UNIVERSIDAD ESTATAL DE BOLÍVAR

CARRERA DE INGENIERÍA AGROINDUSTRIAL

DISEÑO EXPERIMENTAL

UNIDAD III
Probabilidad y Estadística

Ing. Juan Gaibor Chávez PhD

Carrera de Ingeniería Agroindustrial

 Precisión y Exactitud
• La precisión se refiere a
cuánto concuerdan dos o
más mediciones de una
misma cantidad.
• Ej.Todos los lanzamientos
de las flechas concuerdan 1
en un punto que no es la
posición exacta
• Hay precisión en los
lanzamientos pero no
exactitud.
 Precisión y Exactitud
• La exactitud indica cuán
cerca está una medición
del valor real de la
cantidad medida.
• Ej.Todas las flechas
alcanzan el centro que es 1
la posición exacta de los
lanzamientos..
• Hay exactitud y precisión
en el lanzamiento
CURVA NORMAL
Una empresa empaca azúcar en bolsas de 1000 g
Cuando se pesa una muestra de bolsas se obtienen los siguientes resultados

1007, 1032, 1002, 983, 1004g,…..(cien mediciones)

Media= 1010g
Desviación estándar= 20 g

Se encontró que algunos valores son inferiores a 1000 g…¿Se puede arreglar esto?
La distribución normal de sus medidas se puede visualizar así:

31% de las bolsas son menores de 1000 g; por lo cual se está engañando al cliente!!
Es algo aleatorio, por lo que no podemos evitar que las bolsas tengan menos de
1000 g, pero podemos intentar reducirlo bastante.

Vamos a ajustar la máquina para que 1000 g esté:

a – 3 desviaciones estándar:
De la curva de campana grande arriba se puede visualizar que 0,1% son menos.
Pero tal vez eso es demasiado pequeño

a – 2,5 desviaciones estándar:

Por debajo de 3 es 0,1% y entre 3 y 2,5 desviaciones estándar es 0,5%, juntas
eso es 0,1% + 0,5% = 0,6% (una buena opción)

•Entonces, ajustemos la máquina para que tenga 1000g a −2,5 desviaciones

estándar de la media.

Ahora, podemos ajustarla para:

- aumentar la cantidad de azúcar en cada bolsa (lo que cambia la media), o
- hacerlo más preciso (lo que reduce la desviación estándar)
Probemos ambas opciones.
Ajustar la cantidad media en cada bolsa:
La desviación estándar es de 20 g, y se necesita 2,5 de ellas

2,5 x 20g = 50g

Entonces la máquina debería promedia 1050 g, asi:

Ajustar la precisión de la máquina
O podemos mantener la misma media (de 1010 g), pero entonces
necesitamos que 2,5 desviaciones estándar sean iguales a 10 g:

10g/2,5 = 4 g

Entonces, la desviación estándar debería ser 4g, asi:

Se espera que la máquina sea tan precisa!

O tal vez se podría tener una combinación de mejor precisión y un tamaño
ligeramente mayor¡
Que sería mejor?
 Validación

Características de los procedimientos

analíticos(1)
• Exactitud
• Precisión
• Repetibilidad
• Reproducibilidad
CONFIABILIDAD: Es la consistencia, coherencia,
estabilidad de la información recolectada. Son
confiables los datos cuando estos son iguales al ser
medidos en diferentes momentos, o por diferentes
personas o por distintos instrumentos

VALIDEZ: Se refiere al grado en que se logra medir lo

que se pretende medir.

Si una información es válida, también es confiable. Lo

opuesto no necesariamente es cierto. Un dato puede
ser confiable pero no válido
VARIABLES:
La variable es una cualidad, propiedad o característica de las
personas o cosas en estudio que puede ser enumerada o
medida cuantitativamente y que varía de un sujeto a otro. Las
variables son los elementos principales o básicos a estudiar en
el marco teórico del problema.

Una variable es una entidad abstracta que adquiere distintos

valores, se refiere a una cualidad, propiedad o característica
de personas o cosas en estudio y varía de un sujeto a otro o
en un mismo sujeto en diferentes momentos
Por su posición en una hipótesis o correlación las
variables se clasifican en:

Independiente: Aquella que explica, condiciona o

determina el cambio en los valores de la variable
dependiente

Dependiente: Es el fenómeno o situación explicados, o

sea, que está en función de otra. Es el resultado
esperado.

Interviniente: Es el elemento que puede estar presente

en una relación entre la variable independiente y la
dependiente, es decir que influye en la aparición de otro
elemento, en forma indirecta.
Según la capacidad o nivel de la variable, para medir los objetos de estudio,
estas se clasifican en:

Cualitativas o categóricas: Se refieren a propiedades de los objetos en estudio,

sean estos animados o inanimados. Lo que determina que una variable sea
cualitativa es el hecho que no pueda ser medida en términos de la cantidad de
la propiedad presente, sino que solamente se determina la presencia o la
ausencia de ella. Por ejemplo: sexo, ocupación, religión, nacionalidad,
procedencia, estado civil; lo único que se puede hacer es clasificarlas.

Cuantitativas: Son aquellas cuya magnitud puede ser medida en términos

numéricos, esto es que los valores de los fenómenos se encuentran distribuidos
a lo largo de una escala. Por ejemplo: edad, peso, talla, escolaridad,
temperatura.
Pueden ser continuas y discontinuas (discretas)
HIPOTESIS:
Es una explicación provisional, no verificada todavía, de un
fenómeno o de un hecho.
Es una argumentación muy usada en las ciencias y en la vida
práctica.

- Debe basarse en los hechos

- No debe oponerse a otras verdades ciertas

- Debe admitirse solo como probable hasta que se demuestre

- Debe ser simple

Una hipótesis es una suposición que
permite establecer relaciones entre
hechos. Una explicación anticipada que
permite un acercamiento a la realidad. Su
valor reside en su capacidad para
establecer esas relaciones entre los
hechos y de esta manera explicarnos
porque se producen.
TIPOS DE HIPOTESIS:
1. Hipótesis de asociación o covariación. Establece una determinada
correspondencia o correlación entre dos o más variables. Una modificación
en la variable independiente, modifica la variable dependiente en forma
directa o inversa.

Elementos lógicos utilizados:

Mayor X mayor Y
Mayor X menor Y
Menor X menor Y
Menor X mayor Y

Ejemplo:
Los pacientes que tienen mayor conocimiento de la enfermedad, tienen mayor
facilidad en recuperarse psicológicamente
2. Hipótesis de relación de producción:
Se parte del sujeto que el comportamiento o la modificación de una variable
independiente inlfuye o produce un cambio en la variable dependiente (su
relación NO es causal).

Elementos lógicos utilizados:

X produce cambio en Y
X influye en el comportamiento de Y

Ejemplos:
El incremento de conocimientos del diabético sobre su enfermedad y
tratamiento influye en el mejoramiento de las actividades de autocuidado

La primera notificación sobre el diagnóstico de su enfermedad produce

angustia en el paciente diabético
3. Hipótesis de relación causal:
Permiten explicar y predecir los hechos y fenómenos con
determinados márgenes de error, y se dan cuando cumple las
siguientes condiciones:
a) El comportamiento o variación de una variable es el efecto
del comportamiento o variación de otra variable causa.

b) La covariación no es producto de factores extraños o

aleatorios, por lo que la relación entre variables es real

c) La variable causa ocurre antes que la variable efecto

Ejemplo:
Los niños que presentan caries a edad temprana desarrollan
una baja autoestima en su personalidad
ELEMENTOS ESTRUCTURALES DE LAS HIPOTESIS:
Unidades de análisis: Pueden ser los individuos, familias, grupos, casas, instituciones
y otros

Las variables: Traducidas como características, propiedades, o factores, que

presentan las unidades de análisis y que pueden ser de tipo cuantitativo o cualitativo

Los elementos lógicos: Que relacionan las unidades de análisis con las variables y a
estas entre sí

Ejemplo:

Los niños que se cepillan los diente tres veces por día, tienen menor probabilidad de
que desarrollen caries

Las unidades de análisis son los niños

Las variables son: La independiente la frecuencia del cepillado, la dependiente la
probabilidad de desarrollar caries
Elementos lógicos: menor
Paso 2. Seleccionar el nivel de significancia

Nivel de significancia: Probabilidad de rechazar la hipótesis

nula cuando es verdadera, se denota mediante la letra α
griega, algunas veces se denomina nivel de riesgo. Este último
es adecuado, ya que es el riesgo que existe al rechazar la
hipótesis nula cuando en realidad es verdadera.

Error tipo I: Rechazar la hipótesis nula, Ho, cuando en

realidad es verdadera.

Error tipo II: Aceptar la hipótesis nula cuando en realidad es

falsa.
 Investigador

Hipótesis nula Se acepta Se rechaza

Ho Ho

Decisión correcta Error de tipo I

Ho es verdadera

Error de tipo II Decisión correcta

Ho es falsa
Paso 3. Calcular el valor estadístico de prueba.
Valor obtenido a partir de la información muestral, que se utiliza para
determinar si se rechaza la hipótesis nula

Paso 4. Formular la regla de decisión.

Es un enunciado de las condiciones según las que se acepta o se rechaza la hipótesis nula.

Paso 5. Tomar una decisión

 ¿Qué es una hipótesis?
Creo que el porcentaje
de enfermos será el
• Una creencia sobre la población, 5%

principalmente sus parámetros:

– Media
– Varianza
– Proporción/Tasa

• OJO: Si queremos contrastarla,

debe establecerse antes del
análisis.

Bioestadística. U. Málaga. Tema 7: Contrastes de hipótesis 28

9-5

Prueba de hipótesis

Paso 1: plantear las hipótesis nula y alterna

Paso 2: seleccionar un nivel de significancia

Paso 3: identificar el valor estadístico de prueba

Paso 4: formular una regla de decisión

Paso 5: tomar una muestra, llegar a una decisión

No rechazar la Rechazar la hipótesis nula

hipótesis nula y aceptar la alterna
9-6

Definiciones
• Hipótesis nula H0: afirmación acerca del valor
de un parámetro poblacional.
• Hipótesis alterna H1: afirmación que se
aceptará si los datos muestrales proporcionan
evidencia de que la hipótesis nula es falsa.
• Nivel de significancia: probabilidad de
rechazar la hipótesis nula cuando es
verdadera.
• Error Tipo I: rechazar la hipótesis nula cuando
en realidad es verdadera.
9-7

Definiciones
• Error Tipo II: aceptar la hipótesis nula
cuando en realidad es falsa.
• Estadístico de prueba: valor obtenido a
partir de la información muestral, se
utiliza para determinar si se rechaza o no
la hipótesis.
• Valor crítico: el punto que divide la región
de aceptación y la región de rechazo de la
hipótesis nula.
 Identificación de hipótesis
• Hipótesis nula Ho • Hip. Alternativa H1
– La que contrastamos – Niega a H0 (y creemos que es ‘mejor’).

– Los datos pueden refutarla

– Los datos pueden mostrar evidencia a
favor
– No debería ser rechazada sin una buena – No debería ser aceptada sin una gran
razón. evidencia a favor.

H 0 : p = 50% =, , 
 , , 
 H1 : p  50%

Tema 7: Contrastes de
35 Bioestadística. U. Málaga.
hipótesis
 Región crítica y nivel de significación
Región crítica
• Valores ‘improbables’ si...
• Es conocida antes de realizar el
experimento: resultados
experimentales que refutarían H0
Nivel de significación: a
• Número pequeño: 1% , 5%
• Fijado de antemano por el
investigador
• Es la probabilidad de rechazar H0
cuando es cierta

a=5%

Reg. Crit. Reg. Crit.

No rechazo H0
H0: m=70

Tema 7: Contrastes de
36 Bioestadística. U. Málaga.
hipótesis
Una máquina automática despachadora de refrescos vierte 225 ml por unidad. Una
muestra aleatoria de 36 refrescos tienen un contenido promedio de 220 ml con una
desviación estándar de 15 ml. Pruebe la hipótesis del promedio teórico igual a 225 ml
en contraposición a la hipótesis alternativa de que es menor a 225 ml en el nivel de
significancia del 5%.

Paso 1: Proponer las hipótesis Ho, H1

Paso 2. Especificar la significación alfa
Paso 3. Calcular los valores crítico y de prueba, definiendo las zonas de
aceptación y rechazo de la Ho
Paso 4: Decisión y conclusión

Valores crítico y de prueba:

Valor crítico:
Zc n≥30
tc n≤ 30

Valor prueba
Ho: µ = 225 ml Z prueba
H1: µ < 225 ml

α = 5% × − 𝜇 220 − 225
𝑧𝑝 = 𝜎 = = −2,0
( ) 15
𝑛 ( )
36

Decisión: Se rechaza la Ho

Conclusión: Se puede afirmar

que el contenido promedio es
menor de 225 ml con una
significación del 5%

-1,64
Un Ingeniero Agroindustrial desarrolló una nueva tecnología enzimática para favorecer la
fermentación, según su criterio, esta tecnología tiene una velocidad de reacción de 8 min,
de acuerdo al estudio presenta una desviación estándar de 0.5 min. Se plantea la hipótesis
de que la µ = 8 min, contra la alternativa de que la µ ≠ 8 minutos. Se prueba en una
muestra aleatoria de 50 bebidas y se encuentra que una una resistencia media de actividad
enzimática de 7.8 minutos.
Se desea probar la significancia de 0.01 y 0.05

Datos:
n = 50 bebidas Se desea probar la nueva tecnología de que
x̄ = 7,8 minutos la media de la velocidad de reacción es de 8
σ = 0,5 minutos minutos?

µ = 8 minutos

Ho : µ = 8 minutos
Formulación
Hi : µ ≠ 8 minutos
Significancia del 1%
7,8 − 8 −0,2
𝑧= = = −2,828
0,5 0,0707
50

Valores críticos

α/2 = 0,005

α/2 = 0,005 ± zα/2 = ± z0,005 = ± 2,575

Contraste:

Conclusión:
Dado que z< - zα/2 porque -2,828 < -2,575, entonces se rechaza la hipótesis nula. Por lo
tanto se concluye que la evidenica es suficiente para rechazar la afirmación de que la
velocidad promedio de la reacción es igual a 8 minutos.