ESTADÍSTICA APLICADA

PARA LA TOMA DE
DECISIONES
Escuela: Administración / Contabilidad
Docente: MSc. SELENE CLAUDELINA YENGLE DEL CASTILLO
 DISTRIBUCIONES
MUESTRALES
DIFERENCIA DE MEDIAS
Y PROPORCIONES
Semana 06
¿Qué medidas estadísticas podemos calcular para estas
dos poblaciones?
¿Cómo podríamos comparar las dos
poblaciones?
DISTRIBUCION MUESTRAL DE LA DIFERENCIA DE DOS
MEDIAS CON VARIANZAS POBLACIONALES CONOCIDAS
 
Sea y las medias de dos muestras aleatorias de tamaño y
respectivamente, seleccionada de dos poblaciones con medias y y con
varianzas poblacionales y supuestos conocidos.
Entonces la variable aleatoria tiene las siguientes propiedades:

a) poblaciones infinitas.
poblaciones finitas.
•c)  Para y suficientemente grande la variable aleatoria se transforma:

Ejemplo 01:
Para comparar la duración promedio (en meses) y de dos marcas de
batería y se escoge dos muestras aleatorias independientes de
tamaños respectivos y . Si la media muestral de es mayor que la media
muestral de en mas de dos meses, se acepta que . En caso contrario se
acepta que .
Calcular la probabilidad de aceptar que . Suponga que las de las
duraciones son respectivamente y .
Ejemplo 01: Solución
•: duración
  de la batería 1 en meses.
: duración de la batería 2 en meses.
,, y

Interpretación: Existe un 1.04% de que la diferencia de las duraciones

promedio de la batería 1 es mayor en mas de dos meses que la batería
2.
 DISTRIBUCION MUESTRAL DIFERENCIA DE DOS MEDIAS
CON VARIANZAS POBLACIONALES DESCONOCIDAS
 
Sea y medias de dos muestras aleatorias de tamaño y respectivamente,
seleccionada de dos poblaciones con medias µ1 y µ2, varianzas y supuestos
desconocidos, con distribución normal estandarizada.
A) VARIANZAS POBLACIONALES IGUALES ( = =) (muestras pequeñas) en este
caso la variable aleatoria () se trasforma en:

donde los grados de libertad son

2
Sea una media de las muestras aleatorias 𝑛1 , extraida de una población 𝑁(µ1 , 𝜎1 ) y sea
2
otra media de la muestra 𝑛2 , extraida de una población 𝑁(µ2 , 𝜎2 ) la dependencia de la anterior.
2 2
A) VARIANZAS POBLACIONALES IGUALES ( 𝜎1 = 𝜎2 = 𝜎2) (muestras pequeñas) en este
caso la variable aleatoria ( - ) se trasforma en:

ቀ − ቁ−ሺµ 1 −µ 2 ሻ
T= ~ t1-, ( 𝑛1 + 𝑛2 -2) donde los grados de libertad son 𝑛1 + 𝑛2 -2
𝜎
−

Donde:

2
𝑠𝑐 2
𝑠𝑐 2
𝜎 =ට + Donde: 𝑠𝑐 : varianzas conjuntas o combinadas.
− 𝑛1 𝑛2

ሺ
𝑛 1 −1ሻ 2 +ሺ
𝑠1 𝑛 2 −1ሻ 2
𝑠2
2
𝑠𝑐 =
𝑛 1 +𝑛 2 −2
B). VARIANZAS POBLACIONALES DIFERENTES (𝜎12 ≠ 𝜎22 )

ቀ − ቁ−ሺµ 1 −µ 2 ሻ
T= ~ t1-∝,𝑔
𝜎
−

Donde:

ŝ21 ŝ22
ට + 𝑃𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑖𝑛𝑓𝑖𝑛𝑖𝑡𝑎𝑠.
𝑛1 𝑛2
σ - ={
ŝ21 𝑁1−𝑛 1 ŝ22 𝑁2−𝑛 2
ට ͼ ͽ+ ͼ ) 𝑃𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑓𝑖𝑛𝑖𝑡𝑎𝑠.
𝑛1 𝑁1 −1 𝑛2 𝑁2 −1

ŝ2 ŝ 2 2
൬1 + 2 ൰
𝑛1 𝑛2
𝑔 = 2 2 2 2
ŝ ŝ
ቆ𝑛1 ቇ ቆ𝑛2 ቇ
1 2
+
𝑛 1 −1 𝑛 2 −1
Ejemplo 02:
 
Para comparar los salarios que se pagan a los empleados de dos
grandes empresas y se escogen dos muestras aleatorias
independientes de tamaños =16 y =13 de y respectivamente,
resultando las desviaciones estándares respectivas =120 soles y =55
soles.

Si la diferencia entre las medias muestrales no es mayor que 65 soles,

se acepta que . En caso contrario se acepta que .

¿Cuál es la probabilidad de aceptar que cuando realmente ? Se asume

que los salarios en ambas empresas tienen una distribución muestral
con varianzas diferentes.
Ejemplo 02: (Solución)
𝑥1: salario de la empresa 1 en soles.
𝑥2: salario de la empresa 2 en soles.

Interpretación: Existe un 97.04% que la diferencia entre los salarios

promedios de los trabajadores de las empresas 1 y 2 no es mayor
que 65.
 DISTRIBUCION MUESTRAL DE LA DIFERENCIA DE DOS PROPORCIONES
Sea 𝑥1 , 𝑥2 , … , 𝑥𝑛 , 𝑦1, 𝑦1 , … 𝑦𝑛 2 dos muestras aleatorias independientes de tamaño 𝑛1 y 𝑛2
seleccionado de dos poblaciones de Bernoulli X ~ 1 = B (1, 𝑝1 ) y ~ B (1, 𝑝2 ) donde 𝑝1 y 𝑝2 son
las proporciones poblacionales sean las proporciones muestrales:
𝑛 1 𝑥 𝑛 2 𝑦
σ 𝑖=1 𝑖 𝑥 σ 𝑖=1 𝑖 𝑦
1 = 𝑛1
=
𝑛1
y 2 = 𝑛2
=
𝑛2

Donde:

X~ B (𝑛1 , 𝑝1 ) y Y ~ B (, 𝑛2, 𝑝2 )

Entonces la variable aleatoria ( 1− 2) tiene las siguientes propiedades:

a). µ = 𝑃1 − 𝑃2
1− 2

𝑝1 𝑞1 𝑝2 𝑞2
ට 𝑛1
+
𝑛2
𝑃𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑖𝑛𝑓𝑖𝑛𝑖𝑡𝑎𝑠.
b). 𝜎 ={
1− 2 𝑝1 𝑞 1 𝑁1−𝑛 1 𝑝2 𝑞 2 𝑁2−𝑛 2
ට ͼ ͽ+ ͼ ) 𝑃𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑓𝑖𝑛𝑖𝑡𝑎𝑠.
𝑛1 𝑁1 −1 𝑛2 𝑁2 −1

Luego la variable aleatoria ( 1− 2) haga la transformación

ቀ 1 − 2 ቁ−ሺ𝑝 1 −𝑝 2 ሻ
Z= ~ 𝑁ሺ
0, 1ሻ
𝜎
1− 2
Ejemplo N° 07
Un fabricante afirma que el 30% de mujeres y el 20% de hombres
prefieren su nuevo producto de aseo personal. Si se hace una
encuesta a 200 hombres y a 200 mujeres elegidos aleatoriamente,
¿Con que probabilidad la proporción muestral de mujeres menos la
proporción muestral de hombres está en el intervalo de (-19%, 19%)?
 Solución: Ejemplo 03

Interpretación: Existe un 98.78% que la diferencia entre la

proporción muestral de mujeres menos la proporción muestral de
hombres está en el intervalo de (-19%, 19%).
 Calculo de las distribuciones de
probabilidades en Excel
•Distribución
  normal estandarizada:
=DISTR.NORM.ESTAND.N(valor de z,verdadero) →

Distribución t-student:
=DISTR.T.N(valor de t, grados de libertad, verdadero) →
 DISTRIBUCIÓN MUESTRAL PARA EL COCIENTE
DE VARIANZAS

Una variable aleatoria “X” que tiene distribución “F” con “n” y
“m” grados de libertad, si su función de probabilidad es:
𝑛
𝑛+𝑚 𝑛
 

𝑓 ( 𝑥 )=𝛾
2 𝑚( )( )
¿¿ 2

𝑠𝑖 𝑋 >0
 
 DISTRIBUCIÓN MUESTRAL PARA EL COCIENTE
DE VARIANZAS
PROPIEDADES
 No toma valores negativos.
 Su gráfica es sesgada a la derecha.
 Si n>30 y m>30, la curva se hace más simétrica y su cola
derecha se extiende.
 Es asintótica al eje X.
 DISTRIBUCIÓN MUESTRAL PARA EL COCIENTE
DE VARIANZAS
PROPIEDADES
 Es recíproca. se cumple que:
  1
𝐹 ( 1 −𝛼 ,𝑛 , 𝑚 ) =
𝐹 ( 𝛼 , 𝑚 ,𝑛 )
 Su media y varianza son:
  𝑚
; 𝑝𝑎𝑟𝑎 𝑚 >2
𝑚−2

¿¿
 
 DISTRIBUCIÓN MUESTRAL PARA EL COCIENTE
DE VARIANZAS

Sean “X1” y “X2” dos variables aleatorias independientes

distribuidas en forma normal con medias µ1 y µ2 y varianzas  𝜎 2

1

y  𝜎 22 respectivamente. Si de ambas poblaciones “X1” y “X2” se

extraen muestras aleatorias de tamaños “n1” y “n2”; entonces,

la variable:   𝑆 21 𝜎 22  
𝐹= 2 2 con grados de libertad.
𝑆2𝜎 1
DISTRIBUCIÓN MUESTRAL PARA EL COCIENTE
DE VARIANZAS
Comprobar las siguientes probabilidades: