Академический Документы
Профессиональный Документы
Культура Документы
PROBABILIDAD
La probabilidad es una medida numrica de la certidumbre de que suceder determinado
evento.
Los valores de probabilidad siempre se asignan en una escala de valores entre 0 y 1.
Una probabilidad cercana a cero indica que es difcil que el evento ocurra, una
probabilidad cercana a uno indica que es casi seguro que suceder. Las probabilidades
entre 0 y 1 indican los grados de certeza de que el evento ocurra.
0.5
RESULTADO EXPERIMENTAL
cara - sello
defectuosa no defectuosa
Visita de ventas
venta no venta
Tirar un dado
123456
ESPACIO MUESTRAL
Es el conjunto de todos los resultados posibles de un experimento
PUNTO MUESTRAL
Cualquier resultado en particular de un experimento. Los elementos del espacio muestral
se llaman puntos muestrales.
S=
cara, sello
S=
defectuoso, no defectuoso
S=
1, 2, 3, 4, 5,6
para todas i
METODO CLASICO
Si un experimento tiene n resultados posibles, el mtodo clsico asignar una
1
n
probabilidad de
10
40
30
40
METODO SUBJETIVO
Es una asignacin de probabilidad realizada por una persona basndose en cualquier
informacin que est disponible, o en su criterio. En este mtodo predomina la
experiencia subjetiva de la persona que toma la decisin.
EVENTO
Conjunto de uno o ms resultados de un experimento.
Ejemplo: El evento de obtener un nmero par al lanzar un dado:
A=
{ 2,4,6 }
PROBABILIDAD DE UN EVENTO
La probabilidad de un evento es igual a la suma de las probabilidades de los puntos
muestrales del evento.
Para el ejemplo anterior la probabilidad de obtener un nmero par al lanzar un dado es
igual a la probabilidad de obtener un 2 ms la probabilidad de obtener un 4 ms la
probabilidad de obtener un 6.
1 1 1 3 1
A= 6 + 6 + 6 = 6 = 2 =0,5
AC
COMPLEMENTO DE UN EVENTO
Para un evento A, el complemento de A es aquel evento que contiene todos los puntos
muestrales no existentes en A.
P(A) + P(AC) = 1
EVENTOS MUTUAMENTE EXCLUYENTES
Se dice que dos o ms eventos son mutuamente excluyentes cuando la ocurrencia de un
evento implica que ninguno de los otros puede ocurrir al mismo tiempo.
LEY ADITIVA
Para dos eventos A y B la unin de los eventos A y B es aquel evento que contiene todos
los puntos muestrales contenidos en A y B.
EJEMPLO 1:
A= { 1,2,3 }
B= { 3,4,5 }
P(A) =
P(AnB) =
124
200
160
200
= 0,8
P(B) =
140
=
200
0,7
= 0,62
Despus de revisar las notas, el profesor decidi aprobar a cualquier estudiante que
hubiera pasado por lo menos alguno de los dos exmenes. Cul es la probabilidad de
que un estudiante reciba nota de aprobado en el curso?
P(AUB) = 0,8 + 0,7 0,62 = 0,88
REGLA DE LA MULTIPLICACION
La regla especial de la multiplicacin requiere que dos eventos A y B sean
independientes; dos eventos son independientes si la ocurrencia de uno no altera la
probabilidad de que suceda el otro.
P(AyB) = P(A)*P(BA)
Ejemplo:
Suponga que hay 10 rollos de pelcula fotogrfica en una caja, y se sabe que tres estn
defectuosos; se selecciona uno
La probabilidad de escoger uno defectuoso es de
bueno es de
3
10
7
.
10
2
9
3
9
A la fraccin
2
9
( o bien
3
9
valor est condicionado por ( o depende ) el primer rollo que se sac de la caja que haya
sido defectuoso o no.
Cul es la probabilidad de escoger un rollo defectuoso, seguido de otro tambin
defectuoso?
P(A) =
2
9
3
10
porque despus de que el primer rollo seleccionado fue defectuoso solo quedaron 2
P(AyB) = P(A)*P(BA) =
3
10
2
9
6
90
= 0,066.
EJEMPLO:
Una encuesta a ejecutivos se enfoc en su lealtad a la empresa; una de las preguntas
planteadas fue; si otra compaa le hiciera una oferta igual o ligeramente mejor que la de
su puesto actual, permanecera con la empresa, o tomara el otro empleo? Las respuestas
de los 200 ejecutivos se clasificaron en forma cruzada con su tiempo de servicio en la
compaa en la siguiente tabla de contingencias:
TIEMPO DE SERVICIO
LEALTAD
si
permanece
ra
No
permanece
ra
Menos de 1
ao
10
1 a 5 aos
Ms de 10
aos
75
TOTAL
30
6 a 10
aos
5
25
15
10
30
80
35
45
15
105
200
120
Cul es la probabilidad de seleccionar al azar un ejecutivo que sea leal a la empresa (si
permanecera) y que tenga ms de 10 aos de servicio?
Evento A permanencia
120
P(A) = 200
= 0.6
75
120
75
)( 120
9000
) = 24000
= 0.375
ESPERANZA
Si P es la probabilidad de xito de un suceso en un solo ensayo, el nmero esperado de
sucesos o la esperanza de ese suceso en n ensayos, estar dado por el producto de n y
la probabilidad de xito
E = np
E(x) = = x*P(x)
VARIANZA
La varianza representa el grado de dispersin o de variabilidad de los datos con respecto
a la media.
2 = (x-)2*P(x)
DESVIACION ESTANDAR
La desviacin estndar se determina tomando la raz cuadrada de la varianza, es decir
TALLER DE EVALUACION
Ganancia%
30
25
20
15
10
probabilida
d
0,2
0.2
0,3
0.15
0,1
0.05
Proyecto1
Proyecto 2
-20
0.1
0.02
-10
0.2
0.15
0.3
0.33
10
0.3
0.4
30
0.1
0.09
50
0.01
Hallar:
Valor esperado
Varianza
Desviacin estndar.
4. Un contratista estima las probabilidades del nmero de das necesarios
para concluir un proyecto.
Tiempo(das
)
probabilidad
0.05
0.20
0.35
0.30
0.10
DISTRIBUCIONES DE PROBABILIDAD
Una distribucin de probabilidad indica toda la gama de valores que pueden presentarse
como resultado de un experimento. Una distribucin de probabilidad es semejante a una
distribucin de frecuencias relativas. Sin embargo en vez de describir el pasado, describe
que tan probable es un evento futuro. Por ejemplo un fabricante de medicamentos afirma
que un tratamiento causar la prdida de peso en 80% de la poblacin. Una agencia de
proteccin al consumidor puede probar este medicamento en una muestra de seis
personas. Si la declaracin del fabricante es verdadera es casi imposible tener un
resultado en el que ninguna de las personas de la muestra pierda peso, y es muy
probable que 5 de las seis pierdan peso.
La distribucin de probabilidad muestra todos los resultados posibles de un experimento
y la probabilidad de cada resultado
Ejemplo:
Suponga que se quiere saber el nmero de caras que se obtienen al lanzar tres veces
una moneda. Este es el experimento. Los posibles resultados son cero, uno, dos y tres
caras Cul es la distribucin de probabilidad del nmero de caras?
Hay ocho posibles resultados. En el primer lanzamiento puede caer sello, otro sello en el
segundo y otro en el tercero. O puede caer sello, sello y cara en ese orden. A continuacin
se indica todos los resultados posibles.
Lanzamientos de moneda
Resultado
posible
Numero de
caras
SELLO
SELLO
SELLO
SELLO
SELLO
CARA
SELLO
CARA
SELLO
SELLO
CARA
CARA
CARA
SELLO
SELLO
CARA
SELLO
CARA
CARA
CARA
SELLO
CARA
CARA
CARA
Observe que el resultado cero caras se obtuvo solo una vez, una cara apareci tres
veces, dos caras tres veces y el resultado tres caras solo una vez. Es decir cero caras
ocurri en una de ocho veces. De modo que la probabilidad de cero caras es un octavo
(1/8); la de una cara es tres octavos (3/8), y as sucesivamente. La distribucin de
probabilidad se muestra en la siguiente tabla.
probabilidad del
resultado
0.25
0.2
0.15
0.1
0.05
0
1
En el grafico anterior el valor uno (1) corresponde a cero (0) nmero de caras, el valor dos
(2) a un (1) nmero de caras y as de manera sucesiva el valor cuatro a tres caras.
Variable aleatoria discreta: Se considera as cuando los valores que asume se pueden
contar, y si estos pueden organizarse en una secuencia al igual que los nmeros enteros
positivos. Solo puede asumir un nmero finito de valores.
Variable aleatoria continua. Se da, cuando puede asumir cualquier valor dentro de un
intervalo o en una unin de intervalos. Como ejemplo se podra considerar cualquier
resultado de medicin del ancho, longitud de una cosa, as como el tiempo de realizacin
de una tarea; en estos casos las variables admiten fracciones.
COMO SE CALCULA?
En los casos en los que es aplicable la distribucin binomial, la formula matemtica para
calcular la probabilidad de cualquier valor de una variable aleatoria, es la funcin de
probabilidad:
F ( x )=
n!
x
n x
p (1 p)
x ! ( nx ) !
Ejemplo:
Elaboremos una distribucin de probabilidad con el experimento consistente en el
lanzamiento de cuatro monedas, para el cual la variable aleatoria discreta est dada por la
obtencin de exactamente cero, una, dos, tres y cuatro caras (x = 0, 1, 2, 3, 4)
fraccin
decimal
1/16
0.0625
4/16
0.2500
6/16
0.3750
4/16
0.2500
1/16
0.0625
16/16
1.0000
0.4000
0.3500
0.3000
0.2500
0.2000
0.1500
0.1000
0.0500
0.0000
Para encontrar en forma rpida, sin necesidad de hacer clculos engorrosos al aplicar la
frmula:
F ( x )=
n!
x
n x
p (1 p)
x ! ( nx ) !
0.15 0.2
0.25 0.3
0.35 0.4
0.45 0.5
.
663
8 0 4
.
430
5
.
272
5
.
167
8
.
100
1
.
057
6
.
031
9
.
016
8
.
008
4
.
003
9
.
279
1 3
.
382
5
.
384
7
.
335
5
.
267
0
.
197
7
.
137
3
.
089
6
.
054
8
.
031
2
2 .
051
.
148
.
237
.
293
.
311
.
296
.
258
.
200
.
156
.
109
.
005
3 4
.
033
1
.
083
9
.
146
8
.
207
6
.
254
1
.
278
6
.
278
7
.
256
8
.
218
8
.
000
4 4
.
004
6
.
018
5
.
045
9
.
086
5
.
136
1
.
187
5
.
232
2
.
262
7
.
273
4
.
000
5 0
.
000
4
.
002
6
.
009
2
.
023
1
.
046
7
.
080
8
.
123
9
.
171
9
.
218
8
.
000
6 0
.
000
0
.
000
2
.
001
1
.
003
8
.
010
0
.
021
7
.
041
3
.
070
3
.
109
4
.
000
7 0
.
000
0
.
000
0
.
000
1
.
000
4
.
001
2
.
003
3
.
007
9
.
016
4
.
031
2
.
000
8 0
.
000
0
.
000
0
.
000
0
.
000
0
.
000
1
.
000
2
.
000
7
.
001
7
.
003
9
=np
Varianza de la distribucin binomial:
La varianza de la variable aleatoria es:
2=np ( 1 p )
f ( x )=
e
x!
para = 0, 1, 2, .
Dnde:
Ejemplo:
f ( x )=
10
10 e
x!
f ( x )=
105 e10
=0.0378
5!
f ( x )=
1
(x) /2
e
2
2
Caractersticas:
Hay una familia de distribuciones normales. Cada distribucin puede tener una media ()
o desviacin estndar () diferentes. Por tanto el nmero de distribuciones normales es
ilimitado. Sera imposible proporcionar una tabla de probabilidades (como para las
distribuciones binomial y poisson) para cada combinacin de y . Por fortuna se puede
utilizar, en todos los casos en los que la distribucin normal es aplicable, un miembro de la
familia de distribuciones normales que tiene una media 0 y una desviacin estndar 1
denominado distribucin normal estndar. Cualquier distribucin normal puede
convertirse en una distribucin normal estndar restando a la media de cada
observacin, y dividiendo entre la desviacin estndar.
Primero se convierte o se estandariza, la distribucin que se tiene, en la distribucin
normal estndar utilizando el valor z (tambin denominado puntuacin z, valor estadstico,
desviacin normal estndar o simplemente desviacin normal).
Valor z diferencia entre un valor elegido, denotado por X, y la media , dividida entre la
desviacin estndar, .
z=
Dnde:
x es el valor de cualquier medida u observacin especifica
es la media de la distribucin
es la desviacin estndar de la distribucin.
Para explicar lo anterior suponga que el valor calculado para z es 1.91 Cul es el rea
bajo la curva normal entre la media y X ? En la tabla siguiente se reproduce una parte
de la tabla para una distribucin de probabilidad normal que ilustra el ejemplo.
La columna izquierda de la tabla encabezada por la letra z se recorre hacia abajo hasta
encontrar el 1.9. Despus se desplaza horizontalmente hacia la derecha se lee la
probabilidad bajo la columna encabezada con 0.01. La probabilidad es de 0.4719. Esto
significa que 47.19% del rea bajo la curva normal estndar se encuentra entre la media y
el valor X de 1.91 desviaciones estndar despus de la media. Esta es la probabilidad de
que una observacin se encuentre entre 0 y 1.91 desviaciones estndar despus de la
media.
0.00
0.4332
0.4452
1.7
0.4554
1.8
0.4641
0.4713
1.5
1.6
1.9
Se consideran tres reas bajo la curva normal que sern muy utilizadas:
1. Aproximadamente 68% del rea bajo la curva normal esta entre la media ms una
y menos una desviaciones estndar se expresa 1
2. Alrededor de 95% del rea bajo la curva normal est entre la media ms dos y
menos de dos desviaciones estndar lo que se expresa 2
3. Prcticamente toda el rea bajo la curva normal est entre la media y tres
desviaciones estndar (a uno y otro lados del centro) es decir 3
Ejemplo:
Una prueba del tiempo de vida til de bateras alcalinas tipo D revelo que su tiempo medio
de vida es de 19 horas (h). La distribucin de los tiempos de vida se aproxima a una
distribucin normal. La desviacin estndar de la distribucin es 1.2 h.
1. Aproximadamente 68% de las bateras falla entre 17.8 y 20.2 horas, valores
obtenidos de 19.0 1(1.2)h
2. Alrededor de 95% de las bateras falla entre 16.6 y 21.4 horas que se obtiene de
19.0 2(1.2)h
3. Prcticamente todas las bateras fallan entre 15.4 y 22.6 horas que se obtiene de
19.0 3(1.2)h.
TALLER DE EVALUACION
1. Se estima que una de cada 10.000 personas es alrgica a cierta sustancia
utilizada en la fabricacin de tintes para el cabello. Cul es la probabilidad
de que en 20.000 usuarios de tintes, mas de 5 sufran reacciones alrgicas
debido a su uso.
2. Si un jugador que al batear tiene un promedio de 0.40 llega a batear 5
veces en un juego Cul es la probabilidad de que obtenga:
a) Exactamente 2 golpes?
b) Menos de dos golpes?
3. Un estudio ha mostrado que en un cierto barrio el 60% de los hogares
tienen al menos dos televisores; se elige al azar una muestra de 50
hogares en el citado barrio.
Se pide calcular la probabilidad de que al menos 20 de los citados hogares
tengan cuando menos dos (2) televisores
4. Un banco tiene unos clientes de crdito hipotecario cuyos das en mora se
distribuyen normalmente con media de 420 das y desviacin estndar de
18 das. El 7,49% de los clientes de menor mora sern refinanciados Cul
NOCIONES DE MUESTREO
Marco de muestreo es un listado o mapa que contiene todas las unidades de muestreo y
por consiguiente cubre a toda la poblacin.
Error de muestreo Un error en estadstica es la diferencia entre el valor de un estimador
y el del parmetro correspondiente. Existen varias causas para producir estos errores.
Segn la causa son clasificados en errores de muestreo y de no muestreo.
El error de no muestreo puede ocurrir en cualquier encuesta, sea un censo o una
muestra. Estos errores comprenden errores sistemticos y equivocaciones.
Los factores que causan error sistemtico son: falta de definicin clara de la poblacin,
inadecuada elaboracin del marco de muestreo, falta de definicin del cuestionario, vaga
concepcin de la informacin deseada, mtodos imprecisos de entrevistas.
Surgen errores por equivocacin cuando las respuestas son anotadas en lugares
equivocados, cuando los entrevistados no responden, dan respuestas incorrectas o
inapropiadas y cuando se hacen clculos y anotaciones incorrectas al procesar los datos.
"Los errores de no muestreo pueden ser controlados mediante una atencin cuidadosa en
la construccin de los cuestionarios y en los detalles del trabajo de campo"1. Estos errores
en las encuestas pueden ser minimizados as: la no respuesta con un plan para hacer reentrevistas a los elementos muestreados, con recompensas e incentivos para quien
responde y entrevistadores adiestrados; la respuesta incorrecta se puede corregir si los
cuestionarios despus de diligenciados son revisados por alguien diferente al
encuestador.
Los errores de muestreo son resultado de la eleccin casual de unidades de muestreo.
Este tipo de error ocurre porque solo se observa una parte de la poblacin; as que si se
hace un censo, puede esperarse que desaparezca el error de muestreo.
Ventajas del muestreo. Hay dos formas de estudiar las poblaciones: por censo o por
muestreo. En el censo se analizan todos y cada una uno de los elementos de una
poblacin y en el muestreo se analiza una parte de la poblacin.
Las principales ventajas del muestreo comparadas con el censo son:
a. Costo reducido. Si la informacin se obtienen nicamente para una parte de la
poblacin, los gastos son menores que los se tendran si se realiza un censo.
b. Mayor rapidez. La informacin puede ser recolectada y procesada ms rpidamente
cuando se selecciona una muestra que cuando se realiza un censo.
c. Mayor exactitud. Cuando los errores ajenos al muestreo son necesariamente grandes,
una muestra puede dar mejores resultados que un censo, ya que esos errores se
controlan con ms facilidad si la operacin es de pequea escala. Como el volumen de
trabajo se reduce, se puede emplear personal calificado y realizar una supervisin
El utilizar muestreo estratificado tiene sus ventajas como son: aumento en la exactitud de
los resultados, reduciendo el error de muestreo y permite obtener estimaciones para cada
estrato. A cambio de lo anterior, se necesita ms informacin que en MAS. para definir los
estratos y el clculo de los errores es ms complejo que en MAS.
Supongamos una poblacin N=5 o sea de 5 elementos cuyos elementos (valores) son: 7,
3, 5, 8, 2,
Calculamos
xi
= N = 5
( xi)2
N
= 5.2
= 5.2 =2.28
El nmero de muestras posibles de tamao 2 seleccionadas sin reposicion corresponde a
10 muestras.
Los valores de las medias aritmticas de cada una de ls muestras encontradas son los
siguientes:
7 +3
=5
2
7 +5
=6
2
7 +8
=7.5
2
7 +2
=4.5
2
3+ 5
=4
2
3+ 8
=5.5
2
3+ 2
=2.5
2
5+ 8
=6.5
2
5+ 2
=3.5
2
8+2
=5
2
Al calcular la media aritmtica del total de las medias muestrales el resultado obtenido es
el valor de la media de la poblacin, con lo cual podemos afirmar lo siguiente:
2
n
2
n
En conclusin:
La distribucin de las medias tiende a ser normal
La media de las muestras es igual a la media de la poblacin
Si la estimacin del valor de la media se basa en una sola muestra de tamao n, la
aproximacin ser tanto mas cercana, cuanto mayor sea el valor de n.
El error estndar =
las muestras. Cuanto mas pequeo sea el error estndar mas representativa es la media
muestral. En general, el error estndar es utilizado principalmente para cuantificar la
dispersin del estimador obtenido.
El intervalo de confianza para la media es:
p(-zs<<+zs) = 1
EJEMPLO
Se desea estimar el promedio de hectreas destinadas al cultivo de caf; para ello se
toma una muestra aleatoria de 15 fincas de un total de 750 en el departamento de
Caldas, obtenindose los siguientes resultados en hectreas sembradas en caf:
FINCA
Has. CAF
FINCA
Has. CAF
FINCA
Has. CAF
12
10
11
15
15
12
12
25
11
13
10
30
24
14
19
22
10
18
15
22
251
=16.733
15
La desviacin estndar para el promedio se obtiene con la frmula, pero para aplicarla se
necesita la varianza corregida.
Esto quiere decir que con una confiabilidad del 95 por ciento, el promedio de hectreas
cultivadas en caf por finca en el departamento de Caldas, est entre 13 y 20,47.
Dependiendo del tipo de estimador que se desee obtener, se debe utilizar una frmula
diferente para calcular el tamao de la muestra.
Tamao de la muestra para la media poblacional para poblaciones infinitas:
n=
Z
E
n=
Z
E
2 2
1 Z s
1+ ( 2 )
N E
p=
Antes
numero de exitos
P = tama o de la muestra
a = ai = np
P=
Si lo trasladamos a la poblacion
A
N
A= Ai = NP
P = 2 P (1P)
TAMAO DE LA MUESTRA
Para determinar el tamao de la muestra es necesario identificar los siguientes
componentes:
La varianza (x) que corresponde al grado de variabilidad que presentan las unidades de
la poblacin. Mientras mas grande sea x mayor ser el tamao de la muestra. El valor
de x supuestamente es conocido, de lo contrario se debe estimar a travs de una
investigacin preliminar. En el caso de p = P(1 P) sucede algo similar pero se tiene la
costumbre de tomar P = 0,50 con lo cual se obtiene el mximo valor posible de n.
Nivel de confianza. Tiene relacin directa con el tamao de la muestra, por lo tanto se dir
que a mayor nivel de confianza, mas grande debe ser el tamao de la muestra. Los
valores de Z se obtienen mediante el uso de tablas. El nivel es fijado por el investigador
con base en su experiencia.
Precisin de la estimacin: corresponde al margen de error que el investigador fija de
acuerdo al conocimiento que tenga acerca del parmetro que piensa estimar. Se le
conoce como error de muestreo (E) siendo:
E=Z
N n
N 1
E=Z
n
2
n =
Z P (1P)
E
E = error muestral
Z = el nivel de confianza
P = el valor de la proporcin de la poblacin
El valor de planeacin de la proporcin de la poblacin se puede elegir mediante:
Usar una proporcin muestral de una muestra anterior
Llevar a cabo un estudio piloto
Usar el juicio o un estimado mejor del valor de P
Usar P = 0.50
Tamao de la muestra para la proporcin poblacional para poblaciones finitas:
n=
Z P (1P)
E
2
N1 1 Z P ( 1P )
+
N
N
E
TALLER DE EVALUACION
confianza de 95%. El asesor del alcalde estima que la proporcin que apoya su
propuesta deber ser 0.60.
a) De que tamao deber ser la muestra?
b) De que tamao debera ser la muestra si no se contara con ninguna estimacin
de la proporcin que apoya la propuesta del alcalde?
Despejando
en la ecuacin se tiene:
es conocido.
por la desviacin
La cual es una buena aproximacin para el intervalo de confianza de 95% para con
desconocido. Esta aproximacin es mejor en la medida que el tamao muestral sea
grande.
Ejemplo:
Los siguientes datos son los puntajes obtenidos para 45 personas de una escala de
depresin (mayor puntaje significa mayor depresin).
2
5
6
8
8
9
9
10
11
11
11
13
13
14
14
14
14
14
14
15
15
16
16
16
16
16
16
16
16
17
17
17
18
18
18
19
19
19
19
19
19
19
19
20
20
Para construir un intervalo de confianza para el puntaje promedio poblacional, asumamos
que los datos tienen distribucin normal, con varianza poblacional
desconocida.
Como
es desconocido, lo estimamos por s =18,7. Luego, un intervalo de confianza
aproximado es:
O bien:
Ejemplo:
En un estudio de prevalencia de factores de riesgo en una cohorte de 412 mujeres
mayores de 15 aos en la Regin Metropolitana, se encontr que el 17.6% eran
hipertensas. Un intervalo de 95% de confianza para la proporcin de mujeres hipertensas
en la Regin Metropolitana est dado por:
Luego, la proporcin de hipertensas vara entre (0,139 , 0,212) con una confianza de 95%.
PRUEBAS DE HIPOTESIS1
FORMULACION DE HIPOTESIS
El primer paso en la prueba de hiptesis es el planteamiento de las hiptesis, lo que en
algunos casos no es una tarea fcil.
Hay tres tipos de hiptesis, a saber:
- Prueba de hiptesis a dos colas
H0: = k
H1:
H0:
H1 : > k
H1 : > k
H0 :
H1 : < k
H1 : < k
Hiptesis
Se puede plantear uno de los siguientes tres tipos de hiptesis:
- Prueba de hiptesis a dos colas
H0 : = k
H1 :
H0 :
H1 : >k
H1 : > k
H0 :
H1 : < k
H1 : < k
En las distribuciones en el muestreo se vio que para el caso de la media, hay tres
situaciones, por consiguiente la estadstica de trabajo a utilizar depende de los supuestos
de la poblacin y del tamao de la muestra.
Prueba de hiptesis para la media si la poblacin de donde se obtiene la muestra
tiene distribucin normal con
conocida.
Dnde:
REGLA DE DECISION
- Si se ha planteado la hiptesis alternativa como: H1 : k se tiene una prueba de
hiptesis a dos colas, por lo tanto, el nivel de significancia ( ) se divide en dos partes
iguales, quedando estos valores en los extremos de la distribucin como se aprecia en la
figura
EJEMPLO
Un proceso manufacturero usado por una fbrica durante los ltimos aos da una
produccin media de 100 unidades por hora con una desviacin estndar de 8 unidades.
Se acaba de introducir en el mercado una nueva mquina para realizar ese tipo de
producto. Aunque es muy cara comparada con la que est ahora en uso, si la media de
produccin de la nueva mquina es de ms de 150 unidades por hora, su adopcin dara
bastantes beneficios.
Para decidir si se debiera comprar la nueva mquina, a la gerencia de la fbrica se le
permite hacer un ensayo durante 35 horas, hallndose un promedio de 160 unidades por
hora. Con sta informacin qu decisin se debe tomar si se asume un nivel de confianza
del 99 por ciento.
Solucin.
REGLA DE DECISION
Es la misma que en el caso anterior y depende en todo caso de la hiptesis alternativa.
EJEMPLO
La duracin promedio de las llantas producidas por una fbrica de llantas, segn
experiencias registradas es de 46.050 kms. Se desea probar si el promedio poblacional
ha cambiado; para tal efecto se toma una muestra aleatoria de 60 llantas y se obtiene una
duracin promedio de 45.050 kms. con una desviacin estndar de 3.070 kms.
Solucin
H 0 : = 46.050
H1 :
46.050
EJEMPLO
En su calidad de comprador comercial para un supermercado, se toma una muestra
aleatoria de doce (12) sobres de caf de una empacadora. Se encuentra que el peso
promedio del contenido de caf de cada sobre es 15,97 grs. con una desviacin estndar
de 0,15. La compaa empacadora afirma que el peso promedio mnimo del caf es de 16
grs. por sobre. Puede aceptarse sta afirmacin si se asume un nivel de confianza del 90
por ciento?
Solucin
Se desea probar si el peso mnimo es de 16 grs., es decir mayor o igual a 16 grs., as que
las hiiptesis adecuadas son:
H0 :
16
H1 : < 16
Teniendo en cuenta que el tamao de la muestra es pequeo, como estadstica de trabajo
se utiliza la expresin:
H0 :
H1 : > k
H1 : > k
H0 :
H1: < k
H1 : < k
Cuando se va a estimar una proporcin el tamao de la muestra (n) siempre debe ser
mayor a 30, por lo tanto se tiene un solo caso.
La estadstica de trabajo a utilizar es la expresin:
REGLA DE DECISION
Si se ha planteado la hiptesis alternativa como:
H1: k se tiene una prueba de hiptesis a dos colas, por lo tanto, el nivel de significancia
( ) se divide en dos partes iguales, quedando estos valores en los extremos de la
distribucin
y
pertenecen a una distribucin normal estndar. Si el valor de la estadstica de
trabajo (Zp) est entre
y
no se rechaza la hiptesis nula, en caso contrario se
rechaza H0 lo cual implica aceptar H1 . Es decir, si
< Zp <
no se rechaza H0 .
- Si se ha planteado la hiptesis alternativa como:
H1 : > k, se tiene una prueba de hiptesis a una cola superior, quedando el nivel de
significancia ( ) en la parte superior de la distribucin
pertenece a una distribucin normal estndar. Si el valor de la estadstica de trabajo (Zp
) es menor que
no se rechaza la hiptesis nula, en caso contrario se rechaza H0 lo
cual implica aceptar H1 . Es decir, si Zp <
no se rechaza H0 .
- Si se ha planteado la hiptesis alternativa como:
H1 : < k, se tiene una prueba de hiptesis a una cola inferior, quedando el nivel de
significancia ( ) en la parte inferior de la distribucin
Z pertenece a una distribucin normal estndar. Si el valor de la estadstica de trabajo
(Zp ) es mayor que Z no se rechaza la hiptesis nula, en caso contrario se rechaza H0 lo
cual implica aceptar H1 . Es decir, si Zp > Z no se rechaza H0 .
EJEMPLO
Un fabricante afirma que por lo menos el 90 por ciento de las piezas de una maquinaria
que suministra a una fbrica guardan las formas especificadas. Un exmen de 200 de
esas piezas revel que 160 de ellas no eran defectuosas. Pruebe si lo que afirma el
fabricante es cierto.
Solucin
H0 :
0,9
H1 : < 0,9
Para realizar una prueba de hiptesis para la proporcin se utiliza la expresin:
BIBLIOGRAFIA