Estadística Inferencial

Unidad:
Pruebas de hipótesis e intervalos de confianza

Docente: Manuel Sotero Murga

 Logro

Al finalizar la unidad, el estudiante utiliza las pruebas de

hipótesis y reconoce la validez de dichas pruebas para sacar

Centrar Texto conclusiones de una población.

Video
al sacar el
Imagen
cuadro negro Importancia
docente
La importancia de esta unidad radica, en que estas pruebas
permiten validar los parámetros de una población,
entendiéndose como parámetros de una población la media de
un proceso de embolsado, las varianzas de temperaturas, la
proporción de artículos defectuosos, etc.
Esta validación permite mantener el parámetro, corregirlo ó
cambiarlo.
 Contenido general
• Error tipo I y II
• Prueba hipótesis para la media con varianza
conocida y desconocida
Centrar Texto • Pruebas de hipótesis para la diferencia de medias
con varianza conocida y desconocida
Video
al sacar el
• Distribución muestral, intervalo de confianza y
prueba de hipótesis para la proporción
poblacional
Imagen
cuadro negro
• Distribución muestral, intervalo de confianza y
prueba de hipótesis para la diferencia de 2
proporciones poblacionales
docente •

•
Intervalo de confianza y prueba de hipótesis para
la varianza de una población
Intervalo de confianza y prueba de hipótesis para
el cociente de las varianzas poblacionales
• Aplicación de Ji – Cuadrada
Concepto, tipos de las Pruebas de Hipótesis y
errores producidos
Pruebas de Hipótesis:

• La prueba de hipótesis consiste en validar y tomar una

decisión acerca de un parámetro encontrado.

Toda prueba de hipótesis , tiene dos proposiciones:

 La hipótesis nula, representada por Ho, que hace una

afirmación sobre una o más características de la
población y que al inicio se supone cierta (es decir, la
"creencia a priori").

 La hipótesis alternativa, representada por H1, que es

la afirmación contradictoria a Ho.
Tipos de Prueba de Hipótesis

Unilateral Cola-Izquierda Bilateral Dos-Colas Unilateral Cola-Derecha

Ho: μ ≥ 70 Ho: μ = 70 Ho: μ ≤ 70

H1: μ < 70 H1: μ ≠ 70 H1: μ > 70
Errores cometidos en las Pruebas de Hipótesis

TIPOS DE ERRORES

DECISION Ho es VERDADERA Ho es FALSA

ACEPTAR Ho No hay error Error Tipo II ó BETA

RECHAZAR Ho Error Tipo I ó ALFA No hay error

Prueba de Hipótesis para la Media con
Varianza Conocida
Ejemplo: Prueba de Hipótesis para la Media con

Del último censo realizado en los EE.UU hace 10 años, se halló que la edad promedio de los
adultos de la tercera edad era de 70 años, con una desviación estándar de 8,9 años; sin
embargo en una muestra reciente que se hizo a 100 adultos mayores se encontró que esta
media fue de 71,8 años, probar que esta edad promedio se a elevado, utilizar un nivel de
significancia de 5%?
Varianza Conocida
Ejemplo: Prueba de Hipótesis para la Media con
Varianza Conocida
Prueba de Hipótesis para la Media
con Varianza Desconocida
Ejemplo: Prueba de Hipótesis para la Media con

Si los pesos de las bolsas de un cereal tienen una distribución normal con un promedio en
peso de 16 gramos. Si un inspector de calidad tomo 10 bolsas del proceso y las peso,
obteniendo los siguientes pesos:

15,7 15,7 16,3 15,8 16,1

15,9 16,2 15,9 15,8 15,6

Indicar si el inspector de calidad debe detener el proceso por falta de peso, si utiliza un nivel
de significancia de 5%.
Varianza Desconocida
Ejemplo: Prueba de Hipótesis para la Media con
Varianza Desconocida
Prueba de Hipótesis para la Diferencia de
Medias con Varianza Conocida
Ejemplo: Hipótesis para la Diferencia de Medias con

Se sabe que la desviación estándar de los tiempos de secado para 2 tipos de pintura de autos,
son las siguientes: Ơ1=10,124 Ơ2=10,124.

Para decidir cuál de las marcas debe comprarse, teniendo en cuenta que el tiempo de secado
debe ser el menor, se hicieron pruebas de cada tipo de pintura, obteniendo los siguientes
resultados:
• tsecado1= 167,08 minutos n1=8
• tsecado2=162,21 minutos n2=8

¿Cuál de los tipos de pintura se debe de comprar?,

utilizar un nivel de significancia del 5%.
Varianza Conocida
Ejemplo: Hipótesis para la Diferencia de Medias con
Varianza Conocida
Prueba de Hipótesis para la Diferencia de
Medias con Varianza Desconocida
Ejemplo: Prueba de Hipótesis para la Diferencia de

Una empresa produce empaquetaduras de pistones para carros en dos líneas de producción,
la línea 1 trabaja con una máquina de procedencia Americana y la línea 2 con una maquina de
procedencia Alemana, si las varianzas de defectos son iguales para ambas máquinas y el
Gerente desea adquirir una nueva maquinaria, en base al criterio de menor número de
empaquetaduras defectuosas.
Medias con Varianza Desconocida

Determinar cuál debe escoger si en un muestreo de ambas líneas en varios días de producción
se encontraron los siguientes defectos, utilizar un nivel de significancia de 5%:

Lin1 2 4 6 7 7 7 8 8 9 9 10
Lin2 2 2 3 3 3 4 4 5 6 8
Ejemplo: Prueba de Hipótesis para la Diferencia de
Medias con Varianza Desconocida
Prueba de Hipótesis para la Proporción
Ejemplo: Prueba de Hipótesis para la Proporción

Un productor afirma que al menos el 30% de todos los consumidores prefiere su producto al
de la competencia. Al parecer esta afirmación parece exagerada, con el fin de comprobar la
afirmación del productor, se toma una muestra aleatoria de 400 consumidores y se encuentra
que 100 de ellos prefieren su producto.

¿Existe suficiente evidencia para inferir que el productor no tiene razón? Utilizar un nivel de
significancia de 1%.
Ejemplo: Prueba de Hipótesis para la Proporción
Prueba de Hipótesis para la Diferencia de
Proporciones
Ejemplo: Prueba de Hipótesis para la Diferencia de

El Director de un programa de noticias afirma que su programa es visto tanto por hombres como
por mujeres en la misma proporción, sin embargo el Gerente de la Radio sostiene que los hombres
son los que más ven el programa de noticias.

Si una muestra aleatoria de 300 hombres y otra de 400 mujeres reveló que 120 hombres y 120
mujeres estaban viendo el programa, indicar si es correcta la afirmación del Director de Programa.
Considerar un nivel de significancia de 5%.
Proporciones
Ejemplo: Prueba de Hipótesis para la
Diferencia de Proporciones
Prueba de Hipótesis para la Varianza de una
Población
Ejemplo: Prueba de Hipótesis para la

EJEMPLO
Una compañía electrónica de rayos laser produce punteros para pizarra, y sostiene que
el diámetro del laser tiene una varianza de diámetro no mayor a 0.0002 pulgadas.
Para verificar esta afirmación se tomo una muestra aleatoria de 10 punteros lo que dio
Varianza de una Población

una varianza de muestra S2 = 0.0003. Si se supone que las medidas del diámetro del
rayo laser se distribuyen en forma normal, ¿hay evidencia para refutar lo que afirma el
proveedor? Use α = 0.05

Imagen extraída de: https://okdiario.com/vida-sana/img/2016/09/06/puntero-laser.jpg

Ejemplo: Prueba de Hipótesis para la
Varianza de una Población
Prueba de Hipótesis para el Cociente de
Varianzas Poblacionales
cociente de Varianzas Poblacionales
Ejemplo: Prueba de Hipótesis para el
EJEMPLO
Una compañía de refrescos prueba una nueva máquina embotelladora y se quiere
saber si las desviaciones en la cantidad de llenado del refresco serán mayores en la
nueva maquina (σ2m) que en la maquina actual (σ2a), ya que esta máquina es mucho
más rápida. Si se trabaja con un nivel de significancia de 1%, probar el temor de la
compañía de refrescos.

Máquina Nueva Máquina Actual

n1= 26 n2= 21
S12 = 0.0018 S22 = 0.0008

Imagen extraída de: http://www.elempaque.com/documenta/imagenes/4084067/coca-cola-maquina-etiquetadora-g.jpg

Ejemplo: Prueba de Hipótesis para la
Varianza de una Población
Gracias
Docente: Manuel Enrique Sotero Murga
 Estadística Inferencial

Unidad:
Aplicaciones Chi-Cuadrado

Docente: Manuel Enrique Sotero Murga

Logro
Al finalizar la unidad el estudiante aplica las pruebas de Hipótesis
para poblaciones que poseen características específicas
(Variables Cualitativas) y concluye si hay relaciones cualitativas
entre ellas.

Importancia
La importancia de esta unidad radica en que permite deducir la
forma de la distribución de una variable y por tanto su
comportamiento, de esta forma se podrá proyectar sus
resultados dependiendo del valor que tome la variable Chi-
cuadrado
Contenido general
 Prueba de Bondad de Ajuste
 Prueba de Independencia de Variables
 Prueba de homogeneidad de variable.
Prueba de Bondad y Ajuste

 Distribución Normal
 Distribución de Poisson
 Distribución Binomial
Aplicaciones Chi-Cuadrado
El análisis Chi-Cuadrado es utilizado para examinar si dos
variables en escala nominal están relacionadas entre si.
Usando la distribución Chi-Cuadrado, con los datos
obtenidos de una muestra y los cálculos hechos para hallar
las frecuencias esperadas de las muestras podremos
demostrar:

Si dos o más
Si una muestra Si dos VARIABLES muestras
proviene de un NOMINALES independientes
determinado tipo pueden ser pudieran tener las
de distribución independientes mismas
poblacional. entre si. proporciones
poblacionales.
Prueba de Bondad de Ajuste

Esta prueba de Hipótesis se hace con el fin de validar la forma de distribución que tiene una variable
aleatoria

Cómo se distribuyen las variables de una población

zona de
aceptación
DISTRIBUCION
α: CHI-CUADRADO
zona de
rechazo
Estadístico de Contraste utilizado para la Prueba de Bondad de Ajuste:

donde:
2
∑(𝐹𝑜−𝐹𝑒 Fo: es la Frecuencia Observada
X2c= Fe : es la Frecuencia Esperada
𝐹𝑒
X2c: valor del Chi-Cuadrado.

g.l. : grados de libertad

g. l. = k-1-m K: número de categorías
m: parámetro calculado de la variable Xi
m: vale cero sino se calcula ningún parámetro
Prueba de Bondad de Ajuste para una variable con
Distribución Normal
Ejemplo: Prueba de Bondad de Ajuste para
una variable con Distribución Normal

Para un examen de simulacro a la UTP, Calificaciones Postulantes

se obtuvieron los siguientes Menos de 800 36
resultados:
Entre 800 y 900 96
µ=945,04 puntos y ơ=142,61. Entre 900 y 1000 78
Entre 1000 y 1100 48
Con base a los datos de la muestra,
Entre 1100 y 1200 25
determinar si la muestra se extrajo de
una población en la cual las Entre 1200 y 1300 10
calificaciones tienen una distribución Entre 1300 y 1400 3
normal. 1400 a más 4
Utilizar un nivel de significancia de 1%.
TOTAL 300
Ejemplo: Prueba de Bondad de Ajuste para
una variable con Distribución Normal

Frecuencia Frecuencia Esperada AREA Frecuencia D.MAX.Kolmogorov

Observada Ι(pí-F(z)Ι
Esperada Valor absoluto
Menos de 36 Z=
𝑥 − μ 800−945,04
= 142,61 =-1,02 P(z=- (0,154)*300=46,2 0,12-0,154=-0,034
σ
800 36
(300 =0,12) 1,02)=0,154

Entre 800 y 96 Z=
𝑥 − μ 900−945,04
= 142,61 =-0,32 P(z=- (0,220)*300=66 0,32-0,22=0,10
σ
900 96
(300 =0,32) 0,32)=0,374

Entre 900 y 78 (0,26) Z=

𝑥 − μ 1000−945,04
= 142,61 =0,39 P(z=0,39)=0,652 (0,278)*300=83,4 0,26-0,278=0,018
σ
1000
Entre 1000 48 (0,16) Z=
𝑥 − μ 1100−945,04
= 142,61 =1,09 P(z=1,09)=0,862 (0,210)*300=63 0,16-0,21=0,05
σ
y 1100
Entre 1100 25 (0,083) Z=
𝑥 − μ 1200−945,04
= 142,61 =1,79 P(z=1,79)=0,963 (0,101)*300=30,3 0,083-0,101=0,018
σ
y 1200
≥ 1200 17 (0,057) Z=
𝑥 − μ 1400−945,04
= 142,61 =3,19 1-0,963=0,037 (0,037)*300=11,1 0,057-0,037=0,02
σ

TOTAL 300 300 α=0,01y n=300

K=1,628/√300
K=0,094
Ejemplo: Prueba de Bondad de Ajuste para
Suponiendo que la hipótesis nula es verdadera, construiremos
la tabla de frecuencia esperada. (Fe)
una variable con Distribución Normal

DISTRIBUCION DE Menos De 800 a De 900 a De 1000 De 1100 Más de

FRECUENCIAS de 800 900 1000 a 1100 a 1200 1200
OBSERVADA (Fo) 36 96 78 48 25 17
ESPERADA (Fe) 46,2 66 83,4 63 30,3 11,1
DIFERENCIA (Fo – Fe) -10,2 30 -5,4 -15 -5,3 5,9
(Fo – Fe)2 104,4 900 29,16 225 28,09 34,81
(Fo – Fe)2 / Fe 2,26 13,64 0,35 3,57 0,93 3,14 23,87
Ejemplo: Prueba de Bondad de Ajuste para
una variable con Distribución Normal
Ejemplo: Prueba de Bondad de Ajuste para
una variable con Distribución Normal
Prueba de Bondad de Ajuste para una variable que tiene
Distribución de Poisson
Ejemplo: Prueba de Bondad de Ajuste para una variable que

Los automóviles que salen del departamento de pintura de una planta de ensamblaje son
sometidos a un examen detallado de todas las superficies exteriores pintadas.
Para los 380 automóviles producidos más recientemente, el número de manchas por carro se
resume de la siguiente manera:

No de manchas 0 1 2 3 4
No de automóviles 242 94 38 4 2
tiene Distribución de Poisson.

Verificar si estos datos se extrajeron de una población que tiene una distribución de Poisson.
Trabajar con un nivel de significancia de 5%.
Ejemplo: Prueba de Bondad de Ajuste para una variable que

X= número de P(x) . n Número esperado de

manchas De tabla de Poisson automóviles con x
manchas
0 0,6065 x 380 230,470
1 0,3033 x 380 115,254
2 0,0758 x 380 28,804
tiene Distribución de Poisson.

3 0,0126 x 380 4,788

4 0,0016 x 380 0,608
5 o más 0,0002 x 380 0,076

1,0000 380,000
Ejemplo: Prueba de Bondad de Ajuste para una variable que

DISTRIBUCION DE 0 1 2 ≥3
FRECUENCIAS
OBSERVADA 242 94 38 6 380
ESPERADA 230,47 115,254 28,804 5,472 380
DIFERENCIA 11,53 -21,254 9,196 0,528 0
tiene Distribución de Poisson.

Aplicando la fórmula del Chi-Cuadrado, para hallar el

valor crítico: 2 2
𝑓𝑜 −𝑓𝑒 𝑓
Χ2 = Σ 𝑓 = Σ 𝑜
−𝑛
𝑒 𝑓𝑒

Donde: fo : frecuencia observada

fe : frecuencia esperada
n: Total de datos
Ejemplo: Prueba de Bondad de Ajuste para una variable que
tiene Distribución de Poisson
Ejemplo: Prueba de Bondad de Ajuste para una variable que
tiene Distribución de Poisson
Prueba de Bondad de Ajuste para una variable que tiene
Distribución Binomial
 Durante 100 días un auditor, selecciona y revisa 5 declaraciones a la renta cada día. El
Ejemplo: Prueba de Bondad de Ajuste para una

número de declaraciones equivocadas que encuentra por día se tabulan en el siguiente

cuadro:
variable que tiene Distribución Binomial

DECLARACIONES ERRADAS 0 1 2 3 4 5
NUMERO DE DIAS 12 25 30 20 10 3

Con un nivel de significancia de 0,05, podemos concluir que esta distribución de frecuencias
observadas concuerda con la de una distribución Binomial.
Ejemplo: Prueba de Bondad de Ajuste para una

p: 0.4 q:0.6 n:5 k:0,1,2,3,4,5

variable que tiene Distribución Binomial

DECLARACIO
NES ERRADAS Fobs. X= F(X) F(x) . N

X=0 12 P(X=0) 0,078 7,8

X=1 25 P(X=1) 0,259 25,9
X=2 30 P(X=2) 0,346 34,6
X=3 20 P(X=3) 0,230 23
X=4 10 P(X=4) 0,077 7,7
X=5 3 P(X=5) 0,010 1
TOTAL 100 100
Ejemplo: Prueba de Bondad de Ajuste para
una variable que tiene Distribución Binomial
Ejemplo: Prueba de Bondad de Ajuste para
una variable que tiene Distribución Binomial
Prueba de independencia de variables
Prueba de Independencia de
Variables
Esta prueba lo que busca es validar si dos variables de
tipo cualitativa están relacionadas
Estadístico de Contraste utilizado para la
Prueba de Independencia de Variables:

2
∑(𝐹𝑜−𝐹𝑒
X2c= g. l. = (r-1)(c-1)
𝐹𝑒

donde:

Fo: es la Frecuencia Observada g. l. : grados de libertad

Fe : es la Frecuencia Esperada r: número de filas
X2c: valor del Chi-Cuadrado. c: número de columnas
Ejemplo:
Prueba de Independencia de Variables
 Una inspectora de tránsito, observo el comportamiento de los conductores de 500 vehículos
frente a la luz roja, para esto los evaluó según el criterio de tipo de vehículo y detención frente
Ejemplo: Prueba de Independencia de

a la luz roja, obteniendo el siguiente cuadro:

Comportamiento frente a la señal (Fo)

Se Se detiene sobre No se Total
detiene la señal detiene
Tipo de 4x4 183 107 60 350
Vehículo V. Particular 54 27 19 100
V.Público 14 20 16 50
251 154 95 500

Si la inspectora trabajó con un nivel de significancia de α=0,05, puede haber alguna relación
entre el comportamiento del conductor respecto al tipo de vehículo que conduce?
Variables
Ejemplo: Prueba de Independencia de

Comportamiento frente a la señal (Fo-Fe)

Se detiene Se detiene sobre la señal No se detiene Total

Tipo de Vehículo 4x4 183-175,7 107-107,8 60-66,5 350

V. Particular 54-50,2 27-30,8 19-19 100

V.Público 14-25,1 20-15,4 16-9,5 50

500

Comportamiento frente a la señal (Fo-Fe)2 /Fe

Se detiene Se detiene sobre la señal No se detiene Total

Tipo de Vehículo 4x4 0,30 0,006 0,64 0,946

V. Particular 0,29 0,47 0 0,76

Variables

V.Público 4,91 1,37 4,45 10,73

5,5 1,846 5,09 12,436

Ejemplo: Prueba de Independencia de
Variables
Ejemplo: Prueba de Independencia de
Variables
Prueba de homogeneidad de
variables
Prueba de Homogeneidad
Lo que buscamos con esta prueba es observar si dos variables o
más tienen el mismo comportamiento, a través de la
comparación de sus proporciones
Estadístico de Contraste utilizado para la
Prueba de Independencia de Variables:

2
∑(𝐹𝑜−𝐹𝑒 g. l. = (r-1)(c-1)
X2c=
𝐹𝑒

donde:

Fo: es la Frecuencia Observada g. l. : Bnúmero de

Fe : es la Frecuencia Esperada columnas
X2c: valor del Chi-Cuadrado.
Ejemplo:
Prueba de Homogeneidad de Variables
 Se esta probando la efectividad de tres fármacos para el control de la insulina en la sangre
F1, F2,F3. Cada fármaco se suministro a 60 pacientes con diabetes y los resultados fueron
los siguientes:
Ejemplo: Prueba de Homogeneidad de Variables

Farmaco para la Diabetes

Efectividad F1 F2 F3 TOTAL
Sin alivio 10 20 15 45
Cierto alivio 40 30 20 90
Alivio Total 10 10 25 45
TOTAL 60 60 60 180

¿Podemos concluir a un nivel de significancia de 0,01 que los tres fármacos son igualmente
efectivos para el tratamiento de la diabetes?
 FARMACOS
Efectividad F1 F2 F3 TOTAL
Sintomas Sin alivio 60𝑥45 60𝑥45 60𝑥45 45
Ejemplo: Prueba de Homogeneidad de Variables

180 180 180

Cierto alivio 60𝑥90 60𝑥90 60𝑥90 90
180 180 180
Alivio Total 60𝑥45 60𝑥45 60𝑥45 45
180 180 180
TOTAL 60 60 60 180
 Farmaco para la Diabetes
Ejemplo: Prueba de Homogeneidad de Variables

Efectividad Fo Fe Fo Fe Fo Fe TOTAL

Sin 10 15 20 15 15 15 45
alivio (16,7%) 25% (33,3%) 25% (25%) 25%
Cierto 40 30 30 30 20 30 90
alivio (66,7%) 50% (50%) 50% (33,3%) 50%

Alivio 10 15 10 15 25 15 45
Total (16,7%) 25% (16,7%) 25% (41,7%) 25%
TOTAL 60 60 60 60 60 60 180
Ejemplo: Prueba de Homogeneidad de Variables
Ejemplo: Prueba de Homogeneidad de Variables
 Conclusiones
• Concluimos que toda prueba de hipótesis contiene dos
hipótesis, una Hipótesis Nula que se asume como verdadera y
una hipótesis Alternativa que es lo que se quiere demostrar y
Centrar Texto que viene ha ser contraria a la hipótesis Nula.

Video
al sacar el
•

Tenemos tres tipos de Prueba de Hipótesis:
Prueba de hipótesis Cola Derecha
 Prueba de hipótesis Cola Izquierda
Imagen
cuadro negro
 Prueba de hipótesis A dos colas

docente
 Conclusiones

• La hipótesis nula esta representada por la zona de aceptación,

y la hipótesis alternativa por la zona de rechazo y ambas son

Centrar Texto complementarias.

Video
al sacar el
• Esta prueba permite validar el parámetro de una población,
aceptándolo o rechazándolo.

Imagen
cuadro negro
• Entre las Pruebas de Hipótesis de Parámetros tenemos:
 Prueba de Hipótesis de la Media y Diferencia de Medias
 Prueba de Hipótesis de la Proporción y de la Diferencia de

docente Proporciones
 Prueba de Hipótesis de la Varianza y del Cociente de Varianzas
 Gracias
Docente: Manuel Sotero Murga