Slides4-Estimacion-IntervalosConfianza-PruebasHipotesis

Muestreo y distribuciones
de muestreo
Selección de muestra
• Muestreo de una población finita.
• Muestreo de una población infinita.

Estimación puntual
• La estimación puntual es una herramienta de

estadística inferencial.
• En la estimación puntual se utilizan los datos de

una muestra para calcular los valores de
estadísticos muestrales, lo cuáles sirven cómo
estimaciones de los parámetros poblacionales.
Estimación puntual
&M FTUJNBEPS QVOUVBM EF MB NFEJB QPCMBDJPOBM Ʌ TF EFOPUB QPS Y
&M FTUJNBEPS QVOUVBM EF MB EFTWJBDJØO FTUÈOEBS QPCMBDJPOBM Ɋ TF EFOPUB QPS T
&M FTUJNBEPS QVOUVBM EF MB QSPQPSDJØO QPCMBDJPOBM Q TF EFOPUB QPS Q

Estimación puntual
• El colegio St. Andrew ha recibido 900 candidaturas de alumnos. Los
formularios de candidatura contienen mucha información que incluye
el score SAT de cada alumno y su deseo (o no) de vivir en el campus.
• El Director de Admisión tiene una reunión en unas horas y le gustaría

anunciar el SAT promedio y la desviación estándar del SAT, así que la
proporción de alumnos que quiere vivir en el campus.
• Sin embargo, los datos de todos los alumnos todavía no están en la

base de datos, razón por la cual el director decide hacer una muestra
de 30 candidaturas.
• La suma del score SAT es 32910, la suma de valor al cuadrado de la

diferencia a la media muestral es 163996, y el número de alumnos
que quieren vivir en el campus es de 20.
Estimación puntual
Estimador puntual de la media poblacional:
!
YJ
Y= = =
Estimador puntual de la desviación estándar poblacional:

!! !
(YJ −Y)
T= = = .
Estimador puntual de la proporción poblacional:

Q= = .
Distribuciones
muestrales
• Los estimadores puntuales son variables
aleatorias.
• Como cualquier variable aleatoria, los

estimadores tienen distribuciones de
probabilidad.
• Como para cualquier variable aleatoria, se puede

calcular el valor esperado y la varianza (o la
desviación estándar) de un estimador puntual.
%JTUSJCVDJØO NVFTUSBM EF Y
• La distribución muestral de la media es la
distribución de probabilidad de todos los valores
posibles de la media muestral.
• Valor esperado: &(Y) = Ʌ
• Desviación estándar: ! " #

/−O √Ɋ
ɊY = /− O
• con población finita:
ɊY = √Ɋ
• con población infinita: O
Como se observa en la tabla 7.3, las estimaciones puntuales difieren un poco d
Ejercicio
pondientes parámetros poblacionales. Estas diferencias son de esperarse ya que para
estimaciones muestrales se usa una muestra, y no un censo de toda la población. E
siguiente se verá cómo elaborar un intervalo de estimación para tener información a
tan cerca está la estimación muestral del parámetro poblacional.
Ejercicios
Métodos
11. Los datos siguientes provienen de una muestra aleatoria simple.
5 8 10 7 10 14
a. ¿Cuál es la estimación puntual de la media poblacional?
b. ¿Cuál es la estimación puntual de la desviación estándar poblacional?
12. Como respuestas a una pregunta de una encuesta a 150 individuos de una muestra
75 Sí, 55 No y 20 individuos no dieron su opinión.
a. ¿Cuál es la estimación puntual de la proporción de la población que responde
b. ¿Cuál es la estimación puntual de la proporción de la población que responde
Aplicaciones
Ejercicio
Capítulo 7 Muestreo y distribuciones muestrales
Ejercicios
Métodos
18. La media de una población es 200 y su desviación estándar es 50. Se va a tomar una muestra
aleatoria simple de tamaño 100 y se usará la media muestral para estimar la media poblacional.
a. ¿Cuál es el valor esperado de x̄ ?
b. ¿Cuál es la desviación estándar de x̄ ?
c. Muestre la distribución muestral de x̄
d. ¿Qué muestra la distribución muestral de x̄ ?
19. La media de una población es 200 y su desviación estándar es 50. Suponga que se selecciona una
variable aleatoria simple de tamaño 100 y se usa x̄ para estimar µ
a. ¿Cuál es la probabilidad de que la diferencia entre la media muestral y la media poblacio-
nal no sea mayor que !5?
b. ¿De que la diferencia entre la media muestral y la media poblacional no sea mayor que !10?
20. Suponga que la desviación estándar poblacional es σ " 25. Calcule el error estándar de la media,
σ x̄ , con muestras de tamaño 50, 100, 150 y 200. ¿Qué puede decir acerca del error estándar de la
media conforme el tamaño de la muestra aumenta?
Ejercicios Ejercicio
Métodos
n variable aleatoria simple de tamaño 100 y se usa x̄ para estimar µ
21. Suponga que de una población en la que σ " 10 se toma una muestra aleatoria simple de tama-
ño 50. Halle el valor del error estándar de la media en cada uno de los casos siguientes (si es ne-
cesario use el factor de corrección para una población finita).
a. El tamaño de la población es infinito.
b. El tamaño de la población es N " 50 000.
c. El tamaño de la población es N " 5000.
d. El tamaño de la población es N " 500.
Métodos
Ejercicio
Aplicaciones
%JTUSJCVDJØO NVFTUSBM EF Y
ɊY = √Ɋ
O
• Se puede utilizar la desviación estándar con

población infinita cuando:
• La población es infinita; o
• La población es finita, pero el tamaño de la

muestra es menor que 5% del tamaño de la
población.
Ejercicio
Aplicaciones
22. Regrese al problema de los administradores de EAI. Suponga que se usa una muestra aleatoria
simple de 60 administradores.
a. Dibuje la distribución muestral de x̄ si se emplean muestras aleatorias simples de tamaño
60.
b. ¿Qué pasa con la distribución muestral de x̄ si se usan muestras aleatorias simples de tama-
Ejercicio
En el norte de Kentucky (The Cincinnati Enquirer, 21 de enero de 2006) el precio promedio de

la gasolina sin plomo era $2.34. Use este precio como media poblacional y suponga que la
desviación estándar poblacional es $0.20.
a. ¿Cuál es la probabilidad de que el precio medio en una muestra de 30 gasolineras no

difiera en más de $0.03 de la media poblacional?
b. ¿Cuál es la probabilidad de que el precio medio en una muestra de 50 gasolineras no

c. ¿Cuál es la probabilidad de que el precio medio en una muestra de 100 gasolineras no

uniform exponential log−normal
population
distributions
−2 0 2 4 6 −2 0 2 4 6 −2 0 2 4 6
0:1
n=2
−2 0 2 4 0 2 0 2
0:1
n=5
0 1 2 0 1 2 0 1 2
0:1
n = 12
0 1 2 0 1 2 0 1 2
0:1
n = 30
0.5 1.0 1.5 0.5 1.0 1.5 0.5 1.0 1.5

Población I Población II Población III
Distribución
poblacional
Valor de x Valor de x Valor de x
Distribución
muestral de
de x
(n = 2)
Distribución
muestral
de x
(n = 5)
Distribución
muestral
de x
(n = 30)

Teorema del límite central
Cuando se seleccionan muestras

aleatorias simples de una población, la
distribución de muestreo de la media
puede aproximarse mediante una
distribución normal a medida que el
tamaño de la muestra se hace grande.
Distribuciones muestrales
• Cuando la población tiene una distribución normal, la
distribución muestral de la media tiene una distribución
normal.
• En la mayoría de los casos, donde la distribución

poblacional es bastante simétrica, la distribución muestral
de la media se puede aproximar por una distribución
normal cuando el tamaño muestral es de 30 o más.
• En los casos donde la distribución poblacional es muy

asimétrica, o cuando tiene valores extremos, se puede
utilizar una muestra de 50 valores para utilizar la
aproximación por la distribución normal.
Distribución muestral de
proporción
Y
Q= O
La distribución muestral de una proporción es la

distribución de probabilidad de todos los valores
posibles de la proporción muestral.
pondientes parámetros poblacionales. Estas diferencias son de esperarse ya que para elaborar las
estimaciones muestrales se usa una muestra, y no un censo de toda la población. En el capítulo
siguiente se verá cómo elaborar un intervalo de estimación para tener información acerca de qué
Ejercicio
tan cerca está la estimación muestral del parámetro poblacional.
Ejercicios
Métodos
11. Los datos siguientes provienen de una muestra aleatoria simple.
5 8 10 7 10 14
a. ¿Cuál es la estimación puntual de la media poblacional?
b. ¿Cuál es la estimación puntual de la desviación estándar poblacional?
12. Como respuestas a una pregunta de una encuesta a 150 individuos de una muestra se obtuvieron
75 Sí, 55 No y 20 individuos no dieron su opinión.
a. ¿Cuál es la estimación puntual de la proporción de la población que responde Sí?
b. ¿Cuál es la estimación puntual de la proporción de la población que responde No?
Aplicaciones
13. La siguiente información son datos obtenidos en una muestra aleatoria de las ventas de 5 meses:
Mes: 1 2 3 4 5
Unidades vendidas: 94 100 85 94 92
a. Calcule una estimación puntual de la media poblacional del número medio de unidades ven-
didas por mes.
b. Calcule una estimación puntual de la desviación estándar del número de unidades vendidas
por mes.
Distribución muestral de
proporción
Y
Q= O
• Valor esperado:
&(Q) = Q
• Desviación estándar:
! ! !
/−O Q(−Q) Q(−Q)
ɊQ = /− O ɊQ = O
población finita población infinita

Forma de la distribución
muestral de la proporción
• La distribución muestral de la proporción se

aproxima mediante una distribución normal
siempre que np ≥ 5 y n(1-p) ≥ 5.
:24 AM Page 284
Ejercicio
c. Exprese la distribución muestral de p̄.

d. ¿Qué indica la distribución muestral de p̄?
32. Una proporción poblacional es 0.40. Se toma una muestra aleatoria de tamaño 200 y la propor-
ción muestral p̄ se usa para estimar la proporción poblacional.
a. ¿Cuál es la probabilidad de que la proporción muestral esté entre !0.03 de la proporción
poblacional?
b. ¿De que la proporción muestral esté entre !0.05 de la proporción poblacional?
33. Suponga que la proporción poblacional es 0.55. Calcule el error estándar de la proporción, σ p̄ ,
para los tamaños de muestra 100, 200, 500 y 1000. ¿Qué puede decir acerca del tamaño del error
estándar a medida que el tamaño de la muestra aumenta?
34. La proporción poblacional es 0.30. ¿Cuál es la probabilidad de que las proporciones muestral y
poblacional esté entre ± 0.04 con los tamaños de muestra siguientes?
a. n " 100
b. n " 200
c. n " 500
d. n " 1000
Características de los
estimadores puntuales
• Insesgadez: El valor esperado de un estimador
insesgado es igual al parámetro poblacional.
&(Ɂ̂) = Ɂ
• Eficiencia: Se prefiere siempre usar un estimador puntual
con menor desviación estándar, ya que tenderá a dar
estimaciones más cercanas al parámetro poblacional.
• Consistencia: Un estimador puntual es consistente

cuando su valor se acerca del parámetro poblacional a
medida que el tamaño de la muestra aumenta.
Estimación por
intervalo
Introducción
• No se puede esperar de un estimador puntual que
proporcione el valor exacto del parámetro poblacional.
• Se puede calcular una estimación por intervalo al

sumar y restar a la estimación puntual un margen de
error:
Estimación puntual ± margen de error
• El objetivo de la estimación por intervalo es aportar

información sobre que tan cerca se encuentra la
estimación puntual obtenida con la muestra.
Ejemplos
Y ± NBSHFO EF FSSPS
Q ± NBSHFO EF FSSPS
Intervalo de confianza de la media
poblacional con desviación estándar
conocida
• Para obtener una estimación por intervalo de la
media poblacional se necesita la desviación estándar
poblacional o la desviación estándar muestral.
• La desviación estándar poblacional no se conoce en

la mayoría de los casos, pero se puede a veces
obtener una buena aproximación a partir de datos
históricos o de otro tipo de información.
• En esos casos se dice que la desviación estándar

poblacional es conocida.
Nivel de confianza e intervalo
de confianza
• La estimación por intervalo se construye por un nivel de
confianza dado.
• Por ejemplo, se puede calcular un intervalo para un

estimador puntual de tal manera que la probabilidad de
que contiene el verdadero parámetro poblacional sea de
95%.
• En este caso, se dice que el nivel de confianza es de

95%.
• Se dice también del intervalo que es un intervalo de

confianza de 95%.
Nivel de confianza e intervalo
de confianza
Ɋ
Y± [Ⱥ/ √O
t 1BSB VO JOUFSWBMP EF DPOöBO[B EF Ⱥ = .
t ( Ⱥ) FT FM OJWFM EF DPOöBO[B
t [Ⱥ/ FT FM WBMPS EF [ RVF QSPQPSDJPOB VO ÈSFB Ⱥ/ FO MB DPMB TVQFSJPS EF MB EJT

USJCVDJØO EF QSPCBCJMJEBE OPSNBM FTUÈOEBS
Ejemplo
• Tenemos una media muestral de 82 y una

desviación estándar poblacional conocida de 20.
Si el tamaño de la muestra es 100, cuál es el
intervalo de confianza de 95%?
Ejemplo
α/2 α/2
[Ⱥ/ Ɋ Y µ! [Ⱥ/ Ɋ Y
Ejemplo
0.975 0.025
[Ⱥ/ = [./ = .

α/2 α/2
[Ⱥ/ Ɋ Y µ! [Ⱥ/ Ɋ Y
Ejemplo
[Ⱥ/ = [./ = .
• con: Y ± [Ⱥ/ √ɊO

• Tenemos: ± . √

• o: ± .
20
82 ! 1.645
Niveles de confianza
82 ! 3.29
más usados "100
VALORES DE zα/2 PARA LOS NIVELES DE CONFIANZA MÁS USADOS
Nivel de confianza α α/2 zα/2

90% .10 .05 1.645
95% .05 .025 1.960
99% .01 .005 2.576
desconocida
• Cuando no se conoce la desviación estándar

poblacional, se utiliza la desviación estándar
muestral.
• En este caso, al lugar de utilizar la distribución

normal, se utiliza la distribución de Student.
Distribución
de Student
Distribución
de Student
desconocida
T
Y± UȺ/ √O
t T FT MB EFTWJBDJØO FTUÈOEBS NVFTUSBM
t ( Ⱥ) FT FM OJWFM EF DPOöBO[B
t UȺ/ FT FM WBMPS EF U RVF QSPQPSDJPOB VO ÈSFB Ⱥ/ FO MB DPMB TVQFSJPS EF MB EJT

USJCVDJØO U EF 4UVEFOU DPO O HSBEPT EF MJCFSUBE
Ejemplo
• El saldo promedio en las tarjetas de crédito de una

muestra de 70 familias es de $9312.
• La desviación estándar muestral es de $4007.
• Calcular la estimación por intervalo de la media

poblacional de los saldos en las tarjetas de crédito
con 95% de confianza.
Distribución
de Student
T
Y± UȺ/ √O
Distribución
de Student
t0.025
69 grados
de libertad
T
Y± UȺ/ √O
Ejemplo
T
Y± UȺ/ √O
• Con 69 (es decir 70–1) grados de libertad:
U. = .

• Intervalo de confianza: ± . √
±
• Con 95% de confianza, la media poblacional esta entre

$8357 y $10267.
Consideraciones prácticas
• Si la población tiene una distribución normal, el intervalo de
confianza es exacto y se puede usar con cualquier tamaño de muestra.
• Si la población no tiene una distribución normal, el intervalo de confianza

será aproximado. En este caso la calidad de la aproximación depende
tanto de la distribución de la población como del tamaño de la muestra.
• En la mayoría de los casos, un tamaño de n ≥ 30 es suficiente para usar

este intervalo.
• Si la distribución poblacional es muy sesgada o si hay muchas

observaciones atípicas, se recomienda un tamaño muestral de n ≥ 50.
• Si la distribución poblacional no es normal pero es bastante simétrica, un

tamaño muestral de 15 puede ser suficiente para obtener una buena
aproximación del intervalo de confianza.
Proporción poblacional
• Se busca un intervalo:
Q ± NBSHFO EF FSSPS
• Se utiliza la formula siguiente:

!
Q(−Q)
Q ± [Ⱥ/ O
Ejemplo
• Un estudio en Estados Unidos encestó a 900
mujeres golfistas para conocer su opinión acerca
de cómo se les trataba en los cursos de golf.
• Se encontró que 396 mujeres estaban satisfechas

con la disponibilidad de horarios de salida.
• Calcular una estimación por intervalo de la

proporción poblacional con 95% de confianza.
Ejemplo
• Estimación puntual de la proporción poblacional:
• 396 / 900 = 0.44

!
Q(−Q)
• Se utiliza la formula: Q ± [Ⱥ/ O
!
.(−.)
• Es decir: . ± .
• o: . ± .
• Con 95% de confianza, la proporción poblacional está

entre 0.4076 y 0.4724.
Pruebas de hipótesis
Hipótesis nula y alternativa
• La prueba de hipótesis se utiliza para determinar si una
afirmación acerca del valor de un parámetro poblacional debe o
no ser rechazada.
• La hipótesis nula (denotada Ho) es un supuesto tentativo acerca

del parámetro poblacional.
• La hipótesis alternativa (denotada Ha, o H1) es el opuesto de la

hipótesis nula. La hipótesis alternativa contradice lo que
establece la hipótesis nula.
• En el procedimiento de prueba de hipótesis se una datos de una

muestra para probar dos afirmaciones contrarias indicadas por
Ho y Ha.
Hipótesis nula y alternativa
• No siempre es obvio cómo formular las hipótesis nula y
alternativa.
• Se debe tener cuidado en estructurarlas de manera

apropiada para que la conclusión de la prueba de
hipótesis proporcione la información deseada.
• El contexto de la situación es muy importante para

determinar cómo deben establecerse las hipótesis.
• En algunas situaciones es más fácil identificar la

hipótesis alternativa primero y luego desarrollar la nula.
La hipótesis alternativa como
hipótesis de investigación
• Un nuevo método de enseñanza ha sido
desarrollado, y los autores de ese nuevo método
piensan que es mejor que el método actual.
• Hipótesis alternativa Ha: El nuevo método es mejor

que el método actual.
• Hipótesis nula Ho: El nuevo método no es mejor

que el método actual.
• Se propone un nuevo programa de incentivos para
los vendedores, esperando un aumento de las
ventas.
• Hipótesis alternativa Ha: El nuevo programa

permite en aumento de las ventas.
• Hipótesis nula Ho: El nuevo programa no permite

en aumento de las ventas.
• Se desarrolla un nuevo medicamento para bajar
más la presión sanguínea que un medicamento
existente.
• Hipótesis alternativa Ha: El nuevo medicamento

baja la presión sanguínea más que el existente.
• Hipótesis nula Ho: El nuevo medicamento no baja

la presión sanguínea más que el existente.
La hipótesis nula como un
supuesto para ser rebatida
• La etiqueta de una botella de soda afirma que
contiene 33cl.
• Hipótesis nula Ho: La información es correcta:
μ ≥ 33cl
• Hipótesis alternativa Ha: La información es

incorrecta:
μ < 33cl
ótesis de este capítulo se refieren a dos parámetros po
orciónResumen
poblacional. A partir de la
de las formas para situación, las prue
nal asumen una de estas tres formas: en dos se emp
las hipótesis nula y alternativa
la tercera se aplica una igualdad en la hipótesis nula
poblacional, µ0 denota el valor hipotético y para la
las Prueba
formas siguientes.
de una cola Prueba de una cola
Prueba de dos colas
cola inferior cola superior
H0: µ " µ0 H0: µ # µ0 H0: µ $ µ0

Ha: µ ! µ0 Ha: µ & µ0 Ha: µ % µ0
rán claras más tarde, a las dos primeras formas se

e le llama prueba de dos colas.
se tienen situaciones en las que no es obvio cómo
Ejemplo
• Una ciudad grande de la costa oeste de Estados-
Unidos proporciona uno de los mejores servicios de
emergencia médica del mundo. Este servicio opera con
multiples hospitales, y utiliza aproximadamente 20
unidades móviles con el objetivo de responder a una
emergencia médica con un promedio de 12 minutos o
menos.
• El director del servicio quiere formular una prueba de

hipótesis que utilizará una muestra de emergencias para
determinar si el servicio cumple con el objetivo de 12
minutos o menos.
Ejemplo
• Ho: μ ≤ 12
• Ha: μ > 12
Error tipo I
• El error tipo I es rechazar Ho cuando es verdadera.
• La probabilidad de cometer un error de tipo I se

llama nivel de significancia.
• A las aplicaciones de la prueba de hipótesis en

que sólo se controla el error tipo I se les llama
pruebas de significancia.
Error de tipo II
• El error tipo II es no rechazar Ho cuando es falsa.
• Los profesionales de la estadística suelen

recomendar que se diga “Ho no es rechazada” en
lugar de “Ho es aceptada”.
res tipo I y II Errores tipo I y II
ERRORES Y CONCLUSIONES CORRECTAS EN LAS PRUEBAS DE HIPÓ
Situación en la población
H0 verdadera Ha verdadera
Conclusión Error
Serechaza
No se acepta HHo
0 correcta tipo II
Conclusión
Error Conclusión
Se rechaza H0
tipo I correcta
Valor-p (p-value)
La fuerza de la evidencia
suministrada por la muestra en favor
de la hipótesis nula se mide con el
valor-p.
Estadístico de prueba en las pruebas de
hipótesis para la media poblacional con
desviación estándar poblacional conocida
Se emplea la distribución normal estándar:
Y−Ʌ
[= √
Ɋ/ O
Valor-p (p-value)
• Suponga que el estadístico de prueba es igual a z,
el valor-p es la probabilidad de observar un
estadístico de prueba tan extrema que z, si se
supone que la hipótesis nula es verdadera.
• Si el valor-p es menor o igual al nivel de

significancia α, el valor del estadístico de prueba
está en la región de rechazo de la hipótesis nula.
• En conclusión: Rechazar Ho si valor-p ≤ α.

Hilltop Coffee
• La Federal Trade Commission (FTC) de EU realiza
periódicamente estudios estadísticos con objeto de
comprobar las afirmaciones de los fabricantes acerca de sus
productos. Por ejemplo, en la etiqueta de una lata grande de
Hilltop Coffee se dice que contiene 3 libras de café.
• En este estudio se considera que la desviación estándar

poblacional es conocida (con las pruebas anteriores):
σ = 0.18
• El tamaño de la muestra es n = 36.
• La hipótesis nula Ho es µ ≥ 3, Ha es µ < 3.

σ n 0.18 36
Por consiguiente, el valor-p es la probabilidad de que el estadístico de prueba z sea menor o igual
que "2.76 (el área bajo la curva normal estándar a la izquierda del estadístico de prueba).
Hilltop Coffee
En la tabla de probabilidad normal estándar aparece que el área en la cola inferior para z !
"2.67 es 0.0038. En la figura 9.2 se muestra que a x̄ ! 2.92 le corresponde z ! "2.67 y el va-
lor-p ! 0.0038. Este valor-p indica que si la muestra se ha tomado de una población con µ ! 3,
la probabilidad de obtener una media muestral x̄ ! 2.92 o menor (y un estadístico de prueba de
"2.67) es pequeña. Este valor-p no favorece mucho a la hipótesis nula, pero, ¿es lo suficiente-
•
FIGURA 9.2 Se encuentra una media muestral de 2.92.
VALOR-p EN EL ESTUDIO DE HILLTOP COFFEE, EN EL QUE x̄ = 2.92
Y z = "2.67
Y−Ʌ .−
• [ = Ɋ/ O = ./√
√ = −.
σ
Distribución muestral σx = = 0.03
n
de x
• Si la muestra se ha tomado de una población con

µ = 3, la probabilidad de obtener una media
muestral de 2.92 o menor
=3 es pequeña.
x
µ0
x = 2.92
Distribución muestral
de z = x – 3
0.03
Rechazamos H0
Valor-p = 0.0038
z
z = –2.67 0
2/28/08 7:09 PM Page 354
Síntesis de las pruebas de hipótesis para la

media poblacional con desviación estándar
Capítulo 9 Prueba depoblacional
hipótesis conocida
TABLA 9.2 SÍNTESIS DE LAS PRUEBAS DE HIPÓTESIS PARA LA MEDIA POBLACIONAL:
CASO σ CONOCIDA
Prueba de la Prueba de la Prueba de

cola inferior cola superior dos colas
H0 : µ # µ0 H0 : µ ! µ0 H0 : µ $ µ0
Hipótesis
Ha: µ ' µ0 Ha: µ & µ0 Ha: µ % µ0
x̄ " µ0 x̄ " µ0 x̄ " µ0
Estadístico de prueba z$ z$ z$
σ!"n σ!"n σ!"n
Regla de rechazo: Rechazar H0 si Rechazar H0 si Rechazar H0 si
método del valor-p valor-p ! α valor-p ! α valor-p ! α
método del z ! "zα z # zα z ! "zα/2
valor crítico o si z # zα/2
Resumen y recomendaciones prácticas

Ejercicio 1
• Considere la prueba de hipótesis siguiente:
• Ho: µ ≤ 100 y Ha: µ > 100
• En una muestra de 50, la media muestral es de 104 y la

desviación estándar poblacional es 24.
• Calcule el valor del estadístico de prueba.
• ¿Cuál es el valor-p?
• Si el nivel de significancia es 0.01, ¿cuál es la conclusión?

Ejercicio 2
• Ho: µ = 105 y Ha: µ ≠ 105
• En una muestra de 50, la media muestral es de 99.05 y la

desviación estándar poblacional es 21.

Ejercicio 3
• Ho: µ ≥ 100 y Ha: µ < 100
• En una muestra de 100, la desviación estándar poblacional es 15.
• Calcule el valor-p y establezca su conclusión para cada uno des las

medias muestrales siguientes, usando el nivel de significancia 0.01:
• 98.12
• 96.25
• 94.38
• 101.25
Estadístico de prueba en las pruebas de hipótesis
para la media poblacional con desviación
estándar poblacional desconocida
Y−Ʌ
U= √
T/ O
Se utiliza el mismo método que en el caso
de desviación estándar conocida, sino
que se utiliza la distribución de Student
con n–1 grados de libertad al lugar de la
distribución normal estándar, y la
desviación estándar muestral s al lugar de
la desviación estándar poblacional
desconocida.
Síntesis de las pruebas de hipótesis para la
media poblacional con desviación estándar
9.4 Mediapoblacional desconocida
poblacional: σ desconocida
TABLA 9.3 SÍNTESIS DE LAS PRUEBAS DE HIPÓTESIS PARA LA MEDIA POBLACIONAL:

CASO σ DESCONOCIDA

H0 : µ " µ0 H0 : µ % µ0 H0 : µ ! µ0
Hipótesis
Ha: µ # µ0 Ha: µ & µ0 Ha: µ $ µ0
x̄ ' µ0 x̄ ' µ0 x̄ ' µ0
Estadístico de prueba t! t! t!
s!"n s!"n s!"n
método del valor-p valor-p % α valor-p % α valor-p % α
método del valor t % 'tα t " tα t % 'tα/2
crítico o si t " tα/2
Ejercicio 1
• Ho: µ ≤ 100 y Ha: µ > 100

desviación estándar muestral es 36.
• Calcular un intervalo para el valor-p utilizando la tabla de

distribución t (Student).

Ejercicio 2
• Ho: µ = 100 y Ha: µ ≠ 100

desviación estándar muestral es 25.
• Calcular un intervalo para el valor-p utilizando la tabla de

distribución t (Student).

Estadístico de prueba en las pruebas de
hipótesis para la proporción poblacional
Q−Q
[= !
Q (−Q )
O
Síntesis de las pruebas de hipótesis
para la proporción poblacional
Capítulo 9 Prueba de hipótesis
TABLA 9.4 SÍNTESIS DE LAS PRUEBAS DE HIPÓTESIS PARA LA MEDIA POBLACIONAL

H0 : p ! p0 H0 : p $ p0 H0 : p # p0
Hipótesis
Ha: p ' p0 Ha: p & p0 Ha: p % p0
p̄ " p0 p̄ " p0 p̄ " p0
Estadístico de prueba
! ! !
z# z# z#
p0(1 " p0) p0(1 " p0) p0(1 " p0)
n n n
método del valor-p valor-p $ α valor-p $ α valor-p $ α
método del valor z $ "zα z ! zα z $ "zα/2
crítico o si z ! zα/2
Ejercicio
• Ho: p = 0.80 y Ha: p ≠ 0.80
• En una muestra de 400, la proporción muestral es de

0.825.

Exercicio 1
• Las empresas de valores de Wall Street pagaron en 2005 gratificaciones de
fin de año de $125 500 por empleado (Fortune, 6 de febrero de 2006).
Suponga que se desea tomar una muestra de los empleados de la empresa
de seguridad Jones & Ryan para ver si la media de la gratificación de fin de
año es diferente de la media reportada para la población.
(a) Establezca las hipótesis nula y alternativa que usaría para probar si las
gratificaciones de fin de año de Jones & Ryan difieren de la media
poblacional.
(b) Suponga que en una muestra de 40 empleados de Jones & Ryan la

media muestral de las gratificaciones de fin de año es $118 000.
Suponga que la desviación estándar poblacional es de $30 000 y
calcule el valor-p.
(c) Con un nivel de significancia de 0.05, ¿cuál es su conclusión?

Exercicio 2
• La rentabilidad anual promedio de los fondos mutualistas U.S. Diversified Equity
de 1999 a 2003 fue 4.1% (BusinessWeek, 26 de enero de 2004). Un
investigador desea realizar una prueba de hipótesis para ver si los rendimientos
de determinados fondos de crecimiento (mid-cap growth funds) difieren de
manera significativa del promedio de los fondos U.S. Diversified Equity.
(a) Establezca las hipótesis que se pueden usar para determinar si la

rentabilidad anual media de estos fondos de crecimiento difiere de la
media de los fondos U.S. Diversified Equity.
(b)En una muestra de 40 fondos de crecimiento el rendimiento medio fue de

3.4%. Suponga que por estudios anteriores se sabe que la desviación
estándar poblacional de estos fondos de crecimiento es σ = 2%. Use los
resultados muestrales para calcular el estadístico de prueba y el valor-p
para la prueba de hipótesis.
(c) Con α = 0.05, ¿cuál es su conclusión?

Slides4-Estimacion-IntervalosConfianza-PruebasHipotesis

Cargado por

Información del documento

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

Slides4-Estimacion-IntervalosConfianza-PruebasHipotesis

Cargado por

Copyright:

Formatos disponibles

Muestreo y distribuciones

• Muestreo de una población finita.

• Muestreo de una población infinita.

• La estimación puntual es una herramienta de

• En la estimación puntual se utilizan los datos de

&M FTUJNBEPS QVOUVBM EF MB NFEJB QPCMBDJPOBM Ʌ TF EFOPUB QPS Y

&M FTUJNBEPS QVOUVBM EF MB EFTWJBDJØO FTUÈOEBS QPCMBDJPOBM Ɋ TF EFOPUB QPS T

&M FTUJNBEPS QVOUVBM EF MB QSPQPSDJØO QPCMBDJPOBM Q TF EFOPUB QPS Q

• El Director de Admisión tiene una reunión en unas horas y le gustaría

• Sin embargo, los datos de todos los alumnos todavía no están en la

• La suma del score SAT es 32910, la suma de valor al cuadrado de la

Estimador puntual de la desviación estándar poblacional:

Estimador puntual de la proporción poblacional:

• Como cualquier variable aleatoria, los

• Como para cualquier variable aleatoria, se puede

• Valor esperado: &(Y) = Ʌ

• Desviación estándar: ! " #

• Se puede utilizar la desviación estándar con

• La población es finita, pero el tamaño de la

En el norte de Kentucky (The Cincinnati Enquirer, 21 de enero de 2006) el precio promedio de

a. ¿Cuál es la probabilidad de que el precio medio en una muestra de 30 gasolineras no

b. ¿Cuál es la probabilidad de que el precio medio en una muestra de 50 gasolineras no

c. ¿Cuál es la probabilidad de que el precio medio en una muestra de 100 gasolineras no

0.5 1.0 1.5 0.5 1.0 1.5 0.5 1.0 1.5

Valor de x Valor de x Valor de x

Valor de x Valor de x Valor de x

Cuando se seleccionan muestras

• En la mayoría de los casos, donde la distribución

• En los casos donde la distribución poblacional es muy

La distribución muestral de una proporción es la

población finita población infinita

• La distribución muestral de la proporción se

c. Exprese la distribución muestral de p̄.

• Consistencia: Un estimador puntual es consistente

• Se puede calcular una estimación por intervalo al

Estimación puntual ± margen de error

• El objetivo de la estimación por intervalo es aportar

• La desviación estándar poblacional no se conoce en

• En esos casos se dice que la desviación estándar

• Por ejemplo, se puede calcular un intervalo para un

• En este caso, se dice que el nivel de confianza es de

• Se dice también del intervalo que es un intervalo de

t 1BSB VO JOUFSWBMP EF DPOöBO[B EF  Ⱥ = .

t [Ⱥ/ FT FM WBMPS EF [ RVF QSPQPSDJPOB VO ÈSFB Ⱥ/ FO MB DPMB TVQFSJPS EF MB EJT

• Tenemos una media muestral de 82 y una

[Ⱥ/ = [./ = .

[Ⱥ/ = [./ = .

• con: Y ± [Ⱥ/ √ɊO

VALORES DE zα/2 PARA LOS NIVELES DE CONFIANZA MÁS USADOS

Nivel de confianza α α/2 zα/2

• Cuando no se conoce la desviación estándar

• En este caso, al lugar de utilizar la distribución

t T FT MB EFTWJBDJØO FTUÈOEBS NVFTUSBM

t UȺ/ FT FM WBMPS EF U RVF QSPQPSDJPOB VO ÈSFB Ⱥ/ FO MB DPMB TVQFSJPS EF MB EJT

• El saldo promedio en las tarjetas de crédito de una

• La desviación estándar muestral es de $4007.

• Calcular la estimación por intervalo de la media

• Con 95% de confianza, la media poblacional esta entre

• Si la población no tiene una distribución normal, el intervalo de confianza

• En la mayoría de los casos, un tamaño de n ≥ 30 es suficiente para usar

• Si la distribución poblacional es muy sesgada o si hay muchas

• Si la distribución poblacional no es normal pero es bastante simétrica, un

• Se utiliza la formula siguiente:

• Se encontró que 396 mujeres estaban satisfechas

&M FTUJNBEPS QVOUVBM EF MB NFEJB QPCMBDJPOBM Ʌ TF EFOPUB QPS Y

&M FTUJNBEPS QVOUVBM EF MB EFTWJBDJØO FTUÈOEBS QPCMBDJPOBM Ɋ TF EFOPUB QPS T

&M FTUJNBEPS QVOUVBM EF MB QSPQPSDJØO QPCMBDJPOBM Q TF EFOPUB QPS Q

t 1BSB VO JOUFSWBMP EF DPOöBO[B EF Ⱥ = .

t [Ⱥ/ FT FM WBMPS EF [ RVF QSPQPSDJPOB VO ÈSFB Ⱥ/ FO MB DPMB TVQFSJPS EF MB EJT

[Ⱥ/ = [./ = .

[Ⱥ/ = [./ = .

• con: Y ± [Ⱥ/ √ɊO

t T FT MB EFTWJBDJØO FTUÈOEBS NVFTUSBM

t UȺ/ FT FM WBMPS EF U RVF QSPQPSDJPOB VO ÈSFB Ⱥ/ FO MB DPMB TVQFSJPS EF MB EJT