Grado en Gestión y Marketing Empresarial Curso 2 0

Estadı́stica II Primer Parcial Octubre 2022

DURACIÓN: 1:50 horas MODELO C

APELLIDOS:
NOMBRE: DNI:
Instrucciones generales: Escriba en esta hoja de examen sus respuestas definitivas y entréguela
dentro de sus cuadernillos de examen. Recuadre la misma respuesta definitiva en los cuadernillos.
Indique claramente en los cuadernillos el ejercicio al que está respondiendo. La puntuación de
cada uno de los 6 ejercicios sigue el criterio de 0 si no hay nada correcto, 1/4 de la calificación si hay
un apartado correcto y el total de la calificación si está todo correcto.
1) El portavoz del gobierno afirma que exactamente 66 % de la población está de acuerdo con la
creación de plantas transgénicas. Una televisión independiente decide realizar una encuesta. De 8
personas encuestadas al azar, 6 son favorables a la manipulación. ¿Ponen en duda estos resultados
la publicidad del gobierno con un nivel de significación de α = 0.1?

H0 ≡ π = 0.66
a) Hipótesis estadı́sticas:
H1 ≡ π 6= 0.66

b) Estadı́stico de c) Valor-p Punto crı́tico

contraste (e.c.): más cercano a e.c.:

3.48 0.0005 1.64

Estamos realizando un contraste sobre una proporción poblacional de una población binomial. Bajo
H0 sabemos que el estadı́stico de contraste
p − π0
zc = q −→ N (0, 1)
π0 (1−π0 )
n

donde n es el tamaño de la muestra, p = 6/8 = 0.75 es la proporción de la muestra y π0 es

la proporción hipotetizada de la población, se distribuye aproximadamente como una distribución
normal tipificada o estándar N (0, 1). Calculamos el estadı́stico de contraste:

p − π0 0.75 − 0.66
zc = q =q = 0.54.
π0 (1−π0 ) 0.66(1−0.66)
n 8

Para calcular el Valor-p asociado al estadı́stico de contraste debemos tener en cuenta si el contraste
es bilateral, unilateral izquierdo o unilateral derecho. En este caso, dadas las hipótesis H0 y H1 , el
contraste es bilateral y dado que el estadı́stico de contraste es positivo calculamos la probabilidad de
ser más extremo que éste como:

P (Z ≥ zc ) = P (Z ≥ 0.54) = 1 − P (Z ≤ 0.54) = 1 − 0.7054 = 0.2946.

De nuevo debemos tener en cuenta que el contraste es bilateral y el valor-p es el doble de la proba-
bilidad de ser más extremo que el estadı́stico de contraste. Por tanto:
V alor − p = 2 · P (Z ≥ zc ) = 2 · P (Z ≥ 0.54) = 2 · 0.2946 = 0.5892.
En ’R’ podriamos hacer
P (Z ≤ 0.54) : pnorm(0.54) = 0.2946,
y después
V alor − p = 2 · P (Z ≥ 0.54) = 2 · (1 − P (Z ≤ 0.54)) = 0.5892.

Escriba el valor del punto crı́tico (si hubiera más de un punto crı́tico escriba el valor del más cercano
al estadı́stico de contraste): P unto critico = 1.64.
Como el contraste es bilateral, para calcular los Puntos crı́ticos que marcan los lı́mites de la Región
crı́tica repartimos el nivel de significación α = 0.1 a ambos extremos de la distribución y calculamos
los puntos que dejan a su izquierda probabilidades iguales a 0.05 y 0.95 respectivamente:
De estos dos puntos el más cercano al estadı́stico de contraste es P unto critico = 1.64.
d) Conclusión estadı́stica y conclusión experimental. Dibuje la relación entre la Región crı́tica y el
estadı́stico de contraste:

Como V alor − p > α o e.c. 6∈ R.C. no existe evidencia empı́rica

suficiente para rechazar H0 al nivel de significación del 10 %. Por
tanto no se puede descartar la hipótesis del enunciado de que la
proporción poblacional es de exactamente π = 0.66 al nivel de
significación del 10 %.

2) Se quiere analizar la relación entre los Salarios en miles de euros anuales y la Experiencia medida
en años en la empresa. Para ello se toma una muestra de 92 elementos y se estima el coeficiente de
correlación muestral rExp Sal = −0.013. Al nivel de significación del 10 %, ¿se puede afirmar que es
significativamente negativo?

H0 ≡ ρ ≥ 0
a) Hipótesis estadı́sticas:
H1 ≡ ρ < 0

b) Estadı́stico de c) Grados de Punto crı́tico

contraste (e.c.): libertad Valor-p más cercano a e.c.:

-0.12602 90 0.45 -1.291

Estamos realizando un contraste sobre el parámetro de correlación lineal de Pearson entre dos varia-
bles cuantitativas. Disponemos de una muestra de 92 elementos.En estas condiciones y bajo H0 se
sabe que el estadı́stico de contraste
r
n−2
tc = r ∼ t − studentn−2
1 − r2
se distribuye como una distribución t − student con grados de libertad g.l. = n − 2, donde r es el
coeficiente de correlación muestral entre las dos variables y n es el tamaño, de la muestra. Calculamos
el estadı́stico de contraste:

r s
n−2 92 − 2
tc = r 2
= −0.013282 = −0.12602.
1−r 1 − (−0.013282)2

Para calcular el valor-p asociado al estadı́stico de contraste debemos tener en cuenta si el contraste
es bilateral, unilateral izquierdo o unilateral derecho. En este caso, dadas las hipótesis H0 y H1 , el
contraste es unilateral izquierdo. Por tanto calcular el valor-p en la dirección del contraste implica
calcular la probabilidad de ser más extremo que el estadı́stico de contraste hacia la izquierda de la
representación, es decir, la probabilidad de ser menor o igual que el estadı́stico de contraste:
V alor − p = P (Tn−2 ≤ tc ) = P (T90 ≤ −0.12602) = 0.45.

Alternativamente al punto anterior escriba el valor del punto crı́tico (si hubiera más de un punto
crı́tico escriba el valor del más cercano al estadı́stico de contraste): P unto critico = −1.291.
Como el contraste es unilateral izquierdo, buscamos el punto crı́tico con el nivel de significación
α = 0.1 a la izquierda de la distribución:
d) Conclusión estadı́stica y conclusión experimental. Dibuje la relación entre la Región crı́tica y el
estadı́stico de contraste:

Como V alor − p > α o e.c. 6∈ R.C. no existe evidencia empı́rica

suficiente para rechazar H0 frente a H1 al nivel de significación del
10 %. Por tanto, al contrario de lo que sostiene el enunciado, no es
posible afirmar que el coeficiente de correlación poblacional es
significativamente negativo al nivel de significación del 10 %.

3) Un informe indica que la dispersión del precio del billete de avión entre Baleares y Bilbao es de
exactamente 14 euros. Se toma al azar una muestra de 101 viajeros y se obtiene que la desviación
tı́pica de los precios de sus billetes es de 19.2 euros. ¿Se puede aceptar, con un nivel de significación
igual a α = 0.01, la afirmación de partida? Obtenga su conclusión mediante un intervalo con nivel
de confianza 1 − α = 0.99.

IC0.99 σ 2 = [265.62, 552.99].

a) Calcula los lı́mites del intervalo de confianza:

Estamos realizando inferencia sobre la varianza de una población normal. En este caso el intervalo
de confianza toma la forma:
" #
2

n · s2 n · s2
IC1−α σ = , ,
χ2α/2,n−1 χ21−α/2,n−1

donde s2 es la varianza muestral, n es el tamaño de la muestra y χ2n−1,1−α/2 y χ2n−1,α/2 son los

percentiles de la distribución χ2 con grados de libertad g.l. = n − 1 que dejan en su interior un área
centrada de1 − α con α el nivel de significación. Calculamos este intervalo;
 
2

101 · 368.64 101 · 368.64
IC0.99 σ = , = [265.62, 552.99]
140.17 67.33

donde los valores de χ2100,0.995 y χ2100,0.005 los hemos obtenido mediante:

b) Conclusión estadı́stica y conclusión experimental:

Dado que 196 6∈ IC0.99 σ 2 existe evidencia empı́rica suficiente para rechazar H0 : σ 2 = 196

frente a H1 : σ 2 6= 196 al nivel de significación del 1 %. Por tanto rechazamos la hipótesis del
enunciado de que la varianza poblacional es de exactamente σ 2 = 196 al nivel de significación
del 1 %.

4) Se quiere averiguar si en una empresa el número de accidentes semanales sigue una distribución
de Poisson de media 2 accidentes. Para ello se mide el número de accidentes durante 30 semanas
con el resultado de la tabla adjunta. Realice un contraste al nivel de significación de α = 0.05 que le
permita saber si los resultados se distribuyen de la forma descrita:

H0 ≡ X ∼ P (2)
a) Hipótesis estadı́sticas:
H1 ≡ X 6∼ P (2)

b) Complete la tabla y calcule el valor del estadı́stico de contraste (e.c.):

 Estadistico
xi FO PE FE
de Contraste
0 4 0.1353 4.1 0.002
1 15 0.2707 8.1 5.878
2 4 0.2707 8.1 2.075
3 4 0.1804 5.4 0.363
4 2 0.0902 2.7 0.181
5o+ 1 0.0527 1.6 0.225
P
30 1 30 8.725

c) Grados de Punto crı́tico

libertad Valor-p más cercano a e.c.:

5 0.1 11.07

k
X (F Oi − F Ei )2
El valor del estadı́stico de contraste es la medida χ2c = = 8.725, donde F Oi Y F Ei
i=1
F E i
son las frecuencias observadas y esperadas de cada celda y k es el número de categorı́as.
Estamos realizando un contraste sobre ajuste a una distribución de Poisson. Sabemos que, bajo H0
el estadı́stico de contraste
χ2c ∼ χ2k−`−1
se distribuye como una distribución χ2 con g.l. = k −`−1 grados de libertad donde k es el número de
categorı́as y ` es el número de parámetros que necesitamos estimar para el cálculo de las frecuencias
esperadas. Para calcular el V alor − p debemos tener en cuenta que el estadistico de contraste es una
suma cuadrática y por ello los valores que reflejen un posible incumplimiento de H0 (la llamada region
crı́tica delimitada por la probabilidad α), se situarán en el extremo de la distribución hacia la derecha.
En este caso no hemos tenido que estimar el parámetro de esperanza de la distribución de Poisson λ
a partir de la muestra por lo que ` = 0 y los grados de libertad son g.l. = k − ` − 1 = 6 − 0 − 1 = 5
por lo que debemos buscar:
P χ25 ≥ 8.725 = 0.1205.

En ’R’ hacemos
P χ25 ≤ 8.725 : pchisq(8.725,5) = 0.8795,

y después

V alor − p = P χ25 ≥ 8.725 = 1 − P χ25 ≤ 8.725 = 1 − 0.8795 = 0.1205.

El punto crı́tico es el valor de la distribución asociado al nivel de significación que delimita la Región
Crı́tica o área de rechazo. En este contraste como decı́amos la región crı́tica se sitúa a la derecha
de la distribución por lo que el punto crı́tico es el valor de la distribución χ2 con grados de libertad
g.l. = 5 que deja por encima de sı́ α = 0.05 y por debajo de sı́ 1 − α = 1 − 0.05 = 0.95. Buscamos
en tablas este valor y vemos que esχ25,0.95 = 11.0705.

d) Conclusión estadı́stica y conclusión experimental. Dibuje la relación entre la Región crı́tica y el

estadı́stico de contraste:

Como V alor − p > α o e.c. 6∈ R.C. no existe evidencia empı́rica

suficiente para rechazar H0 frente a H1 al nivel de significación del
5 %. Por tanto no podemos descartar que la variable X se
distribuye como X ∼ P (2) al nivel de significación del 5 %.
5) Se quiere analizar la relación entre las dos variables categóricas Sexo y Color de pelo. Para ello se
toma una muestra de 100 elementos con los resultados de la tabla adjunta. Realice un contraste de
independencia al nivel de significación del 1 %:
P
Sexo/Color de pelo Rubio M oreno P elirrojo
Hombre 16 22 9 47
M ujer 18 29 6 53
P
34 51 15 100

a) Hipótesis estadı́sticas:

H0 ≡ P (X = xi , Y = yj ) = P (X = xi ) · P (Y = yj ) , ∀i, j (Los atributos son independientes)

H1 ≡ Existe P (X = xi , Y = yj ) 6= P (X = xi ) · P (Y = yj ) , (Los atributos son dependientes)

b) Complete la tabla de frecuencias esperadas y de componentes de la medida de contingencia y

calcule el estadı́stico de contraste (e.c.):
Frecuencias esperadas: Componentes de contingencia: El estadis-
Sex/Col Rub M or P el Sex/Col Rub M or P el tico de contraste es:
Hom 15.98 23.97 7.05 Hom 0 0.162 0.539 1.323
M uj 18.02 27.03 7.95 M uj 0 0.144 0.478

F X C
X (F Oij − F Eij )2
El valor del estadı́stico de contraste es la medida de contingencia χ2c
= =
i=1 j=1
F Eij
1.323, donde F Oij Y F Eij son las frecuencias observadas y esperadas de cada celda y C y F son el
número de categorı́as del atributo de columnas y el de filas respectivamente.
c) Grados de Punto crı́tico
libertad Valor-p más cercano a e.c.:

2 0.55 9.21

Estamos realizando un contraste sobre independencia de dos atributos. Sabemos que, bajo H0 el
estadı́stico de contraste
χ2c ∼ χ2(C−1)·(F −1)
se distribuye como una distribución χ2 con g.l. = (C − 1) · (F − 1) grados de libertad donde C y F
son el número de categorı́as del atributo de columnas y el de filas respectivamente. Para calcular el
V alor − p debemos tener en cuenta que el estadistico de contraste es una suma cuadrática y por ello
los valores que reflejen un posible incumplimiento de H0 (la llamada region crı́tica delimitada por la
probabilidad α), se situarán en el extremo de la distribución hacia la derecha. Teniendo en cuenta
que en este caso g.l. = (C − 1) · (F − 1) = (3 − 1) · (2 − 1) = 2 debemos buscar:

P χ22 ≥ 1.323 = 0.5161.

En ’R’ hacemos
P χ22 ≤ 1.323 : pchisq(1.323,2) = 0.4839,

y después

V alor − p = P χ22 ≥ 1.323 = 1 − P χ22 ≤ 1.323 = 1 − 0.4839 = 0.5161.

El punto crı́tico es el valor de la distribución asociado al nivel de significación que delimita la Región
Crı́tica o área de rechazo. En este contraste como decı́amos la región crı́tica se sitúa a la derecha
de la distribución por lo que el punto crı́tico es el valor de la distribución χ2 con grados de libertad
g.l. = 2 que deja por encima de sı́ α = 0.01 y por debajo de sı́ 1 − α = 1 − 0.01 = 0.99. Buscamos
en tablas este valor y vemos que esχ22,0.99 = 9.2103.

d) Conclusión estadı́stica y conclusión experimental. Dibuje la relación entre la Región crı́tica y el

estadı́stico de contraste:
 Como V alor − p > α o e.c. 6∈ R.C. no existe evidencia empı́rica
suficiente para rechazar H0 frente a H1 al nivel de significación del
1 %. Por tanto no podemos descartar que los atributos Sexo y
Color de pelo se distribuyan de forma independiente en la
población al nivel de significación del 1 %.

6) Un informe indica que el precio medio del billete de avión entre Baleares y Bilbao es de no más
de 99 euros. Se toma al azar una muestra de 8 viajeros y se obtiene que la media de los precios de
sus billetes es de 121.83 euros con una desviación tı́pica de 24 euros. ¿Se puede aceptar, con un nivel
de significación igual a α = 0.1, la afirmación de partida?

H0 ≡ µ ≤ 99
a) Hipótesis estadı́sticas:
H1 ≡ µ > 99

b) Estadı́stico de c) Grados de Punto crı́tico

contraste (e.c.): libertad Valor-p más cercano a e.c.:

2.5168 7 0.02 1.415

Estamos realizando un contraste sobre una media poblacional de una población normal y desco-
nocemos la desviación tı́pica (o la varianza) de la población. Por tanto, bajo H0 el estadı́stico de
contraste
x̄ − µ0
tc = s ∼ t − studentn−1
√
n−1

donde n es el tamaño de la muestra, x̄ y s son la media y la desviación tı́pica de la muestra respectiva-

mente y µ0 es la media hipotetizada de la población, se distribuye como una distribución t − student
con g.l. = n − 1 grados de libertad. Calculamos el estadı́stico de contraste:

x̄ − µ0 121.83 − 99
tc = = = 2.5168.
√s 24
√
n−1 7

Para calcular el valor-p asociado al estadı́stico de contraste debemos tener en cuenta si el contraste
es bilateral, unilateral izquierdo o unilateral derecho. En este caso, dadas las hipótesis H0 y H1 , el
contraste es unilateral derecho. Por tanto calcular el valor-p en la dirección del contraste implica
calcular la probabilidad de ser más extremo que el estadı́stico de contraste hacia la derecha de la
representación, es decir, la probabilidad de ser mayor o igual que el estadı́stico de contraste:
V alor − p = P (Tn−1 ≥ tc ) = P (T7 ≥ 2.5168) = 0.019.
En ’R’ podriamos hacer
P (T7 ≤ 2.5168) : pt(2.5168,7) = 0.98,
y después
V alor − p = P (T7 ≥ 2.5168) = 1 − P (T7 ≤ 2.5168) = 0.019.

Escriba el valor del punto crı́tico (si hubiera más de un punto crı́tico escriba el valor del más cercano
al estadı́stico de contraste): P unto critico = 1.415.
Como el contraste es unilateral derecho, buscamos el punto crı́tico con el nivel de significación α = 0.1
a la derecha de la distribución:
d) Conclusión estadı́stica y conclusión experimental. Dibuje la relación entre la Región crı́tica y el
estadı́stico de contraste:

Como V alor − p ≤ α o e.c. ∈ R.C. existe evidencia empı́rica

suficiente para rechazar H0 frente a H1 al nivel de significación del
10 %. Por tanto rechazamos la hipótesis del enunciado de que la
media poblacional es de no más de µ = 99 euros al nivel de
significación del 10 %.