INSTITUTO TECNOLGICO SUPERIOR DE FELIPE CARRILLO PUERTO

ORGANISMO PBLICO DESCENTRALIZADO DEL ESTADO DE QUINTANA ROO

UNIDAD ACADMICA TULUM

CARRERA:

INGENIERA EN GESTIN EMPRESARIAL

MATERIA:

PROBABILIDAD Y ESTADSTICA INFERENCIAL

TRABAJO:

PORTAFOLIO GENERAL

DOCENTE:

ING. IRAN ISRAEL PAT NOH

ALUMNAS:

AKE PAT DEYSI MARISOL

RAMOS DZIDZ EMILIA ALEJANDRA

SEMESTRE: 4 GRUPO: C

TULUM QUINTANA ROO A 17 DE JUNIO DEL 2017

CONTENIDO
INTRODUCCIN GENERAL .................................................................................. 6

INTRODUCCIN .................................................................................................... 9

1 UNIDAD INTRODUCCIN A LA ESTADSTICA INFERENCIAL ESTADSTICA

.............................................................................................................................. 10

1.1 BREVE HISTORIA DE LA ESTADSTICA ..................................................... 10

1.2 CONCEPTO DE ESTADSTICA ..................................................................... 13

1.3 ESTADSTICA DESCRIPTIVA ....................................................................... 14

1.4 LA ESTADSTICA INFERENCIAL .................................................................. 14

1.5 BREVE INTRODUCCIN A LA INFERENCIA ESTADSTICA ...................... 15

1.6 TEORA DE DECISIN................................................................................... 15

1.7 COMPONENTES DE UNA INVESTIGACIN ESTADSTICA ........................ 16

1.8 RECOLECCIN DE DATOS .......................................................................... 19

1.9 ESTADSTICA PARAMTRICA (POBLACIN Y MUESTRA ALEATORIA) 20

1.10 APLICACIONES ........................................................................................... 20

TAREAS................................................................................................................ 24

Conclusin ........................................................................................................... 25

ANEXOS ............................................................................................................... 27

BIBLIOGRAFA .................................................................................................... 29

2.1 CONCEPTOS BASICOS ................................................................................ 33

2.2 DISTRIBUCIN DE MUESTREO ................................................................... 34

2.3 ESTIMACIN PUNTUAL. ............................................................................... 35

2.4 ESTIMACIN DE INTERVALO ...................................................................... 35

2.5 INTERVALO DE CONFIANZA PARA LA MEDIA .......................................... 37

2.6 INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS. .......... 39

INTRODUCCIN .................................................................................................. 56

UNIDAD #3 PRUEBA DE HIPOTESIS ................................................................. 57

3.1 METODOLOGIA PARA LA PRUEBA DE HIPTESIS .................................. 57

3.2 HIPOTESIS NULA Y ALTERNATIVA ............................................................. 59

3.3 ERROR TIPO I, ERROR TIPO II ..................................................................... 59

3.4 PRUEBAS DE HIPTESIS ............................................................................. 59

3.5 PRUEBAS DE PROPORCIONES ................................................................... 60

3.6 SOLUCIN DEL TAMAO DE MUESTRA PARA ESTIMAR LA MEDIA

POBLACIN ......................................................................................................... 61

3.7 TAMAO DE MUESTRA PARA PROPORCIN ........................................... 62

TAREAS................................................................................................................ 63

CONCLUSIN ...................................................................................................... 68

ANEXOS ............................................................................................................... 69

EXAMEN_EMILA ALEJANDRA RAMOS DZIDZ ................................................. 69

EXAMEN_DEYSI MARISOL AKE PAT ................................................................ 71

INTRODUCCIN .................................................................................................. 76

4.1 INTRODUCCIN PRUEBAS DE HIPTESIS. ............................................... 77

4.2 DISTRIBUCIN NORMAL Y DISTRIBUCIN T DE STUDENT ..................... 78

4.3 PRUEBAS DE SIGNIFICANCIA ..................................................................... 80

4.4 COMPARACIN DE DOS MUESTRAS INDEPENDIENTES: PRUEBAS T

PARA LAS DIFERENCIAS ENTRE DOS MEDIAS .............................................. 80
4.5 PRUEBA DE FISHER PARA VARIANZAS Y DE IGUALDAD DE LAS
VARIANZAS DE DOS POBLACIONES NORMALES. ......................................... 83

4.6 COMPARACIONES DE DOS MUESTRAS PAREADAS ............................... 83

4.7 MODELO TOTALMENTE ALEATORIO: ANLISIS DE VARIANZA DE UN

FACTOR. ........................................................................................................... 85

4.8 SELECCIN DEL TAMAO DE MUESTRA PARA ESTIMAR LA

DIFERENCIA DE DOS MEDIAS........................................................................ 86

4.9 APLICACIONES .......................................................................................... 88

TAREAS................................................................................................................ 91

EJERCICIOS TEMA 4.4 .................................................................................... 91

EJERCICIOS TEMA 4.6 .................................................................................... 94

CONCLUSIN ...................................................................................................... 96

ANEXOS ............................................................................................................... 97

EXAMEN_AKE PAT DEYSI .............................................................................. 97

EXAMEN_ RAMOS DZIDZ ALEJANDRA ......................................................... 98

INTRODUCCIN ................................................................................................ 101

5.1 PRUEBA Z PARA LA DIFERENCIA ENTRE DOS PROPORCIONES. ....... 102

5.2 PRUEBA PARA LA DIFERENCIA ENTRE DOS PROPORCIONES................ 0

5.3 PRUEBA PARA LA DIFERENCIA EN n PROPORCIONES Z ......................... 1

5.4 PRUEBA DE INDEPENDENCIA (ji-CUADRADA). .......................................... 2

5.5 PRUEBAS DE CONTINGENCIA (ji-CUDRADA). ............................................. 4

5.6 PRUEBAS DE BONDAD DE AJUSTE ............................................................. 6

5.7 APLICACIONES. .............................................................................................. 7

CONCLUSIN ........................................................................................................ 8
CONCLUSIN GENERAL ..................................................................................... 9
INTRODUCCIN GENERAL
En este trabajo se abordaran los temas que se pudieron abordar a lo largo de este
semestre, desde dar una breve historia o introduccin a la estadstica inferencial as
como informacin que a lo largo de este semestre pudimos aprender sobre la
estadstica inferencial, desde como comparar una muestra hasta como deducir que
una prueba de hiptesis es verdadera, temas que sern ejemplificados con diversas
actividades.
INSTITUTO TECNOLGICO SUPERIOR DE FELIPE CARRILLO PUERTO

ORGANISMO PBLICO DESCENTRALIZADO DEL ESTADO DE QUINTANA ROO

UNIDAD ACADMICA TULUM

CARRERA:

INGENIERA EN GESTIN EMPRESARIAL

MATERIA:

PROBABILIDAD Y ESTADSTICA INFERENCIAL

TRABAJO:

PORTAFOLIO UNIDAD 1:

DOCENTE:

ING. IRAN ISRAEL PAT NOH

ALUMNAS:

AKE PAT DEYSI MARISOL

RAMOS DZIDZ EMILIA ALEJANDRA

SEMESTRE: 4 GRUPO: C

TULUM QUINTANA ROO A 05 DE MARZO DEL 2017

CONTENIDO

INTRODUCCIN ..................................................... Error! Marcador no definido.

1 UNIDAD INTRODUCCIN A LA ESTADSTICA INFERENCIAL ESTADSTICA

................................................................................. Error! Marcador no definido.

1.1 BREVE HISTORIA DE LA ESTADSTICA ........ Error! Marcador no definido.

1.2 CONCEPTO DE ESTADSTICA ........................ Error! Marcador no definido.

1.3 ESTADSTICA DESCRIPTIVA .......................... Error! Marcador no definido.

1.4 LA ESTADSTICA INFERENCIAL ..................... Error! Marcador no definido.

1.5 BREVE INTRODUCCIN A LA INFERENCIA ESTADSTICA ............... Error!

Marcador no definido.

1.6 TEORA DE DECISIN...................................... Error! Marcador no definido.

1.7 COMPONENTES DE UNA INVESTIGACIN ESTADSTICAError! Marcador

no definido.

1.8 RECOLECCIN DE DATOS ............................. Error! Marcador no definido.

1.9 ESTADSTICA PARAMTRICA (POBLACIN Y MUESTRA ALEATORIA)

................................................................................. Error! Marcador no definido.

1.10 APLICACIONES .............................................. Error! Marcador no definido.

TAREAS................................................................... Error! Marcador no definido.

Conclusin .............................................................. Error! Marcador no definido.

ANEXOS .................................................................. Error! Marcador no definido.

BIBLIOGRAFA ....................................................... Error! Marcador no definido.

CONCLUSIN GENERAL ............................................................. Error! Marcador no definido.

INTRODUCCIN

En este trabajo se abordaran los temas de la unidad uno; introduccin a la

estadstica inferencial en la cual se presentaran una sntesis de la unidad, as como
informacin que trataran los temas que conforman esta unidad, hablaremos de
manera breve de sobre la historia de la estadstica inferencial, as como tambin
conoceremos que es la estadstica y sobre el ramo de estudio de sus dos divisiones
que son la estadstica inferencial y descriptiva, se tocara un poco ms a fondo el
tema de la estadstica descriptiva, as como de la teora de la decisin , de los
diferentes componentes de una investigacin estadstica, as como de la
recoleccin de datos, igualmente se hablara sobre la estadstica paramtrica dentro
de una poblacin y una muestra.
1 UNIDAD INTRODUCCIN A LA ESTADSTICA INFERENCIAL
ESTADSTICA
La Estadstica es una ciencia formal que estudia la recoleccin, anlisis e
interpretacin de datos de una muestra representativa, ya sea para ayudar en la
toma de decisiones o para explicar condiciones regulares o irregulares de algn
fenmeno o estudio aplicado, de ocurrencia en forma aleatoria o condicional. Sin
embargo, la estadstica es ms que eso, es decir, es el vehculo que permite llevar
a cabo el proceso relacionado con la investigacin cientfica.

Es transversal a una amplia variedad de disciplinas, desde la fsica hasta las

ciencias sociales, desde las ciencias de la salud hasta el control de calidad. Se usa
para la toma de decisiones en reas de negocios o instituciones gubernamentales.

1.1 BREVE HISTORIA DE LA ESTADSTICA

La palabra Estadstica procede del vocablo Estado, pues era funcin principal de
los Gobiernos de los Estados establecer registros de poblacin, nacimientos,
defunciones, impuestos, cosechas... La necesidad de poseer datos cifrados sobre
la poblacin y sus condiciones materiales de existencia han debido hacerse sentir
desde que se establecieron sociedades humanas organizadas.
Es difcil conocer los orgenes de la Estadstica. Desde los comienzos de la
civilizacin han existido formas sencillas de estadstica, pues ya se utilizaban
representaciones grficas y otros smbolos en pieles, rocas, palos de madera y
paredes de cuevas para contar el nmero de personas, animales o ciertas cosas.
 Su origen empieza posiblemente en la isla de Cerdea, donde existen
monumentos prehistricos pertenecientes a los Nuragas, las primeros habitantes de
la isla; estos monumentos constan de bloques de basalto superpuestos sin mortero
y en cuyas paredes de encontraban grabados toscos signos que han sido
interpretados con mucha verosimilidad como muescas que servan para llevar la
cuenta del ganado y la caza.
Hacia el ao 3.000 a.C. los babilonios usaban ya pequeas tablillas de
arcilla para recopilar datos en tablas sobre la produccin agrcola y los gneros
vendidos o cambiados mediante trueque.
Los egipcios ya analizaban los datos de la poblacin y la renta del pas
mucho antes de construir las pirmides. En los antiguos monumentos egipcios se
encontraron interesantes documentos en que demuestran la sabia organizacin y
administracin de este pueblo; ellos llevaban cuenta de los movimientos
poblacionales y continuamente hacan censos. Tal era su dedicacin por llevar
siempre una relacin de todo que hasta tenan a la diosa Safnkit, diosa de los libros
y las cuentas. Todo esto era hecho bajo la direccin del Faran y fue a partir del
ao 3050 a.C.
En la Biblia observamos en uno de los libros del Pentateuco, bajo el nombre
de Nmeros, el censo que realiz Moiss despus de la salida de Egipto.
Textualmente dice: "Censo de las tribus: El da primero del segundo ao despus
de la salida de Egipto, habl Yavpe a Moiss en el desierto de Sina en el
tabernculo de la reunin, diciendo: "Haz un censo general de toda la asamblea de
los hijos de Israel, por familias y por linajes, describiendo por cabezas los nombres
de todos los varones aptos para el servicio de armas en Israel. En el libro bblico
Crnicas describe el bienestar material de las diversas tribus judas.
En China existan los censos chinos ordenados por el emperador Tao hacia
el ao 2.200 a.C.
 Posteriormente, hacia el ao 500 a.C., se realizaron censos en Roma para
conocer la poblacin existente en aquel momento. Se erigi la figura del censor,
cuya misin consista en controlar el nmero de habitantes y su distribucin por los
distintos territorios.
En la Edad Media, en el ao 762, Carlomagno orden la creacin de un
registro de todas sus propiedades, as como de los bienes de la iglesia.
Despus de la conquista normanda de Inglaterra en 1.066, el rey Guillermo
I, el Conquistador, elabor un catastro que puede considerarse el primero de
Europa.
Los Reyes Catlicos ordenaron a Alonso de Quintanilla en 1.482 el recuento
de fuegos (hogares) de las provincias de Castilla.
En 1.662 un mercader de lencera londinense, John Graunt, public un tratado con
las observaciones polticas y naturales, donde Graunt pone de manifiesto las cifras
brutas de nacimientos y defunciones ocurridas en Londres durante el periodo 1.604-
1.661, as como las influencias que ejercan las causas naturales, sociales y
polticas de dichos acontecimientos. Puede considerarse el primer trabajo
estadstico serio sobre la poblacin.
Curiosamente, Graunt no conoca los trabajos de B. Pascal (1.623-1.662) ni de C.
Huygens (1.629-1.695) sobre estos mismos temas. Un poco ms tarde, el
astrnomo Edmund Halley (1.656- 1.742) presenta la primera tabla de mortalidad
que se puede considerar como base de los estudios contemporneos. En dicho
trabajo se intenta establecer el precio de las anualidades a satisfacer a las
compaas de seguros. Es decir, en Londres y en Pars se estaban construyendo,
casi de manera simultnea, las dos disciplinas que actualmente llamamos
estadstica y probabilidad.
En el siglo XIX, la estadstica entra en una nueva fase de su desarrollo con la
generalizacin del mtodo para estudiar fenmenos de las ciencias naturales y
sociales. Galton (1.822-1.911) y Pearson (1.857-1936) se pueden considerar
como los padres de la estadstica moderna, pues a ellos se debe el paso de la
estadstica deductiva a la estadstica inductiva.
Los fundamentos de la estadstica actual y muchos de los mtodos de
inferencia son debidos a R. A. Fisher. Se interes primeramente por la eugenesia,
lo que le conduce, siguiendo los pasos de Galton a la investigacin estadstica, sus
trabajos culminan con la publicacin de la obra Mtodos estadsticos para
investigaciones. En l aparece la metodologa estadstica tal y como hoy la
conocemos.
A partir de mediados del siglo XX comienza lo que podemos denominar la
estadstica moderna, uno de los factores determinantes es la aparicin y
popularizacin de los computadores. El centro de gravedad de la metodologa
estadstica se empieza a desplazar tcnicas de computacin intensiva aplicadas a
grandes masas de datos, y se empieza a considerar el mtodo estadstico como un
proceso iterativo de bsqueda del modelo ideal
Las aplicaciones en este periodo de la Estadstica a la Economa conducen a una
disciplina con contenido propio: la Econometra. La investigacin estadstica en
problemas militares durante la segunda guerra mundial y los nuevos mtodos de
programacin matemtica, dan lugar a la Investigacin Operativa

1.2 CONCEPTO DE ESTADSTICA

La Estadstica se ocupa de la recoleccin, agrupacin, presentacin, anlisis e
interpretacin de datos. A menudo se llaman estadsticas a las listas de estos datos,
cosa que crea una cierta ambigedad, que no debera originarnos confusiones. La
Estadstica no son slo los resultados de encuestas, ni el clculo de unos
porcentajes, la Estadstica es un mtodo cientfico que pretende sacar conclusiones
a partir de unas observaciones hechas.

Cundo empez la Estadstica? La Estadstica actual es el resultado de la unin

de dos disciplinas que evolucionaron de forma independiente hasta confluir en el
siglo XIX: x el Clculo de Probabilidades, que naci en el siglo XVII como la teora
matemtica de los juegos de azar, x la Estadstica, o ciencia del Estado, que
estudia la descripcin de datos, y que tiene unas races ms antiguas, de hecho,
tan antiguas como la humanidad (censos de poblacin). La interaccin de ambas
lneas de pensamiento da lugar a la ciencia que estudia cmo obtener conclusiones
de la investigacin emprica mediante el uso de modelos matemticos.

1.3 ESTADSTICA DESCRIPTIVA

La estadstica descriptiva es la rama de las Matemticas que recolecta, representa
y caracteriza un conjunto de datos (por ejemplo, edad de una poblacin, altura de
los estudiantes de una escuela, en los meses de verano, etc.) con el fin de describir
apropiadamente las diversas caractersticas de ese conjunto.
La estadstica descriptiva: se dedica a la descripcin, visualizacin y resumen de
datos originados a partir de los fenmenos de estudio. Los datos pueden ser
resumidos numrica o grficamente. Ejemplos bsicos de parmetros estadsticos
son: la media y la desviacin estndar. Algunos ejemplos grficos son: histograma,
pirmide poblacional, grfico circular, entre otros.

1.4 LA ESTADSTICA INFERENCIAL

Se dedica a la generacin de los modelos, inferencias y predicciones asociadas a
los fenmenos en cuestin teniendo en cuenta la aleatoriedad de las observaciones.
Se usa para modelar patrones en los datos y extraer inferencias acerca de la
poblacin bajo estudio. Estas inferencias pueden tomar la forma de respuestas a
preguntas si/no (prueba de hiptesis), estimaciones de unas caractersticas
numricas (estimacin), pronsticos de futuras observaciones, descripciones de
asociacin (correlacin) o modelamiento de relaciones entre variables (anlisis de
regresin). Otras tcnicas de modelamiento incluyen anova, series de tiempo y
minera de datos.
IMPORTANCIA DE LA ESTADSTICA INFERENCIAL
La Estadstica Inferencial puede dar respuesta a muchas de las necesidades que la
sociedad actual puede requerir. Su tarea fundamental es el anlisis de los datos que
se obtienen a partir de experimentos, con el objetivo de representar la realidad y
conocerla. Permite la recoleccin de datos importantes para el estudio de
situaciones que se presentan a diario y permite dar respuesta a los problemas de
una forma til y significativa.
La Estadstica Inferencial se centra en tomar una pequea muestra representativa
de la poblacin y a partir de sta, infiere que el resto de la poblacin tiene el mismo
comportamiento.
En caso de que no sea factible realizar un estudio completo por cuestiones de
tiempo, recursos o costo, se puede calcular un tamao de muestra para medir solo
algunos elementos de la poblacin, posteriormente se infiere que el resto de la
poblacin se comporta igual que la muestra tomada.

1.5 BREVE INTRODUCCIN A LA INFERENCIA ESTADSTICA

El principal objetivo de la Estadstica es inferir o estimar caractersticas de una
poblacin que no es completamente observable (o no interesa observar en su
totalidad) a travs del anlisis de una parte de ella a la que llamamos muestra. Las
razones por las que generalmente se trabaja con muestras son principalmente:
- Econmicas.
- Tiempo: si la poblacin es muy grande llevara tanto tiempo analizarla que incluso
la caracterstica de inters podra variar en ese perodo. Por ejemplo, la tasa de
paro.
- Destruccin: la medicin de cierta caracterstica podra llevar a la destruccin del
individuo. Por ejemplo, al estudiar la supervivencia de ciertos animales a un
tratamiento.
1.6 TEORA DE DECISIN
Estudio formal sobre la toma de decisiones. Los estudios de casos reales, que se
sirven de la inspeccin y los experimentos, se denominan teora descriptiva de
decisin; los estudios de la toma de decisiones racionales, que utilizan la lgica y la
estadstica, se llaman teora preceptiva de decisin. Estos estudios se hacen ms
complicados cuando hay ms de un individuo, cuando los resultados de diversas
opciones no se conocen con exactitud y cuando las probabilidades de los distintos
resultados son desconocidas. La teora de decisin comparte caractersticas con la
teora de juegos, aunque en la teora de decisin el adversario es la realidad en
vez de otro jugador o jugadores.
Al hacer un anlisis sobre esta teora, y mirndola desde el punto de vista de un
sistema, se puede decir que al tomar una decisin sobre un problema en particular,
se debe tener en cuenta los puntos de dificultad que lo componen, para as empezar
a estudiarlos uno a uno hasta obtener una solucin que sea acorde a lo que se est
esperando obtener de este, y si no, buscar otras soluciones que se acomoden a lo
deseado.
La teora de decisin, no solamente se puede ver desde el punto de vista de un
sistema, sino en general, porque esta se utiliza a menudo para tomar decisiones de
la vida cotidiana, ya que muchas personas piensan que la vida es como una de las
teoras; La teora del juego, que para poder empezarlo y entenderlo hay que saber
jugarlo y para eso se deben conocer las reglas de este, para que no surjan
equivocaciones al empezar la partida.

1.7 COMPONENTES DE UNA INVESTIGACIN

ESTADSTICA
El estudio estadstico de una situacin con propsitos inferenciales se centra en
dos conceptos fundamentales: poblacin y muestra, los cuales sern definidos a
continuacin:
Poblacin. Es el conjunto formado por todos los valores posibles que puede asumir,
la variable objeto de estudio.
As por ejemplo, en un estudio sobre la preferencia de los votantes en una
eleccin presidencial, la poblacin consiste en todas las respuestas de los votantes
registrados. Pero el trmino no slo est asociado a la coleccin de seres humanos
u organismos vivos; y tenemos as que, si se va a hacer una investigacin de las
ventas anuales de los supermercados, entonces las ventas anuales de todos los
supermercados constituyen as mismo la poblacin.

Es bueno tener en cuenta que el trmino poblacin se interpreta de dos

maneras cuando se hace un estudio estadstico, a saber:
1. La interpretacin propia en el Anlisis Estadstico, que corresponde a la que
hemos presentado anteriormente.
2. Como el conjunto de objetos sobre los cuales acta la variable considerada.
Por tanto, no es extrao escuchar expresiones tales como, "se hizo un estudio de
los niveles de ingreso de la poblacin trabajadora colombiana", entendindose con
ello que el elemento estadstico objeto de anlisis fue el registro numrico de los
ingresos.
Muestra. Es cualquier subconjunto de la poblacin, escogido al seguir
ciertos criterios de seleccin.
La muestra es el elemento bsico sobre el cual se fundamenta la posterior inferencia
acerca de la poblacin de donde se ha tomado. Por ello, su escogencia y seleccin
debe hacerse siguiendo ciertos procedimientos que son ampliamente tratados en la
parte de la estadstica llamada Teora de muestreo.
El concepto de muestra tiene tambin las dos connotaciones que hemos
sealado para la poblacin.
Las caractersticas de una poblacin se resumen para su estudio generalmente ir
mediante lo que se denominan parmetros; stos a su vez se toman o consideran
como valores verdaderos de la caracterstica estudiada. Por ejemplo, la proporcin
de todos los clientes que declaran cierta preferencia por una marca particular de
un producto dado, es un parmetro de la poblacin de todos los clientes; es la
verdadera proporcin de la poblacin.
Igualmente, la media aritmtica de las cuentas corrientes de los clientes de un
banco determinado constituye un parmetro de la poblacin de las cuentas de los
clientes de ese banco.
Cuando la caracterstica de la poblacin estudiada se reduce a una muestra
el resumen de esa caracterstica se hace mediante una esta (medida) o estadgrafo.
As por ejemplo. Si se toman 100 de todos los posibles clientes y se les
entrevista para ver si estn a favor de una marca particular de un producto, estos
100 clientes la constituyen una muestra.. Si hay 70 clientes que prefieren dicha
marca entonces la proporcin muestral ser 0.70 y constituir un estadgrafo; de
igual manera si se escogen 1,000 cuentas del total de las cuentas comentes; las
1,000 observaciones conforman una muestra y el promedio aritmtico de estas
cuentas un estimador.
La inferencia estadstica se orienta a sacar conclusiones acerca del parmetro o
parmetros poblacionales con base en el valor de un estimador obtenido a partir de
los datos muestrales extrados de esa poblacin. Para llegar a ese objetivo a travs
de un proceso racional y eficaz, se aconseja que se tengan en cuenta los siguientes
pasos:
1. Formulacin del problema. En este punto se debe especificar de manera clara
la pregunta que se debe responder y la poblacin de datos asociada a la pregunta.
Los conceptos deben ser precisos y deben ponerse limitaciones adecuadas al
problema motivadas por el tiempo, dinero disponible y la habilidad de los
Investigadores.
Algunos conceptos como, artculo defectuoso, econmico, salario, pueden variar
en cada caso y para cada problema debemos coincidir con las ideas sealadas en
el estudio.
2. Diseo del experimento. Este aspecto es de gran importancia, puesto que
la recoleccin de datos requiere dinero y tiempo. Es siempre nuestro deseo
obtener mxima Informacin con el mnimo costo (dinero y tiempo) posible.
Incluir excesiva Informacin en la muestra es a menudo costoso y antieconmico.
Incluir poca tambin es poco satisfactorio. Esto implica, entre otras cosas, que
debemos determinar el tamao de la muestra o la cantidad o tipo de datos que nos
permita resolver el problema de la manera ms eficiente.

3. Recoleccin de datos. Esta parte, por lo general, es la que exige ms tiempo en

la Investigacin. Esta recoleccin debe ajustarse a reglas estrictas ya que de los
datos esperamos extraer la Informacin deseada.
4. Tabulacin y descripcin de los resultados. En esta etapa, los
datos muestrales se exponen de manera clara y se ilustran con
representaciones tabulares y grficas (diagramas. histogramas, etc.); adems se
calculan las medidas estadsticas apropiadas al proceso inferencial que haya sido
escogido.
5. Inferencia estadstica y conclusiones. Este ltimo paso constituye tal
vez la contribucin ms importante de la estadstica al proceso inferencial. Aqu se
fija el nivel de confiabilidad para la inferencia; esto es debido a que las
conclusiones derivadas de inferencias estadsticas jams se pueden tomar con un
100% de certeza, pero s se les puede asociar un nivel de confiabilidad; en trminos
de probabilidad denominados nivel de confianza y nivel de significancia.
El proceso Inferencial nos llevar a una conclusin estadstica que servir
de orientacin a quien o quienes deban tomar la decisin (administrativa o clnica)
sobre el tema objeto de estudio.
1.8 RECOLECCIN DE DATOS
En este subtema hablare acerca de mtodos que podemos emplear para hacer una
buena recoleccin de datos, pero primero har una pequea definicin de que lo
que es recoleccin de datos: es actualmente existen varios mtodos y mecanismos
que nosotros podamos utilizar para llevar el correcto anlisis de un producto de
calidad los mecanismos ms usados son: el cuestionario, la encuesta, la
observacin, el diccionario de datos y por ltimo el diagrama de flujo. Todas estas
herramientas podemos llevarlas a cabo en cierto momento porque no todas aplican
en ciertas ocasiones, con esto quiero decir algunos de estos mecanismos no son
en algunas ocasiones los mejores para obtener informacin. A continuacin
mencionare de los instrumentos para recoleccin de datos que explique
anteriormente.
Necesitamos la recoleccin de datos porque;
1. Proporcionan la introduccin imprescindible para un estudio de investigacin.
2. Medir el desempeo en un servicio o proceso de produccin.
3. Ayudar en la formulacin de alternativas para la toma de decisiones.
4. Satisfacer nuestra curiosidad.

1.9 ESTADSTICA PARAMTRICA (POBLACIN Y

MUESTRA ALEATORIA)
a) Estadstica paramtrica es la que requiere que los elementos que integran las
muestras contengan parmetros medibles.
La estadstica paramtrica clsica plantea tres tipos de problemas:
1. Estimacin puntual en la que pretendemos dar un valor al parmetro a estimar.
2. Estimacin por intervalos (buscamos un intervalo de confianza).
3. Contrastes de hiptesis donde buscamos contrastar informacin acerca del
parmetro.
1.10 APLICACIONES
Aplicaciones De La Estadstica
Aunque comnmente se asocie a estudios demogrficos, econmicos y
sociolgicos, gran parte de los logros de la estadstica se derivan del inters de los
cientficos por desarrollar modelos que expliquen el comportamiento de las
propiedades de la materia y de los caracteres biolgicos. La medicina, la biologa,
la fsica y, en definitiva, casi todos los campos de las ciencias emplean instrumentos
estadsticos de importancia fundamental para el desarrollo de sus modelos de
trabajo.

Campos de aplicacin
La estadstica es una ciencia de aplicacin prctica casi universal en todos los
campos cientficos:

En las ciencias naturales: se emplea con profusin en la descripcin de

modelos termodinmicos complejos (mecnica estadstica), en fsica cuntica, en
mecnica de fluidos o en la teora cintica de los gases, entre otros muchos
campos.
En las ciencias sociales y econmicas: es un pilar bsico del desarrollo de
la demografa y la sociologa aplicada.
En economa: suministra los valores que ayudan a descubrir interrelaciones
entre mltiples parmetros macro y microeconmicos.
En las ciencias mdicas: permite establecer pautas sobre la evolucin de
las enfermedades y los enfermos, los ndices de mortalidad asociados a procesos
morbosos, el grado de eficacia de un medicamento, etctera.
Presentacin de datos
Los datos estadsticos se presentan generalmente expresando el valor de
la frecuencia absoluta que toman las variables significativas de un estudio, ya
correspondan a una poblacin o a una muestra. La frecuencia absoluta de un valor
o de una modalidad de una variable estadstica es el nmero de datos observados
que presentan ese valor o modalidad. El cociente entre la frecuencia absoluta de un
valor o modalidad y el nmero total de datos es llamado frecuencia relativa.
Tambin suelen presentarse los datos en forma de porcentaje (es decir, en forma
de razn de denominador 100).

Una razn se obtiene como el cociente entre dos cantidades numricas

comparables. Si el cociente se refiere a dos cantidades que se indican en unidades
distintas, la razn recibe el nombre de tasa. Un ejemplo de tasa es la densidad de
poblacin, que se define como el nmero de habitantes por kilmetro cuadrado y
que se aplica habitualmente en los estudios demogrficos.

Dada una suma de varios sumandos, si el cociente hace referencia a la divisin

numrica entre uno de los sumandos y la suma total, la cantidad expresada se
denomina proporcin.

Nmeros ndices
Otros mtodos de presentacin de datos utilizados en estadstica se basan en el
empleo de nmeros ndices. Tales nmeros reflejan la evolucin que experimenta
con el paso del tiempo una variable estadstica de inters. As, se toma como
referencia del ndice el valor de la variable en un instante dado, de manera que sus
valores posteriores se expresan como una razn de cambio con respecto a dicha
referencia (a menudo, en forma de porcentaje).

Un ejemplo tpico de empleo de nmeros ndices es el ndice burstil, cuya definicin

obedece a criterios diferentes en cada pas (ndice Dow Jones, en la Bolsa de
Nueva York; ndice Nikkei, en Tokio, etctera).

Estadsticas comunes
Varios estudios estadsticos comunes que aparecen con frecuencia en los medios
de comunicacin son los siguientes:
 Encuesta de Poblacin Activa (EPA), elaborada por el Instituto Nacional de
Estadstica (INE) con periodicidad trimestral, segn recomendaciones de la
Organizacin Internacional del Trabajo (OIT), para obtener y clasificar datos sobre
la actividad de la poblacin. Esta encuesta se realiza por muestreo, y los
resultados se ordenan por edad, sexo, nivel de estudios, profesin y otros
parmetros.
ndice de Precios al Consumo (IPC), que mide por medios estadsticos la
evolucin experimentada por los precios de los bienes y servicios consumidos por
la poblacin espaola. Se basa en la Encuesta de Presupuestos Familiares
(EPF), y selecciona varios centenares de artculos, clasificados en ocho grupos,
que se consideran representativos de la evolucin de los precios. Los artculos
seleccionados componen lo que se denomina cesta de la compra, considerada
en la encuesta.
Producto Interior Bruto (PIB), que registra la produccin nacional de un
pas en bienes y servicios asociados a procesos considerados productivos.
Poder adquisitivo, que maneja combinadamente datos del Salario Mnimo
Interprofesional (SMI) y el IPC.
Grfico de sectores, o circular, que refleja estadsticamente la aplicacin de las
matemticas segn el resultado de una encuesta de opinin.
TAREAS
Conclusin

En conclusin en este trabajo se pudo aprender que la estadstica es una ciencia

que se encarga de reunir informacin cuantitativa y deducir con esto mediante el
anlisis significados precisos o previsiones para el futuro, mediantes sus dos
subdivisiones que lo apoyan una que es la estadstica descriptiva que incluye la
obtencin y organizacin de informacin numrica y la inferencial que obtiene
generalizaciones mediante informacin parcial y completa, estas mediante la
recoleccin de datos que se hacen mediante la observacin y la experimentacin y
el registro de datos obtiene informacin, tambin aprendimos que esta nos ayuda a
responder inquietudes mediante la presentacin de informacin de manera
organizada.
ANEXOS
BIBLIOGRAFA

Pedro. (08 de Noviembre de 2016). Blogspot. Obtenido de Blogspot: http---

Pedro1020_blogspot_mx-2015-01-unidad-1-introduccion-a-la-estadistica

inferencial_html
INSTITUTO TECNOLGICO SUPERIOR DE FELIPE CARRILLO PUERTO

ORGANISMO PBLICO DESCENTRALIZADO DEL ESTADO DE QUINTANA ROO

UNIDAD ACADMICA TULUM

CARRERA:

INGENIERA EN GESTIN EMPRESARIAL

MATERIA:

PROBABILIDAD Y ESTADSTICA INFERENCIAL

TRABAJO:

PORTAFOLIO UNIDAD 2: INFERENCIA ESTADSTICA: ESTIMACIN

DOCENTE:

ING. IRAN ISRAEL PAT NOH

ALUMNAS:

AKE PAT DEYSI MARISOL

RAMOS DZIDZ EMILIA ALEJANDRA

SEMESTRE: 4 GRUPO: C

TULUM QUINTANA ROO A 01 DE ABRIL DEL 2017

CONTENIDO

2.1 CONCEPTOS BASICOS ................................................................................. 33

2.2 DISTRIBUCIN DE MUESTREO ................................................................... 34

2.3 ESTIMACIN PUNTUAL. ............................................................................... 35

2.4 ESTIMACIN DE INTERVALO ....................................................................... 35

2.5 INTERVALO DE CONFIANZA PARA LA MEDIA ............................................ 37

2.6 INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS. ............ 39

INTRODUCCIN

En esta unidad se abordaran todos los puntos referentes a la inferencia estadstica,

es decir la estimacin por ello se darn algunos conceptos bsicos del tema, as

como las diferentes formas de distribucin de muestreo, los dos tipos de

estimaciones que es de intervalo y el puntual. Tambin se brindarn las diferentes

formas de sacar los intervalos segn sea el caso, como piden ser para la media,

para proporciones y para varianzas, solo por hacer mencin de algunos. Esperando

que la informacin sea de gran ayuda para tener un mayor entendimiento del tema.
2.1 CONCEPTOS BASICOS
2.2 DISTRIBUCIN DE MUESTREO
2.3 ESTIMACIN PUNTUAL.

2.4 ESTIMACIN DE INTERVALO

2.5 INTERVALO DE CONFIANZA PARA LA MEDIA
2.6 INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE
MEDIAS.
2.7 INTERVALO DE CONFIANZA PARA PROPORCIONES
2.8 INTERVALO DE CONFIANZA PARA LA DIFERENCIA ENTRE
PROPORCIONES
2.9 INTERVALOS DE CONFIANZA PARA VARIANZA
2.10 INTERVALO DE CONFIANZA PARA RAZON DE DOS
VARIANZAS
CONCLUSION

En este portafolio de la inferencial estadstica de estimacin, nos habla entre la

muestra con la que se trabaja y la poblacin de inters, aparece la denominada

poblacin de muestreo: poblacin de la cual nuestra muestra es una muestra

aleatoria. En consecuencia la generalizacin est amenazada por dos posibles tipos

de errores: error aleatorio que es el que las tcnicas estadsticas permiten

cuantificar y crticamente dependiente del tamao muestra, pero tambin de la

variabilidad de la variable a estudiar y el error sistemtico que tiene que ver con la

diferencia entre la poblacin de muestreo puede ser controlado por el diseo del

estudio,

Como tambin una variable binomial de parmetros n y p (una variable binomial es

el nmero de xitos en n ensayos; en cada ensayo la probabilidad de xito (p) es la

misma, y la estimacin por intervalos consiste en establecer el intervalo de valores

donde es ms probable se encuentre el parmetro, con la finalidad de llegar con un

resultado para dicha estimacin.

INSTITUTO TECNOLGICO SUPERIOR DE FELIPE CARRILLO PUERTO
ORGANISMO PBLICO DESCENTRALIZADO DEL ESTADO DE QUINTANA ROO

UNIDAD ACADMICA TULUM

CARRERA:

INGENIERA EN GESTIN EMPRESARIAL

MATERIA:

PROBABILIDAD Y ESTADSTICA INFERENCIAL

TRABAJO:

PORTAFOLIO UNIDAD 3: PRUEBA DE HIPOTESIS

DOCENTE:

ING. IRN ISRAEL PAT NOH

ALUMNAS:

AKE PAT DEYSI MARISOL

RAMOS DZIDZ EMILIA ALEJANDRA

SEMESTRE: 4 GRUPO: C

TULUM QUINTANA ROO A 21 DE MAYO DEL 2017

CONTENIDO
INTRODUCCION ..................................................... Error! Marcador no definido.

UNIDAD #3 PRUEBA DE HIPOTESIS .................... Error! Marcador no definido.

3.1 METODOLOGIA PARA LA PRUEBA DE HIPTESISError! Marcador no

definido.

3.2 HIPOTESIS NULA Y ALTERNATIVA ................ Error! Marcador no definido.

3.3 ERROR TIPO I, ERROR TIPO II ........................ Error! Marcador no definido.

3.4 PRUEBAS DE HIPTESIS ................................ Error! Marcador no definido.

3.5 PRUEBAS DE PROPORCIONES ...................... Error! Marcador no definido.

3.6 SOLUCIN DEL TAMAO DE MUESTRA PARA ESTIMAR LA MEDIA

POBLACIN ............................................................ Error! Marcador no definido.

3.7 TAMAO DE MUESTRA PARA PROPORCINError! Marcador no definido.

TAREAS................................................................... Error! Marcador no definido.

CONCLUSIN ......................................................... Error! Marcador no definido.

ANEXOS .................................................................. Error! Marcador no definido.

EXAMEN_EMILA ALEJANDRA RAMOS DZIDZ .... Error! Marcador no definido.

EXAMEN_DEYSI MARISOL AKE PAT ................... Error! Marcador no definido.

INTRODUCCIN
En estadstica se requieren mtodos para el anlisis de diversos resultados, en
algunos casos se requiere saber o probar si alguna hiptesis podra ser correcta o
incorrecta, lo cual es importante para saber si alguna afirmacin tiene o no sentido,
en este trabajo se abordara el tema de prueba de hiptesis en la cual mediante
diversas frmulas se aprender como saber si nuestra hiptesis es nula o
alternativa, es decir si la hiptesis dada puede ser rechazada o aceptada. De igual
manera se abordara el tema de error tipo 1 y error tipo dos, tema que tambin
conforma el tema general en la cual se determina el tipo de error cometido en
cualquier caso ya sea al aceptar la hiptesis cuando es incorrecta o rechazarla
cuando es real, como en algunos casos, los cuales algunos sern presentados a
continuacin.
UNIDAD #3 PRUEBA DE HIPOTESIS

3.1 METODOLOGIA PARA LA PRUEBA DE HIPTESIS

3.2 HIPOTESIS NULA Y ALTERNATIVA

3.3 ERROR TIPO I, ERROR TIPO II

3.4 PRUEBAS DE HIPTESIS

3.5 PRUEBAS DE PROPORCIONES
3.6 SOLUCIN DEL TAMAO DE MUESTRA PARA ESTIMAR LA
MEDIA POBLACIN
3.7 TAMAO DE MUESTRA PARA PROPORCIN
TAREAS
CONCLUSIN
Una prueba de hiptesis, como su nombre lo dice es para probar si una hiptesis
es falsa o verdadera, nos sirve para saber si una afirmacin tiene razn o carece de
ella, en este trabajo se presentaron casos prcticos en la cuales mediante diversas
frmulas aplicadas en diferentes situaciones, explican que es la prueba de hiptesis,
as de como mediante la grfica se puede saber si se puede o no aceptar ciertas
afirmaciones y que errores se cometen al hacer la misma esta puede ser de tipo
uno o tipo 2.
ANEXOS

EXAMEN_EMILA ALEJANDRA RAMOS DZIDZ

EXAMEN_DEYSI MARISOL AKE PAT
INSTITUTO TECNOLGICO SUPERIOR DE FELIPE CARRILLO
PUERTO

ORGANISMO PBLICO DESCENTRALIZADO DEL ESTADO DE QUINTANA ROO

UNIDAD ACADMICA TULUM

CARRERA:

INGENIERA EN GESTIN EMPRESARIAL

MATERIA:

PROBABILIDAD Y ESTADSTICA INFERENCIAL

TRABAJO:

PORTAFOLIO UNIDAD 4 PRUEBAS DE HIPTESIS CON DOS

MUESTRAS Y VARIAS MUESTRAS DE DATOS NUMRICOS

DOCENTE:

ING. IRN ISRAEL PAT NOH

ALUMNAS:

AKE PAT DEYSI MARISOL

RAMOS DZIDZ EMILIA ALEJANDRA

SEMESTRE: 4 GRUPO: C

TULUM QUINTANA ROO A 17 DE JUNIO DEL 2017

CONTENIDO

INTRODUCCIN ..................................................... Error! Marcador no definido.

4.1 INTRODUCCIN PRUEBAS DE HIPTESIS. .. Error! Marcador no definido.

4.2 DISTRIBUCIN NORMAL Y DISTRIBUCIN T DE STUDENT .............. Error!

Marcador no definido.

4.3 PRUEBAS DE SIGNIFICANCIA ........................ Error! Marcador no definido.

4.4 COMPARACIN DE DOS MUESTRAS INDEPENDIENTES: PRUEBAS T

PARA LAS DIFERENCIAS ENTRE DOS MEDIAS . Error! Marcador no definido.

4.5 PRUEBA DE FISHER PARA VARIANZAS Y DE IGUALDAD DE LAS

VARIANZAS DE DOS POBLACIONES NORMALES.Error! Marcador no
definido.

4.6 COMPARACIONES DE DOS MUESTRAS PAREADASError! Marcador no

definido.

4.7 MODELO TOTALMENTE ALEATORIO: ANLISIS DE VARIANZA DE UN

FACTOR. .............................................................. Error! Marcador no definido.

4.8 SELECCIN DEL TAMAO DE MUESTRA PARA ESTIMAR LA

DIFERENCIA DE DOS MEDIAS........................... Error! Marcador no definido.

4.9 APLICACIONES ............................................. Error! Marcador no definido.

TAREAS................................................................... Error! Marcador no definido.

EJERCICIOS TEMA 4.4 ....................................... Error! Marcador no definido.

EJERCICIOS TEMA 4.6 ....................................... Error! Marcador no definido.

CONCLUSIN ......................................................... Error! Marcador no definido.

ANEXOS .................................................................. Error! Marcador no definido.

EXAMEN_AKE PAT DEYSI ................................. Error! Marcador no definido.

EXAMEN_ RAMOS DZIDZ ALEJANDRA ............ Error! Marcador no definido.
INTRODUCCIN
En esta unidad se hablara sobre las pruebas de hiptesis, se tratara de dar un breve
introduccin a este tema, de igual forma se hablara sobre la distribucin normal y
distribucin t-student, as como de las pruebas de significancia, as como de la
comparacin de muestras independientes, as tambin se tratara sobre otros temas
importantes y relevantes dentro de la estadstica inferencial.
4.1 INTRODUCCIN PRUEBAS DE HIPTESIS.
4.2 DISTRIBUCIN NORMAL Y DISTRIBUCIN T DE STUDENT
4.3 PRUEBAS DE SIGNIFICANCIA

4.4 COMPARACIN DE DOS MUESTRAS INDEPENDIENTES:

PRUEBAS T PARA LAS DIFERENCIAS ENTRE DOS MEDIAS
4.5 PRUEBA DE FISHER PARA VARIANZAS Y DE IGUALDAD DE
LAS VARIANZAS DE DOS POBLACIONES NORMALES.

4.6 COMPARACIONES DE DOS MUESTRAS PAREADAS

4.7 MODELO TOTALMENTE ALEATORIO: ANLISIS DE VARIANZA
DE UN FACTOR.

El anlisis de la varianza permite contrastar la hiptesis nula de que las medias de

K poblaciones (K >2) son iguales, frente a la hiptesis alternativa de que por lo
menos una de las poblaciones difiere de las dems en cuanto a su valor esperado.
Este contraste es fundamental en el anlisis de resultados experimentales, en los
que interesa comparar los resultados de K 'tratamientos' o 'factores' con respecto a
la variable dependiente o de inters.

El Anova requiere el cumplimiento los siguientes supuestos:

Las poblaciones (distribuciones de probabilidad de la variable dependiente

correspondiente a cada factor) son normales.
Las K muestras sobre las que se aplican los tratamientos son independientes.
Las poblaciones tienen todas igual varianza (homoscedasticidad).

El ANOVA se basa en la descomposicin de la variacin total de los datos con

respecto a la media global (SCT), que bajo el supuesto de que H0 es cierta es una

estimacin de obtenida a partir de toda la informacin muestral, en dos partes:

Variacin dentro de las muestras (SCD) o Intra-grupos, cuantifica la

dispersin de los valores de cada muestra con respecto a sus
correspondientes medias.
Variacin entre muestras (SCE) o Inter-grupos, cuantifica la dispersin de las
medias de las muestras con respecto a la media global.
Cuando la hiptesis nula es cierta SCE/K-1 y SCD/n-K son dos estimadores
insesgados de la varianza poblacional y el cociente entre ambos se distribuye segn
una F de Snedecor con K-1 grados de libertad en el numerador y N-K grados de
libertad en el denominador. Por lo tanto, si H0 es cierta es de esperar que el cociente
entre ambas estimaciones ser aproximadamente igual a 1, de forma que se
rechazar H0 si dicho cociente difiere significativamente de 1.

4.8 SELECCIN DEL TAMAO DE MUESTRA PARA ESTIMAR LA

DIFERENCIA DE DOS MEDIAS.
En Estadstica el tamao de la muestra es el nmero de sujetos que componen la
muestra extrada de una poblacin, necesarios para que los datos obtenidos sean
representativos de la poblacin.1. Estimar un parmetro determinado con el nivel
de confianza deseado.2. Detectar una determinada diferencia, si realmente existe,
entre los grupos de estudio con un mnimo de garanta.3. Reducir costes o aumentar
la rapidez del estudio. Por ejemplo, en un estudio de investigacin epidemiolgico
la determinacin de un tamao adecuado de la muestra tendra como objetivo su
factibilidad. As: Si el nmero de sujetos es insuficiente habra que modificar los
criterios de seleccin, solicitar la colaboracin de otros centros o ampliar el periodo
de reclutamiento.
Estudios con tamaos muestrales insuficientes, no son capaces de detectar
diferencias entre grupos, llegando a la conclusin errnea de que no existe tal
diferencia. Si el nmero de sujetos es excesivo, el estudio se encarece desde el
punto de vista econmico y humano. Adems es poco tico al someter a ms
individuos a una intervencin que puede ser menos eficaz o incluso perjudicial. El
tamao de una muestra es el nmero de individuos que contiene.
Una frmula muy extendida que orienta sobre el clculo del tamao de la muestra
para datos globales es la siguiente:
n = ( (k^2) * N*p*q) / ( (e^2 * (N-1) )+( (k^2) * p*q))
N: es el tamao de la poblacin o universo (nmero total de posibles encuestados).
k: es una constante que depende del nivel de confianza que asignemos.
El nivel desconfianza indica la probabilidad de que los resultados de nuestra
investigacin sean ciertos: un 95,5 % de confianza es lo mismo que decir que nos
podemos equivocar con una probabilidad del 4,5%.
Los valores k ms utilizados y sus niveles de confianza son: K 1,15 1,28 1,44 1,65
1,96 2 2,58.
Nivel de confianza 75% 80% 85% 90% 95% 95,5% 99%(Por tanto si pretendemos
obtener un nivel de confianza del 95% necesitamos poner en la frmula k=1,96)
e: es el error muestral deseado.
El error muestral es la diferencia que puede haber entre el resultado que obtenemos
preguntando a una muestra de la poblacin y el que obtendramos si preguntramos
al total de ella.
Ejemplo 1: si los resultados de una encuesta dicen que 100 personas compraran
un producto y tenemos un error muestral del 5% comprarn entre 95 y 105
personas.
Ejemplo 2: si hacemos una encuesta de satisfaccin a los empleados con un error
muestral del 3% y el 60% de los encuestados se muestran satisfechos significa que
entre el 57% y el 63% (60% +/- 3%) del total de los empleados de la empresa lo
estarn.
Ejemplo 3: si los resultados de una encuesta electoral indicaran que un partido iba
a obtener el 55% de los votos y el error estimado fuera del 3%, se estima que el
porcentaje real de votos estar en el intervalo 52-58% (55% +/- 3%).p: proporcin
de individuos que poseen en la poblacin la caracterstica de estudio.
Este dato es generalmente desconocido y se suele suponer que p=q=0.5 que es la
opcin ms segura.
q: proporcin de individuos que no poseen esa caracterstica, es decir, es 1-p.n:
tamao de la muestra (nmero de encuestas que vamos a hacer).Altos niveles de
confianza y bajo margen de error no significan que la encuesta sea de mayor
confianza o est ms libre de error necesariamente; antes es preciso minimizar la
principal fuente de error que tiene lugar en la recogida de datos.
Para calcular el tamao de la muestra suele utilizarse la siguiente frmula:
Otra frmula para calcular el tamao de la muestra es:
n= (N^2 Z^2)/((N-1) e^2+^2 Z^2 )
Dnde:
n = el tamao de la muestra.
N = tamao de la poblacin.
= Desviacin estndar de la poblacin que, generalmente cuando no se tiene su
valor, suele utilizarse un valor constante de 0,5.
Z = Valor obtenido mediante niveles desconfianza.
Es un valor constante que, si no se tiene su valor, se lo toma en relacin al95% de
confianza equivale a 1,96 (como ms usual) o en relacin al 99% de confianza
equivale 2,58, valor que queda a criterio del encuestador.
e = Lmite aceptable de error muestral que, generalmente cuando no se tiene su
valor, suele utilizarse un valor que vara entre el 1% (0,01) y 9% (0,09), valor que
queda a criterio del encuestador.

4.9 APLICACIONES
Prueba De Hiptesis Para Proporciones.
El concepto de prueba de hiptesis se puede utilizar para probar hiptesis en
relacin con datos cualitativos. Por ejemplo, en el problema anterior el gerente de
la fbrica de llantas quera determinar la proporcin de llantas que se reventaban
antes de 10,000 millas.
Es un ejemplo de una variable cualitativa, dado que se desea llegar a conclusiones
en cuanto a la proporcin de los valores que tienen una caracterstica particular.
El gerente de la fbrica de llantas quiere que la calidad de llantas producidas, sea
lo bastante alta para que muy pocas se revienten antes de las 10,000 millas. Si ms
de un 8% de las llantas se revientan antes de las 10,000 millas, se llegara a concluir
que el proceso no funciona correctamente.
La hiptesis nula y alternativa se pueden expresar como sigue:
Ho: p .08 (funciona correctamente)
H1: p > .08 (no funciona correctamente)
La prueba estadstica se puede expresar en trminos de la proporcin de xitos
como sigue:
En donde p = proporcin de xitos de la hiptesis nula.
Ahora se determinar si el proceso funciona correctamente para las llantas
producidas para el turno de da.
Los resultados del turno de da indican que cinco llantas en una muestra de 100 se
reventaron antes de 10,000 millas para este problema, si se selecciona un nivel de
significancia de .05, las regiones de rechazo y no rechazo se estableceran como a
continuacin se muestra:
Y la regla de decisin sera:
Rechazar Ho si > + 1.645; de lo contrario no rechazar Ho.
Con los datos que se tienen,= .05Y entonces,= 1.107Z 1.107 < + 1.645; por tanto
no rechazar Ho.
La hiptesis nula no se rechazara por que la prueba estadstica no ha cado en la
regin de rechazo. Se llegara a la conclusin de que no hay pruebas de que ms
del 8% de las llantas producidas en el turno de da se revienten antes de 10,000
millas. El gerente no ha encontrado ninguna prueba de que ocurra un nmero
excesivo de reventones en las llantas producidas en el turno de da.
Las pruebas de hiptesis a partir de proporciones se realizan casi en la misma forma
utilizada cuando nos referimos a las medias, cuando se cumplen las suposiciones
necesarias para cada caso. Pueden utilizarse pruebas unilaterales o bilaterales
dependiendo de la situacin particular.
Las hiptesis se enuncian de manera similar al caso de la media.
Ho: p = p0H1: p p0
En caso de que la muestra sea grande n>30, el estadgrafo de prueba es: Se
distribuye normal estndar.
Regla de decisin: se determina de acuerdo a la hiptesis alternativa (si es bilateral
ounilateral).
En el caso de muestras pequeas se utiliza la distribucin Binomial.
No lo abordaremos por ser complicado y poco frecuente su uso.
La situacin ms frecuente es suponer que existen diferencias entre las
proporciones de dos poblaciones, para ello suelen enunciarse las hiptesis de forma
similar al caso de las medias: Ho: p1 = p2 p1 - p2 = 0H1: p1 p2
Puede la hiptesis alternativa enunciarse unilateralmente. El estadgrafo de prueba
para el caso de muestras independientes: Siendo a1 y a2, el nmero de sujetos con
la caracterstica objeto de estudio en las muestras 1 y 2 respectivamente, es decir,
en vez de calcular la varianza para cada muestra, se calcula una p conjunta para
ambas muestras bajo el supuesto que no hay diferencias entre ambas proporciones
y as se obtiene la varianza conjunta.
Recuerda que q = 1-p.Est de ms que te diga que este estadgrafo se distribuye
normal estndar. La regla de decisin se determina de manera similar a los casos
ya vistos anteriormente.
El objetivo de la prueba es comparar estas dos proporciones, como estimadores H1:
p1 p2Recuerda que la H1 tambin puede plantearse de forma unilateral.
TAREAS
EJERCICIOS TEMA 4.4
EJERCICIOS TEMA 4.6
CONCLUSIN
En conclusin las pruebas de hiptesis como su nombre lo dice son diferentes
mtodos para probar dos hiptesis o supuesto, esto se puede hacer mediante la
distribucin normal o la distribucin de t student, de igual manera pudimos aprender
sobre que es una prueba de significancia, este es un procedimiento que nos da un
criterio ms objetivo para calificar las diferencias entre dos resultado, para hacer las
pruebas de hiptesis tambin podemos utilizar datos pareados, estos son una serie
de datos que con ayuda de la diferencia de varianzas nos ayudan a llegar a un
resultado.
ANEXOS
EXAMEN_AKE PAT DEYSI
EXAMEN_ RAMOS DZIDZ ALEJANDRA
INSTITUTO TECNOLGICO SUPERIOR DE FELIPE CARRILLO
PUERTO

ORGANISMO PBLICO DESCENTRALIZADO DEL ESTADO DE QUINTANA ROO

UNIDAD ACADMICA TULUM

CARRERA:

INGENIERA EN GESTIN EMPRESARIAL

MATERIA:

PROBABILIDAD Y ESTADSTICA INFERENCIAL

TRABAJO:

PORTAFOLIO UNIDAD 5: PRUEBAS DE HIPTESIS CON DOS

MUESTRAS DATOS CATEGRICOS Y VARIAS MUESTRAS CON
DATOS CATEGRICOS

DOCENTE:

ING. IRN ISRAEL PAT NOH

ALUMNAS:

AKE PAT DEYSI MARISOL

RAMOS DZIDZ EMILIA ALEJANDRA

SEMESTRE: 4 GRUPO: C

TULUM QUINTANA ROO A 17 DE JUNIO DEL 2017

CONTENIDO

INTRODUCCIN ..................................................... Error! Marcador no definido.

5.1 PRUEBA Z PARA LA DIFERENCIA ENTRE DOS PROPORCIONES. .. Error!

Marcador no definido.

5.2 PRUEBA PARA LA DIFERENCIA ENTRE DOS PROPORCIONES....... Error!

Marcador no definido.

5.3 PRUEBA PARA LA DIFERENCIA EN n PROPORCIONES ZError! Marcador

no definido.

5.4 PRUEBA DE INDEPENDENCIA (ji-CUADRADA).Error! Marcador no

definido.

5.5 PRUEBAS DE CONTINGENCIA (ji-CUDRADA).Error! Marcador no

definido.

5.6 PRUEBAS DE BONDAD DE AJUSTE .............. Error! Marcador no definido.

5.7 APLICACIONES. ............................................... Error! Marcador no definido.

CONCLUSIN ......................................................... Error! Marcador no definido.
INTRODUCCIN
En este trabajo se abordarn los temas de la unidad nmero 5 en la cual ahora nos
enfocaremos en hablar sobre las pruebas de hiptesis aplicado en dos muestras
con datos categricos, de igual manera y dentro de este mismo tema se abordarn
las pruebas para la diferencia entre dos proporciones, tambin sobre la prueba de
independencia, de contingencia y sobre las pruebas de bondad de ajuste.
5.1 PRUEBA Z PARA LA DIFERENCIA ENTRE DOS
PROPORCIONES.
El objetivo de una prueba de dos muestras es determinar si las dos muestras
independientes fueron tomadas de dos poblaciones, las cuales presentan la misma
proporcin de elementos con determinada caracterstica. La prueba se concentra
en la diferencia relativa (diferencia dividida entre la desviacin estndar de la
distribucin de muestreo) entre las dos proporciones muestrales. Diferencias
pequeas denotan nicamente la variacin casual producto del muestreo (se acepta
H0), en tanto que grandes diferencias significan lo contrario (se rechaza H0). El
valor estadstico de prueba (diferencia relativa) es comparado con un valor tabular
de la distribucin normal, a fin de decidir si H0 es aceptada o rechazada. Una vez
ms, esta prueba se asemeja considerablemente a la prueba de medias de dos
muestras.
La hiptesis nula en una prueba de dos muestras es:
5.2 PRUEBA PARA LA DIFERENCIA ENTRE DOS PROPORCIONES.
Las pruebas de hiptesis a partir de proporciones se realizan casi en la misma forma
utilizada cuando nos referimos a las medias, cuando se cumplen las suposiciones
necesarias para cada caso. Pueden utilizarse pruebas unilaterales o bilaterales
dependiendo de la situacin particular.
La proporcin de una poblacin
Las hiptesis se enuncian de manera similar al caso de la media.
Ho: p = p0
H1: p p0
En caso de que la muestra sea grande n>30, el estadgrafo de prueba es: se
distribuye normal estndar.
Regla de decisin: se determina de acuerdo a la hiptesis alternativa (si es bilateral
o unilateral.
En el caso de muestras pequeas se utiliza la distribucin Binomial. No lo
abordaremos por ser complicado y poco frecuente su uso.
Diferencia entre las proporciones de dos poblaciones:
La situacin ms frecuente es suponer que existen diferencias entre las
proporciones de dos poblaciones, para ello suelen enunciarse las hiptesis de forma
similar al caso de las medias:
Ho: p1 = p2 p1 - p2 = 0H1: p1 p2
Puede la hiptesis alternativa enunciarse unilateralmente.
El estadgrafo de prueba para el caso de muestras independientes: donde Siendo
a1 y a2, el nmero de sujetos con la caracterstica objeto de estudio en las muestras
1 y 2 respectivamente, es decir, en vez de calcular la varianza para cada muestra,
se calcula una p conjunta para ambas muestras bajo el supuesto que no hay
diferencias entre ambas proporciones y as se obtiene la varianza conjunta.
Recuerda que q = 1-p.
Est de ms que te diga que este estadgrafo se distribuye normal estndar.
El objetivo de la prueba es comparar estas dos proporciones, como estimadores H1:
p1 p2
Recuerda que la H1 tambin puede plantearse de forma unilateral. En algunos
diseos de investigacin, el plan muestral requiere seleccionar dos muestras
independientes, calcular las proporciones mustrales y usar la diferencia de las dos

0
proporciones para estimar aprobar una diferencia entre las mismas. Las
aplicaciones son similares a la diferencia de medias, por ejemplo si dos empresas
consultoras ofrecen datos de proporciones de personas que van a votar por el PRI
y al hacer dos estudios diferentes salen resultados ligeramente diferentes pero qu
tanta diferencia se requiere para que sea estadsticamente significativo? De eso se
tratan las Pruebas estadsticas de diferencias de proporciones.

5.3 PRUEBA PARA LA DIFERENCIA EN n PROPORCIONES Z.

Una distribucin poblacional representa la distribucin de valores de una poblacin

y una distribucin muestral representa la distribucin de los valores de una muestra.
En contraste con las distribuciones de mediciones individuales, una distribucin
muestral es una distribucin de probabilidad que se aplica a los valores posibles de
una estadstica muestral. As, la distribucin muestral de la media es la distribucin
de probabilidad de los valores posibles de la media muestral con base en un
determinado tamao de muestra. Para cualquier tamao de muestra dado n, tomado
de una poblacin con media, los valores de la media muestra varan de una muestra
a otra. Esta variabilidad sirve de base para la distribucin muestral.
La distribucin muestral de la media se describe determinando el valor esperado E
() o media, de la distribucin y la desviacin estndar de la distribucin de las
medias, Como esta desviacin estndar indica la precisin de la media muestral
como estimador puntual, por lo general se le denomina error estndar de la media.
Ejemplo:
Un fabricante de reproductores de discos compactos utiliza un conjunto de pruebas
amplias para evaluar la funcin elctrica de su producto. Todos los reproductores
de discos compactos deben pasar todas las pruebas antes de venderse. Una
muestra aleatoria de 500 reproductores tiene como resultado 15 que fallan en una
o ms pruebas.
Encuentre un intervalo de confianza de 90%para la proporcin de los reproductores
de discos compactos de la poblacin que no pasan todas las pruebas

1
5.4 PRUEBA DE INDEPENDENCIA (ji-CUADRADA).
En una prueba de independencia el nico nmero que el investigador controla
directamente es el tamao total de la muestra. Se extrae una muestra de tamao n
de la poblacin y cada objeto se clasifica segn las dos variables que se estudian.
Ni las frecuencias de cada celda, ni los totales de fila y columna se conocen de
antemano.
El investigador no fija previamente ningn conjunto, es decir, son aleatorios.
El planteamiento de las Hiptesis ser: H 0: A y B son independientes
H 1 : A y B no son independientes.

Independencia significa que el conocimiento del nivel de clasificacin de un objeto

respecto a la caracterstica A no tiene nada que ver con su nivel respecto a la
caracterstica B.

2
Para expresar esta idea matemticamente utilizamos las probabilidades dadas en
la siguiente tabla: Tabla 2. Tabla de contingencia 2 x 2 con proporciones o
probabilidades

Se sabe que, para que dos sucesos sean

independientes, la probabilidad
de que ocurran ambos a la vez debe ser igual al
producto de las probabilidades de que cada
suceso ocurra individualmente.
P[A y B] = P[A]P[B] O p 11 = p .1 p 1.
La relacin debe cumplirse para cada celda. Por tanto, la hiptesis nula de
independencia se expresa matemticamente como
i = 1, 2
H 0 : p ij = p i. P .j
j = 1, 2
i = 1, 2
H 1 : p ij ? p i. P .j
j = 1, 2

Comparamos el nmero de observaciones en cada celda con el nmero esperado,

si H 0 es cierta. Si estos nmeros difieren poco, no hay razn para rechazar H 0; si
hay una gran discrepancia entre los valores observados y esperados, entendemos
esto como evidencia de que H 0 no es cierta.
Entonces se calcula el valor esperado as:
E ij = np ij

Si el valor p es pequeo (es menor de 0.05); podemos rechazar H 0.

Para que
las pruebas
3
de Ji-cuadrado sean vlidas, es necesario que las muestras sean grandes. Es
decir que las frecuencias esperadas no sean menores de 5. Si esto no se cumple,
puede utilizarse una prueba para pequeas muestras llamada prueba exacta de
Fischer para contrastar independencia.

5.5 PRUEBAS DE CONTINGENCIA (ji-CUDRADA).

La prueba chi-cuadrado de contingencia sirve para comprobar la independencia de
frecuencias entre dos variables aleatorias, X e Y. Las hiptesis contrastadas en la
prueba son: Hiptesis nula: X e Y son independientes. Hiptesis alternativa: X e Y
no son independientes (No importa cul sea la relacin que mantengan ni el grado
de esta. La condicin de independencia, tal como fue definida en la pgina anterior
era: X e Y son independientes si y slo si para cualquier pareja de valores x e y la
probabilidad de que X tome el valor x e Y el valor y, simultneamente, es igual al
producto de las probabilidades de que cada una tome el valor correspondiente.
Por tanto, todo lo que necesitamos sern unas estimas de las funciones de
probabilidad de ambas variables por separado (f(x) y f(y)) y de la funcin de
probabilidad conjunta (f(x, y)) Empezaremos la prueba tomando una muestra de
parejas de valores sobre la que contaremos la frecuencia absoluta con la que
aparece cada combinacin de valores (x i, y j) o de grupos de valores (i, j) (O i j) La
tabla siguiente, en la que se recogen estos datos, es en realidad nuestra estimacin
de la funcin de probabilidad conjunta multiplicada por el nmero total de datos (T).
Para obtener las estimas de las funciones de probabilidad marginales debemos
sumar por filas y por columnas los valores de las frecuencias conjuntas. Las sumas
de filas (Fi) son, en cada caso, el nmero de veces que hemos obtenido un valor de
X (xi) en cualquier combinacin con distintos valores de Y, es decir, son nuestra
estima de la funcin de probabilidad de X multiplicada por el nmero total de
observaciones; anlogamente, las sumas de columnas (C j) son nuestra estima de
la funcin de probabilidad de Y multiplicada por el nmero total de observaciones.
Naturalmente, nadie espera que esta condicin se cumpla exactamente debido al
efecto de los errores de muestreo aleatorio. Por tanto, nuestro problema consiste
en distinguir entre las diferencias producidas por efecto del muestreo y diferencias
que revelen falta de independencia.

4
Por otra parte, si las variables no son independientes, las diferencias entre las series
de frecuencias observadas y esperadas sern mayores que las atribuibles al efecto
del azar y, al estar elevadas al cuadrado en el numerador de la expresin anterior,
sta tender a ser mayor que lo que suele ser el valor de una variable chi-cuadrado
Por tanto, el parmetro anterior ser el estadstico de la prueba de hiptesis y la
regin crtica se encontrar siempre en la cola derecha de la distribucin chi-
cuadrado. Nuevamente, esta prueba ser siempre de una sola cola.
Tal como ocurra en la prueba anterior lo corriente es que queramos demostrar que
dos variables son independientes, es decir, que, habitualmente, nos veremos
obligados a colocar nuestra hiptesis en la hiptesis nula.El nmero de grados de
libertad de la chi-cuadrado que sirve de contraste se calcula de la siguiente forma:
A priori tendremos tantos grados de libertad como combinaciones de valores xi, y j
tengamos (I J) A este nmero tendremos que restarle I debido a que, para calcular
las frecuencias esperadas, necesitamos calcular las I sumas de filas en la tabla
anterior. Conocidas las sumas de filas obtenemos el nmero total de observaciones
sin perder ningn grado de libertad. A continuacin, necesitaremos calcular, a partir
de las frecuencias observadas J - 1 de las sumas de columnas; la restante podemos
obtenerla restando la suma de las anteriores del total de observaciones (T). En
resumen, el nmero de grados de libertad de la prueba es el producto del nmero
de filas menos uno por el nmero de columnas menos uno.

5
5.6 PRUEBAS DE BONDAD DE AJUSTE.

Las pruebas de bondad de ajuste tienen por objetivo determinar si los datos se
ajustan a una determinada distribucin, esta distribucin puede estar
completamente especificada (hiptesis simple) o perteneciente a una clase
paramtrica (hiptesis compuesta).
Una hiptesis estadstica se defini como una afirmacin o conjetura acerca de la
distribucin f(x,q) de una o ms variables aleatorias. Igualmente se plante que la
distribucin poda tener uno o ms parmetros desconocidos, que denotamos por q
y que la hiptesis se relaciona con este parmetro o conjunto de parmetros En
otros casos, se desconoce por completo la forma de la distribucin y la hiptesis
entonces se relaciona con una distribucin especfica f(x,q) que podamos asignarle
al conjunto de datos de la muestra. El primer problema, relacionado con los
parmetros de una distribucin conocida o supuesta es el problema que hemos
analizado en los prrafos anteriores. Ahora examinaremos el problema de verificar
si el conjunto de datos se puede ajustar o afirmar que proviene de una determinada
distribucin. Las pruebas estadsticas que tratan este problema reciben el nombre
general de Pruebas de Bondad de Ajuste.
Se analizarn dos pruebas bsicas que pueden aplicarse: H0: f(x,q) = f0(x,q) H1:
f(x,q) f0(x,q) Donde f0(x, q) es la distribucin que se supone sigue la muestra
aleatoria.
La hiptesis alternativa siempre se enuncia como que los datos no siguen la
distribucin supuesta. Si se desea examinar otra distribucin especfica, deber
realizarse de nuevo la otra prueba suponiendo que la hiptesis nula es esta nueva
distribucin. Al especificar la hiptesis nula, el conjunto de parmetros definidos por
q puede ser conocido o desconocido. En caso de que los parmetros sean
desconocidos, es necesario estimarlos mediante alguno de los mtodos de
estimacin analizados con anterioridad.
Para formular la hiptesis nula debern tenerse en cuenta los siguientes aspectos
o criterios:
a) La naturaleza de los datos a analizar.
Por ejemplo, si tratamos de investigar la distribucin que siguen los tiempos de falla
de unos componentes, podramos pensar en una distribucin exponencial, o una
distribucin gama o una distribucin Weibull, pero en principio no consideraramos
una distribucin normal. Si estamos analizando los caudales de un ro en un
determinado sitio, podramos pensar en una distribucin logartmica normal, pero
no en una distribucin normal.

6
b) Histograma.
La forma que tome el histograma de frecuencia es quizs la mejor indicacin del
tipo de distribucin a considerar.

5.7 APLICACIONES.
Para la ocurrencia de dos eventos, en la cual se desea observar si son dependientes
o independientes.
La distribucin ji cuadrada sirve para todas las inferencias sobre la variancia de una
poblacin. Existen muchos problemas para los cuales los datos son categorizados
y los resultados expuestos en forma de conteos o cuentas. Se pueden aplicar en:
un conjunto de calificaciones de un examen final puede ser representado como una
distribucin de frecuencias.
Estos valores son cuentas: l numera de datos que caen en cada celda.
En una encuesta determinada se podra preguntar a unas personas si votaran por
los candidatos A, B o C, por lo general, los resultados se indican en una grfica que
informa acerca del nmero de votantes para cada categora posible

7
CONCLUSIN
En una ardua investigacin se llega a la conclusin de que para disear un buen
plan de muestras se requieren siempre utilizar dos muestras de manera
independiente y usar la diferencia de proporciones para poder hacer una estimacin
o probar alguna diferencia entre estos, de lo cual se aprendi durante este trabajo.

8
CONCLUSIN GENERAL
En conclusin en este trabajo se pudo aprender que la estadstica es una ciencia
que se encarga de reunir informacin cuantitativa y deducir con esto mediante el
anlisis significados precisos o previsiones para el futuro, esta nos da herramientas
para poder sacar datos estadsticos utilizando muestras aleatorias.