encuentra que X 1  824.9 metros por
día y X 2  818.6 metros por día. A partir de la experiencia al operar este tipo de equipo se sabe
que 1  40 y  2  50 . Se debe probar con una significancia del 5% la siguiente hipótesis:
2 2
H0 :  1   2
H1 : 1  2

ESTADISTICA II
Solución :
H0 :  1   2
H1 : 1  2
 = 0.05
3. La muestra aleatoria es de tamaño 10 para cada población :

X 1  824.9 X 2  818.6 12  40 y  22  50
4. Elegimos el estadístico de prueba :

X1 - X2
Z=  N(0,1)
12  22

n1 n2
H1 : 1  2
R.C. = {x / x  Z 1-  } Z1- = 1.64 ( Valor Tabular )
X1 - X2 824.9 - 818.6
Z0 =   2.10
 12  22 40 50
 
n1 n2 10 10
7. Como Z0 = 2.10  Z 1- = -1.64 entonces
Se rechaza H0 , porque el valor de Z0 cae en la Región Crítica.
8. Conclusión : Existe evidencia suficiente para afirmar que el número medio de metros
producidos de pista diariamente por la nueva línea de producción es mayor que el
número medio de metros de pista producido por la línea vieja, con una significancia del
5%
PRUEBA DE HIPÓTESIS SOBRE LA IGUALDAD DE DOS MEDIAS

(VARIANZAS DESCONOCIDAS)

Supóngase que existen dos poblaciones de interés, por ejemplo X 1 y X2. Se considera que X1,
tiene media desconocida y varianza desconocida y que X 2 tiene media desconocida y varianza
desconocida. Se desea probar la hipótesis de que las medias son iguales.
CASO 1 : 12  12   2

H 0 :μ1=μ2
H 1 :¿ ¿
¿
X11 , X12 , X13 , ... , X1n1.

X21, X22 , X23 , ... , X2n2.
X1 - X2
t= 
 t 
1 1
Sp 
n1 n2
( n1  1 )S12  ( n2  1 )S22
S p2 
n1  n2  2
donde:
S12 :var ianza de la muestra de la población 1.
S p : desviación estándar mancomunado

ESTADISTICA II
H 1 : μ1 ¿ μ2 ; R . R.={ t / t ¿ t 1- α (n +n −2)} ¿
1 2
H 1 : μ1 ¿ ¿
H 1 : μ1 ≠μ 2 ; R . R . =¿ ¿
X1 - X2
t0 =
1 1
Sp 
n1 n2
a ) H1 :  1  2 ; Si t 0  t 1  ( n1  n1  2 )  Se Rechaza la Hipótesis Nula H 0

b ) H1 : 1  2 ; Si t 0  t  ( n1  n1  2 )  Se Rechaza la Hipótesis Nula H 0
c ) H1 :  1   2 ; Si t 0  t  / 2( n1  n1  2 )ót 0  t 1  / 2( n1  n1  2 )
 Se Rechaza la Hipótesis Nula H 0
Ejemplo: Se están analizando dos martillos hidráulicos diferentes para determinar en qué forma
afectan al suelo. Específicamente, el martillo hidráulico 2 se está empleando actualmente, pero
el martillo hidráulico 1 es aceptable. ya que el martillo hidráulico 1 es más barato, si no afecta al
suelo, el martillo 1 debe comprarse y cambiar a todos los demás. Supóngase que se desea probar
las hipótesis.(=5%)
H0 :  1   2
H1 : 1   2
Los datos de la planta piloto son :
n1  8, x1  9173
. , S12  389
.
n2  8, x2  93.75, S22  4.02
Solución :
H0 :  1   2
H1 : 1   2
 = 0.05

3. La muestra aleatoria es de tamaño 10 para cada población :
n1  8, x1  9173
. , S12  389
.
n2  8, x2  93.75, S22  4.02

X1 - X2
t=  t ( n1  n2  2 )
1 1
Sp 
n1 n2
H 1 : μ1 ≠μ 2 ; R . R . =¿ ¿
t 0.25( 14 )  2.145 y t 0.25( 14 )  2.145
6. Obtener el valor experimental to .

91.73- 9375
t0 = = -2.03
1 1
199
. 
8 8
( 8  1 )389
.  ( 8  1 )4.02
S p2   3.96
882
7. Como to = -2.03  t1- = -2.145 entonces
Se acepta H0 , porque el valor de Z0 cae en la Región Crítica.
8. Conclusión : No se tiene evidencia para concluir que el martillo hidráulico 1 afecte en

promedio menos al suelo que el martillo hidráulico 2; con una significancia del 5%.

ESTADISTICA II
CASO 2 : 12  12

H 0 :μ1=μ2
H 1 :¿ ¿
¿
X11 , X12 , X13 , ... , X1n1.

X21, X22 , X23 , ... , X2n2.
X1 - X2
t= 
 t 
S12 S22

n1 n2
p : grados de libertad
2
S21 S 22
p=
( n1
+
n2 ) −2
2 2
S21 S22
( ) ( )n1
+
n2
n1 +1 n2 +1

H 1 : μ1 ¿ μ2 ; R . R.={ t / t ¿ t 1-α ( p )} ¿
H 1 : μ1 ¿ ¿
H 1 : μ1 ≠μ 2 ; R . R . =¿ ¿
X1 - X2
t0 =
S12 S12

n1 n2
a ) H1 : 1  2 ; Si t 0  t 1  ( p )  Se Rechaza la Hipótesis Nula H 0

b ) H1 :  1  2 ; Si t 0  t  ( p )  Se Rechaza la Hipótesis Nula H 0
c ) H1 :  1   2 ; Si t 0  t  / 2( p )ót 0  t 1  / 2( p )
 Se Rechaza la Hipótesis Nula H 0
Ejemplo: Supóngase que existen dos poblaciones normales, por ejemplo X1 y X2 en donde
12  12 y ambas varianzas son desconocidas. probar :
H0 :  1   2
H1 : 1  2
Dos muestras aleatorias dan los siguientes resultados:
Muestra 1 : tamaño 15 , media 2 y varianza 10
Muestra 2 : tamaño 10 , media 1 y varianza 20.
Solución :
H0 :  1   2
H1 : 1  2
 = 0.05

ESTADISTICA II
3. Resultados de las muestras:
n1  15, x1  2.0, S12  10

n2  10, x2  10
. , S22  20

X1 - X2
t=  t (  )
S12 S22

n1 n2

H 1 : μ1 ¿ ¿
2
10 20
p=
( +
15 10 ) −2≃16
(10 /15 ) ( 20 /10 )2
2
+
15+1 10+ 1
t 0.05( 16 )  .7459
6. Obtener el valor experimental to .

2.0 -1.0
t0 = = 0.61
10 20

15 10
7. Como to = 0.61  t = -1.7459 entonces
Se acepta H0 , porque el valor de Z0 cae en la Región de Aceptación.
1.

EJERCICIOS EN CLASE
1. La compañía constructora E&A debe decidir si compra la marca A o la marca B de neumáticos
para su flota de volquetes. Para estimar la diferencia entre las dos marcas asginó un neumático
de cada marca a las ruedas delanteras de 12 volquetes y se registraron en miles de kilómetros las
siguientes distancias:
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 del 5% ¿Se puede concluir que los promedios de rendimiento son iguales en
ambas marcas? Suponga que las diferencias de las distancia se distribuyen en forma normal.

ESTADISTICA II
2. El Jefe de operaciones de la CIA Graña tiene que escoger entre dos marcas A y B de máquina
para la construcción de bloques de concreto. El sabe que cada marca tiene un tiempo de
producción por bloque, se le permitió probar ambas máquinas durante un periodo de prueba para
luego escoger 10 tiempos al azar para cada una de ellas, los resultando los siguientes tiempos en
segundos:
Máquina A: 40 49 47 42 48 38 44 49 50 37
Máquina B: 40 41 39 40 38 42 43 37 38 41
¿Qué marca de máquina podría adquirir?

PRUEBA DE HIPÓTESIS SOBRE LA IGUALDAD DE DOS PROPORCIONES
H 0 :P1=P2
H 1 :¿ ¿
¿
X11 , X12 , X13 , ... , X1n1.

X21, X22 , X23 , ... , X2n2.
p1−p2 X1+X 2
Z= → N(0,1)¿ p̄= ¿¿
1 1 n1+n2
( )
√ p̄(1- { p̄) n + n
1 2
donde :
X 1 : número de casos favorables de la población 1
X 2 : número de casos favorables de la población 2

p: estimador del parametro común p
H 1 : P1 ¿ P 2 ; R . R .= {Z / Z ¿ Z 1- α } ¿
H 1 : P1 ¿ ¿
H 1 : P1≠P 2 ; R . R .= {Z / Z⟨Z α ó Z⟩ Z 1- α }

ESTADISTICA II
p1 −p 2
Z 0= ¿
1 1
√ p̄ (1- { p̄) ( )
+
n1 n2
a ) H1 : P1  P2 ; Si Z0  Z1  Se Rechaza la Hipótesis Nula H 0

b ) H1 : P1  P2 ; Si Z0  Z  Se Rechaza la Hipótesis Nula H 0
c ) H1: P1  P2 ; Si Z 0  Z / 2 óZ0  Z1 / 2  Se Rechaza la Hipótesis Nula H 0
Ejemplo: Se están considerando para su empleo en la CIA MIN dos diferentes tipos de
computadoras para control de disparo de explosivos. Los sistemas de computadoras se sujetan a
una prueba de operación en la cual se cuenta el número total de blancos obtenidos. El sistema
de computadoras 1; dio 250 blancos entre 300 disparos, mientras que el sistema de computadora
2; dio 178 blancos de 260 disparos. ¿Existe razón para pensar que difieren los dos sistemas de
computadora? =5%.
Solución :
H 0 : P1 =P2
H 0 : P1 ≠P2
 = 0.05
3. resultados de las muestras :

250 178
P1   0.8333, P2   0.6846
300 260
p −p X +X
Z= 1 2 → N(0,1)¿ p̄= 1 2 ¿¿
1 1 n1+n2
( )
√ p̄(1- { p̄) n + n
1 2


H1 : P1  p2
H 1 : P1≠P 2 ; R . R .= {Z / Z⟨Z α ó Z⟩ Z 1- α }
Z0.025 = -1.96 Z0.975 = 1.96 ( Valor Tabular )
250+178
p̄=
300+260
0 . 8333−0. 6846
Z 0= =4 .13
√ 0 . 7643(1−0 .7643 ) (1300 +1260 )

7. Como Z0 = 4.13  Z 0.975 = 1.96 entonces
Se rechaza H0, porque el valor de Z0 cae en la Región Crítica.
8. Conclusión: Existe una diferencia significativa entre los dos sistemas de computadora.
PRUEBA DE HIPOTESIS SOBRE LAS VARIANZAS DE DOS DISTRIBUCIONES

NORMALES
H 0 :σ 12=σ 22
H 1 :¿ ¿
¿
X11 , X12 , X13 , ... , X1n1.

X21, X22 , X23 , ... , X2n2.

ESTADISTICA II
S12
F= 
 F( n1 1,n2 1 )
S21
donde :
S12 :var ianza de la población 1
S22 :var ianza de la población 2
H 1 : σ 21 ¿ σ 22 ; R . R .={ F / F ¿ F( α ,n −1, n −1)} ¿

1 2
2
H 1 : σ 1 ¿ ¿
2 2
H1: σ 1 ≠σ 2 ; R . R .= ¿ ¿
S12
F0 =
S21
a ) H1 : 12  22 ; Si F0  F ( n1 1,n2 1 )  Se Rechaza la Hipótesis Nula H 0

b ) H1 : 12  22 ; Si F0  F ( n2 1,n1 1 )  Se Rechaza la Hipótesis Nula H 0
c ) H1 : 12   22 ; Si F0  F / 2( n1 1,n2 1 )óF0  F1  / 2( n1 1,n2 1 )  Se Rechaza
la Hipótesis H 0

Ejemplo: Se presenta los datos del rendimiento fisioquímico en donde se emplea dos
catalizadores. con los datos siguientes:
n1  n1  8, S12  389
. , S22  4.02 . Se desea probar la hipótesis :
H0 : 12   22
H1 : 12   22
Use  = 5%.
Solución :
H0 : 12   22
H1 : 12   22
2.- Selección del nivel de significación :  = 0.05
n1  n1  8, S12  389
. , S22  4.02
S12
F=  F( n1 1,n2 1 )
S21
H1 : σ2 2
1 ≠σ 2 ; R . R .= ¿ ¿
3.89
F0 =  0.97
4.02
Como F0 = 0.97  F 0.975;(7,7) = 0.20 y  F 0.025;(7,7) = 4.99 entonces

Se acepta H0 , porque el valor de F0 cae en la Región de Aceptación.
8. Conclusión : No puede concluirse que existe fuerte evidencia de que la varianza del
rendimiento se vea afectada por el catalizador.

ESTADISTICA II
EJERCICIO en clase
1. En una fábrica se producen abrazaderas con diámetro promedio de 10 mm. y una desviación
estándar de 0.4 mm, sin embargo se sabe que el 4% de las abrazaderas producidos rebasan el
diámetro permitido. Se tomó una muestra aleatoria de 25 abrazaderas el día lunes y se encontró
que el porcentaje de abrazaderas defectuosas fue de 6%. ¿Puede considerarse que la proporción
de abrazaderas defectuosas producidas el día lunes son significativamente diferentes a los de
otros días con un nivel de significancia del 5%?

Estadistica II Und 1ra Parte..

Cargado por

Información del documento

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

Estadistica II Und 1ra Parte..

Cargado por

Copyright:

Formatos disponibles

ESTADISTICA II

Es una medida que describe alguna característica de la población, y para determinar su

Es el proceso mediante el cual se intenta determinar el valor del parámetro de la

Es la determinación de un valor único y considerado como óptimo de un parámetro

Es la determinación de un intervalo aleatorio t1 , t2 que tiene una probabilidad

Se expresa de la forma siguiente :

1 - /2 Z/2 (Valor de la Distribución Normal)

2021-1 - Universidad Nacional de Trujillo -4-

0.90 0.05 1.64

Cuando hacemos estimaciones interválicas, en las cuales la muestra n es menor que 30

ESTIMACION INTERVALICA PARA LA MEDIA : 

P [ x̄ -Zα /2 σ x̄ ≤μ≤ x̄ + Z α /2 σ x̄ ]=1−α

Ejemplo : El diámetro final de un cable eléctrico blindado es distribuido normalmente. Una

-5- Universidad Nacional de Trujillo - 2018 – I

P 0.790 - 1.96 (0.0016)    0.790 + 1.96 (0.0016) = 95%

ESTIMACION INTERVALICA PARA LA PROPORCION: P

Si p = a / n es la proporción de éxitos en una muestra de tamaño n , el intervalo de

Ejemplo : En una encuesta de seguridad empresarial, 320 de un total de 400 trabajadores

La proporción muestral es p = 320 / 400 = 0.80

P  0.80 - 1.96(0.020)  P  0.80 + 1.96(0.020)  = 0.95

La proporción de trabajadores que están a favor de la supervisión de prevención de accidentes

2021-1 - Universidad Nacional de Trujillo -6-

ESTIMACION INTERVALICA PARA LA VARIANZA: 

Si S2 es la varianza muestral de una muestra de tamaño n , tomada de una población

Ejemplo : Un test de funcionamiento de 5 modelos de retroexcavadora experimental mostró que

S2 = (Xi - X )2 / n-1 = 14.8 / 4 = 3.7

-7- Universidad Nacional de Trujillo - 2018 – I

La variación del tiempo de funcionamiento de las retroexcavadoras experimentales con un galón

2021-1 - Universidad Nacional de Trujillo -8-

1. Se determina los siguientes porcentajes de pureza de cemento en concreto armado en 11 pilares

-9- Universidad Nacional de Trujillo - 2018 – I

2021-1 - Universidad Nacional de Trujillo -10-

ESTIMACION INTERVALICA PARA LA DIFERENCIA DE DOS

Se presenta dos Casos :

S21 S22 S21 S 22

r = n1 + n2 - 2 son los grados de libertad

-11- Universidad Nacional de Trujillo - 2018 – I

Ejemplo : Con el fin de comparar dos métodos A y B de producción de cemento

I. C. = ( 3.66 - 4.707 , 3.66 + 4.707 )

No existe diferencia entre los dos métodos.

2021-1 - Universidad Nacional de Trujillo -12-

ESTIMACION INTERVALICA PARA LA DIFERENCIA DE

Considerando dos muestras independientes de tamaño n1 y en seleccionadosa al azar de

1- = 0.99 Entonces Z/2 = 2.58

I.C. =  - 0.0522 , 0.0922 

Ambos procesos arrojan igual proporción de postes para luz defectuosos

-13- Universidad Nacional de Trujillo - 2018 – I

2. Con el fin de comparar dos métodos A y B de encofrado, se tomaron 2 muestras de tamaño 9

2021-1 - Universidad Nacional de Trujillo -14-

En la investigación científica puede proponerse una hipótesis o teoría concerniente a

HIPOTESIS ESTADISTICA :- Es una aseveración que se hace a cerca de la distribución de

Hipótesis Estadística Simple : Si la hipótesis especifica completamente la distribución, es decir

Hipótesis estadística Compuesta : Cuando la hipótesis estadística no especifica completamente.

ERROR DE TIPO I (  ) .- Llamado también nivel de significación, es la máxima probabilidad

ERROR DE TIPO II (  ).- Es la mínima probabilidad de aceptar la hipótesis siendo falsa.

Nuestra decisión de aceptar o rechazar una hipótesis se basará en la información que

HIPOTESIS NULA H0 .- Es la hipótesis que se debe probar, se llama también hipótesis de

HIPOTESIS ALTERNATIVA H1 .- Llamada también Hipótesis de Investigación, es la

-15- Universidad Nacional de Trujillo - 2018 – I

FUNCION PIVOTAL .- O estadístico de prueba, es toda variable aleatoria cuya Distribución

PRUEBA DE HIPÓTESIS PARA LA MEDIA POBLACIONAL

Cuando se conoce la Varianza Poblacional, el proceso consiste en los siguientes pasos :

1.- Formular la Hipótesis :

2.- Selección del nivel de significación :  = 0.01 , 0.05 , 0.10