Introduccion A La Inferencia Estadistica

INTRODUCCION A LA INFERENCIA
ESTADISTICA PARA ECONOMIA Y EMPRESA
______________________________________________________________________
Jos Ramn Cancelo
INTRODUCCION A LA INFERENCIA ESTADISTICA PARA

ECONOMIA Y EMPRESA
2013 - Jos Ramn Cancelo de la Torre

Reservados todos los derechos. Prohibida la reproduccin total o parcial de la obra por cualquier medio,
incluso para uso privado, sin la autorizacin previa por escrito del autor.
Depsito Legal: C 1457-2013
ISBN-10: 84-695-8459-6
ISBN-13: 978-84-695-8459-0
Introduccin a la Inferencia Estadstica para Economa y Empresa
Jos Ramn Cancelo
CONTENIDO
PROLOGO ........................................................................................................................................................
CAPITULO 1. DISTRIBUCIONES EN EL MUESTREO ........................................................................

1.1 Conceptos bsicos ............................................................................................................................
1.2 Resultados generales ........................................................................................................................
1.3 Poblaciones normales .......................................................................................................................
1.4 Algunos resultados para muestras grandes .......................................................................................
9
10
27
32
61
CAPITULO 2. ESTIMACION ......................................................................................................................

2.1 Estimacin puntual ...........................................................................................................................
2.2 Intervalos de confianza: planteamiento general ...............................................................................
2.3 Intervalos de confianza para poblaciones normales .........................................................................
2.4 Algunos intervalos de confianza para muestras grandes ..................................................................
Ejercicios propuestos de intervalos de confianza ....................................................................................
77
78
113
116
150
167
CAPITULO 3. CONTRASTACION DE HIPOTESIS ...............................................................................

3.1 Planteamiento general ......................................................................................................................
3.2 Contrastes de hiptesis en poblaciones normales ............................................................................
3.3 Algunos contrastes de hiptesis para muestras grandes ...................................................................
Ejercicios propuestos de contrastes de hiptesis .....................................................................................
185
186
207
283
315
BIBLIOGRAFIA ............................................................................................................................................... 333

TABLAS ESTADISTICAS ............................................................................................................................... 335
Jos Ramn Cancelo
PROLOGO
Este libro pretende ser un manual para un curso introductorio de Inferencia Estadstica, de alrededor de tres
crditos ECTS, dirigido a alumnos que cursan estudios de grado especficamente orientados a los mbitos de la
economa y de la empresa.
El libro surge de la necesidad de adaptar el amplio contenido de la inferencia estadstica al escaso tiempo del que
se dispone para desarrollarlo en el aula, a los objetivos concretos asignados a esta materia en los grados de
economa y empresa, y a la formacin previa de los estudiantes. Para ello se ha optado por una orientacin
tericoprctica, presentando de forma sucinta los conceptos bsicos en los que se fundamenta la inferencia
estadstica, y prestando especial atencin a la obtencin de intervalos de confianza y a la aplicacin de los
procedimientos de contrastacin de hiptesis a problemas concretos.
La composicin y paginacin de la obra se ha diseado pensando en la exposicin de los contenidos en el aula, de
modo que este manual se pueda utilizar directamente para desarrollar los temas en clase y no como simple material
de apoyo. As, las pginas se han orientado horizontalmente para facilitar su proyeccin en forma de diapositiva.
Tambin se ha intentado, en la medida de lo posible, paginar el texto de manera que toda la informacin necesaria
en un determinado momento aparezca en la misma pgina, con el fin de facilitar el seguimiento de la presentacin.
Jos Ramn Cancelo
El material que se ha recopilado aqu se ha estado utilizando en la docencia de la materia Estadstica e

Introduccin a la Econometra, de segundo curso del grado de ADE y tercer curso del doble grado de Derecho y
ADE de la Universidade da Corua. Como tal, se ha puesto a disposicin de los alumnos en la plataforma Moodle
de la UDC desde el curso 2010/2011, y se ha beneficiado de todos los cambios y mejoras que se han ido
incorporando a lo largo de este tiempo. Agradezco de forma especial la colaboracin de Pilar Uriz, cuyas
sugerencias han ayudado a mejorar este texto.
El autor
Jos Ramn Cancelo
CAPITULO 1. DISTRIBUCIONES EN EL MUESTREO

1.1 Conceptos bsicos
1.2 Resultados generales
1.3 Poblaciones normales
1.4 Algunos resultados para muestras grandes
Jos Ramn Cancelo
1.1 CONCEPTOS BASICOS

POBLACION: fenmeno aleatorio, caracterizado por una variable aleatoria X con
funcin de distribucin F(x):
XF(x)
Adems, X tiene
- una funcin de cuanta, P(X=xi), o
- una funcin de densidad, f(x),
segn sea una variable discreta o continua.
10
Jos Ramn Cancelo
Ejemplo 1: La Poblacin
Nmero de personas por vivienda en una determinada ciudad:
xi
P ( X = xi )
1/4
1/4
1/4
1/4
= E (X) =
2 = var (X) =
= ( 1 2.5 ) 2
xi P ( X = xi ) = 1
(x
1
1
1
1
+ 2
+ 3
+ 4
= 2.5
4
4
4
4
) 2 P (X = x i ) =
1
1
1
1
+ ( 2 2.5 ) 2
+ ( 3 2.5 ) 2
+ ( 4 2.5 ) 2
= 1.25
4
4
4
4
11
Jos Ramn Cancelo
En la prctica, desconocemos aspectos importantes de la distribucin de probabilidad:
xi
P ( X = xi )
p1
p2
p3
p4
NECESITAMOS: aproximar el valor de los parmetros desconocidos.

Para ello: utilizamos muestras e inferencia estadstica.
12
Jos Ramn Cancelo
Se observa un subconjunto de la poblacin

Estadstica Descriptiva
Se obtienen resultados para ese subconjunto

Inferencia Estadstica
Se extienden las conclusiones a toda la poblacin
13
Jos Ramn Cancelo
MUESTRA DE TAMAO n: cualquier subconjunto de n observaciones de la
poblacin ( X1, X2, , Xn )

MUESTRA ALEATORIA SIMPLE: cuando el procedimiento de seleccin de las n
observaciones garantiza que:

a) Los elementos de la muestra son independientes entre s.
b) Todos los elementos de la muestra tienen la misma distribucin que la poblacin.
Forma de hacerlo: Extraccin con reposicin.
INFERENCIA ESTADISTICA: conjunto de tcnicas y procedimientos estadsticos
que permiten extender las conclusiones de una muestra a toda la poblacin.
14
Jos Ramn Cancelo
Ejemplo 1 (continuacin): Muestra aleatoria simple de tamao 2

Nmero de personas por vivienda, muestra aleatoria simple de tamao 2:
( X1 , X 2 ) ( ? , ? )
Posibles muestras que podemos observar:
X2
(1,1)
(1,2)
(1,3)
(1,4)
(2,1)
(2,2)
(2,3)
(2,4)
(3,1)
(3,2)
(3,3)
(3,4)
(4,1)
(4,2)
(4,3)
(4,4)
X1
15
Jos Ramn Cancelo
Probabilidad de observar cada posible muestra por ejemplo, la muestra (1,1):

P ( X1 = 1 , X 2 = 1 ) = ( m.a.s ) = P1 ( X1 = 1 ) P2 ( X 2 = 1 ) = ( m.a.s. ) =
= P( X1 = 1 ) P( X 2 = 1 ) =
X2
1 1
1
=
4 4
16
1/16
1/16
1/16
1/16
1/16
1/16
1/16
1/16
1/16
1/16
1/16
1/16
1/16
1/16
1/16
1/16
X1
Consecuencia:
La muestra es una variable aleatoria con su distribucin de probabilidad:
( X1, X2, , Xn ) F( x1, x2, , xn )
16
Jos Ramn Cancelo
ESTADISTICO: cualquier funcin de la muestra.

Estadsticos ms utilizados:
media muestral
x + x 2 + ... + x n
x = 1
=
n
_
varianza muestral
_
( x 1 x ) + ( x 2 x ) + ... + ( x n x )
s =
n
2
(x
x )2
cuasivarianza muestral
_
( x 1 x ) + ( x 2 x ) + ... + ( x n x )
s c2 =
n 1
2
( xi x )2
n 1
17
Jos Ramn Cancelo
NOTA IMPORTANTE
La terminologa que se utiliza en ocasiones para las medidas de dispersin muestrales es
confusa y puede llevar a error. As, en algunos libros y programas informticos:
A la cuasivarianza muestral, s c2 , se le llama varianza muestral o simplemente
varianza.
A la varianza muestral, s2, se le llama varianza poblacional.
Sin embargo, en este manual resaltaremos la diferencia entre varianza y cuasivarianza
para evitar entrar en conflicto con la forma en que se definen las medidas de dispersin
en Estadstica Descriptiva.
18
Jos Ramn Cancelo
Lo mismo ocurre con:

La cuasidesviacin tpica muestral,
sc = +
s c2 = +
(x
x )2
n 1
a la que se le denomina desviacin estndar.

La desviacin tpica muestral,
s = +
s2 = +
( xi x )2
n
a la que se le denomina desviacin estndar poblacional.
19
Jos Ramn Cancelo
Ejemplo 1 (continuacin): Media muestral

Nmero de personas por vivienda, muestras aleatorias simples de tamao 2, media
muestral
x1 + x 2
( X1 , X 2 ) x =
2
_
Posibles valores de la media muestral que podemos observar:

X2
1.5
2.5
1.5
2.5
2.5
3.5
2.5
3.5
X1
20
Jos Ramn Cancelo
Probabilidad de cada posible valor de la media muestral por ejemplo, x =3.5:

_
P ( x = 3 .5 ) = P [ ( X 1 , X 2 ) = ( 3 , 4 ) o ( X 1 , X 2 ) = ( 4 , 3 ) ] =
= P [ ( X1 , X 2 ) = ( 3 , 4 ) ] + P [ ( X1 , X 2 ) = ( 4 , 3 ) ] =
_
xi
1
1
2
+
=
16 16 16
P ( x = xi )
1/16
1.5
2/16
3/16
2.5
4/16
3/16
3.5
2/16
1/16
21
Jos Ramn Cancelo
POBLACION
media = = 2.5
Parmetro (constante)
MUESTRA
x1 + x 2
media = x =
2
_
Variable aleatoria con su distribucin de probabilidad

Funcin de cuanta de la media muestral, m.a.s tamao 2
0.30
0.25
0.20
0.15
0.10
0.05
0.00
1
1.5
2.5
3.5
22
Jos Ramn Cancelo
Ejemplo 1 (continuacin): Varianza muestral

Nmero de personas por vivienda, muestras aleatorias simples de tamao 2, varianza
muestral
_
(x1 x) + (x 2 x) 2
( X1 , X 2 ) s =
2
2
Posibles valores de la varianza muestral que podemos observar:

X2
0.25
2.25
0.25
0.25
0.25
0.25
2.25
0.25
X1
23
Jos Ramn Cancelo
Probabilidad de cada posible valor de la varianza muestral por ejemplo, s2=2.25:

P ( s 2 = 2.25 ) = P [ ( X1 , X 2 ) = ( 1 , 4 ) o ( X1 , X 2 ) = ( 4 , 1 ) ] =
= P [ ( X1 , X 2 ) = ( 1 , 4 ) ] + P [ ( X1 , X 2 ) = ( 4 , 1 ) ] =
s i2
1
1
2
+
=
16 16 16
P ( s 2 = s i2 )
4/16
0.25
6/16
4/16
2.25
2/16
24
Jos Ramn Cancelo
POBLACION
varianza = 2 = 1.25
Parmetro (constante)
MUESTRA
_
(x1 x ) + (x 2 x ) 2
varianza = s =
2
2
Variable aleatoria con su dist. de prob.
Funcin cuanta de la varianza muestral, m.a.s. tamao 2

0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00
0
0.25
2.25
25
Jos Ramn Cancelo
Ejemplo 1 (continuacin): Cuasivarianza muestral

Nmero de personas por vivienda, muestras aleatorias simples de tamao 2,
cuasivarianza muestral
_
(x1 x) + (x 2 x) 2
( X1 , X 2 ) s =
2 1
2
c
X2
X1
s c2,i
P ( s c2 = s c2,i )
4/16
0.5
6/16
0.5
4.5
0.5
0.5
4/16
0.5
0.5
4.5
2/16
4.5
0.5
26
Jos Ramn Cancelo
1.2 RESULTADOS GENERALES

1.2.1 Media muestral
_
E(x) =
2
var( x ) =
n
_
DT ( x ) =
27
Jos Ramn Cancelo
Demostraciones:
1
x + x 2 + ... + x n
[ E( x1 ) + E( x 2 ) + ... + E( x n ) ] =
=
E(x) = E 1
n
n
n
1
= ( + + ... + ) =
=
n
n
_
x + x 2 + ... + x n
var ( x ) = var 1
n
1
= 2 ( 2 + 2 + ... + 2 )
n
_
[ var(x1 ) + var(x 2 ) + ... + var(x n ) ] =

=
2
n
n 2
2
=
=
2
n
n
28
Jos Ramn Cancelo
Ejemplo 1 (continuacin): Esperanza y varianza de la media muestral

_
xi
E(x) = 1
P ( x = xi )
1/16
1.5
2/16
3/16
2.5
4/16
3/16
3.5
2/16
1/16
1
2
3
4
3
2
1
+ 1. 5
+ 2
+ 2.5
+ 3
+ 3. 5
+ 4
= 2. 5 =
16
16
16
16
16
16
16
1
1.25
2
2 2
2 1
var(x ) = ( 1 2.5 )
+ ( 1.5 2.5 )
+ ... + ( 4 2.5 )
= 0.625 =
=
16
16
16
2
n
_
29
Jos Ramn Cancelo
1.2.2 Varianza muestral y cuasivarianza muestral

n 1 2
2
E ( s2 ) =

n
E ( s c2 ) = 2
30
Jos Ramn Cancelo
Ejemplo 1 (continuacin): Esperanza de la varianza muestral y de la cuasivarianza

muestral
s i2
P ( s 2 = s i2 )
s c2,i
P ( s c2 = s c2,i )
4/16
4/16
0.25
6/16
0.5
6/16
4/16
4/16
2.25
2/16
4.5
2/16
E ( s2 ) = 0
4
2
4
6
2 1
n 1 2
+ 0.25
+ 1
+ 2.25
= 0.625 =
1.25 =
16
16
16
16
2
n
E ( s c2 ) = 0
2
4
6
4
+ 0.5
+ 2
+ 4.5
= 1.25 = 2
16
16
16
16
31
Jos Ramn Cancelo
1.3 POBLACIONES NORMALES

1.3.1 Una poblacin
XN(,)
m.a.s tamao n ( X1, X2, , Xn )
32
Jos Ramn Cancelo
a) DISTRIBUCION DE LA MEDIA MUESTRAL CON CONOCIDA

_
E(x) =
2
var ( x ) =
n
x = suma de variables normales Normal
x N(,
)
n
x
N ( 0 ,1)
33
Jos Ramn Cancelo
Ejemplo 2:
En los supermercados se comercializan cajas de muesli de la marca Cerealia. El peso
exacto de cada caja es aleatorio, aunque se sabe que sigue una distribucin normal de
media 500 gramos y desviacin tpica 5 gramos. Si obtenemos una muestra aleatoria
simple de 16 cajas y las pesamos, calcular la probabilidad de que el peso medio de las
cajas de la muestra sea mayor que 501.25 gramos.
34
Jos Ramn Cancelo
Datos del problema:

* X = peso de la caja N ( 500 , 5 )
* m.a.s. de tamao n = 16
Dado que:
x N ( 500 ,
5
)
16
x 500
N ( 0 ,1)
5
16
501.25 500
x 500
_
>
P x > 501.25 = P
5
5
16
16
= P ( N (0 , 1 ) > 1 ) = 0.1587
N ( 0 ,1)
15 .87 %
-3
-2
-1
35
Jos Ramn Cancelo
b) DISTRIBUCION DE LA CUASIVARIANZA MUESTRAL

(n 1) s c2
2
n 1
2
Por qu chi-cuadrado?
s =
2
c
( xi x ) 2
n 1
xi x
( n 1 ) s c2
(x
( n 1) s =
2
c
Normal Normal
suma ( normales ) 2
x)2
Normal
36
Jos Ramn Cancelo
Ejemplo 3:
La Direccin General de Trfico est haciendo un estudio sobre la velocidad a la que se
circula por un determinado punto negro. Se sabe que la velocidad sigue una distribucin
normal de media 57 kms/hora y desviacin tpica 0.6 kms/hora. Si obtenemos una
muestra aleatoria simple de 10 coches y medimos su velocidad de paso, calcular la
probabilidad de que la cuasivarianza de esa muestra sea menor que 0.2152 (kms/hora)2.
37
Jos Ramn Cancelo
Datos del problema:

* X = velocidad al pasar por el punto negro N ( 57 , 0.6 )
(10 1) s c2
2
10
1
2
0.6
Dado que:
(10 1) s c2
(10 1) 0.2152
P s < 0.2152 = P
<
2
2
0
.
6
0
.
6
2
c
2
= P 10
= 0.20
1 < 5.38
2
10
1
20 %
5.38
10
12
14
16
18
20
22
24
26
38
Jos Ramn Cancelo
c) DISTRIBUCION DE LA MEDIA MUESTRAL CON DESCONOCIDA

Cuando la desviacin tpica de la poblacin es desconocida, es preciso utilizar la
siguiente distribucin de probabilidad alternativa para la media muestral:
_
x
t n 1
sc
n
39
Jos Ramn Cancelo
Por qu t de Student?
_
x
N ( 0 ,1)
n
_
n
(n 1) s
2
2
c
(n 1)
x
sc
n
N(0,1)
2
n 1
= t n 1
(n 1)
(n 1) s c2
2
n 1
2
40
Jos Ramn Cancelo
Ejemplo 4:
Una empresa de alquiler de automviles sabe que el nmero de das al ao que un
vehculo de su flota pasa en el taller de reparaciones sigue una distribucin normal de
media 14 das. Hemos obtenido una muestra aleatoria simple de 9 coches, y observado
el nmero de das que cada coche de la muestra ha estado en el taller durante el pasado
ao, obteniendo una cuasidesviacin tpica muestral igual a 4.725 das. Calcular la
probabilidad de que en media los coches de esa muestra hayan estado ms de 16.2 das
en el taller de reparaciones.
41
Jos Ramn Cancelo
Datos del problema:

* X = nmero de das al ao que un coche pasa en el taller N ( 14 , )
* m.a.s. de tamao n = 9 sc = 4.725
_
x 14
4.725
Dado que:
t 9 1
9
x 14
16.2 14
_
P x > 16.2 = P
>
4.725
4.725
9
9
= P ( t 91 > 1.3968 ) = 0.10
t 91
10%
-3
-2
-1
1.3968
42
Jos Ramn Cancelo
NOTA IMPORTANTE
La media muestral tiene asociadas dos distribuciones de probabilidad, segn
consideremos en el denominador la desviacin tpica poblacional () o la
cuasidesviacin tpica muestral (sc):
_
x
N ( 0 ,1)
x
sc
n 1
La distribucin concreta a utilizar en cada caso depende del contexto del problema:
- Si se conoce 2 y utilizamos la distribucin t de Student, el resultado obtenido no se
considerar correcto y el ejercicio estar mal.
- Si no se conoce 2 y utilizamos la distribucin normal, el resultado obtenido no se

considerar correcto y el ejercicio estar mal.
Esta advertencia es vlida para todas las aplicaciones de estas distribuciones que
veremos a lo largo del curso.
43
Jos Ramn Cancelo
1.3.2 Dos poblaciones, muestras independientes

Poblacin 1:
X N ( x , x )
m.a.s tamao m ( X1, X2, , Xm )
Poblacin 2:
Y N ( y , y )
m.a.s tamao n ( Y1, Y2, , Yn )
Las dos poblaciones son independientes entre s.
Las dos muestras son independientes entre s.
44
Jos Ramn Cancelo
d) DISTRIBUCION DE LA DIFERENCIA DE MEDIAS MUESTRALES CON x,

y CONOCIDAS
_
E ( x y ) = x y
2y
2x
var ( x y ) =
+
m
n
x y normal
x y N x y ,

2x
+
m
n
2
y
( x y) ( x y )
+
m
n
2
x
2
y
N ( 0 ,1)
45
Jos Ramn Cancelo
Demostraciones:
_
E ( x y ) = E ( x ) E ( y ) = x y
2y
2x
+
var ( x y ) = ( X , Y independientes ) = var ( x ) + var ( y ) =
m
n
x y normal normal = normal
( propiedad de la normal )
46
Jos Ramn Cancelo
Ejemplo 5:
La calificacin final de los graduados del mbito de humanidades se distribuye normal
de media 5.6 y desviacin tpica 0.5, en tanto que la de los graduados en ciencias de la
salud sigue una distribucin normal de media 5.8 y desviacin tpica 0.9. Si extraemos
dos muestras aleatorias simples de forma independiente, una de 50 graduados del
mbito de humanidades y otra de 75 graduados del mbito de ciencias de la salud,
calcular la probabilidad de que en las muestras obtenidas la nota media de humanidades
sea mayor que la media de ciencias de la salud.
47
Jos Ramn Cancelo
Datos del problema:

* X = nota de los graduados del mbito de humanidades N ( 5.6 , 0.5 )
* m.a.s. de tamao m = 50 de la poblacin X
* Y = nota de los graduados del mbito de ciencias de la salud N ( 5.8 , 0.9 )
* m.a.s. de tamao n = 75 de la poblacin Y
Dado que:
x y N 5.6 5.8 ,
0.5
0.9
+
50
75
2
( x y) (5.6 5.8)
2
0.5
0.9
+
50
75
N ( 0 ,1)
48
Jos Ramn Cancelo
_ _
_
_
_
_
0 (5.6 5.8)
( x y) (5.6 5.8)
P x > y = P x y > 0 = P
>
2
2
2
2
0
.
5
0
.
9
0
.
5
0
.
9
+
+
50
75
50
75
= P ( N (0 , 1 ) > 1.59
= 0.0559
N ( 0 ,1)
5.59 %
-3
-2
-1
1.59
49
Jos Ramn Cancelo
e) DISTRIBUCION DE LA DIFERENCIA DE MEDIAS MUESTRALES CON x,

y DESCONOCIDAS E IGUALES
Si las desviaciones tpicas poblacionales x = y = son desconocidas, en la prctica
debemos utilizar la siguiente distribucin alternativa para la diferencia de medias
muestrales:
_
( x y) ( x y )
(m 1) s
2
c,x
+ (n 1) s
m+n 2
2
c,y
1
1
+
m
n
t m+n2
50
Jos Ramn Cancelo
Ejemplo 6:
La cantidad de grasa que contiene una hamburguesa de la cadena de restaurantes de
comida rpida Fastfood se distribuye normal de media 30 gramos, en tanto que la
cantidad de grasa de una hamburguesa de su principal competidor, la cadena Quickmeal,
se distribuye normal de media 34 gramos. Supongamos que extraemos dos muestras
aleatorias simples de hamburguesas de forma independiente, una de cada cadena. De
Fastfood tenemos 8 hamburguesas, con una cuasivarianza muestral de la cantidad de
grasa igual a 4.41 gramos2; por su parte, de Quickmeal tenemos 15 hamburguesas y una
cuasivarianza muestral igual a 3.24 gramos2. Suponiendo que la desviacin tpica
poblacional de la cantidad de grasa por hamburguesa es la misma en las dos cadenas,
cul es la probabilidad de que la diferencia de medias muestrales (media de Fastfood
menos media de Quickmeal) sea menor que 3.2834 gramos?
51
Jos Ramn Cancelo
Datos del problema:

* X = contenido de grasa en las hamburguesas de Fastfood N ( 30 , x )
* m.a.s. de tamao m = 8 de la poblacin X s c2,x = 4.41
* Y = contenido de grasa en las hamburguesas de Quickmeal N ( 34 , y )
* m.a.s. de tamao n = 15 de la poblacin Y s c2, y = 3.24
* x = y =
_
Dado que:
( x y) (30 34)
(8 1) 4.41 + (15 1) 3.24
8 + 15 2
1
1
+
8
15
t 8 + 15 2
52
Jos Ramn Cancelo
_
P x y < 3.2834 =
=P
( x y) (30 34)
(8 1) 4.41 + (15 1) 3.24
8 + 15 2
<
1
1
+
8
15
3.2834 (30 34)

=
(8 1) 4.41 + (15 1) 3.24
1
1
+
8 + 15 2
8
15
= P ( t 8+152 < 0.8591 ) = 0.80
t 8 +15 2
80%
-3
-2
-1
0.8591
53
Jos Ramn Cancelo
NOTA IMPORTANTE 1
Esta distribucin solo es vlida en el que caso en que las dos poblaciones tengan la
misma desviacin tpica, es decir, x = y = .
Si las desviaciones tpicas son desconocidas y no tenemos razones para suponer que son
iguales, no podemos aplicar este resultado.
54
Jos Ramn Cancelo
NOTA IMPORTANTE 2
La diferencia de medias muestrales tiene asociadas dos distribuciones de probabilidad,
segn consideremos en el denominador varianzas poblacionales ( 2x , 2y ) o
cuasivarianzas muestrales ( s c2,x , s c2, y ):
_
( x y) ( x y )
+
m
n
2
x
2
y
N ( 0 ,1)
( x y) ( x y )
(m 1) s
2
c,x
+ (n 1) s
m+n 2
2
c, y
t
1
1
+
m
n
m+n2
La distribucin concreta a utilizar en cada caso depende del contexto del problema:
- Si se conocen 2x y 2y y utilizamos la distribucin t de Student, el resultado obtenido
no se considerar correcto y el ejercicio estar mal.
- Si no se conocen 2x y 2y y utilizamos la distribucin normal, el resultado obtenido

no se considerar correcto y el ejercicio estar mal.
Esta advertencia es vlida para todas las aplicaciones de estas distribuciones que
veremos a lo largo del curso.
55
Jos Ramn Cancelo
f) DISTRIBUCION DEL COCIENTE DE CUASIVARIANZAS MUESTRALES
s c2,x
2x
s c2, y
F nm11
2y
56
Jos Ramn Cancelo
Por qu una F de Fisher-Snedecor?

(m 1) s c2,x
2x
2m 1
(m 1) s c2,x
2
x
s c2,x
(m 1)
(n 1) s c2, y
(n 1) s c2,y
2y
2
y
2x
s c2, y
2y
2m1
2n 1
(m 1)
= Fnm11
(n 1)
(n 1)
2n 1
57
Jos Ramn Cancelo
Ejemplo 7:
El primer salario de los graduados en sociologa sigue una distribucin normal de media
1235 euros al mes y desviacin tpica 256 euros/mes, en tanto que el primer salario de
los graduados en informtica sigue una distribucin normal de media 1457 euros/mes y
desviacin tpica 364 euros/mes. Si obtenemos dos muestras aleatorias simples
independientes, una de 10 de graduados en sociologa y otra de 16 de graduados en
informtica, calcular la probabilidad de que el cociente de cuasivarianzas muestrales
(primer salario de socilogos entre primer salario de informticos) sea mayor que 1.28.
58
Jos Ramn Cancelo
Datos del problema:

* X = primer salario de los graduados en sociologa N ( 1235 , 256 )
* m.a.s. de tamao m = 10 de la poblacin X
* Y = primer salario de los graduados en informtica N ( 1457 , 364 )
s c2,x
Dado que:
2x
s c2, y
2y
s c2,x
F nm11
256 2
s c2,y
F161011
364 2
59
s c2,x
P 2
s
c,y
Jos Ramn Cancelo
s c2,x
s c2, y
1.28
> 1.28 = P
>
2
2
256
256
2
2
364
364
= P F 10 1 > 2.59
16 1
) = 0.05
F161011
5%
2.59
60
Jos Ramn Cancelo
1.4 ALGUNOS RESULTADOS PARA MUESTRAS GRANDES

1.4.1 DISTRIBUCION DE LA MEDIA MUESTRAL EN UNA POBLACION
INDETERMINADA
Sea X una poblacin cualquiera.
_
Muestra aleatoria simple de tamao n media muestral x =
x 1 + x 2 + ... + x n
n
x se obtiene a partir de una suma de variables aleatorias:

- independientes
- con la misma distribucin
61
Jos Ramn Cancelo
Por lo tanto, si n es grande x se distribuye aproximadamente normal segn el Teorema

Central del Lmite:
x n
N ( ,
)
n
x
n
N ( 0 , 1 )
62
1.4.2
DISTRIBUCION
DE
Jos Ramn Cancelo
LA
PROPORCION
MUESTRAL
EN
UNA
POBLACION BINOMIAL (1,p)

Poblacin: X B ( 1 , p )
= E(X) = p
xi
P ( X = xi )
1-p
2 = var(X) = p ( 1 p )
f = x : proporcin en la muestra
p ,
f n
N
p (1 p)
n
f p
n
N ( 0 , 1 )
p (1 p)
n
63
Jos Ramn Cancelo
Ejemplo 8:
El 58% de los hogares de A Corua estn abonados a la televisin de pago mediante

cualquiera de las tecnologas actualmente disponibles en el mercado. Si obtenemos una
muestra aleatoria simple de 200 hogares, cul es la probabilidad de que en la muestra
la proporcin de hogares abonados sea inferior al 53%?
Datos del problema:
* X = estar abonado a televisin de pago B ( 1 , 0.58 )
* m.a.s. de tamao n = 200 muestra grande
Dado que:
f 0.58
n
N ( 0 , 1 )
0.58 (1 0.58)
200
64
P ( f < 0.53 )
= P
Jos Ramn Cancelo
0.53 0.58
=
0.58 (1 0.58)
200
f 0.58
<
0.58 (1 0.58)
200
= P ( N(0,1) < 1.43 ) = 0.0764
N ( 0 ,1)
7.64 %
-3
-2
1.43
-1
65
Jos Ramn Cancelo
1.4.3 DISTRIBUCION DE LA MEDIA MUESTRAL EN UNA POBLACION

POISSON
Poblacin: X Poisson con parmetro
e x i
P ( X = xi ) =
xi !
= E(X) =
2 = var(X) =
x
N ,
n
, x i = 0, 1, 2, ...
N ( 0 , 1 )
n
66
Jos Ramn Cancelo
Ejemplo 9:
El nmero de camiones que llega diariamente a una terminal portuaria se distribuye
Poisson con parmetro igual a 10.5. Si extraemos una muestra aleatoria simple de 300
das, cul es la probabilidad de que la media de esa muestra sea mayor que 10.8?
Datos del problema:
*
X = nmero diario de camiones Poisson con parmetro 10.5
m.a.s. de tamao n = 300 muestra grande

_
Dado que:
x 10.5
n
N ( 0 , 1 )
10.5
300
67
Jos Ramn Cancelo
= P ( N(0,1) > 1.60
_
x 10.5
10.8 10.5
P x > 10.8 = P
>
10.5
10.5
300
300
= 0.0548
N ( 0 ,1)
5.48%
-3
-2
-1
1.60
68
1.4.4
DISTRIBUCION
MUESTRALES
EN
DE
LA
Jos Ramn Cancelo
DIFERENCIA
POBLACIONES
DE
BINOMIALES
PROPORCIONES
Y
MUESTRAS
INDEPENDIENTES
Poblacin 1: X B ( 1 , px )
xi
P ( X = xi )
px
1-px
m.a.s tamao m ( X1, X2, , Xm ) f x = proporcin en la muestra = x
69
Jos Ramn Cancelo
Poblacin 2: Y B ( 1 , py )
yi
P ( Y = yi )
py
1-py
m.a.s tamao n ( Y1, Y2, , Yn ) f y = proporcin en la muestra = y

70
Jos Ramn Cancelo
Dado que:
E ( fx ) = px
E ( fy ) = py
py ( 1 py )
px ( 1 px )
var ( fx ) =
m
var ( fy ) =
Normal
fx
m
Normal
fy
n
tenemos que:
E ( fx fy ) = E ( fx ) E ( fy ) = px py
var ( fx fy ) = var ( fx ) + var ( fy ) =
py (1 py )
px ( 1 px )
+
m
n
fx fy m
Normal Normal = Normal

,n
71
Jos Ramn Cancelo
y por lo tanto:
fx fy
N p x p y ,
m ,n
p y (1 p y )
p x (1 p x )
+
m
n
(f x f y ) ( p x p y )
p y (1 p y )
p x (1 p x )
+
m
n
N ( 0 , 1 )
m ,n
72
Jos Ramn Cancelo
Ejemplo 10:
Se sabe que el porcentaje de gallegos entre 35 y 44 aos que son consumidores
habituales de productos lcteos es igual al 41%, y que esta cifra baja al 35% para los
que tienen entre 45 y 64 aos. Si extraemos dos muestras aleatorias simples
independientes, una de 600 personas entre 35 y 44 aos y otra de 400 personas entre 45
y 64 aos, cul es la probabilidad de que la proporcin de consumidores habituales de
productos lcteos sea menor en la muestra de 35 a 44 aos que en la del grupo de 45 a
64?
73
Jos Ramn Cancelo
Datos del problema:

* X= consumir habitualmente productos lcteos en la franja de edad 35-44 B (1, 0.41)
* m.a.s. de tamao m = 600 de la poblacin X muestra grande
* Y= consumir habitualmente productos lcteos en la franja de edad 45-64 B (1, 0.35)
* m.a.s. de tamao n = 400 de la poblacin Y muestra grande
Dado que:
(f x f y ) (0.41 0.35)
0.41 (1 0.41)
0.35 (1 0.35)
+
600
400
N ( 0 , 1 )
m ,n
74
P ( fx < fy
= P
= P ( fx fy < 0
Jos Ramn Cancelo
)=
(f x f y ) (0.41 0.35)
0.41 (1 0.41)
0.35 (1 0.35)
+
600
400
<
0 (0.41 0.35)
=
0.41 (1 0.41)
0.35 (1 0.35)
+
600
400
= P ( N(0,1) < 1.92 ) = 0.0274
N ( 0 ,1)
2.74 %
-3
-2
1.92
-1
75
76
Jos Ramn Cancelo
CAPITULO 2. ESTIMACION
2.1 Estimacin puntual
2.2 Intervalos de confianza: planteamiento general
2.3 Intervalos de confianza para poblaciones normales
2.4 Algunos intervalos de confianza para muestras grandes
Ejercicios propuestos de intervalos de confianza
77
Jos Ramn Cancelo
2.1 ESTIMACION PUNTUAL

2.1.1 El problema
Poblacin:
XF(x;)
F (.) ? , ?
En la mayor parte de las aplicaciones prcticas podemos determinar, segn el contexto

del problema, la distribucin de probabilidad ms adecuada a nuestro caso:
Binomial
Poisson
Normal
78
Jos Ramn Cancelo
PERO: seguimos teniendo el problema de desconocer los valores de los parmetros

poblacionales.
Parmetros a determinar segn la distribucin de probabilidad utilizada:

-
Binomial
Poisson
Normal
79
Jos Ramn Cancelo
Procedimiento a seguir:
1) Obtenemos una muestra aleatoria simple de tamao n de la poblacin:
X1 , X2 , ... , Xn
2) Construimos una aproximacin al verdadero valor del parmetro (ESTIMADOR)
usando la informacin que proporciona la muestra:
= funcin ( X1 , X2 , ... , Xn )
Todo estimador es una variable aleatoria con su correspondiente distribucin de

probabilidad.
80
Jos Ramn Cancelo
Terminologa:
ESTIMADOR: funcin de la muestra que sirve para estimar un parmetro
desconocido
Ej.:
ESTIMACION: valor que toma el estimador para una muestra concreta
Ej.:
= 4
81
Jos Ramn Cancelo
2.1.2 Propiedades deseables de un estimador

Propiedad 1) Insesgadez
E () =
Algunas veces sobrevalorar el verdadero valor del parmetro,

otras veces lo infravalorar,
PERO: en promedio coincide con el verdadero valor (no hay SESGO).
82
Jos Ramn Cancelo
estimador 1
estimador 2
E ( 2 )
E (1 ) =
sesgo de 2 = E ( 2 )
83
Jos Ramn Cancelo
Ejemplo 1:
* Estamos analizando el nmero de personas por vivienda en una determinada ciudad.
* Para estimar la media de la poblacin () tenemos una m.a.s. de tamao 2: x1 y x2.
* Se proponen tres estimadores:
x + x2
1 = x = 1
2
2 = x1
3 =
x1 + x 2
3
Discutir la insesgadez de cada uno.
84
Jos Ramn Cancelo
Al tener una muestra aleatoria simple sabemos que
E ( x1 ) = E ( x 2 ) =
* E ( 1 ) = E ( x ) =
* E ( 2 ) = E ( x1 ) =
insesgado
insesgado
E (x1 ) + E (x 2 )
2
+
x1 + x 2
* E ( 3 ) = E
=
=
sesgado
=
3
3
3
3
sesgo ( 3 ) = E ( 3 ) =
2
1
=
3
3
85
Jos Ramn Cancelo
Propiedad 2) Insesgadez asinttica
E ( )

n
En muestras pequeas el estimador puede ser sesgado,

PERO el sesgo disminuye a medida que aumenta el tamao de la muestra,
y desaparece para muestras suficientemente grandes.
Corolario:
Un estimador insesgado tambin es asintticamente insesgado.
86
RESULTADOS
BASICOS
Jos Ramn Cancelo
SOBRE
LA
INSESGADEZ
DE
ALGUNOS
ESTIMADORES:
1) La media muestral es siempre un estimador insesgado de la media poblacional.
_
E( x ) =
Casos particulares de inters:

Poblacin Normal ( , ):
Poblacin Binomial ( 1 , p ):
Poblacin Poisson ( ):
E(x) =
E(x) = p
_
E(x) =
= x
p = x
= x
87
Jos Ramn Cancelo
2) La varianza muestral es siempre un estimador sesgado de la varianza poblacional.

n 1 2
2
E ( s2 ) =

n
De donde:
sesgo (s2 ) = E ( s 2 ) 2 =
1 2
88
Jos Ramn Cancelo
3) La varianza muestral es siempre un estimador asintticamente insesgado de la

varianza poblacional.
sesgo(s2 ) =
1 2

0
n
n
Por lo tanto la varianza muestral:

no es un buen estimador de la varianza poblacional en muestras pequeas
puede ser un buen estimador de la varianza poblacional si el tamao de la muestra es
grande
89
Jos Ramn Cancelo
4) La cuasivarianza muestral es siempre un estimador insesgado de la varianza

poblacional.
E ( s c2 ) = 2
Por lo tanto la cuasivarianza muestral cumple esta propiedad deseable para un buen
estimador de la varianza poblacional cualquiera que sea el tamao de la muestra.
90
Jos Ramn Cancelo
Propiedad 3) Eficiencia (estimadores insesgados)

La dispersin del estimador alrededor del verdadero valor del parmetro
ha de ser lo ms pequea posible
estimador 1
estimador 2
E(1 ) = = E( 2 )
91
Jos Ramn Cancelo
Ejemplo 1 (continuacin):
* Tenemos dos estimadores insesgados:
x + x2
1 = x = 1
2
2 = x1
Discutir la eficiencia de estos estimadores. Cul escogera para estimar el nmero

medio de personas por vivienda en esa ciudad?
92
Jos Ramn Cancelo
Al tener una muestra aleatoria simple sabemos que

a) var ( x 1 ) = var ( x 2 ) = 2
b) x1 y x2 son independientes entre s
2
2
=
* var ( 1 ) = var ( x ) =
n
2
* var ( 2 ) = var ( x 1 ) = 2
2
var ( 1 ) =
2
<
= var ( 2 )
2
es ms eficiente 1
Propiedad general:
La forma de reducir la varianza de un estimador es aumentar el tamao de la muestra.
93
Jos Ramn Cancelo
Propiedad 3 continuacin) Eficiencia (estimadores sesgados e insesgados)

Qu es preferible, un estimador sesgado y con poca varianza, o uno insesgado con
mucha varianza?
estimador 2
estimador 1
E (1 ) =
E ( 2 )
sesgo de 2 = E ( 2 )
94
Jos Ramn Cancelo
ERROR CUADRATICO MEDIO

Es una medida de eficiencia que combina el sesgo y la varianza de un estimador:
ECM ( ) = E ( )
= varianza ( ) + [ sesgo ( ) ]
Cuanto ms pequeo sea, ms eficiente es el estimador.
Caso particular:
E ( ) =
ECM ( ) = varianza ( )
95
Jos Ramn Cancelo
* Se proponen dos estimadores:
2 = x1
3 =
x1 + x 2
3
* Qu estimador escogeramos para estimar el nmero medio de personas por vivienda

en la poblacin?
96
Jos Ramn Cancelo
Hemos visto que:
sesgo ( 2 ) = 0
1
sesgo ( 3 ) =
3
var ( 2 ) = 2
Adems, se tiene que:
var ( x 1 ) + var ( x 2 )
2 + 2
2 2
x1 + x 2
=
=
var ( 3 ) = var
=
3
9
9
9
En resumen:
Estimador
2 = x1
x + x2
3 = 1
3
Sesgo
Varianza
1

3
2 2
97
Jos Ramn Cancelo
Por lo tanto:
ECM ( 2 ) = varianza ( 2 ) + [ sesgo ( 2 ) ] 2 = 2 + 02 = 2
ECM ( 3 ) = varianza ( 3 ) + [ sesgo ( 3 ) ] 2
2 2
1
=
+
9
3
Para que ECM ( 2 ) < ECM ( 3 ) se tiene que cumplir que

2
<
2 2
1
+
9
3
<
2
7
Se cumple esta condicin?
98
Jos Ramn Cancelo
Forma de proceder en el anlisis aplicado:

En un problema real de inferencia se desconocen los parmetros de la poblacin, de
modo que en una aplicacin concreta no se sabe si la condicin para que un estimador
sea mejor que otro se cumple o no.
En consecuencia, la idea de comparar estimadores insesgados y sesgados es:
atractiva en teora,
pero en la prctica casi nunca se llega a una conclusin firme.
Por lo tanto, normalmente no ser posible escoger entre un estimador insesgado con
mucha varianza y otro sesgado con poca varianza, con base en su eficiencia.
99
Jos Ramn Cancelo
De ah que en el trabajo aplicado se proceda de la siguiente manera:

Etapa 1) Se impone el requisito de que el estimador sea insesgado.
Etapa 2) Si hay ms de un estimador insesgado, se escoge el de varianza mnima.
_
Se demuestra que x es el estimador de mnima varianza entre todos los estimadores

insesgados para los siguientes parmetros de inters:
* en una poblacin N ( , )
* p en una poblacin B ( 1 , p )
* en una poblacin Poisson
100
Jos Ramn Cancelo
Propiedad 4) Consistencia

P | | < n
1
En muestras pequeas el estimador puede tomar valores muy diferentes del verdadero
valor del parmetro desconocido,
PERO a medida que aumenta el tamao de la muestra, aumenta la probabilidad de que
estimador y parmetro sean muy parecidos.
En el lmite, esa probabilidad es 1.
101
Jos Ramn Cancelo
n = 10000
n = 1000
n = 100
n = 10
n =1
102
Jos Ramn Cancelo
CONDICION SUFICIENTE (NO NECESARIA) DE CONSISTENCIA

Un estimador es consistente cuando se cumplen dos condiciones:
1) Es insesgado o asintticamente insesgado:
E ( ) =
E ( ) n

2) Su varianza tiende a cero cuando el tamao muestral tiende a infinito:
var ( ) n
0
Corolario:
La media muestral es siempre un estimador consistente de la media poblacional.
103
Jos Ramn Cancelo
2.1.3 Mtodos para construir estimadores: el mtodo de la mxima

verosimilitud
Ante un problema de estimacin cualquiera, cmo podemos proponer un estimador tal
que tengamos ciertas garantas de que va a cumplir las propiedades deseables?
= funcin ( X1 , X2 , ... , Xn )
funcin(.) ?
Para contestar a esta pregunta Mtodos de estimacin

Mtodo de estimacin ms empleado Mtodo de la mxima verosimilitud
104
Jos Ramn Cancelo
Ejemplo 2:
Queremos determinar la proporcin de personas paradas que llevan menos de seis meses
en esa situacin.
POBLACION: PARADOS
xi
menos de seis meses
seis meses o ms
1-p
P( X = xi )
* Poblacin B(1,p) p ?
* Extraemos una muestra aleatoria simple de 200 parados, de los cuales 60 llevan
menos de seis meses en paro:
_
60
proporcin en la muestra =
= 0.30 = f = x
200
105
Jos Ramn Cancelo
En general
p [0,1]
pero en este caso es evidente que p no puede ser ni 0 ni 1, de modo que podemos
afirmar que:
p (0,1)
Supongamos por el momento que el verdadero valor de p es 0.10:
* Poblacin
B ( 1 , 0.10)
* Nmero de xitos en una muestra de 200 personas
B ( 200 , 0.10)
* Probabilidad de 60 xitos en 200 intentos:

200
0.160 (1 0.1) 20060 = 0.000000000000003
P(60 xitos de 200 intentos | p=0.1) =
60
106
Jos Ramn Cancelo
Si el verdadero valor de p es 0.2, la probabilidad aumenta a:

P (60 xitos de 200 intentos | p=0.2) = 0.0002
La probabilidad vuelve a aumentar si p es igual a 0.3:
y cae si p es igual a 0.4:
107
Jos Ramn Cancelo
Haciendo este clculo para todos los posibles valores de p entre 0 y 1:

Probabilidad de obtener 60 xitos en una m.a.s. de tamao 200, en una
poblacin binomial (1,p) para diferentes valores de p
probabilidad de obtener esa muestra
0.07
mximo valor de la funcin
0.06
0.05
0.04
Funcin de verosimilitud
0.03
0.02
0.01
estimador mximo-verosmil
0
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
posibles valores de p
108
Jos Ramn Cancelo
Idea intuitiva para obtener un estimador:

Podemos tomar como estimador de aquel valor que hace ms probable observar
precisamente lo que ya hemos observado ESTIMADOR MAXIMO VEROSIMIL.
En el ejemplo, tendramos que el estimador mximo verosmil toma el valor
p MV
= 0. 3
En general, el estimador mximo verosmil del parmetro p en una poblacin Binomial

(1,p) viene dado por:
p MV
= f
109
Jos Ramn Cancelo
Anexo.- Obtencin del estimador mximo verosmil de p en una poblacin

Binomial (1,p): desarrollo matemtico
funcin de cuanta de la poblacin:
P ( X = x i ) = p x i ( 1 p )1 x i
funcin de cuanta conjunta de la muestra funcin de verosimilitud

P ( X1 = x 1 , X 2 = x 2 , ... , X n = x n ) = ( por ser m.a.s. ) =
= p x1 ( 1 p )1 x1 p x 2 ( 1 p )1 x 2 ... p x n ( 1 p )1 x n = p x i ( 1 p ) n x i L(p)
logaritmo de la funcin de verosimilitud
) ( x ) ln p
ln L(p) = ln p x i ( 1 p ) n x i =
+ ( n x i ) ln (1 p)
110
Jos Ramn Cancelo
clculo del mximo

d ln L(p)
=
dp
( x )
i
p MV
( x ) 1
i
+ ( n xi )
+ ( n xi )
1
(1)
1 p
(1) = 0
1 p MV
p MV =
x
n
= f = x
comprobacin de mximo
d 2 ln L(p)
=
2
dp
x
p
( n xi )
(1 p)
< 0
111
Jos Ramn Cancelo
2.1.4 Principales estimadores

Poblacin
Parmetro a estimar
Estimador
__________________________________________________________________
- Normal
media muestral x
varianza muestral s 2
cuasivarianza muestral s c2
- Binomial
frecuencia relativa f
_
= (media muestral x )
- Poisson
Los estimadores mximo-verosmiles aparecen en rojo.
media muestral x
112
2.2
INTERVALOS
Jos Ramn Cancelo
DE
CONFIANZA:
PLANTEAMIENTO
GENERAL
En el epgrafe anterior el objetivo era construir un estimador
= ( X1 , X 2 , ..., X n )
tal que
Pero es una variable aleatoria cuyo valor raramente coincidir con el de .
113
Jos Ramn Cancelo
En consecuencia, es preferible proponer un intervalo de la forma
1 < < 2
cuantificando la probabilidad de que el verdadero valor del parmetro realmente est
comprendido entre los dos extremos
P ( 1 < < 2 ) =
INTERVALO DE CONFIANZA ( 1 , 2 ) : intervalo obtenido a partir de la
muestra, en el que esperamos se encuentre el verdadero valor del parmetro.

NIVEL DE CONFIANZA (): asociado a la probabilidad de que el verdadero valor
del parmetro caiga en el intervalo que proponemos.
114
Jos Ramn Cancelo
Obviamente:
tamao del intervalo nivel de confianza en acertar el verdadero valor de
tamao del intervalo utilidad del intervalo propuesto
Hay que buscar una solucin de compromiso entre:
el tamao del intervalo, 2 1 , y

el nivel de confianza, .
En la prctica:
Se fija a priori el valor de .
Normalmente =0.95; tambin =0.90, =0.99 o (menos frecuente) =0.80.
115
2.3 INTERVALOS
Jos Ramn Cancelo
DE CONFIANZA PARA POBLACIONES
NORMALES
2.3.1 Intervalo de confianza para la media de la poblacin con
conocida
El problema:
XN(,)
? , conocida
m.a.s. de tamao n = x
_
x
N ( 0 ,1)
nivel de confianza = (dado)

116
Jos Ramn Cancelo
De aqu podemos calcular los valores z y z de la N(0,1) que cumplen que:
P ( z < N ( 0 ,1) < z
x
= P z <
< z =
N ( 0 ,1)
1
2
-3
1
2
-2
-1
117
Jos Ramn Cancelo
Despejando:
_
_
P xz
< < x+z
=
n
n
que responde a lo que pretendemos:
P ( 1 < < 2 ) =
118
Jos Ramn Cancelo
Ejemplo 3:
media desconocida y desviacin tpica 5 gramos. Extraemos una muestra aleatoria
simple de 16 cajas y las pesamos, obteniendo una media muestral igual a 503.75
gramos. Calcular el intervalo de confianza para el peso medio de las cajas de muesli que
fabrica Cerealia con un nivel de confianza del 95%.
Datos del problema:
* X = peso de la caja de muesli de Cerealia N ( , 5 )
* ? , = 5 conocida
* m.a.s. de tamao n = 16 = x = 503.75

* nivel de confianza = = 0.95
119
Jos Ramn Cancelo
95%
N ( 0 ,1)
2 .5 %
-3
2.5%
-2
1.96
-1
1.96
Sustituyendo:
5
5
503.75 1.96
< < 503.75 + 1.96
16
16
501.3 < < 506.2

Tenemos una confianza del 95% de que el peso medio de las cajas de muesli de
Cerealia est entre 501.3 y 506.2 gramos.
120
Jos Ramn Cancelo
2.3.2 Intervalo de confianza para la varianza de la poblacin

El problema:
XN(,)
2 ? , desconocida
m.a.s. de tamao n 2 = s c2
(n 1) s c2
2
n 1
2
121
Jos Ramn Cancelo
De aqu podemos calcular los valores a y b de la 2n 1 que cumplen que:
P a < 2n 1 < b
2n 1
(n 1) s c2
= P a <
< b =
2
1
2
1
2
Despejando:
(n 1) s c2
(n 1) s c2
2
P
< <
b
a
122
Jos Ramn Cancelo
A partir del intervalo de confianza para la varianza, es inmediato obtener un intervalo de

confianza para la desviacin tpica con el mismo nivel de confianza:
(n 1) s c2
< <
b
(n 1) s c2
a
123
Jos Ramn Cancelo
Ejemplo 4:
normal de parmetros desconocidos y se ha obtenido una muestra aleatoria simple de 10
coches, en la que la cuasivarianza es igual a 0.29. Calcular el intervalo de confianza
para la varianza poblacional de la velocidad en dicho punto negro con un nivel de
confianza del 95%. Calcular el intervalo de confianza para la desviacin tpica
poblacional con el mismo nivel de confianza.
Datos del problema:
* X = velocidad al pasar por el punto negro N ( , )
* 2 ? , desconocida
* m.a.s. de tamao n = 10 2 = s c2 = 0.29

124
Jos Ramn Cancelo
2
10
1
95 %
2 .5 %
2 .5 %
2 .7
10
12
14
16
18
20
19.02
22
24
26
Sustituyendo:
(10 1) 0.29
(10 1) 0.29
< 2 <
19.02
2.7
0.137 < 2 < 0.967
Tenemos una confianza del 95% de que la varianza de la velocidad con la que los
coches pasan por el punto negro est entre 0.137 y 0.967.
Tenemos una confianza del 95% de que la desviacin tpica de la velocidad con la que
los coches pasan por el punto negro est entre
0.137 = 0.37 y
0.967 = 0.98 km/h.

125
Jos Ramn Cancelo
2.3.3 Intervalo de confianza para la media de la poblacin con

desconocida
El problema:
XN(,)
? , desconocida
m.a.s. de tamao n = x ,
sc
x
t n 1
sc
n

126
Jos Ramn Cancelo
De aqu podemos calcular los valores t y t de la tn1 que cumplen que:
P ( t < t n 1 < t
= P t <
< t =
sc
tn 1
1
2
-3
1
2
-2
-1
Despejando:
_
_
s
s c
c
P x t
< < x + t
=
n
n
127
Jos Ramn Cancelo
Ejemplo 5:
vehculo de su flota pasa en el taller de reparaciones sigue una distribucin normal. Para
estimar el tiempo medio anual en el taller para el conjunto de la flota ha recogido una
muestra aleatoria simple de 9 coches y observado para cada coche el nmero de das
que ha estado fuera de servicio durante el pasado ao, obteniendo una media igual a
16.2 y una cuasivarianza igual a 22.9. Calcular el intervalo de confianza para el nmero
medio de das al ao que un coche cualquiera de la empresa pasa en el taller, con un
nivel de confianza del 95%.
128
Jos Ramn Cancelo
Datos del problema:

* X = nmero de das al ao que un coche pasa en el taller N ( , )
* ? , desconocida
* m.a.s. de tamao n = 9 = x = 16.2 , s c2 = 22.9 , sc =
22.9 = 4.785
t 91
95%
2.5%
2 .5 %
-3
-2
2.3060
-1
2.3060
129
Jos Ramn Cancelo
Sustituyendo:
16.2 2.3060
4.785
4.785
< < 16.2 + 2.3060
9
9
12.5 < < 19.9
Tenemos una confianza del 95% de que el nmero medio de das al ao que los coches
de la empresa pasan en el taller de reparaciones est entre 12.5 y 19.9.
130
Jos Ramn Cancelo
2.3.4 Intervalo de confianza para la diferencia de medias poblacionales

con x, y conocidas
El problema:
Poblacin 1:
X N ( x , x )
x desconocida , x conocida
Poblacin 2:
Y N ( y , y )
y desconocida , y conocida
x y ?
131
m.a.s. de tamao m de la poblacin X ( X1, X2, , Xm )

m.a.s. de tamao n de la poblacin Y ( Y1, Y2, , Yn )
Jos Ramn Cancelo
x = x
y = y

_
( x y) ( x y )
+
m
n
2
x
2
y
N ( 0 ,1)
P ( z < N ( 0 ,1) < z
_
_
( x y) ( x y )
= P z <
< z =
2
2
x
+
m
n
132
Jos Ramn Cancelo
N ( 0 ,1)
1
2
1
2
-3
-2
-1
Despejando:
_ _
P ( x y) z
_
_
2y
2x
+
< x y < ( x y) + z
m
n
2y
2x
+
=
m
n
133
Jos Ramn Cancelo
Ejemplo 6:

de media desconocida y desviacin tpica 0.5, en tanto que la de los graduados en
ciencias de la salud sigue una distribucin normal de media desconocida y desviacin
tpica 0.9. Extraemos dos muestras aleatorias simples de forma independiente, una de 50
graduados del mbito de humanidades cuya nota media es 5.3, y otra de 75 graduados
del mbito de ciencias de la salud con nota media 5.9. Calcular el intervalo de confianza
para la diferencia de notas medias entre graduados del mbito de humanidades y
graduados en ciencias de la salud, con un nivel de confianza de 90%.
134
Jos Ramn Cancelo
Datos del problema:

* X = nota de los graduados del mbito de humanidades N ( x , 0.5 )
* x ? , x = 0.5 conocida
* Y = nota de los graduados del mbito de ciencias de la salud N ( y , 0.9 )
* y ? , y = 0.9 conocida
* x y ?
* m.a.s. de tamao m = 50 de la poblacin X x = x = 5.3

* m.a.s. de tamao n = 75 de la poblacin Y y = y = 5.9
135
Jos Ramn Cancelo
N ( 0 ,1)
90%
5%
5%
-3
-2
1.64
-1
1.64
Sustituyendo:
( 5.3 5.9 ) 1.64
0.5 2
0.9 2
+
< x y < ( 5.3 5.9 ) + 1.64
50
75
0.5 2
0.9 2
+
50
75
0.81 < x y < 0.39
Tenemos una confianza del 90% de que la nota media de los graduados en ciencias de la
salud es entre 0.39 y 0.81 puntos ms alta que la de los graduados en el mbito de
humanidades.
136
Jos Ramn Cancelo
2.3.5 Intervalo de confianza para la diferencia de medias poblacionales

con x, y desconocidas e iguales
El problema:
Poblacin 1:
X N ( x , x )
x , x desconocidas
Poblacin 2:
Y N ( y , y )
y , y desconocidas
Las dos poblaciones tienen la misma desviacin tpica: x = y =
x y ?
137
Jos Ramn Cancelo
m.a.s. de tamao m de la poblacin X ( X1, X2, , Xm )

m.a.s. de tamao n de la poblacin Y ( Y1, Y2, , Yn )
x = x ,
y = y ,
s c2,x
s c2, y

_
( x y) ( x y )
(m 1) s
2
c,x
+ (n 1) s
2
c,y
m+n 2
1
1
+
m
n
t m+n2
De aqu podemos calcular los valores t y t de la tm+n2 que cumplen que:
P ( t < t m+n2 < t
= P t <
( x y) ( x y )
(m 1) s c2,x + (n 1) s c2, y
m+n 2
1
1
+
m
n
< t =
138
Jos Ramn Cancelo
t m+ n 2
1
2
1
2
-3
-2
-1
Despejando:
_ _
( x y) t
(m 1) s c2,x + (n 1) s c2, y
m+n 2
_
< ( x y) + t
1 1
+
m n
1 1
+
< x y <
m n
(m 1) s c2,x + (n 1) s c2, y
m+n 2
139
Jos Ramn Cancelo
Ejemplo 7:
La cadena de restaurantes de comida rpida Fastfood anuncia que sus hamburguesas
contienen menos grasa que las de su principal competidor, la cadena Quickmeal. Para
valorar la veracidad de esta afirmacin un especialista en nutricin seleccion dos
muestras aleatorias simples independientes, una de cada cadena. La muestra de Fastfood
est compuesta por 8 hamburguesas, con un contenido medio de grasa igual a 31.3
gramos y una cuasivarianza igual a 4.41. En la muestra de Quickmeal, de 15
hamburguesas, se obtuvo una media de 33.2 gramos y una cuasivarianza igual a 3.24.
Suponiendo que el contenido de grasa en las hamburguesas producidas por estas dos
cadenas se distribuye normal con la misma desviacin tpica, calcular el intervalo de
confianza para la diferencia de los contenidos medios de grasa con un nivel de
confianza de 90%.
140
Jos Ramn Cancelo
Datos del problema:

* X = contenido de grasa en las hamburguesas de Fastfood N ( x , x )
* x , x desconocidas
* Y = contenido de grasa en las hamburguesas de Quickmeal N ( y , y )
* y , y desconocidas
* x = y =
* x y ?
* m.a.s. de tamao m = 8 de la poblacin X x = x = 31.3 , s c2,x = 4.41

* m.a.s. de tamao n = 15de la poblacin Y y = y = 33.2 , s c2, y = 3.24
141
Jos Ramn Cancelo
t 8 +15 2
90%
5%
5%
-3
-2
1.7207
-1
1.7207
Sustituyendo:
( 31.3 33.2 ) 1.7207
(8 1) 4.41 + (15 1) 3.24

8 + 15 2
< ( 31.3 33.2 ) + 1.7207
1
1
+
< x y <
8
15
(8 1) 4.41 + (15 1) 3.24

8 + 15 2
1
1
+
8
15
3.34 < x y < 0.46

Tenemos una confianza del 90% de que en promedio las hamburguesas de Fastfood
tienen entre 0.46 y 3.34 gramos menos de grasa que las hamburguesas de Quickmeal.
142
Jos Ramn Cancelo
2.3.6 Intervalo de confianza para el cociente de las varianzas

poblacionales
El problema:
Poblacin 1:
X N ( x , x )
y , x desconocidas
Poblacin 2:
Y N ( y , y )
y , y desconocidas

2x
2
y
143
Jos Ramn Cancelo
m.a.s. de tamao m de la poblacin X ( X1, X2, , Xm ) 2x = s c2, x

m.a.s. de tamao n de la poblacin Y
( Y1, Y2, , Yn ) 2y = s c2, y

s c2,x
2x
s c2, y
F nm11
2y

De aqu podemos calcular los valores a y b de la F nm11 que cumplen que:
P a < F nm11 < b
s c2,x
2
s
c,y
=
= P a <
<
b
2x
144
Jos Ramn Cancelo
F nm11
1
2
1
2
Despejando:
2
2
1 s c2,x
s
1
c
,x
x
<
<
P
2
2
b s2
a
s
y
c,y
c,y
145
Jos Ramn Cancelo
Ejemplo 8:
El primer salario de los graduados en sociologa sigue una distribucin normal de
parmetros desconocidos, al igual que el primer salario de los graduados en informtica.
Hemos extrado dos muestras aleatorias simples independientes, una de 10 de graduados
en sociologa y otra de 16 de graduados en informtica, con las que obtuvimos
cuasivarianzas muestrales iguales a 42849 y 91204, respectivamente. Calcular el
intervalo de confianza al 95% para el cociente entre la varianza del primer salario de los
graduados en sociologa y la del primer salario de los graduados en informtica.
146
Jos Ramn Cancelo
Datos del problema:

* X = primer salario de los graduados en sociologa N ( x , x )
* Y = primer salario de los graduados en informtica N ( y , y )
*
2x
2
y
* m.a.s. de tamao m = 10 de la poblacin X 2x = s c2, x = 42849
* m.a.s. de tamao n = 16 de la poblacin Y 2y = s c2, y = 91204

147
Jos Ramn Cancelo
F161011
2 .5 %
95%
2 .5 %
0.265
3.12
Para obtener el valor de a se ha hecho uso de la propiedad de la distribucin F, por la

cual:
P F nm11 < a
)=
0.025
P F mn 11 >
= 0.025
a
148
Jos Ramn Cancelo
Sustituyendo:
2x
1
42849
1
42849
<
<
3.12 91204
0.265 91204
2y
2x
0.15 <
2y
< 1.77
Tenemos una confianza del 95% de que el cociente entre la varianza del primer salario
de los graduados en sociologa y la varianza del primer salario en los graduados en
informtica est entre 0.15 y 1.77.
149
Jos Ramn Cancelo
2.4 ALGUNOS INTERVALOS DE CONFIANZA PARA MUESTRAS

GRANDES
2.4.1 Intervalo de confianza para la proporcin poblacional
El problema:
XB(1,p)
xi
P ( X = xi )
1-p
p?
m.a.s. de tamao n ( ) p (= x )
150
Jos Ramn Cancelo
pp
n
N ( 0 , 1 )
p (1 p)
n

P ( z < N ( 0 ,1) < z
= P z <
pp
< z =
p (1 p)
N ( 0 ,1)
1
2
-3
1
2
-2
-1
151
Jos Ramn Cancelo
Despejando:

P p z
p (1 p)
< p < p+z
n
p (1 p)
n
Este intervalo no se puede utilizar en la prctica, ya que no se conoce p(1p) y por lo

tanto no se pueden calcular los extremos del intervalo. Sin embargo, se demuestra que si
n es grande esta expresin se puede aproximar por:
P pz
p (1 p)
< p < p+z
n
p (1 p)
=
152
Jos Ramn Cancelo
Ejemplo 9:
Queremos estimar la proporcin de los hogares de A Corua que estn abonados a la
televisin de pago mediante cualquiera de las tecnologas actualmente disponibles en el
mercado. Para ello extraemos una muestra aleatoria simple de 200 hogares, en la que
obtenemos una proporcin de abonados del 53%. Calcular el intervalo de confianza al
99% para la proporcin de abonados en la poblacin.
Datos del problema:
* X = estar abonado a la televisin de pago B ( 1 , p )
* p?
* m.a.s. de tamao n = 200 muestra grande p = 0.53

153
Jos Ramn Cancelo
N ( 0 ,1)
99%
0.5%
-3
2.58
0.5%
-2
-1
2.58
Sustituyendo:
0.53 2.58
0.53 (1 0.53)
< p < 0.53 + 2.58
200
0.53 (1 0.53)
200
0.439 < p < 0.621

Tenemos una confianza del 99% de que el porcentaje de hogares corueses abonados a
la televisin de pago est entre el 43.9% y el 62.1%.
154
Jos Ramn Cancelo
2.4.2 Intervalo de confianza para el parmetro de una poblacin

Poisson
El problema:
X Poisson con parmetro
e x i
P ( X = xi ) =
xi !
, x i = 0, 1, 2, ...
m.a.s. tamao n ( ) (= x )
155
Jos Ramn Cancelo
n
N ( 0 , 1 )

P ( z < N ( 0 ,1) < z
= P z <
< z =
N ( 0 ,1)
1
2
-3
1
2
-2
-1
156
Jos Ramn Cancelo
Despejando

P z
< < +z
n
Este intervalo no se puede utilizar en la prctica, ya que no se conoce y por lo tanto no

se pueden calcular los extremos del intervalo. Sin embargo, se demuestra que si n es
grande esta expresin se puede aproximar por:
P z
< < +z
n
157
Jos Ramn Cancelo
Ejemplo 10:
Poisson con parmetro desconocido. Extraemos una muestra aleatoria simple de 300
das, en la que obtenemos un promedio diario igual a 11.3 camiones. Calcular el
intervalo de confianza al 90% para el parmetro .
Datos del problema:
* X = nmero diario de camiones Poisson con parmetro
* ?
* m.a.s. de tamao n = 300 muestra grande = x = 11.3

158
Jos Ramn Cancelo
N ( 0 ,1)
90 %
5%
5%
-3
-2
1.64
-1
1.64
Sustituyendo:
11.3 1.64
11.3
< < 11.3 + 1.64
300
11.3
300
11.0 < < 11.6

Tenemos una confianza del 90% de que el parmetro , y por lo tanto el nmero medio
de camiones que llegan diariamente a la terminal, est entre 11.0 y 11.6.
159
Jos Ramn Cancelo
2.4.3 Intervalo de confianza para la diferencia de proporciones

poblacionales y muestras independientes
El problema:
xi
P ( X = xi )
px
1-px
yi
P ( Y = yi )
py
1-py

px py ?
160
Jos Ramn Cancelo
m.a.s de tamao m de la poblacin X ( X1, X2, , Xm ) p x

m.a.s de tamao n de la poblacin Y
( Y1, Y2, , Yn ) p y
( px py ) ( px py )
p y (1 p y )
p x (1 p x )
+
m
n
N ( 0 , 1 )
,n

P ( z < N ( 0 ,1) < z
= P z <
( px py ) ( px py )
< z =
p y (1 p y )
p x (1 p x )
+
m
n
161
Jos Ramn Cancelo
N ( 0 ,1)
1
2
-3
1
2
-2
-1
Despejando

( px py ) z
=
p y (1 p y )
p x (1 p x )
+
m
n
p y (1 p y )
p x (1 p x )
+
< px py <
m
n
( px py ) + z
162
Jos Ramn Cancelo
Este intervalo no se puede utilizar en la prctica, ya que no se conocen los productos

px(1px) y py(1py), y por lo tanto no se pueden calcular los extremos del intervalo. Sin
embargo, se demuestra que si m y n son grandes esta expresin se puede aproximar por:

( px py ) z
p y (1 p y )
p x (1 p x )
+
< px py <
m
n
p y (1 p y )
p x (1 p x )
( px py ) + z
+
m
n
163
Jos Ramn Cancelo
Ejemplo 11:
La Xunta de Galicia est realizando un estudio sobre el consumo de productos lcteos

por tramos de edad. En una muestra de 600 personas entre 35 y 44 aos se obtuvo que el
42% de los encuestados consuma habitualmente este tipo de productos, en tanto que en
una muestra de 400 individuos entre 45 y 64 aos el porcentaje fue del 34%. Construir
el intervalo de confianza al 95% para la diferencia de las proporciones de consumidores
habituales de productos lcteos en estos dos grupos de edad en el conjunto de la
poblacin gallega.
164
Jos Ramn Cancelo
Datos del problema:

* X = consumir habitualmente productos lcteos en la franja de edad 35-44 B ( 1 , px )
* Y = consumir habitualmente productos lcteos en la franja de edad 45-64 B ( 1 , py )
* px py ?
* m.a.s. de tamao m = 600 de la poblacin X muestra grande p x = 0.42

muestra grande p y = 0.34
N ( 0 ,1)
95%
2. 5%
2.5%
-3
-2
1 .96
-1
1.96
165
Jos Ramn Cancelo
Sustituyendo:
( 0.42 0.34 ) 1.96
0.42 (1 0.42)
0.34 (1 0.34)
+
< px py <
600
400
( 0.42 0.34 ) + 1.96
0.42 (1 0.42)
0.34 (1 0.34)
+
600
400
0.019 < p x p y < 0.141
Tenemos una confianza del 95% de que la proporcin de la poblacin que consume
productos lcteos diariamente es entre un 1.9% y un 14.1% mayor en la franja de edad
35-44 aos, que en la franja 45-64.
166
Jos Ramn Cancelo
EJERCICIOS PROPUESTOS DE INTERVALOS DE CONFIANZA

EJERCICIO 1
Una conservera fabrica, entre otros productos, conservas de mejillones en escabeche, y
una mquina se encarga de aadir la cantidad adecuada de escabeche en cada lata. El
proceso no es exacto, de modo que la cantidad de escabeche en una lata cualquiera es
una variable aleatoria que sigue una distribucin normal de media desconocida,
desviacin tpica 178 gramos y varianza 31684. Extraemos una muestra aleatoria simple
de 8 latas, obteniendo una media igual a 305.8 gramos, una cuasidesviacin tpica igual
a 202, y una cuasivarianza igual a 40804. Calcular el intervalo de confianza para la
cantidad media de escabeche por lata en la poblacin, con un nivel de confianza del
90%.
Solucin:
El intevalo de confianza es ( 202.59 , 409.01 ).
167
Jos Ramn Cancelo
EJERCICIO 2
El importe de una compra con tarjeta de crdito es una variable aleatoria que sigue una
distribucin normal de media desconocida, desviacin tpica 96 euros y varianza 9216.
Extraemos una muestra aleatoria simple de 4 compras, obteniendo una media igual a
234.4 euros, una cuasidesviacin tpica igual a 105.8, y una cuasivarianza igual a
11193.64. Calcular el intervalo de confianza para el importe medio de las compras con
tarjeta de crdito en la poblacin, con un nivel de confianza del 99%.
Solucin:
168
Jos Ramn Cancelo
EJERCICIO 3
Dos materias primas, A y B, se negocian diariamente en los mercados internacionales.
El precio diario de A, en euros por tonelada, sigue una distribucin normal de
parmetros desconocidos, y lo mismo ocurre con el de B, tambin expresado en euros
por tonelada. Hemos extrado dos muestras aleatorias simples independientes de cada
materia prima. De A tenemos una muestra de 8 das, con un precio medio de 135 euros /
tonelada, cuasidesviacin tpica 69, y cuasivarianza 4761. Para B la muestra es de 11
das, con media 118.6 euros por tonelada, cuasidesviacin tpica 35, y cuasivarianza
1225. Calcular el intervalo de confianza para el cociente de varianzas poblacionales
(precio de A dividido entre precio de B), con un nivel de confianza del 90%.
Solucin:
169
Jos Ramn Cancelo
EJERCICIO 4
Dos cadenas de televisin, Cadena 12 y TV 19, estrenaron en la misma semana dos
programas de contenidos muy similares; Cadena 12 lo hizo el martes, y TV 19 el jueves.
El martes, a la hora en que Cadena 12 emiti su programa, tomamos una muestra
aleatoria simple de 155 hogares, y observamos que el 23.9% estaba viendo el programa
de Cadena 12. Repetimos el proceso el jueves, y en una muestra aleatoria simple de 255
hogares observamos que el 29.8% estaba viendo el programa de TV19. Calcular el
intervalo de confianza para la diferencia de proporciones poblacionales (Cadena 12
menos TV 19), con un nivel de confianza del 95%.
Solucin:
El intevalo de confianza es ( -14.65% , 2.85% ).
170
Jos Ramn Cancelo
EJERCICIO 5
En un pas de la Unin Europea hay varias empresas que ofrecen conexin a internet
mediante el telfono mvil, y entre ellas estn Intermovil y Moviltenet. Sabemos que el
nmero de das que un cliente de Intermovil mantiene su relacin con la empresa antes
de pasarse a la competencia se distribuye normal con parmetros desconocidos, y lo
mismo ocurre con un cliente de Moviltenet. Tambin se sabe que las desviaciones
tpicas poblacionales son iguales en las dos compaas. A partir de los registros
histricos de Intermovil se ha obtenido una muestra aleatoria simple de 11 antiguos
clientes, con un tiempo medio de permanencia igual a 273 das, cuasidesviacin tpica
98, y cuasivarianza 9604. De forma independiente, se obtuvo una muestra aleatoria
simple de 8 antiguos clientes de Moviltenet, con media 330.4 das, cuasidesviacin
tpica 133, y cuasivarianza 17689. Calcular el intervalo de confianza para la diferencia
de los tiempos medios de permanencia poblacionales (Intermovil menos Moviltenet),
con un nivel de confianza del 95%.
Solucin: El intevalo de confianza es ( -168.89 , 54.09 ).
171
Jos Ramn Cancelo
EJERCICIO 6
Una empresa de comercio electrnico sabe que el nmero de visitantes por hora de su
pgina web sigue una distribucin normal con parmetros desconocidos. Para estimar la
media horaria de visitantes extrajo una muestra aleatoria simple de 10 intervalos
horarios, en los cuales en promedio hubo 455 visitantes, con una cuasidesviacin tpica
de 267.4, y una cuasivarianza de 71502.76. Calcular el intervalo de confianza para la
media horaria de visitantes de su pgina en la poblacin, con un nivel de confianza del
80%.
Solucin:
172
Jos Ramn Cancelo
EJERCICIO 7
El nmero anual de horas extras que trabaja un empleado de los servicios de urgencia
sigue una distribucin normal de parmetros desconocidos. Hemos obtenido una
muestra aleatoria simple de 20 empleados, en la que la media es igual a 282.8 horas, la
cuasidesviacin tpica es 195.3, y la cuasivarianza 38142.09. Calcular el intervalo de
confianza para la varianza del nmero anual de horas extras en la poblacin, con un
nivel de confianza del 95%. Calcular el intervalo de confianza para la desviacin tpica
poblacional con el mismo nivel de confianza.
Solucin:
El intevalo de confianza para la varianza poblacional es ( 22060.87 , 81335.54 ).
El intevalo de confianza para la desviacin tpica poblacional es ( 148.53 , 285.19 ).
173
Jos Ramn Cancelo
EJERCICIO 8
Una empresa vende una parte de su produccin en el mercado espaol, y el resto en
otros mercados de la Unin Europea (UE). Se sabe que las ventas mensuales en el
mercado espaol siguen una distribuye normal, con media desconocida, desviacin
tpica 278 unidades monetarias (um) y varianza 77284. Por su parte, las ventas
mensuales en los mercados del resto de la UE tambin se distribuyen normal, con media
desconocida, desviacin tpica 306 um y varianza 93636.
Se ha obtenido una muestra aleatoria simple de 6 meses para las ventas en Espaa, con
los siguientes resultados: media 482.1 um, cuasidesviacin tpica 230.8, y cuasivarianza
53268.64. Para las ventas en el extranjero se obtuvo una muestra aleatoria simple de 5
meses: en promedio el importe mensual de las ventas fue de 540.6 um, con una
cuasidesviacin tpica igual a 356.5, y una cuasivarianza igual a 127092.25.
Calcular el intervalo de confianza para la diferencia de las medias poblacionales (ventas
en Espaa menos ventas en el resto de la UE), con un nivel de confianza del 99%.
174
Jos Ramn Cancelo
EJERCICIO 9
El nmero diario de accidentes de trabajo de cierta gravedad en Espaa se distribuye
Poisson con parmetro desconocido. A partir de los registros de los hospitales y
servicios de urgencia hemos extrado una muestra aleatoria simple de 260 das, con una
media de 13.5 accidentes, cuasidesviacin tpica igual a 8.5, y cuasivarianza 72.25.
Calcular el intervalo de confianza para el nmero medio diario de accidentes de trabajo
graves en Espaa en la poblacin, con un nivel de confianza del 95%.
Solucin:
175
Jos Ramn Cancelo
EJERCICIO 10
Estamos analizando el grado de satisfaccin con los distintos medios de transporte
pblico interprovincial, para lo cual pedimos a los viajeros que hagan una valoracin
global del tiempo que dura el viaje, la comodidad y la puntualidad. Para los que viajan
en tren obtenemos una muestra aleatoria simple de 110 personas, de las cuales un 25.9%
estn satisfechos con el servicio. Para los que viajan en autobs la muestra aleatoria
simple es de 210 personas, con un porcentaje de satisfechos del 23.4%. Calcular el
intervalo de confianza para la diferencia de proporciones poblacionales de viajeros
satisfechos entre tren y autobs (tren menos autobs), con un nivel de confianza del
95%.
Solucin:
El intevalo de confianza es ( -7.49% , 12.49% ).
176
Jos Ramn Cancelo
EJERCICIO 11
Queremos estimar la proporcin de automovilistas corueses que, cuando aparca en
zona regulada, paga el correspondiente tique de la ORA. Para ello extraemos una
muestra aleatoria simple de 240 automviles aparcados en zona azul, en la que
obtenemos una proporcin muestral igual al 52.6%. Calcular el intervalo de confianza
para la proporcin de automviles correctamente aparcados en la poblacin, con un
Solucin:
El intevalo de confianza es ( 46.28% , 58.92% ).
177
Jos Ramn Cancelo
EJERCICIO 12
Pretendemos estimar la proporcin de clientes de una compaa area que estn

dispuestos a pagar un cargo adicional para poder acceder a internet durante el vuelo.
Para ello hemos extrado una muestra aleatoria simple de 120 viajeros, en la que
obtenemos una proporcin muestral igual al 31.6%. Calcular el intervalo de confianza
para la proporcin de viajeros en la poblacin que estn dispuestos a pagar ms a
cambio de usar internet, con un nivel de confianza del 95%.
Solucin:
El intevalo de confianza es ( 23.28% , 39.92% ).
178
Jos Ramn Cancelo
EJERCICIO 13
En el mes de junio muchas personas que perciben rentas de trabajo estn obligadas a hacer la
declaracin del IRPF y, en caso de que salga positiva, a abonar una cantidad adicional a la que
ya se les ha retenido. La cantidad que ha de abonar un trabajador asalariado que est en esa
situacin es una variable aleatoria que se distribuye normal, con media desconocida, desviacin
tpica 138 euros y varianza 19044. Por su parte, la cantidad que han de pagar los trabajadores
autnomos en las mismas circunstancias tambin se distribuye normal, con media desconocida,
desviacin tpica 89 euros y varianza 7921.
Se ha obtenido una muestra aleatoria simple de 7 trabajadores asalariados con declaracin a
ingresar, con los siguientes resultados: importe medio 361.6 euros, cuasidesviacin tpica 150, y
cuasivarianza 22500. Para los autnomos se obtuvo una muestra aleatoria simple de 9 personas:
en promedio han de pagar 311.9 euros, con una cuasidesviacin tpica igual a 80.2, y una
cuasivarianza igual a 6432.04. Calcular el intervalo de confianza para la diferencia de las
medias poblacionales (cantidad a pagar por asalariados menos cantidad a pagar por autnomos),
con un nivel de confianza del 99%.
179
Jos Ramn Cancelo
EJERCICIO 14
Un sindicato sabe que el salario semanal de los trabajadores en la industria alimentaria

sigue una distribucin normal de parmetros desconocidos. Para medir la dispersin
salarial ha obtenido una muestra aleatoria simple de 16 trabajadores, en la que la media
es igual a 438.4 euros, la cuasidesviacin tpica es 141.8, y la cuasivarianza 20107.24.
Calcular el intervalo de confianza para la varianza de los salarios en la poblacin, con
un nivel de confianza del 90%. Calcular el intervalo de confianza para la desviacin
tpica poblacional con el mismo nivel de confianza.
Solucin:
El intevalo de confianza para la varianza poblacional es ( 12064.34 , 41543.88 ).
El intevalo de confianza para la desviacin tpica poblacional es ( 109.84 , 203.82 ).
180
Jos Ramn Cancelo
EJERCICIO 15
Un gran grupo de distribucin textil comercializa sus productos bajo dos marcas, Youngs y
Classic. La primera est dirigida a un segmento de clientes ms jvenes, en tanto que la segunda
tiene como objetivo a los consumidores de 45 o ms aos. Se sabe que la facturacin anual de
una tienda de la marca Youngs es una variable aleatoria que se distribuye normal con parmetros
desconocidos, al igual que las ventas anuales de una tienda Classic. Tambin se sabe que las
desviaciones tpicas poblacionales son iguales en las dos marcas.
Se ha obtenido una muestra aleatoria simple de 6 tiendas de la marca Youngs, con unas ventas
anuales medias en el ltimo ejercicio iguales a 317.8 unidades monetarias (um), cuasidesviacin
tpica 118, y cuasivarianza 13924. De forma independiente, se obtuvo una muestra aleatoria
simple de 11 tiendas Classic, con una venta media de 377.7 um, cuasidesviacin tpica 223, y
cuasivarianza 49729. Calcular el intervalo de confianza para la diferencia de ventas medias por
tienda en la poblacin (Youngs menos Classic), con un nivel de confianza del 95%.
Solucin:
El intevalo de confianza es ( -270.19 , 150.39 ).
181
Jos Ramn Cancelo
EJERCICIO 16
El gasto mensual en alimentacin de una familia gallega sigue una distribucin normal
de parmetros desconocidos, y lo mismo con el gasto en vestido y calzado. Hemos
extrado dos muestras aleatorias simples independientes de cada tipo de gasto. Para el
gasto en alimentacin tenemos una muestra de 8 familias, con un importe medio de
435.9 euros, cuasidesviacin tpica 208, y cuasivarianza 43264. Para el gasto en vestido
y calzado la muestra es de 8 familias, la media 340.1 euros, la cuasidesviacin tpica 99,
y la cuasivarianza 9801. Calcular el intervalo de confianza para el cociente de varianzas
poblacionales (gasto en alimentacin dividido entre gasto en vestido y calzado), con un
Solucin:
182
Jos Ramn Cancelo
EJERCICIO 17
El servicio tcnico oficial de un fabricante de electrodomsticos tiene un telfono 902,

al que los clientes han de llamar cuando algn aparato se avera. Se sabe que el nmero
de llamadas horarias que se reciben en este telfono se distribuye Poisson, aunque no se
conoce el valor del parmetro de la distribucin. Hemos extrado una muestra aleatoria
simple de 300 intervalos horarios, con una media de 8.7 llamadas, cuasidesviacin
tpica igual a 4, y cuasivarianza 16. Calcular el intervalo de confianza para el nmero
medio de llamadas por hora en la poblacin, con un nivel de confianza del 90%.
Solucin:
183
Jos Ramn Cancelo
EJERCICIO 18
Un consorcio de ayuntamientos est analizando la movilidad interurbana y las

infraestructuras que habra que acometer para reducir los tiempos de desplazamiento. Se
sabe que el tiempo que un trabajador de la zona emplea en ir y volver al trabajo (en
minutos por semana) sigue una distribucin normal con parmetros desconocidos.
Hemos obtenido una muestra aleatoria simple de 7 trabajadores, que en promedio tardan
195.7 minutos a la semana en sus desplazamientos, con una cuasidesviacin tpica de
51.4, y una cuasivarianza de 2641.96. Calcular el intervalo de confianza para el tiempo
medio en la poblacin, con un nivel de confianza del 80%.
Solucin:
184
Jos Ramn Cancelo
CAPITULO 3. CONTRASTACION DE HIPOTESIS

3.1 Planteamiento general
3.2 Contrastes de hiptesis en poblaciones normales
3.3 Algunos contrastes de hiptesis para muestras grandes
Ejercicios propuestos de contrastes de hiptesis
185
Jos Ramn Cancelo
3.1 PLANTEAMIENTO GENERAL

3.1.1 El problema
Poblacin X F ( x ; )
?
A diferencia de lo que supusimos en el captulo anterior, aqu tenemos razones para
creer que el parmetro toma un determinado valor, = 0.
186
Jos Ramn Cancelo
Objetivo de la muestra:
0 ?
S las observaciones de la realidad y nuestra hiptesis sobre el valor del parmetro

son compatibles Decisin: no rechazo = 0.
No la realidad contradice nuestra hiptesis Decisin: rechazo = 0.
La cuestin a determinar:
Qu discrepancia entre y 0 podemos admitir?
187
Jos Ramn Cancelo
3.1.2 Conceptos bsicos

HIPOTESIS NULA (H0)
Valor o valores que suponemos que toma el parmetro desconocido:
H0: = 0
H0: 0
HIPOTESIS ALTERNATIVA (H1)

Valor o valores que en principio podra tomar el parmetro, pero que descartamos al
definir nuestra hiptesis:
H1: = 1
H1: 1
188
Jos Ramn Cancelo
REGION DE RECHAZO o REGION CRITICA (R)

Conjunto de posibles valores del estimador que nos llevan a rechazar la hiptesis nula:
Decisin: rechazo H0
REGION DE NO RECHAZO (R*)

Conjunto de posibles valores del estimador que nos llevan a no rechazar la hiptesis
nula:
R*
Decisin: no rechazo H0
189
Jos Ramn Cancelo
CONTRASTE DE HIPOTESIS SIMPLE

Cuando el parmetro desconocido slo puede tomar dos valores, 0 y 1.
En este caso, solo hay un valor tanto en H0 como en H1:
H0: = 0
H1: = 1
CONTRASTE DE HIPOTESIS COMPUESTA

Cuando el parmetro desconocido puede tomar ms de dos valores.
En este caso, H0 y/o H1 incluyen varias posibilidades:
H0: = 0
H0: = 0
H0: = 0
H0: 0
H1: 0
H1: > 0
H1: < 0
H1: 1
190
Jos Ramn Cancelo
TIPOS DE ERRORES QUE PODEMOS COMETER:
Realidad
Decisin
Rechazo H0
No Rechazo H0
H0 verdadera
H0 falsa
Error de tipo I
Decisin correcta
Decisin correcta
Error de tipo II
Error de tipo I: rechazar H0 cuando H0 es verdadera

Error de tipo II: no rechazar H0 cuando H0 es falsa
191
Jos Ramn Cancelo
PROBABILIDADES ASOCIADAS A UN CONTRASTE DE HIPOTESIS:

Probabilidad de cometer un error de tipo I
P ( ETI ) = P ( R H0 si H0 V ) =
Tambin se conoce como nivel de significacin o tamao del contraste.
Probabilidad de cometer un error de tipo II

P ( ETII ) = P ( No R H0 si H0 F )
Potencia del contraste

Potencia = P ( R H0 si H0 F )
192
Jos Ramn Cancelo
Ejemplo 1:
El problema:
* Poblacin X N ( , 1 )
* ? , = 1 conocida
* Sabemos que necesariamente = 1 o = 3
* Creemos que = 1 , pero no estamos seguros
* Hiptesis nula: = 1
* Hiptesis alternativa: = 3
contraste de hiptesis simple
H0: = 1
H1: = 3
193
Jos Ramn Cancelo
Procedimiento para decidir:

* m.a.s. tamao n = 2 ( X1 , X2)
* estimador: = x =
* regla de decisin:
X1 + X 2
2
x < 2.2 mantenemos = 1
(Regin de no rechazo)
x > 2.2 cambiamos de idea (Regin de rechazo)
194
Jos Ramn Cancelo
Anlisis:
* Poblacin: dos posibilidades, N ( 1 , 1 ) o N ( 3 , 1 )
N (1,1)
-2
-1
N (3,1)
195
Jos Ramn Cancelo
* Distribucin del estimador = x :

_
x N(,
N (1,
-2
1
) = N(,
)
2
n
1
)
2
-1
N (3,
1
)
2
196
Jos Ramn Cancelo
* Regla de decisin: x < 2.2 mantenemos = 1
x > 2.2 cambiamos de idea (Regin de rechazo)
=3
=1
H 0 falsa
H 0 verdadera
No Re chazo H 0
2 .2
Re chazo H 0
197
Jos Ramn Cancelo
Probabilidades asociadas:
1) NIVEL DE SIGNIFICACION o PROBABILIDAD DE ERROR DE TIPO I
Es la probabilidad de rechazar la hiptesis nula cuando es verdadera.
_
= P ( ETI ) = P ( R H 0 si H 0 V ) = P ( x > 2.2 si = 1 ) =

_
1
_
= P x > 2.2 si x N ( 1 ,
) = ( ... ) = 0.0446
2
N (1,
1
)
2
N (3,
1
)
2
P ( ETI ) = 0.0446
-2
-1
2.2 Re chazo H 0
198
Jos Ramn Cancelo
2) PROBABILIDAD DE ERROR DE TIPO II

Es la probabilidad de no rechazar la hiptesis nula cuando es falsa.
_
P ( ETII ) = P ( No R H 0 si H 0 F ) = P ( x < 2.2 si = 3 ) =

_
1
_
= P x < 2.2 si x N ( 3 ,
) = ( ... ) = 0.1292
2
N(1,
1
)
2
N(3,
1
)
2
P ( ETII ) = 0.1292
-2
-1
No Re chazo H 0 2.2
199
Jos Ramn Cancelo
3) POTENCIA DEL CONTRASTE

Es la probabilidad de rechazar la hiptesis nula cuando es falsa.
_
Potencia = P ( R H 0 si H 0 F ) = P ( x > 2.2 si = 3 ) =

_
1
_
= P x > 2.2 si x N ( 3 ,
) = ( ... ) = 0.8708
2
N(1,
N(3,
1
)
2
1
)
2
Potencia = 0.8708
-2
-1
2.2 Re chazo H 0
200
Jos Ramn Cancelo
Relacin entre la potencia y la probabilidad de error de tipo II:
P ( ETII ) + Potencia = 0.1292 + 0.8708 = 1
N(1,
N(3,
1
)
2
1
)
2
Potencia = 0.8708
P ( ETII ) = 0.1292
-2
-1
No Re chazo H 0
2.2 Re chazo H 0
201
Jos Ramn Cancelo
3.1.3 Determinacin de la regla de decisin

PROPUESTA 1:
Escogemos la regin de rechazo que
Minimiza P ( error tipo I )
Minimiza P ( error tipo II )
PERO:
no podemos disminuir las dos probabilidades a la vez
lo que se necesita hacer para reducir una probabilidad conlleva un aumento de la otra
202
Jos Ramn Cancelo
PROPUESTA 2:
En la prctica los dos errores no tienen la misma importancia.
Normalmente es peor cometer un error de tipo I (rechazar una hiptesis verdadera) que
un error de tipo II (no rechazar una hiptesis falsa).
Por lo tanto la regla de decisin se determina en dos etapas:
Etapa 1) Se fija la probabilidad de cometer un error de tipo I (nivel de significacin).
Lo ms habitual es 5%; tambin 10% o 1%.
Etapa 2) Se escoge la regin de rechazo que minimiza la probabilidad de error de tipo
II, condicionado al nivel de significacin fijado anteriormente.
203
Jos Ramn Cancelo
Supongamos que se nos propone utilizar la siguiente regla alternativa:
_
mantenemos = 1
0.36 < x < 2.49
* RD 2
_
x < 0.36 o x > 2.49 cambiamos de idea (Regin de rechazo)
N (1,
-2
1
)
2
-1
Re chazo H 0
N (3,
0.36
No Re chazo H 0
2.49 Re chazo H 0
1
)
2
204
Jos Ramn Cancelo
Etapa 1) comparacin de las probabilidades de error de tipo I

Regla de decisin 2:
_
= P ( ETI ) = P ( R H 0 si H 0 V ) = P ( x < 0.36 o x > 2.49 si = 1 ) =

_
_
1
_
= P x < 0.36 o x > 2.49 si x N ( 1 ,
) = ( ... ) = 0.0446
2
N (1,
1
)
2
N (3,
1
)
2
P ( ETI ) = 0 .0446
-2
-1
Re chazo H 0
0.36
No Re chazo H 0
Regla decisin 1 P ( ETI ) = 0.0446
2.49
Re chazo H 0
0.0446 = P ( ETI ) Regla decisin 2
Conclusin: las dos reglas propuestas tienen la misma probabilidad de error de tipo I.
205
Jos Ramn Cancelo
Etapa 2) comparacin de las probabilidades de error de tipo II

Regla de decisin 2:
_
P ( ETII ) = P ( No R H 0 si H 0 F ) = P ( 0.36 < x < 2.49 si = 3 ) =

_
_
1
) = ( ... ) = 0.2358
= P 0.36 < x < 2.49 si x N ( 3 ,
2
N(1,
1
)
2
N(3,
1
)
2
P (ETII) = 0.2358
-2
-1
Re chazo H 0 0.36
No Re chazo H 0
Regla decisin 1 P ( ETII ) = 0.1292
<
2.49
Re chazo H 0
0.2358 = P ( ETII ) Regla decisin 2
Conclusin: escogeremos la primera regla de decisin.
206
3.2
CONTRASTES
DE
Jos Ramn Cancelo
HIPOTESIS
EN
POBLACIONES
NORMALES
3.2.1 Contrastes para la media de la poblacin con conocida
El problema:
XN(,)
? , conocida
m.a.s. de tamao n
= x
x
N ( 0 ,1)
nivel de significacin = P ( ETI ) = (dado)

207
Jos Ramn Cancelo
CASO A (dos colas):

H0: = 0
N ( 0 ,1)
H1: 0
-3
-2
-1
Regin de rechazo:
_
x < k1 o x > k2
k1 = 0 z
k 2 = 0 + z
208
Jos Ramn Cancelo
CASO B (cola derecha):

H0: = 0
N ( 0 ,1)
H1: > 0
-3
-2
-1
Regin de rechazo:
_
x > k
k = 0 + z
209
Jos Ramn Cancelo
CASO C (cola izquierda):

H0: = 0
N ( 0 ,1)
H1: < 0
-3
-2
-1
Regin de rechazo:
_
x < k
k = 0 z
210
Jos Ramn Cancelo
Ejemplo 2, apartado a:
media desconocida y desviacin tpica 5 gramos. Extraemos una muestra aleatoria
simple de 16 cajas y las pesamos, obteniendo una media muestral igual a 503.75
gramos. Contrastar la hiptesis de que el peso medio de las cajas de muesli de Cerealia
es igual a 500 gramos, frente a la alternativa de que es menor que 500 gramos, con un
nivel de significacin del 5%.
211
Jos Ramn Cancelo
Datos del problema:

* X = peso de la caja de muesli de Cerealia N ( , 5 )
* ? , = 5 conocida
* H0: = 500
H1: < 500
= x = 503.75
* nivel de significacin = P ( ETI ) = = 0.05

Adems, se sabe que:
_
x
N ( 0 ,1)
5
16
212
Jos Ramn Cancelo
Procedimiento para hacer el contraste:

* Sabemos que 500
* H0: = 500 hiptesis propuesta
* H1: < 500 me preocupa = x <<< 500

* Regla de decisin:
_
- Si x < k
_
- Si x > k
Rechazo
H0: = 500
No Rechazo H0: = 500

k?
213
Jos Ramn Cancelo
= P ( ETI ) = P ( R H 0 si H 0 V ) = P ( x < k si = 500 ) =

_
_
= P x < k si x N ( 500 ,
) =
16
k 500
= P N(0,1) <
5
16
= ( fijado a priori ) = 0.05
N ( 0 ,1)
5%
-3
-2
1.64
-1
214
Jos Ramn Cancelo
* El valor que delimita la regin de rechazo es:

k 500
= 1.64 k = 500 1.64
5
16
5
= 497.95
16
* La regla de decisin es:

_
- Si x < 497.95
_
- Si x > 497.95
Rechazo
H0: = 500
* En la muestra
_
x = 503.75
>
497.95
y por lo tanto no rechazo que en promedio las cajas de muesli de Cerealia pesen 500
gramos frente a la alternativa de que pesan menos, con un nivel de significacin del 5%.
215
Jos Ramn Cancelo
Ejemplo 2, apartado b:
Con los datos del apartado anterior, contrastar la hiptesis de que el peso medio en la
poblacin es igual a 500 gramos, frente a la alternativa de que es mayor que 500
gramos, con un nivel de significacin del 5%.
H0: = 500
H1: > 500
* Sabemos que 500
* H1: > 500 me preocupa = x >>> 500

* Regla de decisin:
_
- Si x > k
_
- Si x < k
Rechazo
H0: = 500

k?
216
Jos Ramn Cancelo
= P ( ETI ) = P ( R H 0 si H 0 V ) = P ( x > k si = 500 ) =

_
_
5
) =
= P x > k si x N ( 500 ,
16
k 500
= P N(0,1) >
5
16
N ( 0 ,1)
5%
-3
-2
-1
1.64
217
Jos Ramn Cancelo

k 500
= 1.64 k = 500 + 1.64
5
16
5
= 502.05
16

_
- Si x > 502.05
_
- Si x < 502.05
Rechazo
H0: = 500
* En la muestra
_
x = 503.75
>
502.05
y por lo tanto rechazo que en promedio las cajas de muesli de Cerealia pesen 500
gramos frente a la alternativa de que pesan ms, con un nivel de significacin del 5%.
218
Jos Ramn Cancelo
Ejemplo 2, apartado c:
Con los datos del apartado anterior, contrastar la hiptesis de que el peso medio en la
poblacin es igual a 500 gramos, frente a la alternativa de que la media es distinta de
500 gramos, con un nivel de significacin del 5%.
H0: = 500
H1: 500
* Sabemos que puede ser mayor, menor o igual a 500
* H1: 500 me preocupa = x 500

* Regla de decisin:
_
- Si x < k1 o x > k2 Rechazo

_
- Si k1 < x < k2
H0: = 500

k1 , k2 ?
219
Jos Ramn Cancelo
= P ( ETI ) = P ( R H 0 si H 0 V ) = P ( x < k 1 o x > k 2 si = 500 ) =

_
_
_
= P x < k 1 o x > k 2 si x N ( 500 ,

) =
16
k 500
k 500
= P N (0,1) < 1
o N(0,1) > 2
5
5
16
16
N ( 0 ,1)
2 .5%
2 .5%
-3
-2
1.96
-1
1.96
220
Jos Ramn Cancelo
* Los valores que delimitan la regin de rechazo son:
k 1 500
= 1.96 k 1 = 500 1.96
5
16
k 2 500
= 1.96
5
16
k 2 = 500 + 1.96
5
= 497.55
16
5
= 502.45
16

_
- Si x < 497.55 o x > 502.45

- Si
497.55 < x < 502.45
* En la muestra
x = 503.75
>
Rechazo
H0: = 500
502.45
y por lo tanto rechazo que en promedio las cajas de muesli de Cerealia pesen 500
gramos frente a la alternativa de que no pesan 500 gramos, con un nivel de significacin
del 5%.
221
Jos Ramn Cancelo
3.2.2 Contrastes para la varianza de la poblacin

El problema:
XN(,)
2 ? , desconocida
m.a.s. de tamao n
2 = s c2
(n 1) s c2
2
n 1
2
222
Jos Ramn Cancelo
CASO A (dos colas):

H0: 2 = 20
2n 1
H1: 2 20
Regin de rechazo:
s c2 < k1 o s c2 > k2
k1 =
a 02
n 1
k2 =
b 02
n 1
223
Jos Ramn Cancelo

H0: 2 = 20
2n 1
H1: 2 > 20
Regin de rechazo:
s c2 > k
k =
b 02
n 1
224
Jos Ramn Cancelo

2
H0: =
2n 1
2
0
H1: 2 < 20
Regin de rechazo:
s c2 < k
k =
a 02
n 1
225
Jos Ramn Cancelo
normal de parmetros desconocidos, y se ha obtenido una muestra aleatoria simple de
10 coches, en la que la cuasivarianza es igual a 0.29. Contrastar la hiptesis de que la
varianza poblacional de la velocidad en dicho punto negro es igual a 0.8 frente a la
alternativa de que es distinta de 0.8, con un nivel de significacin del 5%.
226
Jos Ramn Cancelo
Datos del problema:

* X = velocidad al pasar por el punto negro N ( , )
* 2 ? , desconocida
* H0: 2 = 0.8
H1: 2 0.8
2 = s c2 = 0.29

Adems, se sabe que:
( 10 1) s c2
2
*
10
1
2
227
Jos Ramn Cancelo

* Sabemos que 2 puede ser mayor, menor o igual a 0.8
* H0: 2 = 0.8 hiptesis propuesta
* H1: 0.8 me preocupa 2 = s c2 0.8

* Regla de decisin:
- Si s c2 < k1 o s c2 > k2
- Si k1 < s c2 < k2
Rechazo
H0: 2 = 0.8
No Rechazo H0: 2 = 0.8
k1 , k2 ?
228
Jos Ramn Cancelo
2
10
1
2 .5 %
2 .5 %
2.7
10
12
14
16
18
20
19.02
22
24
26

k1
k2 =
2.7 0.8
10 1
= 0.240
19.02 0.8
10 1
= 1.691
229
Jos Ramn Cancelo

- Si s c2 < 0.240 o s c2 > 1.691
- Si
0.240 < s c2 < 1.691
Rechazo
H0: 2 = 0.8
* En la muestra
s c2 = 0.29
( 0.240 , 1.691 )
y por lo tanto no rechazo que la varianza de la velocidad a la que los coches pasan por el
punto negro sea igual a 0.8, frente a la alternativa de que no sea igual a 0.8, con un nivel
de significacin del 5%.
230
Jos Ramn Cancelo
Ejemplo 3, apartado b:
Con los datos del apartado anterior, contrastar la hiptesis de que la varianza de la
velocidad es igual a 0.8, frente a la alternativa de que es mayor que 0.8, con un nivel de
significacin del 5%.
H0: 2 = 0.8
H1: 2 > 0.8
* Sabemos que 2 0.8
* H1: > 0.8 me preocupa 2 = s c2 >>> 0.8

* Regla de decisin:
H0: 2 = 0.8
- Si s c2 > k
Rechazo
- Si s c2 < k

k?
231
Jos Ramn Cancelo
2
10
1
5%
10
12
14
16
18
16.92
20
22
24
26
16.92 0.8
k =
= 1.504
10 1
H0: 2 = 0.8
- Si s c2 > 1.504
Rechazo
- Si s c2 < 1.504
* En la muestra
s c2 = 0.29 < 1.504
y por lo tanto no rechazo que la varianza de la velocidad a la que los coches pasan por el
punto negro sea igual a 0.8, frente a la alternativa de que es mayor que 0.8, con un nivel
232
Jos Ramn Cancelo
Ejemplo 3, apartado c:
Con los datos del apartado anterior, contrastar la hiptesis de que la varianza de la
velocidad es igual a 0.8, frente a la alternativa de que es menor que 0.8, con un nivel de
H0: 2 = 0.8
H1: 2 < 0.8
* Sabemos que 2 0.8
* H1: < 0.8 me preocupa 2 = s c2 <<< 0.8

* Regla de decisin:
H0: 2 = 0.8
- Si s c2 < k
Rechazo
- Si s c2 > k

k?
233
Jos Ramn Cancelo
2
10
1
5%
3.33
10
12
14
16
18
20
22
24
26
3.33 0.8
k =
= 0.296
10 1
H0: 2 = 0.8
- Si s c2 < 0.296
Rechazo
- Si s c2 > 0.296
* En la muestra
s c2 = 0.29 < 0.296
y por lo tanto rechazo que la varianza de la velocidad a la que los coches pasan por el
punto negro sea igual a 0.8, frente a la alternativa de que es menor que 0.8, con un nivel
234
Jos Ramn Cancelo
3.2.3 Contrastes para la media de la poblacin con desconocida

El problema:
XN(,)
? , desconocida
m.a.s. de tamao n
= x , sc
x
t n 1
sc
n
235
Jos Ramn Cancelo
CASO A (dos colas):

H0: = 0
tn 1
H1: 0
-3
-2
-1
Regin de rechazo:
_
x < k1 o x > k2
k1 = 0 t
sc
n
k 2 = 0 + t
sc
n
236
Jos Ramn Cancelo

H0: = 0
tn 1
H1: > 0
-3
-2
-1
Regin de rechazo:
_
x > k
k = 0 + t
sc
n
237
Jos Ramn Cancelo

H0: = 0
tn 1
H1: < 0
-3
-2
-1
Regin de rechazo:
_
x < k
k = 0 t
sc
n
238
Jos Ramn Cancelo
vehculo de su flota pasa en el taller de reparaciones sigue una distribucin normal. Ha
recogido una muestra aleatoria simple de 9 coches y observado para cada coche el
nmero de das que ha estado fuera de servicio durante el pasado ao, obteniendo una
media igual a 16.2 y una cuasivarianza igual a 22.9. Contrastar la hiptesis de que para
el conjunto de la flota el nmero medio de das al ao que los coches pasan en el taller
es igual a 12, frente a la alternativa de que es distinto de 12, con un nivel de
239
Jos Ramn Cancelo
Datos del problema:

* X = nmero de das al ao que un coche pasa en el taller N ( , )
* ? , desconocida
* H0: = 12
H1: 12
* m.a.s. de tamao n = 9 = x = 16.2 , s c2 = 22.9 , sc = +
22.9 = 4.785

Adems, se sabe que:
_
x
4.785
t 9 1
9
240
Jos Ramn Cancelo

* Sabemos que puede ser mayor, menor o igual que 12
* H1: 12 me preocupa = x 12
* Regla de decisin:
_
- Si x < k1 o x > k2
_
- Si k1 < x < k2
Rechazo
H0: = 12
No Rechazo H0: = 12
k1 , k2 ?
241
Jos Ramn Cancelo
t 91
2 .5 %
2. 5 %
-3
2.3060
-2
-1
2.3060
k 1 = 12 2.3060
22.9
= 8.32
9
k 2 = 12 + 2.3060
22.9
= 15.68
9
242
Jos Ramn Cancelo

_
- Si x < 8.32 o x > 15.68

_
- Si 8.32 < x < 15.68
Rechazo
H0: = 12
No Rechazo H0: = 12
* En la muestra
_
x = 16.2
>
15.68
y por lo tanto rechazo que en promedio los coches de la empresa pasen 12 das al ao en
el taller de reparaciones frente a la alternativa de que no pasen 12 das, con un nivel de
243
Jos Ramn Cancelo
Ejemplo 4, apartado b (Propuesto):

Contrastar la hiptesis de que el nmero medio de das al ao que un coche est fuera de
servicio es igual a 12, frente a la alternativa de que es mayor que 12, con un nivel de
H0: = 12
H1: > 12
Solucin:
_
* Se rechaza la hiptesis nula cuando x > 14.97.

_
* En la muestra x = 16.2 > 14.97, y por lo tanto rechazo que en promedio los coches
de la empresa pasan 12 das al ao en el taller de reparaciones frente a la alternativa de
que pasan ms tiempo, con un nivel de significacin del 5%.
244
Jos Ramn Cancelo
Ejemplo 4, apartado c (Propuesto):

Contrastar la hiptesis de que el nmero medio de das al ao que estn fuera de
servicio es igual a 12, frente a la alternativa de que es menor que 12, con un nivel de
H0: = 12
H1: < 12
Solucin:
_
* Se rechaza la hiptesis nula cuando x < 9.03.

*
En la muestra x = 16.2 > 9.03, y por lo tanto no rechazo que en promedio los
coches de la empresa pasan 12 das al ao en el taller de reparaciones frente a la

alternativa de que pasan menos tiempo, con un nivel de significacin del 5%.
245
Jos Ramn Cancelo
3.2.4 Contrastes para la diferencia de medias poblacionales con x, y

conocidas
El problema:
Poblacin 1:
X N ( x , x )
x desconocida , x conocida
Poblacin 2:
Y N ( y , y )
y desconocida , y conocida
246
m.a.s tamao m de la poblacin X

m.a.s tamao n de la poblacin Y
Jos Ramn Cancelo
x = x
y = y

_
( x y) ( x y )
+
m
n
2
x
2
y
N ( 0 ,1)
247
Jos Ramn Cancelo
CASO A (dos colas):

H0: x - y = 0
N ( 0 ,1)
H1: x - y 0
-3
-2
-1
Regin de rechazo:
_
x y < k1 o x y > k2
k1 = 0 z
2
2x y
+
m
n
k 2 = 0 + z
2
2x y
+
m
n
248
Jos Ramn Cancelo

H0: x - y = 0
N ( 0 ,1)
H1: x - y > 0
-3
-2
-1
Regin de rechazo:
_
x y > k
k = 0 + z
2
2x y
+
m
n
249
Jos Ramn Cancelo

H0: x - y = 0
N ( 0 ,1)
H1: x - y < 0
-3
-2
-1
Regin de rechazo:
_
x y < k
k = 0 z
2
2x y
+
m
n
250
Jos Ramn Cancelo

de media desconocida y desviacin tpica 0.5, en tanto que la de los graduados en
ciencias de la salud sigue una distribucin normal de media desconocida y desviacin
tpica 0.9. Extraemos dos muestras aleatorias simples de forma independiente, una de 50
graduados del mbito de humanidades cuya nota media es 5.3, y otra de 75 graduados
del mbito de ciencias de la salud, con nota media 5.9. Contrastar la hiptesis de que en
el conjunto de graduados la nota media en el mbito de humanidades menos la nota
media en el mbito de ciencias de la salud es igual a 0.2, frente a la alternativa de que
es mayor que 0.2, con un nivel de significacin del 10%.
251
Jos Ramn Cancelo
Datos del problema:

* X = nota de los graduados del mbito de humanidades N ( x , 0.5 )
* x ? , x = 0.5 conocida
* Y = nota de los graduados del mbito de ciencias de la salud N ( y , 0.9 )
* y ? , y = 0.9 conocida
*
H0: x y = 0.2
H1: x y > 0.2
* m.a.s tamao m = 50 de la poblacin X

* m.a.s tamao n = 75 de la poblacin Y
x = x = 5.3
y = y = 5.9

Adems, se sabe que:
_
( x y) ( x y )
2
0.5
0.9
+
50
75
N ( 0 ,1)
252
Jos Ramn Cancelo

* Sabemos que x y 0.2
* H0: x y = 0.2 hiptesis propuesta
_
* H1: x y > 0.2 me preocupa x y >>> 0.2

* Regla de decisin:
_
- Si x y > k
- Si x y < k
Rechazo
H0: x y = 0.2
No Rechazo H0: x y = 0.2

k?
253
Jos Ramn Cancelo
N ( 0 ,1)
10%
-3
-2
-1
1.28

k = 0.2 + 1.28
0.5 2 0.9 2
+
= 0.04
50
75

_
- Si x y > 0.04
_
- Si x y < 0.04
* En la muestra
H0: x y = 0.2
Rechazo

_
x y = 0.6
<
0.04
y por lo tanto no rechazo que la diferencia de notas medias es igual a 0.2 frente a la
alternativa de que sea mayor que 0.2, con un nivel de significacin del 10%.
254
Jos Ramn Cancelo
Contrastar la hiptesis de que la nota media de los graduados en el mbito de

humanidades menos la nota media de los graduados en ciencias de la salud es igual a
0.2, frente a la alternativa de que es distinta de 0.2, con un nivel de significacin del
10%.
H0: x y = 0.2
H1: x y 0.2
Solucin:
_
* Se rechaza la hiptesis nula cuando x y < 0.41 o x y > 0.01.

*
En la muestra x y = 0.6 < 0.41, y por lo tanto rechazo que la diferencia de
notas medias es igual a 0.2 frente a la alternativa de que sea distinta de 0.2, con un
255
Jos Ramn Cancelo
Contrastar la hiptesis de que la nota media de los graduados en el mbito de

humanidades menos la nota media de los graduados en ciencias de la salud es igual a
0.2, frente a la alternativa de que es menor que 0.2, con un nivel de significacin del
10%.
H0: x y = 0.2
H1: x y < 0.2
Solucin:
_
* Se rechaza la hiptesis nula cuando x y < 0.36.

*
En la muestra x y = 0.6 < 0.36, y por lo tanto rechazo que la diferencia de
notas medias es igual a 0.2 frente a la alternativa de que sea menor que 0.2, con un
256
Jos Ramn Cancelo
3.2.5 Contrastes para la diferencia de medias poblacionales con x, y

desconocidas e iguales
El problema:
Poblacin 1:
X N ( x , x )
x desconocida , x desconocida
Poblacin 2:
Y N ( y , y )
y desconocida , y desconocida
Las dos poblaciones tienen la misma desviacin tpica: x = y =
257

Jos Ramn Cancelo
x = x ,
y = y ,
s c2,x
s c2, y

_
( x y) ( x y )
(m 1) s
2
c,x
+ (n 1) s
m+n 2
2
c,y
1
1
+
m
n
t m+n2
258
Jos Ramn Cancelo
CASO A (dos colas):

t m+ n 2
H0: x - y = 0
H1: x - y 0
-3
Regin de rechazo:
_
-2
-1
x y < k1 o x y > k2
k1 = 0 t
k 2 = 0 + t
(m 1) s c2,x + (n 1) s c2, y
m+n 2
(m 1) s c2,x + (n 1) s c2, y
m+n 2
1
1
+
m
n
1
1
+
m
n
259
Jos Ramn Cancelo

t m+ n 2
H0: x - y = 0
H1: x - y > 0
-3
-2
-1
Regin de rechazo:
_
x y > k
k = 0 + t
(m 1) s c2,x + (n 1) s c2, y
m+n 2
1
1
+
m
n
260
Jos Ramn Cancelo

H0: x - y = 0
t m+ n 2
H1: x - y < 0
-3
-2
-1
Regin de rechazo:
_
x y < k
k = 0 t
(m 1) s c2,x + (n 1) s c2, y
m+n 2
1
1
+
m
n
261
Jos Ramn Cancelo
Una agencia de control alimentario est analizando el contenido de grasa de las

hamburguesas de las dos cadenas de restaurantes de comida rpida con mayor cuota de
mercado, Fastfood y Quickmeal. Para ello ha seleccionado dos muestras aleatorias
simples independientes, una de cada cadena. La muestra de Fastfood est compuesta por
8 hamburguesas, con un contenido medio de grasa igual a 31.3 gramos y una
cuasivarianza igual a 4.41. Por su parte, en la muestra de Quickmeal, de 15
hamburguesas, se obtuvo una media de 33.2 gramos y una cuasivarianza igual a 3.24.
Suponiendo que el contenido de grasa de las hamburguesas producidas por estas dos
cadenas se distribuye normal con la misma desviacin tpica, contrastar la hiptesis de
que la diferencia del contenido medio de grasa en gramos (Fastfood Quickmeal) es
igual a 0.5, frente a la alternativa de que es menor que 0.5, con un nivel de significacin
del 10%.
262
Jos Ramn Cancelo
Datos del problema:

* X = contenido de grasa de las hamburguesas de Fastfood N ( x , x )
* Y = contenido de grasa de las hamburguesas de Quickmeal N ( y , y )
* x = y =
* H0: x y = 0.5
H1: x y < 0.5
263
Jos Ramn Cancelo
* m.a.s. de tamao m = 8 de la poblacin X x = x = 31.3 , s c2,x = 4.41
* m.a.s. de tamao n = 15 de la poblacin Y y = y = 33.2 , s c2, y = 3.24

Adems, se sabe que:
_
( x y) ( x y )
(8 1) 4.41 + (15 1) 3.24
8 + 15 2
1
1
+
8
15
t 8 + 15 2
264
Jos Ramn Cancelo

* Sabemos que x y 0.5
* H0: x y = 0.5 hiptesis propuesta
_
* H1: x y < 0.5 me preocupa x y <<< 0.5

* Regla de decisin:
_
- Si x y < k
- Si x y > k
Rechazo
H0: x y = 0.5

k?
265
Jos Ramn Cancelo
t 8 +15 2
10%
-3
-2
-1
1.3232

k = 0.5 1.3232
(8 1) 4.41 + (15 1) 3.24

8 + 15 2
1
1
+
= 0.60
8
15

_
- Si x y < 0.60
- Si x y > 0.60
Rechazo
H0: x y = 0.5
266
Jos Ramn Cancelo
* En la muestra
_
x y = 1.9 < 0.60

y por lo tanto rechazo que en promedio las hamburguesas de Fastfood tengan medio
gramo de grasa ms que las de Quickmeal, frente a la alternativa de que la diferencia es
menor que 0.5, con un nivel de significacin del 10%.
267
Jos Ramn Cancelo
Contrastar la hiptesis de que en promedio las hamburguesas de Fastfood tienen medio

gramo ms de grasa que las hamburguesas de Quickmeal, frente a la alternativa de que
la diferencia de medias es distinta de 0.5, con un nivel de significacin del 10%.
H0: x y = 0.5
H1: x y 0.5
Solucin:
_
* Se rechaza la hiptesis nula cuando x y < 0.94 o x y > 1.94.

*
En la muestra x y = 1.9 < 0.94, y por lo tanto rechazo que en promedio las
hamburguesas de Fastfood tengan medio gramo ms de grasa que las de Quickmeal,

frente a la alternativa de que la diferencia es distinta de 0.5, con un nivel de
268
Jos Ramn Cancelo
Contrastar la hiptesis de que la diferencia del contenido medio de grasa en gramos

(Fastfood Quickmeal) es igual a 0.5, frente a la alternativa de que es mayor que 0.5,
con un nivel de significacin del 10%.
H0: x y = 0.5
H1: x y > 0.5
Solucin:
_
* Se rechaza la hiptesis nula cuando x y > 1.60.

_
* En la muestra x y = 1.9 < 1.60, y por lo tanto no rechazo que en promedio las
hamburguesas de Fastfood tengan medio gramo ms de grasa que las de Quickmeal,
frente a la alternativa de que la diferencia Fastfood Quickmeal sea mayor que 0.5, con
un nivel de significacin del 10%.
269
Jos Ramn Cancelo
3.2.6 Contrastes para el cociente de varianzas poblacionales

El problema:
Poblacin 1:
X N ( x , x )
x desconocida , x desconocida
Poblacin 2:
Y N ( y , y )
y desconocida , y desconocida
270

Jos Ramn Cancelo
2x = s c2,x
2y = s c2, y
Las dos muestras son independientes entre s

s c2,x
2
c,y
2x
F nm11
2y
271
Jos Ramn Cancelo
CASO A (dos colas):

H0:
H1:
2
x
2
y
F nm11
= 0
2
x
2
y
0
0
Regin de rechazo:
s c2,x
s
2
c,y
< k1 o
k1 = a 0
s c2,x
s
2
c,y
> k2
, k 2 = b 0
272
Jos Ramn Cancelo

H0:
H1:
2
x
2
y
2
x
2
y
F nm11
= 0
> 0
0
Regin de rechazo:
s c2,x
s
2
c,y
> k
k = b 0
273
Jos Ramn Cancelo
H0:
2x
2y
F nm11
= 0
H1:
2
x
2
y
< 0
0
Regin de rechazo:
s c2,x
s
2
c,y
< k
k = a 0
274
Jos Ramn Cancelo
El primer salario de los graduados en sociologa sigue una distribucin normal de

parmetros desconocidos, al igual que el primer salario de los graduados en informtica.
Hemos extrado dos muestras aleatorias simples independientes, una de 10 de graduados
en sociologa y otra de 16 de graduados en informtica, en las que obtuvimos
cuasivarianzas muestrales iguales a 42849 y 91204, respectivamente. Contrastar la
hiptesis de que las varianzas poblacionales de los primeros salarios son iguales frente a
la alternativa de que son diferentes, con un nivel de significacin del 5%.
275
Jos Ramn Cancelo
Datos del problema:

* X = primer salario de los graduados en sociologa N ( x , x )
* Y = primer salario de los graduados en informtica N ( y , y )
* H0:
H1:
2x
2
y
2x
2
y
= 1
276
* m.a.s de tamao m = 10 de la poblacin X

* m.a.s de tamao n = 16 de la poblacin Y
Jos Ramn Cancelo
2x = s c2,x = 42849
2y = s c2, y = 91204

Adems, se sabe que:
s c2,x
s c2, y
2x
F161011
2y
277
Jos Ramn Cancelo

* Sabemos que
* H0:
* H1:
2x
2
y
2x
2y
2x
puede ser mayor, menor o igual que 1
2
y
= 1 hiptesis propuesta
1 me preocupa
s c2,x
s c2, y
* Regla de decisin:
- Si
s c2,x
s
2
c,y
- Si k1 <
< k1 o
s c2,x
s c2, y
s c2,x
s
< k2
2
c,y
> k2
Rechazo
H0:
No Rechazo H0:
2x
2
y
2x
2y
= 1
= 1
k1 , k2 ?
278
Jos Ramn Cancelo
F161011
2 .5 %
2 .5 %
0.265
3.12
Para obtener el valor de a se ha hecho uso de la propiedad de la distribucin F, por la

cual:
P F nm11 < a
)=
0.025
P F mn 11 >
= 0.025
a
279
Jos Ramn Cancelo
k 1 = 0.265 1 = 0.265
k 2 = 3.12 1 = 3.12
- Si
s c2,x
s
2
c,y
< 0.265 o
- Si 0.265 <
s c2,x
s
s c2,x
s
2
c,y
> 3.12
< 3.12
2
c,y
Rechazo
H0:
No Rechazo H0:
2x
2
y
2x
2
y
= 1
= 1
* En la muestra
s c2,x
s
2
c,y
42849
= 0.47
91204
( 0.265 , 3.12 )
y por lo tanto no rechazo que las varianzas poblacionales de los primeros salarios sean
iguales frente a la alternativa de que son distintas, con un nivel de significacin del 5%.
280
Jos Ramn Cancelo

Contrastar la hiptesis de que las varianzas de los primeros salarios son iguales frente a
la alternativa de que la varianza del primer salario de los graduados en sociologa es
mayor, con un nivel de significacin del 5%.
2x
H0:
2
y
= 1
H1:
2x
2
y
> 1
Solucin:
* Se rechaza la hiptesis nula cuando
En la muestra
s c2,x
s c2, y
s c2,x
s
2
c,y
> 2.59.
42849
= 0.47 < 2.59, y por lo tanto no rechazo que las
91204
varianzas poblacionales de los primeros salarios sean iguales frente a la alternativa de

que la varianza del primer salario de los graduados en sociologa es mayor, con un nivel
281
Jos Ramn Cancelo
Ejemplo 7 apartado c (Propuesto):

Contrastar la hiptesis de que las varianzas de los primeros salarios son iguales frente a
la alternativa de que la varianza del primer salario de los graduados en sociologa es
menor, con un nivel de significacin del 5%.
H0:
2x
2
y
= 1
H1:
2x
2
y
< 1
Solucin:
* Se rechaza la hiptesis nula cuando
* En la muestra
s c2,x
s c2, y
s c2,x
s
2
c,y
< 0.332.
42849
= 0.47 > 0.332, y por lo tanto no rechazo que las
91204
varianzas poblacionales de los primeros salarios sean iguales frente a la alternativa de

que la varianza del primer salario de los graduados en sociologa es menor, con un nivel
282
Jos Ramn Cancelo
3.3 ALGUNOS CONTRASTES DE HIPOTESIS PARA MUESTRAS

GRANDES
3.3.1 Contrastes para la proporcin poblacional
El problema:
Poblacin X B ( 1 , p )
xi
P ( X = xi )
1-p
p?
m.a.s de tamao n ( )
p (= x )
pp
n
N ( 0 , 1 )
p (1 p)
n
283
Jos Ramn Cancelo
CASO A (dos colas):

H0: p = p0
N ( 0 ,1)
H1: p p0
-3
-2
-1
Regin de rechazo:
p < k1
k1 = p 0 z
p > k2
p 0 (1 p 0 )
n
k 2 = p0 + z
p 0 (1 p 0 )
n
284
Jos Ramn Cancelo

H0: p = p0
N ( 0 ,1)
H1: p > p0
-3
-2
-1
Regin de rechazo:
p > k
k = p0 + z
p 0 (1 p 0 )
n
285
Jos Ramn Cancelo

H0: p = p0
N ( 0 ,1)
H1: p < p0
-3
-2
-1
Regin de rechazo:
p < k
k = p0 z
p 0 (1 p 0 )
n
286
Jos Ramn Cancelo
En un congreso de expertos se ha llegado al consenso de que el 60% de los hogares de
A Corua estn abonados a la televisin de pago mediante cualquiera de las tecnologas
actualmente disponibles en el mercado. Para evaluar la validez de esta conclusin
hemos extrado una muestra aleatoria simple de 200 hogares, en la que obtenemos una
proporcin de abonados del 53%. Contrastar la hiptesis de que la proporcin de
abonados en los hogares de A Corua es igual a 60%, frente a la alternativa de que es
mayor del 60%, con un nivel de significacin del 5%.
287
Jos Ramn Cancelo
Datos del problema:

* X = estar abonado a la televisin de pago B ( 1 , p )
* p?
* H0: p = 0.6
H1: p > 0.6
* m.a.s. de tamao n = 200 muestra grande p = 0.53

Adems, se sabe que:
pp
N ( 0 , 1 )
n
p (1 p)
200
288
Jos Ramn Cancelo

* Sabemos que p 0.6
* H0: p = 0.6 hiptesis propuesta
* H1: p > 0.6 me preocupa p >>> 0.6

* Regla de decisin:
- Si p > k
- Si p < k
Rechazo
No Rechazo H0: p = 0.6
H0: p = 0.6
k?
289
Jos Ramn Cancelo
N ( 0 ,1)
5%
-3
-2
-1
1.64

k = 0.6 + 1.64
0.6 (1 0.6)
= 0.657
200

- Si
- Si
p > 0.657
p < 0.657
* En la muestra
Rechazo
No Rechazo H0: p = 0.6
p = 0.53
<
H0: p = 0.6
0.657
y por lo tanto no rechazo que la proporcin de abonados en A Corua sea igual a 0.6
frente a la alternativa de que es mayor, con un nivel de significacin del 5%.
290
Jos Ramn Cancelo
Contrastar la hiptesis de que la proporcin de abonados en A Corua es igual a 60%

frente a la alternativa de que es distinto del 60%, con un nivel de significacin del 5%.
H0: p = 0.6
H1: p 0.6
Solucin:
* Se rechaza la hiptesis nula cuando p < 0.532 o p > 0.668.

*
En la muestra p = 0.53 < 0.532, y por lo tanto rechazo que la proporcin de
abonados en A Corua sea igual a 0.6 frente a la alternativa de que sea distinta de 0.6,
291
Jos Ramn Cancelo
Contrastar la hiptesis de que la proporcin de abonados en A Corua es igual a 60%,

frente a la alternativa de que es menor que 60%, con un nivel de significacin del 5%.
H0: p = 0.6
H1: p < 0.6
Solucin:
* Se rechaza la hiptesis nula cuando p < 0.543.
* En la muestra p = 0.53 < 0.543, y por lo tanto rechazo que la proporcin de

abonados en A Corua sea igual a 0.6 frente a la alternativa de que es menor que 0.6,
292
Jos Ramn Cancelo
3.3.2 Contrastes para el parmetro de una poblacin Poisson

El problema:
Poblacin X Poisson con parmetro
e x i
P ( X = xi ) =
xi !
, x i = 0, 1, 2, ...
?
m.a.s tamao n ()
(= x )
N ( 0 , 1 )
n

293
Jos Ramn Cancelo
CASO A (dos colas):

H0 : = 0
N ( 0 ,1)
H1: 0
-3
-2
-1
Regin de rechazo:
< k1
k1 = 0 z
> k2
0
n
k 2 = 0 + z
0
n
294
Jos Ramn Cancelo

H0 : = 0
N ( 0 ,1)
H1 : > 0
-3
-2
-1
Regin de rechazo:
> k
k = 0 + z
0
n
295
Jos Ramn Cancelo

H0 : = 0
N ( 0 ,1)
H1 : < 0
-3
-2
-1
Regin de rechazo:
< k
k = 0 z
0
n
296
Jos Ramn Cancelo

Poisson con parmetro desconocido. Extraemos una muestra aleatoria simple de 300
das, en la que obtenemos un promedio diario igual a 11.3 camiones. Contrastar la
hiptesis de que el parmetro desconocido de la distribucin de probabilidad es igual a
10 frente a la alternativa de que es menor que 10, con un nivel de significacin del 1%.
297
Jos Ramn Cancelo
Datos del problema:

* X = nmero diario de camiones Poisson con parmetro
* ?
* H0: = 10
H1: < 10
* m.a.s. de tamao n = 300 muestra grande = x = 11.3

Adems, se sabe que:
N ( 0 , 1 )
n
300
298
Jos Ramn Cancelo

* Sabemos que 10
* H1: < 10 me preocupa <<< 10

* Regla de decisin:
- Si < k
- Si > k
Rechazo
H0: = 10
No Rechazo H0: = 10
k?
299
Jos Ramn Cancelo
N ( 0 ,1)
1%
-3
2.33
-2
-1

k = 10 2.33
10
= 9.57
300

- Si
- Si
< 9.57
> 9.57
* En la muestra
Rechazo
H0: = 10
No Rechazo H0: = 10
= 11.3 > 9.57
y por lo tanto no rechazo que el parmetro de la distribucin Poisson sea igual a 10

frente a la alternativa de que es menor que 10, con un nivel de significacin del 1%.
300
Jos Ramn Cancelo

Contrastar la hiptesis de que el parmetro desconocido de la distribucin de
probabilidad es igual a 10 frente a la alternativa de que es distinto de 10, con un nivel de
H0: = 10
H1: 10
Solucin:
* Se rechaza la hiptesis nula cuando < 9.53 o > 10.47.

*
En la muestra = 11.3 > 10.47, y por lo tanto rechazo que el parmetro de la
distribucin Poisson sea igual a 10 frente a la alternativa de que es distinto de 10, con
301
Jos Ramn Cancelo

Contrastar la hiptesis de que el parmetro desconocido de la distribucin de
probabilidad es igual a 10 frente a la alternativa de que es mayor que 10, con un nivel de
H0: = 10
H1: > 10
Solucin:
* Se rechaza la hiptesis nula cuando > 10.43.
* En la muestra = 11.3 > 10.43, y por lo tanto rechazo que el parmetro de la

distribucin Poisson sea igual a 10 frente a la alternativa de que es mayor que 10, con
302
Jos Ramn Cancelo
3.3.3 Contrastes para la diferencia de proporciones poblacionales y

muestras independientes
El problema:
xi
P ( X = xi )
px
1-px
yi
P ( Y = yi )
py
1-py

303
Jos Ramn Cancelo
m.a.s de tamao m de la poblacin X ( X1, X2, , Xm ) p x

m.a.s de tamao n de la poblacin Y
( Y1, Y2, , Yn ) p y
( px py ) ( px py )
p y (1 p y )
p x (1 p x )
+
m
n
N ( 0 , 1 )
m ,n
304
Jos Ramn Cancelo
CASO A (dos colas):

H0: px - py = 0
N ( 0 ,1)
H1: px - py 0
-3
-2
-1
Regin de rechazo:
p x p y < k1
k1 = 0 z
k 2 = 0 + z
p x p y > k2
p y (1 p y )
p x (1 p x )
+
m
n
p y (1 p y )
p x (1 p x )
+
m
n
305
Jos Ramn Cancelo

H0: px - py = 0
N ( 0 ,1)
H1: px - py > 0
-3
-2
-1
Regin de rechazo:
px py > k
k = 0 + z
p y (1 p y )
p x (1 p x )
+
m
n
306
Jos Ramn Cancelo

H0: px - py = 0
N ( 0 ,1)
H1: px - py < 0
-3
-2
-1
Regin de rechazo:
px py < k
k = 0 z
p y (1 p y )
p x (1 p x )
+
m
n
307
Jos Ramn Cancelo
La Xunta de Galicia est realizando un estudio sobre el consumo habitual de productos

lcteos por grupos de edad. En una muestra de 600 personas entre 35 y 44 aos se
obtuvo que el 42% de los encuestados consuma habitualmente este tipo de productos,
en tanto que en una muestra de 400 individuos entre 45 y 64 aos el porcentaje fue del
34%. Contrastar la hiptesis de que en el conjunto de la poblacin la proporcin de
consumidores en la franja de edad 35-44 aos es un 3% ms alta que en la franja 45-64
aos, frente a la alternativa de que la diferencia es distinta del 3%, con un nivel de
308
Jos Ramn Cancelo
Datos del problema:

* X = consumir habitualmente productos lcteos en la franja de edad 35-44 B ( 1 , px )
* Y = consumir habitualmente productos lcteos en la franja de edad 45-64 B ( 1 , py )
* px py ?
* H0: px py = 0.03
H1: px py 0.03
* m.a.s. de tamao m = 600 de la poblacin X muestra grande p x = 0.42
* m.a.s. de tamao n = 400 de la poblacin Y muestra grande p y = 0.34

Adems, se sabe que:
( px py ) ( px py )
p y (1 p y )
p x (1 p x )
+
600
400
N ( 0 , 1 )
m ,n
309
Jos Ramn Cancelo

* Sabemos que px py puede ser mayor, menor o igual que 0.03
* H0: px py = 0.03 hiptesis propuesta
* H1: px py 0.03 me preocupa p x p y 0.03

* Regla de decisin:
- Si p x p y < k1 o p x p y > k2
- Si k1 < p x p y < k2
Rechazo
H0: px py = 0.03
No Rechazo H0: px py = 0.03
k1 , k2 ?
310
Jos Ramn Cancelo
N ( 0 ,1)
2 .5 %
2 .5 %
-3
-2
1.96
-1
1.96

k 1 = 0.03 1.96
0.42 (1 0.42)
0.34 (1 0.34)
+
= 0.031
600
400
k 2 = 0.03 + 1.96
0.42 (1 0.42)
0.34 (1 0.34)
+
= 0.091
600
400
311
Jos Ramn Cancelo
- Si p x p y < 0.031 o p x p y > 0.091
- Si 0.031 < p x p y < 0.091
Rechazo
H0: px py = 0.03
No Rechazo H0: px py = 0.03
* En la muestra
p x p y = 0.08
(0.031 , 0.091 )
y por lo tanto no rechazo que la proporcin de consumidores en la franja de edad 35-44

sea un 3% ms alta que en la franja 45-64, frente a la alternativa de que la diferencia sea
distinta del 3%, con un nivel de significacin del 5%.
312
Jos Ramn Cancelo

Contrastar la hiptesis de que en la franja de edad 35-44 aos la proporcin de
consumidores es un 3% ms alta que en la franja 45-64 aos, frente a la alternativa de
que la diferencia es mayor del 3%, con un nivel de significacin del 5%.
H0: px py = 0.03
H1: px py > 0.03
Solucin:
* Se rechaza la hiptesis nula cuando p x p y > 0.081.
* En la muestra p x p y = 0.08 < 0.081, y por lo tanto no rechazo que la proporcin

de consumidores en la franja de edad 35-44 sea un 3% ms alta que en la franja 45-64,
frente a la alternativa de que la diferencia es mayor del 3%, con un nivel de
313
Jos Ramn Cancelo

Contrastar la hiptesis de que en la franja de edad 35-44 aos la proporcin de
consumidores es un 3% ms alta que en la franja 45-64 aos, frente a la alternativa de
que la diferencia es menor del 3%, con un nivel de significacin del 5%.
H0: px py = 0.03
H1: px py < 0.03
Solucin:
* Se rechaza la hiptesis nula cuando p x p y < 0.021.
* En la muestra p x p y = 0.08 > 0.021, y por lo tanto no rechazo que la proporcin

de consumidores en la franja de edad 35-44 sea un 3% ms alta que en la franja 45-64,
frente a la alternativa de que la diferencia es menor del 3%, con un nivel de
314
Jos Ramn Cancelo
EJERCICIOS PROPUESTOS DE CONTRASTES DE HIPOTESIS

EJERCICIO 1
El peso de los mejillones que hay en una lata de mejillones en escabeche es una variable
aleatoria que sigue una distribucin normal de media desconocida, desviacin tpica 106
gramos y varianza 11236. La hiptesis nula es que el peso medio en la poblacin es
igual a 136 gramos, y para contrastarla hemos extrado una muestra aleatoria simple de
17 latas, obteniendo una media igual a 192.5 gramos, una cuasidesviacin tpica igual a
109.9, y una cuasivarianza igual a 12078.01. Considerando un nivel de significacin del
5%, calcular la regin de rechazo para contrastar la hiptesis nula frente a la alternativa
de que la media en la poblacin es distinta de 136, y realizar dicho contraste.
Solucin:
La hiptesis nula se rechazar cuando la media muestral sea menor que 85.61 o mayor
que 186.39. En este caso es igual a 192.5, y por lo tanto se rechaza la hiptesis nula.
315
Jos Ramn Cancelo
EJERCICIO 2
Una empresa de comercio electrnico sabe que el nmero de visitantes por hora de su
pgina web sigue una distribucin normal con parmetros desconocidos. La hiptesis
nula es que el nmero medio de visitas por hora es igual a 345. Para contrastarla hemos
obtenido una muestra aleatoria simple de 15 intervalos horarios, en los cuales ha habido
295.8 visitas de media, con una cuasidesviacin tpica de 110.4, y una cuasivarianza de
12188.16. Considerando un nivel de significacin del 5%, calcular la regin de rechazo
para contrastar la hiptesis nula frente a la alternativa de que la media en la poblacin es
mayor que 345, y realizar dicho contraste.
Solucin:
La hiptesis nula se rechazar cuando la media muestral sea mayor que 395.21. En este
caso es igual a 295.8, y por lo tanto no se rechaza la hiptesis nula.
316
Jos Ramn Cancelo
EJERCICIO 3
El nmero anual de horas extras que trabaja un empleado de los servicios de urgencia
sigue una distribucin normal de parmetros desconocidos. La hiptesis nula es que la
varianza poblacional es igual a 106385, y para contrastarla hemos obtenido una muestra
aleatoria simple de 13 empleados, en la que la media es igual a 335.4 horas, la
cuasidesviacin tpica es 209.4, y la cuasivarianza 43848.36. Considerando un nivel de
significacin del 1%, calcular la regin de rechazo para contrastar la hiptesis nula
frente a la alternativa de que la varianza en la poblacin es menor que 106385, y realizar
dicho contraste.
Solucin:
La hiptesis nula se rechazar cuando la cuasivarianza muestral sea menor que

31649.54. En este caso es igual a 43848.36, y por lo tanto no se rechaza la hiptesis
nula.
317
Jos Ramn Cancelo
EJERCICIO 4
El nmero diario de accidentes de trabajo de cierta gravedad en Espaa se distribuye

Poisson con parmetro desconocido. La hiptesis nula es que la media diaria es igual a
13. Para contrastarla hemos obtenido una muestra aleatoria simple de 140 das, con una
media de 13.6 accidentes, cuasidesviacin tpica igual a 6.4, y cuasivarianza 40.96.
Considerando un nivel de significacin del 5%, calcular la regin de rechazo para
contrastar la hiptesis nula frente a la alternativa de que la media en la poblacin es
mayor que 13, y realizar dicho contraste.
Solucin:
caso es igual a 13.6, y por lo tanto se rechaza la hiptesis nula.
318
Jos Ramn Cancelo
EJERCICIO 5
En un pas de la Unin Europea hay varias empresas que ofrecen conexin a internet mediante el telfono
mvil, y entre ellas estn Intermovil y Moviltenet. Sabemos que el nmero de das que un cliente de
Intermovil mantiene su relacin con la empresa antes de pasarse a la competencia se distribuye normal
con parmetros desconocidos, y lo mismo ocurre con un cliente de Moviltenet. Tambin se sabe que las
desviaciones tpicas poblacionales son iguales en las dos compaas.
La hiptesis nula es que la diferencia en el tiempo medio de permancencia (Intermovil menos Moviltenet)
es igual a -58.3 das. Para contrastarla hemos extrado una muestra aleatoria simple de 10 antiguos
clientes de Intermovil, con un tiempo medio igual a 165 das, cuasidesviacin tpica 105, y cuasivarianza
11025. De forma independiente, se obtuvo una muestra aleatoria simple de 7 antiguos clientes de
Moviltenet, con media 165.6 das, cuasidesviacin tpica 44, y cuasivarianza 1936. Considerando un nivel
de significacin del 1%, calcular la regin de rechazo para contrastar la hiptesis nula frente a la
alternativa de que la diferencia de medias poblacionales es menor que -58.3, y realizar dicho contraste.
Solucin:
La hiptesis nula se rechazar cuando la diferencia de medias muestrales sea menor que -168.55. En este
caso es igual a -0.6, y por lo tanto no se rechaza la hiptesis nula.
319
Jos Ramn Cancelo
EJERCICIO 6
Dos materias primas, A y B, se negocian diariamente en los mercados internacionales. El precio
diario de A, en euros por tonelada, sigue una distribucin normal de parmetros desconocidos, y
lo mismo ocurre con el de B, tambin expresado en euros por tonelada. La hiptesis nula es que
el cociente de las varianzas poblacionales (precio diario de A entre precio diario de B) es igual a
0.9. Para contrastarla hemos extrado dos muestras aleatorias simples independientes de cada
precio. De la materia prima A tenemos una muestra de 10 das, en los que observamos un precio
medio de 328.4 euros por tonelada, cuasidesviacin tpica 150, y cuasivarianza 22500. En la
materia prima B la muestra es de 13 das, la media 381.4 euros / tonelada, la cuasidesviacin
tpica 156, y la cuasivarianza 24336. Considerando un nivel de significacin del 5%, calcular la
regin de rechazo para contrastar la hiptesis nula frente a la alternativa de que el cociente de
las varianzas es menor que 0.9, y realizar dicho contraste.
Solucin:
La hiptesis nula se rechazar cuando el cociente de cuasivarianzas muestrales sea menor que
0.293. En este caso es igual a 0.925, y no se rechaza la hiptesis nula.
320
Jos Ramn Cancelo
EJERCICIO 7
Una empresa vende una parte de su produccin en el mercado espaol, y el resto en otros mercados de la
Unin Europea (UE). Se sabe que las ventas mensuales en el mercado espaol siguen una distribuye
normal, con media desconocida, desviacin tpica igual a 130 unidades monetarias (um) y varianza
16900. Por su parte, las ventas en los mercados internacionales tambin se distribuyen normal, con media
desconocida, desviacin tpica 71 um y varianza 5041.
La hiptesis nula es que la diferencia en las ventas medias poblacionales a los distintos mercados (espaol
menos resto UE) es igual a 13.9 um. Para contrastarla se ha obtenido una muestra aleatoria simple de 6
meses para el mercado espaol, con los siguientes resultados para las ventas mensuales: media 263.2 um,
cuasidesviacin tpica 139.3, y cuasivarianza 19404.49. Para el resto de la UE se obtuvo una muestra
aleatoria simple de 4 meses: en promedio en cada mes se vendi por importe de 299.9 um, con una
cuasidesviacin tpica igual a 66.4, y una cuasivarianza igual a 4408.96. Considerando un nivel de
significacin del 1%, calcular la regin de rechazo para contrastar la hiptesis nula frente a la alternativa
de que la diferencia de las medias poblacionales es distinta de 13.9, y realizar dicho contraste.
Solucin:
La hiptesis nula se rechazar cuando la diferencia de medias muestrales sea menor que -150.83 o mayor
que 178.63. En este caso es igual a -36.7, y por lo tanto no se rechaza la hiptesis nula.
321
Jos Ramn Cancelo
EJERCICIO 8
El servicio tcnico oficial de un fabricante de electrodomsticos tiene un telfono 902,

al que los clientes han de llamar cuando algn aparato se avera. Se sabe que el nmero
de llamadas horarias que se reciben en este telfono se distribuye Poisson, aunque no se
conoce el valor del parmetro de la distribucin. La hiptesis nula es que el nmero
medio de llamadas por hora es igual a 15, y para contrastarla hemos obtenido una
muestra aleatoria simple de 100 intervalos horarios, con una media de 14.4 llamadas,
cuasidesviacin tpica igual a 9.5, y cuasivarianza 90.25. Considerando un nivel de
frente a la alternativa de que la media en la poblacin es distinta de 15, y realizar dicho
contraste.
Solucin:
La hiptesis nula se rechazar cuando la media muestral sea menor que 14.24 o mayor
que 15.76. En este caso es igual a 14.4, y por lo tanto no se rechaza la hiptesis nula.
322
Jos Ramn Cancelo
EJERCICIO 9
Un sindicato sabe que el salario semanal de los trabajadores en la industria alimentaria

sigue una distribucin normal de parmetros desconocidos. Su objetivo es medir la
dispersin salarial, y su hiptesis nula es que la varianza poblacional es igual a 8145.
Para contrastar esta hiptesis hemos obtenido una muestra aleatoria simple de 10
trabajadores, en la que la media es igual a 148.4 euros, la cuasidesviacin tpica es 47.5,
y la cuasivarianza 2256.25. Considerando un nivel de significacin del 5%, calcular la
regin de rechazo para contrastar la hiptesis nula frente a la alternativa de que la
varianza en la poblacin es distinta de 8145, y realizar dicho contraste.
Solucin:
La hiptesis nula se rechazar cuando la cuasivarianza muestral sea menor que 2443.5 o
mayor que 17213.1. En este caso es igual a 2256.25, y por lo tanto se rechaza la
hiptesis nula.
323
Jos Ramn Cancelo
EJERCICIO 10
El ayuntamiento de A Corua est preocupado por el cumplimiento de la normativa

sobre el aparcamiento regulado. La hiptesis nula es que solo el 44% de los
automovilistas paga el tique de la ORA. Para contrastar esta hiptesis extraemos una
muestra aleatoria simple de 160 automviles aparcados en zona azul, en la que
obtenemos una proporcin muestral igual al 55.4%. Considerando un nivel de
frente a la alternativa de que la proporcin en la poblacin es mayor que 44%, y realizar
dicho contraste.
Solucin:
La hiptesis nula se rechazar cuando la proporcin muestral sea mayor que 50.44%. En
este caso es igual a 55.4%, y por lo tanto se rechaza la hiptesis nula.
324
Jos Ramn Cancelo
EJERCICIO 11
El importe de una compra con tarjeta de crdito es una variable aleatoria que sigue una
distribucin normal de media desconocida, desviacin tpica 243 euros y varianza
59049. La hiptesis nula es que el importe medio en la poblacin es igual a 299 euros, y
para contrastarla hemos obtenido una muestra aleatoria simple de 11 compras, con una
media igual a 421 euros, una cuasidesviacin tpica igual a 275, y una cuasivarianza
igual a 75625. Considerando un nivel de significacin del 5%, calcular la regin de
rechazo para contrastar la hiptesis nula frente a la alternativa de que la media en la
poblacin es mayor que 299, y realizar dicho contraste.
Solucin:
caso es igual a 421, y por lo tanto se rechaza la hiptesis nula.
325
Jos Ramn Cancelo
EJERCICIO 12
Una compaa area est considerando instalar en sus aviones el equipamiento

necesario para que los viajeros puedan acceder a internet durante el vuelo. Dado que
esto supone una inversin importante, sera necesario aumentar el precio del billete. La
hiptesis nula es que el 67% de los viajeros est dispuesto a pagar un cargo adicional
para tener internet. Para contrastar esta hiptesis obtiene una muestra aleatoria simple
de 140 viajeros, en la que se observa una proporcin muestral igual al 75.3%.
Considerando un nivel de significacin del 10%, calcular la regin de rechazo para
contrastar la hiptesis nula frente a la alternativa de que la proporcin en la poblacin es
menor que 67%, y realizar dicho contraste.
Solucin:
La hiptesis nula se rechazar cuando la proporcin muestral sea menor que 61.91%. En
este caso es igual a 75.3%, y por lo tanto no se rechaza la hiptesis nula.
326
Jos Ramn Cancelo
EJERCICIO 13
Un gran grupo de distribucin textil comercializa sus productos bajo dos marcas, Youngs y Classic. Se
sabe que la facturacin anual de una tienda de la marca Youngs es una variable aleatoria que se distribuye
normal con parmetros desconocidos, al igual que las ventas anuales de una tienda Classic. Tambin se
sabe que las desviaciones tpicas poblacionales son iguales en las dos marcas.
La hiptesis nula es que la diferencia en las ventas anuales medias poblacionales (Youngs menos Classic)
es igual a 70.9 unidades monetarias (um). Para contrastarla hemos extrado una muestra aleatoria simple
de 8 tiendas de la marca Youngs, con unas ventas medias iguales a 200.4 um, cuasidesviacin tpica 60, y
cuasivarianza 3600. De forma independiente, se obtuvo una muestra aleatoria simple de 5 tiendas de la
marca Classic, con media 245.8 um, cuasidesviacin tpica 90, y cuasivarianza 8100. Considerando un
nivel de significacin del 1%, calcular la regin de rechazo para contrastar la hiptesis nula frente a la
alternativa de que la diferencia de las medias poblacionales es distinta de 70.9, y realizar dicho contraste.
Solucin:
La hiptesis nula se rechazar cuando la diferencia de medias muestrales sea menor que -57.22 o mayor
que 199.02. En este caso es igual a -45.4, y por lo tanto no se rechaza la hiptesis nula.
327
Jos Ramn Cancelo
EJERCICIO 14
En el mes de junio muchas personas que perciben rentas de trabajo estn obligadas a hacer la declaracin
del IRPF y, en caso de que salga positiva, a abonar una cantidad adicional a la que ya se les ha retenido.
La cantidad que ha de abonar un trabajador asalariado que est en esa situacin es una variable aleatoria
que se distribuye normal, con media desconocida, desviacin tpica igual a 99 euros y varianza 9801. Por
su parte, la cantidad que han de pagar los trabajadores autnomos en las mismas circunstancias tambin
se distribuye normal, con media desconocida, desviacin tpica 98 euros y varianza 9604.
La hiptesis nula es que la diferencia en las cantidades medias a pagar en la poblacin (asalariados menos
autnomos) es igual a -30.1 euros. Para contrastarla se ha obtenido una muestra aleatoria simple de 10
asalariados, con los siguientes resultados para la cantidad adicional a pagar: media 257.4 euros,
cuasidesviacin tpica 92, y cuasivarianza 8464. Para los autnomos se obtuvo una muestra aleatoria
simple de 4 personas: en promedio cada uno ha de pagar 215.9 euros, con una cuasidesviacin tpica igual
a 82.2, y una cuasivarianza igual a 6756.84. Considerando un nivel de significacin del 5%, calcular la
regin de rechazo para contrastar la hiptesis nula frente a la alternativa de que la diferencia de medias
poblacionales es mayor que -30.1, y realizar dicho contraste.
Solucin:
La hiptesis nula se rechazar cuando la diferencia de medias muestrales sea mayor que 65.26. En este
caso es igual a 41.5, y por lo tanto no se rechaza la hiptesis nula.
328
Jos Ramn Cancelo
EJERCICIO 15
Un consorcio de ayuntamientos est analizando la movilidad interurbana y las infraestructuras
que habra que acometer para reducir los tiempos de desplazamiento. Se sabe que el tiempo que
un trabajador de la zona emplea en ir y volver al trabajo (en minutos por semana) sigue una
distribucin normal con parmetros desconocidos. La hiptesis nula es que el tiempo medio por
trabajador y semana en la poblacin es igual a 329 minutos, y para contrastarla hemos obtenido
una muestra aleatoria simple de 7 trabajadores. Los trabajadores de la muestra han tardado en
promedio 459.6 minutos a la semana, con una cuasidesviacin tpica de 267.6, y una
cuasivarianza de 71609.76. Considerando un nivel de significacin del 5%, calcular la regin de
rechazo para contrastar la hiptesis nula frente a la alternativa de que la media en la poblacin
es menor que 329, y realizar dicho contraste.
Solucin:
La hiptesis nula se rechazar cuando la media muestral sea menor que 132.46. En este caso es
igual a 459.6, y por lo tanto no se rechaza la hiptesis nula.
329
Jos Ramn Cancelo
EJERCICIO 16
El gasto mensual en alimentacin de una familia gallega sigue una distribucin normal de
parmetros desconocidos, y lo mismo con el gasto en vestido y calzado. La hiptesis nula es que
el cociente de las varianzas poblacionales (gasto mensual en alimentacin entre gasto mensual
en vestido y calzado) es igual a 2.2. Para contrastarla hemos extrado dos muestras aleatorias
simples independientes de cada concepto de gasto. Para el gasto en alimentacin tenemos una
muestra de 15 familias, con un gasto medio de 235.9 euros, cuasidesviacin tpica 113, y
cuasivarianza 12769. Para el gasto en vestido y calzado la muestra es de 9 familias, la media
227.7 euros, la cuasidesviacin tpica 118, y la cuasivarianza 13924. Considerando un nivel de
significacin del 5%, calcular la regin de rechazo para contrastar la hiptesis nula frente a la
alternativa de que el cociente de las varianzas es distinto de 2.2, y realizar dicho contraste.
Solucin:
La hiptesis nula se rechazar cuando el cociente de cuasivarianzas muestrales sea menor que
0.669 o mayor que 9.086. En este caso es igual a 0.917, y por lo tanto no se rechaza la hiptesis
nula.
330
Jos Ramn Cancelo
EJERCICIO 17
Estamos analizando el grado de satisfaccin con los distintos medios de transporte pblico
interprovincial, para lo cual pedimos a los viajeros que hagan una valoracin global del tiempo
que dura el viaje, la comodidad y la puntualidad. La hiptesis nula es que la diferencia entre la
proporcin de viajeros satisfechos de los que viajan en tren, y la proporcin de viajeros
satisfechos entre los que viajan en autobs, es igual a 14.4%. Para contrastarla hemos obtenido
una muestra aleatoria simple de 115 viajeros en tren, en la que observamos un 32.1% de
satisfechos; entre los viajeros en autobs, la muestra aleatoria simple es de 215 personas, y el
porcentaje de satisfechos del 13.7%. Considerando un nivel de significacin del 5%, calcular la
regin de rechazo para contrastar la hiptesis nula frente a la alternativa de que la diferencia de
proporciones poblacionales es distinta de 14.4%, y realizar dicho contraste.
Solucin:
La hiptesis nula se rechazar cuando la diferencia de proporciones muestrales sea menor que
4.71% o mayor que 24.09%. En este caso es igual a 18.4%, y por lo tanto no se rechaza la
hiptesis nula.
331
Jos Ramn Cancelo
EJERCICIO 18
Dos cadenas de televisin, Cadena 12 y TV 19, estrenaron en la misma semana dos programas
de contenidos muy similares; Cadena 12 lo hizo el martes, y TV 19 el jueves. La hiptesis nula
es que la diferencia entre el porcentaje de espectadores del programa de Cadena 12 y el
porcentaje de espectadores de la versin de TV 19 es igual a -21.5%. Para contrastarla hemos
extrado una muestra aleatoria simple de 120 hogares que estaban viendo la televisin en el
momento en que se emiti el programa de Cadena 12, y en la que observamos que el 67.6%
estaba viendo el programa en cuestin. Hicimos lo mismo el jueves, y en una muestra aleatoria
simple de 220 hogares haba un 74.6% viendo el programa de TV 19. Considerando un nivel de
significacin del 10%, calcular la regin de rechazo para contrastar la hiptesis nula frente a la
alternativa de que la diferencia de proporciones poblacionales es menor que -21.5%, y realizar
dicho contraste.
Solucin:
La hiptesis nula se rechaza si la diferencia de proporciones muestrales es menor que -28.13%.
En este caso es igual a -7%, y por lo tanto no se rechaza la hiptesis nula.
332
Jos Ramn Cancelo
BIBLIOGRAFIA
Anderson, David, R.; Sweeney, Dennis, J.; y Williams, Thomas, A. (2001):
Estadstica para administracin y economa, vol. II, International Thomson Editores,
Madrid.
Casas Snchez, Jos Miguel; Gutirrez Lpez, Pilar (2011): Estadstica II: Inferencia
Estadstica, Editorial Universitaria Ramn Areces, Madrid.
Levin, Richard I.; y Rubin, David S. (2010): Estadstica para administracin y
economa, Pearson, Mxico.
Lind, Douglas, A.; Marchal, William G.; y Wathen, Samuel A. (2008): Estadstica
aplicada a los negocios y la economa, McGraw-Hill Interamericana, Mxico.
Llorente Galera, Francisco; Martn Feria, Susana; y Torra Porras, Salvador (2001):
Inferencia estadstica aplicada a la empresa, Centro de Estudios Ramn Areces,
Madrid.
333
Jos Ramn Cancelo
Martn-Pliego Lpez, F. Javier; y Ruiz-Maya Prez, Luis (2005): Fundamentos de

Inferencia Estadstica, Thomson Paraninfo, Madrid.
Newbold, Paul; Carlson, William L.; y Thorne, Betty M. (2013): Estadstica para
administracin y economa, Pearson, Madrid.
Pea, Daniel (2008): Fundamentos de Estadstica, Alianza Editorial, Madrid.
Triola, Mario F. (2013): Estadstica, Pearson, Mxico.
Weiers, Ronald M. (2006): Introduccin a la estadstica para negocios, Thomson,
Madrid.
334
Jos Ramn Cancelo
TABLAS ESTADISTICAS
335
Jos Ramn Cancelo
P(X a) = p
DISTRIBUCION NORMAL (0,1)
p
-3
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
-2
-1
0.00
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.5000
0.4602
0.4207
0.3821
0.3446
0.3085
0.2743
0.2420
0.2119
0.1841
0.1587
0.1357
0.1151
0.0968
0.0808
0.0668
0.0548
0.0446
0.0359
0.0287
0.0228
0.0179
0.0139
0.0107
0.0082
0.0062
0.0047
0.0035
0.0026
0.0019
0.4960
0.4562
0.4168
0.3783
0.3409
0.3050
0.2709
0.2389
0.2090
0.1814
0.1562
0.1335
0.1131
0.0951
0.0793
0.0655
0.0537
0.0436
0.0351
0.0281
0.0222
0.0174
0.0136
0.0104
0.0080
0.0060
0.0045
0.0034
0.0025
0.0018
0.4920
0.4522
0.4129
0.3745
0.3372
0.3015
0.2676
0.2358
0.2061
0.1788
0.1539
0.1314
0.1112
0.0934
0.0778
0.0643
0.0526
0.0427
0.0344
0.0274
0.0217
0.0170
0.0132
0.0102
0.0078
0.0059
0.0044
0.0033
0.0024
0.0018
0.4880
0.4483
0.4090
0.3707
0.3336
0.2981
0.2643
0.2327
0.2033
0.1762
0.1515
0.1292
0.1093
0.0918
0.0764
0.0630
0.0516
0.0418
0.0336
0.0268
0.0212
0.0166
0.0129
0.0099
0.0075
0.0057
0.0043
0.0032
0.0023
0.0017
0.4840
0.4443
0.4052
0.3669
0.3300
0.2946
0.2611
0.2296
0.2005
0.1736
0.1492
0.1271
0.1075
0.0901
0.0749
0.0618
0.0505
0.0409
0.0329
0.0262
0.0207
0.0162
0.0125
0.0096
0.0073
0.0055
0.0041
0.0031
0.0023
0.0016
0.4801
0.4404
0.4013
0.3632
0.3264
0.2912
0.2578
0.2266
0.1977
0.1711
0.1469
0.1251
0.1056
0.0885
0.0735
0.0606
0.0495
0.0401
0.0322
0.0256
0.0202
0.0158
0.0122
0.0094
0.0071
0.0054
0.0040
0.0030
0.0022
0.0016
0.4761
0.4364
0.3974
0.3594
0.3228
0.2877
0.2546
0.2236
0.1949
0.1685
0.1446
0.1230
0.1038
0.0869
0.0721
0.0594
0.0485
0.0392
0.0314
0.0250
0.0197
0.0154
0.0119
0.0091
0.0069
0.0052
0.0039
0.0029
0.0021
0.0015
0.4721
0.4325
0.3936
0.3557
0.3192
0.2843
0.2514
0.2206
0.1922
0.1660
0.1423
0.1210
0.1020
0.0853
0.0708
0.0582
0.0475
0.0384
0.0307
0.0244
0.0192
0.0150
0.0116
0.0089
0.0068
0.0051
0.0038
0.0028
0.0021
0.0015
0.4681
0.4286
0.3897
0.3520
0.3156
0.2810
0.2483
0.2177
0.1894
0.1635
0.1401
0.1190
0.1003
0.0838
0.0694
0.0571
0.0465
0.0375
0.0301
0.0239
0.0188
0.0146
0.0113
0.0087
0.0066
0.0049
0.0037
0.0027
0.0020
0.0014
0.4641
0.4247
0.3859
0.3483
0.3121
0.2776
0.2451
0.2148
0.1867
0.1611
0.1379
0.1170
0.0985
0.0823
0.0681
0.0559
0.0455
0.0367
0.0294
0.0233
0.0183
0.0143
0.0110
0.0084
0.0064
0.0048
0.0036
0.0026
0.0019
0.0014
336
DISTRIBUCION 2
Jos Ramn Cancelo
P(X a) = p
p
Probabilidad
Grados de
libertad
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
0.995
0.99
0.975
0.95
0.90
0.80
0.20
0.10
0.05
0.025
0.01
0.005
0.00
0.01
0.07
0.21
0.41
0.68
0.99
1.34
1.73
2.16
2.60
3.07
3.57
4.07
4.60
5.14
5.70
6.26
6.84
7.43
8.03
8.64
9.26
9.89
10.52
11.16
11.81
12.46
13.12
13.79
0.00
0.02
0.11
0.30
0.55
0.87
1.24
1.65
2.09
2.56
3.05
3.57
4.11
4.66
5.23
5.81
6.41
7.01
7.63
8.26
8.90
9.54
10.20
10.86
11.52
12.20
12.88
13.56
14.26
14.95
0.00
0.05
0.22
0.48
0.83
1.24
1.69
2.18
2.70
3.25
3.82
4.40
5.01
5.63
6.26
6.91
7.56
8.23
8.91
9.59
10.28
10.98
11.69
12.40
13.12
13.84
14.57
15.31
16.05
16.79
0.00
0.10
0.35
0.71
1.15
1.64
2.17
2.73
3.33
3.94
4.57
5.23
5.89
6.57
7.26
7.96
8.67
9.39
10.12
10.85
11.59
12.34
13.09
13.85
14.61
15.38
16.15
16.93
17.71
18.49
0.02
0.21
0.58
1.06
1.61
2.20
2.83
3.49
4.17
4.87
5.58
6.30
7.04
7.79
8.55
9.31
10.09
10.86
11.65
12.44
13.24
14.04
14.85
15.66
16.47
17.29
18.11
18.94
19.77
20.60
0.06
0.45
1.01
1.65
2.34
3.07
3.82
4.59
5.38
6.18
6.99
7.81
8.63
9.47
10.31
11.15
12.00
12.86
13.72
14.58
15.44
16.31
17.19
18.06
18.94
19.82
20.70
21.59
22.48
23.36
1.64
3.22
4.64
5.99
7.29
8.56
9.80
11.03
12.24
13.44
14.63
15.81
16.98
18.15
19.31
20.47
21.61
22.76
23.90
25.04
26.17
27.30
28.43
29.55
30.68
31.79
32.91
34.03
35.14
36.25
2.71
4.61
6.25
7.78
9.24
10.64
12.02
13.36
14.68
15.99
17.28
18.55
19.81
21.06
22.31
23.54
24.77
25.99
27.20
28.41
29.62
30.81
32.01
33.20
34.38
35.56
36.74
37.92
39.09
40.26
3.84
5.99
7.81
9.49
11.07
12.59
14.07
15.51
16.92
18.31
19.68
21.03
22.36
23.68
25.00
26.30
27.59
28.87
30.14
31.41
32.67
33.92
35.17
36.42
37.65
38.89
40.11
41.34
42.56
43.77
5.02
7.38
9.35
11.14
12.83
14.45
16.01
17.53
19.02
20.48
21.92
23.34
24.74
26.12
27.49
28.85
30.19
31.53
32.85
34.17
35.48
36.78
38.08
39.36
40.65
41.92
43.19
44.46
45.72
46.98
6.63
9.21
11.34
13.28
15.09
16.81
18.48
20.09
21.67
23.21
24.72
26.22
27.69
29.14
30.58
32.00
33.41
34.81
36.19
37.57
38.93
40.29
41.64
42.98
44.31
45.64
46.96
48.28
49.59
50.89
7.88
10.60
12.84
14.86
16.75
18.55
20.28
21.95
23.59
25.19
26.76
28.30
29.82
31.32
32.80
34.27
35.72
37.16
38.58
40.00
41.40
42.80
44.18
45.56
46.93
48.29
49.64
50.99
52.34
53.67
337
Jos Ramn Cancelo
P(X a) = p
DISTRIBUCION t DE STUDENT
p
Probabilidad
Grados de
libertad
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
0.20
0.10
0.05
0.025
0.01
0.005
1.3764
1.0607
0.9785
0.9410
0.9195
0.9057
0.8960
0.8889
0.8834
0.8791
0.8755
0.8726
0.8702
0.8681
0.8662
0.8647
0.8633
0.8620
0.8610
0.8600
0.8591
0.8583
0.8575
0.8569
0.8562
0.8557
0.8551
0.8546
0.8542
0.8538
3.0777
1.8856
1.6377
1.5332
1.4759
1.4398
1.4149
1.3968
1.3830
1.3722
1.3634
1.3562
1.3502
1.3450
1.3406
1.3368
1.3334
1.3304
1.3277
1.3253
1.3232
1.3212
1.3195
1.3178
1.3163
1.3150
1.3137
1.3125
1.3114
1.3104
6.3138
2.9200
2.3534
2.1318
2.0150
1.9432
1.8946
1.8595
1.8331
1.8125
1.7959
1.7823
1.7709
1.7613
1.7531
1.7459
1.7396
1.7341
1.7291
1.7247
1.7207
1.7171
1.7139
1.7109
1.7081
1.7056
1.7033
1.7011
1.6991
1.6973
12.7062
4.3027
3.1824
2.7764
2.5706
2.4469
2.3646
2.3060
2.2622
2.2281
2.2010
2.1788
2.1604
2.1448
2.1314
2.1199
2.1098
2.1009
2.0930
2.0860
2.0796
2.0739
2.0687
2.0639
2.0595
2.0555
2.0518
2.0484
2.0452
2.0423
31.8205
6.9646
4.5407
3.7469
3.3649
3.1427
2.9980
2.8965
2.8214
2.7638
2.7181
2.6810
2.6503
2.6245
2.6025
2.5835
2.5669
2.5524
2.5395
2.5280
2.5176
2.5083
2.4999
2.4922
2.4851
2.4786
2.4727
2.4671
2.4620
2.4573
63.6567
9.9248
5.8409
4.6041
4.0321
3.7074
3.4995
3.3554
3.2498
3.1693
3.1058
3.0545
3.0123
2.9768
2.9467
2.9208
2.8982
2.8784
2.8609
2.8453
2.8314
2.8188
2.8073
2.7969
2.7874
2.7787
2.7707
2.7633
2.7564
2.7500
-3
-2
-1
338
Jos Ramn Cancelo
P(X a) = p
DISTRIBUCION F
p
G. de L. del
denominador
5%
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Grados de libertad del numerador

1
10
11
12
13
14
15
161.45
18.51
10.13
7.71
6.61
5.99
5.59
5.32
5.12
4.96
4.84
4.75
4.67
4.60
4.54
199.50
19.00
9.55
6.94
5.79
5.14
4.74
4.46
4.26
4.10
3.98
3.89
3.81
3.74
3.68
215.71
19.16
9.28
6.59
5.41
4.76
4.35
4.07
3.86
3.71
3.59
3.49
3.41
3.34
3.29
224.58
19.25
9.12
6.39
5.19
4.53
4.12
3.84
3.63
3.48
3.36
3.26
3.18
3.11
3.06
230.16
19.30
9.01
6.26
5.05
4.39
3.97
3.69
3.48
3.33
3.20
3.11
3.03
2.96
2.90
233.99
19.33
8.94
6.16
4.95
4.28
3.87
3.58
3.37
3.22
3.09
3.00
2.92
2.85
2.79
236.77
19.35
8.89
6.09
4.88
4.21
3.79
3.50
3.29
3.14
3.01
2.91
2.83
2.76
2.71
238.88
19.37
8.85
6.04
4.82
4.15
3.73
3.44
3.23
3.07
2.95
2.85
2.77
2.70
2.64
240.54
19.38
8.81
6.00
4.77
4.10
3.68
3.39
3.18
3.02
2.90
2.80
2.71
2.65
2.59
241.88
19.40
8.79
5.96
4.74
4.06
3.64
3.35
3.14
2.98
2.85
2.75
2.67
2.60
2.54
242.98
19.40
8.76
5.94
4.70
4.03
3.60
3.31
3.10
2.94
2.82
2.72
2.63
2.57
2.51
243.91
19.41
8.74
5.91
4.68
4.00
3.57
3.28
3.07
2.91
2.79
2.69
2.60
2.53
2.48
244.69
19.42
8.73
5.89
4.66
3.98
3.55
3.26
3.05
2.89
2.76
2.66
2.58
2.51
2.45
245.36
19.42
8.71
5.87
4.64
3.96
3.53
3.24
3.03
2.86
2.74
2.64
2.55
2.48
2.42
245.95
19.43
8.70
5.86
4.62
3.94
3.51
3.22
3.01
2.85
2.72
2.62
2.53
2.46
2.40
G. de L. del
denominador
2 .5 %
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Grados de libertad del numerador

1
10
11
12
13
14
15
647.79
38.51
17.44
12.22
10.01
8.81
8.07
7.57
7.21
6.94
6.72
6.55
6.41
6.30
6.20
799.50
39.00
16.04
10.65
8.43
7.26
6.54
6.06
5.71
5.46
5.26
5.10
4.97
4.86
4.77
864.16
39.17
15.44
9.98
7.76
6.60
5.89
5.42
5.08
4.83
4.63
4.47
4.35
4.24
4.15
899.58
39.25
15.10
9.60
7.39
6.23
5.52
5.05
4.72
4.47
4.28
4.12
4.00
3.89
3.80
921.85
39.30
14.88
9.36
7.15
5.99
5.29
4.82
4.48
4.24
4.04
3.89
3.77
3.66
3.58
937.11
39.33
14.73
9.20
6.98
5.82
5.12
4.65
4.32
4.07
3.88
3.73
3.60
3.50
3.41
948.22
39.36
14.62
9.07
6.85
5.70
4.99
4.53
4.20
3.95
3.76
3.61
3.48
3.38
3.29
956.66
39.37
14.54
8.98
6.76
5.60
4.90
4.43
4.10
3.85
3.66
3.51
3.39
3.29
3.20
963.28
39.39
14.47
8.90
6.68
5.52
4.82
4.36
4.03
3.78
3.59
3.44
3.31
3.21
3.12
968.63
39.40
14.42
8.84
6.62
5.46
4.76
4.30
3.96
3.72
3.53
3.37
3.25
3.15
3.06
973.03
39.41
14.37
8.79
6.57
5.41
4.71
4.24
3.91
3.66
3.47
3.32
3.20
3.09
3.01
976.71
39.41
14.34
8.75
6.52
5.37
4.67
4.20
3.87
3.62
3.43
3.28
3.15
3.05
2.96
979.84
39.42
14.30
8.71
6.49
5.33
4.63
4.16
3.83
3.58
3.39
3.24
3.12
3.01
2.92
982.53
39.43
14.28
8.68
6.46
5.30
4.60
4.13
3.80
3.55
3.36
3.21
3.08
2.98
2.89
984.87
39.43
14.25
8.66
6.43
5.27
4.57
4.10
3.77
3.52
3.33
3.18
3.05
2.95
2.86
339
340

Introduccion A La Inferencia Estadistica

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Introduccion A La Inferencia Estadistica

Загружено:

Авторское право:

Доступные форматы

INTRODUCCION A LA INFERENCIA

ESTADISTICA PARA ECONOMIA Y EMPRESA

Jos Ramn Cancelo