Iferencia Ic 1 y 2 Poblalcion

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
Universidad del Perú. Decana de América

FACULTAD DE CIENCIAS CONOMICAS
ESTADISTICA II
Docente: Dra. SARA ADELINA ARANA LOPEZ
UPG - FCE - UNMSM:

DERECHOS RESERVADO DEL AUTOR(A) SARA ADELINA ARANA LOPEZ
FACULTAD DE CIENCIAS ECONOMICAS
Dra. Sara Adelina Arana López
INFERENCIA ESTADISTICA
FACULTAD DE CIENCIAS ECONOMICAS
Dra. Sara Adelina Arana López
INFERENCIA
Inferencia estadística es un conjunto de métodos de la ciencia
estadística, que permite inducir, a partir de la información empírica
proporcionada por una muestra, sobre el comportamiento de una
determinada población con un error medible en términos de
probabilidad, es decir, Inferencia Estadística es el procedimiento que
permite realizar afirmaciones de naturaleza probabilística respecto a
una población, en base a resultados obtenidos de una muestra
seleccionada de forma aleatoria de una población.

Las poblaciones son descritas por medidas

numéricas descriptivas, llamados parámetros,
se puede hacer inferencias acerca de la
población haciendo inferencia respecto a sus
parámetros.
1. INFERENCIA
2. REGRESION
3. MUESTREO
4. ANOVA
5. DISEÑOS EXPERIMENTALES
6. CONTROL DE CALIDAD
7. DEMOGRAFIA
INFERENCIA
N n
Proceso de estimación
Media
Parámetros: media, varianza varianza
La inferencia estadística se pueden dividir, básicamente,
en: métodos de estimación de parámetros y métodos de
contraste de hipótesis y lectura de errores. Los métodos
se basan en el conocimiento teórico de la distribución de
probabilidad del estadístico muestral que se utiliza como
estimador de un parámetro
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERIA AMBIENTAL
DRA. SARA ADELINA ARANA LOPEZ
ESTIMACION
Estimación es usar medidas calculadas en una muestra
(estimador) para predecir uno o más parámetros de la población
ESTIMADOR:
Un estimador es expresado en términos de una fórmula

matemática obtenida de la estimación como una función de las
medidas muestrales (estadísticos o estadígrafos)
ESTIMACION
PROPIEDADES DEL ESTIMADOR:
1. Insesgado
2. Consistente
3. Eficiente
4. Suficiencia:
Tarea para el alumno

ESTIMACIONES
La estimación de un parámetro se puede realizar de dos maneras:
1.1. Puntales 1.2. intervalica
X = (sumatoria xi* fi)/ n = ……

Ɵ
= …………………
PUNTO CRITICO
PUNTO CRITICO
calculo matemático
SUPERIOR
INFERIOR
LIMITE SUPERIOR
LIMIE INFERIOR
Ɵ2
Ɵ1
= E(Xi) = u
ESTIMACIONES PUNTUALES
N 1. ESTIMACIONES n PORCENTAJES
MEDIDAS DE RESUMEN
ESTADIGRAFOS
MEDIA ARITMETICA
VARIANZA
PROCESO DE ESTIMACION PROPORCION
MEDIA DE LA POBLACION
PARAMETROS VARIANZA DE LA POBLACION
PROPORCION DE LA POBLACION
1. ESTIMACIONES
1.1. Puntales
X = (sumatoria xi* fi)/ n = ……
= …………………
calculo matemático
= E(Xi) = u
1. ESTIMACION PUNTUAL
Definición.
Sea X1, X2, … Xn, una muestra aleatoria de tamaño n seleccionada de

una población cuya distribución es f(x , ϴ), siendo ϴ el parámetro.
Se denomina estimador p u n tu a l del parámetro ϴ a cualquier

estadística ϴ = H{X1, X2, … Xn, ), cuyo valor ϴ = H (X1, X2, … Xn)
proporcionará una estimación del parámetro.
Definición.
La estimación puntual se refiere a la elección de un estadístico,

es decir un número calculado a partir de los datos muestrales,
respecto al cual tenemos alguna esperanza o seguridad de que
esté “razonablemente cerca” del parámetro (población) que se
ha de estimar.
Definición.
También se dice que es la obtención de un punto, para ello se usan las

medidas de la muestra para calcular un único valor numérico, que es la
estimación del parámetro poblacional.
La estimación puntual de un parámetro desconocido ϴ de la población
consiste en elegir una función de la muestra Y = G(X1, X2, … Xn )cuyo
valor de Y = G( x1 , x2 , x3 , ..., xn ) , puede tomarse como el valor de
ϴ con cierta probabilidad
ESTIMADORES DE LOS PARAMETROS

ESTIMACIONES POR INTERVALOS
ESTIMACIONES POR INTERVALOS
La estimación confidencial nos permite determinar un posible

rango de valores o intervalos. Es decir asociar a cada muestra un
intervalo. No siempre los resultados pueden ser los esperados
Es decir, estimar por intervalos es obtener dos valores estadísticos que

definen el intervalo (un límite inferior y un límite superior) con un grado
específico de confianza incluye al parámetro a estimar. La probabilidad de
que una estimación por intervalo incluya al parámetro se denomina nivel
de confianza.
1. Estimaciones (nivel de confianza = Y) se trabaja o se
aplica nivel de significancia = α
2. Pruebas de hipótesis (se aplica nivel de significancia =α)
3. Errores
INTERVALOS DE CONFIANZA
FINALIDAD
ES OBTENER DOS PUNTOS CRITICOS, CONOCIDOS COMO LIMITES ( INFERIOR, SUPERIOR).

SE APLICA PARA OBTENER RESULTADOS DE UN PROCESO DE ESTIMACION PARA SOLUCIONAR
ALGUN TIPO DE PROBLEMA (DE ALGUN PARAMETRO ESTABLECIDOS: u,σ2, P) A PARTIR DE LA
MUESTRA Y DE LOS ESTADIGRAFOS( media y varianza muestral y la proporción de la muestra) CON
DETERMINADO NIVEL DE CONFIABILIDAD (Y) O UN NIVEL DE SIGNIFICANCIA(ALFA)
NIVEL DE NIVEL DE TOTAL

CONFIANZA SIGNIFICANCIA
(Y) ALFA= ERROR
0.80 0.20 1.00

0.90 0.10 1.00
0.95 0.05 1.00
0.99 0.01 1.00
FINALIDAD
ES OBTENER DOS PUNTOS CRITICOS
Para determinar el comportamiento del parámetro seleccionado ( media,

varianza y proporción de la población (Ɵ) con un determinado nivel de
confiabilidad (y) o un nivel de significancia(alfa)
PARAMETRO
MEDIA, V(X), PROPORCION
Ɵ
PUNTO CRITICO
PUNTO CRITICO
SUPERIOR
INFERIOR
LIMITE SUPERIOR
LIMIE INFERIOR
Ɵ2
Ɵ1
FINALIDAD
PARAMETRO
MEDIA, V(X), PROPORCION
NIVEL DE NIVEL DE TOTAL
CONFIANZA SIGNIFICANCIA
(Y) ALFA= ERROR
0.80 0.20 1.00 Ɵ

0.90 0.10 1.00 PUNTO CRITICO
PUNTO CRITICO
0.95 0.05 1.00 SUPERIOR
INFERIOR
LIMITE SUPERIOR
0.99 0.01 1.00 LIMIE INFERIOR
Ɵ2
Ɵ1
SE APLICAN PARA LOS SIGUIENTE PARAMETROS
1. MEDIA DE LA POBLACION
2. VARIANZA
3. DESVIACION TIPICA PARAMETRO
MEDIA, V(X),
4. PROPORCION DE LA POBLACION PROPORCION
SE UTILIZA PARA UNA Y DOS POBLACION
PUNTO
PUNTO CRITICO
CRITICO SUPERIOR
INFERIOR LIMITE
LIMIE SUPERIOR
INFERIOR Ɵ2
Ɵ1
ESTADÍSTICOS DE LA DISTRIBUCIÓN MUESTRAL

1. INTERVALOS DE CONFIANZA PARA LA MEDIA: PARA UNA POBLACION
PARAMETRO
1. ELEGIR UN TAMAÑO DE MUESTRA MEDIA, V(X),
PROPORCION
2. ESTABLECER UN NIVEL DE SIGNIFICANCIA
3. DETERMINAR EL ESTADITICO DE INVESTIGACION
(pueden ser ( Z, T, CHI – CUADRADO y F) Ɵ
4. CALCULAR EL ESTADISTICO DE ESTUDIO DE PUNTO
PUNTO CRITICO
CRITICO
ANALISIS SELECCIONADO INFERIOR
SUPERIOR
LIMITE
LIMIE SUPERIOR
5. CONTRUIR EL INTERVALO DE CONFIANZA INFERIOR Ɵ2
Ɵ1
6. INTERPRETACION
1. INTERVALOS DE CONFIANZA PARA LA MEDIA:

DE UNA Y DOS POBLACIONES
CASOS
1. CUANDO LA VARIANZA ES CONOCIDA (σ2 )
2. CUANDO LA VARIANZA NO ES CONOCIDA (σ2 )


CASOS
1. CUANDO LA VARIANZA ES CONOCIDA (σ2 )
PARA n >= 30 o < 30……SE USA LA DISTRIBUCION NORMAL ESTANDAR (Z(0,1) )
O denominadas poblaciones grandes o pequeñas
Z= (X – u) / (σ/ RAIZ(n)

CASOS
2. CUANDO LA VARIANZA NO ES CONOCIDA (S2)
CASOS:
2.1. PARA n >= 30 ……SE USA LA DISTRIBUCION NORMAL ESTANDAR (Z(0,1) )
2.2. PARA n < 30 …….. SE APLICA LA DISTRIBUCION T- student

EN AMBOS CASOS SE TRABAJA CON LA VARIANZA DE LA MUESTRA (S2)
CON VARIANZA CONOCIDA

CASOS
1. CUANDO LA VARIANZA ES CONOCIDA
PARA n >= 30 o < 30……SE USA LA DISTRIBUCION NORMAL ESTANDAR (Z(0,1) )
O denominadas poblaciones grandes o pequeñas
(X – Z*(σ/ RAIZ(n) <= u <= X + Z*(σ/ RAIZ(n)

Z= (X – u) / (σ/ RAIZ(n)
INTERVALO DE CONFIANZA PARA LA MEDIA
INTERVALOS DE CONFIANZA para la media

1. PARA LA MEDIA
1.1. CUANDO LA VARIANZA ES CONOCIDA:

Z= (X – u) / (σ/ RAIZ(n)
Z = (X – u) / dsv (N) / raíz(n)
EL INTERVALOS DE CONFIANZA ES:
X – Z(α/2) * ds/Raíz(n) <= u <= X + Z(1 – α/2) *ds/Raiz(n)
ERROR DE ESTIMACION DE LA MEDIA Z = (+ -) 1.96
U= 0
Z =Z PROB(Z-) PROB(Z+)
E= Z*ds/Raíz(n)
X-Z*ds/Raiz(n)
NIVEL DE SIGNIFICANCIA(σ) NIVEL DE CONFIANZA (Y)
Ejemplo
La Facultad de Educación de cierta universidad desea
estimar la calificación media de los expedientes de los
alumnos, se conoce por otros cursos que la desviación
estándar de las puntuaciones en la facultad es 1.5
puntos y la media de la muestra es 6 puntos. Si se
eligen una muestra 30 alumnos en la Facultad
a. Hallar el intervalo de confianza para el 95%. Z =Z
b. Hallar el intervalo de confianza para el 80%.
c. Hallar el intervalo de confianza para el 85%. Ɵ
Z = (+-) 1.96 PARAMETRO
Solución MEDIA, V(X),
PROPORCION
n = 30 Zalfa/2 Z1- alfa/2
Media (x) = 6 puntos
Desv (N) = 1.5
0.025 (alfa)
Procedimientos
1. n=30 alumnos PUNTO CRITICO
PUNTO CRITICO
2. Nivel de significancia (alfa) = 0.05 INFERIOR
SUPERIOR
LIMITE SUPERIOR
0.025 (alfa) LIMIE INFERIOR
Ɵ1
Ɵ2
Y= 0.95 X-Z*ds/Raiz(n)
X+Z*ds/Raiz(n)
Y(nuevo) = 0.975
Ejemplo INTERVALOS DE CONFIANZA

estimar la calificación media de los expedientes de los
alumnos, se conoce por otros cursos que la desviación 4. Calculo de la estadística de análisis
puntos y la media de la muestra es 6 puntos. Si se
X – Z(α/2) * ds/Raíz(n) <= u <= X + Z(1 – α/2) *ds/Raiz(n)
Z =Z
Solución a:
Datos
6 – 1.96* 1.5/Raíz(30) <= u <= 6 + 1.96*d1.5/Raiz(30)
n = 30 Z = (+-) 1.96
Media (x) = 6 puntos 6 – 0.5368 <= u <= 6 + 0.5368
Desv (N) = 1.5
Procedimientos
0.025 (alfa) 5.4632 <= u <= 6.5368
1. n=30 alumnos
5. Construcción de intervalo
2. Nivel de significancia (alfa) = 0.05
0.025 (alfa) 6. Interpretacion
Respta:
Y= 0.95 Y(nuevo) = 0.975 El IC(u) de las calificación
de expedientes de alumnos de la
Facultad de educación es de 5.4632
3. Elegir la estadística de análisis
y 6.5368 puntos, con un alfa de 0.05
Como la varianza es conocida el
5.4632 6.5368
estadístico es la distrib norma (Z)
Ejemplo
La Facultad de Educación de cierta universidad desea estimar la
calificación media de los expedientes de los alumnos, se conoce por
4. Calculo de la estadística de análisis
otros cursos que la desviación estándar de las puntuaciones en la
<= u <=
facultad es 1.5 puntos y la media de la muestra es 6 puntos. Si se
eligen una muestra 30 alumnos en la Facultad X – Z(α/2) * ds/Raíz(n) X + Z(1 – α/2) *ds/Raiz(n)
a. Hallar el intervalo de confianza para el 80%.
Solución b: Z =Z 6 – 1.28* 1.5/Raíz(30) <= u <= 6 + 1.28*1.5/Raiz(30)

Datos
n = 30
<= u <=
Z = (+-) 1.28
Media (x) = 6 puntos 6 – 0.3505 6 + 0. 35.5
Desv (N) = 1.5
Procedimientos 0.10 (alfa) 5.6495 <= u <= 6.3505

1. n=30 alumnos
2. Nivel de significancia (alfa) = 0.20 5. Construcción de intervalo 6. Interpretación
0.10 (alfa)
El IC(u) de las calificación

Y= 0.80 Y(nuevo) = 0.90
de expedientes De
alumnos de la Facultad de
3. Elegir la estadística de análisis Educación es de 5.6495 y
6.3505 puntos, con un
Como la varianza es conocida el alfa de 0.20
5.64952 6.3505
Estadístico es la distrib norma (Z)
UNIVERSIDAD NACIONAL DE INGENIERIA
FACULTAD DE INGENIERIA AMBIENTAL
DRA. SARA ADELINA ARANA LOPEZ
Ejemplo
La Facultad de Educación de cierta universidad desea estimar la
calificación media de los expedientes de los alumnos, se conoce
4. Calculo de la estadística de análisis
por otros cursos que la desviación estándar de las puntuaciones
en la facultad es 1.5 puntos y la media de la muestra es 6 puntos.
Si se eligen una muestra 30 alumnos en la Facultad X – Z(α/2) * ds/Raíz(n) <= u <= X + Z(1 – α/2) *ds/Raiz(n)
c. Hallar el intervalo de confianza para el 85%.
Solución c:
6 – 1.44* 1.5/Raíz(30) <= u <= 6 + 1.44*1.5/Raiz(30)
Datos Z =Z
n = 30
6 – 0.39436 <= u <= 6 + 0. 39436
Z = (+-) 1.44
Desv (N) = 1.5
5.60564 <= u <= 6.39436

Procedimientos
0.075 (alfa)
1. n=30 alumnos
5. Construcción de intervalo 6. Interpretación
0.075 (alfa)
Y= 0.85 Y(nuevo) = 0.925 de expedientes de
3. Elegir la estadística de análisis alumnos de la Facultad de
educación es de 5.60564
Como la varianza es conocida el y 6.39436 puntos, con un
Estadístico es la distrib norma (Z) 5.60564 6.39436 alfa de 0.15
Ejemplo 2:
estimar la calificación media de los expedientes de los 4. Calculo de la estadística de análisis
alumnos, se conoce por otros cursos que la desviación
puntos y la media de la muestra es 8 puntos. Si se X – Z(α/2) * ds/Raíz(n) <= u <= X + Z(1 – α/2) *ds/Raiz(n)
a. Hallar el intervalo de confianza para el 90%.
c. Hallar el intervalo de confianza para el 75%. 8 – 1.65* 2.5/Raíz(49) <= u <= 8+ 1.65* 2.5/Raíz(49)
Solución a:
Datos : Z = 1.65 8 – 0.58929 <= u <= 8 + 0.58929
n = 49
Desv (N) = 2.5
7.41071 <= u <= 8.58929
0.05 (alfa)
Procedimientos 5. Construcción de intervalo 6. Interpretacion
1. n=49 alumnos
0.05 (alfa) El IC(u) de las calificación de
Y= 0.90 Y(nuevo) = 0.95 expedientes de alumnos de la
Facultad de educación es de
3. Estadística de análisis: 7.41071 y 8.58929 puntos, con
Se tiene varianza conocida, y el estadístico de 7.41071 8.58929 un alfa de 0.15
análisis es la distrib Z(0,1)
Ejemplo 2:
La Facultad de Educación de cierta universidad desea estimar la 4. Calculo de la estadística de análisis

calificación media de los expedientes de los alumnos, se conoce por
otros cursos que la desviación estándar de las puntuaciones en la
facultad es 2.5 puntos y la media de la muestra es 8 puntos. Si se
eligen una muestra 49 alumnos en la Facultad X – Z(α/2) * ds/Raíz(n) <= u <= X + Z(1 – α/2) *ds/Raiz(n)
Solución b: 8 – 1.44* 2.5/Raíz(49) <= u <= 8+ 1.44* 2.5/Raíz(49)

Datos :
n = 49 8 – 0.51429 <= u <= 8 + 0.51429
Media (x) = 8 puntos Z = 1.44
Desv (N) = 2.5
7.48571 <= u <= 8.51429
0.075 (alfa)
Procedimientos
5. Construcción de intervalo 6. Interpretación
1. n=49 alumnos
0.075 (alfa)
Y= 0.85 Y(nuevo) = 0.925 de expedientes de
alumnos de la Facultad de
3. Estadística de análisis: educación es de 7.41071
7.48571 8.58929 y 8.58929 puntos, con un
Se tiene varianza conocida, y el estadístico de
análisis es la distrib Z(0,1) alfa de 0.15
CON VARIANZA DESCONOCIDA
1. INTERVALOS DE CONFIANZA PARA LA MEDIA: DE UNA Y DOS POBLACIONES
CASOS
2. CUANDO LA VARIANZA NO ES CONOCIDA
𝑋1 − 𝑋2 − (µ1 − µ2
CASOS: 𝑍=
σ1 σ2
+
𝑛1 𝑛2
𝑋1 − 𝑋2 − (µ1 − µ2
𝑇=
2.2. PARA n < 30 …….. SE APLICA LA DISTRIBUCION T- student σ1 σ2
𝑛1 + 𝑛2
CASOS 𝑋1 − 𝑋2 − (µ1 − µ2
𝑍=
σ 1 σ2
2. CUANDO LA VARIANZA NO ES CONOCIDA 𝑛1 + 𝑛2
CASOS:
𝑋1 − 𝑋2 − (µ1 − µ2
2.1. CON VARIAZAS IGUALES 𝑇=
σ1 σ2
EN ESTE CASO SE UTILIZA LA VARIANZA CONJUTA 𝑛1 + 𝑛2
2.2. CON VARIANZAS DIFERENTES SOLO PARA EL CASO DE n<30
SE UTILIZA LOS GRADOS DE LIBERTAD (V) PARA LA DISTRIBUCION T OBTENIDA DE
LA TABLA T(n-1)gl, α T(v)gl, α
INTERVALOS DE CONFIANZA Z(+ - ) =Z= 1.96
2. PARA LA MEDIA CON VARIANZA DESCONOCIDA
Z= (+-)1.96
2.1. CUANDO n>= 30: Z ( poblaciones grandes)
EJEMPLO
4. Calcular la estadística de estudios
El presidente de una institución deportiva está interesado en conocer el
promedio de Km recorridos por los participantes de una maratón
realizada el año anterior, para establecer nuevas marcas y mejores IC(u): 50 (+-) 1.96*(2.5)/(raíz(225))
tiempos en la maratón a realizarse por el aniversario de dicha
institución, y así establecer nuevos record. Para ello, selecciona una IC(u): 50 (+-) 0.3266
muestra de 225 maratonistas y obtiene una desviación estándar S=
2.5 Km. y una media muestral de 50 Km.
a. Determinar el intervalo de confianza al 95%. 50 – 0.3266<= u<= 50 + 0.3266
b. Determinar el intervalo de confianza al 98%.
c. Determinar el intervalo de confianza al 90%.
49.6734<= u<= 50.3266
Procedimiento 0.025
1. n= 225
5. Graficas el IC(u)
2. NS = alfa =0.05 0.025
Ynuevo = 0.975
SOLUCION: a
3. Establecer la estadística de análisis
Como el estudios es para un IC(u) con varianza
X = 50 km desconocida y una población >= 30. El estadístico
S = 2.5 km de estudio es la distribución normal estándar (Z(0,1)) 49.6734 50.3266
n = 225
a. Z = ….. (Y= 0.95) Z= (X - u) /S / RAIZ(n) 6. interpretacion

b. Z=……..(Y = 0.98) Por tanto:
c. Z=……..(Y= 0.90 Para un 95% de confianza la estimación promedio de los
Km recorridos esta en el intervalo de 49.6734 y 50.3266
INTERVALOS DE CONFIANZA T(+ - ) =T= 2.2622
T(n – 1)gl, α= nivel de significancia
2. PARA LA MEDIA CON VARIANZA DESCONOCIDA
T(10 – 1)gl, α= 0.025 = - 2.2622 T= (+-)2.2622
2.1. CUANDO n < 30: T ( poblaciones pequeñas)
Se desea estimar la variabilidad de los contenidos de un producto que una
4. Calcular la estadística de estudios
empresa comercializa en bosas de 150 gr.. Un analista selecciona una muestra
aleatoria de 10 unidades del producto, con los siguientes resultados en gr. IC(u): X (+-) T * S / RAIZ (n)
150.5 150.7 149.0 150.4 149.6 151.0 150.9 149.2 150.3 149.3
IC(u): 150.09 (+-) 2.2622*(0.6989)/(raíz(10))
a. Obtener el intervalo de confianza al 95%.
b. Determinar el intervalo de confianza al 99%.
c. Determinar el intervalo de confianza al 96%.
IC(u): 150.09 (+-) 0.49997
SOLUCION: a 0.025 X - T *S / RAIZ (n)<= u <= X +T *S/ RAIZ (n)
X = 150.09 gr
2. NS = alfa =0.05 0.025 150.09 - 0.49997 <= u<= 150.09 + 0.49997
S = 0.6989 gr 149.59003 <= u<= 150.58997
Ynuevo = 0.975
n = 10
3. Establecer la estadística de análisis 5. Graficas el IC(u)
a. T = ….. (Y= 0.95)
Como el estudios es para un IC(u) con varianza
b. T=……..(Y = 0.99)
desconocida y una población < 30. El estadístico de
c. T=……..(Y= 0.96
estudio es la distribución
Tcal
Procedimiento (a) Z = (X - u) /S / RAIZ(n) Ttabla (n – 1)gl,σ)

1. n= 10 149.59003 150.58997
Por tanto:
6. Interpretacion
T T Para un 95% de confianza la estimación promedio para los

Contenidos de las bolsa esta en el intervalo de
149.59003 y 150.58997
1. INTERVALOS DE CONFIANZA PARA LA PROPORCION
Distribuciones muestrales de probabilidad
1. Para la Proporción: P
Casos p + Z* RAIZ(pq/n)<=P <= p + Z* RAIZ(pq/n)
2.Para n >=30 …..Z P= p (phi)
Donde:
Se utiliza la distribución normal estándar ( poblaciones grandes) Z: valor de la normal en la tabla
Z(0,1), P: proporción de la población de éxito
p: proporción de la muestra de éxito
Z= (( p - P)/ RAIZ CUADR (PQ/n)) (1-P)= Q: proporción de fracaso de población
Q= (1-P) n: tamaño de la muestra
Casos
2. Para n <30 …..T p P T(n-1)grados de libertad , (alfa)
T
P Q
Se utiliza la distribución t - Student ( poblaciones pequeñas)
T(n-1)grados de libertad , (alfa)
Donde:
T: valor de la distribución T en la tabla

P: proporción de la población de éxito
p + T* RAIZ(pq/n)<=P <= p + T* RAIZ(pq/n) p: proporción de la muestra de éxito
(1-P)= Q: proporción de fracaso de población
n: tamaño de la muestra
2. Para la proporción
2.1. para n >= 30: se aplica la distribución normal estándar
En una instituto superior de enseñanza se conoce que de la población de mujeres, el 95%, tiene cierta incertidumbre sobre su
futuro laboral, si se extrae de la población una muestra de 225 mujeres.
a. Cuál es la probabilidad de que la proporción de la muestra que no ha tenidos un trabajo laboral sea 0.85?.
b. Cuál es la probabilidad de que la proporción de la muestra que ha tenidos un trabajo laboral sea 0.90?.
c. Cuál es la probabilidad de que la proporción de la muestra que no ha tenidos un trabajo laboral sea 0.75?.
d. Cuál es la probabilidad de que la proporción de la muestra que han tenidos un trabajo laboral sea 0.70?.
Solución: a
P = 0.95 Z = (0.85 – 0.95) / (raíz cuadrada ( 0.85(0.15))/225

Q = 0.05
Z =- (0.10) / (raíz cuadrada ( 0.95(0.05))/225
p= (0.85), (0.90), 0.75), (0.70)
n=225 Z = - 6.88
Respuesta :
P(Z= -6.8824) =0.00002 La probabilidad de las mujeres
Que no han tenido algún trabajo temporal
es 0.00002
0.85 + Z* RAIZ(pq/n)<=P <= p + Z* RAIZ(pq/n)
b. Cuál es la probabilidad de que la proporción de la muestra que ha tenidos un trabajo laboral sea 0.90?.
Solución: b
Z = (0.90 – 0.95) / (raíz cuadrada ( 0.95(0.05))/225
P = 0.95
Q = 0.05
Z =- (0.05) / (raíz cuadrada ( 0.95(0.05))/225
p= 0.90
n=225 Z = - 3.441236007
P(Z= -3.44) =0.00029
Respuesta :
La probabilidad de las mujeres
es 0.0003
c. Cuál es la probabilidad de que la proporción de la muestra que no ha tenidos un trabajo laboral sea 0.75?.
Solución: a
P = 0.95 Z = (0.75 – 0.95) / (raíz cuadrada ( 0.95(0.05))/225

Q = 0.05
Z =- (0.20) / (raíz cuadrada ( 0.95(0.05))/225
p= 0.75
n=225 Z = -13.765
Respuesta :
P(Z= - 13.765 =0.00002 La probabilidad de las mujeres
es 0.00002
3. Para la Varianza
3.1. para una población
Se utiliza la distribución de probabilidad Chi cuadrado
X2 = ((n-1)* S2 )/ V(X) X2 (n-1) grados de libertad ; alfa
Donde:
X2 : Chi cuadrado
n: tamaño de la muestra
S2 : varianza de muestra
V(X)= σ2 : varianza de la población
NOTA:
La distribución Chi – Cuadrado es ASIMETRICA
Los valores en la tabla son positivos
Lectura de tabla distribución Chi - cuadrado
1. Hallar el valor de n y de la probabilidad de X2 cuando esta es

24.788
P( X2= 24.788) = 0.025 , n= 16
2. Con 12 gl y Y= 0.50, cuanto es el valor de la X2 = 11.340:
3.Si la distribución X2= 15.984 y alfa = 0.25 , cuanto es el valor

de los grados de libertad=13
24.788
2. Para la Varianza IC(σ2 ):
En un laboratorio de ensayo se lleva una muestra de 10 cables para 4. Calculara la estadística
obtener de sus cargas de rotura a la tracción. Los resultados son los
siguiente280, 295, 308, 320, 265, 350, 300, 310, 285, 310. ((n-1)*S2 )/ (n-1), (1- α/2) <= σ2 <= ((n-1)*S2 )/ (n-1), (α/2)
a. Determinar el intervalo de confianza al 90% para la varianza de la
población
b. Hallar los puntos críticos para la desviación estándar la población al ((9)*554.011 )/ (9), (1- α/2) <= σ2 <= ((9)* 554.011 )/ (9), (α/2)
90%
Solución: a ((9)*554.011 )/ (16.92) <= σ2 <= ((9)*554.011 )/ (3.33)
Y= 0.90
α = 0.10
S2 = 554. 011
294.6867021) <= σ2 <= 1495.327027
n=10
5. Construcción del IC(σ2 )
Procedimiento
α/2= 0.05
Y = 0.95 = 1 – α/2
1. n= 10
2. α = 0.10 α /2= 0.05
3. Estadística de análisis
el problema busca estimar la
Varianza de la población, es decir se aplica
como estadístico de análisis la distribución
294.687 1495.33
Chi- cuadrado.

Respuesta :
El intervalo de confianza para la carga de las
((n-1)*S2 )/ (n-1), (1- α/2) <= σ2 <= ((n-1)*S2 )/ (n-1), (α/2)
roturas de tracción es de 294.687 a 1495.33
Con alfa = 0.10
2. Para la Varianza IC(σ ):
En un laboratorio de ensayo se lleva una muestra de 10 cables para 4. Calculara la estadística
obtener de sus cargas de rotura a la tracción. Los resultados son los
siguiente280, 295, 308, 320, 265, 350, 300, 310, 285, 310. ((n-1)*S )/ (n-1), (1- α/2) <= σ <= ((n-1)*S )/ (n-1), (α/2)
a. Determinar el intervalo de confianza al 90% para la varianza de la
población
b. Hallar los puntos críticos para la desviación estándar la población al ((9)*23.5374 )/ (9), (1- α/2) <= σ <= ((9)* 23.5374)/ (9), (α/2)
90%
Solución: a ((9)* 23.5374 )/ (16.92) <= σ <= ((9)*554.011 )/ (3.33)
Y= 0.90
α = 0.10 12.5198<= σ <= 63.6145
S2 = 554. 011
n=10
5. Construcción del IC(σ )
Procedimiento
α/2= 0.05
Y = 0.95 = 1 – α/2
1. n= 10
2. α = 0.10 α /2= 0.05
el problema busca estimar la
Varianza de la población, es decir se aplica
como estadístico de análisis la distribución
Chi- cuadrado.
12.5198 63.6145
Respuesta :
El intervalo de confianza para la carga de las
roturas de tracción es de 12.5198 a 63.6145
((n-1)*S2 )/ (n-1), (1- α/2) <= σ2 <= ((n-1)*S2 )/ (n-1), (α/2) Con alfa = 0.10
Lectura de tabla distribución Chi - cuadrado
((9)*554.011 )/ (16.92) <= σ2 <= ((9)*554.011 )/ (3.33)

((n-1)*S2 )/ (n-1), (1- α/2) <= σ2 <= ((n-1)*S2 )/ (n-1), (α/2)
Var(x)= ((n-1)s2)/ X (n-1), alfa
X2 = ((n-1)* S2 )/ V(X)
3.325 Z= (X-u) /(DES/raiz(n)

16.919
IC(u) : u = X + - (Z* DESV/ RAIZ)

IC(u) : X + - (Z* DESV/ RAIZ)
X - (Z* DESV/ RAIZ)<= u <= X + (Z* DESV/ RAIZ (n))
= E (error de estimación de la media)

1. INTERVALOS DE CONFIANZA PARA DOS POBLACIONES
2. INTERVALOS DE CONFIANZA PARA DOS POBLACIONES
1.INTERVALOS DE CONFIANZA PARA DIFERENCIA DE MEDIAS ( u1 – u2)
2. INTERVALOS DE CONFIANZA PARA DIFERENCIA DE PROPORCIONES ( P1 – P1 )
3. 1.INTERVALOS DE CONFIANZA PARA DIFERENCIA DE VARIANZAS ( σ21 - σ22 )

1. INTERVALOS DE CONFIANZA PARA DIFERENCIA DE DOS MEDIAS:
CASOS
2. CUANDO LA VARIANZA NO ES CONOCIDA
𝑋1 − 𝑋2 − (µ1 − µ2
CASOS: 𝑍=
σ1 σ2
+
𝑛1 𝑛2
𝑋1 − 𝑋2 − (µ1 − µ2
𝑇=
2.2. PARA n < 30 …….. SE APLICA LA DISTRIBUCION T- student σ1 σ2
𝑛1 + 𝑛2
CASOS 𝑋1 − 𝑋2 − (µ1 − µ2
𝑍=
σ 1 σ2
2. CUANDO LA VARIANZA NO ES CONOCIDA 𝑛1 + 𝑛2
CASOS:
𝑋1 − 𝑋2 − (µ1 − µ2
2.1. CON VARIAZAS IGUALES 𝑇=
σ1 σ2
EN ESTE CASO SE UTILIZA LA VARIANZA CONJUTA 𝑛1 + 𝑛2
2.2. CON VARIANZAS DIFERENTES SOLO PARA EL CASO DE n<30
SE UTILIZA LOS GRADOS DE LIBERTAD (V) PARA LA DISTRIBUCION T OBTENIDA DE
LA TABLA T(n-1)gl, α T(v)gl, α
2. INTERVALOS DE CONFIANZA PARA DIFERENCIA DE MEDIAS ( u1 – u2)
CASO 1: CON VARIANZAS CONOCIDAS (σ21 , σ22 ): Z
CASO 2: CON VARIANZAS DESCONOCIDAS (σ21 ,σ22 )
2.1. PERO IGUALES (σ21 = σ22 ) : SP
2.2. PERO DIFERENTES (σ21 ≠ σ22 ) PARA GRADOS DE LIBETAD USAR V
TABLA T(n-1)gl, α T(v)gl, α

CASO 1: CON VARIANZAS CONOCIDAS (σ21 , σ22 ): Z
Un grupo de investigadores desea saber si los datos que han recolectado
muestran evidencias suficientes para indicar la Diferencia entre las IC((u1 – u2 )) : (X1 – X2) ) ± Z(α/2) * (RAIZ( ( σ21 /n1 ) + ( σ22 /n2 )
concentraciones medias de acido úrico en el suero de individuos normales e
individuos con síndrome Dawn . Los datos recogidos corresponde a 12
individuos con síndrome de Dawn que presentan acido úrico en el suero y a 15
individuos sanos, las medias de las muestras son 4.5mg/100ml y 3.4 mg/100m,
IC((u1 – u2 )) : (4.5 – 3.4) ) ± 1.64* (RAIZ( ( 1/12 ) + ( 1.5/15 )=
si las varianzas de las poblaciones son Para los individuos con síndrome Dawn 1
y para la población sana 1.5. con un nivel de confiabilidad de 90%. Estimar la Z(α/2)*(RAIZ( ( 1/12 ) + ( 1.5/15) = 0.7022
diferencia de medias .
n1= 12 α /2 = 0.05
IC((u1 – u2 )) : (4.5 – 3.4) ) – 0.7022 = 0.3978
n2= 15
X1= 4.5mg/100ml
X2= 3.4mg/100ml
α = 0.10
α /2 = 0.05
IC((u1 – u2 )) : (4.5 – 3.4) ) + 0.7022 = 1.8022 )
Va(X1)= 1
Y = 0.95 0.3978 <= (u1 – u2 ) <=
Var(X2)= 1.5 1.8022
Y = 0.90
α = 0.10
Z = +- 1.64 = 1.64 𝑍=
𝑋1 − 𝑋2 − (µ1 − µ2
RESPUESTA:
σ1 σ2
𝑛1 + 𝑛2 la estimación para la diferencia de medias de
concentraciones acido úrico en el suero de individuos
normales y con sindrome dawn es de 0.3978 y 1.8022
Z =( (X1 – X2) - (u1 – u2 ) )/ (RAIZ( ( σ21 /n1 ) + ( σ22 /n2 )) mg/100m
0.3978
1.8022
(X1 – X2) ) – Z(α/2) * (RAIZ( ( σ21 /n1 ) + ( σ22 /n2 ) <= (u1 – u2 ) <= (X1 – X2) + Z(α/2) * (RAIZ( ( σ21 /n1 ) + ( σ22 /n2 )
𝑋1 − 𝑋2 − (µ1 − µ2
𝑍=
2.1. PERO IGUALES (σ21 = σ22 ): Z σ1 σ 2
+
𝑛1 𝑛2
𝑋1 − 𝑋2 − (µ1 − µ2
2.2. PERO DIFERENTES (σ21 ≠ σ22 ) T(v)gl, α 𝑇=
σ1 σ2
+
𝑛1 𝑛2
Z =( (X1 – X2) - (u1 – u2 ) )/ (RAIZ( ( σ21 /n1 ) + ( σ22 /n2 ))

2.1. PERO IGUALES (σ21 = σ22 ): Z 𝑋1 − 𝑋2 − (µ1 − µ2

𝑍=
σ1 σ2
+
𝑛1 𝑛2
FORMULA GENERAL
Z =( (X1 – X2) - (u1 – u2 ) )/ (RAIZ( ( σ21 /n1 ) + ( σ22 /n2 )) Z =( (X1 – X2) ) - (u1 – u2 ) )/ (RAIZ( (Sp /n1 ) + (Sp /n2 ))
Las dos varianzas (σ21 ,σ22 ) se asume igualdad
Denominádose varianza conjunta (Sp ) y se obtiene mediante:
𝑛1 − 1 𝑆1 − (𝑛2 − 1)𝑆2
Sp = ((n1 -1) S21 + (n2 -1) S22 ) / n1 + n2 - 2 𝑆𝑃 =
𝑛1 + 𝑛2 − 2
Luego se reemplaza la varianza conjunta (Sp ) en la formula general

2.1. PERO IGUALES (σ21 = σ22 ): Z
Z =( (X1 – X2) - (u1 – u2 ) )/ (RAIZ( ( σ21 /n1 ) + ( σ22 /n2 )) Z =( (X1 – X2) ) - (u1 – u2 ) )/ (RAIZ( (Sp /n1 ) + (Sp /n2 ))
Por lo tanto el intervalo de confianza para la diferencia de medias es el siguiente
(X1 – X2) ) – Z(α/2) * (RAIZ( (Sp /n1 ) + (Sp /n2 )) <= (u1 – u2 ) <= (X1 – X2) – Z(α/2) * ((RAIZ( (Sp /n1 ) + (Sp /n2 ))
Solución:
𝑛1 − 1 𝑆1 − (𝑛2 − 1)𝑆2
Un grupo de especialistas de la salud tiene como objetivo Estudiar las n 1 (nf) = 9 X1= 12.55 S2 1= 22.77 𝑆𝑃 =
𝑛1 + 𝑛2 − 2
características de la destrucción pulmonar En personas que consumen n 2 (F) = 16 X2= 17.56 S2 2= 20.93
cigarrillo antes de desarrollar el marcado efisema pulmonar. En
personas longevas se practica mediciones de tres índices de
Procedimientos
destrucción pulmonar, en personas que no fuman y en personas con
tabaquismo que mueren repentinamente fuera del nosocomio por
1. n 1 (nf) = 9 , n 2 (F) = 16
0.05
causas no respiratorias. Según el estudio una calificación alta significa
un mayor daño pulmonar y se obtiene las siguientes calificaciones para 2. Nivel de sig= 0.10
9 no fumadoras y16 fumadoras: 0.05
Y= 0.90 Ynuevo = 0.95
No fumadoras: 18 6 11 11 8 18 9 13 19
Fumadoras: 17 14 11 27 17 15 16 12 19 3. Estadístico de análisis

12 24 17 22 16 23 19 Que para la diferencia de medias
con varianzas desconocidas pero
iguales, se aplica la distribución
norma Z(0,1), siendo el IC( u1 – u2)
a. Hallar el intervalo de confianza para la diferencia de
medias al 90%
b. Determinar los puntos críticos para la diferencia de (X1 – X2) – Z(α/2) * ((RAIZ( (Sp /n1 ) + (Sp /n2 ))
medias al 95%
<= (u1 – u2 ) <=
(X1 – X2) ) + Z(α/2) * (RAIZ( (Sp /n1 ) + (Sp /n2 ))


Un grupo de especialistas de la salud tiene como objetivo estudiar las

características de la destrucción pulmonar en personas que consumen (12.55 – 17.56) – ( 1.64) * ((RAIZ( (21.57/9 ) + (21.57 /16 )) = (-5.01) - 3.17364
cigarrillo antes de desarrollar el marcado efisema pulmonar. En
personas longevas se practica mediciones de tres índices de
destrucción pulmonar, en personas que no fuman y en personas con
tabaquismo que mueren repentinamente fuera del nosocomio por
<= (u1 – u2 ) <=
causas no respiratorias. Según el estudio una calificación alta significa
un mayor daño (12.55 – 17.56) + 1.64) * ((RAIZ( (21.57/9 ) + (21.57 /16 ))= (-5.01) + 3.17364
pulmonar y se obtiene las siguientes calificaciones para 9 no
fumadoras y16 fumadoras:
No fumadoras: 18 6 11 11 8 18 9 13 19 - 8 . 18364 <= (u1 – u2 ) <= -1.83636

Fumadoras: 17 14 11 27 17 15 16 12 19
12 24 17 22 16 23 19
5. Construcción del intervalos 6. Interpretación
a. Hallar el intervalo de confianza para la diferencia de
medias de los índices de destruccion pulmonar
entre personas fumadoras y no fumadoras al 90% El intervalos de confianza para la
b. Determinar los puntos críticos para la diferencia de diferencia de medias de los
medias al 95% índices de destrucción Pulmonar
𝑛1 − 1 𝑆1 − (𝑛2 − 1)𝑆2
Solución: 𝑆𝑃 =
entre personas fumadoras y no
Fumadoras es de – 8 .18364 y –
𝑛1 + 𝑛2 − 2
4. Calcular la estadísticas de análisis 1 .83636, con alfa (α = 0.10)
Sp = ((n1 -1) S21 + (n2 -1) S22 ) / (n1 + n2 - 2 ) - 8 . 18364 -1.83636
Sp = ((9 -1) *22.77 + (16 -1) *20.93 ) / (9+ 16 – 2) =21.57

𝑛1 − 1 𝑆1 − (𝑛2 − 1)𝑆2 Sp = ((n1 -1) S21 + (n2 -1) S22 ) / (n1 + n2 - 2 ) 𝑆𝑃 =
9−1 22.77− 12−1 20.93
= 21.57
𝑆𝑃 = 12+16−2
𝑛1 + 𝑛2 − 2
Sp = ((9 -1) *22.77 + (16 -1) *20.93 ) / (9+ 16 – 2) =21.57
(X1 – X2) ) - Z(α/2) * (RAIZ( (Sp /n1 ) + (Sp /n2 )) <= (u1 – u2 ) <= (X1 – X2) ) + Z(α/2) * (RAIZ( (Sp /n1 ) + (Sp /n2 ))
(12.55 – 17.56 ) – 1.64* (RAIZ( (21.57 /9 ) + (21.57 /16 )) <= (u1 – u2 ) <= (12.55 – 17.56 ) + 1.64* (RAIZ( (21.57 /9 ) + (21.57 /16 ))
(-5.01) – 1.64* (RAIZ( (21.57 /9 ) + (21.57 /16 )) <= (u1 – u2 ) <= (- 5.01) + 1.64* (RAIZ( (21.57 /9 ) + (21.57 /16 ))
(-5.01) – 1.64* (1.935) <= (u1 – u2 ) <= (- 5.01) + 1.64* (1.935))
(-5.01) – 3.174 <= (u1 – u2 ) <= (- 5.01) + 3.174
(-8.184 <= (u1 – u2 ) <= (- 1.836

INTERPRETACION:
-8.184 <= (u1 – u2 ) <= - 1.836
El intervalos de confianza para la diferencia de

medias de los índices de destrucción Pulmonar
entre personas fumadoras y no Fumadoras es de
5. CONSTRUIR EL INTERVALO – 8 .18364 y – 1 .83636, con alfa (α = 0.10)
-8.184
- 1.836
(T(n1 – 1)*(n2 – 1) )gl, , α)
2.2. PERO DIFERENTES (σ21 ≠ σ22 )
Tcalculada =( (X1 – X2) - (u1 – u2 ) )/ (RAIZ( ( σ21 /n1 ) + ( σ22 /n2 )) Ttabla (v) )gl, , α
Se busca obtener los grados de libertad mediante el siguiente modelo
Vs = ((S21)/n1 + (S22 / n2)) / (S21 )/n1 ) 2/ n1 – 1 ) + (S22 / n2 )2 / n2– 1 )
Vs Corresponde a los grados de libertad, para obtener el valor de T en la tabla


𝑋1 − 𝑋2 − (µ1 − µ2
𝑇=
2.1. PERO DIFERENTES ((σ21 ≠ σ22 ) σ1 σ2
𝑛1 + 𝑛2
T =( (X1 – X2) - (u1 – u2 ) )/ (RAIZ( ( σ21 /n1 ) + ( σ22 /n2 )) T(v) )gl, , α
Por lo tanto el intervalo de confianza para la diferencia de medias es el siguiente
(X1 – X2) ) – T(V), α* (RAIZ( (σ21 /n1 ) + (σ22 /n2 )) <= (u1 – u2 ) <= (X1 – X2) – T(V), α) * ((RAIZ( (σ21 /n1 ) + (σ22 /n2 ))
T(n1 – 1)*(n2 – 1) )gl, , α

2.2. PERO DIFERENTES (σ21 ≠ σ22 )
T =( (X1 – X2) - (u1 – u2 ) )/ (RAIZ( ( σ21 /n1 ) + ( σ22 /n2 ))
T(v) )gl, , α
Se busca obtener los grados de libertad mediante el siguiente modelo
Vs = ((S21)/n1 + (S22 / n2)) / (S21 )/n1 ) 2/ n1 – 1 ) + (S22 / n2 )2 / n2– 1 )
Corresponde a los grados de libertad

EJEMPLO
En una empresa que fabrica sustancias químicas evalúa la calidad del producto por cantidad de impurezas
Línea n Promedio Varianza
Presentes en un lote.
Para la fabricación utilizan dos líneas de producción 1,2 como cantidad promedio de impurezas en la 1 16 3.2 1.04
sustancia química. Se tomaron muestras aleatorias de cada línea, y se obtiene los resultados siguientes. 2 16 3.0 0.51
Determinar la estimación para los promedios de impurezas químicas en los lotes 1,2,
Al 95 % de confianza
SOLUCION
0.025
1. n1 = 16, n2=16 𝑋1 − 𝑋2 − (µ1 − µ2
𝑇=
2. Nivel de significancia NV (α) = 0.05 σ1 σ2
0.025 𝑛1 + 𝑛2
Ynuevo = 0.975
Como la muestra es menor de 30 y la varianzas son desconocidas y diferentes
Se utiliza la distribución de probabilidad T
T(v) )gl, , α
Vs = ((S21)/n1 + (S22 / n2)) / (S21 )/n1 ) 2/ n1 – 1 ) + (S22 / n2 )2 / n2– 1 )

4. Calcular la estadística de estudio 𝑋1 − 𝑋2 − (µ1 − µ2
Línea n Promedio Varianza 𝑇=
σ1 σ2
𝑛1 + 𝑛2
1 16 3.2 1.04
2 16 3.0 0.51
Vs = ((S21)/n1 + (S22 / n2)) / (S21 )/n1 ) 2/ n1 – 1 ) + (S22 / n2 )2 / n2– 1 )
(3.2 – 3.0) – T(V), α* (RAIZ( (1.04 /16 ) + (0.51/16 )) <= (u1 – u2 ) <= (3.2 – 3.0) + T(V), α* (RAIZ( (1.04 /16 ) + (0.51/16 ))
Vs = ((1.04)/16 + (0.51 / 16)) / (1.04 )/16 ) 2/ 16 – 1 ) + (0.51 / 16 )2 / 16– 1 )
Vs = (0.0968) /( (0.065) 2/ 15) + (0.031875)2 / 15 ) )
Vs = (0.0968) /( (0.004225/ 15) + (0.031875)2 / 15 ) )
Vs = (0.0968) /( 0.000281667) + (0.000067734375 ) )
Vs = (0.0968) /( 0.00009501075) ) = 277.3

4. Calcular la estadística de estudio : continuación
Vs = (0.0968) /( 0.00009501075) ) = 277.3
(3.2 – 3.0) – T(V), α* (RAIZ( (1.04 /16 ) + (0.51/16 )) <= (u1 – u2 ) <= (3.2 – 3.0) + T(V), α* (RAIZ( (1.04 /16 ) + (0.51/16 ))
(3.2 – 3.0) – T(V), α* 0.3112474899 <= (u1 – u2 ) <= (3.2 – 3.0) + T(V), α* 0.3112474899)
(3.2 – 3.0) – 1.6506* 0.3112474899 <= (u1 – u2 ) <= (3.2 – 3.0) + 1.6506* 0.3112474899)
(0.2) – 0.5137451069 <= (u1 – u2 ) <= (0.2) + 0.5137451069
-0.3137451069 <= (u1 – u2 ) <= 0.7137451069
5. Construir el intervalo
6. Conclusión
la estimación para evaluar la calidad de las
sustancias químicas según cantidad de impurezas es
-0.3175 y 0.714 con un nivel de significancias de 0.05
-0.3137451069 0.7137451069
FACULTAD DE CIENCIAS ECONOMIA
ESTADISTICA II
PRACTICA DOMICILIARIA
GRACIAS
JOVENES
DIOS LOS BENDIGA

Iferencia Ic 1 y 2 Poblalcion

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

Iferencia Ic 1 y 2 Poblalcion

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

Universidad del Perú. Decana de América

Docente: Dra. SARA ADELINA ARANA LOPEZ

UPG - FCE - UNMSM:

Inferencia estadística es un conjunto de métodos de la ciencia

estadística, que permite inducir, a partir de la información empírica

proporcionada por una muestra, sobre el comportamiento de una

determinada población con un error medible en términos de

probabilidad, es decir, Inferencia Estadística es el procedimiento que

permite realizar afirmaciones de naturaleza probabilística respecto a

una población, en base a resultados obtenidos de una muestra

seleccionada de forma aleatoria de una población.

Las poblaciones son descritas por medidas

La inferencia estadística se pueden dividir, básicamente,

en: métodos de estimación de parámetros y métodos de

contraste de hipótesis y lectura de errores. Los métodos

se basan en el conocimiento teórico de la distribución de

probabilidad del estadístico muestral que se utiliza como

Estimación es usar medidas calculadas en una muestra

(estimador) para predecir uno o más parámetros de la población

Un estimador es expresado en términos de una fórmula

PROPIEDADES DEL ESTIMADOR:

Tarea para el alumno

La estimación de un parámetro se puede realizar de dos maneras:

1.1. Puntales 1.2. intervalica

X = (sumatoria xi* fi)/ n = ……

X = (sumatoria xi* fi)/ n = ……

Sea X1, X2, … Xn, una muestra aleatoria de tamaño n seleccionada de

Se denomina estimador p u n tu a l del parámetro ϴ a cualquier

La estimación puntual se refiere a la elección de un estadístico,

También se dice que es la obtención de un punto, para ello se usan las

ESTIMADORES DE LOS PARAMETROS

La estimación confidencial nos permite determinar un posible

Es decir, estimar por intervalos es obtener dos valores estadísticos que

1. Estimaciones (nivel de confianza = Y) se trabaja o se

aplica nivel de significancia = α

2. Pruebas de hipótesis (se aplica nivel de significancia =α)

ES OBTENER DOS PUNTOS CRITICOS, CONOCIDOS COMO LIMITES ( INFERIOR, SUPERIOR).

NIVEL DE NIVEL DE TOTAL

0.80 0.20 1.00

ES OBTENER DOS PUNTOS CRITICOS

Para determinar el comportamiento del parámetro seleccionado ( media,

0.80 0.20 1.00 Ɵ

SE APLICAN PARA LOS SIGUIENTE PARAMETROS

SE UTILIZA PARA UNA Y DOS POBLACION

ESTADÍSTICOS DE LA DISTRIBUCIÓN MUESTRAL

1. INTERVALOS DE CONFIANZA PARA LA MEDIA:

1. CUANDO LA VARIANZA ES CONOCIDA (σ2 )

2. CUANDO LA VARIANZA NO ES CONOCIDA (σ2 )

1. INTERVALOS DE CONFIANZA PARA LA MEDIA:

1. CUANDO LA VARIANZA ES CONOCIDA (σ2 )

PARA n >= 30 o < 30……SE USA LA DISTRIBUCION NORMAL ESTANDAR (Z(0,1) )

O denominadas poblaciones grandes o pequeñas

1. INTERVALOS DE CONFIANZA PARA LA MEDIA:

2. CUANDO LA VARIANZA NO ES CONOCIDA (S2)

2.1. PARA n >= 30 ……SE USA LA DISTRIBUCION NORMAL ESTANDAR (Z(0,1) )

2.2. PARA n < 30 …….. SE APLICA LA DISTRIBUCION T- student

1. INTERVALOS DE CONFIANZA PARA LA MEDIA:

1. CUANDO LA VARIANZA ES CONOCIDA

PARA n >= 30 o < 30……SE USA LA DISTRIBUCION NORMAL ESTANDAR (Z(0,1) )

O denominadas poblaciones grandes o pequeñas

(X – Z*(σ/ RAIZ(n) <= u <= X + Z*(σ/ RAIZ(n)

INTERVALOS DE CONFIANZA para la media

(X – Z(σ/ RAIZ(n) <= u <= X + Z(σ/ RAIZ(n)

SOLUCION: a 0.025 X - T S / RAIZ (n)<= u <= X +T S/ RAIZ (n)

((9)554.011 )/ (16.92) <= σ2 <= ((9)554.011 )/ (3.33)

Sp = ((9 -1) 22.77 + (16 -1) 20.93 ) / (9+ 16 – 2) =21.57

Sp = ((9 -1) 22.77 + (16 -1) 20.93 ) / (9+ 16 – 2) =21.57