1) Se pretende saber el porcentaje de hogares de Paris equipados con red WIFI

para la transmisin de datos. Para ello se ha realizado una encuesta al azar a

190 hogares y se han detectado que 120 hogares lo tienen instalado. Se pretende
saber:
a. Cul es el rango de valores que contiene el verdadero porcentaje de hogares
con WIFI en Pars, con una confianza del 90%?
Nos piden que calculemos el intervalo de confianza de una proporcin
Sabemos:
1- = 0,90

y que el estadstico pivote:

Despejando el parmetro P:

N(0,1)

Calculamos los valores de Z/2

-Z/2 = -1,645
Z/2 = +1,645
/2 = 0,05

Sustituimos los valores:

/2 = 0,05

+ 1,645

- 1,645
-3

-2,5

-2

-1,5

-1

-0,5

0,5

Respuestas:

Lmite superior:

Lmite inferior:

Amplitud del intervalo de confianza: 0,690 0,574 = 0,115

Semi-amplitud del intervalo de confianza: 0,115/2 = 0,0575

b. A cuntas personas se debera encuestar para lograr unasemi-amplitud del

intervalo de 0,04, utilizando el mismo nivel de confianza?
Nos piden el tamao de muestra. Nos basamos en el estadstico pivote:

Pero ahora sabemos que la semi-amplitud del intervalo es:

varianza ser
y que +Z/2 = 1,645

que la

1,5

2,5

Por tanto, del pivote podemos despejar n:

Despejamos n

Que es igual a la frmula en los textos:

2) Se ha realizado una encuesta probabilstica a 11 viajeros del AVE MadridValencia para conocer su nivel de satisfaccin con el servicio. Se obtenido una
media de 7,36 y una cuasi-desviacin tpica de 1,43.
a) Dado que la muestra es pequea, menos de 30 casos, qu test deberas de
implementar para garantizar que puedes aplicar los procedimientos de la
inferencia estadstica para ese estadstico?
Hay que garantizar que los datos proceden de una normal aplicando el test de
Shapiro-Wilks.

b) Sabiendo que los datos han sido los siguientes, concluya si los valores proceden
de una distribucin normal. Para un = 0,02
5 6 8 6 7 8 8 9 7 10 7

Formulamos el contraste de hiptesis:

H0: W0Wc
H1: W0 <Wc
Test de una cola (cuanto ms pequeo W0 mayor probabilidad de que no
sea normal)
2
k

Establecemos el = 0,02
ani 1 xni 1 xi
2
Estadstico de contraste:
b
Wc i 1 n
2
S2
x

i
Operaciones:
i 1
Se ordenan los casos
Se calcula
Se calcula b2 = 19,27

Se calcula

Se obtienen de las tablas el Wc = 0.817

Se concluye: No podemos rechazar la H0, concluimos que proceden de
una normal
2

caso "i"

xorden

(x-M)2

"i" hasta
k

ai (tablas)

xn+1-i

xi

(xn+1-1 - xi)*an+1-i

5,59

11

0,5601

10

2,8

1,86

11

0,3315

1,0

1,86

11

0,2260

0,5

0,13

11

0,1429

0,1

0,13

11

0,0695

0,13

Suma (b)

0,40

4,39

0,40

b2

0,40

19,27

10

2,68

11

10

6,95

Promedio

Suma (S2)

7,36

20,55

0,0

c) Con un = 0,05, podemos decir que la satisfaccin media de todos los

pasajeros ha sido superior a 7?
Sabemos que los datos proceden de una distribucin normal, por tanto el
estadstico media para muestras pequeas (n < 30)

Contraste de hiptesis de Fisher

H0: 7
H1: > 7
Test de una cola.
Con el =0,05, determinamos las regiones de aceptacin y rechazo. La hiptesis
alternativa define donde estar el valor crtico, en nuestro caso desconfirma a la
derecha.
El estadstico de contraste se distribuye
como una t de Student con n-1 grados de
libertad. Buscamos en las tablas de la t para
10 grados de libertad.
Zona de aceptacin de - a +1,812
Zona de rechazo de +1,812 a +

H0
11-1 = 10 g.l.

=0,05

+ 1,812
-3

Se calcula el estadstico de contraste:

-2,5

-2

-1,5

-1

-0,5

0,5

1,5

Aceptacin

2,5

Rechazo

Sustituyendo por los valores

Temprico cae en regin de aceptacin

la media poblacional no es mayor que 7.

3

d) Con una confianza del 90%, entre qu valores podra estar el autntico valor
poblacional?
Nos piden que calculemos el intervalo de confianza para un nivel de confianza
del 90%.
Sabemos que el estadstico media muestral se distribuye
Y que el estadstico pivote es:

El intervalo de confianza tiene 2 colas, por tanto

1- =0,90; /2 = 0,05
Para 11-1 = 10 grados de libertad, obtenemos el valor tipificado de t en las
tablas: -tn-1, /2 = -1,812 y tn-1, /2 = +1,812
Despejando, la frmula del intervalo de confianza:

Media

Nivel de
confianza

Errores
tpicos

Sustituyendo:

Lmite superior del intervalo 8,141

Lmite inferior del intervalo 6,579
Con una confianza del 90%
Por esta razn no hemos podido rechazar la H0 de que la media poblacional no fuera
7.
e) Calcula el intervalo de confianza si el test de ShapiroWilks hubiera salido
significativo.
Como la muestra es pequea y los datos no proceden de una distribucin normal,
no sabemos cmo se distribuye el estadstico media y por tanto aplicamos el
teorema de Chebichev.
Frmula del intervalo de confianza, segn Chebichev:

Siendo K:

Nivel de confianza: 1- = 0,90

= 0,10 y
4

Lmite superior del intervalo 6,00

Lmite inferior del intervalo 8,72
Con una confianza del 90%
El intervalo es mayor que el calculado con la t de Student. Aplicando el teorema se
pierde precisin.

f) Obtener el intervalo de confianza para la varianza de la satisfaccin de los

viajeros con un 95% de confianza.
Nos piden que calculemos el intervalo de confianza para un nivel de confianza del
95%.
Sabemos que el estadstico cuasivarianza muestral se distribuye

Y que el estadstico pivote es:

Despejando la varianza poblacional 2 obtenemos el intervalo de confianza:

Con nuestro datos: n = 11 y cuasi-desviacin

= 1,43

0,120

g.l. 10

0,100
0,080

0,060
0,040
0,020

0,000

0,025

0,025

210, 0,975 = +3,25

210, 0,025 = +20,5

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
-0,020

Con una confianza del 95% la varianza

poblacional estara entre 1 y 6,3, en trminos de desviacin tpica, entre 1 y 2,5
g) Si tuviramos que decidirnos entre elegir el valor poblacional 7 el
alternativo 8 cul es el ms probable? con un = 0,10
No piden que realicemos un contraste ptimo tomando como hiptesis nula el 7.

H0: = 7
H1: = 8
5

Desconfirmamos la hiptesis nula por la derecha

=8

=7

La distancia mxima tipificada entre la H0 = 7y el punto con un error .

Averiguamos el t0 para n-1 y que es positivo en las tablas,

t010; 0,10 = 1,372
Despejamos que es el valor de la media mximo antes de rechazar la H0:

Con nuestros datos:

Como la media muestral es de 7,36 < 7,59, aceptamos la hiptesis nula con un error del
0,10.

7,59

=7

=8

3) En una empresa se han tomado los registros de consumo de 30 das,

obtenindose una media muestral de 879,3 litros por da, con una cuasidesviacin tpica de 9,80 litros.
a) Si disponemos de depsitos con capacidad para 26300 litros Con qu
probabilidad tendremos suministro para el mes?
Debemos saber el total de litros que consumimos al mes x. Como hemos tomado
registro de los 30 das, podemos extraer el estadstico suma:
el total consumido sera:
al mes
Sabemos que el estadstico x se distribuye

Como n 30, converge en distribucin con una normal, aceptando como la cuasidesviacin muestral
Nos piden que calculemos con qu probabilidad, el consumo mensual adicionado no
rebasar los 26300 litros.

Sabiendo que:
E(x) = 26380

N(0,1)

P(< 26300)
Tipificamos:
rea 0,0681
- 1,489
-3

-2,5

-2

-1,5

-1

-0,5

0,5

1,5

2,5

26.380

Buscamos en las tablas:

P(< 26300) = P(< -1,489) = 0,0681
Es muy poco probable.

b) Sabiendo que los datos son los siguientes, verifique por Kolmogorov-Smirnoff
que proceden de una distribucin aleatoria normal. Con un nivel de
significacin = 0,1.
Formulamos las hiptesis:
H0: Dn D0
H1: Dn>D0
litros
860
865
870

das
1
3
3

nacum
1
4
7

frel_acum
0,033
0,133
0,233

875

13

0,433

880
885
890
895
900

6
5
3
2
1
Suma
30
cuasidesv
9,80265

19
24
27
29
30

0,633
0,800
0,900
0,967
1,000

media
879,3

F(x)
0,022
0,068
0,166

Dn
0,0109
0,06485
0,06691

Zi
-2,00597
-1,48719
-0,9684

0,528
0,722
0,866
0,948
0,984

0,10576
0,07828
0,0342
0,01869
0,016

0,06917
0,58796
1,10674
1,62553
2,14431

desv
9,6379

Calcula el valor de las celdas vacas.

rea
0,326

Dn
0,10684

Zi
-0,44961

El valor del Dn = 0,10684.

Comprobamos en las tablas el valor crtico Dc = 0,21856.
Dn< Dc concluimos que los valores proceden de una distribucin normal.
7

c) Se quiere saber si la media de consumo poblacional podra superar un tope en

litros. Con un alfa de 0,05 se quiere probar que el consumo medio diario, sea
como mximo de 890 litros por da.
Se trata de un contraste de medias tipo Fisher
Se formulan las hiptesis:
H0: 890
H1: > 890
Test de una cola
Nivel de significacin: = 0,05
Datos empricos:
media
879,3

cuasi-desv
9,80

n
30

Sabemos que el estadstico media muestral se distribuye como una t de Student con n-1
grados de libertad.
Y que el estadstico pivote es:

Buscamos en las tablas el valor de + t porque desconfirma por la derecha (ver la H1)
para un error = 0,05
t29, 0,05 = +1,699
N(0,1)
Zona de aceptacin de - a +1,699
Zona de rechazo de +1,699 a +
Estadstico de contraste emprico:
rea = 0,05

+ 1,699
-3

-2,5

-2

-1,5

-1

-0,5

0,5

Aceptacin

1,5

2,5

Rechazo

Dado que el estadstico emprico cae en regin de aceptacin, aceptamos H0 y

concluimos que el consumo poblacional ser menor de 890 litros.
d) Si tomamos como H0 el valor de 890 litros al da, contraste ese valor con el de
875 litros al da como hiptesis alternativa, con un error del 0,01.
Solicitan que hagamos un contraste ptimo.
H0: = 890
H1: =875
Desconfirmamos la hiptesis nula por la izquierda

=875

=890
8

La distancia mxima tipificada entre la H0 = 890y el punto con un error .

Averiguamos el t0 para n-1 y que es positivo en las tablas,

t029; 0,01 = -2,462
Despejamos que es el valor de la media mximo antes de rechazar la H0:
Con nuestros datos:

Como la media muestral es de 879,3<984,4, aceptamos la hiptesis nula con un error

del 0,10.

= 885,59
= 875

,3

=890

Rechazamos la H0 y aceptamos la alternativa, el consumo es ms probable que sea de

870.
4) El retraso en los vuelos de una compaa area se distribuye N( ; ). El ao
pasado el retraso medio fue de 196 minutos. Contrastar con un nivel de
significacin del 5% que el retraso no ha variado este ao, sabiendo que
analizados 200 vuelos elegidos aleatoriamente se ha obtenido un tiempo total de
retraso de los vuelos de 4500 minutos y una cuasi-desviacin tpica muestral de
16 minutos.
Se propone que este ao el valor poblacional del promedio de retraso es el mismo19,6
minutos.
Contraste de hiptesis tipo Fisher.
H0: = 19,6
H1: 19,6
Test de dos colas
Nivel de significacin: = 0,05
Sabemos que el estadstico media muestral se distribuye como una normal

dado que n >100 casos

Y que el estadstico pivote es:

Buscamos en las tablas el valor de Z/2 porque desconfirmapor ambos lados (ver la
H1) para un error = 0,05
+Z/2 = +1,96
N(0,1)
- Z/2 = -1,96
Zona de aceptacin de -1,96 a +1,96
Zona de rechazo de - a -1,96
Zona de rechazo de +1,96 a +
Datos:
La media muestral se obtiene de datos,

rea = 0,025
-3

-2,5

-2

Rechazo

-1,5

-1

rea = 0,025

+ 1,96

- 1,96
-0,5

0,5

Aceptacin

1,5

Rechazo

Estadstico de contraste emprico:

Dado que el estadstico emprico cae en regin crtica, rechazamos la H0 y concluimos

que el tiempo medio este ao ha sido diferente.

Y entre qu valores se situara el verdadero promedio este ao, con una confianza del
95%?
Se pide que calculemos el intervalo de confianza de la media muestral.
Sabemos que el estadstico media muestral se distribuye
Y que el estadstico pivote es:

2,5

El intervalo de confianza tiene 2 colas, por tanto

1- = 0,95; /2 = 0,025
Calculamos los valores Z/2
+Z0,025 = +1,96
- Z0,025 = - 1,96
Frmula del intervalo de confianza se obtiene despejando :

Media Nivel de Errores

confianza tpicos

10

Sustituyendo:

24,72

20,28
Lmite superior del intervalo 24,72 minutos
Lmite inferior del intervalo 20,28 minutos
Con una confianza del 95%
Por esta razn en el contraste anterior hemos rechazado la hiptesis nula de que la
media de retrasos ha sido para este ao de 19,6 minutos.
Con una confianza del 95%, el retraso medio no ha sido menor de 20,28 minutos ni
mayor de 24,72.

5) En una poblacin N( ; ) se quiere obtener la Regin Crtica ptima con un

1% de nivel de significacin para contrastar la hiptesis H0: = 5 frente a la
hiptesis H1: 5. El contraste se realiza a partir de una muestra aleatoria
simple de tamao 10 en la que se obtiene que cuasi-varianza es igual a 16.
Se nos pide un contraste tipo Fisher para la desviacin tpica poblacional.
H0: = 5
H1: 5
0,25
Dos colas
g.l.= 9
0,2
El estadstico cuasi-varianza se distribuye
0,15
como una chi-cuadrado con 9 g.l.
29; 0,995 =0,520
0,1
Con el =0,01, determinamos las regiones
de aceptacin y rechazo en la chi-cuadrado
0,05

29; 0,005 =23,26

rea = 0,005

Lmite inferior 9; 0,995 = 1,735

Lmite superior 29; 0,005 = 23,26
Calculamos el estadstico de contraste
emprico:

rea = 0,005

R. Crtica

10

12

14

16

Regin de aceptacin

18

20

22

24

Cae en regin de aceptacin y por tanto aceptamos H0 concluyendo que la desviacin

poblacional es 5.
a) Y tomando la H0: = 5, frente a la H1: = 3, con una significacin del 10 %,
seguiramos aceptando la hiptesis nula?
Se nos pide un contraste ptimo para la desviacin tpica:
Desconfirmamos la hiptesis nula por la izquierda

2
11
=5

28

R. Crtica

Con nuestros datos:

=3

26

La distancia mxima tipificada entre la H0 = 5 y el punto con un error .

Como la varianza se distribuye como una chi-cuadrado,

Calculamos el valor de la 29,

desconfirma por la derecha:

0,90

para nueve grados de libertad y 1- porque

0,25

29, 0,90 = 4,17

g.l.= 9

0,2

0,15

Introducimos el dato y despejamos , el valor

mnimo que podra adoptar la cuasivarianza
muestral antes de rechazar la H0:

0,1

0,05

rea = 0,10 29, 0,90 =4,17

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

En unidades de desviacin,
Como la cuasi-desviacin muestral es de 4, cae en regin de aceptacin concluimos a
favor de la H0

=3,40
=5

=3

6) En un aeropuerto aterrizan un promedio de 10 aviones procedentes de

Amrica a la semana (7 das)
a) Cuntos aviones procedentes de Amrica esperamos que aterricen en 1 da?

b) En 1 da Con qu probabilidad no aterrizarn aviones procedentes de

Amrica?

c) En 6 meses de 30 das cada uno con qu probabilidad aterrizarn entre 240 y

270 aeronaves procedentes de amrica?

Como > 100, converge en distribucin en una

y por TCL en N(0,1)

12

N(0,1)

Tipificamos:

0,64

La probabilidad de que aterricen de 240

aeronaves a 270 es del 64%

- 1,06
-3

-2,5

-2

-1,5

-1

+ 0,80

-0,5

0,5

1,5

2,5

d) El promedio anterior se ha obtenido de una muestra de 20 das observados, con

los resultados siguientes y se pretende saber si proceden de una muestra
aleatoria
9

Media

13

10

10

12

13

12

13

15

15

10

10,0
cuasi-desv

2,828
Mediana

9,5

Nos piden un contraste no paramtrico tipo Rachas de una muestra.

H0: rmn r0 rmx

H1: rmn

r0

rmx

Calculamos las rachas a partir de la Mediana

9

13

10

10

12

13

12

13

15

15

10

n1 = 10
n2 = 10
n = 20

Nmero de rachas emprico: r0 = 9

Buscamos en las tablas:
rmn = 6

rmx = 16

Como r0 = 9 cae en regin de confianza, aceptamos H0 y concluimos que los valores

proceden de una extraccin aleatoria.

13

e) Se pretende saber si los valores proceden de una poblacin poisson y se pide

que se verifique con un test de bondad del ajuste, con un = 0,01
Realizamos un contraste no paramtrico basado en la chi-cuadrado.
Estadstico de contraste:

Aceptamos que en las casillas hayan menos de 5 casos y se distribuye como una chicuadrado.
Organizamos los datos:
Media
10,0
cuasi-desv
2,828

xmin
6
8
9
10
12
13
15

ni
3
4
3
3
2
3
2
Suma
20

Formulamos las hiptesis a contrastar:

H0: 2emp 2crtica
(aceptamos Poisson)
H1: 2emp > 2crtica
Operaciones:

1 Disponemos de las frecuencias observadas ni en

K=10 categoras
2 Obtenemos las probabilidades de las 10 categoras, bajo hiptesis de distribucin
Poisson:

xmin

ni

pi

ei_(n*p)

(oi - ei)2

(oi - ei)2/ei

10

0,063

1,426

6,31

0,09

2,038

0,00

0,113

2,547

16

6,28

0,125

2,830

3,18

10

0,125

2,830

3,18

0,25

11

0,114

2,573

0,00

12

0,095

2,144

1,87

0,15

13

0,073

1,649

5,46

0,1

14

0,052

1,178

0,00

0,05

15

0,035

0,785

5,09

Suma
20

Suma Suma
0,884

20,00

g.l.= 9

0,2

crtico 29 =21,7
empirico 29 =31,4

rea = 0,01

2emprico

10

15

Regin de aceptacin

20

25

Regin crtica

31,37

En las tablas encontramos el 2crtico para k-1 grados de libertad

significacin del 0,01:

30

9 y un nivel de

El 2crtico = 21,7
Como 2emprico = 31,37 cae fuera de la regin de confianza, se rechaza la H0 y se
concluye que las observaciones no proceden de una distribucin Poisson.
14

35

f) Sabiendo que los valores muestrales no proceden de una distribucin normal y

que n < 30, podramos concluir, con una confianza del 90%, que un valor
posible del promedio poblacional de aterrizajes sera 15 aeronaves?
Hay dos procedimientos para averiguar si el valor poblacional es de 15 aeronaves:
Calcular el intervalo de confianza, con un nivel de confianza del 90% y realizar un
contraste tipo Fisher.
Calculamos el intervalo de confianza, con un nivel del 90%.
Como no sabemos cmo se distribuye la media muestral y se ha calculado sobre una
muestra menor de 30 casos, aplicamos Chevichev.
El intervalo de confianza tiene 2 colas, por tanto
1- = 0,90; /2 = 0,05
Calculamos los valores k
Sabiendo por Chevichev que k y el nivel de error estn relacionados:

Frmula del intervalo de confianza se obtiene despejando :

Media Nivel de Errores

confianza tpicos

Aplicando la frmula a nuestros datos:

Media

10,0
cuasi-desv

2,828

Lmite superior

Lmite inferior

Para una confianza del 90%

Con una confianza del 90%, el valor poblacional no sera de 15 atterrizajes porque est
fuera del intervalo.

7) El Indicador mensual de Confianza del Consumidor (ICC) del mes de mayo en

2014, publicado por el Centro de Investigaciones Sociolgicas (CIS), se sita en
0,849. La encuesta se realiza a 1111 personas seleccionadas aleatoriamente en el
territorio nacional
a) Podramos decir que la confianza nacional del consumidor en mayo del 2014
es del 87%? Realiza un contraste con una significacin del 0,03.
Nos piden un contraste de hiptesis tipo Fisher:
H0: P = 0,87
H1: P 0,87
Test de 2 colas
15

El estadstico de contraste proporcin, se distribuye como una

, dado que el

tamao de muestra es grande.

El estadstico pivote:

En trminos de error:

Determinamos los lmites de las regiones de aceptacin y crtica del contraste para dos
colas, con un nivel de significacin del 0,03.
Si 0 0,03,
/2 = 0,015.
N(0,1)
En las tablas encontramos el valor de los Z/2:
+ Z/2 = +2,17
- Z/2 = - 2,17
Calculamos el estadstico de contraste:
rea=0,015
-3

-2,5

- 2,17
-2

-1,5

rea=0,015

+ 2,17
-1

-0,5

0,5

1,5

El estadstico emprico cae en zona de aceptacin, aceptamos que el ndice de confianza

del consumidor a escala nacional sea del 0,87.

b) Con una confianza del 98% cul es el rango de valores que contiene el
parmetro de la proporcin?
Solicitan el intervalo de confianza, con una probabilidad de acierto del 0,97.
El estadstico proporcin se distribuye como una Normal

, dado que n > 30.

Del estadstico pivote despejamos la P la proporcin poblacional:

Dispuesto en forma esquemtica:

Proporcin Nivel de Errores

confianza tpicos

El Z/2 = Z0,01 = 2,37 (en tablas)

16

2,5

Con datos:

0,872

0,826
Con una confianza del 97% el autntico parmetro poblacional no es mayor de 0,872, ni
menor de 0,826. Por esa razn el 87% de confianza no ha podido ser rechazado el el
contraste anterior, porque es uno de los resultados posibles del valor poblacional.

c) Si tomamos como referencia el valor del 0,84 podramos afirmar que es ms

probable que el 0,87, con un nivel de significacin = 0,03?
Solicitan que hagamos un contraste ptimo.
H0: P = 0,84
H1: P = 0,87
Desconfirmamos la hiptesis nula por la derecha

P =0,87

P =0,84

La distancia mxima tipificada entre la H0 = 0,84 y el punto con un error .

Averiguamos el +Z que es positivo en las tablas,

+Z = +1,88
Despejamos que es el valor de la media mximo antes de rechazar la H0:

Con nuestros datos:

Como la media muestral es de 0,8493< 0,860, aceptamos la hiptesis nula con un error
del 0,03

= 0,86

P =0,84

P = 0,87
17

Representando el grfico completo

H0=0,84

H1=0,87
+Z=1,88

=0,03

-3

-2,5

-2

-1,5

-1

-0,5

0,5

1,5

2,5

3,5

4,5

5,5

6,5

=0,86

d) Cul es la potencia del contraste? el error tipo II que se comete? y el error

tipo I? Calclalos y represntalos en el cuadro siguiente.
Para calcula la potencia del contraste hay que ver a qu distancia en puntuaciones
tpicas est la =0,86 respecto de la hiptesis alternativa H1: P = 0,87

Calculamos el punto -Z :

H1=0,87

H0=0,84
+Z=1,88

- Z= -0,93

Poder = 0,824

=0,03

-5,8
-5,6
-5,4
-5,2
-5
-4,8
-4,6
-4,4
-4,2
-4
-3,8
-3,6
-3,4
-3,2
-3
-2,8
-2,6
-2,4
-2,2
-2
-1,8
-1,6
-1,4
-1,2
-1
-0,8
-0,6
-0,4
-0,2
0,00
0,2
0,4
0,6
0,8
1
1,2
1,4
1,6
1,8
2
2,2
2,4
2,6
2,8
3
3,2
3,4
3,6
3,8
4
4,2

= 0,176

=0,86

El nuevo punto -Z se encuentra a -0,939 puntos de la Hiptesis alternativa H1: P=0,87

Con el -Z calculamos el error beta en las tablas:
,
(siendo La H1 verdadera)
Con el mismo -Z calculamos el Poder que es el complementario
(siendo La H1 verdadera)
18

El error tipo I es 0,03

Conclusin:
El error tipo II tipo beta, el mximo que aceptamos con el contraste de la H0 es el 0,176,
como la proporcin muestral ha salido 0,849, se encuentra en la zona de rechazo de la
alternativa:

En consecuencia, el error tipo II que se comente al afirmar la H0 como verdadera es

mnimo, en tablas,

El contraste tiene suficiente poder, porque si la H1 fuera verdadera, la habra captado

con al menos una probabilidad de 0,824, por encima del 0,80 prescrito.

e) Contraste si se puede afirmar que la confianza sigue una distribucin binomial

con una probabilidad de xito del 0,80 con un nivel de significacin del
contraste del 1%. (contraste no paramtrico)
La distribucin binomial de un porcentaje es B(1, 0,80), luego en un ensayo la V.A.
adopta dos valores 0, 1.
Contrastamos con una chi-cuadrado.
Realizamos un contraste no paramtrico basado en la chi-cuadrado.
Estadstico de contraste:

Establecemos las hiptesis a contrastar:

H0: 2emprico 2crtico
H1: 2emprico > 2crtico
Construimos la tabla de frecuencias: n = 1111 casos y la
, por tanto, los caso
que han tenido confianza 1111*0,849= 943 y los casos que no la tienen 1111*0,151=
168.
En las tablas encontramos el valor crtico de la
para 1 g. l., con un = 0,01.
xmin
ni
pi ei_(n*p) (oi - ei)2/ei chi-cuadrado
2
crtico = 6,63.
No
confan

168

0,8

222

13,2

Confan

943

0,2

889

3,3

suma

21

1111

16,5

Como 2emprico = 16,5, es mayor que el crtico,

rechazamos la hiptesis nula y concluimos que
no procede de la binomial B(1, 0,80).

19