Nombre: Matricula:

Yareli Monserrat Hernández García AL02983179

Nombre del curso: Nombre del Profesor:
Definición y medición de sistemas de Ing. José de Jesús Hernández
calidad. Garay

Actividad 4:
Módulo 2. Intervalos de confianza y prueba
de hipótesis.

Fecha: Viernes 17 de febrero del 2023

Bibliografía:
Canvas (2020). Canvas (2020). (2022) Tecmilenio Sitio web: (2022)
Tecmilenio Sitio web: Mi curso: SN.LTIN1817EJE.111.202311-Definición
y medición de sistemas de calidad (tecmilenio.mx)

Descripción:
Utilizar la herramienta Minitab para realizar mediciones de intervalos y pruebas de hipótesis.
Objetivo:
· Interpretar los resultados de la medición de los intervalos de confianza y la prueba de
hipótesis.
Desarrollo:
Contesta las siguientes preguntas:
1. ¿Cuál es la conclusión principal sobre el Teorema del Límite Central?, ¿cuál es el
resultado comúnmente conocido de esta conclusión principal?
El Teorema del Límite Central dice que las sumas de números tienden a ser de distribución
normal incluso si la distribución original de los datos no es normal.
Desde que una media es una suma dividida por una constante, la implicación es que las
medias para muestras repetitivas son de distribución normal, incluso si la distribución original
de los datos no sea normal. Esto hace a la media una estadística muy útil para trabajar ya que
podemos sacar conclusiones sobre su distribución de muestreo a priori. Incluso si la
distribución original no es normal, la distribución de medias k se aproxima a una normal si su n
es lo suficientemente grande.
Este teorema en conjunto con el cálculo de media y desviación estándar nos ayuda
muchísimo ya que nos dicta que, para muestras muy grandes, los análisis de normalidad
pueden aplicarse incluso si la distribución original no lo es.
 2. ¿Qué es una distribución de muestreo?
La distribución de muestreo se define como la distribución de probabilidad de una estadística.

3. ¿Qué es un error estándar?

El error estándar de una estadística se define como la desviación estándar de su distribución
de muestreo.

4. Menciona tres distribuciones de muestreo conocidas y haz una lista de las

estadísticas que se asocian a cada una de ellas.
 Distribución normal: Media, Mediana, Desviación estándar
 Distribución gamma: Selección al azar (aleatorio).
 Distribución uniforme: Variable aleatorias.

5. Cuando alguien declara que un parámetro es igual a un valor, ¿cuál es el nivel de

confianza asociado a dicha declaración?
El nivel de confiabilidad de un intervalo de confianza indica la probabilidad de que un rango de
confianza capture la población verdadera del parámetro dada una distribución de las
muestras.

6. ¿Qué es una prueba IOT?

Dejando de lado las estadísticas, el primer paso en el análisis de datos no es la prueba IOT
(trauma inter-ocular), que significa observar los datos.

7. ¿Qué es una hipótesis nula?

Declaración sobre uno o más parámetros de una población típica.

8. ¿Qué es una hipótesis alternativa?

Declaración que estamos forzados a aceptar si los datos no apoyan la hipótesis nula (si es
rechazada). La hipótesis alternativa debe contradecir a la nula.

9. ¿Qué es el valor P?
La probabilidad, asumiendo que Ho es verdadera, al observar un valor de la prueba
estadística que es al menos tan grande como el valor calculado. Un valor menor de p significa
que la prueba tiene mayor significancia.

10. ¿Cuál es la diferencia entre los errores Tipo I y Tipo II?

Error Tipo I: Rechazar la hipótesis nula siendo verdadera. La probabilidad de que esto ocurra
se denota con el símbolo α, y algunas veces es llamado el riesgo alfa.
Error Tipo II: aceptar la hipótesis nula siendo falsa. La probabilidad de que esto ocurra se
denota con el símbolo β, y algunas veces es llamado el riesgo beta.

11. ¿Para qué sirve la prueba t de 1 muestra?

Calcula un intervalo de confianza o desempeña una prueba de hipótesis en la media
asumiendo s conocida, donde n - 1 son los grados de libertad para t.
Ho: µ = µo
Ha: µ µo
Compara el valor de la media de un proceso con respecto a un valor fijo.

12. ¿Para qué sirve la prueba t de 2 muestras?

Calcula un intervalo de confianza y desempeña una prueba de hipótesis de la diferencia entre
dos medias poblacionales asumiendo que las s son desconocidas y que las muestras son
independientes, normales.
Ho: µ1 - µ2 = Do
Ha: µ1 - µ2 Do
Compara las medias de dos procesos para saber si son distintos.

13. ¿Para qué sirve la prueba t pareada?

La Prueba t Pareada calcula un intervalo de confianza y desarrolla una prueba de hipótesis de
la diferencia de las medias de dos poblaciones cuando las observaciones son “idénticas”. Esta
prueba se utiliza cuando se quiere obtener información de si una encuesta aplicada al mismo
grupo es coherente. Este tipo de pruebas se utiliza con grupos control.
Ho: µ1 = µ2
Ha: µ1 µ2

14. ¿Para qué sirve la prueba de varianza de 1 muestra?

Permite probar la varianza de la muestra contra una varianza conocida o hipotética.

A diferencia de la prueba t que sigue una distribución t student normal. La prueba de varianza
sigue una distribución tipo F.

15. ¿Para qué sirve la prueba de varianza de 2 muestras?

Permite probar como una varianza muestral se compara con una segunda varianza muestral.

16. ¿Cuál es el dicho en el que siempre se tienen que recordar alternativas y los
valores P?
La probabilidad, asumiendo que Ho es verdadera, al observar un valor de la prueba
estadística que es al menos tan grande como el valor calculado. Un valor menor de p significa
que la prueba tiene mayor significancia.

17. En general, ¿cómo se puede calcular un tamaño de muestra requerido asociado

con un intervalo de confianza?
Este proceso se basa en una distribución normal, por lo que, para muestras pequeñas, si sus
datos se extraen de una distribución normal o una distribución normal aproximada,
este proceso es más efectivo. A partir del teorema del límite central, si la muestra es grande,
se puede usar s para reemplazar la desviación estándar de la muestra.
Conclusión:
Finalmente, con la realización de esta actividad podemos decir que cuando analizamos un
proceso, lo más importante es conocer sus características, y una forma de lograrlo es
utilizando modelos estadísticos. De la misma manera, es importante el conocimiento del
análisis experimental, ya que la mayoría de las herramientas estadísticas de Six Sigma se
basan en estos experimentos. Igualmente es importante conocer los conceptos básicos sobre
estadística e identificar la diferencia de cada definición para ser capaces de resolver
problemas de hipótesis, que su finalidad es poder rechazar una proposición verdadera o falsa,
y con cierto grado de certeza, pruebas de normalidad con cierta cantidad de varianza y
tamaño de muestras.