U4 Estadística Aplicada

4.1 Inferencia estadística

4.1.1 Concepto
4.1.2 Muestreo
4.1.3 Estimación
4.1.4 Pruebas de hipótesis
4.1.5 Método clásico de estimación puntual
4.1.6 Estimador insesgado

4.2 Intervalos de confianza

 Vocabulario
• Muestra y Poblacion
• Poblacion finita e infinita
• Muestreo
• Censo / inspecion 100%
• Muestreo con reposicion
• Muestreo sin reposicion
• Datos discretos y continuos
• Teorema del Limite Central
• Muestreo aleatorio
• Inferencia estadistica
• Poblaciones discretas
• Poblaciones continas
• Estimacion
• Estimacion de punto
• Estimacion de
intervalo
Variación de los datos y Desviación Estándar
Ｘ

σ
La Administración de Calidad puede ser igual a la
administración de la variablidad.

⇒ Entonces ¿Cómo captamos la variabilidad?

Es un problema...
3
 －
n Ｘ
 (xi- x) 2 Distribución de
σ ＝ i =1
Población
n la población

←No necesariamente
igual
n
 (xi- x) 2 Distribución de
σ ＝ i =
1
Muestra n－１ una muestra
Cuándo no es posible medir todos los datos de una población,
la distribución se puede estimar a partir de la medición de los
datos de una muestra...
Cuándo el tamaño de muestra es pequeño, existe una
posbilidad de tener un valor de desviación pequeño, por lo
que para calibrar la desviación el valor (n-1) se utiliza en
lugar del valor (n). Esto nos da un valor más aproximado a la
verdadera desviación de la población...
4
 Distribución normal
Cuando se hace una gráfica (histograma) de la altura de las
personas, ésta toma forma de montaña con su punto más
alto en el centro (promedio). Los histogramas de las
alturas de caballos y ballenas toman esta misma forma
(aunque su tamaño sea diferente)

La distribución de probabilidad
↑ que lleva a esta curva se
n
llama Distribución Normal.

→Altura

Un fenómeno que sólo esté afectado por su variación pura

(sin factores externos) generalmente tendrá una
Distribución Normal.
5
 Características de la desviación estándar
Porcentaje
－
Ｘ ・±１σ＝６８．３％
・±２σ＝９５．４％
・±３σ＝９９．７3％

‐σ σ
‐２σ ２σ ・±４σ＝９９．９９６％
‐３σ ３σ ・±５σ＝９９．９９９９４％

99.73% de todos los datos están dentro del rango

de ±３σ del promedio (centro).

Este concepto es utilizado en el Cpk y

las Gráficas de Control...
6
 CARACTERISTICAS DE LA
DISTRIBUCION NORMAL
1.- La curva tiene forma de campana

2.- Es simétrica con respecto a la media de la

distribución.

3.- Se extiende de menos infinito a mas infinito

4.- Cada distribución normal es completamente

especificada por su media y Desv. Estándar; existe
una distribución normal diferente para cada
combinación de media y desviación estándar
5. El área total bajo la curva se considera 100 %

6.- La probabilidad de que una variable aleatoria

tenga un valor entre 2 puntos cualesquiera es igual al
área bajo la curva normal entre esos 2 puntos.

7.- Existe un numero ilimitado de valores en el

intervalo de menos infinito a mas infinito, y la
probabilidad de que una variable aleatoria distribuida
con normalidad sea exactamente igual a cualquier
valor dado es casi de cero.
Por tanto las probabilidades siempre serán para un
intervalo de valores.
8.- El área bajo la curva entre la media y cualquier
otro punto es una función del numero de
desviaciones estándar que el punto dista de la media

La media de una distribución de muestreo siempre es

igual a la media de la población:
x
Cuando la población es muy grande o infinita, la
desviación estándar de la distribución de muestreo de
medias es: σ
Desviación estándar σx＝
n
 INFERENCIA ESTADISTICA

Comprende el establecer ciertos juicios

con respecto a algo después de examinar
solamente una parte o muestra de ello

La probabilidad y el muestreo están

estrechamente relacionados y juntos
constituyen la base de la teoría de la
inferencia.
INFERENCIA ESTADISTICA

Ningún plan de muestreo puede garantizar que

una muestra será exactamente igual a la
población de la que se ha tomado.

Una muestra aleatoria permite estimar la

cantidad de error posible.

Es decir, cuan próxima esta la muestra en

términos de su representatividad.
Las muestras no aleatorias carecen de esta
característica
MUESTRAS Y POBLACIONES

Un censo comprende el examen de todos los

elementos de un determinado grupo, mientras
que el muestreo el análisis de una pequeña
parte de ello

El propósito del muestreo es establecer

generalizaciones con respecto a un grupo total
de elementos sin tener que examinarlos de uno
por uno.
MUESTRAS Y POBLACIONES
SITUACIONES DONDE EL MUESTREO ES UTIL
1. Poblaciones infinitas

2. La muestra puede ser mas oportuna que un censo

3. Pruebas destructivas

4. Costos de efectuar un censo puede ser excesivo

5. La exactitud puede verse afectada cuando se hace

un censo de una población muy grande

6. Tipo de información
SITUACIONES EN LAS QUE ES MAS
VENTAJOSO INSPECCIONAR TODOS LOS
ELEMENTOS DE UNA POBLACION

1. La población puede ser tan pequeña que quizás

sea mas costoso y largo muestrear que efectuar
un censo.

2. Si el tamaño de la muestra es relativamente

grande con respecto al tamaño de la población.

3. Si se requiere una exactitud completa.

4. Se dispone de la información completa

MUESTREO ALEATORIO

El muestreo aleatorio requiere que cada

elemento de una población tiene la misma
oportunidad de ser incluido en la muestra.

POBLACIONES DISCRETAS
Una muestra aleatoria es aquella en la que
cada elemento de la población tiene la misma
oportunidad de ser incluido en la muestra
POBLACIONES CONTINUAS

Una muestra aleatoria es aquella en la que la

probabilidad de incluir cualquier intervalo de
valores en la muestra es igual al porcentaje de
la población que esta comprendida en dicho
intervalo
 MUESTREO PROBABILISTICO

ALEATORIO. Lista de elementos

SISTEMATICO. Lista aleatoria de elementos y

se muestrea cada k-esimo elemento de la lista

ESTRATIFICADO. Dividir la población en

subgrupos (estratos) de elementos
semejantes, y muestrear después en cada
subgrupo.
 MUESTREO PROBABILISTICO

DE ACUMULACION.
Elementos físicamente próximos entre si

MUESTREO NO PROBABILISTICO

MUESTREO DE JUICIOS. Muestras pequeñas.

Basado en el conocimiento que tenga la
persona sobre los elementos.
TEOREMA DEL LIMITE CENTRAL

1. Si la población muestreada esta distribuida de

manera normal, la distribución de los valores
medios de la muestra estará normalmente
distribuida respecto a todos los tamaños
muéstrales.

2. Si la población no es normal, la distribución

de los valores medios de la muestra será
aproximadamente normal respecto a un tamaño
maestral grande.
DISTRIBUCION DE MUESTREO

Es una distribución probabilística que indica el

grado en el que el valor estadístico de la muestra
tendera a variar debido a la variación al azar del
muestreo aleatorio.

1. MEDIAS

2. PROPORCIONES

3. NUMERO DE OCURRENCIAS
DISTRIBUCION MUESTRAL DE MEDIAS

Una distribución de muestreo de medias es de tipo

probabilístico e indica cuan probables son
diversas medias de la muestra.

La distribución es una función de la media, de la

desviación estándar de la población, y del tamaño de
la muestra.
Para cada combinación de esos valores, habrá una
distribución de muestreo única
Las formulas que se utilizan para cálculos que
comprenden distribuciones de muestreo de
medias

LA MEDIA DE UNA DISTRIBUCION DE

MUESTREO DE MEDIAS SIEMPRE ES
IGUAL A LA DE LA POBLACION

M = Media de la población

Xx = Media de la distribución de muestreo

 Desviacion estandar de la distribucion de
muestreo de medias cuando la poblacion
es muy grande o infinita

σx = Desviación estándar de la disttribucion de muestreo

σ = Desviación Estándar de la poblacion

n = Tamaño de la muestra

σ
σx =
n
La cantidad de dispersión en la distribución de
muestreo depende de dos cosas:

1. La dispersión de la población

2. La raíz cuadrada del tamaño de la muestra

Para cualquier población, aumentar el tamaño de

las muestras que se toman de esta, dará como
resultado menos variabilidad entre los posibles
valores medios de la misma
E1
Una población muy grande tiene una media de 20 y una
desviación estándar de 1.4
Si se toma una muestra de 49 observaciones, conteste las
siguientes preguntas:

a). ¿Cuál es la media de la distribución de muestreo?

b). Cual es la desviación estándar de la distribución de

muestreo.

c). ¿Qué porcentaje de posibles valores medios de la muestra

diferirán de la media de la población por mas de 0.2?
E1(Respuestas)
Una población muy grande tiene una media de 20 y una
desviación estándar de 1.4
Si se toma una muestra de 49 observaciones, conteste las
siguientes preguntas:
DATOS: X = 20 σ = 1.4 n = 49
a). ¿Cuál es la media de la distribución de muestreo?

M = Xx = 20

b). Cual es la desviación estándar de la distribución de

muestreo. σ 1.4
σx = = = 0.2
n 49
 E1(Respuestas)
c). ¿Qué porcentaje de posibles valores medios de la muestra
diferirán de la media de la población por mas de 0.2?
AZ2 = 0.3413 AZ1 = 0.3413
Ｘ
AR1 = 0.5 – 0.3413 = 0.1587

Z= x–x
0.2 0.2 0.2 0.2 0.2 0.2 σ
-1σ 1σ Z1 = 20.2 - 20
‐２σ
= 1
２σ 0.2
‐３σ ３σ
AZ1 = 0.3413
Z2 = 19.8 - 20 = -1 AZ2 = 0.3413
0.2
AT= 0.1587+ 0.1587= 0.3174
AR2 = 0.5 – 0.3413 = 0.1587 o 31.74%
E2
Un fabricante de acumuladores asegura que su producto tiene
una vida promedio esperada de 50 meses.

Mediante estudios realizados por esta compañía se sabe que la

desviación estándar de la vida del acumulador es de cuatro
meses,
a). ¿Qué porcentaje de muestras de 36 observaciones tendrán
una vida media promedio que varíe dentro de un mes de la
media, suponiendo que 50 es el promedio de vida verdadera
de los acumuladores?

b). ¿Cuál es la respuesta si se toma una media de 64

observaciones?
E2 (Respuesta)
DATOS: n es mayor que 30
La media de la población es igual a la media de la distribución
de muestreo Ｘ
M = Xx = 50 meses
σ = 4 meses
Para n = 36 0.67 0.67 0.67 0.67

σx = σ
50

n 49 51

Z1 = X - X
σ
E2 (Respuesta)
DATOS: n es mayor que 30
La media de la población es igual a la media de la distribución
de muestreo Ｘ
M = Xx = 50 meses
σ = 4 meses
Para n = 36 0.67 0.67 0.67 0.67

σx = σ = 4 = 0.67 50

n 36 49 51

Z1 = 49 - 50
= -1.5 AZ1 = 0.4332
0.67
AT= 0.4332 + 0.4332= 0.8664 o 86.64%
E2 (Respuesta)
DATOS: n es mayor que 30
La media de la población es igual a la media de la distribución
de muestreo Ｘ
M = Xx = 50 meses
σ = 4 meses
Para n = 64 0.67 0.67 0.67 0.67

σx = σ
50

n 49 51

Z1 = X - X
σ
E2 (Respuesta)
DATOS: n es mayor que 30
La media de la población es igual a la media de la distribución
de muestreo Ｘ
M = Xx = 50 meses
σ = 4 meses
Para n = 64 0.67 0.67 0.67 0.67

σx = σ = 4 = 0.50 50

n 64 49 51

Z1 = 49 - 50
= -2.0 AZ1 = 0.4773
0.50
AT= 0.4773 + 0.4773= 0.9546 o 95.46%
E3
Con la información del ejercicio anterior, ¿Cuál seria la
probabilidad de obtener un valor medio de muestra menor de
49.8 meses, de una muestra de 100 observaciones
E3 (Respuesta)
Con la información del ejercicio anterior, ¿Cuál seria la
probabilidad de obtener un valor medio de muestra menor de
49.8 meses, de una muestra de 100 observacionesＸ
M = Xx = 50 meses
σ = 4 meses
n = 100 0.4 0.4 0.4 0.4 0.4 0.4

σx = σ = 4 = 0.4 50

n 100 49.8
A= 0.1915

Z49.8 = 49.8 - 50
= -0.5 AZ49.8 = 0.1915
0.4
AT= 0.5 - 0.1915= 0.3085 o 30.85%
E4

Si se obtiene una muestra de una distribución normal,

¿Cuál es a probabilidad de que la media de la muestra
tenga un valor en cada uno de los siguientes intervalos?

a). M + - 1.96 σx

b). M + - 2.00 σx

c). M + - 2.33 σx
E4 (Respuestas)
Si se obtiene una muestra de una distribución normal,
¿Cuál es a probabilidad de que la media de la muestra
tenga un valor en cada uno de los siguientes intervalos?
M + - 1.96 σx
a). M + - 1.96 σx
Ｘ

-1σ 1σ
‐２σ ２σ

‐３σ ３σ
E4 (Respuestas)

Si se obtiene una muestra de una distribución normal,

¿Cuál es a probabilidad de que la media de la muestra
tenga un valor en cada uno de los siguientes intervalos?

a). M + - 1.96 σx 95%

b). M + - 2.00 σx 95.5%

c). M + - 2.33 σx 98%

E5
La media de una distribución de muestreo de medias es de 50 y su
desviación estándar es de 10.
Suponga que la distribución de muestreo es normal

a). ¿Qué porcentaje de las medias de la muestra estará entre 45.0 y

55.0?

b). ¿Qué porcentaje de los valores medios de la muestra estará entre

42.5 y 57.5?

c). ¿Qué porcentaje de los valores medios de la muestra será menor

que la media de la población?

d). ¿Qué porcentaje de los valores medios de la muestra será igual a

la media de la población?
E5 (Respuestas)
La media de una distribución de muestreo de medias es de 50 y su
desviación estándar es de 10.
Suponga que la distribución de muestreo es normal

a). ¿Qué porcentaje de las medias de la muestra estará entre 45.0 y

55.0?
0.3830 = 38.30%
－
Z = 45 - 50 = -5 = -0.5
Ｘ
10 10

A = 0.19

AT = 0.1915 + 0.1915
45 55
50 AT = 0.3830
E5 (Respuestas)
La media de una distribución de muestreo de medias es de 50 y su
desviación estándar es de 10.
Suponga que la distribución de muestreo es normal

b). ¿Qué porcentaje de los valores medios de la muestra estará entre

42.5 y 57.5?

0.5468 = 54.68% Z = 42.5 - 50 = -5 = -0.75

－
Ｘ
10 10

A = 0.2734

AT = 0.2734 + 0.2734
42.5 57.5
AT = 0.5468
50
E5 (Respuestas)
La media de una distribución de muestreo de medias es de 50 y su
desviación estándar es de 10.
Suponga que la distribución de muestreo es normal

c). ¿Qué porcentaje de los valores medios de la muestra será menor

que la media de la población?

50%

d). ¿Qué porcentaje de los valores medios de la muestra será igual a

la media de la población?

0
E6
Se toman muestras de 36 observaciones de una maquina de
acuñar monedas conmemorativas. El espesor promedio de las
monedas es 0.20 cm, con una desviación estándar de 0.01 cm

a). ¿Es fundamental saber que la población es normal, a fin

de establecer el porcentaje de valores medios de la muestra
que quedaran dentro de ciertos intervalos? Explíquelo

b). ¿Qué porcentaje de medias de la muestra quedaran en el

intervalo 0.20 +- 0.004 cm ?).

c). ¿Cuál es la probabilidad de obtener la media de muestra

que se desvié mas de 0.005 cm de la media del proceso
E6 (Respuestas)
Se toman muestras de 36 observaciones de una maquina de
acuñar monedas conmemorativas. El espesor promedio de las
monedas es 0.20 cm, con una desviación estándar de 0.01 cm

a). ¿Es fundamental saber que la población es normal, a fin

de establecer el porcentaje de valores medios de la muestra
que quedaran dentro de ciertos intervalos? Explíquelo

No, la distribución de las medias muestrales será

aproximadamente normal porque el tamaño de la
muestra es mayor que 30
E6 (Respuestas)
Se toman muestras de 36 observaciones de una maquina de
acuñar monedas conmemorativas. El espesor promedio de las
monedas es 0.20 cm, con una desviación estándar de 0.01 cm

b). ¿Qué porcentaje de medias de la muestra quedaran en el

intervalo 0.20 +- 0.004 cm ?).

0.9836 = 98.36%
E6 (Respuestas)
Se toman muestras de 36 observaciones de una maquina de
acuñar monedas conmemorativas. El espesor promedio de las
monedas es 0.20 cm, con una desviación estándar de 0.01 cm

c). ¿Cuál es la probabilidad de obtener la media de muestra

que se desvié mas de 0.005 cm de la media del proceso

0.0028 = 0.28%
E6 (Respuestas)
Se toman muestras de 36 observaciones de una maquina de
acuñar monedas conmemorativas. El espesor promedio de las
monedas es 0.20 cm, con una desviación estándar de 0.01 cm

a). ¿Es fundamental saber que la población es normal, a fin

de establecer el porcentaje de valores medios de la muestra
que quedaran dentro de ciertos intervalos? Explíquelo
No, porque el tamaño de la muestra es mayor que 30
b). ¿Qué porcentaje de medias de la muestra quedaran en el
intervalo 0.20 +- 0.004 cm ?).
0.9836
c). ¿Cuál es la probabilidad de obtener la media de muestra
que se desvié mas de 0.005 cm de la media del proceso
0.0028
 DISTRIBUCION MUESTRAL DE
PROPORCIONES

Indica cuan probable es un conjunto

particular de proporciones muestrales,
dados el tamaño de la muestra y la
proporción de la población.
 DISTRIBUCION MUESTRAL DE
PROPORCIONES

Cuando el tamaño de la muestra es 20 o

menos, las probabilidades para los diferentes
resultados posibles se pueden obtener
directamente de una taba de probabilidades
binomiales convirtiendo el numero de éxitos
a porcentajes.

Para tamaños muestrales mayores la

aproximación normal a binomial producirá
valores bastante aceptables
La media (proporción promedio o porcentaje) de la
distribución de muestreo siempre es igual a la
proporción de la población

Media p = proporción p q = 1- p

p Proporción de la población

p Media de la distribución de muestreo de

proporciones.
q = complemento de p
Cuando la población es muy grande o infinita

σp = pxq
n
E7
Un detallista compra vasos de cristal en grandes cantidades
directamente de la fabrica. Tales vasos son envueltos uno por
uno.
Algunas veces, el detallista inspecciona las remesas para
determinar la proporción de vasos rotos o defectuosos.

Si un gran cargamento contiene el 10% de vasos rotos o

defectuosos, ¿Cuál es la probabilidad de que el detallista
obtenga una muestra aleatoria de 100 vasos que presenta el
17% o mas de defectuoso
E7 (Respuestas)

DATOS: (Que información me dan)

10% de vasos rotos o defectuosos
n = 100
Probabilidad de 17% o mas de defectuoso
Ｘ

Que me piden:

‐３σ ‐２σ 10 %
17 %
E7 (Respuesta)
Un detallista compra vasos de cristal en grandes cantidades
directamente de la fabrica. Tales vasos son envueltos uno por
uno. Algunas veces, el detallista inspecciona las remesas
para determinar la proporción de vasos rotos o defectuosos.
Si un gran cargamento contiene el 10% de vasos rotos o
defectuosos, ¿Cuál es la probabilidad de que el detallista
obtenga una muestra aleatoria de 100 vasos que presenta el
17% o mas de defectuoso

Datos: p = 10% P(x) sea mayor o igual a 17%

Formulas: q = 1- p

σp = pxq = 0.10 x 0.90 = 0.3 = 0.03 = 3%

n 100 10
E7 (Respuesta)

‐３σ ‐２σ

Z = 0.17 - 0.10 = 0.07 = 2.33 A = 0.0099 o 0.99%

0.03 0.03
 DISTRIBUCION MUESTRAL DE
NUMERO DE OCURRENCIAS

Las distribuciones de muestreo de

proporciones y numero de ocurrencias son
esencialmente las mismas.

La única diferencia entre las dos es que la

distribución de muestreo para proporciones
tiene valores, enunciados como porcentajes,
en tanto que la distribución de muestreo para
el numero de ocurrencias tiene valores,
enunciados como conteos
DISTRIBUCION MUESTRAL DE
NUMERO DE OCURRENCIAS

Media = np
n = tamaño de la muestra
q=1-p

σnp = np = nxpxq
E8
En una reciente investigación revela que el 60% de los
adultos de una población no son fumadores. Si se toma una
muestra aleatoria de 600 adultos, encuentre e interprete la
media y la desviación estándar de la distribución de muestreo.

DATOS

n = 600 p = 0.60 q = 1 – p = 0.40

Media = 600 x 0.60 = 360

Desviación Estándar = n x p x q = 600 x 0.60 x 0.40

Desviación Estándar = 144 = 12

 MUESTREO A PARTIR DE UNA
POBLACION FINITA
Las formulas para la desviación estándar de valores
medios de la muestra y la desviación estándar de
proporciones muestrales se deben modificar para
que reflejen las probabilidades cambiantes si el
tamaño de la muestra es mayor del 5% de la
población.

N–n N = tamaño de la población

N–1 n = tamaño de a muestra

Esta formula se conoce como factor finito de

corrección o multiplicador de una población finita
Desviación estándar de valores medios de la muestra

σx σ
= N–n
n
N–1

Desviación estándar de proporciones muestrales

σp = pxq N–n
n N–1

Desviación estándar de numero de ocurrencias

σnp = nxpxq N–n

N- 1
E9
Una maquina para recubrir cerezas con chocolate se ajusta,
de manera que el espesor promedio del recubrimiento sea de
3 mm. El proceso esta normalmente distribuido, con una
desviación estándar de 1 mm.

¿Cual será la probabilidad de que el promedio muestral sea

mayor de 3.4 mm al obtener una muestra de 25 cerezas
cubiertas de chocolate de un total de 169?
 E9(Respuesta)
DATOS (Que información me dan)
Espesor promedio del recubrimiento = 3 mm.
El proceso esta normalmente distribuido
Desviación estándar = 1 mm.
Probabilidad de que el promedio muestral sea mayor de 3.4
mm
n = 25 cerezas cubiertas de chocolate de un total de 169
Ｘ
FORMULA Que me piden:

σ N–n
σx =
n N–1
3.0 3.4

1 169 – 25 1 (0.92)= 0.185

σx = =
25 168 5
E9(Respuesta) Ｘ

0.0139
o 1.39%
0.4861

3.0
3.4

3.4 – 3.0
Z = = 0.4 = 2.2
0.185 0.185

A3.4 = 0.4861

P (X > 3.4 ) = 0.5 – 0.4861= 0.0139 = 1.39 %

E10
Un proceso para llenar botellas de soda presenta una
producción promedio en la que el 10% de las botellas no
están completamente llenas. Si mediante este proceso se
selecciona al azar una muestra de 225 botellas de un lote de
625 envases llenos ¿Cuál es la probabilidad de que la
proporción muestral de botellas parcialmente llenas se
encuentre en el intervalo que va del 9% al 11%
E10 (Respuestas)
Un proceso para llenar botellas de soda presenta una
producción promedio en la que el 10% de las botellas no
están completamente llenas. Si mediante este proceso se
selecciona al azar una muestra de 225 botellas de un lote de
625 envases llenos ¿Cuál es la probabilidad de que la
proporción muestral de botellas parcialmente llenas se
encuentre en el intervalo que va del 9% al 11%

DATOS: Ｘ
p = 10%
n = 225
N = 625
P ( 9% > X < 11%)

9% 11%
E10 (Respuestas)
σx =

σx = (0.10) ( 0.90) 625 - 225 = 0.016

225 624

0.09 – 0.10
Z1 =
0.016 = -0.625 Ｘ

Z2 = 0.11– 0.10 = 0.625

0.016 A1 A2

A1 = 0.2324
9% 11%
AT = 0.2324 + 0.2324 = 0.4648 = 46.48 %
 DEFINICIONES
ESTIMACION
Es el proceso de utilizar datos muestrales para
estimar los valores de parámetros desconocidos de
una población.

ESTIMACION DE PUNTO
Estimación de un valor único de un parámetro de la
población

ESTIMACION DE INTERVALO
Estimación que incluye un intervalo de valores
posibles en el que se considera que esta
comprendido un parámetro de la población
 TIPOS DE ESTIMACION
Media
a). El norteamericano promedio consume anualmente 20 kg de
carne de res (ESTIMACION DE PUNTO)
b). El consumo medio anual de carne en USA fluctúa entre 15
kg y 25 kg por persona (ESTIMACION DE INTERVALO)

Proporción
a). El 22% de los residentes se oponen a los limites de
velocidad mas altos (ESTIMACION DE PUNTO)
b). Entre el 18 y el 26% de los residentes se oponen a mayores
imites de velocidad (ESTIMACION DE INTERVALO)

Desviación Estándar
a). La desviación estándar del recorrido de llantas radiales es
de 2000 millas (ESTIMACION DE PUNTO)
b). La desviación estándar del recorrido de llantas radiales
millas esta entre 1500 y 2500 (ESTIMACION DE INTERVALO)
INTERVALO DE CONFIANZA (IC)
Un intervalo de confianza proporciona un intervalo de valores,
centrado en el valor estadístico de la muestra, en el cual
supuestamente se ubica el parámetro de la población, con un
riesgo de error conocido

ESTIMACION DE LA MEDIA DE UNA POBLACION

A medida que aumenta el tamaño de la muestra la desviación
estándar de la distribución de muestreo disminuye.

Muestras grandes tenderán a producir valores medios

muestrales mas cercanos a la media que los de las muestras
pequeñas

Cuanto mayor sea la variabilidad en la población, mayor sera

la variabilidad en la distribución de muestreo
El método empleado para estimar la media de una población
depende de si se conoce la desviación estándar de la misma
o si esta se debe estimar a partir de los datos muestrales

CUANDO SE CONOCE LA DESVIACION

ESTANDAR DE LA POBLACION
MEDIA

Estimación de punto de M : X

Estimación de intervalo de M : X + - Z σx

σ
σx =
n
 INTERVALO DE CONFIANZA (IC)

X - Z σx X X + Z σx = IC
σ
IC = X + Z
n
σ
σx =
n
E11
Calcule los Intervalos de confianza con la siguiente
información
n = 36
σ =3
X = 24.2

Confianza deseada

a). 90%

b). 95%

c). 99%
E11a (RESPUESTAS)
Calcule los Intervalos de confianza con la siguiente
información
n = 36
σ =3
X = 24.2
45 % 45 %
Confianza deseada 90 %
0.825
90% Z = 1.65 24.2 25.025

IC = X + - Zσx = 24.2 +- 1.65 3 = 24.2 +- 0.825

36
IC = De 23.375 a 25.025
E11b (RESPUESTAS)
Calcule los Intervalos de confianza con la siguiente
información
n = 36
σ =3
X = 24.2

Confianza deseada 95 %
0.980
95% Z = 1.96 24.2 25.180

IC = X + - Zσx = 24.2 +- 1.96 3 = 24.2 +- 0.980

36
IC = De 23.22 a 25.180
E11c (RESPUESTAS)
Calcule los Intervalos de confianza con la siguiente
información
n = 36
σ =3
X = 24.2

Confianza deseada 99 %
1.290
99% Z = 2.58 24.2 25.49

IC = X + - Zσx = 24.2 +- 2.58 3 = 24.2 +- 1.290

36
IC = De 22.91 a 25.49
 ERROR DE ESTIMACION (e)
El error en una estimación de intervalos se refiere a la
desviación (diferencia) entre el valor medio de la
muestra y la media real de la población.

Como el Intervalo de Confianza esta centrado con

respecto al valor medio de la muestra, el error máximo
probable equivale a la mitad de la amplitud del intervalo
σ
IC = X + - Z
n
σ
IC = X +- error e= Z
n
 DETERMINACION DEL
TAMAÑO DE LA MUESTRA
σ
e= Z
n

σ
n =z
e

σ 2
n = Z
e
E12
¿Que tamaño de muestra será necesario para producir un
intervalo de confianza del 90% en el caso de la media de la
población verdadera, con un error de 1.0 en cualquier sentido
si la desviación estándar de la población es 10.0?
E12 (Respuestas)
¿Que tamaño de muestra será necesario para producir un
intervalo de confianza del 90% en el caso de la media de la
población verdadera, con un error de 1.0 en cualquier sentido
si la desviación estándar de la población es 10.0?

Ｘ
DATOS:
σ = 10.0
e = 1.0
IC = 90 % 90 %
E12 (Respuestas)
¿Que tamaño de muestra será necesario para
producir un intervalo de confianza del 90% en el
caso de la media de la población verdadera, con un
error de 1.0 en cualquier sentido si la desviación
estándar de la población es 10.0?

σ 2 10 2
n = Ze n = 1.65 = 272.25 = 273
1
CUANDO NO SE CONOCE LA DESVIACION
ESTANDAR DE LA POBLACION

Cuando no se conoce el valor de la Desviación

Estándar de la población, se utiliza la Desviación
estándar de la muestra

Para n = 30 o menos observaciones, tanto t como

Z requieren que la población muestreada sea
normal o por lo menos aproximadamente normal.

Para tamaños mas grandes de muestras, esta

restricción es innecesaria
CUANDO NO SE CONOCE LA DESVIACION
ESTANDAR DE LA POBLACION

Para muestras de 30 o menos

observaciones, la aproximación normal
resulta inadecuada.

En lugar de ello, los cálculos de los

intervalos de confianza se deben basar en
la distribución t

La forma de la distribución t es muy parecida a la

distribución normal
 DISTRIBUCION t
La principal Normal
diferencia
entre las
dos t
consiste en
que la
distribución
t presenta un área (probabilidad) mayor en sus
extremos (colas). Esto significa que, para un nivel de
confianza dado, el valor t será un poco mayor que el
correspondiente a z.

Para cada tamaño de muestra existe una distribución

t ligeramente diferente.
 DISTRIBUCION t
La distribución normal es esencialmente
independiente del tamaño de la muestra, la
distribución t no lo es.

Para muestras mayores de 30, es factible utilizar

valores z para aproximar valores t, aun cuando la
distribución t es teóricamente correcta en los casos
en que no se conoce la desviación estándar de la
población, independientemente del tamaño de la
muestra que se este utilizando.

Para utilizar una tabla de valores t, se deben conocer

dos cosas: el nivel de confianza deseado y los
grados de libertad
 DISTRIBUCION t

Grados de libertad = n - 1
E13 Calcule t para una confianza del 95%

Tamaño Grados de Valor de t

de muestra Libertad
8 7 2.365

13

23

28
 DISTRIBUCION t

E13 (RESPUESTA)

Tamaño Grados de Valor de t

de muestra Libertad
8 7 2.365

13 12 2.179

23 22 2.074

28 27 2.052
 DISTRIBUCION t

E14 Calcule los Intervalos de Confianza

X = Valor medio de la muestra = 20
S = Desviación estándar de la muestra = 1.5
n = Tamaño de la muestra = 25

Confianza t Intervalo de
deseada Confianza
90%

95%

99%
E14 (RESPUESTAS)
DATOS
X = Valor medio de la muestra = 20
S = Desviación estándar de la muestra = 1.5
n = Tamaño de la muestra = 25
Confianza deseada = 90 %
Intervalo de Confianza = ?
sX
IC = x + - t
n

IC = 20 +- 1.711 1.5 = 2 0 +- 0.5133

5

IC = De 19.4867 a 20.5133
E14 (RESPUESTAS)

X = Valor medio de la muestra = 20

S = Desviación estándar de la muestra = 1.5
n = Tamaño de la muestra = 25

Confianza t Intervalo de
deseada Confianza
90% 1.711 20 +- 0.5133

95% 2.064 20 +- 0.6192

De 19.3808 a 20.6192

99% 2.797 20 +- 0.8391

De 19.1609 a 20.8391
 MUESTREO A PARTIR DE
POBLACIONES PEQUEÑAS
Cuando la poblacion es finita y el tamaño de la muestra
constituye mas del 5% de la poblacion, se debe usar el
factor finito de correccion
Con Desviación Estándar conocida
σX N–n
IC = x + - z N–1
n
Con Desviación Estándar no conocida

IC = x + - t sX N–n
n N–1
E15

a). X = 15.0 b). X = 15.0

σ = 2.0 S = 2.0
n = 100 n = 16
N = 1000 N = 200
E15 (RESPUESTAS)

a). X = 15.0 No se conoce

σ = 2.0 n < = 30
n = 100 La distribución t es apropiada
N =1000

n = 100 = 10 % Por lo que se utiliza el

N 1000 factor finito de corrección

x + - z σX N–n
IC =
n N-1

IC = 15 + - 1.96 2 1000 – 100 = 15 +- 0.372

100 999 De 14.628 a 15.372
E15 (RESPUESTAS)

b). X = 15.0
s = 2.0
n = 100
N = 1000
IC = x + - t S N–n
N-1
n

IC = 15 + - 2.131 2 200 – 16 = 15 +- 1.025

16 199

De 13.975 a 16.025
 ESTIMACION DE LA PROPORCION DE
UNA POBLACION

Preguntas que se contestan con esta distribución

¿Qué porcentaje de los productos de un gran
embarque esta defectuoso?

¿Qué proporción de las canicas que hay en una urna

son rojas?

¿Qué porcentaje de los votantes aprobaran un

decreto?

¿Cuál es la probabilidad de que un alumno de esta

escuela no reciba la vacuna requerida?
 ESTIMACION DE LA PROPORCION DE UNA
POBLACION

Estas preguntas y otras semejantes se pueden

contestar utilizando datos muestrales para estimar el
parámetro de la población.

En este tipo de proporciones no se utiliza la

distribución «t»

La media de una distribución de muestreo de

proporciones muéstrales siempre es igual a la
proporción de la población
 ESTIMACION DE LA PROPORCION DE UNA
POBLACION

x
Estimación de punto de p: p =
n

Estimación de intervalo del parámetro de la

población (para tamaños grandes de muestra) es
simétrica respecto de la proporción de la muestra,
del mismo modo que el intervalo para una media de
la población es simétrico respecto a la media
muestral
La principal diferencia entre la estimación de
medias y la de proporciones radica en a
desviaciones estándar de las distribuciones de
muestreo.

La desviación estándar de una proporción se basa

en la distribución binomial
pxq
σp =
n
x = numero de elementos de la muestra
n = tamaño de la muestra
Estimación de intervalo

IC = p +- z σp

IC = p +- z pxq
n
p= x/n q=1–p

Error. La cantidad del error de una estimación

equivale a la mitad de la amplitud del intervalo de
confianza

e=z pxq
n
E16
Determine un intervalo de confianza del 98% para
la proporción verdadera de la población si x = 50 y
n = 200

DATOS
Nivel de confianza = 98%
x = 50
n = 200
E16 (RESPUESTA)
Determine un intervalo de confianza del 98% para
la proporción verdadera de la población si x=50 y
n= 200

DATOS
Nivel de confianza = 98%
x = 50 x 50 = 0.25
n = 200 n = 200

IC = p +- Z p x q = 0.25 + - 2.33 0.25 x 0.75

n 200

IC = 0.25 + - 0.07 = de 0.18 a 0.32 = 18% a 32%

E17
A partir de una muestra de 200 observaciones se
encontró que, en una remesa, había 20
acumuladores defectuosos. Utilizando un intervalo
de confianza del 99% calcule el error de estimacion

DATOS
Nivel de confianza = 99%
x = 20
n = 200
E17 (RESPUESTA)
A partir de una muestra de 200 observaciones se
encontró que, en una remesa, había 20
acumuladores defectuosos. Utilizando un intervalo
de confianza del 99% calcule el error de estimacion
DATOS
Nivel de confianza = 99%
x = 50 x 20 =
p= = 0.10
n = 200 n 200

e= Z p x q = 2.58 0.10 x 0.90

n 200
e = 0.055
Tamaño de la muestra

e=z pxq
n
p= x/n q=1-p

2 2
e=z pxq
n

n = z2 p x q
e2
E18
¿Qué tamaño de muestra seria necesario para
obtener un intervalo de confianza del 95% para la
proporción de la población si el error es 0.08
 E18 (RESPUESTA)
¿Qué tamaño de muestra seria necesario para
obtener un intervalo de confianza del 95% para la
proporción de la población si el error es 0.08

DATOS
Nivel de confianza = 95 %
e = 0.08
2
n = 1.96 0.5 x 0.5 = 3.84 0,25 = 49.9 = 150
2
0.08 0.0064
2
 MUESTREO A PARTIR DE POBLACIONES
FINITAS
Cuando el tamaño de la muestra es mayor al 5% de
la población, la formula para la estimación de
intervalo de la proporción poblacional deberá ser
modificada

IC = p +- z pxq N-n
n N-1

z2 x p x q x N
n =
2 2
(N-1) e + z x p x q
 PRUEBAS DE HIPOTESIS
La estimación y las pruebas de significación
son 2 de las ramas principales de la inferencia
estadística.

El objetivo de la estimación es calcular el valor

de cierto parámetro de población.

La finalidad de la prueba de significación es

decidir si una afirmación acerca de un parámetro
de población es verdadera.
Por ejemplo, podemos determinar si las
siguientes afirmaciones son ciertas

El tiempo promedio de terminación de un

examen es 20 minutos

El 3% de la producción esta defectuosa

Tenemos una moneda normal

El propósito de la prueba de significación es
evaluar proposiciones o afirmaciones acerca
de los valores de los parámetros de población

Es determinar si la diferencia entre un valor

propuesto de un parámetro de población y el
valor estadístico de la muestra se debe
razonablemente a la variabilidad del muestreo, o
si la discrepancia es demasiado grande para ser
considerada de esa manera
Las hipótesis son explicaciones potenciales
(teorías) que intentan informar acerca de hechos
observados en situaciones en las que existen
algunos factores desconocidos.

La que señala que la proposición es verdadera

recibe el nombre de hipótesis nula y se
representa mediante el símbolo H0, y la 2da, que
afirma que la proposición es falsa se denomina
hipótesis alternativa y se designa mediante el
signo H1
Hipótesis Nula (H0)
Es un enunciado que expresa que el parámetro de
la población es como se especifico (es decir, que la
proposición es verdadera).

Hipótesis alternativa (H1)

Es un enunciado que ofrece una alternativa a la
proposición.
Por ejemplo que el parámetro sea mayor, menor o
diferente de lo declarado

H0 : p = 6%

H1 : p > 6% H1 : p< 6% H1: p Diferente 6%

H1 : p Diferente 6%

H1 : p < 6%

H1 : p > 6%
 La prueba de significación consiste en saber
si algún valor estadístico muestral observado
puede provenir razonablemente de una
población que presente el parámetro
propuesto.

Se utilizan para evaluar las proposiciones

acerca de parámetros de población

El nivel de significación de una prueba es

la probabilidad de rechazar una hipótesis
nula que sea verdadera
Se comete un error tipo I si se rechaza
H0 cuando es verdadera. La probabilidad
de un error de tipo I es igual al nivel de
significación de una prueba de hipótesis

Se comete un error de tipo II si se

acepta H0 cuando no es verdadera
 PROCEDIMIENTO GENERAL
1. Formular la hipótesis nula y alternativa (H0 y H1)

2. Identificar la distribución de muestreo apropiada.

3. Seleccionar un nivel de significación y valores

críticos.

4. Calcular un valor estadístico de prueba y

compararlo con los valores críticos.

5. Rechazar H0 si el valor estadístico de la prueba

excede los valores críticos. Aceptar en caso
contrario
 H0 : p = 6%

H1 : p Diferente 6%
H0 es H0 es H0 es
rechazada aceptada rechazada

H1 : p < 6%
H0 es
H0 es aceptada
rechazada

H1 : p > 6%
H0 es aceptada H0 es
rechazada
 PRUEBAS DE SIGNIFICACION
DE MEDIAS

El objeto de las pruebas de significación de

medias es evaluar las proposiciones con
respecto a medias de la población.

1. Prueba de una muestra

2. Prueba de dos muestras

3. Prueba de varias (k) muestras

Valor estadístico de prueba es igual a
Media de la muestra – Media propuesta ,
Dividido entre la desviación estándar de la
distribución de muestreo

x-M
Z prueba = Cuando conocemos σ
σx / n

x-M
t prueba = Cuando NO conocemos σ
Sx / n
 EJEMPLO (Prueba de una muestra)
Un fabricante establece que sus llantas radiales tienen un
promedio de vida de 40000 millas. Se decide aceptar un
riesgo de 0.05 de rechazar H0 si esta es verdadera.

Se tomo una muestra de 49 con un valor medio muestral de

38000. Se sabe que el recorrido de los neumáticos de la
población tiene una desviación estándar de 3500 millas.

Evalúe las 3 alternativas

1. Establezca H0 y H1

H0: M = 40000 milla

H1: M Dif 40000 H1: M < 40000 H1: M > 40000

2. Seleccionar un nivel de significación y valores críticos.
En este caso vamos a elegir alfa = 0.05

H0 : M = 40000 millas
H1 : M Diferente de 40000 millas
0.05 / 2 0.05 / 2

0.05
H1 : M < de 40000 millas

H1 : M > de 40000 millas 0.05

 3. Calcular el valor estadístico de prueba

38000 - 40000 -2000

Z prueba = = = - 4.0
3500 / 49 500

4. Comparar el valor estadístico de prueba con el valor

critico
5, Rechazar H0 si el valor prueba
excede los valores críticos

Se concluye que el promedio

- 4.0
-1.65 de vida útil es menor de
40000 Millas
 EJEMPLO (Prueba de una muestra)
Ahora el fabricante hace la evaluación usando una prueba de
2 colas, puesto que quiere vigilar si le están dando muy poca
vida útil a los neumáticos que produce, lo que daría como
resultado una publicidad falsa, y no desea aumentar
significativamente la calidad en su fabricación, dado que
también vende una llanta radial de 45 000 millas a un precio
mas alto
Establezca H0 y H1

H0: M = 40000 milla H1: M Dif 40000

0.05 / 2 0.05 / 2
-1.96 1.96
tabla tabla
EJEMPLO 2 (Prueba de una muestra y desconocemos la
desviación estándar de la población)

Mismo fabricante toma una muestra de 36 observaciones,

y la media de la muestra resultante es 41200 con una
desviación estándar de 3000. Alfa es 0.05

Evalúe las 3 alternativas

H0: M = 40000 milla

H1: M Dif 40000 H1: M < 40000 H1: M > 40000

H0 : M = 40000 millas

0.05 / 2 0.05 / 2
H1 : M Diferente de 40000 millas

H1 : M < de 40000 millas 0.05

H1 : M > de 40000 millas

0.05
 EJEMPLO 3
Una agencia de empleos anuncia que los empleados que
coloco en los últimos 6 meses obtienen salarios que
promedian $ 9000 al mes. Una muestra aleatoria de ese
grupo, tomada por una oficina gubernamental, obtiene un
salario promedio de $8000 y una desviación estándar de
$1000 sobre la base de 50 personas.

a). ¿Que distribución de muestreo es la que teóricamente se

puede utilizar correctamente? ¿Por qué?

b). ¿Qué distribución de muestreo se puede emplear para

obtener una aproximación razonable?

c). Pruebe la aseveración de la agencia de empleos respecto

a la alternativa de que el salario promedio es menor de $9000
Dlls., utilizando el nivel de significación de 0.05
 Una agencia de empleos anuncia que los empleados que
coloco en los últimos 6 meses obtienen salarios que promedian
$ 9000 al mes. Una muestra aleatoria de ese grupo, tomada
por una oficina gubernamental, obtiene un salario promedio de
$8000 y una desviación estándar de $1000 sobre la base de 50
personas.

DATOS:
n = 50
S = 1000
X = 8000
H0 es
Nivel de Sig. = 0.05 H0 es aceptada
rechazada

H0 : Media = 9000
H1 : Media < 9000
 EJEMPLO 4
Mediante un proceso de fabricación, se produce alambre de
acero con una resistencia media a la tensión de 200 libras
por pulgada cuadrada (psi). La desviación estándar del
proceso es 20 psi. El ingeniero encargado del control de
calidad quiere diseñar una prueba que le indique si ha habido
o no un cambio en el promedio del proceso, utilizando un
tamaño de muestra de 25 y un nivel de significación alfa =
0.05. Suponga que la población de la resistencia del alambre
es aproximadamente normal
a). Enuncie H0 y H1 para esta prueba.

b). ¿Para que intervalo de resistencia del alambre, el proceso

se considerara fuera de control (es decir, se concluirá que la
media del proceso ha cambiado a partir de 200 psi)
EJEMPLO 4 (RESPUESTA)
DATOS
X = 200 psi
σ = 20 psi
n = 25
Nivel de significación = 0.05

H0 : X = 200 psi
H1 : X Diferente de 200 psi
H0 es H0 es H0 es
rechazada aceptada rechazada
PRUEBA DE MEDIAS DE 2 MUESTRAS
Se utilizan para decidir si las medias de 2 poblaciones son
iguales.
Se requieren 2 muestras independientes, una de cada una de
las 2 poblaciones.
Ejemplos:
Una compañía investigadora que experimenta con 2
diferentes mezclas de pintura, para ver si se puede modificar
el tiempo de secado de pintura para uso domestico,
Dos métodos de enseñanza
Dos marcas
Dos ciudades
Dos distritos escolares, etc.

H0: M1 = M2

H1: M1 Dif M2 H1: M1 < M2 H1: M1 > M2

PRUEBA DE MEDIAS DE 2 MUESTRAS
Valor estadístico de prueba

X1 - X 2
Z prueba = Cuando conocemos la
σ1 2
σ22
n1 + n2 Desviación estándar
de la población ( σ )

X1 – X2
t prueba = 2 2
Cuando NO conocemos ( σ )
s1 s2
+
n1 n2
PRUEBA DE MEDIAS DE 2 MUESTRAS

X1 - X 2
t pba. = 2 2
(n1-1)s1 + (n2 -1)s2 1 1
n1 + n 2 -2 n1 + n 2
EJEMPLO

Conocemos a Desv Est. De la población

Alfa = 0.05

H0: M1 = M2 H1: M > M2

n1 = 36 n2 = 36

σ1 = 3 σ2 = 3

X1 = 20 X 2 = 18
 PRUEBA DE PROPORCIONES
UNA MUESTRA
proporción de la muestra – proporción propuesta
Z=
desviación estándar de la proporción

p – p0 x
Z= p=
p0 x q0 n
n

H1: p > p0 H1: p < p0 H1: p dif. p0

EJEMPLO
Un fabricante asegura que un embarque de ciertos clavos
contiene menos del 1% de piezas defectuosas. Una muestra
aleatoria de 200 de ellos presenta 4 defectuosos. Pruebe
esta afirmación al nivel del 0.01
EJEMPLO 1
Un fabricante asegura que un embarque de ciertos clavos
contiene menos del 1% de piezas defectuosas. Una muestra
aleatoria de 200 de ellos presenta 4 defectuosos. Pruebe
esta afirmación al nivel del 0.01

H0: p0 = 1% H1: p0 > 1%

Z tabla = 2.33 Z prueba = 1.43

Se acepta H0 por lo que el embarque tiene cuando mucho el

1% de piezas defectuosas
EJEMPLO 2
En un estudio se afirma que 9 de 10 médicos recomiendan la
aspirina a pacientes que tienen hijos. Pruebe esta
aseveración, a un nivel de significación de 0.05, respecto a la
alternativa de que la proporción real de los médicos que
hacen esto es menor del 90%, si una muestra aleatoria de
100 médicos revela que 80 de ellos recomiendan la aspirina.
EJEMPLO 2
En un estudio se afirma que 9 de 10 médicos recomiendan la
aspirina a pacientes que tienen hijos. Pruebe esta aseveración,
a un nivel de significación de 0.05, respecto a la alternativa de
que la proporción real de los médicos que hacen esto es menor
del 90%, si una muestra aleatoria de 100 médicos revela que
80 de ellos recomiendan la aspirina.

H0: p0 = 90%

H1: p0 < 90%

σp = 0.03
Z prueba = -3.33

Se rechaza H0 por lo que se concluye que menos del 90% de

los médicos recomiendan la aspirina
 PRUEBA DE PROPORCIONES
DOS MUESTRAS
H0: p1 = p2

H1: p1 > p2 H1: p1 < p2 H1: p1 dif. p2

x1 + x2
P= σp = p x q ( 1/ n1 + 1/ n2)
n1 + n2

X1 = Numero de aciertos de la muestra 1

X2 = Numero de aciertos de la muestra 2
N1 = Numero de observaciones de la muestra 1
N2 = Numero de observaciones de la muestra 2
EJEMPLO 3
A los votantes de 2 ciudades se les pregunta si están a favor
o en contra de una ley que esta actualmente en estudio en la
legislatura del estado. Para determinar si los votantes de las
dos ciudades difieren en términos del porcentaje que esta a
favor, se toma una muestra de 100 votantes de cada ciudad.
Treinta de los muestreados de una ciudad están a favor, en
tanto que en la otra lo están veinte. Alfa = 0.01
EJEMPLO 3
A los votantes de 2 ciudades se les pregunta si están a favor
o en contra de una ley que esta actualmente en estudio en la
legislatura del estado. Para determinar si los votantes de las
dos ciudades difieren en términos del porcentaje que esta a
favor, se toma una muestra de 100 votantes de cada ciudad.
Treinta de los muestreados de una ciudad están a favor, en
tanto que en la otra lo están veinte. Alfa = 0.01

H0: p1 = p 2 H1: p1 dif p2 P = 0.25

Z tabla = +- 2.58 Z prueba = 1.63

Se acepta H0, o sea que las 2 ciudades son iguales en

términos del porcentaje de quienes están a favor de la
aprobación de la ley.