COLEGIO DE BACHILLERES

ESTADSTICA DESCRIPTIVA
E INFERENCIAL II

FASCCULO 4. INTRODUCCIN A LA INFERENCIA

ESTADSTICA Y APLICACIN EN EL
CONTROL ESTADSTICO

Autor: Guadalupe Floiran Martnez

COLEGIO DE
BACHILLERES

Colaboradores

Asesora Pedaggica
Olivia Hernndez Romero
Revisin de Contenido
Armando Martnez Cruz

Diseo Editorial
Leonel Bello Cuevas
Javier Daro Cruz Ortiz

NDICE

INTRODUCCIN
PROPSITO
CUESTIONAMIENTO GUA

7
9

CAPTULO 1. INTRODUCCIN A LA INFERENCIA

ESTADSTICA Y APLICACIONES
EN EL CONTROL ESTADSTICO
1.1 INFERENCIA ESTADSTICA

11

11

1.1.1 Etapas Bsicas en Pruebas de Hiptesis

17

1.1.2 Prueba de un Valor Hipottico de la Media

Utilizando la Distribucin Normal

19

1.1.3 Error de Tipo I y II en Pruebas de Hiptesis

22
25

1.2 ESTIMACIN
1.2.1 Estimacin Puntual de un Parmetro

26

1.2.2 Estimacin por Intervalo

27

1.2.3 Nivel de Confianza 1

27

1.2.4 Intervalo de Confianza

27

1.2.5 Error de Estimacin Mximo E

29

RECAPITULACIN
ACTIVIDADES DE CONSOLIDACIN
AUTOEVALUCIN
BIBLIOGRAFA CONSULTADA
3

35
36
37
38

NTRODUCCIN

Seguramente te habrs topado repetidas veces con informaciones de tipo estadstico.

Quiz habrs ledo, en el transcurso de tus estudios, artculos que incluyen tratamiento
estadstico de datos, te habrs dado cuenta entonces que, en los ltimos tiempos, la
Estadstica ocupa un lugar cada vez ms importante en peridicos, revistas, libros,
programas de radio y televisin, esta penetracin es cada vez ms presente en nuestras
vidas, y an cuando creamos estar alejados de esta disciplina, solemos estar
involucrados en ella, un ejemplo de ello son los censos.
Es hora pues, de preguntarte que es en realidad la Estadstica, cmo funciona, o que
hace con los datos para llegar a ciertas conclusiones. En este fascculo hablaremos de la
Inferencia Estadstica y sus aplicaciones, para que conozcas la aportacin tan til que
nos da este mtodo estadstico, para generalizar informaciones de Investigacin o
deducir conclusiones relacionadas con poblaciones a partir de las muestras extradas de
stas. Tambin, podrs realizar controles estadsticos de calidad que te ayudarn a
tomar decisiones, con el transcurso de tus estudios o tal vez en el trabajo que
desempees.
Como podrs ver, este fascculo te ayudar a conocer otra parte ms de esta ciencia tan
fascinante como lo es la Estadstica Inferencial.

PROPSITO

El propsito de este fascculo, es el de iniciarte en el estudio de la Estadstica Inferencial,

ya que ella te permite obtener conclusiones, que te ayudarn a tomar decisiones sobre
investigaciones que realices.
La Estadstica Inferencial, est basada en los estudios que realizaste en el semestre
anterior, pues a travs de las medidas de tendencia central y descriptivas, podemos
establecer ciertas caractersticas de alguna situacin problemtica, y con la Estadstica
Inferencial, estudiamos ms detalladamente esas caractersticas.
Con las actividades que desempees a lo largo del estudio de la Estadstica Inferencial,
te dars cuenta de la utilidad que representa el conocerla, y de lo importante que es,
para poder obtener documentos de investigacin confiables.
A travs de la aplicacin de la Estadstica Inferencial, se pueden desarrollar
investigaciones cientficas y obtener datos confiables; dichas investigaciones pueden ser
retomadas en diferentes momentos y por diferentes personas para esclarecer algunos
aspectos especficos y que se relacionan con la investigacin.

CUESTIONAMIENTO GUA

SENTIDO COMN Y ESTADSTICA

Cuando el estadista norteamericano Henry Clay (1777-1850), acu las palabras las
estadsticas no son un sustituto del sentido comn quiz no haca referencia a la
conclusin de una prueba de hiptesis pero sus palabras encierran una gran verdad. La
prueba estadstica de una hiptesis es slo un modelo, con frecuencia muy simplificado,
de la realidad. El problema real debe trasladarse en algn modelo matemtico, y la
conclusin que ofrece el modelo debe interpretarse a la luz de la realidad y, adems, en
conjuncin con factores que no se encuentran incluidos en el modelo.
Supn que una persona desea pintar su recmara. Efecta un clculo con el propsito
de conocer la superficie total a pintar: 67m. cuadrados. Entonces lee la etiqueta de una
lata de pintura: El contenido de esta lata alcanza para pintar una superficie de 32.51m.
cuadrados. Al ser un genio en matemticas, dicha persona calcula que necesitar 2.06
latas. Ahora, Cuntas latas de pintura deber comprar?, Dos o tres? El modelo
matemtico del problema real proporciona una respuesta exacta, 2.06 latas, (siempre y
cuando, no est rebajada la pintura) Pero, con toda claridad, quiz no sean suficientes
dos latas; as que debern comprarse tres.
Pero el mundo real impone otros aspectos: Est a la venta la pintura?, La tienda se
localiza cerca de la esquina o a 12km. del camino?, Es un pintor pulcro o descuidado?,
Es pesimista u optimista?, Cree que el nmero de est en la etiqueta (67m.
cuadrados) es un promedio o un mnimo?, Le satisfara que los ltimos 1.98m.
cuadrados se cubrieran slo con una capa delgada? Se va a pintar con un color oscuro
una superficie que tiene un color claro o viceversa?
El modelo matemtico proporciona lineamientos para tomar la ltima decisin, pero se
deben considerar los riesgos al tomar una decisin equivocada. Si slo se compran dos
botes de pintura, es posible que se tenga que volver a la tienda; quiz ya no tengan el
mismo color de pintura o el precio haya aumentado. Si se compran tres botes quiz se
tenga que volver a la tienda a devolver uno y es posible que en est no se acepten
devoluciones.
En la misma forma, la prueba estadstica de una hiptesis es slo un modelo de una
9

situacin real. As que la respuesta que puede darse es: La persona tiene una
respuesta; quiz sea correcta. Considera las consecuencias de todos los posibles
errores que se encontrara detrs de una decisin equivocada.
Como te dars cuenta, la prueba de hiptesis, hace referencia a una serie de
cuestionamientos, los cuales conllevan a tomar una decisin. T qu decisin tomaras
si fueras a pintar tu casa?
Quiz no tengas tampoco una decisin firme, pero conforme estudies este fascculo, irs
adquiriendo las herramientas necesarias de conocimientos para llegar a tomar
decisiones claras y precisas.

10

CAPTULO 1
INTRODUCCIN A LA INFERENCIA ESTADSTICA Y
APLICACIONES EN EL CONTROL ESTADSTICO
DE LA CALIDAD

1.1 INFERENCIA ESTADSTICA

Supongamos que eres un psiclogo que hace investigaciones con ratas, y que te sientes
atrado por saber la relacin que existe entre el hambre y el aprendizaje.
Especficamente, Cules sern los efectos de la fuerza del hambre sobre el nmero de
recorridos que realizan las ratas en un laberinto en forma de T para comer?
Imagnate ahora que eres el lder de un equipo de ftbol, y con el objeto de planear la
adhesin de nuevos miembros te es necesario conocer el nmero de adultos de tu
localidad, cuyo deseo de pertenecer al equipo sea manifiesto. Cmo le haras para
obtener esta informacin?
Piensa ahora que eres un socilogo y quieres conocer las diferencias de la educacin
entre nios delincuentes y nios que no son delincuentes.
Imagnate que eres un investigador de mercados y quieres conocer el nmero de
individuos que prefieren colores distintos y combinaciones diferentes en los automviles.
Imagnate que eres el encargado de una pista de patinaje y quieres determinar cuando la
capa de hielo est suficientemente gruesa como para permitir el patinaje sin peligro.
11

Qu tienen todos estos problemas en comn?

Seguramente, te habrs dado cuenta que estamos determinando caractersticas
cuantitativas, en base a diferentes variables de una poblacin dada, para las cuales,
pretendemos generalizar algunas respuestas.
La Inferencia Estadstica se encarga de utilizar los nmeros para proporcionar
informacin con respecto a grupos ms grandes que aquellos a partir de los cuales se
obtuvieron los datos originales.
Las siguientes situaciones son ejemplos de Inferencia Estadstica.
A partir de muestras adecuadas, es posible inferir que:
1. Entre el 20% y el 25% de todos los estudiantes de las Universidades de la
Repblica Mexicana son casados.
2. Existe una relacin entre el nivel del colesterol y las enfermedades cardiacas.
3. El 25% de los nios de una determinada colonia del D.F., padecen de caries
dental.
Con frecuencia es imposible estudiar todos los miembros de una poblacin dada, ya sea
porque la poblacin, tal como ha sido definida, tiene un nmero infinito de miembros, o
porque es tanta que imposibilita un estudio exhaustivo.
Puesto que raras veces se pueden estudiar exhaustivamente las poblaciones, debemos
depender de las muestras como base para llegar a hiptesis concernientes a varias
caractersticas, de la poblacin.
Cuando queremos muestrear, podemos utilizar muestras aleatorias y muestras
representativas principalmente. Las muestras aleatorias las podemos obtener con
elementos seleccionados por casualidad. El muestreo representativo es aquel cuyos
elementos son seleccionados de acuerdo con criterios de representatividad.
Existen otros tipos de diseo de muestra, como son el muestreo sistemtico,
estratificado y por conglomerado los cuales establecen criterios para poder muestrear de
tal manera que facilite la eleccin de la muestra deseada.
As, si queremos saber por cul partido poltico votar la poblacin completa de electores
de la Delegacin Cuauhtmoc, nos llevara mucho tiempo y esfuerzo el cuestionar a
todos, as que solo preguntaremos a unos cuantos (muestreo) y as podremos conocer
aproximadamente que partido es el de ms agrado en esta Delegacin.

12

Casi toda investigacin utiliza la observacin y la medida de un nmero limitado de

individuos o sucesos. Se supone que estas medidas nos proporcionarn alguna
informacin sobre la poblacin. Para poder comprender cmo podemos ser capaces de
establecer inferencias sobre una poblacin a partir de una muestra, tenemos que
conocer la distribucin de probabilidad terica de todos los valores posibles de algunos
estadsticos de las muestras que ocurriran, si fuera posible obtener todas las muestras
del mismo tamao a partir de esa poblacin dada.
Por ejemplo, Recuerdas todas tus calificaciones desde que ingresaste a estudiar?
Probablemente sean ya bastantes y las puedas considerar como una poblacin de
calificaciones.
Decides obtener muestras de tres calificaciones por ao escolar, (tal vez desde la
primaria) y calcular la media y la desviacin estndar de cada muestra. Si tuvieras que
obtener todas las muestras posibles en las cuales N = 3, y las representaras en una
grfica las medias y las desviaciones estndar resultantes, obtendras dos distribuciones
de muestra: una para las medias y otra para las desviaciones estndar.
Te invitamos a que realices las tablas de frecuencia y te des cuenta cunto has
evolucionado o involucionado en tus estudios a travs del tiempo que llevas estudiando.
Porqu es tan importante el concepto de distribucin de muestras?. La respuesta es
simple. Cuando quieras que se considere un parmetro de poblacin a partir de una
muestra, nos haremos preguntas tales como: Qu tan buena es la estimacin
obtenida?, Puedo llegar a la conclusin de que el parmetro de poblacin es idntico
al estadstico de la muestra? o, Es probable que exista algn error? Si es as, Qu tan
grande es este error?
Para responder cada una de estas preguntas, compararemos los resultados obtenidos a
partir de las muestras con los resultados esperados.
La muestra debe ser representativa de la poblacin, para que los resultados que se
obtengan puedan utilizarse tambin para generalizar el comportamiento de la poblacin;
su tamao debe ser adecuado de acuerdo con criterios de representatividad, pudiendo
variar de un 10 a un 15%, dependiendo del tipo de investigacin que se realice.
Una muestra es importante en la Inferencia Estadstica, ya que te ayuda a establecer
decisiones que sern consideradas dentro de una poblacin.
Cuando analizamos la muestra obtenida de una poblacin, la prueba de hiptesis
constituye el proceso relacionado con aceptar o rechazar declaraciones en base a la
muestra establecida.

13

Seguramente la palabra hiptesis te suene conocida, ya que en tus clases de Fsica y

Mtodos de Investigacin la utilizaste con frecuencia. Bueno, pues ahora en Estadstica
Inferencial la recordars de nuevo, aunque tal vez no en el mismo sentido que la
utilizaste anteriormente.
En muchas ocasiones, las estadsticas tratan preguntas mediante la formulacin de dos
proposiciones opuestas que reciben el nombre de HIPTESIS.
Por ejemplo:
1. Qu porcentaje de los alumnos del C.B. continan el nivel superior?
2. Qu tan eficaz es la receta A con relacin a B?
3. Es cierto qu el 30% de las personas compra su marca favorita de pasta para
dientes sin importarle el precio de sta?
Estas preguntas son de dos tipos. Las preguntas 1 y 2 piden una respuesta numrica. La
ltima requiere una respuesta de si o no.
Una hiptesis estadstica es una afirmacin acerca de una poblacin. Una persona
intenta afirmar o negar una pregunta ms all de toda duda razonable.
La Inferencia Estadstica utiliza Hiptesis Estadsticas, las cuales dan declaracin o
afirmacin tentativa acerca del valor de un parmetro o parmetros de una poblacin (las
medidas de dispersin y la medida poblacional, son parmetros de poblacin.) Las
pruebas de hiptesis pueden mostrar si una declaracin tentativa se ve apoyada o
rechazada por la evidencia de la muestra.
Los ejecutivos de negocios, cientficos, estrategas militares, polticos, educadores y
muchas otras personas toman decisiones relativas a parmetros de la poblacin.
Para que una hiptesis sea digna de tomarse en cuenta en cualquier investigacin,
principalmente de tipo cientfico, debe reunir ciertos requisitos:
1. Hay que analizar al establecer nuestras hiptesis si son las adecuadas para el
estudio que vayamos a realizar y si es posible tener acceso a ellas
(reconfirmamos el contexto, buscamos otro o ajustamos las hiptesis.)
2. Los trminos (variables) de las hiptesis tienen que ser comprensibles, precisos
y los ms concretos posible.
Por ejemplo: Globalizacin de la Economa, Sinergia Organizacional, son
conceptos imprecisos y generales, que deben sustituirse por otros ms especficos y
concretos.
3. La relacin propuesta entre variables por una hiptesis debe ser clara y
14

verdadera (lgica) Por ejemplo, una hiptesis como: La disminucin del

consumo del petrleo en los Estados Unidos est relacionada con el grado de
aprendizaje del lgebra por parte de nios que asisten a escuelas pblicas en
Buenos Aires, ser inverosmil, no podemos considerarla.
4. Los trminos de la hiptesis y la relacin planteada entre ellos, deben poder ser
observados y medidos, o sea tener referentes a la realidad. Por ejemplo, Los
hombres ms felices van al cielo o La libertad de espritu est relacionada con
la voluntad creadora, contienen conceptos o relaciones que no poseen
referentes empricos; por lo tanto, no son tiles como hiptesis para investigar
estadsticamente ni se pueden someter a prueba en la realidad.
5. Las hiptesis deben estar relacionadas con tcnicas disponibles para probarlas.
Para ello, debemos tener tcnicas o herramientas de la investigacin (instrumentos para
recolectar datos, diseos, anlisis estadsticos o cualitativos, etc.), para poder verificarla
si es posible, desarrollarlas, y si se encuentran a nuestro alcance.
Alguien podra pretender probar hiptesis referentes a la desviacin presupuestal en el
gasto pblico de un pas latinoamericano o la red de narcotraficantes en la ciudad de
Miami, pero no disponer de formas realistas de obtener sus datos. Entonces su hiptesis,
aunque tericamente puede ser muy valiosa, no se puede probar en la realidad.
Existen diversas formas de clasificar las hiptesis, las cuales son:
1)
2)
3)
4)

Hiptesis de investigacin.
Hiptesis nulas.
Hiptesis alternativas.
Hiptesis estadsticas.

En este fascculo, te daremos a conocer la Hiptesis Estadstica, que es la que

transforma las hiptesis de investigacin, nulas y alternativas en smbolos estadsticos.
Pero, te preguntars Qu son estas hiptesis?
A continuacin, te daremos una pequea explicacin:

Hiptesis Nulas
Constituyen proposiciones acerca de la relacin entre variables, solamente que sirven
para refutar o negar lo que afirma la hiptesis de investigacin. Por ejemplo, si la
hiptesis de investigacin propone: Los adolescentes le atribuyen ms importancia al
atractivo fsico en sus relaciones heterosexuales que las mujeres, la nula postulara:
Los adolescentes NO le atribuyen ms importancia al atractivo fsico en sus relaciones
heterosexuales que las mujeres.
Debido a que este tipo de hiptesis resulta la contrapartida de la hiptesis de
15

investigacin, hay prcticamente tantas clases de hiptesis nulas como de investigacin.

Es decir, la clasificacin de hiptesis nulas es similar a la tipologa de la hiptesis de
investigacin: hiptesis nulas descriptivas de una variable que se va a observar en un
contexto, hiptesis que niegan o contradicen la relacin entre dos o ms variables,
hiptesis que niegan que haya diferencia entre grupos que se comparan, (es decir,
afirmar que los grupos son iguales) e hiptesis que niegan la relacin de casualidad
entre dos o ms variables, (en todas sus formas.). Las hiptesis nulas se simbolizan
como Ho.
Te damos algunos ejemplos de hiptesis nulas, que corresponden a ejemplos de
hiptesis de investigacin que fueron mencionados;
Ejemplos:
Ho: La expectativa de ingreso mensual de los trabajadores de la corporacin TEAQ no
oscila entre $1,000.00 y $2,500.00.
Ho:No hay relacin entre la autoestima y el temor de logro.
Ho: La percepcin de la similitud en religin, valores y creencias no provoca mayor
atraccin fsica.

Hiptesis Alternativas
Como su nombre lo indica, son posibilidades alternativas ante las hiptesis de
investigacin y nula. Ofrecen otra descripcin o explicacin distinta a la que proporciona
este tipo de hiptesis. Por ejemplo, si la hiptesis de investigacin establece: Esta silla
es roja, la nula afirmar Esta silla no es roja, y podran formularse una o ms hiptesis
alternativas: Esta silla es azul, Esta silla es verde, Esta silla es amarilla, etc. Cada
una constituye una descripcin distinta a las que proporcionan las hiptesis de
investigacin y nula.
Las hiptesis alternativas se simbolizan como Ha y slo pueden formularse cuando
efectivamente hay otras posibilidades adicionales a las hiptesis de investigacin y nula.
De ser as, no pueden existir.
Ejemplos:
Hi: El candidato A obtendr en la eleccin para la presidencia del consejo escolar entre
un 50 y un 60% de la votacin total.
Ho: El candidato A no obtendr en la eleccin para la presidencia del consejo escolar
entre un 50 y 60% de la votacin total.
Ha: El candidato A obtendr en la eleccin para la presidencia del consejo escolar ms
del 60% de la poblacin total.
Si se desea llevar a cabo una prueba estadstica, pero no se sabe cules son las
16

proporciones que se esperan, es posible ESTIMAR el valor de stas obteniendo una

muestra aleatoria. Por ejemplo, si se desea conocer el nmero de clientes que son
mujeres de una cafetera, se puede tomar una muestra aleatoria de toda la clientela. Si la
muestra tiene 80 personas, y 60 de stas son mujeres, entonces la mejor estimacin del
porcentaje de clientes que son mujeres ser 60/80 = 75%.
En este caso no se afirma que la probabilidad de seleccionar a una mujer sea, de
manera exacta, 0.75, sino ms bien que esta cantidad es una estimacin razonable del
verdadero valor basada en los datos que se obtuvieron.
Como podrs ver, la hiptesis y la Inferencia Estadstica necesitan determinadas
herramientas para poder llegar a tomar decisiones, las cuales necesitan ahora
probarse; para esto, la Inferencia Estadstica utiliza lo que se llama PRUEBAS DE
HIPTESIS, las cuales constituyen el proceso relacionado con aceptar o rechazar
declaraciones en base a los parmetros de la poblacin, as como tambin utiliza la
ESTIMACIN, que se ocupa precisamente de estimar los valores de los parmetros de
la poblacin.
A continuacin empezaremos a hablar acerca del proceso de las pruebas de hiptesis y
puedas aprender a utilizarla para tomar decisiones.

PRUEBAS DE HIPTESIS.
1.1.1 Etapas Bsicas en Pruebas de Hiptesis
En la prueba de hiptesis iniciamos con un valor supuesto (hipottico) de un parmetro
de poblacin. Despus de recoger una muestra aleatoria, comparamos la estadstica de
la muestra, tal como la medida de la muestra (X) con el parmetro hipottico, tal como la
media de la poblacin hipottica (). Luego aceptamos o rechazamos el valor hipottico.
Este valor hipottico se rechaza slo si es claramente improbable que ocurra el resultado
de la muestra cuando la hiptesis es verdadera.
PRIMER PASO.
FORMULAR LA HIPTESIS NULA Y LA HIPTESIS ALTERNATIVA.
La hiptesis nula (Ho) es el valor hipottico del parmetro que se compara con el
resultado de la muestra. Se rechaza solamente si no es probable que ocurra el resultado
de la muestra dada. La hiptesis alternativa (Ha) se acepta si se rechaza la hiptesis
nula. Por ejemplo:
Un auditor quiere probar la suposicin de que el valor medio de todas las cuentas por
cobrar en una firma dada es $260.00 tomando una muestra de n = 36. El auditor desea
17

rechazar el valor supuesto de $260.00, slo si se contradice al valor medio establecido.

La muestra y, de esta manera, al valor hipottico debe drsele el beneficio de la duda
en el procedimiento de prueba. Las hiptesis nula y alternativa para esta prueba son:
Ho: = $260.00 y Hi: $260.00
SEGUNDO PASO.
ESPECIFICAR EL NIVEL DE SIGNIFICACIN QUE SE VA A UTILIZAR.
El nivel de significacin es el estndar estadstico que se especfica determinado en
porcentaje, para rechazar la hiptesis nula. Si se especifica un nivel de significacin del 5
por ciento, entonces se rechaza la hiptesis nula, slo si el resultado obtenido con la
muestra es tan diferente del valor hipottico que una diferencia de dicha cantidad
ocurrira con una probabilidad de 0.05. Esto se denomina error de tipo uno (I).
Observa que si se utiliza el nivel de significacin del 5 por ciento, hay una probabilidad
de 0.05 por ciento de rechazar la hiptesis nula.
La probabilidad del error de tipo I es siempre igual al nivel de significacin que se utiliza
como el estndar para rechazar la hiptesis nula; se designa con la letra minscula
griega (alfa); as pues, tambin representa el nivel de significacin. Los niveles ms
comnmente empleados en la prueba de hiptesis son los niveles del 5% y del 1%.
Un error de tipo II ocurre si se acepta la hiptesis nula cuando es falsa.
TERCER PASO.
SELECCIONAR LA ESTADSTICA DE PRUEBA.
La estadstica de prueba ser la estadstica de la muestra, o una versin transformada
de la estadstica de la muestra. Por ejemplo, para probar un valor hipottico de la media
de la poblacin, la media de una muestra aleatoria tomada de dicha poblacin podra
servir como estadstica de la prueba. Sin embargo, si la distribucin de muestreo de la
media es normal, entonces el valor de la media de la muestra se transforma tpicamente
en un valor Z.
CUARTO PASO.
ESTABLECER EL VALOR O LOS VALORES CRTICOS DE LA ESTADSTICA DE
PRUEBA.
Habiendo especificado la hiptesis nula, el nivel de significacin y la estadstica de
prueba que se van a utilizar, podemos establecer el valor o los valores crticos de la
estadstica de prueba. Puede haber uno o dos valores crticos segn se efecte una
prueba de una cola o de dos colas. En el fascculo anterior, te explicamos este tipo de
pruebas. En cualquier caso, un valor crtico identifica el valor de la estadstica de prueba
requerido para rechazar la hiptesis nula.
CONSECUENCIAS DE DECISIONES EN LA PRUEBA DE HIPTESIS.
18

Decisiones posibles

ESTADOS POSIBLES
Hiptesis nula
Hiptesis nula falsa
verdadera

Aceptacin de hiptesis nula.

Correctamente
aceptada

Error de tipo II

Rechazo de hiptesis nula

Error de tipo I

Correctamente
rechazada

En esta tabla podemos apreciar los tipos de decisiones, y los estados posibles, de
acuerdo al segundo paso de las etapas bsicas.
QUINTO PASO.
DETERMINAR EL VALOR REAL DE LA ESTADSTICA DE PRUEBA.
Por ejemplo, al probar un valor hipottico de la media de la poblacin se toma una
muestra aleatoria y se determina el valor de la media de la muestra. Si el valor crtico se
estableci como un valor Z, entonces la media de la muestra se convierte a un valor Z.
SEXTO PASO.
TOMAR LA DECISIN.
El valor observado de la estadstica de la muestra se compara con el valor o los valores
crticos de la estadstica de la muestra. Entonces, la hiptesis nula se acepta o se
rechaza. Si la hiptesis nula se rechaza, se acepta la hiptesis alternativa. A su vez, esta
decisin ser aplicable a otras decisiones que deban tomar los gerentes de operacin,
por ejemplo, si se mantiene un patrn de operacin, o Cul de dos estrategias de
mercadeo debe emplearse? o Qu factores intervendrn si se hacen cambios en la
produccin? Si sern humanos, o materiales o ambos.

1.1.2 Prueba de un Valor Hipottico de la Media Utilizando la Distribucin Normal.

La distribucin de probabilidad normal se puede utilizar para probar un valor hipottico
de la media de la poblacin (1) cuando n 30, o (2) cuando n < 30 y sabemos que la
poblacin est normalmente distribuida y se conoce .

19

Se utiliza una prueba de dos colas cuando estamos interesados en una desviacin
posible en cualquier direccin del valor hipottico de la media. La frmula empleada para
establecer los valores crticos de la media de la muestra es semejante a la frmula para
determinar los lmites de confianza para estimar la media de la poblacin, excepto que el
valor hipottico de la media de la poblacin, o , es el punto de referencia y no la media
de la muestra. Los valores crticos de la media de la muestra para una prueba de dos
colas, segn se conozca no son:
o z x

o z S x

Ejemplo:
Para la hiptesis nula formada en el ejemplo del auditor, el cual quiere probar la
suposicin de que el valor medio de todas las cuentas por cobrar en una firma dada es
de $260.00, tomando una muestra de n = 36, determina los valores crticos de la media
de la muestra para probar la hiptesis a un nivel de significacin del 5 por ciento.
Dado que la desviacin estndar de las cantidades de las cuentas por cobrar es
= $43.00, los valores crticos son:
Hiptesis: Ho: = $260.00 ;

Ha: $260.00

Nivel de significacin: = 0.05

Estadstica de prueba:

x basado en una muestra de n = 36 y con = 43.00

x CR = valor crtico de la media de la muestra.

x CR = o z x = 260.00 1.96
n
43
= $ 245.95
= 260.00 + 1.96
36
43
= $ 274.05
= 260.00 1.96
36
Por lo tanto, para rechazar la hiptesis nula media de la muestra se debe tener un valor
que sea menor que $245.95 o mayor que $274.05. De esta manera, existen dos regiones
de rechazo en el caso de una prueba de dos colas.

20

f( x ) Y

Regin de
rechazo

Regin de
rechazo

regin de aceptacin

245.93

260.00

274.05

Los valores z de 1.96 se utilizan para establecer los lmites crticos porque para la
distribucin normal estndar, una porcin de 0.05 del rea corresponde a las dos colas,
lo que corresponde a la especificacin de = 0.05.
En vez de establecer los valores crticos en trminos de la media de la muestra como tal,
los valores crticos en la prueba de hiptesis se especifican tpicamente en trminos de
valores z. Para el nivel de significacin del 5 por ciento, los valores crticos z para una
prueba de dos colas son 1.96 y +1.96, por ejemplo. Cuando se determina el valor de la
media de la muestra, se transforma en valor z para poderlo comparar con los valores
crticos de z. La frmula de transformacin, segn se conozca o no , es:
z=

x o
x

z=

x o
Sx

Una prueba de una cola es apropiada cuando se est interesado en las posibles
desviaciones en una sola direccin desde el valor hipottico de la media. El auditor que
quiere probar la suposicin de que el valor medio de todas las cuentas por cobrar en una
firma dada es $260.00, tomando una muestra de n = 36, puede no estar interesado en
que el promedio verdadero de todas las cuentas por cobrar exceda $260.00, sino en que
pueda ser menor de $260.00, la hiptesis nula y la hiptesis alternativa son:
Ho: $260.00 y Ha: < $260.00
Slo hay una regin de rechazo para una prueba de una cola, la cual est siempre en la
cola que representa el apoyo de la hiptesis alternativa. Como en el caso anterior, para
una prueba de dos colas, el valor crtico puede determinarse para la media como tal o en
trminos de un valor z. Sin embargo, los valores crticos para pruebas de una cola
difieren de los de las pruebas de dos colas porque la porcin de rea dada est toda en
una cola de la distribucin. La siguiente tabla representa los valores de z necesarios para
pruebas de una cola y de dos colas.

21

VALORES CRTICOS DE Z EN UNA PRUEBA DE HIPTESIS

TIPO DE PRUEBA
Nivel de significacin
5%

Una cola
1.65

Dos colas
1.96

1%

2.33

2.58

La frmula general para establecer el valor crtico de la media de la muestra para una
prueba de una cola segn se conozca (alex) o no es:
o + z x

o + z S x

En estas frmulas z, puede ser negativo, dando como resultado una resta del segundo
trmino en cada frmula

1.1.3 Errores de Tipo I y de Tipo II en Pruebas de Hiptesis

En este fascculo, las pruebas de tipo I y de tipo II, se presentan totalmente con respecto
a las pruebas de una cola para una media hipottica. La probabilidad del error de tipo I
es siempre igual al nivel de significacin utilizado al probar la hiptesis nula. Esto es
porque por definicin la porcin de rea en la regin de rechazo es igual a la proporcin
de los resultados de la muestra que ocurrira en aquella regin si la hiptesis nula es
verdadera.
La probabilidad del error de tipo II se designa generalmente con la letra (beta.) Se
puede determinar solamente respecto de un valor especfico incluido en el rango de la
hiptesis alternativa.
Ejemplo:
En el ejemplo del auditor, la hiptesis nula que se va a probar es que la media de todas
las cuentas por cobrar es por lo menos $260.00 y esta prueba se va a llevar a cabo a un
nivel de significacin de 5%.
El auditor indica que considerara una media real de $260.00 (o menos) como una
diferencia importante y material del valor hipottico de la media. Como antes = $43.00
y el tamao de la muestra es n = 36 cuentas. La determinacin de la probabilidad del
error de tipo II requiere:

22

(1) Formular las hiptesis nula y alternativa para esta situacin de prueba,
(2) Determinar el valor crtico de la media de la muestra que se utilizar al probar la
hiptesis nula a un nivel de significacin del 5%,
(3) Identificar la probabilidad del error de tipo I asociado con el uso del valor crtico
calculado anteriormente como base para la regla de decisin,
(4) Identificar la probabilidad del error de tipo II asociado con la regla de decisin
dado el valor especfico de la media alternativa de $240.00
La solucin completa es:
(1) Ho: 260.00 ;

Ha: < 260.00

(2) x CR = o z x = 260.00 + ( 165 ) (7.17) = $ 248.17

43.00
43
=
donde x =
=
= 7.17
6
36
n
(3) La probabilidad del error de tipo I es igual a 0.05 (el nivel de significacin utilizado
para probar la hiptesis nula.)
(4) Identificar la probabilidad del error de tipo II asociado con la regla de decisin, dado
el valor especfico de la media alternativa de $240.00.
z =

x o
248.17 240
8.17
=
=
1.14
7.17
x
7.17

P (error de tipo II) = P (z + 1.14) = 0.5000 3.729 = 0.1271 0.13

La siguiente figura ilustra el procedimiento seguido en el ejemplo anterior. En general, el
valor crtico de la media determinado con respecto a la hiptesis nula se reduce y se
utiliza como el valor crtico respecto de la hiptesis alternativa especfica.
f( x )

regin de rechazo
(error tipo I)

regin de aceptacin
0.05

f( x )

260.00

248.17

rechazo correcto
hiptesis nula

aceptacin incorrecta de la
hiptesis nula (error de tipo II)

0.13

248.17
23

Cuando el nivel de significacin y el tamao de la muestra se mantienen constantes, la

probabilidad del error de tipo II disminuye a medida que el valor especfico de la
alternativa de la media se coloca ms lejos del valor de la hiptesis nula. Una curva
caracterstica de operacin (CO) describe grficamente la probabilidad de aceptacin de
la hiptesis nula dados varios valores alternativos de la media verdadera.
La siguiente figura muestra la curva CO aplicable a cualquier prueba de este tipo, porque
los valores sobre el eje horizontal se presentan en unidades del error estndar de la
media. Para todos los valores a la izquierda de o , la probabilidad de aceptacin indica
la probabilidad del error de tipo II. A la derecha de o las probabilidades indican la
aceptacin correcta de la hiptesis nula.

1.00
0.80
0.60
0.40
0.20

50 x 40 x 30 x 20 x 10 x

+10 x

POSICIN POSIBLE
DE LA VERDADERA

En la prueba de hiptesis, el concepto de potencia se refiere a la probabilidad de

rechazar una hiptesis nula dado un valor alternativo especfico del parmetro (en
nuestros ejemplos, la media de la poblacin). Al designar la probabilidad del error del tipo
II como , se tiene que la potencia de la prueba es siempre 1 .
De acuerdo con la figura anterior, observa que la potencia para valores alternativos de la
media es la diferencia entre el valor indicado por la curva CO y 1.0, y de esta manera se
puede obtener por sustraccin utilizando la curva CO. Una grfica construida para
presentar los varios niveles de potencia, dados los valores alternativos de la media, se
denomina curva de potencia.
Ejemplo:
De acuerdo con el ejemplo que hemos estado analizando, podemos determinar la
potencia de la prueba dado un valor alternativo especfico, de la media de $240.00, de la
siguiente manera:

24

Puesto que = P(error de tipo II) = 0.13.

Potencia = 1 = 1.00 0.13 = 0.87
Nota. Esta es la probabilidad de rechazar correctamente la hiptesis nula cuando
= $240.00.

25

1.2 ESTIMACIN
El segundo tipo de inferencia estadstica es la estimacin. Este procedimiento utiliza
cuando se responde a una pregunta que pide el valor de una parmetro poblacional. Por
ejemplo, Cul es la distancia media en un solo sentido que deben viajar los estudiantes
que asisten a cualquier plantel del Colegio de Bachilleres?
Para contestar esta pregunta, hay que tomar una muestra de la poblacin y calcular la
media muestral x.
Imagina que eliges una muestra aleatoria de 100 distancias en un solo sentido y que
resulta una media de 16 Km Cul es la estimacin del valor medio de la poblacin?
Si se toma la media muestral como dicha estimacin, se estar efectuando una
estimacin puntual.

1.2.1 Estimacin Puntual de un Parmetro

Se considera como el valor de estadstica muestral correspondiente, es decir, la
muestral, X = 16 Km., es la mejor estimacin puntual para la distancia media en un
sentido para esta poblacin. En otras palabras, se ha estimado que la distancia media en
un solo sentido recorrida por todos los estudiantes es igual a 16 Km.
Ello no requiere decir que la media poblacional sea exactamente igual a 16 Km., sino
que se interpreta esta estimacin como est prxima a 16 Km. Qu quiere decir
est prxima?
El trmino de proximidad es relativo, pero quiz en este caso, prximo debe ser
definido arbitrariamente como estar dentro de un kilmetro de . Si un kilmetro
satisface la idea intuitiva de proximidad, entonces decir est prxima a 16 Km.es
comparable a decir est entre 15 (161) y 17 (16+1) kilmetros.
Esto indica que se deben hacer estimaciones utilizando intervalos. Este tipo de
estimacin utiliza el concepto de intervalo y asigna una medida a la confiabilidad de ste
en la estimacin del parmetro en cuestin.

26

1.2.2 Estimacin por Intervalo

Un intervalo acotado por dos nmeros se emplea para estimar el valor de un parmetro
poblacional. Los valores que limitan este intervalo son estadsticas calculadas a partir de
la muestra que estn sirviendo como base para la estimacin.

1.2.3 nivel de confianza 1

Es la probabilidad de que la muestra por seleccionarse produzca valores lmite que se
localicen en lados opuestos del parmetro que se estima. Algunas veces el nivel de
confianza se llama coeficiente de confianza.

1.2.4 Intervalo de Confianza

Se considera como la estimacin por intervalo con un nivel de confianza especfico. El
teorema central de lmite es la fuente de informacin necesaria para obtener
estimaciones por intervalos de confianza. La media X = 16 es un miembro de la
distribucin muestral de las medias.
La siguiente figura muestra la distribucin de muestreo de las medias a la que pertenece
la media muestral x = 16 (n = 100), suponiendo que = 6,

/ n = 6.0 / 100 = 0.6

X
(desconocida)

27

Cuando se selecciona aleatoriamente una muestra de tamao 100 de una poblacin

cuya medida es y cuya desviacin estndar es 6, Cul es la probabilidad de que la
media muestral diste de menos de una unidad?.En otras palabras, Cul es
P( 1 < x < + 1) ?
Esta probabilidad la puedes encontrar determinando la distribucin de probabilidad
normal de la siguiente manera:
z=

Si x = 1 , entonces: z =

( 1)
1.0
=
= 1.67
0 .6
0.6

Si x = + 1 , entonces: z =

( + 1)
1 .0
=
= + 1.67
0. 6
0 .6

/ n = 0.6

1.0

+ 1.0

En consecuencia:
P ( 1 < X < + 1) = P(1.67 < Z < + 1.67)
= 2P(0 < Z < 1.67)
= 2 (0.4525) = 0.9050
La probabilidad de que la media de una muestra aleatoria est dentro de una unidad de
esta media poblacional es 0.9050. As, la probabilidad de que la media poblacional se
halle dentro de una unidad desde la media de una muestra es tambin igual a 0.9050.
Por lo tanto, el intervalo 15 a 17 es una estimacin por intervalo, con un nivel de
confianza de 0.9050 para la distancia media en un solo sentido recorrida por los
estudiantes del C.B.

28

1.2.5 Error de Estimacin Mximo, E

Es la mitad de la anchura del intervalo de confianza. En general, E es un mltiplo del
error estndar.
La ilustracin precedente comenz con la asignacin de 1 Km. como valor del error
mximo. Tpicamente, se determina el error de estimacin mximo por el nivel de
confianza que se quiera que tenga el intervalo de confianza. Es decir, 1 determinar
el error mximo. El nivel de confianza se dividir de tal manera que la mitad de 1
este por arriba de la media, y la otra mitad por debajo, como se muestra en la figura:

/2

/2

1
(1 )
2
CADA COLA CONTIENE /2

(ERROR ESTNDAR DE LA MEDIA

n

/2

/2
Z (/2)

Z (/2)

E, error
E, error
mximo
mximoi

Esto determinar la probabilidad /2 en cada una de las dos colas de la distribucin. El

valor Z que limita al intervalo de confianza ser Z (/2). Recuerda que /2 es la
probabilidad ( rea) bajo la curva a la derecha de este punto. La Z es un nmero de
desviaciones estndares. En consecuencia, el error, de estimacin mximo E es:
29

E = Z ( / 2)

X =

(ERROR ESTNDAR DE LA MEDIA)

El intervalo de confianza 1 para es

X Z ( / 2)

X Z ( / 2)

para

X + Z ( / 2)

se llama lmite de confianza inferior (LCI), Y X + Z ( / 2)

n
confianza superior (LCS), del intervalo de confianza.

, lmite de

En la prctica nos vemos obligados con frecuencia a tomar decisiones relativas a una
poblacin sobre la base de informacin proveniente de muestras. Tales decisiones se
llaman decisiones estadsticas. Por ejemplo, podemos querer decir, basados en datos
muestrales, si un mtodo pedaggico es mejor que otro o si una moneda es falsa o no.
Al intentar obtener una decisin, es til hacer hiptesis (o conjeturas) sobre la poblacin
implicada. Tales hiptesis, que pueden ser o no ciertas, se llaman hiptesis estadsticas.
Son, en general, enunciados acerca de las distribuciones de probabilidad de las
poblaciones, que seguramente estudiaste en temas anteriores del curso de Estadstica.
En muchos casos realizamos hiptesis estadsticas con el nico propsito de rechazarla
o invalidarla. As, si queremos decidir si una moneda es falsa, hacemos la hiptesis de
que la moneda es buena (o sea, p = 0.5, donde p es la probabilidad de cara).
Anlogamente, si deseamos decidir si un procedimiento es mejor que otro, formulamos
la hiptesis de que no hay diferencia entre ellos (o sea, que cualquier diferencia
observada se debe simplemente a fluctuaciones en el muestreo de la misma poblacin).
Tales hiptesis, como recordars, son las hiptesis nulas y se representa por Ho.
Toda hiptesis que difiere se llama hiptesis alternativas. Por ejemplo: si una hiptesis
es p = 0.5, las hiptesis alternativas podran ser:
p = 0.7, p 0.5 p > 0.5. Una hiptesis alternativa a la hiptesis nula se representar
por Ha.

30

Si suponemos que una hiptesis particular es cierta pero vemos que los resultados
hallados en una muestra aleatoria difieren notablemente de los esperados bajo tal
hiptesis, entonces diremos que las diferencias observadas son significativas y nos
veramos inclinados a rechazar la hiptesis (o al menos a no aceptarla ante la evidencia
obtenida). As, si en 20 tiradas de una moneda salen 16 caras, estaramos inclinados a
rechazar la hiptesis de que la moneda es buena, aunque cabe la posibilidad de
equivocarnos.
Los procedimientos que nos capacitan para determinar si las muestras observadas
difieren significativamente de los resultados esperados, y por tanto nos ayudan a decidir
si aceptamos o rechazamos la hiptesis, se llaman contrastes (o test) de hiptesis o de
significacin o reglas de decisin.
Si rechazamos una hiptesis cuando debiera ser aceptada, diremos que se ha cometido
un error de tipo I. Por otra parte, si aceptamos una hiptesis que debiera ser rechazada,
diremos que se ha obtenido un error de tipo II. En ambos casos se ha producido un caso
errneo.
Para que las reglas de decisin (o contrastes de hiptesis) sean buenas, deben
disearse de modo que minimicen los errores de la decisin. Y no es una cuestin
sencilla, porque para cualquier tamao de la muestra, un intento de disminuir un tipo de
error puede ser ms grave que el otro, y debe alcanzarse un compromiso que disminuya
el error ms grave, La nica forma de disminuir ambos a la vez es aumentar el tamao
de la muestra, que no siempre es posible.
Al contrastar una cierta hiptesis, la mxima probabilidad con la que estamos dispuestos
a correr riesgo de cometer un error de tipo I se llama nivel de significacin de contraste.
Esta probabilidad, denotada a menudo por , se suele especificar antes de tomar la
muestra, de manera que los resultados obtenidos no influyan en nuestra eleccin.
En la prctica, es frecuente un nivel de significacin de 0.05 0.01, si bien se usan otros
valores, Si, por ejemplo, se escoge el nivel de significacin 0.05 ( 5%) al disear una
regla de decisin, entonces hay unas 5 oportunidades entre 100 de rechazar las
hiptesis cuando debiera haberse aceptado; es decir, tenemos un 95% de confianza de
que hemos adoptado la decisin correcta. En tal caso decimos que la hiptesis ha sido
rechazada al nivel de significacin 0.05, lo cual quiere decir que la hiptesis tiene una
probabilidad 0.05 de ser falsa.
Para ilustrar lo explicado anteriormente, suponemos que bajo cierta hiptesis la
distribucin de muestreo de un estadstico S es una distribucin normal con media s y
desviacin tpica S. As pues, la distribucin de la variable tipificada z dada por z = (S
s)/S, es la distribucin normal cannica (media 0, varianza1), como indica la siguiente
figura:

31

REGIN CRTICA

REGIN CRTICA

0.025

0.025

Z = 1.96

Z = 1.96

Como se ve en la figura, podemos tener 95% de confianza de que si la hiptesis es

verdadera, entonces el valor de z para un estadstico muestral S estar entre 1.96 y
1.96 (porque el rea bajo la curva normal entre esos valores es 0.95). Sin embargo, si al
escoger una sola muestra al azar hallamos que el valor de z de su estadstico est fuera
de ese rango, debemos concluir que tal suceso podra ocurrir con una probabilidad de
slo 0.05 (el rea total sombreada en la figura) si la hiptesis dada fuera cierta. Diremos
entonces que esta Z difiere de forma significativa de lo que sera de esperar bajo la
hiptesis, y nos veramos empujados a rechazar la hiptesis.
El rea total sombreada 0.05 es el nivel de significacin del contraste. Representa la
probabilidad de equivocarnos al rechazar la hiptesis (o sea, la probabilidad de un error
de tipo I), As pues, decimos que la hiptesis se rechaza a un nivel de significacin 0.056
o que el valor de z del estadstico muestral dado es significativo al nivel 0.05.
El conjunto de Z fuera del rango 1.96 a 1.96 se llama la regin crtica de la hiptesis,
regin de rechazo de la hiptesis, o regin de significacin. El conjunto de Z en el rango
1.96 a 1.96 se conoce como regin de aceptacin de la hiptesis o regin de no
significacin.
Basados en las anteriores observaciones, podemos formular la siguiente regla de
decisin (o contrate de hiptesis o significacin):
Rechazar la hiptesis al nivel de significacin 0.05 si el valor de Z para el estadstico S
est fuera del rango 1.96 a 1.96 (o sea, si z > 1.96 z < 1.96). Esto equivale a decir
que el estadstico muestral observado es significativo al nivel 0.05.
Aceptar la hiptesis en caso contrario (o, si se desea, no tomar decisin alguna).
Dado que z juega tan importante papel en el contraste de hiptesis, se le llama un
estadstico de contraste.
Hay que hacer notar que se utilizan tambin otro nivel de significacin. Por ejemplo, si se
usa el nivel 0.01, debe sustituirse el 1.96 de antes por 2.58. (observa la siguiente tabla):

32

NIVEL DE SIGNIFICACIN,
Valores crticos de z para test
unilaterales
Valores crticos de z para test
bilaterales

0.10
1.28
1.28
1.645
y 1.645

0.05
1.645
1.645
1.96
y 1.96

0.01
2.33
2.33
2.58
y 2.58

0.005
2.58
2.58
2.81
y 2.81

0.002
2.88
2.88
3.08
y 3.08

La suma de los niveles de significacin y de confianza es 100%.

En el test precedente estbamos interesados en los valores extremos del estadstico S o
en su correspondiente valor z a ambos lados de la media (o sea, en las dos colas de la
distribucin). Tales test se llaman contrastes de dos colas o bilaterales.
Con frecuencia, no obstante, estaremos interesados tan slo en valores extremos a un
lado de la media (o sea, en una de las colas de distribucin), tal como sucede cuando se
contrasta la hiptesis de que un proceso es mejor que otro (lo cual no es lo mismo que
contrastar si un proceso es mejor o peor que el otro). Tales contrastes se llaman
unilaterales, o de una cola. En tales situaciones, la regin crtica es una regin situada a
un lado de la distribucin, con rea igual al nivel de significacin.
La tabla anterior, que da valores crticos de z para contrastes de una o dos colas en
varios niveles de significacin, ser til como referencia posterior. Los valores crticos de
z para otros niveles de significacin se hallan a partir de la tabla de reas de la curva
normal que a continuacin se muestra:
A menudo adquiere importancia prctica saber cundo un proceso ha variado tanto que
deben adoptarse medidas para remediar la situacin.
Tales problemas aparecen, por ejemplo, en el control de calidad. Los supervisores del
control de calidad han de decidir frecuentemente si los cambios observados se deben
simplemente a fluctuaciones de azar o a cambios reales en un proceso de produccin
por deterioro de la maquinaria, descuidos de los empleados, etc. Los grficos de control
ponen a nuestra disposicin un mtodo sencillo y eficaz para enfrentarnos a esa clase de
problemas, por ejemplo:
Se construye una mquina para fabricar bolas de rodamiento con dimetro medio de
0.574 cm. y desviacin tpica de 0.008 cm. Para determinar si funciona correctamente,
se toma una muestra de 6 bolas cada dos horas y se halla para cada una de las
muestras el dimetro medio.
a) Disear una regla de decisin con la que se est muy seguro de que la calidad
del producto cumple los propsitos exigidos.
b) Ilustrar grficamente la regla de decisin de (a).

33

SOLUCIN:
a) Con el 99.73% de confianza podemos decir que la media muestral x debe estar entre
X 3X y X + 3X o sea 3 N a + 3 N .
Como = 0.574

= 0.008

N=6

Se sigue que con el 99.73% de confianza, la media muestral debera estar entre
0.574 0.024 6 y 0.574 + 0.024 6 , o entre 0.564 y 0.584 cm. Luego nuestra regla
de decisin es como sigue:
Si una media muestral cae dentro del rango de 0.564 a 0.584, aceptamos que la
mquina funciona bien: Si no, concluimos que no funciona bien e investigamos la razn.
b) Se pueden anotar las observaciones en un grfico como en la siguiente figura,
llamado un grfico de control de calidad. Cada vez que se toma una muestra, se
representa por un punto concreto. En tanto que los puntos estn entre el lmite inferior
(0.564 cm.) y el superior (0.584 cm.), el proceso est bajo control. Cuando un punto
se sale de esos lmites de control (como sucede en la tercera muestra tomado el
jueves), existe la posibilidad de que algo falle, y se hace preciso investigarlo.
Lunes

Martes

Mircoles

0.584
0.574
0.564

34

Jueves

Viernes

RECAPITULACIN

A continuacin te proporcionamos una sntesis de los conceptos ms relevantes que

estudiaste en este fascculo:
INFERENCIA ESTADSTICA

PRUEBAS DE HIPTESIS

ETAPAS BSICAS

PRUEBA DE UN
VALOR
HIPOTTICO DE LA MEDIA
UTILIZANDO
LA
DISTRIBUCIN NORMAL

ERRORES DE TIPO I y II

PUNTUAL DE UN
PARMETRO
POR INTERVALO

ESTIMACIN

NIVEL DE CONFIANZA

ERROR
DE
MXIMO E

INTERVALO DE
CONFIANZA

ESTIMACIN

Cada una de las partes que conforman el esquema anterior, se relacionan con la
Inferencia Estadstica. Con base en el, elabora una sntesis de cada aspecto,
especificando cmo se interrelacionan.
35

ACTIVIDADES DE CONSOLIDACIN

De acuerdo a lo que has estudiado en el fascculo, te invitamos a que realices los

siguientes ejercicios que te ayudarn a conocer qu tanto aprendiste de la Estadstica
Inferencial.
ACTIVIDAD 1
Los Jefes de Manzana de cierta colonia, investigan el ingreso mensual familiar para
crear un centro comercial en la colonia, que es de $2,000.00. Imagina que para el tipo de
colonia en cuestin, el ingreso familiar est distribuido ms o menos normalmente y que
la desviacin estndar se puede aceptar como igual a = $2,000.00, de acuerdo a la
investigacin de los jefes de manzana.
Para una muestra aleatoria de n = 15 familias, se ha encontrado que el ingreso medio
por familia es x = $1,500.00. Prueba la hiptesis nula de que = $1,500.00,
estableciendo los lmites crticos de la media de la muestra en $, utilizando un nivel de
significacin del 5%.
ACTIVIDAD 2
En la fbrica de autos Ford, se contempla la compra de un nuevo equipo de diseo de
partes para automvil, El equipo no debe exigir en promedio ms de 10 min. de tiempo
de preparacin por cada hora de operacin. El agente de compra visita una compaa
donde est instalado el equipo. Por la informacin que en ella recoge comprueba que 40
horas de operacin seleccionadas aleatoriamente incluyen un total de 7 horas y 30
minutos, de tiempo de preparacin y que la desviacin estndar del tiempo de
preparacin por hora fue 3.0 min. Basado en este resultado de la muestra Puede
rechazarse la suposicin de que el equipo posee las especificaciones sobre tiempo de
preparacin al nivel de significacin del 1%.
ACTIVIDAD 3
De 100 estudiantes de tercero y cuarto semestre de un plantel del CB, una muestra
aleatoria de n = 12 estudiantes tiene una calificacin promedio de 2.7 (donde aprob. =
4.0), con una desviacin estndar de S = -0.4. Se supone que las calificaciones
promedio estn normalmente distribuidas. Prueba la hiptesis de que el promedio total
de calificaciones para todos los estudiantes del plantel del C.B. es por lo menos 3.0
utilizando un nivel de significacin del 1%.
36

AUTOEVALUACIN

1.- Ya que la media de la muestra de X=$1,500.00 est en la regin de aceptacin de la

hiptesis nula, la informacin de los jefes de manzana no se puede rechazar a un nivel
de significacin del 5%.
2.- Se rechaza la hiptesis nula al nivel de significacin del 1% y se acepta la hiptesis
alternativa de que el tiempo promedio de preparacin para este equipo es mayor de
10min. por hora de operacin.
3.- La Hiptesis nula se rechaza al nivel de significacin del 1%. Si se hubiera ignorado
la utilizacin del factor de correccin finito, el valor calculado t, sera 2.59, y se
aceptara inapropiadamente la hiptesis nula.

37

BIBLIOGRAFA CONSULTADA

HABER/Ronyon. Estadstica General. Ed. Addison/Wesley, Mxico, 1990

HERNNDEZ Santieri, Roberto. Metodologa de la Investigacin. Ed. Mc Graw-Hill,
Mxico, 1990.
KAZMIER Leonard J. Estadstica Aplicada a la Administracin y la Economa. Ed. Mc
Graw-Hill, Mxico 1982.
SPIEGEL, Estadstica, Ed. Mc Graw-Hill, 2. Edicin, Mxico 1993.

38