Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CAPITULO I
INTRODUCCION A LA PROBABILIDAD
UNIDAD Nº 1
Contenido
UNIDAD Nº 2
Contenido
1. Distribución Binomial.
2. Distribución Poisson.
3. Distribución Normal.
4. Distribución t de Student.
5. Distribución Chi -Cuadrado.
6. Distribución F de Fisher.
Ejemplos :
ESPACIO MUESTRAL: i
Ejemplos :
1 : encendido , apagado
2 : 0 meses. , 1 mes. , ... , etc.
3 : B1 , B2 , B3 , B4 donde Bi :representa al i-ésimo contratista.
4 : R1 , R2 ,..., Rn donde Ri : representa alguna Región del Perú.
SUCESO O EVENTO : Ai
Cara
Fácil de Operar
Barata
Cara
Inicio Dificultad Mediana
Barata
Cara
Difícil de Operar
Barata
EJERCICIO EN CLASE
1. Un contador debe realizar una auditoria contable en una nueva planta industrial el lunes,
martes, miércoles o jueves, a las 8 a.m., 1 p.m. ó 2 p.m. Dibujar el diagrama del árbol que
muestre las varias formas en que puede ocurrir dicha auditoria contable.
a) Encuentre el espacio muestral.
b) Encuentre el suceso donde la auditoria contable se realice a las 8 a.m.
c) Encuentre el suceso donde la auditoria contable se realiza el lunes o el jueves a las 8a.m.
o 2 p.m.
2. Un estudio contable contiene 12 baterías para laptos de las cuales 2 baterías están defectuosas.
Obtener las diferentes posibilidades cuando extraemos 3 baterías al azar y además el suceso
cuando de las tres extracciones 1 batería resultó defectuosa.
PROPIEDADES :
5. Si A1 y A2 son dos eventos cualesquiera, entonces P(A1 A2) = P(A1) + P(A2) - P(A1 A2).
6. Si A1 y A2 son dos eventos mutuamente excluyentes , entonces P(A1 A2) = P(A1) + P(A2).
Solución:
A AAA
A
-10- Universidad Nacional de Trujillo - Contabilidad y Finanzas
- 2017
ESTADISTICA APLICADA
D AAD
A
A ADA
D
Inicio D ADD
A DAA
A
D DAD
D
A DDA
D
D DDD
Luego : N() = 8
a) A1 = AAA N(A1) = 1
b) A2 = DDD N(A2) = 1
P(A1A2) = P(A1)P(A2)
P(A1A2) = P(A1)P(A2A1)
P(A1A2)
P(A1A2) =
P(A2)
Solución :
P(A1B1) 250/1000
Entonces P(A1B1) = = = 0.3125
P(B1) 800/1000
P(A2B1) 350/1000
b) Entonces P(A2B1) = = = 0.4375
P(B1) 800/1000
= P(Bi)P(ABi)
i=1
Una probabilidad condicional de la forma P(BjA) se puede calcular como
P(ABj) P(Bj)P(ABj)
P(BjA) = =
P(A) k
P(Bi)P(ABi)
i=1
Esta fórmula para la probabilidad condicional se llama Regla de Bayes.
Ejemplo: Una planta de ensamblado recibe sus reguladores de presión de tres proveedores: 60%
del proveedor B1, 30% del proveedor B2, y 10% del proveedor B3. Si 95% de los reguladores de
presión que provienen de B1, 80% de los reguladores del proveedor B2, y el 65% de los
reguladores proporcionados por B3 tienen un rendimiento de acuerdo con las especificaciones
(osea en Buen Estado), queremos conocer la probabilidad de que un regulador de presión
específico, cuyo rendimiento corresponde a las especificaciones , provenga del proveedor B3.
Solución 1:
0.05 D
P(B1)P(A B1) = 0.03
B1
0.60 0.95 BE P(B1)P(A B1) = 0.57
P(B3)P(A B3)
P(B3 A) =
3
P(Bi)P(A Bi)
i=1
(0.10)(0.65)
P(B3 A) =
(0.60)(0.95) + (0.30)(0.80) + (0.10)(0.65)
P(B3 A) =0.074
Solución 2:
EJERCICIOS en clase
1. Sobre un estante hay cinco informes contables, uno de las cuales está inconcluso. Usted escoge
dos expedientes para emitir un informe. ¿Cuál es la probabilidad de que el informe no sea
presentado, debido a que seleccionó un expediente inconcluso?
3. Existen dos métodos A y B para enseñar a los auxiliares contable cierta habilidad laboral. El
porcentaje de fracasos es 20% para A y 10% para B. Sin embargo, B cuesta más y por eso se
VARIABLE ALEATORIA
Se dice que X es una v. a. si es una función que tiene como dominio (Conjunto de
partida) a los elementos de un espacio muestral () y como rango (Conjunto de llegada) a los
elementos de los números Reales.
X: R
AAA R
AAD
ADA 3
DAA
ADD 2
DAD
DDA 1
DDD
0
FUNCION DE PROBABILIDAD
Sea X una v.a. discreta con rango Rx , asociamos a ella una función
(a) P(x) 0 , x R x
DISTRIBUCION DE PROBABILIDAD DE X
Rx x1 x2 ... xk
y su representación gráfica es :
P(x2)
P(xk)
P(x1)
x1 x2 ... xk
Solución :
Luego :
Representación Tabular :
Rx 0 1 2 3
Representación Gráfica:
P(x)
3/8
1/8
0 1 2 3 x
Sea X una v. a. discreta con rango R x y función de probabilidad P(x) ; sea x un número real
cualquiera , la Función de Distribución de X se denota por ¨F(x)¨ y se define como :
Ejemplo : En una institucion financiera, se sabe por experiencia que un nuevo trabajador
debe asistir a un programa de capacitación de oficina. Si la institucion tiene 450 trabajadores de
las cuales 125 no asistieron a dicho programa 100 asistieron 1 vez, 60 asistieron por 2 veces, 80
asistieron por 3 veces y 85 por 4 veces. Ahora si se selecciona al azar un trabajador y hacemos
X: Nº de veces que este trabajador haya asistido al programa de capacitacion de oficina.
Calcular y dar la función de distribución.
Solución :
Rx 0 1 2 3 4
P(X 125/450 100/450 60/450 80/450 85/450
)
F(X 125/450=0.28 225/450=0.50 285/450=0.63 365/450=0.81 450/450=1
)
Representación Gráfica:
0 , si x0
0.28 , si 0x1
Entonces : F(X) = 0.50 , si 1x2
0.63 , si 2x3
0.81 , si 3x4
1 , si 4x
F(x)
0.81
0.63
0.50
0.28
0 1 2 3 4 x
FUNCION DE PROBABILIDAD
Sea X una v. a. continua con Rx tal que es un intervalo o unión de intervalos. La Función
de Densidad de Probabilidad asociado a la v. a. X es una función (x) integrable que satisface
las siguientes condiciones :
f(x)
- +
- x=a x=b +
Ejemplo : En el Banco de Credito del Perú, el consumo diario de energía eléctrica (en
millones de Kilowatt-hora) es una v. a. con función de densidad.
x , 0x1
f(x) = 2-x , 1x2
0 , en otros casos
Hallar :
a) La gráfica de f(x) c) P( x 4)
b) P( -1 x ½ ) d) P( ¼ x 3/2 )
Solución :
a)
f(x)
1-
0 1 2 x
1/2 0 1/2
x2 1
b) P(-1 ≤ x ≤ 1/2)= ∫ f ( x)= ∫ 0dx+ ∫ xdx= |1/2
0 =
−1 −1 0 2 8
c) Ejercicio .
d) Ejercicio .
Contabilidad y Finanzas - 2017 - Universidad Nacional de
Trujillo -23-
ESTADISTICA APLICADA .
cuya gráfica es :
f(x)
- F( x ) = P( X x ) x +
ESPERANZA MATEMATICA
Definición : Sea x una variable aleatoria discreta con una distribución de probabilidad p(x) , y
sea E(x) el valor esperado o promedio de x , entonces :
E(x) = x p(x)
donde se suman los elementos para todos los valores de la variable aleatoria x
VARIANZA
Ejemplo : Sea X una v.a. con la distribución de probabilidad dada en la tabla siguiente :
X p(x)
-1 0.05
0 0.10
1 0.40
2 0.20
3 0.10
4 0.10
5 0.05
Solución :
Ejemplo : Un distribuidor ofrece una utilidad adicional de $20 por un producto si es embarcado
de la fábrica en perfectas condiciones y si llega a tiempo; pero la reduce en $2 si no llega a
tiempo y en $12, sin importar el hecho de que llegue a tiempo, si no es embarcada desde la
fabrica en perfectas condiciones. Si el 70% de los productos son embarcados en perfectas
condiciones y llegan a tiempo , el 10% son embarcados en perfectas condiciones pero no llegan
a tiempo y el 20 % no son embarcadas en perfectas condiciones, ¿cuál es la utilidad que puede
esperar el distribuidor por cada producto?
Solución :
1. Cierta empresa contable, tiene un grupo de cuatro computadoraas donde dos estan desfazadas.
Un contador prueba las computadoras uno por uno hasta encontrar las dos desfazadas. Una vez
encontrado la segunda desfazada, se concluye la prueba, pero se prueba la segunda desfazada
como comprobación. Sea X el número de pruebas necesarias hasta encontrar al segunda
computadora desfazada. Encuentre la función de probabilidad y la de distribución para X.
2. Una compañía contable debe preparar una propuesta para ganar un contrato de auditoria
financeira. El costo de prepararla es $5,000 y las probabilidades de obtener utilidades brutas
potenciales de $50,000 , $30,000 , $10,000 o $0 son de 0.20 , 0.50 , 0.20 y 0.10,
respectivamente, suponiendo que la propuesta sea aceptada. Si la probabilidad de que la
propuesta sea aceptada es 0.30, ¿Cuál es la utilidad neta esperada?
x/4 , 0x1
f(x) = 2 – x/4, 1x8
0 , en otros casos
Hallar :
a) La gráfica de f(x) c) P( x 4)
b) P( -1 x 1½ ) d) P( ¼ x 5/2 )
DISTRIBUCION BINOMIAL
El espacio muestral de los n ensayos , tiene 2 n elementos, de los cuales son una sucesión
de n símbolos E y F . Es decir = EEEFFEF...FEF,...
definimos ahora una variable aleatoria de la siguiente manera:
X: Nº de éxitos obtenidos en los n ensayos de Bernoulli luego Rx = 0,1,2,...,n
Entonces la v.a. X así definida se llama una VARIABLE ALEATORIA BINOMIAL
Y la distribución de probabilidad de la v.a. binomial X , se lla DISTRIBUCION
BINOMIAL y se denota frecuentemente por b(X:n,p)
La distribución Binomial de la v.a. X es :
{
P( X )=P( X =x )= x )
( n x n−x
p q
Solución:
La v.a. esta definida así : X: Nº de veces que se reduzcan al menos en una 1/3 parte los gastos de
servicio de 5 implementaciones administrativas.
R x = 0,1,2,3,4,5
Luego :
()
P( x)=P( x=x= n p x qn−x
x
Reemplazando P ( X=4 )= ( 54 )(0. 60 ) (0 . 40)
4 5−4
=0 . 259
Estamos interesados que X tome valores de 4 y 5
5
P( X= x)= ∑
x=4
()
n x n−x 5
x () 5
()
p q = (0 .60)4 (0 .40 )1 + (0 . 60)5 (0 . 40)0
4 5
=0. 259+0 . 078=0 .337
(1) Cuando los elementos de la muestra se extraen con o sin reemplazo de una población infinita.
(2) Cuando los elementos de la muestra se extraen con reemplazo de una muestra finita.
NOTA IMPORTANTE
En la práctica se extrae una muestra sin reemplazo de una población finita, cuando el
tamaño de ésta es pequeño en relación con el de la población (tamaño de la muestra no mayor
que el 10% de la población) y siempre que “p” no sea cerca a 0 ni a 1.
Solución :
R x = 0 , 1 , 2 , 3 , 4
()
P( X =1)= 4 0 . 051 0 . 953 =0.171475
1
b) Tenemos que X=3 ó X=4
4
() 3
()
1 4 4 0
P( X ≥3)= 0. 05 0. 95 + 0 . 05 0. 95 =0 . 000475+0 .0000062=0 .0004812
3 4
Diremos que los eventos discretos que se generan en un intervalo continuo (unidad de
medida: longitud, área, volumen, etc. ) forman un proceso de Poisson con parámetro , si tiene
la siguientes propiedades :
1) El número de éxitos, que ocurre en una unidad de medida es conocido e igual a .
2) La ocurrencia de un evento en una unidad h no afecta a la ocurrencia o no ocurrencia de otro
intervalo no trasladado de longitud h (Es decir, la ocurrencia de los sucesos son independientes)
3) Sea una unidad de medida suficientemente pequeño de longitud h , luego :
(i) La probabilidad de un éxito en esta unidad pequeña es proporcional a la longitud del intervalo,
esto es : h .
(ii) La probabilidad de 2 o más éxitos en esta unidad pequeña es aproximadamente 0.
Entonces R x = 0 , 1 , 2 , ...
{
ℓ− λ t ( λ t )x
, x=0,1,2 , .. . ,
P( X= x )= x!
0 , en otros casos
{
ℓ− λ ( λ )x
, x=0,1,2 ,. . .,
P( X= x )= x!
0 , en otros casos
Solución:
Entonces:
EJERCICIOS en clase
6. Si la probabilidad de que cierto arqueo de caja no cuadre es de 0.05. ¿Cuáles son las
probabilidades de que entre 16 de tales arqueos de cajas
a) a lo máximo dos no cuadren;
b) al menos cuatro no cuadren?
8. En un almacén particular los pedidos llegan, conforme una distribución de Poisson con un
promedio de siete por hora. ¿Cuál es la probabilidad de que:
a) lleguen al menos dos pedidos, en dos horas?
b) no lleguen más de tres pedidos, en hora y media?
c) lleguen exactamente cinco pedidos en 45 minutos?
DISTRIBUCION NORMAL
Una variable aleatoria continua X, se dice que está distribuida normalmente. con media
- y varianza 2 0 , si su función de densidad de probabilidad está dada por :
1/2 -
1/2e
- + X
x (r−μ )2
−
1
F( x )=P( X≤x )=∫ e 2σ 2
dr
−∞ σ √2 π
P(X x)
1/2
-40- Universidad Nacional de Trujillo - Contabilidad y Finanzas
- 2017
ESTADISTICA APLICADA
x X 0 X
V(x)=
2
Si Z es una v.a. que tiene una distribución Normal con media = 0 y varianza
= 1 , entonces a Z se le llama v.a. Normal estándar y su función de densidad es :
2
z t2
1 −
F( X≤x )=∫ e 2
dt
−∞ √ 2 π
donde : E ( Z ) = 0 y V ( Z ) = 1
Representación Gráfica :
Contabilidad y Finanzas - 2017 - Universidad Nacional de
Trujillo -41-
ESTADISTICA APLICADA .
f(z)
DISTRIBUCION T DE STUDENT
Definición :- Sea Z una variable aleatoria normal con media 0 y varianza 1. Y sea Y una
variable aleatoria que tiene una distribución Chi-Cuadrado con r grados de libertad, y si Z e Y
son independientes, entonces la variable aleatoria
Se dice que tiene una Distribución t - de Student ( o Distribución t ) con r grados de libertad.
Por lo tanto la probabilidad de que la variable aleatoria T sea menor o igual a una constante
t = t es ; gráficamente :
0 t
P(Tt)=
2
= X21 + X22 + X23 + ... + X2r
Se dice que es una variable aleatoria Chi - Cuadrado con r grados de libertad.
El grado de libertad r , es el número de variables aleatorias independientes que se suman.
Es decir , la media es igual al número de grados de libertad y su varianza es igual a dos veces el
número de grados de libertad.
Gráficamente :
1-
0 2
2
P ( X 2 ) =
DISTRIBUCION F DE FISHER
En muchas situaciones estaremos interesados en comparar las varianzas de dos variables
aleatorias independientes distribuidas normalmente.
Definición : Sea U y V dos variables aleatorias independientes que tiene distribuciones Chi-
Cuadrado , con r1 y r2 grados de libertad, respectivamente . Entonces la variable aleatoria :
1-
0 f F
P(F f ) =
EJERCICIOS en clase
1. Ciertos estudios demuestran que el rendimiento de 1 galón de petróleo para cierto grupo
electrógeno vendidos en EE.UU., tiene una distribución normal, con un rendimiento promedio
de 30.5 horas por galón y una desviación estándar de 4.5 horas por galón. Si un fabricante desea
diseñar un nuevo grupo electrógeno más económico. ¿Cuál es la probabilidad de que el
rendimiento este entre 28.1 y 33.9 horas?
CAPITULO II
DISTRIBUCIONES MUESTRALES
UNIDAD Nº 3
Contenido
UNIDAD Nº 4
Contenido
Es el conjunto de todas las observaciones (resultados) posibles que puede tomar una
variable aleatoria X . La distribución de la población es la distribución de la variable aleatoria X
y puede ser continua o discreta.
MUESTRA ALEATORIA
Sea X una variable aleatoria con función de distribución f(x). Una muestra aleatoria de
tamaño n, de X, es un conjunto de n variables aleatorias X1 , X2 , ... , Xn que cumplen la
siguientes condiciones :
a) Cada una de las variables aleatoria X i , i =1,2,...,n . tienen la misma distribución de X .
b) Las variables aleatorias Xi son independientes. Desde que cada Xi tiene la misma función de
distribución.
Sea X1 , X2 , ... , Xn una muestra aleatoria de una variable aleatoria X con media y
varianza 2 . La media de la muestra, está definida por :
donde las variables aleatorias Xi son independientes, distribuidas idénticamente con media y
varianza común
NOTA : El teorema anterior es valido para cualquier población finita o infinita, discreta o
continua, cuando n 30.
Si la población es normal el teorema se cumple cualquiera que sea n.
Cuando la población es finita y el muestreo es sin reemplazo, las v.a. X i no son independientes,
entonces la distribución obedece a una distribución de probabilidad Hipergeométrica.
Ejemplo : Si los ingresos diarios de las financieras están distribuidos normalmente, con media
de 15000 Soles y una desviación estándar de 3500 Soles.
¿Cuál es la probabilidad de que 16 financieras elegidos al azar tengan un ingreso diario menor
de 16200 Soles?
Solución :
( )
16200-15000
P( x̄¿16200)=P Z =P(Z>1.37 )=1-P(Z <1.37)=1-0 .9147=0.0853¿
¿ 3500
√16
Suponga que se tiene una muestra aleatoria de n observaciones, donde cada observación
se clasifica como EXITO o FRACASO y X es el número de éxitos en la muestra.
Entonces la cantidad p es simplemente la fracción de éxitos , es decir
n = 50
p = 0.10
q = 1 - p = 1 - 0.10 = 0.90
( )
0.20-0.10 p̄−p 0.30-0.10
P(0.20< p̄<0.30 )=P < <
√ (0.10)(0.90 ) √ pq √(0.10 )(0.90)
50 n 50
=P (2.36<Z<4.71)
=P (Z <4 .71)−P(Z <2.36)
= 1-0.9909 = 0 .0091
EJERCICIOS en clase
1. Si un cartucho de cierta clase de tinta para impresora rinde en promedio 513.3 hojas con una
desviación estándar de 31.5 hojas. ¿Cuál es la probabilidad de que el numero de hojas impresas
por una muestra de 40 de estos cartuchos de titna imprima entre 510 y 520 hojas ?
Tenemos dos poblaciones, la 1ª con media 1 Y varianza .21 , y la 2ª con media 2 y varianza
.22. Sea la media de la muestra aleatoria de tamaño n1 , extraida de la 1ª población y la
media de la muestra aleatoria de tamaño n2, tomada de la 2ª población.
La distribución de la diferencia de dos medias muestrales , se llama distribución
muestral de la diferencia de dos muestras.
TEOREMA : Sea y las medias de dos muestras aleatorias de dos poblaciones, con
media 1 y 2, varianza .2
1 y .22 , respectivamente entonces la distribución muestral de la
diferencia de medias , es aproximadamente una distribución Normal con media
y la v. a . es :
Ejemplo : Una encuesta realizada por la Universidad Nacional de Trujillo, mencionó que la
media de los sueldos de los contadores en los 50 provincias costeras del Perú, variaban de
$15971 en Tacna hasta $39751 en Lima. El salario promedio en la provincia de Trujillo se
encontraba en el segundo lugar con $29000, seguido por la provincia de Piura con $28621. Si
tuviera que seleccionar una muestra de 10 contadores de la provincia de Trujillo y de la
provincia de Piura, respectivamente, ¿cuál sería la probabilidad de que el sueldo promedio
muestral en Trujillo excediera el sueldo promedio en Piura por $1000 o más ? (supóngase que
las desviaciones de los salarios poblacionales son aproximadamente 1 = 2 = $2500).
Solución :
1000 - 379
Z = = 0.56
21 / n1 + 22 / n2
Z = 0.56 se obtiene en la tabla y es 0.2877. Por lo tanto :
Solución :
(
P( p̄ 1− p̄ 2 <0 . 03)=P Z <
0 .0205)
0 . 03−0 . 05
=P(Z <-0. 98 )= 0 .1635
ESTIMACION ESTADISTICA
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
ESTIMACION INTERVALICA
donde :
Algunos valores del multiplicador de confianza más usados con sus correspondientes
probabilidades.
donde :
X = 0.790
S = 0.010
P X - Z /2 Sx X + Z /2 Sx = 1 -
Sx = 0.010 / 40 = 0.0016
1 - = 95%
Z /2 = 1.96
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%
-58- Universidad Nacional de Trujillo - Contabilidad y Finanzas
- 2017
ESTADISTICA APLICADA
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%
[ √
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 :
[
P 0 .80-1 . 96
√ 0. 80*0 . 20
400
≤P≤0 . 80+1 .96
√0 .80*0 . 20
400 ]=0 . 95
0.7608 , 0.8392
Interpretación:
( 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.
X = Xi / n = 96 / 5 = 19.2
1 - = 0.95
( 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 calculadoras experimentales con una bateria
recargable podría estar entre el 1.3282 minutos y 30.5785 minutos, con una confianza del 95%.
EJERCICIOS en clase
1) Si n1 + n2 30 , entonces :
[
I . C .= ( X̄ 1 − X̄ 2 )−Z α /2
√ S21 S22
+ , ( X̄ − X̄ ) +Z α /2
n1 n 2 1 2
S21 S 22
+
n1 n2 √ ]
2) Si n1 + n2 30 ; entonces
[ √ )]
2 2
( n1 −1 ) S 1 + ( n 2−1 ) S2
I . C .= ( X̄ 1 − X̄ 2 )±Z α / 2
n1 +n 2−2 ( 1 1
+
n1 n2
Donde :
respectivamente
: Medias muestrales de las poblaciones 1 y 2 respectivamente.
Nota importante:
Si σ 21 ≠σ 22 entonces
( )
2 2 2
S1 S 2
+
n1 n2
r= 2 2
−2
( ) ( )
S21
n1
+
S22
n2
n1 +1 n2 +1
[
I . C .= ( 20−18 . 8 )−1. 96
√
(1. 1)2 (0 . 8 )2
100
+
100
,(20−18 .8 )+1. 96
100 √
(1. 1)2 (0 . 8 )2
+
100 ]
=95 %
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%
[
I . C .= ( 35 .22−31. 56)±2. 12
√ 16 ( )]
8(24 . 44 )+8 (20. 03 ) 1 1
+
9 9
I. C. = ( - 1.047 , 8.367 )
[
I . C .= ( p 1− p 2 )−Z α /2
√ p 1 q1 p 2 q 2
n1
+
nq
,( p1 − p2 )+Z α /2
√
p 1 q1 p 2 q 2
n1
+
nq ]
Ejemplo : Se ha encontrado que 25 de 250 rollos de papel 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 rollos de papel defectuosos producidos por los procesos A y B.
Solución :
[
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 )
2. Con el fin de comparar dos métodos A y B de cierre de caja, se tomaron 2 muestras de tamaño 9
para cada método (9 estudiantes de contabilidad). Arrojando los siguientes resultados del tiempo
empleado para cerrar caja (minutos):
PRUEBA DE HIPOTESIS
CLASES :
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.
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.
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.
a) Cuando H 1 : µ > µ0
R.C. = {x / x Z1- }
0 Z 1-
R. A. R. C.
b) Cuando H1 : µ µ0
Z /2 0 Z 1-/2
R. C. R. A. R. C.
c) Cuando H 1 : µ < µ0
R.C. = {x / x Z }
Z 0
R. C. R.A.
7. Adoptar la decisión :
donde : _
x : es la Media de la Muestra.
n : es el tamaño 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.
c) Cuando H 1 : µ < µ0
R.C. = {x / x -t ( n - 1) }
-t (n-1) 0
R. C. R. A.
7. Adoptar la decisión:
Solución :
1. Formular la Hipótesis
H0 : µ = 13 pulgadas
H1 : µ < 13 (porque )
2. Nivel de significancia
= 0.05
H1 : µ < 13
R.C. = {x / x Z }
Z = -1.64
H 0 :P=P 0
H 1 :¿ ¿
¿
2.- Selección del Nivel de Significación :
H 1 : P ¿ P0 ; R . R .= {Z/Z ¿ Z 1-α } ¿
H 1 : P ¿¿
H 1 : P≠ P0 ; R . R .=¿ ¿
n , a , p , Z0=?
8.- Conclusión :
Si Rechazamos H0: P=P0 se concluye que “la proporción de la población no es igual a P0”.
Z0.05 = -1.645
R. Rechazo R. Aceptación
1. Una empresa paga a sus empleadores un promedio de 10 soles por hora y una desviación
estándar de 4 soles por hora. Se tomó una muestra aleatoria de 25 empleados el día lunes y se
encontró que el pago promedio es de 10.5 Soles por hora ¿Puede considerarse que los
empleados encuestados el día lunes son significativamente diferentes a los de otros días con un
nivel de significancia del 5%?
2. El departamento contable de una compañía, anuncia por historia un paga de incentivo laboral
por trabajador de 25 soles por cada venta realizada; se tomo una muestra aleatoria de 120
trabajadoras para evaluar el incentivo y se obtuvo un promedio de 28 soles por venta. ¿Debe
cambiar el pago por incentivo para actualizarlo, con un nivel de significancia del 10%?
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 :¿ ¿
¿
2.- Selección del nivel de significación : = 0.01 , 0.05 , 0.10
donde :
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 }
7. Adoptar la decisión :
1. Formular la Hipótesis
2. Nivel de significancia
= 0.05
8. Conclusión : Existe evidencia suficiente para afirmar que el número medio de pares de
zapatillas por día por la nueva línea de producción es mayor que el número medio de
pares de zapatillas producido por la línea vieja, con una significancia del 5%
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.
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 . =¿ ¿
7. Adoptar la decisión :
Ejemplo: Se están analizando dos maquinarias diferentes para determinar en qué forma afectan
al suelo. Específicamente, la maquinaria 2 se está empleando actualmente, pero la maquinaria 1
es aceptable. ya que es más barato, si no afecta al suelo, la maquinaria 1 debe comprarse y
cambiar a todos los demás. Supóngase que se desea probar las hipótesis.(=5%)
Solución :
1. Formular la Hipótesis
2. Nivel de significancia
= 0.05
H 1 : μ1 ≠μ 2 ; R . R . =¿ ¿
p : grados de libertad
( )
2
S21 S 22
+
n1 n2
p= −2
( ) ( )
2 2
S21 S22
n1 n2
+
n1 +1 n2 +1
H 1 : μ1 ¿ μ 2 ; R . R.={ t / t ¿ t 1- α ( p )} ¿
H 1 : μ1 ¿ ¿
H 1 : μ1 ≠μ 2 ; R . R .=¿ ¿
7. Adoptar la decisión :
Ejemplo: Supóngase que existen dos poblaciones normales, por ejemplo X1 y X2 en donde
y ambas varianzas son desconocidas. probar :
Solución :
1. Formular la Hipótesis
2. Nivel de significancia
= 0.05
H 1 : μ1 ¿ ¿
( )
2
10 20
+
15 10
p= −2≃16
(10 /15 ) ( 20 /10 )2
2
+
15+1 10+ 1
1.
EJERCICIOS EN CLASE
1. La compañía constructora E&A debe decidir si compra la marca A o la marca B de ventiladores
industriales para la planta principal de producción. Para estimar la diferencia entre las dos
marcas asignó un ventilador a cada miniplanta de 12 sucursales y se registraron en miles de
kilowatts los siguientes consumos:
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 consumo de energía en
kilowatts son iguales en ambas marcas? Suponga que las diferencias de los consumos se
distribuyen en forma normal.
H 0 :P1=P2
H 1 :¿ ¿
¿
2.- Selección del nivel de significación : = 0.01 , 0.05 , 0.10
p1−p2 X 1+X 2
Z= → N(0,1)¿ p̄= ¿¿
( )
1 1 n1+n2
√ p̄(1- { p̄) n +n
1 2
donde :
H 1 : P1 ¿ P2 ; 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 }
p1 −p 2
Z 0= ¿
√ p̄ (1- { p̄) ( )
1 1
+
n1 n2
7. Adoptar la decisión :
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 :
1. Formular la Hipótesis
H 0 : P1 =P2
H 0 : P1 ≠P2
2. Nivel de significancia
= 0.05
p1−p2 X 1+X2
Z= → N(0,1)¿ p̄= ¿¿
( )
1 1 n1+n2
√ p̄(1- { p̄) n + n
1 2
H 1 : P1≠P 2 ; R . R .= {Z / Z⟨ Z α ó Z⟩ Z 1- α }
250+178
p̄=
300+260
0 . 8333−0. 6846
Z 0= =4 .13
√ 0 . 7643(1−0 .7643 ) (
1
+
1
300 260 )
7. Como Z0 = 4.13 Z 0.975 = 1.96 entonces
8. Conclusión: Existe una diferencia significativa entre los dos sistemas de computadora.
H 0 :σ 21=σ 22
H 1 :¿ ¿
¿
2.- Selección del nivel de significación : = 0.01 , 0.05 , 0.10
donde :
7. Adoptar la decisión :
Ejemplo: Se presenta los datos del rendimiento fisioquímico en donde se emplea dos
catalizadores. con los datos siguientes:
. Se desea probar la hipótesis : Use = 5%.
Solución :
7. Adoptar la decisión :
8. Conclusión : No puede concluirse que existe fuerte evidencia de que la varianza del
rendimiento se vea afectada por el catalizador.
1. Las ventas en linea tiene cierto margen de tiempo para el envio del producto, entonces la tienda
Alliexpress maneja un valor del 4% de ventas fuera del margen de tiempo. El día lunes, se tomó
una muestra aleatoria de 25 ventas y se encontró que el porcentaje de envio del producto fuera
de tiempo es 6%. ¿Puede considerarse que la proporción de ventas realizadas el día lunes son
significativamente diferentes a los de otros días con un nivel de significancia del 5%?