Академический Документы
Профессиональный Документы
Культура Документы
______________________________________________________________________
CONTENIDO
PROLOGO ........................................................................................................................................................
9
10
27
32
61
77
78
113
116
150
167
185
186
207
283
315
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.
10
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
xi
P ( X = xi )
p1
p2
p3
p4
12
13
14
( 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
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
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
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
s c2 = +
(x
x )2
n 1
s = +
s2 = +
( xi x )2
n
19
1.5
2.5
1.5
2.5
2.5
3.5
2.5
3.5
X1
20
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
POBLACION
media = = 2.5
Parmetro (constante)
MUESTRA
x1 + x 2
media = x =
2
_
0.30
0.25
0.20
0.15
0.10
0.05
0.00
1
1.5
2.5
3.5
22
(x1 x) + (x 2 x) 2
( X1 , X 2 ) s =
2
2
0.25
2.25
0.25
0.25
0.25
0.25
2.25
0.25
X1
23
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
POBLACION
varianza = 2 = 1.25
Parmetro (constante)
MUESTRA
_
(x1 x ) + (x 2 x ) 2
varianza = s =
2
2
0.25
2.25
25
(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
E(x) =
2
var( x ) =
n
_
DT ( x ) =
27
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
_
2
n
n 2
2
=
=
2
n
n
28
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
30
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
32
E(x) =
2
var ( x ) =
n
x N(,
)
n
x
N ( 0 ,1)
33
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
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
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
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
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
x
t n 1
sc
n
39
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
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
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
t 91
10%
-3
-2
-1
1.3968
42
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.
Esta advertencia es vlida para todas las aplicaciones de estas distribuciones que
veremos a lo largo del curso.
43
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
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
Demostraciones:
_
E ( x y ) = E ( x ) E ( y ) = x y
2y
2x
+
var ( x y ) = ( X , Y independientes ) = var ( x ) + var ( y ) =
m
n
( propiedad de la normal )
46
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
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
_ _
_
_
_
_
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
( 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
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
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
_
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
t 8 +15 2
80%
-3
-2
-1
0.8591
53
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
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.
Esta advertencia es vlida para todas las aplicaciones de estas distribuciones que
veremos a lo largo del curso.
55
s c2,x
2x
s c2, y
F nm11
2y
56
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
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
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
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
x 1 + x 2 + ... + x n
n
61
x n
N ( ,
)
n
x
n
N ( 0 , 1 )
62
1.4.2
DISTRIBUCION
DE
LA
PROPORCION
MUESTRAL
EN
UNA
= 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
Ejemplo 8:
f 0.58
n
N ( 0 , 1 )
0.58 (1 0.58)
200
64
P ( f < 0.53 )
= P
0.53 0.58
=
0.58 (1 0.58)
200
f 0.58
<
0.58 (1 0.58)
200
N ( 0 ,1)
7.64 %
-3
-2
1.43
-1
65
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
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:
*
Dado que:
x 10.5
n
N ( 0 , 1 )
10.5
300
67
_
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
DIFERENCIA
POBLACIONES
DE
BINOMIALES
PROPORCIONES
Y
MUESTRAS
INDEPENDIENTES
Poblacin 1: X B ( 1 , px )
xi
P ( X = xi )
px
1-px
69
Poblacin 2: Y B ( 1 , py )
yi
P ( Y = yi )
py
1-py
70
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
71
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
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
N ( 0 , 1 )
m ,n
74
P ( fx < fy
= P
= P ( fx fy < 0
)=
(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
N ( 0 ,1)
2.74 %
-3
-2
1.92
-1
75
76
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
F (.) ? , ?
78
Binomial
Poisson
Normal
79
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 )
80
Terminologa:
ESTIMADOR: funcin de la muestra que sirve para estimar un parmetro
desconocido
Ej.:
Ej.:
= 4
81
E () =
82
estimador 1
estimador 2
E ( 2 )
E (1 ) =
sesgo de 2 = E ( 2 )
83
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
84
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
E ( )
n
Corolario:
Un estimador insesgado tambin es asintticamente insesgado.
86
RESULTADOS
BASICOS
SOBRE
LA
INSESGADEZ
DE
ALGUNOS
ESTIMADORES:
1) La media muestral es siempre un estimador insesgado de la media poblacional.
_
E( x ) =
E(x) =
E(x) = p
_
E(x) =
= x
p = x
= x
87
De donde:
sesgo (s2 ) = E ( s 2 ) 2 =
1 2
88
1 2
0
n
n
grande
89
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
estimador 1
estimador 2
E(1 ) = = E( 2 )
91
Ejemplo 1 (continuacin):
* 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.
* Tenemos dos estimadores insesgados:
x + x2
1 = x = 1
2
2 = x1
92
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
estimador 2
estimador 1
E (1 ) =
E ( 2 )
sesgo de 2 = E ( 2 )
94
ECM ( ) = E ( )
= varianza ( ) + [ sesgo ( ) ]
Caso particular:
E ( ) =
ECM ( ) = varianza ( )
95
Ejemplo 1 (continuacin):
* 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 dos estimadores:
2 = x1
3 =
x1 + x 2
3
96
sesgo ( 2 ) = 0
1
sesgo ( 3 ) =
3
var ( 2 ) = 2
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
Por lo tanto:
2 2
1
=
+
9
3
<
2 2
1
+
9
3
<
2
7
98
99
100
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
n = 10000
n = 1000
n = 100
n = 10
n =1
102
E ( ) =
E ( ) n
var ( ) n
0
Corolario:
La media muestral es siempre un estimador consistente de la media poblacional.
103
= funcin ( X1 , X2 , ... , Xn )
funcin(.) ?
104
Ejemplo 2:
Queremos determinar la proporcin de personas paradas que llevan menos de seis meses
en esa situacin.
POBLACION: PARADOS
xi
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
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)
B ( 200 , 0.10)
106
107
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
p MV
= 0. 3
p MV
= f
109
) ( x ) ln p
ln L(p) = ln p x i ( 1 p ) n x i =
+ ( n x i ) ln (1 p)
110
( 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
Parmetro a estimar
Estimador
__________________________________________________________________
- Normal
media muestral x
varianza muestral s 2
cuasivarianza muestral s c2
- Binomial
frecuencia relativa f
_
= (media muestral x )
- Poisson
media muestral x
112
2.2
INTERVALOS
DE
CONFIANZA:
PLANTEAMIENTO
GENERAL
En el epgrafe anterior el objetivo era construir un estimador
= ( X1 , X 2 , ..., X n )
tal que
113
1 < < 2
cuantificando la probabilidad de que el verdadero valor del parmetro realmente est
comprendido entre los dos extremos
P ( 1 < < 2 ) =
114
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:
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
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)
x
= P z <
< z =
N ( 0 ,1)
1
2
-3
1
2
-2
-1
117
Despejando:
_
_
P xz
< < x+z
=
n
n
P ( 1 < < 2 ) =
118
Ejemplo 3:
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 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
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
XN(,)
2 ? , desconocida
m.a.s. de tamao n 2 = s c2
(n 1) s c2
2
n 1
2
121
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
(n 1) s c2
< <
b
(n 1) s c2
a
123
Ejemplo 4:
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 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
124
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
XN(,)
? , desconocida
m.a.s. de tamao n = x ,
sc
x
t n 1
sc
n
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
Ejemplo 5:
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. 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
22.9 = 4.785
t 91
95%
2.5%
2 .5 %
-3
-2
2.3060
-1
2.3060
129
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
X N ( x , x )
x desconocida , x conocida
Poblacin 2:
Y N ( y , y )
y desconocida , y conocida
Las dos poblaciones son independientes entre s.
x y ?
131
x = x
y = y
( x y) ( x y )
+
m
n
2
x
2
y
N ( 0 ,1)
_
_
( x y) ( x y )
= P z <
< z =
2
2
x
+
m
n
132
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
Ejemplo 6:
134
135
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
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
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
= 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
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
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
141
t 8 +15 2
90%
5%
5%
-3
-2
1.7207
-1
1.7207
Sustituyendo:
( 31.3 33.2 ) 1.7207
1
1
+
< x y <
8
15
1
1
+
8
15
Poblacin 1:
X N ( x , x )
y , x desconocidas
Poblacin 2:
Y N ( y , y )
y , y desconocidas
Las dos poblaciones son independientes entre s.
2x
2
y
143
2x
s c2, y
F nm11
2y
s c2,x
2
s
c,y
=
= P a <
<
b
2x
144
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
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
2x
2
y
147
F161011
2 .5 %
95%
2 .5 %
0.265
3.12
P F nm11 < a
)=
0.025
P F mn 11 >
= 0.025
a
148
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
xi
P ( X = xi )
1-p
p?
m.a.s. de tamao n ( ) p (= x )
150
pp
n
N ( 0 , 1 )
p (1 p)
n
= P z <
pp
< z =
p (1 p)
N ( 0 ,1)
1
2
-3
1
2
-2
-1
151
Despejando:
P p z
p (1 p)
< p < p+z
n
p (1 p)
n
P pz
p (1 p)
< p < p+z
n
p (1 p)
=
152
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?
153
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
e x i
P ( X = xi ) =
xi !
, x i = 0, 1, 2, ...
m.a.s. tamao n ( ) (= x )
155
n
N ( 0 , 1 )
= P z <
< z =
N ( 0 ,1)
1
2
-3
1
2
-2
-1
156
Despejando
P z
< < +z
n
P z
< < +z
n
157
Ejemplo 10:
El nmero de camiones que llega diariamente a una terminal portuaria se distribuye
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
* ?
158
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
P ( X = xi )
px
1-px
yi
P ( Y = yi )
py
1-py
Poblacin 2: Y B ( 1 , py )
( 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 <
( px py ) ( px py )
< z =
p y (1 p y )
p x (1 p x )
+
m
n
161
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
( 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
Ejemplo 11:
164
N ( 0 ,1)
95%
2. 5%
2.5%
-3
-2
1 .96
-1
1.96
165
Sustituyendo:
0.42 (1 0.42)
0.34 (1 0.34)
+
< px py <
600
400
0.42 (1 0.42)
0.34 (1 0.34)
+
600
400
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
Solucin:
El intevalo de confianza es ( 202.59 , 409.01 ).
167
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:
El intevalo de confianza es ( 110.56 , 358.24 ).
168
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:
El intevalo de confianza es ( 1.238 , 14.147 ).
169
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
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
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:
El intevalo de confianza es ( 338.05 , 571.95 ).
172
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
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%.
Solucin: El intevalo de confianza es ( -517.19 , 400.19 ).
174
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:
El intevalo de confianza es ( 13.05 , 13.95 ).
175
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
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
nivel de confianza del 95%.
Solucin:
El intevalo de confianza es ( 46.28% , 58.92% ).
177
EJERCICIO 12
178
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%.
Solucin: El intevalo de confianza es ( -105.11 , 204.51 ).
179
EJERCICIO 14
180
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
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
nivel de confianza del 95%.
Solucin:
El intevalo de confianza es ( 0.885 , 22.027 ).
182
EJERCICIO 17
183
EJERCICIO 18
184
185
186
Objetivo de la muestra:
0 ?
La cuestin a determinar:
187
H0: 0
H1: 1
188
Decisin: rechazo H0
R*
Decisin: no rechazo H0
189
H0: = 0
H0: = 0
H0: 0
H1: 0
H1: > 0
H1: < 0
H1: 1
190
Realidad
Decisin
Rechazo H0
No Rechazo H0
H0 verdadera
H0 falsa
Error de tipo I
Decisin correcta
Decisin correcta
Error de tipo II
191
192
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
H0: = 1
H1: = 3
193
* estimador: = x =
* regla de decisin:
X1 + X 2
2
(Regin de no rechazo)
194
Anlisis:
* Poblacin: dos posibilidades, N ( 1 , 1 ) o N ( 3 , 1 )
N (1,1)
-2
-1
N (3,1)
195
x N(,
N (1,
-2
1
) = N(,
)
2
n
1
)
2
-1
N (3,
1
)
2
196
(Regin de no rechazo)
=3
=1
H 0 falsa
H 0 verdadera
No Re chazo H 0
2 .2
Re chazo H 0
197
Probabilidades asociadas:
1) NIVEL DE SIGNIFICACION o PROBABILIDAD DE ERROR DE TIPO I
Es la probabilidad de rechazar la hiptesis nula cuando es verdadera.
_
N (1,
1
)
2
N (3,
1
)
2
P ( ETI ) = 0.0446
-2
-1
2.2 Re chazo H 0
198
N(1,
1
)
2
N(3,
1
)
2
P ( ETII ) = 0.1292
-2
-1
No Re chazo H 0 2.2
199
N(1,
N(3,
1
)
2
1
)
2
Potencia = 0.8708
-2
-1
2.2 Re chazo H 0
200
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
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
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
Ejemplo 1 (continuacin):
Supongamos que se nos propone utilizar la siguiente regla alternativa:
_
mantenemos = 1
(Regin de no rechazo)
* RD 2
_
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
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
2.49
Re chazo H 0
Conclusin: las dos reglas propuestas tienen la misma probabilidad de error de tipo I.
205
) = ( ... ) = 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
<
2.49
Re chazo H 0
206
3.2
CONTRASTES
DE
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)
N ( 0 ,1)
H1: 0
-3
-2
-1
Regin de rechazo:
_
x < k1 o x > k2
k1 = 0 z
k 2 = 0 + z
208
N ( 0 ,1)
H1: > 0
-3
-2
-1
Regin de rechazo:
_
x > k
k = 0 + z
209
N ( 0 ,1)
H1: < 0
-3
-2
-1
Regin de rechazo:
_
x < k
k = 0 z
210
Ejemplo 2, apartado a:
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 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
= x = 503.75
x
N ( 0 ,1)
5
16
212
- Si x < k
_
- Si x > k
Rechazo
H0: = 500
213
= P x < k si x N ( 500 ,
) =
16
k 500
= P N(0,1) <
5
16
N ( 0 ,1)
5%
-3
-2
1.64
-1
214
5
= 497.95
16
- 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
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
Procedimiento para hacer el contraste:
* Sabemos que 500
- Si x > k
_
- Si x < k
Rechazo
H0: = 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
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
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
Procedimiento para hacer el contraste:
* Sabemos que puede ser mayor, menor o igual a 500
- Si k1 < x < k2
H0: = 500
219
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
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
* 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
XN(,)
2 ? , desconocida
m.a.s. de tamao n
2 = s c2
(n 1) s c2
2
n 1
2
nivel de significacin = P ( ETI ) = (dado)
222
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
2n 1
H1: 2 > 20
Regin de rechazo:
s c2 > k
k =
b 02
n 1
224
H0: =
2n 1
2
0
H1: 2 < 20
Regin de rechazo:
s c2 < k
k =
a 02
n 1
225
Ejemplo 3, apartado a:
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 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
2 = s c2 = 0.29
( 10 1) s c2
2
*
10
1
2
227
Rechazo
H0: 2 = 0.8
k1 , k2 ?
228
2
10
1
2 .5 %
2 .5 %
2.7
10
12
14
16
18
20
19.02
22
24
26
k2 =
2.7 0.8
10 1
= 0.240
19.02 0.8
10 1
= 1.691
229
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
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
Procedimiento para hacer el contraste:
* Sabemos que 2 0.8
- Si s c2 > k
Rechazo
- Si s c2 < k
2
10
1
5%
10
12
14
16
18
16.92
20
22
24
26
16.92 0.8
k =
= 1.504
10 1
* La regla de decisin es:
H0: 2 = 0.8
- Si s c2 > 1.504
Rechazo
- Si s c2 < 1.504
* En la muestra
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
de significacin del 5%.
232
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
significacin del 5%.
H0: 2 = 0.8
H1: 2 < 0.8
Procedimiento para hacer el contraste:
* Sabemos que 2 0.8
- Si s c2 < k
Rechazo
- Si s c2 > k
2
10
1
5%
3.33
10
12
14
16
18
20
22
24
26
3.33 0.8
k =
= 0.296
10 1
* La regla de decisin es:
H0: 2 = 0.8
- Si s c2 < 0.296
Rechazo
- Si s c2 > 0.296
* En la muestra
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
de significacin del 5%.
234
XN(,)
? , desconocida
m.a.s. de tamao n
= x , sc
x
t n 1
sc
n
235
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
tn 1
H1: > 0
-3
-2
-1
Regin de rechazo:
_
x > k
k = 0 + t
sc
n
237
tn 1
H1: < 0
-3
-2
-1
Regin de rechazo:
_
x < k
k = 0 t
sc
n
238
Ejemplo 4, apartado a:
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. 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
significacin del 5%.
239
22.9 = 4.785
x
4.785
t 9 1
9
240
* 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
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
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
significacin del 5%.
243
* 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
En la muestra x = 16.2 > 9.03, y por lo tanto no rechazo que en promedio los
245
Poblacin 1:
X N ( x , x )
x desconocida , x conocida
Poblacin 2:
Y N ( y , y )
y desconocida , y conocida
Las dos poblaciones son independientes entre s.
246
x = x
y = y
( x y) ( x y )
+
m
n
2
x
2
y
N ( 0 ,1)
247
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
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
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
Ejemplo 5, apartado a:
251
H0: x y = 0.2
H1: x y > 0.2
x = x = 5.3
y = y = 5.9
( x y) ( x y )
2
0.5
0.9
+
50
75
N ( 0 ,1)
252
- Si x y > k
- Si x y < k
Rechazo
H0: x y = 0.2
253
N ( 0 ,1)
10%
-3
-2
-1
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
notas medias es igual a 0.2 frente a la alternativa de que sea distinta de 0.2, con un
nivel de significacin del 10%.
255
notas medias es igual a 0.2 frente a la alternativa de que sea menor que 0.2, con un
nivel de significacin del 10%.
256
257
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
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
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
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
Ejemplo 6, apartado a:
263
( x y) ( x y )
(8 1) 4.41 + (15 1) 3.24
8 + 15 2
1
1
+
8
15
t 8 + 15 2
264
- Si x y < k
- Si x y > k
Rechazo
H0: x y = 0.5
265
t 8 +15 2
10%
-3
-2
-1
1.3232
1
1
+
= 0.60
8
15
- Si x y < 0.60
- Si x y > 0.60
Rechazo
H0: x y = 0.5
266
* En la muestra
_
267
En la muestra x y = 1.9 < 0.94, y por lo tanto rechazo que en promedio las
* 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
270
2x = s c2,x
2y = s c2, y
2
c,y
2x
F nm11
2y
271
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
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
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
Ejemplo 7, apartado a:
275
H1:
2x
2
y
2x
2
y
= 1
276
2x = s c2,x = 42849
2y = s c2, y = 91204
s c2, y
2x
F161011
2y
277
* H0:
* H1:
2x
2
y
2x
2y
2x
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
F161011
2 .5 %
2 .5 %
0.265
3.12
P F nm11 < a
)=
0.025
P F mn 11 >
= 0.025
a
279
k 1 = 0.265 1 = 0.265
k 2 = 3.12 1 = 3.12
* La regla de decisin es:
- 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
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
281
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
282
P ( X = xi )
1-p
p?
m.a.s de tamao n ( )
p (= x )
pp
n
N ( 0 , 1 )
p (1 p)
n
283
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
N ( 0 ,1)
H1: p > p0
-3
-2
-1
Regin de rechazo:
p > k
k = p0 + z
p 0 (1 p 0 )
n
285
N ( 0 ,1)
H1: p < p0
-3
-2
-1
Regin de rechazo:
p < k
k = p0 z
p 0 (1 p 0 )
n
286
Ejemplo 8, apartado a:
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
pp
N ( 0 , 1 )
n
p (1 p)
200
288
- Si p > k
- Si p < k
Rechazo
H0: p = 0.6
k?
289
N ( 0 ,1)
5%
-3
-2
-1
1.64
0.6 (1 0.6)
= 0.657
200
p > 0.657
p < 0.657
* En la muestra
Rechazo
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
abonados en A Corua sea igual a 0.6 frente a la alternativa de que sea distinta de 0.6,
con un nivel de significacin del 5%.
291
292
, x i = 0, 1, 2, ...
?
m.a.s tamao n ()
(= x )
N ( 0 , 1 )
n
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
N ( 0 ,1)
H1 : > 0
-3
-2
-1
Regin de rechazo:
> k
k = 0 + z
0
n
295
N ( 0 ,1)
H1 : < 0
-3
-2
-1
Regin de rechazo:
< k
k = 0 z
0
n
296
Ejemplo 9, apartado a:
297
N ( 0 , 1 )
n
300
298
- Si < k
- Si > k
Rechazo
H0: = 10
No Rechazo H0: = 10
k?
299
N ( 0 ,1)
1%
-3
2.33
-2
-1
10
= 9.57
300
< 9.57
> 9.57
* En la muestra
Rechazo
H0: = 10
No Rechazo H0: = 10
distribucin Poisson sea igual a 10 frente a la alternativa de que es distinto de 10, con
un nivel de significacin del 1%.
301
302
P ( X = xi )
px
1-px
yi
P ( Y = yi )
py
1-py
Poblacin 2: Y B ( 1 , py )
( 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
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
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
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
308
( px py ) ( px py )
p y (1 p y )
p x (1 p x )
+
600
400
N ( 0 , 1 )
m ,n
309
- 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
k1 , k2 ?
310
N ( 0 ,1)
2 .5 %
2 .5 %
-3
-2
1.96
-1
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
Rechazo
H0: px py = 0.03
* En la muestra
p x p y = 0.08
(0.031 , 0.091 )
312
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
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
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:
EJERCICIO 4
La hiptesis nula se rechazar cuando la media muestral sea mayor que 13.50. En este
caso es igual a 13.6, y por lo tanto se rechaza la hiptesis nula.
318
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
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
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
EJERCICIO 8
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
EJERCICIO 9
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
EJERCICIO 10
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
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:
La hiptesis nula se rechazar cuando la media muestral sea mayor que 419.16. En este
caso es igual a 421, y por lo tanto se rechaza la hiptesis nula.
325
EJERCICIO 12
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
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
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
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
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
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
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
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
334
TABLAS ESTADISTICAS
335
P(X a) = p
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
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
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
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
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
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