Hemos planteado un contraste de hip´otesis bilateral sobre la media de una poblaci´on.

Despu´es de extraer una muestra de la poblaci´on, y calcular el estad´ıstico adecuado

resulta
que rechazamos H0 al nivel de 95% de confianza, pero que, si fijamos la confianza en
98%
no podemos rechazar H0.
1. ¿Cu´al ser´ıa nuestra decisi´on con 90% de confianza?

b) ¿Qu´e interpretaci´on tiene un intervalo de confianza al 95%?

Si se plantea una hip´otesis nula acerca de una poblaci´on y sabemos que es rechazada a
un nivel de confianza del 95%. Entre las afirmaciones siguientes indica cu´ales son las
correctas:
a) Siempre ser´a rechazada al 99% de confianza.
b) Puede no ser rechazada al 99% de confianza.
c) Tambi´en ser´a rechazada al 90% de confianza
d) Nunca ser´a rechazada al 90% de confianza.

Un estudiante lee un art´ıculo donde se afirma que un intervalo de confianza al 95%

para
la altura media de los espa˜noles mayores de 18 a˜nos es [1.66, 1.72]. Se le pregunta por
el
significado de esta afirmaci´on y contesta que quiere decir que el 95% de los espa˜noles
tiene
una altura comprendida entre estos dos n´umeros. ¿Crees que su respuesta es correcta?
Raz´onalo.

1. Teor´ıa.
(a) Definir lo que se entiende por estimador de un par´ametro poblacional.
(b) ¿Qu´e es un estimador insesgado? Pon un ejemplo.
(c) ¿Qu´e estimador utilizamos para la varianza poblacional? Argumenta tu respuesta.

Se plantea un contraste de hip´otesis bilateral para la media de una poblaci´on normal

con varianza conocida. Despu´es de extraer una muestra de la poblaci´on y calcular el
estad´ıstico adecuado, resulta que se rechaza H0 al 90% de confianza y que no podemos
rechazar la hip´otesis nula al 98% de confianza.
1. Con la informaci´on disponible, ¿se puede tomar alguna decisi´on al 95% de
confianza?
Razonar la respuesta.

Para la media μ de una poblaci´on con varianza conocida, planteamos el contraste

H0 : μ = μ0
H1 : μ > μ0
Despu´es de extraer una muestra de la poblaci´on y calcular el estad´ıstico adecuado,
resulta
que rechazamos H0 al 95% de confianza y que no podemos rechazar H0 al 99% de
confianza.
1. ¿Cu´al es la decisi´on al 90% de confianza? ¿Y al 98% de confianza? Razona tu
respuesta.
Observaciones:
¿Por qué decimos confianza en lugar de probabilidad?
 
¿Es correcto decir que P 172.65≤≤176.57 0.95 ? Las probabilidades se pueden
calcular
de v.a. y no es una v.a, por lo que no es correcto hablar de probabilidades; por
ello, cuando
tenemos un intervalo obtenido a partir de los datos de una muestra, se habla de
confianza.
Si tomamos otra muestra de la misma población, ¿habríamos obtenido el
mismo intervalo?
¿es único el intervalo de confianza?
Lo que es única es la fórmula para obtenerlo, pero los valores concretos que toma
el intervalo
dependen de los datos de la muestra y de su tamaño.

Objetivo de la prueba de hipótesis.

El propósito de la prueba de hipótesis no es cuestionar el valor calculado del estadístico
(muestral), sino hacer
un juicio con respecto a la diferencia entre estadístico de muestra y un valor planteado del
parámetro.

Paso 5: Tomar una decisión.

En este último paso de la prueba de hipótesis, se calcula el estadístico de prueba, se compara
con el valor crítico y se toma la decisión de rechazar o no la hipótesis nula. Tenga presente que
en una prueba de hipótesis solo se puede tomar una de dos decisiones: aceptar o rechazar la
hipótesis nula. Debe subrayarse que siempre existe la posibilidad de rechazar la hipótesis nula
cuando no debería haberse rechazado (error tipo I). También existe la posibilidad de que la
hipótesis nula se acepte cuando debería haberse rechazado (error de tipo II).

9) Estudia en cuáles de los siguientes casos los resultados ofrecidos son compatibles entre sí:

a) rxy = -0.3; y=4x+5

b) sxy = 100; sy2 = 400; sx = 5; rxy = 1
c) y=9x-4; rxy = 3
d) y=5x+8; x=5y-45; rxy = 0.2
e) x = 2y-8; x = y+4; = 16; = 12
f) La recta de regresión de y sobre x es: y = 4x + 5, y que el coeficiente de correlación: rxy = -0.3
g) sxy = 100; sx = 10; R2 = 1; sy2 = 400.
h) Se calculan las rectas de regresión (de y sobre x, y de x sobre y) y aunque no sabemos cuál es cuál

tenemos: y = 5x+8;y = (1/5)x + 9; rxy = 0.2

i) La recta de regresión y = 2x + 5 se ha calculado para estudiar la relación entre dos variables que cumplen:

sxy = -1; sx2 = -0.5; =1; =7

10) Sea una distribución bidimensional cuyas rectas de regresión son x+4y=1; x+5y=2. Obtén el coeficiente de
determinación y comenta su significado.

1.- Suponga que una cadena de supermercados financia un estudio sobre los
gastos anuales en comestibles de familias de cuatro miembros. La
investigación se limitó a familias con ingresos netos que van de $ 8,000 a $
20,000 dólares. Se obtuvo la siguiente ecuación:
yc =-200 + .10x
 y = gastos anuales estimados
x = ingresos netos anuales
a. Estime los gastos de una familia de cuatro miembros con un ingreso
anual de $15,000.
Como queremos estimar el gasto anual, se sustituye el valor de los
ingresos(x) en la ecuación y queda así:
Yc = -200 + .10(15,000)
Yc = -200 + 1500
Yc= 1300

b. Uno de los vicepresidentes se preocupa por el hecho de que

aparentemente la ecuación indica que una familia con ingreso de $2,000
no gastaría nada en alimentos. ¿Cuál sería su respuesta?
La respuesta es que no tiene de que preocuparse ya que el gasto
está estimado para familias con ingresos de 8000 a 20000 dlls.

c. Explique porqué no se podría utilizar en los siguientes casos:

1) estimación en los gastos de familias de cinco miembros.
No es posible ya que la ecuación está calculada para una
familia de cuatro miembros.
2) estimación en los gastos de familias cuyos ingresos netos van
de $20,000 a $35,000.
No se puede porque la formula se calculo para sueldos
menores o iguales a 20,000.

d. Grafique la ecuación.

Es frecuente
que estudiemos
sobre una misma
población
los valores de
dos variables estadísticas distintas, con el fin de ver si existe alguna relación entre
ellas, es decir, si los cambios en una de ellas influyen en los valores de la otra. Si
ocurre esto decimos que las variables están correlacionadas o bien que hay
correlación entre ellas.
La apreciación visual de la existencia de correlación no es suficiente. Usaremos un
parámetro, llamado coeficiente de correlación que denotaremos con la letra r, que nos
permite valorar si ésta es fuerte o débil, positiva o negativa.

El cálculo es una tarea mecánica, que podemos realizar con una calculadora o un
programa informático. Nuestro interés está en saber interpretarlo.

Antes de ponernos a trabajar destacaremos una de sus propiedades

-1 < r < 1

A continuación tienes unos ejes con una nube de puntos que puedes modificar
haciendo clic sobre ellos con el ratón y arrastrándolos. No tengas miedo de
equivocarte, siempre puedes volver a la posición inicial pulsando el botón inicio. Las
coordenadas de los puntos las puedes saber con aproximación naciendo clic en
cualquier punto del plano y arrastrando hasta colocarte encima del punto.

Observa el valor de r, así como el ajuste de la nube a la recta. Intenta deducir las
propiedades de r, relacionando su valor con la forma de la nube y realizando los
siguientes ejercicios.

1. Acerca los puntos a la recta. ¿Hacia qué valor se aproxima r?

2. Aleja los puntos de la recta,separándolos entre sí ¿Hacia qué valor se
aproxima r?

3. Mueve los puntos hasta que la recta tenga pendiente negativa, es decir, sea
decreciente. En estas condiciones contesta a las preguntas anteriores.

4. Si alineas todos los puntos ¿Qué valor aproximadamente toma r?

Anota tus conclusiones en tu cuaderno; puedes ayudarte con el siguiente esquema

4. En dos pruebas (X,Y ) realizadas a los directivos de una multinacional se obtuvieron

los siguientes resultados:
22
X Y XY X 4 ;Y6 ;S 1,44 ;S 2,25 ;S 1,62
a) Calcular el coeficiente de correlación lineal y comentar si será adecuado un ajuste
lineal de los datos.
b) Obtener las rectas de regresión.
c)¿Qué puntuación se espera de una persona en la primera prueba si en la segunda
obtuvo un 8?

Se pueden deducir las siguientes conclusiones relativas al coeficiente de correlación (r):

- Su signo es el mismo de la covarianza, luego si r es positivo la dependencia es directa y si

es negativo inversa.

- Si r se acerca a -1 o a +1, la dependencia es fuerte y por tanto las predicciones que se

realicen a partir de la recta de regresión serán bastante fiables.

- Si r se acerca a 0 la dependencia es débil y por tanto las predicciones que se realicen a

partir de la recta de regresión serán poco fiables.