Ejercicios Resuletos Del Primer Parcial Estadistica Aplicada

Universidad José Cecilio del Valle
Área Fı́sico-Matemática
Estadı́stica Aplicada MAT2014/MAT3107
Guı́a de Ejercicios Resueltos del Primer Parcial
Óscar E. Sosa
Cuidad de Tegucigalpa, Francisco Morazán, Honduras UJCV

Universidad José Cecilio del Valle Ejemplos
Área Fı́sico-Matemática Primer parcial
Índice
1. Estimación de intervalo de confianza para la media poblacional 2
1.1. Muestras grandes n ≥ 30 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Muestras pequeñas n < 30, distribución t . . . . . . . . . . . . . . . . . . . . . . . . 3
2. Intervalo de confianza para la proporción poblacional 4
3. Determinación del tamaño de la muestra 5

3.1. Tamaño de la muestra para estimar µ . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.2. Tamaño de la muestra para estimar π . . . . . . . . . . . . . . . . . . . . . . . . . . 6
4. Prueba de hipótesis 7
4.1. Prueba de dos colas para µ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
4.2. Pruebas de una cola para µ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4.3. Prueba para µ, muestras pequeñas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
4.4. Pruebas para la proporción π . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
5. Pruebas para cuando se tienen dos poblaciones 14

5.1. Estimación por intervalo en el caso de muestras independientes, muestras grandes . . 14
5.2. Intervalos de confianza para la diferencia entre dos proporciones . . . . . . . . . . . 15
6. Selección del tamaño de apropiado de la muestra 16

6.1. Tamaño de la muestra para estimar µ1 − µ2 . . . . . . . . . . . . . . . . . . . . . . . 16
6.2. Tamaño de la muestra para estimar π1 − π2 . . . . . . . . . . . . . . . . . . . . . . . 16
7. Prueba de hipótesis para dos medias con muestras independientes 17
8. Comparación de la varianza de dos poblaciones normales 19
9. Tabla de distribución t-Student 25
Estadı́stica Aplicada Sección B 1

1. Estimación de intervalo de confianza para la media poblacional
1.1. Muestras grandes n ≥ 30
Ejemplo 1. Un fabricante de papel para computadora tiene un proceso que opera continuamente
a lo largo del turno completo. Se espera que el papel tenga una medida de longitud de 11 pulgadas
y una desviación estándar de 0.02 pulgadas. A intervalos periódicos, se selecciona una muestra para
determinar si la medida de longitud del papel es de 11 pulgadas o para ver si algo ha salido mal
durante el proceso que haya cambiado la longitud del papel que se fabrica. Usted selecciona una
muestra aleatoria de 100 hojas; la medida de longitud del papel es de 10.998 pulgadas. Construya
un intervalo de confianza del 95 % para la media poblacional de la longitud del papel.
Solución. Para darle solución comenzamos calculando el error estándar, es decir,

σ 0.02
σX = √ = √ = 0.002
n 100
Para un nivel de confianza del 95 % tenemos que Z = 1.96, construimos el intervalo de confianza.
IC = X ± ZσX = 10.998 ± (1.96)(0.002)

IC = [10.998 − 0.00392, 10.998 + 0.00392]
IC = [10.99408, 11.00192]
Ası́, con un 95 % dde confianza, se puede concluir que la media poblacional está entre 10.99408 y
11.00192 pulgadas.
como el intervalo incluye al 11, valor que indica que el proceso de producción funciona adecuada-
mente, no hay razón parra creer que algo está mal con el proceso de fabricación.
Ejemplo 2. Construya una estimación de intervalo del 99 % de confianza para estimar la media
poblacional de la longitud del papel del ejercicio anterior.
Solución. En esta parte del ejercicio, solamente cambia el nivel de confianza del 95 % al 99 %; para
este nivel de confianza del 99 % tenemos que Z = 2.58.
Construimos el intervalo de confianza
IC = X ± ZσX = 10.998 ± (2.58)(0.002)

IC = [10.998 − 0.00516, 10.998 + 0.00516]
IC = [10.99284, 11.00316]
Una vez más, puesto que el 11 está incluido dentro de la amplitud del intervalo, no hay razón para
creer algo está mal con el proceso de producción.

1.2. Muestras pequeñas n < 30, distribución t
Ejemplo 3. Una empresa de construcción fue culpada de inflar los comprobantes que registra para
los contratos de construcción con el gobierno federal. El contrato estableció que un cierto tipo de
trabajo deberı́a promediar $1,150. Por motivos de tiempo, los directivos de sólo 12 agencias del
gobierno fueron llamados a dar testimonio ante la corte respecto a los comprobantes de la empresa.
Si se descubrió a partir del testimonio una media de $1,275 y uns desviación estándar de $235, ¿un
intervalo de confianza del 95 % apoyarı́a el caso legal de la empresa? Se asume que los montos de
los comprobantes siguen una distribución normal.
Solución. Determinemos los grados de libertad, recordemos que los grados de libertad gl son el
número de observaciones que podemos elegir libremente menos el número de restricciones impuestas
a estas observaciones.
gl = n − 1 = 12 − 1 = 11
Calculamos el error estándar
s 235
sX = √ = √ = 67.8386
n 12
Un nivel de confianza del 95 % y con gl = 11 tenemos que t = 2.201, construimos el intervalo de
confianza.
IC = X ± tsX = 1, 275 ± (2.201)(67.8386)
IC = [1, 275 − 149.3128, 1, 275 + 149.3128] = [1, 125.6872; 1, 424.3128]
La corte puede tener un 95 % de confianza en que el promedio de los comprobantes está entre $1,125
y $1,424. Este intervalo contiene los $1,150 acordados, fortaleciendo la defensa de la empresa.
Ejemplo 4. El contrato laboral realizado entre United Auto Workers (UAW) y Ford Motor Com-
pany (FMC) requirió que la producción promedio para una sección producción se realizara a 112
unidades por mes, por empleado. Surgieron desacuerdos entre UAW y FMC respecto a si se man-
tenı́a este estándar o no. El contrato laboral especificó que si los niveles de producción promedio
se reducı́an por debajo de la cantidad especificada µ = 112, FMC se le permitirı́a tomar “acciones
correctivas”.
Debido al costo implicado, solo se evaluaron 20 trabajadores, resultando una media de 102 uni-
dades. Se asume que se encontró una desviación estándar de 8.5 unidades y que los niveles de
producción están distribuidos normalmente. ¿Un intervalo de confianza del 90 % tiende a sugerir
una contravención del contrato laboral, permitiendo ası́ una acción correctiva?
Solución. Determinemos los grados de libertad gl.
gl = n − 1 = 20 − 1 = 19
Calculamos el error estándar
s 8.5
sX = √ = √ = 1.9006
n 20
Un nivel de confianza del 90 % y con gl = 19 tenemos que t = 1.729, construimos el intervalo de
confianza.
IC = X ± tsX = 102 ± (1.729)(1.9006)
IC = [102 − 3.2861, 102 + 3.2891] = [98.7109, 105.2891]

El nivel de producción promedio de 112 unidades, especificado en el contrato laboral, no está dentro
del intervalo de confianza. Hay un nivel de confianza del 90 % en que el contrato está siendo violado.
FMC está en su derecho para interponer un recurso por retraso en la productividad.
2. Intervalo de confianza para la proporción poblacional

Ejemplo 5. El editor de un periódico desea estimar la proporción de periódicos impresos con
algún defecto, tal como borraduras en exceso, disposición errónea de las hojas, páginas faltantes o
duplicadas. Se selecciona una muestra aleatoria de 200 periódicos, 35 de ellos contienen algún tipo
de defecto. Realice e interprete un intervalo de confianza del 90 % para la proporción de periódicos
impresos durante el dı́a que tienen defectos.
Solución. Determinemos la proporción de la muestra
m 35
p= = = 0.175
n 200
Calculemos el error estándar
r r
p(1 − p) (0.175)(1 − 0.175)
sp = = = 0.0268
n 200
Para el nivel de confianza del 90 % el valor de Z = 1.65, construimos el intervalo de confianza.
IC = p ± Zsp = 0.175 ± (1.65)(0.0268)
IC = [0.175 − 0.0443, 0.175 + 0.0443]
IC = [0.1306, 0.2193]
Con un nivel de confianza del 90 % entre el 13 % y 22 % de los periódicos tienen defectos.
Ejemplo 6. Las empresas de búsqueda de ejecutivos se especializan en ayudar a las empresas a
ubicar y asegurar talento para la alta gerencia. Tales firmas denominadas “cazadores de cabezas”
responsables de la ubicación de muchos de los mejores directores ejecutivos de la nación. Bussiness
Wekk reportó que “uno de cada cuatro directores ejecutivos es una persona de fuera -un ejecutivo
con menos de 5 años en la compañı́a que meneja-”. Si en una muestra de 350 compañı́as de la nación,
77 tienen directores ejecutivos de fuera, ¿un intervalo del 99 % de confianza apoyarı́a la afirmación?
Solución. Determinemos la proporción de la muestra
m 77
p= = = 0.22
n 350
r r
p(1 − p) (0.22)(1 − 0.22)
sp = = = 0.0221
n 350
Para el nivel de confianza del 99 % el valor de Z = 2.58, construimos el intervalo de confianza.
IC = p ± Zsp = 0.22 ± (2.58)(0.0221)
IC = [0.22 − 0.0571, 0.175 + 0.0571]
IC = [0.1628, 0.2771]
Se confı́a en que al nivel de confianza del 99 % entre el 16 % y el 28 % de las empresas tienen
directores ejecutivos de fuera. La afirmación está apoyada por tales descubrimientos, dado que el
25 % está dentro del intervalo de confianza.

3. Determinación del tamaño de la muestra
3.1. Tamaño de la muestra para estimar µ
Ejemplo 7. Se desea estimar la media poblacional de la fuerza requerida para romper el aislante
de un cable para que caiga dentro de ±25 libras con un 95 % de confianza. Con base en un estudio
realizado el año anterior, la desviación estándar es de 100 libras. Encuentre el tamaño requerido de
la muestra de aislantes.
Solución. Para un nivel de confianza del 95 % el valor de Z = 1.96, determinemos el tamaño de la

muestra
2
Z 2 s2 (1.96)(100) 2

Zs
n= = = = 61.4656
E2 E 25
Por lo tanto, el tamaño de la muestra que se debe seleccionar es de 62 aislantes.
Ejemplo 8. El propietario de un centro de esquı́ en el sur de Winsconsin está considerando comprar

una máquina para hacer nieve y ayudarle a la Madre Naturaleza a proporcionar una base apropiada
para los entusiastas esquiadores. Si el promedio de nevadas parece insufiente, piensa que la máquina
deberı́a pagarse muy pronto por sı́ misma. Planea estimar las pulgadas promedio de nieve que cae
en el área y una desviación estándar de 3.5 pulgadas, pero no tiene idea de que tan grande deberı́a
ser la muestra. Solo se sabe que desea un 99 % de confianza en sus hallazgos y que el error no debe
exceder de 1 pulgada. El propietario le promete entradas gratis por cinco temporadas, ¿podrı́a hacer
la estimación?
Solución. Para un nivel de confianza del 99 % el valor de Z = 2.58, determinemos el tamaño de la

muestra
2
Z 2 s2 (2.58)(3.5) 2

Zs
n= = = = 81.5409
E2 E 1
Puede recolectar los datos sobre las últimas 82 nevadas que se utilizarán para estimar las nevadas
promedio. Con esta información, el propietario puede determinar lo que necesita y lo más impor-
tante, usted tendrá entrada gratis las próximas 5 temporadas.

3.2. Tamaño de la muestra para estimar π
Ejemplo 9. El consejo de la ciudad está planeando una ley que prohı́be fumar en edificios públicos
incluyendo restaurantes, bares, teatros y cines. Solo estará exenta la vivienda privada. Sin embargo,
antes que dicha ley se lleve ante el consejo, este organismo desea estimar la proporción de residentes
quienes apoyan dicho plan. La carencia de toda habilidad estadı́stica obliga al consejo a contratarlo
como consultor. Su primer paso será determinar el tamaño muestral necesario. Se le dice que el
error no debe exceder del 2 % y usted debe estar 95 % seguro de sus resultados.
Solución. Para un nivel de confianza del 95 %, el valor de Z = 1.96.

Debido a que no se realizó una encuesta piloto previa, se debe tomar temporalmente p = 0.5,
determinemos el tamaño de la muestra
Z 2 p(1 − p) (1.96)2 (0.5)(1 − 0.5)
n= = = 2, 401
E2 (0.02)2
Se requieren 2,401 personas para proceder con la estimación de la proporción de todos los residentes
quienes están a favor de la ley.
Ejemplo 10. La empresa remodelaciones “Saxon”, en sus procesos de auditorı́a requieren una
estimación de confianza del 95 % de la proporción poblacional de las facturas de ventas con errores
dentro de ±0.07. Los resultados del mes anterior indican que la proporción más grande ha sido de
no más de 0.15. Determine el tamaño de la muestra para realizar la auditorı́a.
Solución. Para un nivel de confianza del 95 %, el valor de Z = 1.96, determinemos el tamaño de

la muestra
Z 2 p(1 − p) (1.96)2 (0.15)(1 − 0.15)
n= = = 99.96
(E)2 (0.07)2
Se requiere elegir una muestra aleatoria de 100 facturas para realizar la auditorı́a para estimar la
proporción poblacional a un nivel de confianza del 95 %.

4. Prueba de hipótesis
4.1. Prueba de dos colas para µ
Ejemplo 11. La gerencia de “First Bank of America” está planeando basar los cargos para las
cuentas corrientes en el saldo diario promedio. El gerente de cuentas preferencias desea probar la
hipótesis de que las cuentas tienen un promedio de $312. Se selecciona una muestra de 200 cuentas,
dando una media de $298.10 con s = $97.30. Para minimizar la probabilidad de un error tipo I, se
selecciona un valor α de 1 %. Realice una prueba de hipótesis para la media de la población.
Solución. Realicemos los pasos de la prueba de hipótesis
1. Planteamiento de la hipótesis nula y la alternativa
Ho : µ = 312
Ha : µ 6= 312
2. Nivel de significancia
α = 0.01 −→ Zc = 2.58
3. Estadı́stico de prueba
s 97.30
sX = √ = √ = 6.8801
n 200
Calculamos el estadı́stico de prueba
X −µ 298.10 − 312
Zp = = = −2.0203
sX 6.8801
4. Regla de decisión
No rechazar Ho si −2.58 ≤ Zp ≤ 2.58
Rechazar Ho si Zp < −2.58 o Zp > 2.58
Figura 1: Nivel de significancia del 1 %
El estadı́stico de prueba Zp = −2.0203 se encuentra entre los valores de −2.58 y 2.58, por lo
que no se rechaza la hipótesis nula.
5. Conclusión
La diferencia entre el valor de la media poblacional bajo la hipótesis nula de $312 y el valor
de la media muestral de $298.10 es estadı́sticamente insignificante.

Ejemplo 12. Un gerente de comida rápida desea determinar si el tiempo de espera al pedir una
orden se ha modificado durante el último mes con respecto a su valor de media poblacional previo de
4.5 minutos. A partir de la experiencia anterior, supone que la desviación estándar de la población
es 1.2 minutos. Se selecciona una muestra de 30 ordenes durante un periodo de una hora. La media
muestral es de 5.1 minutos. Realice una prueba de hipótesis, con un nivel de significancia de 0.05,
para determinar si existe evidencia de que el tiempo se ha modificado durante el último mes.
Ho : µ = 4.5
Ha : µ 6= 4.5
α = 0.05 −→ Zc = 1.96
s 1.2
sX = √ = √ = 0.2191
n 30
X −µ 5.1 − 4.5
Zp = = = 2.7386
sX 0.2191
El estadı́stico de prueba Zp = 2.7386 no se encuentra entre los valores de −1.96 y 1.96, por lo
que se rechaza la hipótesis nula.
5. Conclusión
Existe evidencia de que el tiempo de espera al pedir una orden se ha modificado con respecto
a su valor previo de 4.5 minutos; el tiempo de espera medio de los clientes ahora es mayor que
el mes pasado.

4.2. Pruebas de una cola para µ
Ejemplo 13. En una reunión informativa para una oficina corporativa, el gerente del hotel “Em-
bassy Suites” en Atlanta, reportó que el número promedio de habitaciones alquiladas es de por los
menos 212. Es decir, µ ≤ 212. Uno de los funcionarios corporativos considera que esta cifra puede
estar algo sobrestimada. Una muestra de 150 noches produces una media de 201.3 habitaciones y
una desviación estándar de 45.5 habitaciones. Si estos resultados sugieren que el gerente ha inflado
su reporte, será amonestado severamente. A un nivel de significancia de 1 %
Ho : µ ≥ 212
Ha : µ < 212
α = 0.01 −→ Zc = 2.58
s 45.5
sX = √ = √ = 3.7151
n 150
X −µ 201.3 − 212
Zp = = = −2.8802
sX 3.7151
No rechazar Ho si Zp ≥ −2.58
Rechazar Ho si Zp < −2.58
El estadı́stico de prueba Zp = −2.8802 es menor que −2.58, por lo que se rechaza la hipótesis
nula.
5. Conclusión
Parece que el gerente se ha excedido al estimar su tasa de ocupación y aparentemente recibirá
una advertencia de la oficina principal.

Ejemplo 14. Una empresa fabricante de chocolate en tablillas está especialmente preocupada
porque el peso medio de su barra de chocolate no supere las 6.03 onzas. A partir de una experiencia
anterior, se tiene una desviación estándar es de 0.02 onzas. Selecciona una muestra aleatoria de 50
barras y la media de la muestra es de 6.034 onzas. Utilizando un nivel de significancia de 10 %,
¿existe evidencia de que el peso promedio de la población de barras de chocolate supera el valor
promedio de 6.03 onzas?
Ho : µ ≤ 6.03
Ha : µ > 6.03
Determinemos los grados de libertad
α = 0.05 −→ tc = 2.064
s 0.02
sX = √ = √ = 0.0028
n 50
X −µ 6.034 − 6.03
Zp = = = 1.4142
sX 0.0028
No rechazar Ho si Zp ≤ 1.65
Rechazar Ho si Zp > 1.65
El estadı́stico de prueba Zp = 1.4142 en menor que el valor de 1.65, por lo que no se rechaza
la hipótesis nula.
5. Conclusión
No existe evidencia suficiente para concluir que el peso medio poblacional está por encima de
6.03 onzas.

4.3. Prueba para µ, muestras pequeñas
Los estudiantes en una clase de estadı́stica en “State University” cuestionan la afirmación de que
“McDonald’s coloca 0.25 libras de carne en sus hamburguesas de cuarto de libra. Algunos estudiantes
argumentan que en realidad se utiliza más, mientras que otros es menos. Para probar la afirmación
publicitaria que el peso promedio es de 0.25 libreas, cada estudiante compra una hamburguesa de
cuarto de libra y la lleva a clase, en donde la pesan en una balanza suministrada por el instructor.
Los resultados de la muestra son X = 0.22 libras y s = 0.09. Si hay 25 estudiantes en clase, ¿a qué
conclusiones llegarı́an a un nivel de significancia del 5 %?
Ho : µ = 0.25
Ha : µ 6= 0.25
Determinemos los grados de libertad
gl = n − 1 = 25 − 1 = 24
Ubicamos el estadı́stico crı́tico en la tabla de distribución de probabilidad t al nivel de signi-

ficancia utilizando los grados de libertad
α = 0.05 y gl = 24 −→ tc = 2.064
s 0.09
sX = √ = √ = 0.018
n 25
X −µ 0.22 − 0.25
tp = = = −1.6667
sX 0.018
No rechazar Ho si 2.064 ≤ tp ≤ 2.064

Rechazar Ho si tp < −2.064 o tp > 2.064

Figura 5: Nivel de significancia del 5 % y 24 grados de libertad
El estadı́stico de prueba tp = −1.6667 está entre los valores de −2.064 y 2.064, no se rechaza
la hipótesis nula.
5. Conclusión
La evidencia de prueba confirma que la afirmación de McDonald’s de que las hamburguesas
de cuarto de libra contienen efectivamente 0.25 libras de carne.
4.4. Pruebas para la proporción π

Ejemplo 15. Un director de operaciones de mercadeo para una gran cadena minorista, considera
que el 60 % de los clientes de la firma se han graduado de la universidad.
Se intenta establecer una polı́tica respecto a la estructura de precios sobre esta proporción, una
muestra de 800 clientes revela que 492 clientes tienen grados universitarios. A un nivel de signifi-
cancia del 5 %, al realizar una prueba de hipótesis, ¿qué puede concluir sobre la proporción de todos
los clientes que han graduado de la universidad?
Ho : π = 0.6
Ha : π 6= 0.6
α = 0.05 −→ Zc = 1.96
Determinemos la proporción muestral
m 492
p= = = 0.615
n 800
r r
p(1 − p) (0.615)(1 − 0.615)
sp = = = 0.0172
n 800
p−π 0.615 − 0.6
Zp = = = 0.866
sp 0.0172


El estadı́stico de prueba Zp = 0.866 se encuentra entre los valores de −1.96 y 1.96, por lo que
no se rechaza la hipótesis nula.
5. Conclusión
La evidencia de la muestra confirma la hipótesis, ahora es posible desarrollar su polı́tica de
precios con base en esta conclusión.

5. Pruebas para cuando se tienen dos poblaciones
5.1. Estimación por intervalo en el caso de muestras independientes, muestras
grandes
Ejemplo 16. “Transfer Trucking” transporta remesas entre Chicago y Kansas City por dos rutas.
Una muestra de 100 camiones enviados por la ruta norte reveló un tiempo promedio de tránsito de
X n = 17.2 horas con una desviación estándar de Sn = 5.3 horas, mientras que 75 camiones que
utilizan la ruta sur necesitaron un promedio de X s = 19.4 horas con una dessviación estándar de
Ss = 4.5 horas. Un despachador de Transfer Trucking, desea desarrollar un intervalo de confianza
del 95 % para la diferencia en el tiempo promedio entre estas dos rutas alternas.
s r
Sn2 Ss2 (5.3)2 (4.5)2
SXn −Xs = + = + = 0.7422
nn ns 100 75
IC = (X n − X s ) ± ZSXn −Xs = (17.2 − 19.4) ± (1.96)(0.7422)

IC = [−2.2 − 1.4547, −2.2 + 1.4547]
IC = [−3.6547, −0.7453]
Ası́, con un 95 % de confianza, se puede concluir que existe diferencia significativa entre ambas rutas.
como el intervalo no incluye al 0, la ruta sur toma entre 0.75 horas y 3.7 horas más.
Ejemplo 17. Recientemente se instituyó dos programas de capacitación para los representantes
de mercadeo telefónico contratados hace unas semanas. Para probar la efectividad relativa de cada
programa, a 45 representantes entrenados en el primer programa se les hizo la prueba de compe-
tencia. El puntaje promedio fue X 1 = 76.00 con S1 = 13.50 puntos. Las 40 personas entrenadas
bajo el segundo programa de entrenamiento reportaron un puntaje promedio de X 2 = 77.97 y
S2 = 9.05. La gerencia desea saber si un programa de entrenamiento es más efectivo que el otro.
Se decide construir un intervalo de confianza del 99 % para hallar la diferencia entre los puntajes
de competencia promedio de los empleados entrenados que se encuentran en cada programa. ¿Cuál
programa de entrenamiento deberá utilizar la compañı́a exclusivamente?
s r
S12 S22 (13.50)2 (9.05)2
SX1 −X2 = + = + = 2.4693
n1 n2 45 40
IC = (X 1 − X 2 ) ± ZSX1 −X2 = (76.00 − 77.97) ± (2.58)(2.4693)

IC = [−1.97 − 6.3606, −1.97 + 6.3606]
IC = [−8.3306, 4.3906]
Dado que el 0 está contenido en el intervalo de confianza, se puede reportar con un 99 % de confianza
de que no hay diferencia significativa en los puntajes promedio.
Se puede concluir que cualquiera de los dos programas puede utilizarse para entrenar a los repre-
sentantes recientemente contratados.

5.2. Intervalos de confianza para la diferencia entre dos proporciones
Ejemplo 18. Una empresa realiza un estudio para determinar si el ausentismo de los trabajadores
en el turno del dı́a es diferente al de los trabajadores del turno de la noche. Se realiza una compara-
ción de 150 trabajadores de cada turno. Los resultados muestran que 37 trabajadores diurnos han
estado ausentes por lo menos cinco veces durante el año, mientras que 52 trabajadores nocturnos
han faltado por lo menos cinco veces. ¿Qué revelan estos datos sobre la tendencia al ausentismo entre
los trabajadores? Calcule un intervalo de confianza del 90 % para la diferencia entre las proporciones
de trabajadores de los dos turnos que faltaron cinco veces o más.
Solución. Determinemos la proporción de ambas muestras
m1 37 m2 52
p1 = = = 0.2466 y p2 = = = 0.3466
n1 150 n2 150
s r
p1 (1 − p1 ) p2 (1 − p2 ) (0.2466)(1 − 0.2466) (0.3466)(1 − 0.3466)
sp1 −p2 = + = + = 0.0524
n1 n2 150 150
Para un nivel de confianza del 90 %, el valor de Z = 1.65, construimos el intervalo de confianza
IC = (p1 − p2 ) ± Zsp1 −p2 = (0.2466 − 0.3466) ± (1.65)(0.0524)
IC = [−0.1 − 0.0864, −0.1 + 0.0864]
IC = [−0.1864, −0.0135]
Dado que el 0 no está en el intervalo de confianza, se concluye que existe evidencia de una diferencia
significativa entre el diferencia de las proporciones.
Ejemplo 19. Una empresa utiliza dos máquinas diferentes para cortar los disfraces spandex que
utilizan actores de acción. Se han presentado problemas en cuanto al ajuste apropiado, debido
al funcionamiento de las máquinas. El trabajo del director de control de calidad, es estimar la
diferencia de la proporción de defectos producidos por cada máquina. Se tomaron muestras de
tamaño n1 = 120 y n2 = 95; la primera máquina produjo 38 % de defectos y la segunda 43 % de
defectos. Si la evidencia sugiere que la diferencia en la proporción de defectos excede le nivel de
significancia del 5 %, todos los disfraces se producirán en la máquina que parezca tener una tasa de
defectos menor. ¿Qué decisión tomará el gerente?
Solución. Determinemos la proporción de ambas muestras
p1 = 0.38 y p2 = 0.43
s r
p1 (1 − p1 ) p2 (1 − p2 ) (0.38)(1 − 0.38) (0.43)(1 − 0.43)
sp1 −p2 = + = + = 0.0674
n1 n2 120 95
Para un nivel de confianza del 95 %, el valor de Z = 1.96, construimos el intervalo de confianza
IC = (p1 − p2 ) ± Zsp1 −p2 = (0.38 − 0.43) ± (1.96)(0.0674)
IC = [−0.05 − 0.1321, −0.05 + 0.1321]
IC = [−0.1821, 0.0821]
Debido a que el intervalo contiene al 0, no hay evidencia de que exista alguna diferencia en la
proporción de defectos producidos por cada una de las máquinas. Se pueden seguir utilizando ambas
máquinas.

6. Selección del tamaño de apropiado de la muestra
6.1. Tamaño de la muestra para estimar µ1 − µ2
Ejemplo 20. La comisión de planeación económica pidió, a un economista, que desarrollara un
intervalo de confianza del 99 % para la diferencia entre la duración promedio del servicio prestado
por empleados públicos y el de los trabajadores del sector privado. La comisión desea un ancho de
intervalo de tres años, es decir, un error de 1.5 años. Las muestras piloto produjeron varianzas de
15 y 21, respectivamente. ¿Qué tan grandes deberı́an tomarse las muestras de cada población?
Solución. Para un nivel de confianza del 99 % el valor de Z = 2.58, determinemos el tamaño de

las muestras
Z 2 (S12 + S22 ) (2.58)2 (15 + 21)
n= = = 106.5024
E2 (1.5)2
se deben seleccionar 107 empleados del sector público y 107 en empleados del sector privado para
hacer la comparación.
6.2. Tamaño de la muestra para estimar π1 − π2

Ejemplo 21. Un candidato a lı́der en la carrera de gobernación, desea desarrollar un intervalo de
confianza con un error de 1.5 % y un nivel de confianza del 99 % para hallar la diferencia entre las
proporción de hombre y de mujeres que están a favor de su candidatura. ¿Qué tan grandes deberı́an
ser las muestras? Una muestra piloto para hombre y mujeres reveló que pH = 0.40 y pM = 0.36.
Solución. Para un nivel de confianza del 99 % el valor de Z = 2.58

Z 2 [p1 (1 − p1 ) + p2 (1 − p2 )] (2.58)2 [(0.40)(1 − 0.4) + (0.36)(1 − 0.36)]
n= = = 13, 916.3136
E2 (0.015)2
En la muestra deberı́an elegirse 13,917 hombre y 13,917 mujeres para hacer la estimación.

7. Prueba de hipótesis para dos medias con muestras independien-
tes
Ejemplo 22. Un club de golf, desea ver si el tiempo promedio que requieren los hombres para
jugar los 18 hoyos es diferente al de las mujeres. Se mide el tiempo de cincuenta partidos dobles de
hombres y 45 de mujeres obteniendo
Hombre Mujeres
X 1 = 3.5 horas X 2 = 4.9 horas
S1 = 0.9 horas S2 = 1.5 horas
Cuadro 1
Realice una prueba de hipótesis para la diferencia de medias poblacionales con α = 5 %.
Ho : µ1 = µ2
Ha : µ1 6= µ2
α = 0.05 −→ Zc = 1.96
Determinemos la proporción muestral Calculemos el error estándar
s r
S12 S22 (0.9)2 (1.5)2
SX1 −X2 = + = + = 0.2572
n1 n2 50 45
X1 − X2 (3.5 − 4.9)
Zp = = = −5.4432
SX1 −X2 0.2572


El estadı́stico de prueba Zp = −5.4432 no se encuentra entre los valores de −1.96 y 1.96, por
lo que se rechaza la hipótesis nula.
5. Conclusión
La evidencia sugiere que a las mujeres les toma más tiempo completar los 18 hoyos.

8. Comparación de la varianza de dos poblaciones normales
Ejemplo 23. Un consultor gerencial desea probar una hipótesis respecto a dos medias poblaciona-
les. Sin embargo, antes de hacerlo debe decidir si hay alguna evidencia que sugiera que las varianzas
poblacionales son iguales. Al recolectar sus datos, el consultor encuentra que
Muestra 1 Muestra 2
Tamaño muestral 10 10
Desviación estándar 12.2 15.4
Varianza 148.84 237.16
Cuadro 2: Resumen de datos recolectados
Realice una prueba de hipótesis para saber si existe evidencia significativa entre las varianzas mues-
trales a un nivel de significancia del 10 %.
Ho : σ12 = σ22
Ha : σ12 6= σ22
Esta es una prueba de hipótesis de dos colas
α 0.1
= = 0.05
2 2
3. Estadı́stico de prueba y estadı́stico crı́tico

Para determinar el estadı́stico de prueba, debemos de tomar como S12 la varianza o la desvia-
ción estándar con mayor valor absoluto entre ambas muestras. Para este caso, determinaremos
el estadı́stico de prueba con las varianzas de la muestra
S12 237.16
Fp = 2 = = 1.593388874
S2 148.84
Ahora determinaremos el estadı́stico crı́tico, para ello utilizaremos los grados de libertad, tanto
de la muestra del numerador como la muestra del denominador
gl1 = n1 − 1 = 10 − 1 = 9
gl2 = n2 − 1 = 10 − 1 = 9
Hacemos uso de la tabla de distribución de probabilidad F a un nivel de significancia α = 0.05

para ubicar el estadı́stico crı́tico

Grados de libertad en el numerador
Grados de libertad
··· 7 8 9 ···
en el denominador
.. .. .. .. .. ..
. . . . . .
7 · · · 3.79 3.73 3.68 ···
8 · · · 3.50 3.44 3.39 ···
9 · · · 3.29 3.23 3.18 ···
.. .. .. .. .. ..
. . . . . .
Cuadro 3: Fragmento de la tabla de distribución F con α = 0.05
No rechazar Ho si Fp ≤ Fc
Rechazar Ho si Fp > Fc Observemos que Fp = 1.5933 < Fc = 3.18, la hipótesis nula no
se rechaza.
Figura 8: Nivel de significancia del α = 0.05 con gl1 = 9 y gl2 = 9
5. Conclusión
El consultor puede proceder con la prueba de hipótesis respecto a las medias poblacionales
bajo la suposición de que las varianzas son iguales.

Ejemplo 24. Una compañı́a de perforación prueba dos brocas de barrena calando a un máximo de
112 pies y registrando el número de horas que tomó el procedimiento. La primera broca se utilizó
en 13 casos, resultando un tiempo promedio de 27.3 horas y una desviación estándar de 8.7 horas.
Se excavaron 10 pozos con una segunda broca, produciendo un promedio de 31.7 horas con una
desviación estándar de 8.3 horas.
¿Hay alguna diferencia entre la variabilidad en las horas empleadas por cada broca? Realice una
prueba de hipótesis para la variabilidad en el tiempo de cada broca, con un nivel de significancia
α = 0.02.
Muestra 1 Muestra 2
Media muestral 27.3 31.7
Ho : σ12 = σ22
Ha : σ12 6= σ22
α 0.02
= = 0.01
2 2

el estadı́stico de prueba con las desviaciones estándar de la muestra
S12 (8.7)2
Fp = = = 1.098708085
S22 (8.3)2
gl1 = n1 − 1 = 13 − 1 = 12
gl2 = n2 − 1 = 10 − 1 = 9


Grados de libertad
··· 9 10 12 ···
en el denominador
.. .. .. .. .. ..
. . . . . .
8 · · · 5.91 5.81 5.67 ···
9 · · · 5.35 5.26 5.11 ···
10 · · · 4.94 4.85 4.71 ···
.. .. .. .. .. ..
. . . . . .
se rechaza.
5. Conclusión
El consultor puede proceder con la prueba de hipótesis respecto a las medias poblacionales
bajo la suposición de que las varianzas son iguales.

Ejemplo 25. Hace varias navidades una parte de los duendes de Santa Claus se sindicalizaron.
Desde entonces Santa Claus se ha preguntado si habı́a diferencia en la productividad promedio
de los duendes sindicalizados y los no sindicalizados. Una muestra de 25 duendes sindicalizados
reportaron un promedio de 27.3 juguetes por semana por duende, con una desviación estándar
de 8.7 juguetes. Una muestra de 31 duendes no sindicalizados reveló una media de 29.7 juguetees
por semana por duende, con una desviación estándar de 10.7 juguetes. ¿Existe evidencia entre la
variación de la producción de juguetes por semana entre los duendes sindicalizados y los duendes
no sindicalizados? Realice una prueba de prueba hipótesis para la variabilidad en la producción de
juguetes por duende, con un nivel de significancia α = 0.02
Muestra 1 Muestra 2
Media muestral 27.3 29.7
Ho : σ12 = σ22
Ha : σ12 6= σ22
α 0.02
= = 0.01
2 2

el estadı́stico de prueba con las desviaciones estándar de la muestra
S12 (10.7)2
Fp = = = 1.512617
S22 (8.7)2
gl1 = n1 − 1 = 31 − 1 = 30
gl2 = n2 − 1 = 25 − 1 = 24


Grados de libertad
··· 20 24 30 ···
en el denominador
.. .. .. .. .. ..
. . . . . .
23 · · · 2.78 2.70 2.62 ···
24 · · · 2.74 2.66 2.58 ···
25 · · · 2.70 2.62 2.54 ···
.. .. .. .. .. ..
. . . . . .
se rechaza.
5. Conclusión
No existe evidencia que haya variabilidad entre la producción semanal de juguetes entre los
duendes sindicalizados y los no sindicalizados.

9. Tabla de distribución t-Student
Figura 11: Tabla de distribución de probabilidad t-Student

Figura 12: Tabla de distribución de probabilidad t-Student, continuación
Referencias
[1] Webster, Allen L. Estadı́stica aplicada a los negocios y la economı́a, tercera edición ISBN 958-
41-0072-6
[2] Lind, Douglas A./ Marchal, William G./ Wathen,Samuel A. Estadı́stica aplicada a los negocios
y la economı́a, decimoquinta edición ISBN 978-607-15-0742-6

Ejercicios Resuletos Del Primer Parcial Estadistica Aplicada

Cargado por

Información del documento

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

Ejercicios Resuletos Del Primer Parcial Estadistica Aplicada

Cargado por

Copyright:

Formatos disponibles

Universidad José Cecilio del Valle

Estadı́stica Aplicada MAT2014/MAT3107

Guı́a de Ejercicios Resueltos del Primer Parcial

Cuidad de Tegucigalpa, Francisco Morazán, Honduras UJCV

2. Intervalo de confianza para la proporción poblacional 4

3. Determinación del tamaño de la muestra 5

5. Pruebas para cuando se tienen dos poblaciones 14

6. Selección del tamaño de apropiado de la muestra 16

7. Prueba de hipótesis para dos medias con muestras independientes 17

8. Comparación de la varianza de dos poblaciones normales 19

9. Tabla de distribución t-Student 25

Estadı́stica Aplicada Sección B 1

Solución. Para darle solución comenzamos calculando el error estándar, es decir,

IC = X ± ZσX = 10.998 ± (1.96)(0.002)

IC = X ± ZσX = 10.998 ± (2.58)(0.002)

Estadı́stica Aplicada Sección B 2

Estadı́stica Aplicada Sección B 3

2. Intervalo de confianza para la proporción poblacional

Estadı́stica Aplicada Sección B 4

Solución. Para un nivel de confianza del 95 % el valor de Z = 1.96, determinemos el tamaño de la

Por lo tanto, el tamaño de la muestra que se debe seleccionar es de 62 aislantes.

Ejemplo 8. El propietario de un centro de esquı́ en el sur de Winsconsin está considerando comprar

Solución. Para un nivel de confianza del 99 % el valor de Z = 2.58, determinemos el tamaño de la

Estadı́stica Aplicada Sección B 5

Solución. Para un nivel de confianza del 95 %, el valor de Z = 1.96.

Solución. Para un nivel de confianza del 95 %, el valor de Z = 1.96, determinemos el tamaño de

Estadı́stica Aplicada Sección B 6

Figura 1: Nivel de significancia del 1 %

Estadı́stica Aplicada Sección B 7

Figura 2: Nivel de significancia del 5 %

Estadı́stica Aplicada Sección B 8

Figura 3: Nivel de significancia del 1 %

Estadı́stica Aplicada Sección B 9

Figura 4: Nivel de significancia del 10 %

Estadı́stica Aplicada Sección B 10

Solución. Realicemos los pasos de la prueba de hipótesis

1. Planteamiento de la hipótesis nula y la alternativa

Ubicamos el estadı́stico crı́tico en la tabla de distribución de probabilidad t al nivel de signi-

No rechazar Ho si 2.064 ≤ tp ≤ 2.064

Estadı́stica Aplicada Sección B 11

Figura 5: Nivel de significancia del 5 % y 24 grados de libertad

4.4. Pruebas para la proporción π

Estadı́stica Aplicada Sección B 12

No rechazar Ho si −1.96 ≤ Zp ≤ 1.96

Figura 6: Nivel de significancia del 5 %

Estadı́stica Aplicada Sección B 13

IC = (X n − X s ) ± ZSXn −Xs = (17.2 − 19.4) ± (1.96)(0.7422)

IC = (X 1 − X 2 ) ± ZSX1 −X2 = (76.00 − 77.97) ± (2.58)(2.4693)

Estadı́stica Aplicada Sección B 14

Estadı́stica Aplicada Sección B 15

Solución. Para un nivel de confianza del 99 % el valor de Z = 2.58, determinemos el tamaño de

6.2. Tamaño de la muestra para estimar π1 − π2

Solución. Para un nivel de confianza del 99 % el valor de Z = 2.58

Estadı́stica Aplicada Sección B 16

Realice una prueba de hipótesis para la diferencia de medias poblacionales con α = 5 %.

Solución. Realicemos los pasos de la prueba de hipótesis

1. Planteamiento de la hipótesis nula y la alternativa

Calculamos el estadı́stico de prueba

No rechazar Ho si −1.96 ≤ Zp ≤ 1.96

Estadı́stica Aplicada Sección B 17

Figura 7: Nivel de significancia del 5 %

Estadı́stica Aplicada Sección B 18

Cuadro 2: Resumen de datos recolectados