Estadistica 23

a
ÍNDICE
1. Información de la unidad / Tema de la semana 3
2. Información de los subtemas 4
2.1. Distribuciones muéstrales 4
2.2. Estimación puntual e intervalos de confianza de la 6

media poblacional
2.3. Estimación por intervalos de confianza para la 9

diferencia de medias poblacionales
3. Bibliografía 12
2
1. Informacion de la unidad
Tema de la semana:
» Objetivo:
Utilizar técnicas de medidas de tendencia central y dispersión para el cálculo de
intervalos de confianza.
» Tema:
Intervalos de Confianza.
» Subtemas:
1. Distribuciones muéstrales.
2. Estimación puntual e intervalos de confianza de la media poblacional.
3. Estimación por intervalos de confianza para la diferencia de medias
poblacionales.
» Unidad:
Pruebas de hipótesis y muestreo.
» Duración de horas semanales:

10 H
3
Pruebas de hipótesis y muestreo – Intervalos de Confianza
2. Informacion de los subtemas

2.1 Distribuciones muéstrales
La distribución muestral es la distribución de los resultados que demuestran si se

seleccionaron realmente todas las muestras posibles, es utilizada cuando se requiere
elaborar inferencias estadísticas, es decir hacer uso de cálculos estadísticos a partir de
muestras para lograr así estimar los valores dentro de los parámetros de la población.
Esta se puede dar por:
a. Distribución muestral de la media
Basado en el conocimiento previo de que media es la medida de la tendencia central

más utilizada, repetitivamente la media muestral se la utiliza para los cálculos de la
media poblacional, es así que a la distribución muestral de la media se la denomina como
la distribución del conjunto de medias posibles que aparecen si realmente se
seleccionaron en cierto tamaño todas las muestras que sean posibles.
Se menciona que la media muestral es imparcial debido a que la media de todas las
medias muestrales posibles es igual a la media poblacional;𝑁(𝜇, 𝜎). (Auchay, 2016)
Cuando ya se obtenido todos los datos de una determinada población, la media se

calcula usando la ecuación:
∑𝑛𝑖=1 𝑥1
𝜇=
© Universidad Estatal de Milagro – UNEMI
Y para la desviación estándar la ecuación:
∑𝑛𝑖=1(𝑥𝑖 − 𝜇)2
𝜎=√
𝑛−1
4
El resultado del valor de la desviación estándar de todas las medias posibles (llamado
error estándar de la media) nos presenta cuanto cambia la media muestral entre una
muestra y otra. Y la ecuación que se utiliza para el error estándar de la media es:
𝜎
𝜎𝑥̅ =
√𝑛
Dada una población normal N (μ, σ) se procede a verificar:
𝜎 𝑥̅ −𝜇
𝑥̅ ~𝑁 (𝜇, ) ; tipificando 𝜎 ~𝑁(0,1)
√𝑛
√𝑛
b. Distribución muestral de una proporción
La proporción muestral es representada por p y es denominada como la relación

existente de elementos en la muestra que entregan las características de interés; es
decir un estadístico que hace uso para estimación de proporción poblacional, un
parámetro, mediante la ecuación:
𝑥
𝑝=
𝑛
Donde:
x= cantidad de elementos con la característica de interés
n= tamaño de la muestra
Además, podemos calcular el error estándar para la proporción:

𝜋(1 − 𝜋)
𝜎𝑝 = √
𝑛
𝜋 = proporción poblacional.
5
2.2 Estimación puntual e intervalos de confianza de la

media poblacional
La estimación puntual da a conocer la elección de un estadístico; esto es, un

determinado número que fue calculado a partir de datos muéstrales y en ocasiones otro
tipo de información, por medio del cual guarda cierta seguridad de permanecer cerca
del parámetro estimado; pero no es una labor sencilla estar razonablemente cercano
debido a que el valor del parámetro es totalmente desconocido y también el valor del
estadístico es desconocido hasta luego de obtener la muestra, por aquello lo único
posible a realizar es preguntar si en el muestreo repetido dicha distribución tiene
propiedades que se ajustan con la cercanía. Siendo un estimador el que ayuda a
encontrar el valor aproximado.
Para resumir:
“La media de la población se puede estimar puntualmente mediante la media de la

muestra: 𝑥̅ = 𝜇.
La proporción de la población se puede estimar puntualmente mediante la proporción

de la muestra: 𝑝̂ = 𝑝
La desviación típica de la población se puede estimar puntualmente mediante la

desviación típica de la muestra: 𝛿 = 𝜎.” (Johnson, 2012)
Intervalos de confianza de la media poblacional.

El intervalo de confianza se elabora de forma que la probabilidad del parámetro de la

población se encuentre en un sitio determinado dentro del intervalo conocido. Es
importante recordar que la media de la muestra pertenece a una estimación puntual de
la media poblacional, pero también esta puede variar de una muestra a otra debido a
que depende de los elementos que se han seleccionado en la muestra. El nivel de
confianza es 1- 𝛼 (0 < 𝛼 < 1). (Johnson, 2012). Se pueden realizar mediante:
6
a. Estimación del intervalo de confianza para la media (σ conocida)

Cuando σ es conocida, la curva normal puede ser usada como un modelo de la
distribución muestral de 𝑥̅ , de tal manera que de
𝜎
𝑥̅ ± 𝑧𝛼⁄2
√𝑛
Evento probabilístico n>30:

𝜎 𝜎
𝑥̅ − 𝑧𝛼⁄2 ≤ 𝜇 ≤ 𝑥̅ + 𝑧𝛼⁄2
√𝑛 √𝑛
Dada una población normal N (μ, σ) se procede a verificar:
𝜎 𝑥̅ −𝜇
𝑥̅ ~𝑁 (𝜇, ) ; tipificando 𝜎 ~𝑁(0,1)
√𝑛
√𝑛
b. Estimación del intervalo de confianza para la media (σ desconocida)
Antes de entrar a este tema primero debemos conocer qué es una distribución t
Student. Esta es una distribución usada para muestras menores a 30, también conocida
como la distribución t que se encarga de calcular valores críticos denotados mediante
𝑡∝⁄2 , este valor lo podemos encontrar en la tabla de tal manera que primero debemos
conocer los grados de libertad (𝛼 = 𝑛 − 1) en la columna izquierda, luego siguiendo ese

reglón hasta encontrar el número correspondiente o aproximado abajo del área

adecuada en la parte superior. Para encontrar la distribución t de una probabilidad se
utiliza la ecuación:
𝑥̅ − 𝜇
𝑡= 𝜎
√𝑛
7
Tabla de la distribución t
http://cms.dm.uba.ar/academico/materias/1ercuat2015/probabilidades_y_estadistica
_C/tabla_tstudent.pdf
Ahora bien, para una estimación del intervalo de confianza para la media con σ
desconocida se realiza la prueba de t de una media. Mediante la ecuación:
𝜎
𝑥̅ ± 𝑡𝛼⁄2
√𝑛
Evento probabilístico n<30:
𝜎 𝜎
𝑥̅ − 𝑡𝛼⁄2 ≤ 𝜇 ≤ 𝑥̅ + 𝑡𝛼⁄2
√𝑛 √𝑛
8
2.3 Estimación por intervalos de confianza para la

diferencia de medias poblacionales
Se hace la selección de dos muestras aleatorias escogidas independientemente de dos

poblaciones normales (x1, …, xn e Y1, …, Ym), además se anhela realizar intervalos de
confianza para la diferencia de medias 𝜇𝑥 − 𝜇𝑦 .
» Con varianzas conocidas: debido que X e Y son independientes de tal manera que
(𝑋̅ − 𝑌̅) − (𝜇𝑋 − 𝜇𝑌 )

𝑇= ∽ 𝑁(0, 1)
2 2
√𝜎𝑋 + 𝜎𝑌
𝑛 𝑚
En un intervalo de confianza:
𝜎𝑋2 𝜎𝑌2 𝜎𝑋2 𝜎𝑌2

(𝑥̅ − 𝑦̅) − 𝑧∝⁄ √ + , (𝑥̅ − 𝑦̅) + 𝑧∝⁄2 √ +
2 𝑛 𝑚 𝑛 𝑚
» Con varianzas desconocidas pero iguales
Supongamos que las varianzas 𝜎𝑋2 𝑦 𝜎𝑌2 son desconocidas pero iguales:
(𝑋̅ − 𝑌̅) − (𝜇𝑋 −𝜇𝑌 )

𝑇= ∽ 𝑁(0, 1)
1 1
𝜎+√ +
𝑛 𝑚
En un intervalo de confianza:
1 1 1 1
(𝑥̅ − 𝑦̅) − 𝑡𝑛+𝑚−2,∝⁄ 𝑆̂√ + , (𝑥̅ − 𝑦̅) + 𝑡𝑛+𝑚−2,∝⁄ 𝑆̂√ +
2 𝑛 𝑚 2 𝑛 𝑚
Ejemplos:
1. El ascensor de un edificio limita el peso de sus 5 ocupantes a 400kg. Se entrega

un listado donde comprueba que el peso de uno de los individuos sigue la
9
distribución N (75, 9), determinar la probabilidad de que el peso de las 5

personas supere los 350 kg.
Resolvemos:
Si se toma en cuenta que cada individuo sigue una distribución N (75, 9) y
seleccionamos una muestra de 5 individuos
Datos
𝜇 = 75
𝜎=9
𝑥𝑖
𝑃(𝑥̅ > 400) = 𝑃 (𝑥̅ > )
𝑛
𝑥𝑖
𝑃(𝑥̅ > 400) = 𝑃 (𝑥̅ > )
𝑛
∑𝑛𝑖=1 𝑥𝑖 350
𝜇 = 𝑥̅ = = = 70
𝑛 5
400
𝑃(𝑥̅ > 400) = 𝑃 (𝑥̅ > )
5
𝑃(𝑥̅ > 400) = 𝑃(𝑥̅ > 80)
Mediante tipificación
𝑥̅ − 𝜇
𝑃(𝑥̅ > 400) = 𝑃 ( )
𝜎𝑥̅
𝜎 9
𝜎𝑥̅ = = = 4,025
√𝑛 √5
𝑥̅ − 𝜇 75 − 71
𝑃 (𝑍 > ) = 𝑃 (𝑍 > ) = 𝑃(𝑍 > 1,24)
𝜎𝑥̅ 4.025
𝑃(𝑥̅ > 400) = 1 − 𝑃(𝑍 > 1,24)
𝑃(𝑥̅ > 400) = 1 − 0.1075
𝑃(𝑥̅ > 400) = 𝟎. 𝟖𝟗𝟐𝟓
10
2. Dadas las estaturas de varias personas de las cuales con anterioridad se sabe
que tienen una varianza de 65 cm. Se pide calcular
a) Con un margen de error del 6%, estime la altura media partiendo de un
grupo de 100 personas, sabiendo que su promedio dio 165 cm.
Resolvemos:
Calculamos el intervalo de confianza
a) 𝑥̅ = 165
b) 𝜎 2 = 65; 𝜎 = √65 = 8,06
c) 𝛼 = 0,06
𝛼 0,06
d) = = 0,03
2 2
𝛼
Para calcular 𝑧𝛼⁄2 , con el valor de procedemos a buscar en la tabla de t-
2
student
𝛼 2 = 0,03
𝛼 2 = 0,03
-1,88 1,88
𝜎
𝑥̅ ± 𝑧𝛼⁄2
√𝑛
𝜎 𝜎
𝑥̅ − 𝑧𝛼⁄2 ≤ 𝜇 ≤ 𝑥̅ + 𝑧𝛼⁄2
√𝑛 √𝑛
8,06 8,06
165 + 1,88 ≤ 𝜇 ≤ 165 + 1,88
√100 √100
𝟏𝟔𝟑, 𝟒𝟖 ; 𝟏𝟔𝟔, 𝟓𝟏
11
3. Bibliografía
Aldana, J. S. (2009). Relación fuente - recurso de información - documento . Biblios, 10.
Auchay, J. W. (2016). Estadística aplicada a la educación con actividades de aprendizaje.

Riobamba: EDG-FIE.
Johnson, R. A. (2012). Probabilidad y estadística para ingenieros. México: Pearson Educación.
Rubin, R. I. (2004). Estadística para administración y economía. México: Pearson Educación.

12
ÍNDICE
2.1. Pasos básicos en pruebas de hipótesis 4
2.2. Prueba de hipótesis para la media de la población 7
2.3. Prueba de hipótesis para la diferencia entre medias 8

de población
3. Bibliografía 15
2
Tema de la semana:
» Objetivo:
Seguir procedimientos para la correcta aplicación y determinación de hipótesis.
» Tema:
Prueba de hipótesis.
» Subtemas:
1. Pasos básicos en pruebas de hipótesis.
2. Prueba de hipótesis para la media de la población
3. Estimación por intervalos de confianza para la diferencia de medias
poblacionales.
» Unidad:

10 H
3
Pruebas de hipótesis y muestreo – Pruebas de Hipótesis

2.1 Pasos básicos en pruebas de hipótesis
La hipótesis es considerada como una aseveración o afirmación aproximada del valor

que el parámetro de la población bajo una investigación lograría tomar. Dicha
aseveración podría estar fundamentada en experiencias pasadas o simplemente
creencias de tal manera que será verificada con la evidencia que se logra obtener
mediante la información recogida de la muestra. “Se la suele resolver en los siguientes
pasos:
1. Establecer si es una prueba de dos colas o de una. Fijar sus hipótesis. Elegir un
nivel de significancia de acuerdo para esta decisión.
2. Determinar que distribución (t o z) es la apropiada y hallar el o los valores críticos
para el nivel de significancia escogido en la tabla apta.
3. Deducir el error estándar del estadístico muestral. Utilice el error estándar para
cambiar el valor observado del estadístico dentro de un valor estandarizado.
4. Plantear la distribución y marcar la posición del valor de la muestra
estandarizada y de(los) valor(es) críticos para la prueba.
5. Comparar el valor estadístico muestral estandarizado con el o los valores críticos
para esta prueba y comente los resultados.” (Johnson, 2012)
Según Triola (2004) los componentes formales dentro de la prueba de hipótesis son:
a. Hipótesis nula
La hipótesis nula denotada por 𝐻0 es la aseveración de que un solo valor del parámetro
de la población (si es simple o un conjunto si es compuesta lo que se desea desacreditar),
es igual a un valor afirmado.
𝐻0 : 𝜇 = 𝜇0 𝐻0 : 𝜇 ≤ 𝜇0 𝐻0 : 𝜇 ≥ 𝜇0
4
b. Hipótesis alternativa
La hipótesis alternativa dada por 𝐻1 es la aseveración establecida a base de la evidencia

obtenida, es decir que el parámetro contiene un valor que, de alguna forma distingue
de la hipótesis nula. Puede tener las siguientes formas:
Proporciones: 𝐻1 : 𝑝 > 𝑝0 𝐻1 : 𝑝 < 𝑝0 𝐻1 : 𝑝 ≠ 𝑝0
Medias: 𝐻1 : 𝜇 > 𝜇0 𝐻1 : 𝜇 < 𝜇0 𝐻1 : 𝜇 ≠ 𝜇0
Desviaciones estándar: 𝐻1 : 𝜎 > 𝜎0 𝐻1 : 𝜎 < 𝜎0 𝐻1 : 𝜎 ≠ 𝜎0
Debido a que nos basamos en muestra puede existir un cierto grado de equivocación:
» La posibilidad de que existan dos decisiones correctas se da por
Rechazar 𝐻0 cuando es falsa; no rechazar 𝐻0 cuando es verdadera.
» La posibilidad de que existan dos decisiones incorrectas viene dada por
Rechazar 𝐻0 cuando es verdadera; no rechazar 𝐻0 cuando es falsa.
En una prueba de hipótesis se puede calcular el tamaño de los errores al tomar una
decisión incorrecta y son:
» Error Tipo I: denotado por el símbolo α y es considerado el error de rechazo de

la hipótesis nula cuando efectivamente es verdadera.
» Error Tipo II: denotado por el símbolo β, considerado el error de no rechazo a la
hipótesis nula cuando efectivamente era falsa.
Mediante la siguiente tabla se mostrará el tamaño de los errores al tomar decisiones

incorrectas
Tabla 1. Tamaño de los errores.
𝐻0 Verdadera 𝐻0 Falsa
Rechazamos 𝐻0 Error Tipo I = α Decisión acertada
No rechazamos 𝐻0 Decisión acertada Error Tipo II = β
Fuente: creación propia.
5
A la probabilidad de que el estadístico de prueba caiga en la región crítica cuando se

comete un error Tipo I lo denominaremos como Nivel de significancia (denotado por α).
Lo que complementa a la región crítica (1- α) se le denomina Coeficiente de confianza.
El valor-p es el nivel de significancia que se ha logrado alcanzar, el más pequeño que,

según los datos analizados, este indica que la hipótesis nula debe ser rechazada. En
conclusión siendo W un estadístico de prueba y 𝑤0 el valor analizado, el valor-p nos
indicaría la probabilidad de que 𝑤0 sea resultado de un valor extremo. (Johnson, 2012)
c. Región crítica
“La región critica o de rechazo es el conjunto de valores tales que el estadístico de

prueba pueda permitir el rechazo de la hipótesis nula. La localización de esta va a
depender de la forma de la Hipótesis Alternativa, de tal manera que:
» Si 𝐻1 : 𝜇 > 𝜇0 , entonces dicha región está localizada en la cola derecha de la

distribución de estadístico de prueba.
» Si 𝐻1 : 𝜇 < 𝜇0 , entonces dicha región está localizada en la cola izquierda de la
distribución de estadístico de prueba.
» Si 𝐻1 : 𝜇 ≠ 𝜇0 , entonces dicha región es dividida en dos partes; una parte será
para la cola derecha y la otra respectivamente para la cola izquierda de la
distribución de estadístico de prueba.” (Stephens, 2009)
d. Estadístico de prueba
El estadístico de prueba es un determinado valor que se calcula partiendo de datos

muéstrales. Derivado del estimador puntual del parámetro puesto a prueba y en el que
se basa la decisión tomada de rechazar o no la hipótesis nula. Se aplica los siguientes

estadísticos de prueba:
𝑝̂−𝑝
Para proporciones 𝑧= 𝑝𝑞
√
𝑛
𝑥̅ −𝜇 𝑥̅ −𝜇
Para medias 𝑧= 𝜎 o 𝑡= 𝑠
√𝑛 √𝑛
(𝑛−1)𝑠 2
Para desviaciones estándar 𝑥2 =
𝜎2
6
2.2 Prueba de hipótesis para la media de la población
"El propósito principal de una prueba de hipótesis para la media poblacional es

determinar si el valor hipotético para un parámetro de la población debe aceptarse
como plausible en base a una evidencia muestral. Las pruebas de hipótesis para la media
poblacional se pueden dar por:
» Prueba de hipótesis de una media (σ conocida)

En la siguiente tabla se muestra los componentes de una hipótesis para media
con desviación estándar conocida:
Tabla 2. Prueba de hipótesis de una media con σ conocida.
Hipótesis nula 𝐻0 : 𝜇 = 𝜇0 𝐻0 : 𝜇 ≤ 𝜇0 𝐻0 : 𝜇 ≥ 𝜇0
Hipótesis alternativa 𝐻1 : 𝜇 > 𝜇0 𝐻1 : 𝜇 < 𝜇0 𝐻1 : 𝜇 ≠ 𝜇0
Estadístico de prueba 𝑥̅ − 𝜇
𝑧= 𝜎
√𝑛
Región crítica {𝑧: 𝑧 < −𝑧∝ } {𝑧: 𝑧 > 𝑧1−∝ } {𝑧: |𝑧| > 𝑧1−∝⁄ }
2
*Tomado de Taylor y Triola,(2012).Probabilidad y estadística para ingenieros. México: Pearson Educación.
» Prueba de hipótesis de una media (σ desconocida)

En la siguiente tabla se muestra los componentes de una hipótesis para media
con desviación estándar desconocida:
Tabla 3. Prueba de hipótesis de una media con σ desconocida.

Estadístico de prueba 𝑥̅ − 𝜇
𝑡= 𝜎
√𝑛
Región crítica {𝑡: 𝑡 < −𝑡∝ } {𝑡: 𝑡 > 𝑡𝑛−,1−∝ } {𝑡: |𝑡| > 𝑡𝑛−1,1−∝⁄ }
2
7
2.3 Prueba de hipótesis para la diferencia entre medias

de población
En algunas ocasiones para la toma de decisiones, las personas que van a realizar el
estudio requieren determinar si los parámetros de dos poblaciones son iguales o
diferentes.
Aquí los tomadores de decisiones no se preocupan por el valor real del parámetro de
una determinada población sino en la diferencia de la relación entre sus valores. Esto se
realiza mediante 𝑥̅1 − 𝑥̅2 que es la diferencia entre la media de las muestras.
La diferencia será positiva solo si 𝑥̅1 > 𝑥̅2 , y negativa si 𝑥̅2 > 𝑥̅1 .
La media de la distribución de la diferencia entre las medias muéstrales y viene dada por
𝜇1 − 𝜇2 . (Triola, 2004)
Estas se pueden dar:
» Pruebas para diferencias entre medias: muestras grandes
Esta prueba se realiza cuando ambos tamaños de la muestra son mayores que 30.
El error estándar aproximado de la diferencia entre las dos muestras viene dado por:
𝜎12 𝜎22
𝜎̂𝑥̅̅̅̅−𝑥
1 ̅̅̅̅
=√ +
2
𝑛1 𝑛2
La diferencia hipotética de las medias de las poblaciones está dada por:
(𝜇1 − 𝜇2 )𝐻0
En la siguiente tabla se muestra los componentes de una hipótesis para la diferencia

entre medias de poblaciones:
8
Tabla 4. Pruebas para diferencias entre medias: muestras grandes.
Estadístico de prueba (𝑥 𝑥2 − (𝜇1 − 𝜇2 )𝐻0
̅̅̅1 − ̅̅̅)
𝑧=
𝜎̂𝑥̅̅̅̅−𝑥
1 ̅̅̅̅
2
*Tomado de Taylor y Triola,(2012).Probabilidad y estadística para ingenieros. México:

Pearson Educación.
» Pruebas para diferencias entre medias: muestras pequeñas
Esta prueba se realiza cuando los tamaños de la muestra son pequeños y para ello se
debe realizar dos cambios técnicos dentro del procedimiento para hacer la prueba de
las diferencias entre medias. El primero se da a través de la forma de calcular el error
estándar estimado de la diferencia entre dos medias muéstrales y el segundo con
pruebas de muestras pequeñas de una sola media; aquí nuevamente usaremos pruebas
de muestra pequeña en la distribución t. el error estándar lo calculamos mediante:
1 1
𝜎̂𝑥̅1 −𝑥̅2 = 𝑠𝑝 √ +
𝑛1 𝑛2
Y la de estimación conjunta:
(𝑛1 − 1)𝑠12 + (𝑛2 − 1)𝑠22

𝑠𝑝2 =
𝑛1 + 𝑛2 − 2
En la siguiente tabla se muestra los componentes de una hipótesis:

Tabla 5. Pruebas para diferencias entre medias: muestras pequeñas.
Hipótesis nula 𝐻0 : 𝜇 = 𝜇0
Hipótesis alternativa 𝐻1 : 𝜇 ≠ 𝜇0
Estadístico de prueba (𝑥 𝑥2 − (𝜇1 − 𝜇2 )𝐻0
̅̅̅1 − ̅̅̅)
𝑡=
𝜎̂𝑥̅̅̅̅−𝑥
1 ̅̅̅̅
2
𝑔𝑙 = 𝑛1 + 𝑛2 − 2. De esta manera calculamos los grados de libertad
9
Ejercicios de aplicación
1. En una empresa se fabrican piezas que no alcanzan el tamaño mínimo de 25 cm.
Se toma una muestra a 10 elementos: 19, 15, 20, 24, 17, 13, 21, 18, 17, 20. Indicar
con un nivel de significancia del 90% si la compañía debe tomar alguna medida
para cambiar el tamaño de dichas piezas.
Resolvemos
Datos
𝜇 = 25
𝑛 = 10
Procedemos a aplicar los pasos para realizar una prueba de hipótesis
Primero fijamos las hipótesis, determinamos si es de dos colas o una y el nivel de
significancia
𝐻0 : 𝜇 > 25
para contrarrestar la hipótesis nula; nos dicen que no alcanza el máximo de 25 cm;
entonces
𝐻1 : 𝜇 < 25
Como hipótesis alterna nos dice que es <25; es
una prueba de hipótesis de una cola hacia la
izquierda. Con un nivel de significancia 𝛼 =
100% − 90% = 10% = 0,1
Determinamos que es una distribución t y
procedemos a hallar el valor crítico. 𝑡𝑐 = 1.3830
Si la muestra tiene 10 datos; los grados de
libertad serán 𝛾 = 10 − 1 = 9 y 𝛼 = 0,1. Procedemos a buscar en la tabla t-student y

obtenemos 𝑡𝑐 = 1.3830. y por regla del valor critico es -1.3830
Ahora calculamos el estadístico de prueba:
𝑥̅ − 𝜇
𝑡= 𝜎
√𝑛
Primero calculamos la media muestral (𝑥̅ )
∑𝑛𝑖=1 𝑥1
𝑥̅ =
𝑛
10
19 + 15 + 20 + 24 + 17 + 13 + 21 + 18 + 17 + 20 184
𝑥̅ = =
10 10
𝑥̅ = 18,4
Luego calculamos la desviación estándar
∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2
𝜎=√
𝑛−1
X 𝑥 − 𝑥̅ (𝑥 − 𝑥̅ )2
19 (19 − 18,4) = 0,6 (0,6)2 = 0,36
15 (15 − 18,4) = −3,4 (−3,4)2 = 11,56
20 (20 − 18,4) = 1,6 (1,6)2 = 2,56
28 (28 − 18,4) = 9,6 (9,6)2 = 92,16
17 (17 − 18,4) = −1,4 (−1.4)2 = 1,96
13 (13 − 18,4) = −5,4 (−5,4)2 = 29,16
21 (21 − 18,4) = 2,6 (2,6)2 = 6,76
18 (18 − 18,4) = −0,4 (−0,4)2 = 0,16
17 (17 − 18,4) = −1,4 (−1,4)2 = 1,96
20 (20 − 18,4) = 1,6 (1,6)2 = 2,56
SUMATORIA 149,2
Introducimos los valores en la fórmula

149,2
𝜎=√ = 4,05
9
Procedemos a colocar los valores para encontrar el estadístico de prueba. La μ nos

proporciona el ejercicio (25)
18,8 − 25
𝑡=
4,05
√10
𝑡 = −1,2807
11
En conclusión como el valor 𝑡 = −1,2807 esta dentro del valor crítico rechazamos la
hipótesis nula (𝐻0 ) y aceptamos la hipótesis alternativa (𝐻1 ). Lo que quiere decir que
la compañía debe tomar medidas para cambiar el tamaño de las piezas.
2. Una embotelladora vierte 250 ml de gaseosa por unidad. En una muestra
aleatoria a 40 gaseosas resulta un contenido promedio de 245 ml con una
desviación estándar de 30 ml, determinar mediante la prueba de hipótesis el
promedio teórico de 250 en contraposición con la hipótesis alternativa de que
es menor a 250 en un nivel de significancia del 5%
Resolvemos
El ejercicio básicamente nos proporciona toda la información
Datos
𝑥̅ = 245
𝜇 = 250
𝜎 = 30
𝛼 = 0.05
Seguimos los mismos pasos del ejercicio anterior. Proponemos las hipótesis
𝐻0 : 𝜇 > 250
𝐻1 : 𝜇 < 250
Debido a que es < 250, es de una cola hacia la izquierda.
Trabajamos con un 95% de confianza;
el 5% será la zona de rechazo.
Buscamos en la tabla de la normal
estándar el valor de 0.05 en su centro.
Entonces no obtenemos el valor de

𝑡𝑐 = 1.3830 0.05 pero si valores cercanos que
pertenecen a 1,64 y 1,65 y sacamos un
promedio.
1,65 + 1,64
= 1,645
2
Por la regla de la región crítica es -1,645
12
Para el estadístico de prueba:

𝑥̅ − 𝜇
𝑧= 𝜎
√𝑛
245 − 250
𝑧= = −1,05
30
√40
Decisión: el valor del estadístico de prueba está dentro de la zona de aceptación; por
ende, se acepta la hipótesis nula y se rechaza la hipótesis alternativa.
Conclusión: se puede afirmar que el contenido de cada gaseosa es menor a 250 ml con
una significación del 5%.
3. Se realiza una muestra a 9 comerciantes de un centro comercial y una muestra a
6 comerciantes ambulantes; con una desviación estándar de 10,44 y 12,69
respectivamente. Se desea saber a un nivel de significancia del 5% si la diferencia
de venta promedio de ambos grupos es significativa
Comerciantes 1 2 3 4 5 6 7 8 9
Centro 59 68 44 71 63 46 69 54 48
comercial
Ambulantes 50 36 62 52 70 41
Tomamos los datos:

𝑛1 = 9 𝑛2 = 6
𝑆1 = 10,44 𝑆2 = 12,69
Calculamos la media muestral
∑𝑛𝑖=1 𝑥𝑖 59 + 68 + 44 + 71 + 63 + 46 + 69 + 54 + 48
𝑥̅1 = = = 58
𝑛 9
∑𝑛𝑖=1 𝑥𝑖 50 + 36 + 62 + 52 + 70 + 41
𝑥̅2 = = = 51,73
𝑛 6
Fijamos las hipótesis
𝐻0 : 𝜇1 − 𝜇2 = 0
𝐻1 : 𝜇1 − 𝜇2 > 0
13
Para el valor crítico con un nivel de significación del 5%. Vamos a trabajar con la
distribución t.
𝑔𝑙 = 𝑛1 + 𝑛2 − 2 = 9 + 6 − 2 = 13
𝛼 = 0.05
Buscamos en la tabla t-student 𝑡𝑐 = 1.711
Calculamos el estadístico de prueba
Primero calculamos la desviación estándar
para proceder a colocar los datos en la fórmula
(𝑛1 − 1)𝑠12 + (𝑛2 − 1)𝑠22
𝑠𝑝2 =
𝑛1 + 𝑛2 − 2
(9−1)10,442 +(6−1)12,692 𝑡𝑐 = 1.711

𝑠𝑝2 = = 129.01
9+6−2
𝑠𝑝 = √129.01 = 11,35
1 1
𝜎̂𝑥̅1 −𝑥̅2 = 11.35√ + = 5,98
9 6
Estadístico de prueba
(𝑥 𝑥2 − (𝜇1 − 𝜇2 )𝐻0
̅̅̅1 − ̅̅̅)
𝑡=
𝜎̂𝑥̅̅̅̅−𝑥
1 ̅̅̅̅
2
(58 − 51.73) − 0
𝑡= = 1,048
5,98
Decisión: debido a que el t calculado es menor al valor crítico se acepta la hipótesis nula
y se rechaza la hipótesis alternativa.
Conclusión: la diferencia entre los promedios de ventas no es estadísticamente

significativa.
14
3. Bibliografía
Johnson, R. A. (2012). Probabilidad y estadística para ingenieros. México: Pearson Educación.
Stephens, M. R. (2009). Estadística. México: Mc Graw Hill.
Triola, M. F. (2004). Probabilidasd y Estadística. México: Pearson Edacación.

15
ÍNDICE
2.1. Pruebas de hipótesis para la proporción 4
2.2. Prueba de hipótesis para la diferencia de 5

proporciones de poblaciones
2.3. Ejercicios de aplicación 6
3. Bibliografía 9
2
Tema de la semana:
» Objetivo:
Comprender los fundamentos teóricos mediante la validez de supuestos
poblacionales a partir del método de prueba de hipótesis para la proporción.
» Tema:
Prueba de hipótesis para la proporción.
» Subtemas:
1. Prueba de hipótesis para la proporción de población.
2. Prueba de hipótesis para la diferencia de proporciones de poblaciones.
3. Ejercicios de aplicación.
» Unidad:

10 H
3
Pruebas de hipótesis y muestreo – Pruebas de Hipótesis para la proporción

2.1 Pruebas de hipótesis para la proporción de
población
El conocimiento obtenido a través de pruebas de hipótesis para medias será aplicado a
pruebas para proporciones. Para hondar en este tema recordemos que la distribución
binomial es la teóricamente correcta para ser utilizada con proporciones, debido a que
los datos son discretos no continuos, así al aumentar el tamaño de la muestra la binomial
hace una aproximación a la normal facilitando de esta manera que se pueda hacer uso
de la distribución normal para aproximar la binomial. (Babativa, 2004)
Existen pasos para desarrollar esta prueba:
𝑥
𝑝̂ =
𝑛
Tabla 1. Prueba de hipótesis para la proporción de población.
Hipótesis nula 𝐻0 : 𝑝 = 𝑝0 𝐻0 : 𝑝 ≤ 𝑝0 𝐻0 : 𝑝 ≥ 𝑝0
Hipótesis alternativa 𝐻1 : 𝑝 > 𝑝0 𝐻1 : 𝑝 < 𝑝0 𝐻1 : 𝑝 ≠ 𝑝0
Estadístico de prueba (𝑝̂ − 𝑝𝐻0 )
𝑧=
𝜎𝑝̂
1. Establecer hipótesis, tipo de prueba y nivel de significancia.

2. Elegir la distribución apropiada y se encuentra el valor crítico.
3. Calcular el error estándar y estandarización del estadístico de prueba.
𝑝𝐻0 𝑞𝐻0
𝜎𝑝̂ = √
𝑛
4. Bosquejar la distribución y señalan el valor de la muestra y de los valores críticos.

5. Interpretar el resultado.
Para los valores de p y valores críticos utilice la tabla de distribución normal estándar.
(Taylor R. C., 2008)
4
2.2 Prueba de hipótesis para la diferencia de

proporciones de poblaciones
El procedimiento que se sigue es muy parecido al proceso de pruebas para diferencias

entre medias basadas en la distribución normal, pero en este caso la diferencia viene
expresada en la manera en que se pueda encontrar una estimación para el error
estándar de la diferencia entre las dos proporciones de muestra. (Taylor R. A., 2012)
Tabla 2. Prueba de hipótesis para diferencia de proporciones de poblaciones.
Hipótesis nula 𝐻0 : 𝑝 = 𝑝0
Hipótesis alternativa 𝐻1 : 𝑝 ≠ 𝑝0
Estadístico de prueba (𝑝̅1 − 𝑝̅2 ) − (𝑝1 − 𝑝2 )
𝑧=
𝜎𝑝̂1 −𝑝̂2
*Tomado de Taylor y Triola,(2012).Probabilidad y estadística para ingenieros. México:

Pearson Educación.
1. Establecer hipótesis, tipo de prueba y nivel de significancia.

2. Elegir la distribución apropiada y se encuentra el valor crítico.
3. Calcular el error estándar y estandarización del estadístico de prueba.
𝑝1 𝑞1 𝑝2 𝑞2
𝜎𝑝̂1 −𝑝̂2 = √ +
𝑛1 𝑛2
4. Bosquejar la distribución y señalan el valor de la muestra y de los valores críticos.

5. Interpretar el resultado.
Para los valores de p y valores críticos utilice la tabla de distribución normal estándar.
5
2.3 Ejercicios de aplicación
1. Una encuesta realizada por Engueran a 35 socios indico que un poco más del 74%
tenían un ingreso familiar de más de $200,000 al año. Si esto es cierto, el comité
desarrollara un paquete especial de servicios para este grupo. El gerente quiere
determinar si el porcentaje verdadero es mayor del 60% antes de desarrollar e
introducir este nuevo paquete de servicios. A lo que los resultados mostraron
que el 74.29% de los socios encuestados reportaron ingresos de más de
$200,000 o más al año.
Procedimiento:
Hipótesis nula: 𝑯𝟎 = 𝑷 ≤ 𝟎. 𝟔𝟎
Hipótesis alternativa: 𝑯𝟏 = 𝑷 > 𝟎. 𝟔𝟎
P= a la proporción de socios con ingresos familiares anuales de $200,000 o más.
Para el nivel de significancia α, permitido. Para α=0.05, el valor de la tabla de Z para

prueba de una sola cola es igual a 1.64
Calcular el error estándar para dicha

proporción especifica en la hipótesis nula
𝑝𝐻0 𝑞𝐻0
𝜎𝑝̂ = √
𝑛
0.60(0.40)
𝑧𝑐 = 1.64 𝜎𝑝̂ = √ = 0.0828

35
Calculamos el estadístico de prueba
(𝑝̂ − 𝑝𝐻0 )
𝑧=
𝜎𝑝̂
(0.7429 − 0.60)
𝑧= = 1.73
0.0828
6
La hipótesis nula se rechaza porque el valor de la Z calculado es mayor que el valor crítico
Z. La compañía puede concluir con un 95% de confianza (1- α=0.95) que más de un 60%
de sus socios tienen ingresos familiares de $200,000 o más. El gerente puede introducir
el nuevo paquete de servicios orientados a este grupo.
2. La administración de las tiendas Startsec realiza una investigación y sobre ella

recae que el porcentaje de hombres que visitan frecuentemente aquella tienda
es 9 o más veces al mes, siendo mayor que el porcentaje de mujeres que hacen
lo mismo. Las especificaciones requeridas y el procedimiento para probar esta
hipótesis es la siguiente:
» 𝐻0 = 𝑃𝐻 − 𝑃𝑀 ≤ 0, la proporción de hombres que reportan 9 o más
visitas al mes es la misma o menor que la proporción de mujeres que
realizan lo mismo.
» 𝐻1 = 𝑃𝐻 − 𝑃𝑀 > 0, la proporción de hombres que reportan 9 o más
visitas por mes es mayor a la proporción de mujeres que hacen lo mismo.
Proporcionan la siguiente información:
𝑛𝐻 = 45 𝑛𝑀 = 71
𝑃𝑯 = 𝟎. 𝟓𝟖 𝑃𝑀 = 𝟎. 𝟒𝟐
Para α=0.05, el valor de la tabla de Z para

prueba de una sola cola es igual a 1.64
0.58(0.42) 0.42(0.58)
𝜎𝑝̂1 −𝑝̂2 = √ +
45 71
= 0.10
𝑧𝑐 = 1.64
Para el estadístico de prueba
(0.58 − 0.42) − (0)

𝑧=
0.10
𝑧 = 1,60
7
La hipótesis nula es aceptada porque el valor de la Z calculado es menor que el valor

critico Z. dicha administración no puede concluir con un 95% de confianza que la
proporción de hombres que visita 9 o más veces los Startsec es mayor que la proporción
de mujeres.
8
3. Bibliografía
Babativa, Á. M. (2004). Estadística aplicada a la educación. Bogotá: Pearson Educación.
Taylor, R. A. (2012). Probabilidad y estadística para ingenieros. México: Pearson Educación.
Taylor, R. C. (2008). Biestadística. México: Pearson Educacion.

9
ÍNDICE
2.1. Muestreo Aleatorio Simple 4
2.2. Uso de la tabla de números aleatorios para la 6

selección de un muestra
2.3. Fórmula para el muestreo: Poblaciones finitas e 7

infinitas
3. Bibliografía 11
2
Tema de la semana:
» Objetivo:
Utilizar adecuadamente las muestras de una población para la obtención de
resultados correctos.
» Tema:
Nociones de Muestreo.
» Subtemas:
1. Muestreo Aleatorio Simple.
2. Uso de la tabla de números aleatorios para la selección de una muestra.
3. Fórmula para el muestreo: Poblaciones finitas e infinitas.
» Unidad:

10 H
3
Pruebas de hipótesis y muestreo – Nociones de Muestreo

2.1 Muestreo Aleatorio Simple
Antes de realizar un muestreo primero se debe elegir que diseño de muestra de

probabilidad se va a utilizar, luego el tipo de muestreo probabilístico, en este caso uno
de los tipos de muestreo probabilístico es el muestreo aleatorio simple.
El muestro aleatorio simple es un subconjunto donde se selecciona una muestra para el

estudio de una población, permite a cada elemento de una población objetivo y a cada
una de las muestras de un tamaño determinado tener la misma probabilidad de poder
ser seleccionado; una parte del muestreo está en obtener el tamaño de la muestra
correcta, para que debido a esto no se obtenga un error de muestreo y si ocurre deba
ser el mínimo posible. (Aushay, 2015)
Para aplicarlo de manera apropiada la elección del tamaño de la muestra debe contener
más de unos cientos de individuos; es posible que este método sea teóricamente fácil
de comprender, pero algo difícil de implementar en la práctica.
Pasos para la selección de una muestra aleatoria:
1. Identificar un marco de muestreo.

2. Evaluar el marco de muestreo para la falta de cobertura.
3. Asignar un número, en este caso único para cada elemento.
4. Determinar el tamaño de la muestra.

5. Seleccionar al azar el número determinado de elementos de la población.
Para proceder a la selección del número de elementos de la población, se lo puede

realizar mediante el método de la lotería, una tabla de números aleatorios y los números
generadores de forma aleatoria mediante un software, es decir al azar; en este caso
aprenderemos el uso mediante la tabla de números aleatorios. (Aushay J. W., 2016)
4
Existen dos tipos de muestreo aleatorio simple:
Muestreo con reemplazo: Luego de que un elemento es seleccionado del marco de

muestra, vuelve a la muestra y puede ser nuevamente seleccionado.
Muestreo sin reemplazo: luego de que un elemento es seleccionado del marco de

muestra, procede a ser retirado y no retorna a la base del muestreo; considerando este
tipo de muestreo el más eficiente, debido a que no permite que el elemento de dicha
población reingrese reiteradas veces a la muestra.
5
2.2 Uso de la tabla de números aleatorios para la

selección de una muestra.
Es un método alternativo el cual implica la debida numeración de individuos de la

población de 1 a n; para la selección de los números al azar el tamaño de muestra de n
debe ser determinado; sirve de ayuda en la aplicación de la técnica de muestreo.
Debido a que es una tabla de números aleatorios no persigue un patrón en particular,

estos pueden ser leídos de cualquier forma, ya sea por fila, columna, diagonal, hacía
delante, hacia atrás; es importante que el número de dígitos a utilizar corresponda al
tamaño total de la población objetivo. Los números que encuentra el investigador y que
no coinciden con los números que han sido asignados a los elementos de la población
objetivo son ignorados; es un proceso un poco tedioso, ocupa tiempo por lo que no es
recomendado para grandes poblaciones. (Rubin, 2004)
Esta tabla consiste en una serie de dígitos que se ordenan en una secuencia generadora
de forma aleatoria. Debido a que dicho sistema numérico utiliza 10 dígitos, teniendo la
posibilidad de generar de una forma aleatoria cualquier digito en particular y esto es
igual a la probabilidad de generar cualquier otra.
Estas tablas se caracterizan porque:
» Los dígitos deben estar ordenados de forma que tengan la probabilidad de

aparecer en cualquier punto dado dentro de una secuencia, es decir la
probabilidad de que ocurra cualquier otro.

» Las combinaciones de los dígitos tengan la misma probabilidad de ocurrencia que
las otras combinaciones de un número igual de dígitos.
Estas dos características satisfacen los requisitos necesarios para la realización del
muestreo aleatorio.
6
2.3 Fórmula para el muestreo: Poblaciones finitas e

infinitas
Fórmula para el muestreo de poblaciones finitas.
La población finita se conforma por número limitado de elementos.
Según Aushay (2016) Para proceder a realizar el cálculo del tamaño de la muestra de un
universo finito, es decir que es contable y la variable de tipo categórica, primero debe
conocer “n” ; ya determinada que la población es finita, es decir tenemos conocimiento
del total de la población y se desea analizar cuántos de ese total vamos a estudiar; se
aplica la fórmula:
𝑍2 × 𝑁 × 𝑝 × 𝑞
𝑛=
𝑒 2 × (𝑁 − 1) + 𝑍 2 × 𝑝 × 𝑞
Donde:
z= nivel de confianza, corresponde a la tabla de valores de Z
p= % de la población que tiene la particularidad deseada.
q= % de la población que no tiene la particularidad deseada. (1-p). cuando no especifican

la población que posee, se asume 50% para p y 50% para q.
N= tamaña del universo, es conocido debido a que es finito.

e= error de estimación máximo aceptado.
n= tamaño de la muestra.
Fórmula para el muestreo de poblaciones infinitas.
La población infinita se encuentra conformada por un número extremadamente grande

donde no se puede proceder a realizar el conteo de tos sus elementos debido a que
existen en número limitado de estos.
7
“Cuando no tenemos conocimiento del total de la población, es decir nuestro universo

es infinito se procede a hacer uso de la fórmula:
𝑍2 × 𝑝 × 𝑞
𝑛=
𝑒2
Donde:
z= nivel de confianza, corresponde a la tabla de valores de Z
p= % de la población que tiene la particularidad deseada.
q= % de la población que no tiene la particularidad deseada. (1-p). cuando no especifican

la población que posee, se asume 50% para p y 50% para q.
e= error de estimación máximo aceptado.
n= tamaño de la muestra.” (Rubin, 2004)
1. Calcule el tamaño de la muestra para una población de 4500 individuos con un

nivel de confianza el 90% y un margen de error del 10%
Resolvemos
Procedemos a utilizar la fórmula para poblaciones finitas debido a que
conocemos la población 𝑁 = 4500
El margen de error es 𝑒 = 0.1

En nuestra tabla para el apoyo de cálculo de la muestra nos dice que a un nivel de
confianza del 90% nuestra Z es 1,65; el ejercicio no proporciona el porcentaje del éxito,
por lo tanto
𝑝 = 0.5
𝑝 = 1 − 𝑝=1-0,5=0,5
8
Colocamos los valores en la fórmula
𝑍2 × 𝑁 × 𝑝 × 𝑞
𝑛=
𝑒 2 × (𝑁 − 1) + 𝑍 2 × 𝑝 × 𝑞
(1,65)2 × 4500 × 0,5 × 0,5

𝑛=
(0,1)2 × (4500 − 1) + (1,65)2 × 0,5 × 0,5
3062,81
𝑛= = 67,06
45,67
𝑛 = 68
2. Se desea estimar la proporción de estudiantes de una institución privada que

prefieren escoger ciencias administrativas, con una confianza del 95% y un error
del 5%
a) No se conoce el tamaño de la población y no hay encuesta anterior.
b) En la institución hay 2500 estudiantes y en una encuesta realizada anteriormente
solo el 12% de estudiantes manifiestan seguir ciencias administrativas.
Resolvemos
a) No conocemos la población por lo tanto procedemos a utilizar la fórmula
para poblaciones infinitas
Datos
𝑝 = 0.5
𝑝 = 1 − 𝑝=1-0,5=0,5
El margen de error es 𝑒 = 0.05 y nivel de confianza 95% nuestro valor z es 1,96.
Introducimos los datos en la fórmula:

𝑍2 × 𝑝 × 𝑞
𝑛=
𝑒2
(1,96)2 × 0,5 × 0,5

𝑛= = 384,16
(0.05)2
𝑛 = 385
9
b) Realizamos el mismo procedimiento del ejercicio 1

Datos
𝑁 = 2500
El margen de error es 𝑒 = 0.05 con un nivel de confianza del 95% nuestra z es

1,96
Para el éxito nos dice que 12% eso quiere decir que:
𝑝 = 0.12
𝑞 = 1 − 𝑝 = 1 − 0.12 = 0.88
Procedemos a colocar los valores en la fórmula
𝑍2 × 𝑁 × 𝑝 × 𝑞
𝑛=
𝑒 2 × (𝑁 − 1) + 𝑍 2 × 𝑝 × 𝑞
(1,96)2 × 2500 × 0,12 × 0,88

𝑛=
(0,05)2 × (2500 − 1) + (1,96)2 × 0,12 × 0,88
1014,18
𝑛= = 152,5
6,65
𝑛 = 153
10
3. Bibliografía
Aushay, J. W. (2015). Estadística aplicada a la educación. Riobamba: EDG-FIE.
Aushay, J. W. (2016). Estadística aplicada a la educación. Riobamba: EDG-FIE.
Rubin, R. I. (2004). Estadística para administración y economía. México: Pearson Educación.

11

Estadistica 23

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

Estadistica 23

Cargado por

Copyright:

Formatos disponibles

a

1. Información de la unidad / Tema de la semana 3

2. Información de los subtemas 4

2.1. Distribuciones muéstrales 4

2.2. Estimación puntual e intervalos de confianza de la 6

2.3. Estimación por intervalos de confianza para la 9

» Duración de horas semanales:

2. Informacion de los subtemas

La distribución muestral es la distribución de los resultados que demuestran si se

a. Distribución muestral de la media

Basado en el conocimiento previo de que media es la medida de la tendencia central

Cuando ya se obtenido todos los datos de una determinada población, la media se

Y para la desviación estándar la ecuación:

Dada una población normal N (μ, σ) se procede a verificar:

b. Distribución muestral de una proporción

La proporción muestral es representada por p y es denominada como la relación

x= cantidad de elementos con la característica de interés

Además, podemos calcular el error estándar para la proporción:

2.2 Estimación puntual e intervalos de confianza de la

La estimación puntual da a conocer la elección de un estadístico; esto es, un

“La media de la población se puede estimar puntualmente mediante la media de la

La proporción de la población se puede estimar puntualmente mediante la proporción

La desviación típica de la población se puede estimar puntualmente mediante la

Intervalos de confianza de la media poblacional.

El intervalo de confianza se elabora de forma que la probabilidad del parámetro de la

a. Estimación del intervalo de confianza para la media (σ conocida)

Evento probabilístico n>30:

Dada una población normal N (μ, σ) se procede a verificar:

b. Estimación del intervalo de confianza para la media (σ desconocida)

conocer los grados de libertad (𝛼 = 𝑛 − 1) en la columna izquierda, luego siguiendo ese

reglón hasta encontrar el número correspondiente o aproximado abajo del área

Evento probabilístico n<30:

2.3 Estimación por intervalos de confianza para la

Se hace la selección de dos muestras aleatorias escogidas independientemente de dos

(𝑋̅ − 𝑌̅) − (𝜇𝑋 − 𝜇𝑌 )

𝜎𝑋2 𝜎𝑌2 𝜎𝑋2 𝜎𝑌2

» Con varianzas desconocidas pero iguales

(𝑋̅ − 𝑌̅) − (𝜇𝑋 −𝜇𝑌 )

1. El ascensor de un edificio limita el peso de sus 5 ocupantes a 400kg. Se entrega

distribución N (75, 9), determinar la probabilidad de que el peso de las 5

𝑃(𝑥̅ > 400) = 𝑃(𝑥̅ > 80)

𝑃(𝑥̅ > 400) = 1 − 𝑃(𝑍 > 1,24)

𝑃(𝑥̅ > 400) = 1 − 0.1075

𝑃(𝑥̅ > 400) = 𝟎. 𝟖𝟗𝟐𝟓

Calculamos el intervalo de confianza

Aldana, J. S. (2009). Relación fuente - recurso de información - documento . Biblios, 10.

Auchay, J. W. (2016). Estadística aplicada a la educación con actividades de aprendizaje.

Johnson, R. A. (2012). Probabilidad y estadística para ingenieros. México: Pearson Educación.

Rubin, R. I. (2004). Estadística para administración y economía. México: Pearson Educación.

1. Información de la unidad / Tema de la semana 3

2. Información de los subtemas 4

2.1. Pasos básicos en pruebas de hipótesis 4

2.2. Prueba de hipótesis para la media de la población 7

2.3. Prueba de hipótesis para la diferencia entre medias 8

» Duración de horas semanales:

2. Informacion de los subtemas

La hipótesis es considerada como una aseveración o afirmación aproximada del valor

La hipótesis alternativa dada por 𝐻1 es la aseveración establecida a base de la evidencia

Proporciones: 𝐻1 : 𝑝 > 𝑝0 𝐻1 : 𝑝 < 𝑝0 𝐻1 : 𝑝 ≠ 𝑝0

Medias: 𝐻1 : 𝜇 > 𝜇0 𝐻1 : 𝜇 < 𝜇0 𝐻1 : 𝜇 ≠ 𝜇0

Desviaciones estándar: 𝐻1 : 𝜎 > 𝜎0 𝐻1 : 𝜎 < 𝜎0 𝐻1 : 𝜎 ≠ 𝜎0

» La posibilidad de que existan dos decisiones correctas se da por

Rechazar 𝐻0 cuando es falsa; no rechazar 𝐻0 cuando es verdadera.