Академический Документы
Профессиональный Документы
Культура Документы
Formar profesionales líderes competentes, con visión humanista y pensamiento crítico a través
de la Docencia, la Investigación y la Vinculación, que apliquen, promuevan y difundan el
conocimiento respondiendo a las necesidades del país.
Visión
VISIÓN
La distribución de probabilidad, indica la probabilidad de cada valor de una variable que está
determinada por el azar, hay que saber distinguir entre los resultados que pueden ocurrir al
azar y los “pocos comunes” en el sentido de que no tiene probabilidad de ocurrir al azar.
(Triola, 2009)
Una variable aleatoria discreta tiene un número finito de valores o un número de valores
contables, donde “contable” se refiere al hecho de que podría haber un número infinito de
valores, pero pueden asociarse con un proceso de conteo. (Triola, Estadistica , 2013)
a) 𝑓(𝑥) ≥ 0
b) 𝑓(𝑥) = 1
1. La empresa TOYOTA (Carlos Larrea) tiene una venta de automóviles durante los últimos
300 días de operación. Los datos de ventas muestran que hubo 54 días en los que no se
vendió ningún automóvil, 117 días en los que se vendió 1, 72 días en los que se vendió 2,
42 días en los que se vendió 3, 12 días en los que se vendió 4 y 3 días en los que se vendió
5. El experimento se realiza para 1 día de operación. Calcular la distribución de la
probabilidad.
X = # Autos
x F(x)
0 54/300 = 0.18
1 117/300 = 0.39
2 72/300 = 0.24
3 42/300 = 0.14
4 12/300 = 0.04
5 3/300 = 0.01
1
Ejercicios consultados
x F(x)
0 1/8 = 0.13
1 3/8 = 0.38
2 3/8 = 0.38
3 1/8 = 0.13
1
x F(x)
0 898 = 0.898
10 99 = 0.099
1000 2 = 0.002
5000 1 = 0.001
1000 1
3. Un profesor de idiomas tiene una clase con cuatro alumnos adultos. De los 100 días de
clase, asisten 4, 3, 2, 1 o ninguno de ellos, calcular la distribución de la probabilidad.
x F(x)
0 3 = 0.03
1 9 = 0.09
2 17 = 0.17
3 48 = 0.48
4 23 = 0.23
100 1
4. Un jugador de básquet está a punto de tirar hacia la parte superior del tablero. La
probabilidad de anotar o no anotar es:
x F(x)
0 1/2 0.50
1 1/2 0.50
+ 1
5. Un jugador lanza un dado corriente. Si sale 1 o número primo, gana tantos cientos de euros
como marca el dado, pero si no sale número primo, pierde tantos cientos de euros como
marca el dado. Determinar la función de probabilidad y la esperanza matemática del juego
X F(X)
+100 1/6 0.16667
+200 1/6 0.16667
+300 1/6 0.16667
-400 1/6 0.16667
+500 1/6 0.16667
-600 1/6 0.16667
Es un promedio ponderado de los cuadrados de las desviaciones de una variable aleatoria con
respecto de su medida. Los pesos son las probabilidades
𝑽𝒂𝒓 (𝒙) = 𝟏. 𝟐𝟓
𝑬(𝒙) = 𝟐. 𝟒𝟓
𝑬(𝑥) = 2.45
𝑉𝑎𝑟 (𝑥) = 2.0475
Desviación = 1.4310
# Casas
#Recamaras Rentadas Propias
0 547 23
1 5012 541
2 6100 3832
3 2644 8690
4 557 3783
3) Los datos siguientes son el número de recamaras en casas rentadas y en casas propias
de la provincia de Tungurahua. Los datos se representan en la siguiente tabla.
Elabore una distribución de probabilidad
Calcule el valor esperado y la varianza del número de recamaras en casas rentadas
Calcule el valor esperado y la varianza del número de recamaras en casas propias
# Casas
# Rentadas Propias Rentadas Propias E(X) E(Y) Var (x) Var(y)
Recamaras (X) (Y)
0 547 23 0.0368 0.0014 0.0000 0.0000 0.1249 0.0117
1 5012 541 0.3373 0.0321 0.3373 0.0321 0.2391 0.1193
2 6100 3832 0.4105 0.2272 0.8210 0.4543 0.0102 0.1960
3 2644 8690 0.1779 0.5151 0.5338 1.5454 0.2386 0.0026
4 557 3783 0.0375 0.2243 0.1499 0.8970 0.1746 0.2573
14860 16869 1.00 1.00 1.842 2.929 0.7874 0.5869
5) Supóngase que se tiene una moneda normal y el jugador tiene tres oportunidades
para que al lanzarla aparezca una cara. El juego termina en el momento en el que
cae una cara o después de 3 intentos, lo que suceda primero. Si en el primero,
segundo o tercer lanzamiento aparece cara el jugador recibirá $2, 4$ y 8$
respectivamente. Si no cae cara en ninguno de los 3 lanzamientos, pierde $20. Para
determinar la ganancia o pérdida promedio después de un número muy grande de
juegos, sea x la variable aleatoria que representa la cantidad que se gana o se
pierde cada vez que se juega. Calcule el valor esperado.
x F(x) E (x)
2 1 / 2 = 0.50 1.00
4 1 / 4 = 0.25 1.00
8 1 / 8 = 0.13 1.00
-20 1 / 8 = 0.13 -2.50
1.00 0.50
Ejercicios consultados
1. Dos vendedores de seguros de vida, A y B, visitan de 8 a 12 clientes potenciales
por semana, respectivamente. Sean ‘X’ y ‘Y’ dos variables aleatorias que
representan el número de sentidos seguros vendidos por A y B, como resultado
de las visitas. Con base en una gran cantidad de información pasada, las
probabilidades para los valores de ‘X’ y ‘Y’ son los siguientes:
Calcule el valor esperado.
X F(x) x f(x)
0 0.02 0.00
1 0.09 0.09
2 0.21 0.42
3 0.28 0.84
4 0.23 0.92
5 0.12 0.60
6 0.04 2.87
7 0.01 5.74
8 0.00 11.39
E(x) 22.87
2. La distribución de probabilidad de reclamaciones por daños pagados de la
compañía XYZ en seguros contra choques se muestra en la siguiente tabla
Emplee el pago esperado por choque para determinar la prima de seguro contra daños
que permitiría a la empresa salir sin perdidas
La aseguradora cobra una tarifa anual de 260.00 por cubrir los choques. ¿Cuál es el valor
esperado del seguro contra choques para un asegurado?
x F(x) x f(x)
0 0.90 0.00
400 0.04 16.00
1000 0.03 30.00
2000 0.01 20.00
4000 0.01 40.00
6000 0.01 60.00
1.00 166
𝑬(𝒙) = 𝟏𝟔𝟔
E(x)= 3.72
Art.
x Procesados F(x) x f(x) (x-u)^2 f(x)
1 18% 0.18 0.180 1.488 * 0.18 = 0.27
2 42% 0.42 0.840 0.048 * 0.42 = 0.02
3 40% 0.40 1.200 0.608 * 0.40 = 0.24
1 1.00 2.22 Var(x) 0.53
PRUEBAS
b) Suponga que cada unidad demandada genera $70 de ganancia y que cada unidad
ordenada cuesta $50. ¿Cuánto ganará o perderá la empresa en un mes si coloca una
orden con base en su respuesta al inciso a y la demanda real de este artículo es de 300
unidades?
= 300 × $ 70 = $ 21.000
VALOR ESPERADO
VARIANZA
Portátil 𝜎 2 = 0,473
De escritorio 𝜎 2 = 0,5636
Ε(𝑥) = 0,84
𝑛
(𝑥 )= combinación
1
(Murray & Larry, 2009)
𝑛 𝑛!
𝑓𝑜𝑟𝑚𝑢𝑙𝑎 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑚𝑏𝑖𝑛𝑎𝑐𝑖ó𝑛: ( )=
𝑥 𝑥! (𝑛 − 𝑥)!
n = número de ensayos
p = probabilidad de éxito
q = probabilidad de fracaso
Ensayos 1 2 3 4 5
Resultados X S S X X
n=5
Media u= N.P
Varianza Var(x) = N.p.q
Coeficiente de sesgo 𝑞−𝑝
∝3 =
√𝑁. 𝑝. 𝑞
Coeficiente de curtosis 3 + 1 − 6𝑝. 𝑞
∝4 =
𝑁. 𝑝. 𝑞
𝟑 𝟏 𝟑 𝟏 𝟎 𝟑 𝟏 𝟐 𝟏 𝟏
a) 𝒇(𝟑) = (𝟑) (𝟐) (𝟐) b) 𝒇(𝟐) = (𝟐) (𝟐) (𝟐)
𝟑 𝟏 𝟏 𝟏 𝟐 𝟑 𝟏 𝟎 𝟏 𝟑
c) 𝒇(𝟏) = (𝟏) (𝟐) (𝟐) d) 𝒇(𝟎) = (𝟎) (𝟐) (𝟐)
e) 𝒇(𝒙 ≥ 𝟏) = 𝟏 − 𝒇(𝟎)
𝑓(𝑥 ≥ 1) = 1 − 0,125
0.875
5 1 0 5 5 𝑓(0) = 0.4019
𝑓(0) = ( ) ( ) ( )
0 6 6
b) Al menos una vez 𝑓(0) = 0.5981
𝑓(𝑥 ≥ 1) = 1 − 𝑓(0)
𝑓(𝑥 ≥ 1) = 1 − 0.4019
c) Cuatro veces d) Calcular la probabilidad de
obtener por lo menos tres veces
5 1 4 5 1
𝑓(4) = ( ) ( ) ( )
4 6 6 𝑓(3) = 1 − [𝑓(0) + 𝑓(1) + 𝑓(2)]
n= 10 p= 0.05 q= 0.95
10
𝑓(2) = ( ) (0.05)2 (0.95)8
0
𝑓(2) = 0.1015
10
𝑓(0) = ( ) (0.05)0 (0.95)10
0
𝑓(0) = (1)(1)(0.5987)
𝑓(0) = 0.5987
c) Al menos 1 mujer
𝑓(𝑥) = 1 − [ 𝑓(0)]
n= 4 p= 0.5 q= 0.5
a) Al menos 1 hombre
𝑓(𝑥 ≥ 1) = 0.9375
5) De entre 2000 familias con 4 hijos. ¿Cuántos sabe esperar que tengan?
a) Al menos 1 hombre
𝑢 = 𝑁. 𝑃
𝑢 = 2000 (0.9375)
𝑢 = 1875
b) 2 hombres
𝑢 = 𝑁. 𝑃
𝑢 = 2000 (0.375)
𝑢 = 750
c) Ninguna mujer
𝑢 = 𝑁. 𝑃
𝑢 = 2000 (0.0625)
𝑢 = 125
6) Si el 20% de los pernos producidos por una maquina son defectuosos, determinar
la probabilidad de que entre 4 pernos elegidos al azar
n= 4 p= 0.20 q= 0.80
a) 1 sea defectuoso
4
𝑓(1) = ( ) (0.20)1 (0.80)3
1
𝑓(1) = 0.4096
4
𝑓(0) = ( ) (0.20)0 (0.80)4
0
𝑓(0) = 0.4096
𝑓(𝑥 ≥ 2) = 0.9828
d) 3 sean correctos
n= 4 p=0.8 q= 0.2 x= 3
4
𝑓(3) = ( ) (0.80)3 (0.20)1
3
𝑓(3) = 4 (0.5120)(0.20)
𝑓(3) = 0.4096
7) El 40% de las personas que viajan por negocio, llevan un teléfono celular o una
computadora portátil. En una muestra de 15 personas
n= 15 p= 0.40 q= 0.60
𝑓(𝑥 ≥ 5) = 0.7827
n= 15 p= 0.40 q= 0.60 x= 3
15 (0.40)3 (0.60)12
𝑓(3) = ( )
3
𝑓(3) = 0.0641
Ejercicios consultados
1. Una institución universitaria establece nuevos métodos de aprendizaje y de
evaluación con el resultado donde el 85% de alumnos aprueban todas las
asignaturas. Supongamos que se seleccionan 8 estudiantes de dicho plantel.
a) Cuál es la probabilidad de que 3 aprueben
n= 8 x=3 p=0.85 q=0.15
8
𝑓(3) = ( ) (0.85)3 (0.15)5
3
𝑓(3) = 56 ∗ 0.6141 ∗ 0.000076
𝑓(3) = 0.0028
b) De que tres pierdan
n= 8 x=3 p=0.15 q=0.85
8
𝑓(3) = ( ) (0.15)3 (0.85)5
3 8
𝑓(0) = ( ) (0.15)0 (0.85)8
0
𝑓(3) = 56 ∗ 0.0034 ∗ 0.4437
𝑓(0) = 1 ∗ 1 ∗ 0.2725
𝑓(3) = 0.0845
𝑓(0) = 0.2725
c) Por lo menos 2 pierdan alguna asignatura
n= 8 x≥2 p=0.15 q=0.85
𝑓(𝑥 ≥ 2) = 1 − [𝑓(0) + 𝑓(1)] 8
𝑓(1) = ( ) (0.15)1 (0.85)7
𝑓(𝑥 ≥ 2) = 1 − (0.2725 + 0.3847) 1
𝑓(1) = 8 ∗ 0.15 ∗ 0.3206
𝑓(𝑥 ≥ 2) = 1 − 0.6572
𝑓(1) = 0.3847
𝑓(𝑥 ≥ 2) = 0.3428
𝑓(𝑥 ≥ 2) = 1 − 0.0032
12
𝑓(𝑥 ≥ 2) = 0.9968 𝑓(10) = ( ) (0.50)10 (0.50)2
10
d) Máximo 9 caras 𝑓(10) = 66 ∗ 0.00097 ∗ 0.25
𝑓(𝑥 ≤ 9) = 1 − [𝑓(10) + 𝑓(11) + 𝑓(12)] 𝑓(10) = 0.016005
𝑓(𝑥 ≤ 9) = 1 − [0.016 + 0.0029 + 0.0002]
𝑓(𝑥 ≤ 9) = 1 − [0.0191]
𝑓(𝑥 ≤ 9) = 0.9809
12
𝑓11 = ( ) (0.50)11 (0.50)1 12
11 𝑓(12) = ( ) (0.50)12 (0.50)0
𝑓(11) = 12 ∗ 0.00049 ∗ 0.50 12
𝑓11 =0.0029 𝑓(12) = 1 ∗ 0.00024 ∗ 1
𝑓12 =0.00024
a) Máximo 2 aprueben
X≤2 n=6 p=0.80 q=0.20
6 6 6
𝑓(0) = ( ) (0.80)0 (0.20)6 𝑓(1) = ( ) (0.80)1 (0.10)5 𝑓(2) = ( ) (0.80)2 (0.20)4
0 1 2
b) Exactamente 2 aprueben
𝑓(2) = (62)(0.80)2 (0.20)4
𝑓(2) = 0.01536
c) Ninguno apruebe
𝑓(0) = 0.00006
5. Harry Ohme está a cargo de la sección electrónica de una gran tienda
departamental. Se ha dado cuenta que la probabilidad de que un cliente que
solamente está curioseando compre algo es de 0.3. Suponga que 15 clientes visitan
la sección de electrónica a cada hora.
𝑓(𝑥 ≥ 1) = 0.9953
1) De entre 1000 familias con 4 hijos cuantas cabe esperar que tengan un hombre o
dos mujeres. Datos:
Datos: n= 4
n= 4 x= 2
x= 1 p= 0,50
p= 0,50 q= 0,50
q= 0,50
𝑛
𝑛 𝑓(𝑥) = ( ) 𝑝 𝑥 ∗ 𝑞 𝑛−1
𝑓(𝑥) = ( ) 𝑝 𝑥 ∗ 𝑞 𝑛−1 𝑥
𝑥 4
4 𝑓(2) = ( ) 0,52 ∗ 0,52−1
𝑓(1) = ( ) 0,51 ∗ 0,54−1 2
1 𝑓(2) =0,3750
𝑓(1) =0,25
𝑛
𝒖=𝑵∗𝑷 𝑓(𝑥) = ( ) 𝑝 𝑥 ∗ 𝑞 𝑛−1
𝑥
𝑢 = 1000 ∗ (0,25 + 0,3750) 4
𝑢 = 1000 ∗ (0,6250) 𝑓(1) = ( ) 0,51 ∗ 0,54−1
1
𝑢 = 625 𝑓(1) =0,25
4. Distribución de Poisson
Es una variable aleatoria discreta para estimar el número de veces que sucede en hecho
determinado. En un cierto intervalo de tiempo, se utiliza para número de llegadas de
automóviles, numero de fugas. Número de tuberías entre otros.
𝛌𝒙 ∗𝒆−𝛌
𝒇(𝒙) = 𝒙!
FORMULA ES:
𝜇 =λ 𝜎2 = λ ∝3= 1 ∝4=3+ 1
√𝜆 𝜆
λ=N*P Compruebe
23 ∗𝑒 −2
f(3)= su respuesta
3! λ= 2000*0.001
8∗0.1353
f (3)= λ= 2
6
1.0824
f (3)= 6
f (3)= 0.1804
20 ∗ 𝑒 −2
𝑓(0) =
0!
1 ∗ 0.13534
b) Más de 2 de ellos tengan reacciones negativas 𝑓(0) =
1
𝑓(0) = 0.13534
f(x≥2)= 1 – [f(0)+f(1)]
f(x≥2)= 1 – [0.13534 + 0.27068 ]
f(x≥2)= 1 – [0.40602 ] 21 ∗ 𝑒 −2
𝑓(1) =
1!
f(x≥2)= 0.59398 2 ∗ 0.13534
𝑓(0) =
1
𝑓(0) = 0.27068
62 ∗ 𝑒 −6 63 ∗ 𝑒 −6 60 ∗ 𝑒 −6
𝑓(2) = 𝑓(3) = 𝑓(0) =
2! 3! 0!
f(10)= 0.1186
f(0)= 0.0821
f(2)= 0.2565
3. Una secretaria comete dos errores por página, en promedio. ¿Cuál es la
probabilidad de que en la siguiente página cometa?
a) 4 o más errores
λ= 2
f(x≥4)= 1- [𝑓(0) + 𝑓(1) + 𝑓(2) + 𝑓(3)]
f(x≥4)= 1- [0.1353+0.2707+0.2707+0.1804]
f(x≥4)= 1- 0.8571234605
f(x≥4)= 0.1429
20 ∗ 𝑒 −2 21 ∗ 𝑒 −2
𝑓(0) = 𝑓(1) =
0! 1!
1 ∗ 0.1353352832 2 ∗ 0.1353
𝑓(0) = 𝑓(1) =
1 1
𝑓(0) = 0.1353352832 𝑓(1) = 0.2706705665
22 ∗ 𝑒 −2
𝑓(2) = 23 ∗ 𝑒 −2
2! 𝑓(3) =
3!
4 ∗ 0.1353
𝑓(2) = 8 ∗ 0.1353
2 𝑓(3) =
6
𝑓(2) = 0.27076705665
𝑓(3) = 0.1804470443
b) Ningún error
f(0)= 0.1353
4. La señorita Berger es ejecutiva del Coast Bank and trust. A partir de sus años de
experiencia, calcula que la probabilidad de que un solicitante no pague un
préstamo inicial es de 0.025. el mes pasado realizo 40 préstamos.
N= 40 λ=N*P
P= 0.025 λ=40*0.025
λ= 1
a) Calcule la probabilidad de que no se paguen 3 prestamos
13 ∗𝑒 −1
f(3)= 3!
1∗0.367979
f(3)= 6
f(3)= 0.0613
b) Cuál es la probabilidad de que por lo menos no se paguen 3 préstamos.
f(x≥3)= 1- [𝑓(0) + 𝑓(1) + 𝑓(2)]
f(x≥3)= 1 – (0.36788+0.36788+0.18394)
f(x≥3)= 1 – 0.9196997
f(x≥3)= 0.0803
10 ∗ 𝑒 −1 11 ∗ 𝑒 −1 12 ∗ 𝑒 −1
𝑓(0) = 𝑓(1) = 𝑓(2) =
0! 1! 2!
𝑓(0) = 0.36788 𝑓(1) = 0.36788 𝑓(2) = 0.18394
PRUEBAS
Según Luis Rodríguez Ojeda (2007) La distribución normal es la piedra angular de la teoría
estadística moderna. Conocida y estudiada desde hace mucho tiempo, es utilizada para
describir el comportamiento aleatorio de muchos procesos que ocurren en la naturaleza y
también realizados por los humanos
𝜎
= 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑡í𝑝𝑖𝑐𝑎
u= media
-5 -4 -3 -2 -1 0 1 2 3 4 5
𝑋 = 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎
𝑈 = 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛
𝜎 = 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑡𝑖𝑝𝑖𝑐𝑎
𝜋 = 3.1416
℮=
La distribución normal estándar, tiene media (u) igual a cero y desviación típica ( ) es
igual a 1, para lo cual se asigna la letra (Z) y se calcula las probabilidades en base a la tabla.
Entonces la función de densidad o el área bajo la curva es:
−𝑧2
1
𝑓(𝑧) = ℮ 2
√2𝜋
1. Hallar el área bajo la curva normal, en cada uno de los siguientes ejercicios:
a) Entre Z = 0 y Z = 1,2
P = 0.3849
b) -0.68 ≤ Z ≤ 0
-2.5 -2 -1 -0.5 0 0.5 1 1.5 2 2.5
𝑃 = 0.2518
c) -0.41 ≤ Z ≤ 2,21
𝑃1 + 𝑃2 = 0.6636
d) 0.81 ≤ Z ≤ 1,94
𝑃2 (0 ; 1.94) = 0.2910
𝑃2 − 𝑃1 = 0.1828
e) A la izquierda de Z = -0,6
𝑃 (0 ͢ − 0.6) = 0.2258
𝑃 = 0.5 − 0.2258
𝑃 = 0.2742
Datos:
Distribución normal
𝑥−𝑢
𝑍=
𝜎
𝑥−𝑢
𝑍=
𝜎
9−7
𝑍= =1
2
-2 -1 0 1 2
3 5 u=7 9 11
3. El peso medio de 500 estudiantes varones de cierta universidad es de 151 libras y la
desviación típica es de 15 libras. Se supone que los pesos están normalmente
distribuidos, hallar cuantos estudiantes pesan:
a) Entre 120 y 155 libras
b) Más de 185 libras
c) Exactamente 160 libras
Datos:
𝑥−𝑢 𝑢 = 151 𝜎 = 15
𝑍=
𝜎
a) 120 ≤ X ≤ 155
120−151
𝑍1 = = -2,07
15
155−151
𝑍2 = = 0,27
15
𝑃(𝑧1) = 0.4808
𝑃(𝑧2) = 0.1064
b) X ≥ 185
185−151
𝑍1 = = 2.27
15
𝑃(𝑧1) = 0.4884
-2 -1 0 1 2
𝑃𝑡 = 0.5 − 0.4808
Pt = 0.0116
500 (0.0116) = 6
c) X = 160
159.5−151
𝑍1 = = 0.57
15
160.5−151
𝑍2 = = 0.63
15
-2 -1 0 1 2
P (z1)= 0.2157
P (z2)= 0.2357
Pt = 0.2157 – 0.2357
Pt = 0.02
500 (0.02) = 10
4. Sea X una variable aleatoria que sigue una distribución normal N ( 𝝁, 𝝈 ); calcular
la probabilidad cuando la variable aleatoria es mayor o igual a 80. Sabiendo que la
media de la población es de 50 y la desviación típica es de 10.
𝑥− 𝜇
DATOS: Z= P(z)= (0.4987)
𝜎
𝜇 = 50
80−50
𝜎 = 10 Z= P(z)= 0.5 - 0.4987
10
X≥ 80
Z= 3 P(z)= 0.0013
-3 -2 -1 0 1 2 3
5. El peso de una manzana de una huerta siguen una ley normal con una media de
150 gr. Y una desviación típica de 20
𝑥−𝑢
Z= 𝜎
115−150
Z= 20
z -1,75
Z= -1.75 x -3 -2 115 -1 0 1 2 3
P (z)= 0.5-0.4599
b) Hallar la probabilidad de una manzana de este huerto, elegida al azar tenga un peso
comprendido entre 165 y 220 gr.
Datos:
𝑥−𝑢 𝑥−𝑢
𝜇c)= 150 𝑔𝑟 Z1= Z2=
𝜎 𝜎
𝜎 = 20
165 165−150 220−150
d) ≥x≤ 220 Z1= Z2=
20 20
PT= 0.4998-0.2734
PT= 0.2264
z 0,75 3,5
-3 -2 -1 0 1 2 3
6. El diámetro de las cabezas de un tornillo sigue una distribución normal con una
media de 5.5 milímetros y una varianza de 0.69 milímetros cuadrados. Se sabe que
los tornillos son aprovechados, si su diámetro esta entre 4.3 y 7.1 ¿Cuál es el
porcentaje de tornillos aprovechables?
Datos: 𝑥−𝑢 𝑥−𝑢
a) Z1= Z2=
𝜎 𝜎
𝜇 = 5.5 𝑚𝑚
𝜎b)= 0.64 𝑚𝑚2 4.3−5.5 7.1−5.5
Z1= Z2=
0.8 0.8
√0.64 𝑚𝑚2
4.3 ≥x≤ 7.1 Z1= - 1.5 Z2= 2
P(Z1)=0.4332 P (Z2)= 0.4772
z -1,5
-3 -2 -1 0 1 2 3
-3 -2 -1 0 1 2 3
P=0.40
Z= -1.28 0,40 0,50
0,10 0,50
X=Z𝜎 + 𝜇
X= (-1.28) (1.2) + 6.7
X= 5.16
c) La nota mínima del 10% más alto de la clase
P=0.40
Z= 1.28
0,50 0,40
X=Z𝜎 + 𝜇
0,10 0,50 0,10
X= (1.28) (1.2) + 6.7
X= 8.24
8. En la universidad se realiza una encuesta en donde se evalúa la enseñanza de la
matemática educativa y se encontró que la media es de 7.5 y la desviación típica de
1.2 se supone de las notas están normalmente distribuidas.
a) Cuál es la probabilidad de estudiantes que obtuvieron 8 puntos
𝑥−𝑢 𝑥−𝑢
Z1= Z2=
𝜎 𝜎
z 0,83
-3 -2 -1 0 1 2 3
8.5−7.5 7.5−7.5
Z1= Z2=
1.2 1.2
Datos:
𝜇 = 7.5 X1= 6 + 0.5 X2= 6-0.5
𝜎 = 1.2
X1= 6.5 X2= 5.5
X=6
𝑥−𝑢 𝑥−𝑢
Z1= Z2= PT= 0.4525- 0.2967
𝜎 𝜎
6.5−7.5 5.5−7.5
Z1= Z2= PT= 0.1558--------(x100)
1.2 1.2
z -1,67 -0,83
-3 -2 -1 0 1 2 3
26,73% 50%
X=Z𝜎 + 𝜇
X= (0.62) (1.2) + 7.5
23,27%
X= 8.24
48%
98% 2%
Z 0
P = 0.48 U = 100
Z = 2.05 = 15
x−u
𝑍= 𝜎
𝑥 =𝑍𝜎+𝑢
Ejercicios consultados
1. 2A la derecha de Z=0.47
P= 0.1808
Pt=0.5 - 0.1808 0,47
-3 -2 -1 0 1 2 3
Pt=0.3192
2. A la derecha de Z= -1.13
P= 0.3708
-1,13
Pt=0.5+0.3708
-3 -2 -1 0 1 2 3
Pt=0.8708
2
(Sanchez, Octavio., Probabilidad y estadistica, Tercera edicion, 2009, págs. 204-2009)
3. Entre Z=0.54 y Z=1.91
P1=0.4719
P2=0.2054
0,54 1,91
Pt= 0.4719-0.2054 -3 -2 -1 0 1 2 3
Pt= 0.2665
4. A la izquierda de Z=0.81
P=0.2910
Pt= 0.5+0.2910
0,81
Pt= 0.7910 -3 -2 -1 0 1 2 3
Datos:
𝜇 = 1.65
𝜎 = 6.2
0,5
a) Más de 1.57 m
1.51−1.65 -1,29
Z1= 0.062
-3 -2 -1 0 1 2 3
Z1= -1.29
P=0.4015
Pt= 0.4015 + 0.5
Pt=0.9015----------x100 ---> 90.15%
b) Menos de 1.70 m
1.70−1.65
Z1= 0.062
0,81
Z1=0.81
-3 -2 -1 0 1 2 3
P= 0.2910
Pt= 0.5+0.2910
Pt=0.7910 79.10%
Pt=0.4015+0.2910
Pt= 0.6925
1,29 0,81
Pt= 69.25% -3 -2 -1 0 1 2 3
6. Supón que el monto promedio de compras por cliente de una empresa es de $128.45
y una desviación estándar de $18.26. Determina la probabilidad de que un cliente
compre:
Datos:
𝜇 = 128.45
a) Más de $100 𝜎 = 18.26 0,5
100−128.45
Z1= -1,56
18.26
-3 -2 -1 0 1 2 3
Z1= -1.56
P= 0.4406
Pt= 0.5+ 0.4406
Pt=0.9406
b) Más de $150
150−128.45
Z1= 18.26
c) Menos de $120
120−128.45
Z1= 18.26
Z1= -0.46
P= 0.1772
0,46
Pt= 0.5+ -3 -2 -1 0 1 2 3
Pt=0.9406
Datos:
𝜇 = 45 𝑚𝑖𝑛
𝜎 = 8.0 min
𝑥 = 50 𝑚𝑖𝑛
0,62
-3 -2 -1 0 1 2 3
50−45
Z1= 8.0
Z1= 0.62
P= 0.2324
Pt= 0.5 – 0.2324
Pt=0.2676
8. En una población estudiantil el coeficiente de inteligencia es 52 iy su desviación
típica 8. Si ponemos que la población se distribuye normalmente, averiguar el
porcentaje de gente tiene un C.I superior a 60.
Datos:
𝒙 = 𝟔𝟎
𝝈=𝟖
𝒖 = 𝟓𝟐
60 − 52
𝑧= =1
8
𝑃 = 0,3413 -2 -1 0 1 2
𝑃 = 0,5 − 0,3413
𝑃 = 0,1587(100)
𝑷 = 𝟏𝟓, 𝟖𝟕%
9. Deseamos conocer el porcentaje de alumnos comprendidos entre las puntuaciones
40 y 75. Se sabe que la media es 50 y la desviación típica 80.
Datos
𝝈=𝟖
𝒖 = 𝟓𝟐
𝟒𝟎 ≤ 𝒙 ≤ 𝟔𝟎
𝒙−𝒖 𝒙−𝒖
𝒛𝟏 = 𝒛𝟐 =
𝝈 𝝈
𝟒𝟎−𝟓𝟎 𝟔𝟎−𝟓𝟎 -2 -1 0 1 2 3 4
𝒛𝟏 = = 𝒛𝟐 =
𝟖 𝟖
𝒛𝟏 = −𝟏, 𝟐𝟓 𝒛𝟐 = 𝟑, 𝟏𝟐
𝑷𝟏 = 𝟎, 𝟑𝟗𝟒𝟒 𝑷𝟐 = 𝟎, 𝟒𝟗𝟗𝟏
𝒙−𝝁
𝒛= Datos
𝝈
𝜇 = 3,5
5 − 3,5
𝑧= 𝜎 = 0,8
0,8 𝑋≥5
1,5 1,88
𝑧= -3 -2 -1 0 1 2 3
0,8
𝑧 = 1,88
P=0.4699
Pt=0.5-0.4699
Pt=0.0301-----------> 3.01%
b) ¿Qué porcentaje del tiempo la precipitación pluvial en abril es menor que 3
pulgadas?
𝒙−𝝁 Datos
𝒛= 𝜇 = 3,5
𝝈
𝜎 = 0,8
3 − 3,5 𝑥≤3
𝑧=
0,8
−0,5
𝑧= -0,63
0,8 -3 -2 -1 0 1 2 3
Z= -0.63
P=0.2357
Pt= 0.5-0.2357
Pt=0.2643 -----------26.43%
2. La cantidad promedio de precipitación pluvial en Dallas, Texas, durante el mes de
abril es 3,5 pulgadas (The Worl Almanac, 2000). Suponga que se puede usar una
distribución normal y que la desviación estándar es 0,8 pulgadas.
Datos:
𝑢 = 3,5
𝒂. 𝒙 ≥ 𝟓 b. 𝒙 ≤ 𝟑 𝜎 = 0,8
𝑥−𝑢 𝑥−𝑢
𝑧1 = 𝑧2 =
𝜎 𝜎
5−3,5 3−3,5
𝑧1 = = 1,88 𝑧2 = = −0,63
0,8 0,8
𝑷𝟏 ( 𝒛𝟏)=𝟎,𝟓−𝟎,𝟒𝟔𝟗𝟗=𝟎,𝟎𝟑𝟎𝟏 𝑷𝟐 ( 𝒛𝟐)=𝟎,𝟓−𝟎,𝟐𝟑𝟓𝟕=𝟎,𝟐𝟔𝟒𝟑
𝑷𝟏 ( 𝒛𝟏)=𝟎,𝟎𝟑𝟎𝟏∗𝟏𝟎𝟎=𝟑,𝟎𝟏% 𝑷𝟐 ( 𝒛𝟐)=𝟎,𝟐𝟔𝟒𝟑∗𝟏𝟎𝟎=𝟐𝟔,𝟒𝟔%
-2 -1 0 1 2 -2 -1 0 1 2
U = NP
u = √𝑵𝑷𝑸
N = 100
U = NP = 20
u = √100(0.20)(0.80) = 4
X = 24
23.5−20
𝑍1 = = 0.88
4
24.5−20
𝑍2 = = 1.13
4
P (z1) = 0.3106
P (z2) = 0.3708
Pt = 0.3106 – 0.3708
u = 5.46 (varianza)
N = (µ; )
P = 0.2794
Ejercicios consultados
1. 3Un cierto equipo electrónico está formado por 100 componentes conectados. Si
cada componente tiene una probabilidad de 0.02 de romperse cuando el equipo es
lanzado en un cohete, hallar la probabilidad de que al hacerlo se rompan 10 o más
componentes.
𝜎 = (100)(0.02)
Datos:
N = 100
𝑍 = (100 ∗ 0.02 ∗ 0.98) = 1.96 P = 0.02
N (u; )
𝜎 = √1.96 = 1.4
𝟏𝟎−𝟎.𝟎𝟐 𝟖
𝒁= = 𝟏.𝟒 = 7.12
𝟏.𝟒
N (u; σ) Datos:
P = 0.4
Q = 0.6
𝑍 = (20 ∗ 0.4 ∗ 0.6) = 4.8
N = 20
𝜎 = √4.8 = 2.19
𝟒−𝟎.𝟒 𝟑.𝟔
𝒁= = 𝟐.𝟏𝟗 = 1.64
𝟐.𝟏𝟗
P= 0.4495 + 0.5
Pt = 0.9495
3
Lorente, J., (2006).Aproximación de la distribución Binomial a la Normal
3. Una máquina produce componentes que son defectuosos en un 10%. Se elige al
azar una muestra de estos 50 componentes. Calcular las probabilidades de que:
a) Como exactamente 6 componentes estén defectuosos
𝑃 = 0.4964
Datos:
𝜎 = √10 = 3.16 N = 40
P = 0.5
𝟐𝟓−𝟐𝟎 𝟓 Q = 0.5
𝒁= = 𝟑.𝟏𝟔 = 1.58
𝟑.𝟏𝟔 𝑍 = (40 ∗ 0.5 ∗ 0.5)
= 10
𝑃 = 0.4429
𝟑𝟎.𝟓−𝟐𝟓 𝟓.𝟓
𝒁= = 𝟒.𝟖𝟕 = 1.13
𝟒.𝟖𝟕
𝑃 = 0.3708
http://www.disfrutalasmatematicas.com/datos/distribucion-normal-estandar.html
PRUEBAS
𝒙−𝝁
𝒛𝟐 =
𝝈
22 − 22,002
𝑧2 =
0,005
−0,002
𝑧2 = 𝑧2 = −0,4
0,005
𝑃1 (−20,4) = ∞ ≈ 0,5
𝑃2 (−0,4) = 0,1554
Datos 𝑥 = 𝑧𝜎 + 𝜇
𝜇 = 22,002
𝜎 = 0,005
𝑝 = 0,42
𝑧 = 1,41
𝑥 = (1,41)(0,005) + 22,002
𝑥 = 22,0091
¿De qué el precio de las acciones de una empresa no sea mayor a $20?
𝑨) 𝒙 ≥ 𝟒𝟎 𝑩) 𝒙 ≤ 𝟐𝟎
𝑥−𝑢 𝑥−𝑢 Datos:
𝑧1 = 𝑧2 = 𝑢 = 30
𝜎 𝜎
𝜎 = 8,2
40−30 20−30
𝑧1 = = 1,22 𝑧2 = = −1,22
8,2 8,2
𝑷𝟏 ( 𝒛𝟏)=𝟎,𝟓−𝟎,𝟑𝟖𝟖𝟖=𝟎,𝟏𝟏𝟏𝟐 𝑷𝟐 ( 𝒛𝟐)=𝟎,𝟓−𝟎,𝟑𝟖𝟖𝟖=𝟎,𝟏𝟏𝟏𝟐
-2.5 -2 -1 -0.5 0 0.5 1 1.5 2 2.5 -2.5 -2 -1 -0.5 0 0.5 1 1.5 2 2.5
7. ESTADISTICA INFERENCIAL
N = tamaño de la población
Población
Parámetros = desviación típica (población)
U = media
P = proporción
Muestra
Estadígrafos
N = tamaño de la muestra
S = desviación típica de la
muestra
= media de la muestra
= proporción de la
muestra
8. Muestreo
Es un proceso de obtener una información de un conjunto de toda la población.
Los elementos pueden ser: productos almacenes, personas, familias, entre otras.
Población
Especificar las características de los individuos, cosas, clientes, tiendas, etc; de quien se
necesita la información para satisfacer la investigación.
Consiste en hacer una lista de todos los elementos de la población, de donde se van a
seleccionar las unidades para la muestra.
SITEMATICO
MUESTREO
PROBABILISTICO
ESTRATIFICADO
PROPORCIONAL
CONGLOMERADO
TIPOS DE
MUESTREO NO
PROPORCIONAL
CASUAL
MUESTREO NO
INTENCIONAL
PROBABILISTICO
CUOTAS
𝑍 2 𝑝𝑞𝑁
𝑴𝒖𝒆𝒔𝒕𝒓𝒂 𝑭𝒊𝒏𝒊𝒕𝒂 𝑁 =
𝑍 2 𝑝𝑞 + 𝑁𝐸 2
𝑍 2 𝑝𝑞
𝑴𝒖𝒆𝒔𝒕𝒓𝒂 𝑰𝒏𝒇𝒊𝒏𝒊𝒕𝒂 𝑁 =
𝐸2
𝒛𝟐 𝒑 𝒒 𝑵 𝒛𝟐 𝒑 𝒒
𝒏= 𝒏=
𝒛𝟐 𝒑 𝒒 + 𝑵𝑬𝟐 𝑬𝟐
N= tamaño de la población
n= tamaño de la muestra
P= probabilidad
q= probabilidad de fracaso
E= error de la muestra
Datos:
N=5000
E= 0.05 𝒛𝟐 𝒑 𝒒 𝑵
N.C= 0.95 𝒏=
𝒛𝟐 𝒑 𝒒 + 𝑵𝑬𝟐
p=0.5
Q=0.5 (1.96)2 (0.5)(0.5)(5000)
𝑛=
(1.962 )(0.5)(0.5) + (5000)(0.052 )
4802
𝑛=
𝑧 2 0.9604 + 12.5
𝑛 = 356.75
𝑛 = 357
𝒛𝟐 𝒑 𝒒 𝑵
𝒏=
Datos: 𝒛𝟐 𝒑 𝒒 + 𝑵𝑬𝟐
N=29
E= 0.20
N.C= 1.96
p=0.5
Q=0.5
(1.96)2 (0.5)(0.5)(29)
𝑛=
(1.962 )(0.5)(0.5) + (29)(0.202 )
27.85
𝑛=
2.1204
𝑛 = 13.13
𝑛 = 14
a. Definir la población
9) 7.1 10) 7.3 11) 7.1 12) 7.5 13) 7 14) 7.45 15) 7 16) 7
17) 7.2 18) 7.5 19) 8.3 20) 7.0 21) 7 22) 7 23) 7 24) 9.9
c. Sacamos la media
100.7
ẋ= = 7.19
14
3. Se desea estimar el peso promedio de los sacos que son llenados con un nuevo
instrumento en una industria. Se conoce que el peso de un saco que se llena con este
instrumento es una Variable aleatoria con una distribución normal. Si se sabe que
la desviación típica y el peso son de 0,5 kg. Determinar el tamaño de la muestra
aleatoria con una probabilidad del 95% y el parámetro se diferencia
modularmente en -0,1 kg.
Datos:
𝜎 = 0,5 𝑧 2 𝜎2
𝑛= 𝐸2
N.C=95%
z=1,96 (1.96)2 (0,5)2
𝑛= (0,1)2
E=0,1
𝑛 = 96.04
n=96
4. Se desea calcular la muestra para realizar un estudio del nivel de nutrición de una
cierta población para lo cual se sabe que la población es de 6000 personas. Un
estudio anterior revela que la probabilidad de nutrición fue de 0,8 trabajando con
un nivel de confianza del 90% y un error de muestreo del 8%. Calcular el tamaño
de la muestra.
Datos:
z=1,645 𝑧 2 𝑝𝑞𝑁
E=0,08 𝑛 = 2
P=0,8
𝑧 𝑝𝑞 + 𝑁𝐸 2
N=6000
N.C=90%
z=16
(1,645)2 (0,8)(0,2)(6000)
𝑛=
(1,645)2 (0,8)(0,2) + 6000(0,8)2
𝑛 = 67
Datos
N.C= 98% 𝑧 2 𝑝𝑞
𝑛= 2
z=2,38 𝐸
E=5% = 0,05
P=0,2
q=0,8
(2,33)2 (0,2)(0,8)
𝑛= = 347,45
(0,05)2
𝑛 = 348
Ejercicios consultados
1. 4Un auditor desea tener un nivel de confianza del 95%, para que la verdadera
proporción de error de error de exceda del 2%. Si la población es muy grande,
¿Qué tamaño tendrá la muestra que va a tomarse, si el auditor estima que la
proporción de error es del 5%?
𝑧 2 𝑝𝑞
Datos 𝑛=
𝐸2
N.C=95%
z=1.96 (1.96)2 (0,5)(0,5)
𝑛= = 456,19
E=2% =0.02 (0,02)2
P=0,5 𝑛 = 457
q=0,5
𝑧 2 𝑝𝑞
𝑛=
𝐸2
(1.96)2 (0,08)(0,92)
Datos 𝑛= = 314.15
N.C=95% (0,02)2
z=1.96
E=3% =0.03
𝑛 = 315
P=0,08
q=0,92
4
Martinez,Ciro.(2005). Estadistica y muestreo, (Decimo segunda ed.). Bogota: Ecoe Ediciones
3. El mantenimiento de cuentas puede resultar demasiado costoso, si el promedio
de compra por cuenta baja de cierto nivel. El gerente de un gran almacén por
departamentos desea estimar el promedio de lo comprado mensualmente por
los clientes, con un error de $2500, y una probabilidad aproximada de 0.95.
¿Cuántas cuentas deberá seleccionar, si sabe que la desviación estándar es de
$30000, la cual fue obtenida de los balances mensuales de las cuentas de
crédito?
Datos 𝑧2𝜗2
N.C=95% 𝑛= 2
𝐸
z=1.96
(1.96)2 (30000)2
E=2500 𝑛= = 553.19
𝜗 = 30000 (2500)2
𝑛 = 554
5
Webster,Allen.(2004). Estadistica aplicada a los negocios y la economia, (tercera ed.).Colombia:Mc Graw
Hill
Datos
N.C=95% 𝑧 2 𝑝𝑞
z=1.96 𝑛= 2
𝐸
P=0.5
q=0.5 (1.96)2 (0,5)(0,5)
E=0.01 𝑛= = 9.604 𝑛 = 10
(0,01)2
1. Se tiene una población formada por 100 elementos se realiza el cálculo de las
muestras y se obtiene con una muestra de 25 elementos. Calcular el muestreo
aleatoriamente sistemático
n=25
𝑁 100
R= 𝑛 = =4
25
1 2 3 4 5 6 7 8 9 10 11 12
13 14 15 16 17 18 19 20 21 22 23 24
25 26 27 28 29 30 31 32 33 34 35 36
37 38 39 40 41 42 43 44 45 46 47 48
6
(levin & Rubin, 2010)
49 50 51 52 53 54 55 56 57 58 59 60
61 62 63 64 65 66 67 68 69 70 71 72
73 74 75 76 77 78 79 80 81 82 83 84
85 86 87 88 89 90 91 92 93 94 95 96
97 98 99 100
2. En la fábrica coca cola sucursal quito hay 600 trabajadores queremos tomar una
muestra de 20 trabajadores se sabe que hay 200 trabajadores en la planta de
ensamblaje. 150 en el departamento de empaque, 150 en el departamento de proceso y
100 trabajadores en publicidad
Nota: Se aplicó
regla de tres
200(20)
A=200 = 6,67 = 7 Datos
600
N=600
159(20)
B=150 =5 n=20
600
150(20)
C=150 =5
600
100(20)
D=100 =3
600
Ejercicios consultados
7
(levin & Rubin, 2010)
1. Se tiene una población formulada por 50 elementos se realiza el cálculo de las
muestras y se obtiene con una muestra de 10 elementos. Calcular el muestreo
aleatoriamente sistemático
𝑁 50
R= 𝑛 = 10 = 5
Datos:
N=50
n=10
1 2 3 4 5 6 7 8 9 10
11 12 13 14 15 16 17 18 19 20
21 22 23 24 25 26 27 28 29 30
31 32 33 34 35 36 37 38 39 40
41 42 43 44 45 46 47 48 49 50
Estimación Puntual
x = Estimador puntual de la media (μ)
Ejercicios consultados
∑𝒙
̅=
𝒙 ∑(𝒙𝒊 − 𝒙
̅)
𝒏 𝒔=√
𝒏−𝟏
3559
𝑥= = 296,583 18266,917
12 𝑠=√
11
𝑆 = 40,751
𝒉
̅𝒑 =
𝒏
𝑥̅ = 51 814
11
𝑝̅ =
12
𝑃̅ = 0,917
2. El National Bank of Lincoln quiere determinar el número de cajeros disponibles
durante las horas pico del almuerzo los viernes. El banco ha recolectado datos del
número de personas que entraron al banco los viernes de los últimos 3 meses entre
las 11 a.m y la 1 p.m. Utilice los siguientes datos para encontrar las estimaciones
puntuales.
∑𝒙
̅=
𝒙 ∑(𝒙𝒊 − 𝒙
̅)
𝒏 𝒔=√
𝒏−𝟏
3559
𝑥= = 296,583 18266,917
12 𝑠=√ 40,751
11
𝒉
̅=
𝒑
𝒏
𝑥̅ = 51 814
11
𝑝̅ =
12
𝑝̅ = 0,917
PRUEBAS
1. Calcular los estimadores puntuales, con el siguiente conjunto de datos, que hace
referencia a los sueldos y capacitación de un curso (1 = capacitado; 0 = no recibe la
capacitación).
SALARIOS CAPACITACIÓN
436.85 0 (436.85 − 616.621) 2 = 32317.612
388.72 1 (388.72 − 616.621) 2 = 51938.866
712.28 0 (712.28 − 616.621) 2 = 9150.644
761.31 0 (761.31 − 616.621) 2 = 20934.907
836.59 0 (836.59 − 616.621) 2 = 48386.361
203.8 0 (203.8 − 616.621) 2 = 170421.178
620.22 1 (620.22 − 616.621) 2 = 12.953
654.29 1 (654.29 − 616.621) 2 = 1418.954
852.86 1 (852.86 − 616.621)2 = 55808.865
821.06 1 (821.06 − 616.621)2 = 41795.305
799.93 1 (799.93 − 616.621)2 = 33602.189
216.88 0 (216.88 − 616.621)2 = 159792.867
526.22 0 (526.22 − 616.621)2 = 8172.341
717.27 1 (717.27 − 616.621)2 = 10130.221
601.93 0 (601.93 − 616.621)2 = 215.825
538.96 1 (538.96 − 616.621)2 = 6031.23
610.66 0 (610.66 − 616.621)2 = 35.534
821.62 1 (821.62 − 616.621)2 = 42024.59
345.32 0 (345.32 − 616.621)2 = 73604.233
810.72 1 (810.72 − 616.621)2 = 37674.422
389.26 0 (389.26 − 616.621)2 = 49568.124
640.24 1 (640.24 − 616.621)2 = 557.857
875.3 0 (875.3 − 616.621)2 = 66914.825
14182.29
∑𝒙 𝒉
̅=
𝒙 ̅=
𝒑
𝒏 𝒏
14182.29 11
̅=
𝒙 23 𝑝̅ =
23
𝑥̅ = 616.621
𝑝̅ = 0,478
∑(𝒙𝒊− ̅̅̅
𝒙)𝟐
S=√ 𝒏−𝟏
920509.904
S=√ 23−1
S = 204.552
∈. 𝑀 = Parámetros – estadígrafos
̅
9. Distribución muestral de la 𝑿
La distribución muestral de la media es la distribución de probabilidades de todos los
valores de la media muestral para ello se aplica el teorema de limite central en donde
cualquier distribución de datos se puede aproximar a la distribución normal cuando n tiende
a infinito (n=30)
Valor esperado
∈ (𝑥) = μ
𝑁−𝑛 𝜎
𝜎𝑥=√𝑁−𝑛 ∗
√𝑛
𝒙−𝝁
𝒛=
𝝈𝒙
1. Una población tiene una media de 200 y una desviación estándar de 50. Se tomara
una muestra aleatoria simple de tamaño 100 y se usará la media de la muestra para
estimar la media de la población.
a) ¿Cuál es el valor esperado de la media? Datos:
b) ¿Cuál es la desviación estándar de la media muestral? µ = 200
= 50
c) Determine la distribución muestral de la media n = 100
d) ¿Qué indica la distribución muestral?
a) E( ) = µ
E( ) = 200
𝝈
b) =
√𝒏
50
= =5
√100
c) N ( µ; )
N (200; 5)
2. Una población tiene una media de 200 y una desviación estándar de 50. Suponga
que se selecciona una muestra aleatoria simple de tamaño 100 y que se usa para
estimar µ.
a) ¿Cuál es la probabilidad de que la media de la muestra quede a ±5 de la media de la
población?
b) ¿Cuál es la probabilidad de que la media de la muestra quede a ±10 de la media de
la población?
𝒙−𝒖
a) 𝒁𝟏 = Datos:
𝝈𝒙
195−200 µ = 200
𝑍1 = = -1 P1=0.3413 = 50
5
𝒙−𝒖 n = 100
𝒁𝟐 = 𝝈𝒙
205−200
𝑍2 = =1 𝑃2 = 0.3413
5
P = 0.4772
−𝟏𝟎
𝒁𝟐 = = -2
𝟓
𝑃 = 0.4772
Pt = 0.4772 + 0.4772 = 0.9544
3. Una muestra aleatoria de tamaño 50, se selecciona de una población con desviación
=10. Calcular el error del valor estándar de la media.
a) Cuando el tamaño de la población es 5000 Datos:
b) Cuando el tamaño de la población es 500 = 10
n = 50
𝑛 50
a) = = 0.01 ≤ 0.05
𝑁 5000
𝝈
𝝈𝒙 =
√𝒏
10
𝜎𝑥 = = 1.4142
√50
𝑛 50
b) = = 0.1 ≥ 0.05
𝑁 500
𝑵−𝒏 𝝈
𝝈𝒙 = √𝑵−𝟏 ∗
√𝒏
500−50 10
𝜎𝑥 = √ 500−1 ∗
√50
𝑃2 = 0.0.4222
Pt = 0.0080 + 0.4222= 0.5302
P = 0.3869
Pt = 0.1131
𝑍2 = 0.27
𝑃 = 0.1064
Pt = 0.1064
100−100
b) 𝒁𝟏 = 11 =0
√25
P=0
100−100
𝒁𝟐 = 11 = 1.36
√25
𝑃 = 0.4131
7. El programa de pruebas universitarias de la oficina estadounidense reportó una
calificación SAT de la media de la población con un u=1017 también se sabe que la
desviación estándar es de 100 ¿Cuál es la probabilidad de que una muestra
aleatoria de 75 estudiantes produzca una media de la muestra de calificación SAT
que quede a menos de 10 de la media de la población?
1007−1017
𝑍1 = 100 Datos:
√75 µ = 1017
= 100
𝒁𝟏 = -0.87 n = 75
P= 0.3078
1027−1017
𝒁𝟐 = 100
√75
𝒁𝟐 = 0.87
P = 0.3078
Pt= 0.3078+0.3078
Pt=0.6156
1082−982
𝒁𝟏 = 210 = 3.01 Datos:
√40
µ = 982
P= 0.4987 = 210
882−982 n = 40
𝒁𝟐 = 210 = -3.01
√40
x-u = ±100
P= 0. 4987
Pt = 0.4987+0.4987
Pt=0.9974
Ejercicios consultados
1. 8Si X está distribuida normalmente con media 5 y desviación típica 2, hallar P (X >
8).
Datos:
𝝈 u= 5
𝛔=
√𝒏 =2
2
σ=
√8
2
σ = 2.83 = 0.70
2. Cierto tipo de pieza para automóvil tiene un promedio de duración de tres años,
con una desviación estándar de 0,5 años. Suponga que las duraciones de las piezas
son normalmente distribuidas y encuentre la probabilidad de que una pieza
determinada tenga un tiempo de duración de más de 3,5 años.
8
Levine, D., Krehbiel y Berenson M., (2006). Estadistica para la administracion ($ta ed).
Mexico: Pearson Prentice Hall Datos:
µ=3
= 0.5
n = 3.5
𝒙−𝒖
c) 𝒁𝟏 = 𝝈𝒙
3.5−3
𝑍1 = = 1.85
0.27
𝑃1 = 0.4678
𝒙−𝒖
𝒁𝟐 = 𝝈𝒙
2.5−3
𝑍2 = = -1.85
0.27
𝑃2 = 0.4678
Pt = 0.4678 + 0.4678 = 0.9356
3. Una fábrica de alimentos empaca productos cuyos pesos están normalmente
distribuidos con media de 450 gramos y desviación estándar de 20 gramos.
Encuentre la probabilidad de que un paquete escogido al azar pese entre 425 y 486
gramos.
𝒙−𝒖
𝒁𝟏 = 𝝈𝒙
425−450 Datos:
𝑍1 = 20 = -1.25 µ = 450
√1 = 20
𝑃1 = 0.3944
𝒙−𝒖
𝒁𝟐 = 𝝈𝒙
486−450
𝑍2 = 20 = 1.8
√1
𝑃2 = 0.4641
Pt = 0.4641 + 0.3944= 0.8585
4. 9En un proceso industrial el diámetro de una arandela es muy importante. El
comprador establece en sus especificaciones que el diámetro debe ser de 3,0
+0,01mm. La condición es que no acepta ninguna arandela que se salga de estas
especificaciones. Se sabe que en el proceso el diámetro de las arandelas tienen
distribución normal con media de 3,0 mm y una desviación estándar de 0,005mm.
¿Qué porcentaje de arandelas será rechazado? (Sol: 4,56%)
𝒙−𝒖
𝒁𝟏 = Datos:
𝝈𝒙
µ= 3.0 mm
= 0.005 mm
9
Anderson, D., Sweeney T., (2008). Estadistica para la administracion y economia (10ma edicion) México: CENGAGE Learning
3.01−3.0
𝑍1 = 0.005 =2
√1
𝑃1 = 0.4772
5. El peso medio de 5 estudiantes varones de una universidad es de 68,5 Kg. y la
desviación típica es de 10 Kg. Suponiendo que los pesos están distribuidos
normalmente, cual es la probabilidad de que los estudiantes pesen más de 75 kg.
𝒙−𝒖
𝒁𝟏 = 𝝈𝒙
75−68.5
Datos:
𝑍1 = 10 = 2.90 n=5
√5 µ = 68.5 Kg
𝑃1 = 0.4981 = 10 Kg
n = Tamaño de la muestra
̅̅̅̅̅ = 𝑃
Valor esperado E (𝑃)
𝑁 − 𝑛 𝑃 (1 − 𝑝) 𝑃 (1 − 𝑝)
𝜎 𝑃̅ = √ √ 𝜎 𝑃̅ = √
𝑁−1 𝑛 𝑛
𝑛
= 0.05
𝑁
̅
Forma de la distribución muestral de 𝑷
𝑃̅ − 𝑃
𝑍=
1. np ≥ 5 𝜎𝑝̅
2. n(1-p) ≥ 5
Aplicaciones
1. Se selecciona una muestra aleatoria simple de tamaño 100, de una población con P
= 0.40
̅?
a) ¿Cuál es el valor esperado de 𝑷
E (𝑃) = P
E (𝑃) = 0,40
̅?
b) ¿Cuál es la desviación estándar de 𝑷
𝑃 (1 − 𝑝)
𝜎 𝑃̅ = √
𝑛
0.40 (1−0.40)
𝜎 𝑃̅ = √ = 0.049
100
̅
c) Describa la distribución muestral de 𝑷
N (P; 𝜎 𝑃̅)
N (0.40; 0.049)
Datos:
n = 200
p = 0.40
𝑝 (1−𝑝)
𝜎𝜌 = √ 𝑛
0.40 (1−0.40)
𝜎𝜌 = √ 200
= 0.035
̅−𝑃
𝑃 ̅−𝑃
𝑃
𝑍1 = ̅
𝑍2 = ̅
𝜎𝑃 𝜎𝑃
0.43−𝑜.40
𝑍1 = = 0.86 0.37−0.40
0.035 𝑍2 = = - 0.86
0.035
P1= 0.305
P2 = 0.3051
𝑝 (1−𝑝) 0.55(1−0.55)
𝜎𝜌(1000) = √ 𝜎𝜌 = √ = 0.016
𝑛 1000
± 0.04
𝑍= = 0.87
0.046
b) n=200
± 0.04
𝑍= = 1.25
0.032
c) n=500
± 0.04
𝑍= = 1.90
0.021
P= 0.4713 (x2) = 0.9426
d) n=1000
± 0.04
𝑍= = 2.67
0.015
𝑛𝑝 ≥ 0.5
𝑛(1 − 𝑝) ≥ 0.5
P= 0.3621 (x2)
Pt = 0.7242
P = 0.30
Ejercicios consultados
1. Suponga que tenemos una población con una proporción P= 0.40 y una muestra
aleatoria de tamaño n= 100 extraída de la población.
a) ¿Cuál es la probabilidad de que la proporción muestral sea superior a 0.45?
b) ¿Cuál es la probabilidad de que la proporción muestral sea inferior a 0.29?
c) ¿Cuál es la probabilidad de que la proporción muestral esté comprendida
entre 0.35 y 0.51?10
𝑝 (1−𝑝)
𝜎𝜌 = √ 𝑛
0.40 (1−0.40)
𝜎𝜌 = √ = 0.035
200
10
Autor: Mario F. Triola Edición: 11 Año: 2013 Estadística pg:328 doi:
https://www.biblionline.pearson.com/Pages/BookRead.aspx
̅−𝑃
𝑃 ̅−𝑃
𝑃
𝑍1 = ̅
𝑍2 = ̅
𝜎𝑃 𝜎𝑃
0.43−𝑜.40 0.37−0.40
𝑍1 = = 0.86 𝑍2 = = - 0.86
0.035 0.035
2. Suponga que tenemos una población con una proporción P= 0.25 y una muestra
aleatoria de tamaño n= 200 extraída de la población.
a) ¿Cuál es la probabilidad de que la proporción muestral sea superior a 0.31?
b) ¿Cuál es la probabilidad de que la proporción muestral sea inferior a 0.14?
c) ¿Cuál es la probabilidad de que la proporción muestral este comprendida
entre 0.24 y 0.40?
𝑝 (1−𝑝)
𝜎𝜌 = √ 𝑛
0.40 (1−0.40)
𝜎𝜌 = √ = 0.039
200
̅−𝑃
𝑃 ̅−𝑃
𝑃
𝑍1 = ̅
𝑍2 = ̅
𝜎𝑃 𝜎𝑃
0.43−𝑜.40 0.37−0.40
𝑍1 = = 0.85 𝑍2 = = - 0.85
0.035 0.035
3. Suponga que tenemos una población con una proporción P= 0.60 y una muestra
aleatoria de tamaño n= 100 extraída de la población.
a) ¿Cuál es la probabilidad de la proporción muestral sea superior a 0.52?
b) ¿Cuál es la probabilidad de que la proporción muestral sea inferior a 0.46?
c) ¿Cuál es la probabilidad de que la proporción muestral este comprendida
entre 0.47 y 0.53?11
𝑝 (1−𝑝)
d) 𝜎𝜌 = √ 𝑛
11
Newbold. P, Carlson W, Thorne B; Pearson, Sexta edición, Estadística para Administración y Economía, pg.
276
0.40 (1−0.40)
e) 𝜎𝜌 = √ = 0.035
100
̅−𝑃
𝑃 ̅−𝑃
𝑃
f) 𝑍1 = ̅
h) 𝑍2 = ̅
𝜎𝑃 𝜎𝑃
0.43−𝑜.40 0.37−0.40
𝑍1 = = 0.86 i) 𝑍2 = = - 0.86
0.035 0.035
4. Un gerente de un gran grupo de hospitales cree que el 30% de todos los pacientes
genera facturas que se cobran con 2 meses de retraso como mínimo. Se toma una
muestra aleatoria de 300 pacientes.
a) ¿Cuál es el error típico de la proporción muestral que generará facturas que se
cobrarían con 2 meses de retraso mínimo?
b) ¿Cuál es la probabilidad de que la proporción muestral sea inferior a 0.25?
𝑝 (1−𝑝)
c) 𝜎𝜌 = √ 𝑛
0.30 (1−0.30)
d) 𝜎𝜌 = √ = 0.043
300
̅−𝑃
𝑃 ̅−𝑃
𝑃
e) 𝑍1 = ̅
g) 𝑍2 = ̅
𝜎𝑃 𝜎𝑃
0.43−𝑜.40 0.37−0.40
𝑍1 = = 0.25 h) 𝑍2 = = - 0.25
0.035 0.035
5. Una empresa está considerando la posibilidad de sacar una nueva emisión de bonos
convertibles. La dirección cree que los términos de la oferta serán atractivos para el
20% de todos sus accionistas actuales. Suponga que está en lo cierto. Se toma una
muestra aleatoria de 130 accionistas actuales
a) ¿Cuál es el error típico de la proporción muestral que piensa que esta oferta es
atractiva?
b) ¿Cuál es la probabilidad de que la proporción muestral este comprendida
entre 0.18 y 0.22?
𝑝 (1−𝑝)
c) 𝜎𝜌 = √ 𝑛
0.20 (1−0.20)
d) 𝜎𝜌 = √ = 0.035
130
̅−𝑃
𝑃
e) 𝑍1 = ̅
𝜎𝑃
0.43−𝑜.40
𝑍1 = = 0.86
0.035
f) P1= 0.305
̅−𝑃
𝑃
g) 𝑍2 = ̅
𝜎𝑃
0.37−0.40
h) 𝑍2 = = - 0.86
0.035
i) P2 = 0.3051
11. Estimación por intervalos
𝜎
𝑥̅ = ∓𝑍 ∝2
√𝑛
APLICACIONES
1. Una muestra aleatoria simple de 40 elementos, dio como resultado una media
muestral de 25, la desviación estándar de la población es S
Datos:
n= 40
x= 25
σ= 5
N.C = 95%
𝜎
𝑥̅ = ∓𝑍 ∝2
√𝑛
5
𝑥̅ = ∓1.96 = ± 1.55
√40
[23.45; 26.55]
Datos:
n= 50
= 32
=6
6
𝑋̅ ∓ 1.645 ( )
√50
32 ∓ 1.396
[30.604; 33.396]
[30.337; 33.663]
[29.815; 34.185]
Datos:
n= 60
= 80
= 15
[77.316; 82.684]
Datos:
Z = 1.96
= 126
= 16.07
𝜎
𝑍 ∝2 =4
√𝑛
16.07 31.4972
1.96 =4͢ =4
√𝑛 √𝑛
(31.4972)2 = (4 √𝑛)2
992.073 = 16(n)
992.073
=𝑛 n= 62
16
Valores referenciales de Z
Datos:
N= 250
S= 50
Z= 1.96
= 369
𝑆
𝑋̅ ∓ 𝑍 ∝2
√𝑛
50
369 ∓ 1.96 369 ± 6.198
√250
[363.790; 374.208]
EJERCICIOS CONSULTADOS
1. Se pide a 814 adultos que contestaron un cuestionario acerca de sus ideas sobre
el estado general de la USA a esta pregunta contestaron SI 562 adultos.
Datos:
N= 814
ℎ
𝑃̅ = = 0.69
𝑛
𝑃̅(1 − 𝑃̅ )
𝑃̅ ∓ 𝑍𝛼2 √
𝑛
0.69 (1−0.69)
0.69 ∓ 1.75√ 814
0.69 ∓ 0.028
𝑃̅(1 − 𝑃̅ )
𝑃̅ ∓ 𝑍𝛼2 √
𝑛
0.69 (1−0.69)
0.69 ∓ 1.555√ 814
0.69 ∓ 0.025
2. En una encuesta del Instituto de investigaciones se analizó las razones por los
que los pequeños empleadores ofrecen un plan de retiro para sus empleados 33
veces se revisa la razón en ventaja competitiva en reclutamiento y retención.
Datos:
Z= 2.17
P = 0.33
E = 0.03
(𝑍𝛼2 )2 𝑃 ( 1−𝑝)
𝑛= 𝐸2
1.04
𝑛= = 1.156
0.0009
(𝑍𝛼2 )2 𝑃 ( 1−𝑝)
𝑛= 𝐸2
Datos:
P = 0.16
n= 1285
92% = 1.75
𝑃̅(1 − 𝑃̅ )
𝑃̅ ∓ 𝑍𝛼2 √
𝑛
0.16(1−0.16)
0.16 ∓ 1.75√ 0.16 ± 0.018
1285
(0.142; 0.178)
Datos:
E=2
N= 15
= 6.25
(2.576)2 (6.25)2
𝑛=
22
𝑛 = 64.80 ≅ 65
5. La cantidad de horas que duermen los tungurahuenses cada noche varía mucho
desde 12% de la población que duerme menos de 6 horas hasta 6% que duerme
más de 8 horas. Se coge una muestra con respecto a las horas de sueño por
noche.
6.9 0.0016
7.6 0.5476
6.5 0.1296
6.2 0.4356
5.3 2.4336
7.8 0.8836
7.0 0.0196
5.5 1.8496
7.6 0.5476
6.7 0.0256
7.3 0.1936
6.6 0.0676
7.1 0.0576
6.9 0.0016
6.0 0.7396
6.8 0.0036
6.5 0.1296
7.2 0.1156
5.8 1.1236
8.6 3.0276
7.6 0.5476
7.1 0.0576
6.0 0.7396
7.2 0.1156
7.7 0.7056
Σ𝑛
𝑋̅ = 𝑋̅ = 6.86
𝑛
S = 0.78
𝑆
𝑋̅ ∓ 𝑍𝛼2
√𝑛
0.78
6.86 ∓ 2.064 ( ) 6.86 ∓ 0.322
√25
(6.538; 7.182)
Hipótesis Estadística
Hipótesis Estadística
Por ejemplo, se realiza una investigación sobre el costo de los desayunos en el cafetín
de la ULA – Táchira. Alguien puede llegar a afirmar que los estudiantes invierten un
promedio de 12 bolívares.
Ho: µ = 12 Bs.
Hipótesis Alternativas:
Una hipótesis nula siempre asegura que no hay diferencia entre el estadístico y
el parámetro.
Aunque solo se cuente con la información que proporciona la muestra, la
hipótesis nula se escribe en términos del parámetro de la población.
Si una hipótesis nula es considerada falsa, algo debe ser cierto, es cuando se
considera la hipótesis alternativa.
La metodología de las pruebas de hipótesis está diseñada para analizar la
aceptación o rechazo de hipótesis nulas, sin embargo, no rechazar una hipótesis
nula, no es prueba de que sea cierta.
Nunca se puede probar que una hipótesis nula sea correcta, porque la decisión se
basa solo en la información que aporta la muestra, y no en la información de
toda la población.
La hipótesis nula Ho es la hipótesis que se prueba siempre
La hipótesis alternativa H1 se formula opuesta a la hipótesis nula, y es la
conclusión de apoyo si se rechaza la hipótesis nula.
Region de
no rechazo
Región de Región de
rechazo rechazo
Coeficiente de confianza:
Riesgo 𝛃:
Se define como la probabilidad de cometer un error tipo II. Se le llama también nivel de
riesgo del consumidor. Depende de la diferencia entre el valor hipotético y el valor real
del parámetro poblacional.
Z crítico
Pruebas estadísticas
1) Escala de intervalo o
razón
2) Se ajusta a la curva
Paramétricas
normal
3) Varianzas iguales
Pruebas
1) Escala ordinal o por
rangos
No
2) Su distribución es libre
paramétricas
Region de no rechazo
Región de Región de
rechazo rechazo
-Z = -1.96 Z= 1.96
Se aplica cuando se está interesado en los valores extremos a un solo lado del
parámetro, es decir, en una cola, extremo derecho de la distribución.
Region de no rechazo
Región de
rechazo
Z= 1.645 0.05
Se aplica cuando se está interesado en los valores extremos a un solo lado del
parámetro, es decir, en una cola, extremo izquierdo de la distribución.
Region de no rechazo
Región de
rechazo
0.05 -Z = -1.645
VALORES CRITICOS DE “Z” DE MAYOR USO
∝ 1% 5% 10%
Zc
Prueba + 2.33 + 1.645 + 1.28
de ó ó ó
una cola - 2.33 - 1.645 - 1.28
Prueba + 2.58 + 1.96 + 1.645
de ó ó ó
Dos colas - 2.58 - 1.96 - 1.645
3. Calcular el estadístico de
prueba
𝐻𝑜: 𝜇 ≤ 600
El gerente tiene la razón de que los huéspedes tienen en sus cuentas ≤ 600
El contador demostró que tenía la razón, por lo tanto los huéspedes tienen más de 600
en sus cuentas.
𝑋̅ − 𝜇
𝑍=
𝑆
√𝑛
7.25− 6.7
𝑍= 2.5 = 3.11
√200
d) ¿Cuál es su conclusión?
5) Toma de decisión
∝ = 0.05
𝑋̅ − 𝜇
𝑍=
𝑆
√𝑛
10.8− 13
𝑍= 9.2 = -2.88
√145
5) Toma de decisión
Ejercicios consultados:
𝑥̅ −µ 5812−6000
t= 𝑠 t= 1140 = -0.89
√𝑛 √29
d) ¿Cuál es su conclusión?
Ho: 𝜇 ≥ 245
H1: 𝜇 < 245
P≤α
(0.855; 1.313)
(0.20; 0.10) ≤ 0.05 (falso) Se acepta Ho
3. El consumo anual per cápita de leche es de 21.6 galones. Usted cree que en el oeste
medio el consumo de leche es mayor y desea fundamentar su opinión. En una muestra
de 16 personas de Webster city, pueblo del oeste medio , la media muestral del consumo
anual fue de 24.1 galones y la desviación estándar es s=4.8.
a) Elabore una prueba de hipótesis que se pueda usar para determinar si el consumo
medio anual en Webster city es mayor que la media nacional
Ho: µ ≤ 21.6
Datos
H1: µ > 21.6 𝜇 = 21.6
𝑥=24.1
𝑠 = 48
b) Con α=0.05 cuales son los valores críticos de prueba. 𝛼 = 0.05
n=16
α=0.05
G.l= n-1
G.l=15
tα=Ttabla(α=0.05; G.l=15)= -1.753
t ≥ tα se rechaza
d) Cuál es su conclusión
Datos:
α=0.01
2,492 0 2,492
G.l= n-1
G.l=24
tα=Ttabla(α=0.01; G.l=24)= 2.492
i) ¿Cuál es su conclusión?
12
Martinez, C. (2012). Estadistica y muestreo. Bogota: ECOE.
Una oficina gubernamental de salud y del medio ambiente realiza un análisis de
10 cigarillos y obtiene los contenidos de nicotina para cada uno, siendo de:
21 24 18 16 22 23 20 20 24 16
∑(𝑥 − ̅̅̅
𝑥)2 0.36 12.96 5.76 19.36 2.56 6.76 0.16 0.16 12.96
19.36
a) Calcular la hipótesis
Ho: 𝜇=22
H1: 𝜇 < 22
b) Con α=0.05. ¿Cuáles son los valores críticos para el estadístico de prueba?
α=0.05
G.l= n-1
G.l=9
tα=Ttabla(α=0.05; G.l=9)= -1.833
∑(𝑥 − 𝑥̅ )2
𝑠=√
𝑛−1
80.4
𝑠=√
10 − 1
𝑠 = 2.99
𝑥̅ −µ 20.4−22
t= 𝑠 t= 2.99 = -1.69
√𝑛 √10
f) Conclusión: El contenido de nicotina en el tabaco es diferente es decir que el
investigador no está en lo cierto
13. VALOR P
Un valor P es una probabilidad que aporta una medida de una evidencia suministrada
por la muestra contra la hipótesis nula. Valores P pequeños indican una evidencia
mayor contra la hipótesis nula
Valor P Es la probabilidad de que se obtenga un valor del estadístico del contraste que
sea al menos tan extremo (≤ o ≥) como el observado, suponiendo que Ho sea cierta.13
Rechazo Ho
𝑃 ≤∝
13
Newbold, P. “Estadística para administración y economía” I Capítulo 9 (9.1-9.5)
a) Ho= 𝜇 ≤ 280
Datos
H1= 𝜇 > 280 𝑢 = 280
𝑥=286.9
S=10
b) t = 𝑥 − 𝜇 𝛼 = 0.05
n=9
t=286.9 – 280 = 6.9
c) 𝛼 = 0.05
G.L= n-1
G.L =9-1 = 8
t 𝛼 = 𝑡 𝑡𝑎𝑏𝑙𝑎 = 1.86
d) Calcular el valor estadístico de la prueba
𝑥−𝜇 286.9−280
𝑡= 𝑠 t= 10 = 2.07
√𝑛 √9
e) 𝑡 ≥ 𝑡𝛼 𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜
f) Está en el intervalo (1.860; 2,306) entonces el valor de P esta entre 0,05 y 0,025
1.92 2.16 3,63 3.16 4.02 3.14 2.20 2.34 3.05 2.38
a) Formula las hipótesis nula y alternativa que permitan determinar si las ganancias
promedio poblacionales por acción en 2001 difieren de los tres dólares
informados en el 2000
Ho= 𝜇 = 3
H1= 𝜇 ≠ 3
b) Con 𝛼 = 0.05 ¿Cuáles son los valores críticos para la estadística de prueba, ¿ y
cuál es la regla de rechazo?
𝛼 = 0.05 Datos
𝜇=3
G.L = n-1
𝑥=2.8
G.L =10-1
𝑠 = 0.70
G.L =9 𝛼 = 0.05
n=10
Regla de rechazo
f) ¿cuáles s su conclusión?
Que se acepta Ho no hay diferencia porque -0.90 cae en la zona de aceptación
g) ¿qué puede decir acerca del valor de P?
𝑃(0,20; 0.10)
2𝑃(0.40; 0.20)
2.8±0.50
(2.30; 3.30)
Aplicaciones
2. El nuevo palo de golf ERC de aleación de titanio de Callaway Golf Company
fue calificado como “ilegal” porque promete tiros de salida que superan el
estándar de la USGA, Golf Digest comparo las distancias actuales de tiros de
salida con el palo ERC y un palo aprobado por la USGA con una distancia
promedio poblacional de 280 yardas para el tiro de salida. Usando nueve palos
de prueba, la distancia promedio del tiro inicial con el palo ERC fue de 286.9
yardas. Conteste las preguntas siguientes suponiendo una desviación estándar
muestral de 10 yardas para la distancia de tiro de salida.
g) Formula la hipótesis nula y alternativa que permita determinar si el nuevo palo
de golf ERC tiene una distancia promedio poblacional del tiro de salida mayor
que 280 yardas
h) En promedio ¿cuantas yardas más viajo la pelota de golf con el palo ERC?
i) Con 𝛼 = 0.05 ¿Cuál es el valor crítico para la prueba y cuál es la regla de
rechazo?
j) Calcule el valor del estadístico de prueba
k) ¿Cuál es su conclusión?
l) ¿Qué puede decir acerca del valor de p?
Datos
g) Ho= 𝜇 ≤ 280
𝑢 = 280
H1= 𝜇 > 280 𝑥=286.9
S=10
𝛼 = 0.05
h) t = 𝑥 − 𝜇 n=9
t=286.9 – 280 = 6.9
i) 𝛼 = 0.05
G.L= n-1
G.L =9-1 = 8
t 𝛼 = 𝑡 𝑡𝑎𝑏𝑙𝑎 = 1.86
j) Calcular el valor estadístico de la prueba
𝑥−𝜇 286.9−280
𝑡= 𝑠 t= 10 = 2.07
√𝑛 √9
k) 𝑡 ≥ 𝑡𝛼 𝑆𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻𝑜
l) Está en el intervalo (1.860; 2,306) entonces el valor de P esta entre 0,05 y 0,025
1.92 2.16 3,63 3.16 4.02 3.14 2.20 2.34 3.05 2.38
i) Formula las hipótesis nula y alternativa que permitan determinar si las ganancias
promedio poblacionales por acción en 2001 difieren de los tres dólares
informados en el 2000
Ho= 𝜇 = 3
H1= 𝜇 ≠ 3
j) Con 𝛼 = 0.05 ¿Cuáles son los valores críticos para la estadística de prueba, ¿ y
cuál es la regla de rechazo?
𝛼 = 0.05 Datos
z.c 𝜇=3
G.L = n-1 z.c
𝑥=2.8
G.L =10-1
𝑠 = 0.70
1,833 0 1,833
G.L =9 𝛼 = 0.05
n=10
Regla de rechazo
n) ¿cuáles s su conclusión?
Que se acepta Ho no hay diferencia porque -0.90 cae en la zona de aceptación
o) ¿qué puede decir acerca del valor de P?
𝑃(0,20; 0.10)
2𝑃(0.40; 0.20)
2.8±0.50
(2.30; 3.30)
EJERCICIOS CONSULTADOS
14
Ejemplo 1. El consejo universitario informa que el número promedio de estudiantes
de nuevo ingreso en las universidades es de 6000. En un periodo reciente de
inscripciones. Se tomo una muestra de 32 universidades con una media muestral de los
estudiantes de nuevo ingreso de 5812 y una desviación estándar muestral de
1140.¿Estos datos indican un cambio en el número medio de estudiantes de nuevo
ingreso?
Datos
j) Formule las hipótesis 𝜇 = 6000
𝑥=5812
Ho: µ=6000 𝑠 = 1140
H1: µ≠6000 𝛼 = 0.05
n=29
𝑥̅ −µ 5812−6000
t= 𝑠 t= 1140 = -0.89
√𝑛 √29
m) ¿Cuál es su conclusión?
Ho: 𝜇 ≥ 245
H1: 𝜇 < 245
e) En una muestra de 29 individuos la media muestral encontrada fue de $231 y la
desviación estándar muestral fue $80. ¿Cuál es el valor p?
α=0.05
G.l= n-1 z.c
G.l=28
tα=Ttabla(α=0.05; G.l=28)= -1.701 -1,701
𝑥̅ −µ 231−245
t= 𝑠 t= 80 = -0.94
√𝑛 √29
P≤α
(0.855; 1.313)
(0.20; 0.10) ≤ 0.05 (falso) Se acepta Ho
Ejercicio 3. El consumo anual per cápita de leche es de 21.6 galones. Usted cree que en
el oeste medio el consumo de leche es mayor y desea fundamentar su opinión. En una
muestra de 16 personas de Webster city, pueblo del oeste medio , la media muestral del
consumo anual fue de 24.1 galones y la desviación estándar es s=4.8.
e) Elabore una prueba de hipótesis que se pueda usar para determinar si el consumo
medio anual en Webster city es mayor que la media nacional
Ho: µ ≤ 21.6
Datos
H1: µ > 21.6 𝜇 = 21.6
𝑥=24.1
𝑠 = 48
f) Con α=0.05 cuales son los valores críticos de prueba.
𝛼 = 0.05
n=16
α=0.05
G.l= n-1
G.l=15 z. A. z.c
tα=Ttabla(α=0.05; G.l=15)= -1.753
1,753
t ≥ tα se rechaza
g) Calcule el valor estadístico de prueba
𝑥̅ −µ 24.1−21.6
t= 𝑠 t= 48 = 0.21
√𝑛 √16
h) Cuál es su conclusión
Datos:
α=0.01
2,492 0 2,492
G.l= n-1
G.l=24
tα=Ttabla(α=0.01; G.l=24)= 2.492
Ejercicio 5: Un fabricante desea hacer público, a fin de aumentar sus ventas, que el
contenido de nicotina de sus cigarrillos tienen un promedio inferior a los 22mg. Una
15
Martinez, C. (2012). Estadistica y muestreo. Bogota: ECOE.
oficina gubernamental de salud y del medio ambiente realiza un análisis de 10
cigarrillos y obtiene los contenidos de nicotina para cada uno, siendo de:
21 24 18 16 22 23 20 20 24 16
∑(𝑥 − ̅̅̅
𝑥)2 0.36 12.96 5.76 19.36 2.56 6.76 0.16 0.16 12.96
19.36
g) Calcular la hipótesis
Ho: 𝜇=22
H1: 𝜇 < 22
h) Con α=0.05. ¿Cuáles son los valores críticos para el estadístico de prueba?
α=0.05
z.c
G.l= n-1 z. A.
G.l=9
-1,833
tα=Ttabla(α=0.05; G.l=9)= -1.833
∑(𝑥 − 𝑥̅ )2
𝑠=√
𝑛−1
80.4
𝑠=√
10 − 1
𝑠 = 2.99
𝑥̅ −µ 20.4−22
t= 𝑠 t= 2.99 = -1.69
√𝑛 √10
l) Conclusión: El contenido de nicotina en el tabaco es diferente es decir que el
investigador no está en lo cierto
Aplicaciones:
1. El centro NN para el desarrollo de la fuerza de trabajo encontró que 40% de los
usuarios de internet recibieron más de 10 mensajes de correo electrónico por día
en el año 2000, en el 2001 se repitió un estudio similar acerca del uso del correo
electrónico. El propósito del estudio fue ver si aumento el uso de email.
a) Formule H0 y H1 para determinar si ocurrió un incremento en la proporción de
usuarios de internet
Ho: P≤0.40
Ho: P> 0.40
16
(Anderson, Sweeney, & Williams, 2008)
b) Con α= 0,05 cuál es el valor crítico y cuál es el valor de rechazo
Z ≥ Zα Se rechaza Ho z. A. z.c
1,645
ℎ
ṗ=
𝑛
188
ṗ= DATOS
420
ṗ = 0,4476 P= 0,40
n = 420
h = 188
ṗ−𝑃
𝑍=
√𝑃(1 − 𝑃)
𝑛
0,4476 − 0,40
𝑍=
√0,40(1 − 0,40)
420
𝑍 = 1.99
2. Un estudio realizado por Consumer Reports indica que 64% de los clientes de
los supermercados piensa que los productos de las marcas de los supermercados
son tan buenos como las marcas nacionales. Para investigar si estos resultados
aplican a sus propios productos, un fabricante de salsa de tomate de una marca
nacional, preguntó a los integrantes de una muestra si consideraban a las salsas
de tomate de las marcas de los supermercados tan buenas como la marca
nacional
a) Formule las hipótesis para determinar si el porcentaje de clientes de los
supermercados que considera a las salsas de tomate de las marcas de los
supermercados tan buenas como la marca nacional difiere de 64%.
Ho: P ≥ 0.64
H1: P < 0.64
b) Si en una muestra de 100 clientes 52 opinan que las marcas de los supermercados son
tan buenas como las marcas nacionales, ¿cuál es el valor-p?
DATOS
z.c P= 0,64
n = 1000
h = 52
Z ≤ Zα Se rechaza Ho -1,645
ℎ
ṗ=
𝑛
52
ṗ = 100
ṗ = 0,52
ṗ−𝑃
𝑍=
√𝑃(1−𝑃)
𝑛
0.52−0.64
𝑍= = 2.5
0.64(1−0.64)
√
100
d) ¿Le dará gusto esta conclusión al fabricante de la marca nacional de salsa de tomate?
Explique.
P= 0.5-P(z=-2.5)
Se rechaza Ho:
P= 0.5- 0.4938 P≤α
0.0062 ≤ 0.05
P= 0.0062
Ho: P=0.44
H1: P≠ 0.44
ℎ
ṗ=𝑛
ṗ = 0,41
-1,96 0 1,96
ṗ−𝑃
𝑍=
√𝑃(1 − 𝑃)
𝑛
0,41 − 0,44
𝑧=
√0,44(1 − 0,44)
500
𝑍 = 1,35
EJERCICIOS CONSULTADOS
𝐻0: 𝑝 ≤ 0,75
ṗ−𝑃
a.
√
𝑃(1−𝑃) z.c
𝑛
z. A.
0,68 − 0,75
𝑍=
-1,645
√0,75(1 − 0,75)
300
𝑍 = −2,8
Se rechaza H0 y se acepta H1
ṗ−𝑃
b. 𝑍 = 𝑃(1−𝑃)
√
𝑛
0,72 − 0,75
𝑍=
√0,75(1 − 0,75)
300
𝑍 = −1,20
Se acepta H0 y se rechaza H1
ṗ−𝑃
c. 𝑍 = 𝑃(1−𝑃)
√
𝑛
0,70 − 0,75
𝑍=
√0,75(1 − 0,75)
300
𝑍 = −2,00
Se rechaza H0 y se acepta H1
17
(Anderson, Dennis, Sweeney, & Thomas, 2008)
ṗ−𝑃
d. 𝑍 = 𝑃(1−𝑃)
√
𝑛
0,77 − 0,75
𝑍=
√0,75(1 − 0,75)
300
𝑍 = 0,80
Se acepta H0 y se rechaza H1
2: Un estudio realizado por Consumer Reports indica que 64% de los clientes de los
supermercados piensa que los productos de las marcas de los supermercados son tan
buenos como las marcas nacionales. Para investigar si estos resultados aplican a sus
propios productos, un fabricante de salsa de tomate de una marca nacional, preguntó a
los integrantes de una muestra si consideraban a las salsas de tomate de las marcas de
los supermercados tan buenas como la marca nacional
𝐻0: 𝑝 = 0,64
𝐻1: 𝑝 ≠ 0,64
b) Si en una muestra de 100 clientes 52 opinan que las marcas de los supermercados
son tan buenas como las marcas nacionales, ¿cuál es el valor-p?
ℎ
ṗ=
𝑛
52
ṗ=
100
ṗ = 0,52
-1,96 0 1,96
3: Antes del Super Bowl de 2003, la ABC pronosticó que 22% de la audiencia por
televisión expresaría interés por ver uno de sus próximos programas: 8 Simple Rules,
Are You Hot? y Dragnet. Durante el Super Bowl, la ABC pasó comerciales sobre estos
programas de televisión. Al día siguiente del Super Bowl, una empresa de publicidad
tomó una muestra de 1 532 espectadores que los vieron, de los cuales 414 afirmaron que
verían alguna de las series promovidas por la ABC.
Ho: P = 0.22
H1: P ≥ 0.22
ℎ
ṗ=𝑛
zona
critica
414 zona de
ṗ= aceptacion
1532
ṗ = 0,27 1,645
ṗ−𝑃
𝑍=
√𝑃(1 − 𝑃)
𝑛
0,27 − 0,22
𝑍=
√0,22(1 − 0,22)
1532
𝑍 = 4,72
c) ¿Por qué tales estudios son valiosos para las empresas y los negocios de
publicidad?
a) Formule la hipótesis:
Ho: P ≤ 0.24
H1: P > 0.24
ℎ
ṗ=
𝑛
93 zona
ṗ= critica
300 zona de
aceptacion
ṗ = 0,31
1,645
ṗ−𝑃
𝑍= 𝑃(1−𝑃)
√
𝑛
0,31 − 0,24
𝑍= Se rechaza H0 en consecuencia
√0,24(1 − 0,24) hay más personas que buscan un
300 domicilio cercano a su trabajo
𝑍 = 2,84
185. Por estadísticas que se tienen, se ha podido establecer que por lo menos el 40% de
los jóvenes toman regularmente Coca-Cola, cuando tienen sed. Una muestra aleatoria de
450 jóvenes reveló que 200 de ellos solían tomar dicha bebida, cuando tenían sed. ¿Cuál
podría ser su conclusión al nivel de 1% acerca de lo que muestran las estadísticas?
200 250
𝑝 = 450 = 0,44 = 44% n=450 𝑞 = 450 = 0,56
𝑝−𝑃
1) 𝐻0 : 𝑃 = 0,40 𝑍= 𝑝𝑞
√
𝑛
𝐻1 : 𝑃 ≠ 0,40
2) ∝) 0,01
∝
3) 3) 𝑆𝑝 = √𝑝𝑞 = 0,005
2 z.c z.c
0,44−0,40
4) 𝑍 = = 1,71 2,58 0 2,58
√0,44(0,56)
450
196: Un gerente de una compañía afirma que el porcentaje de atrasos en las horas de
llegada al trabajo cobija al 25% de sus empleados. Solicita al jefe de personal la revisión
de 40 tarjetas marcadas con las horas de llegada, en la quincena y encuentra que 8 han
llegado tarde. Al nivel del 5% ¿hay razón para concluir que el gerente está exagerando?
8
𝑝= = 0,20 𝑛 = 40
40
𝐻0 : 𝑃 = 0,25
19
(Anderson, Dennis, Sweeney, & Thomas, 2008)
2) 𝑆𝑝 = √0,2(0,8) = 0,40
0,20−0,25
3) 𝑍 = = −0,79
0,2(0,8)
√
40
24
𝑃 = 40 = 0,60
1) 𝐻𝑜 : 𝑢𝑝 = 0,76
𝐻1 : 𝑢𝑝 < 0,76
2) ∝= 0,01 z.c
z. A.
𝑝𝑞
3) 𝑆𝑝̅ = √ 𝑛
1,645
𝑝−𝑈𝑝
4) 𝑍 = 𝑝𝑞
√
𝑛
Z= -2.7
8. Se dice con frecuencia que la población de funcionarios públicos que tienen el hábito
de fumar en horas de trabajo, es de 42%. La oficina gubernamental de salud desea
realizar una campaña a fin de disminuir este porcentaje, para ello debe comprobarlo; así
que decide realizar una investigación de muestreo a 25 funcionarios, encontrando que
13 de ellos fuman. ¿A nivel del 1% la oficina puede aceptar el porcentaje del 42% como
indicador?
13
𝑢𝑝 = 𝑃 = 42% 𝑃 = 25 = 0,52 𝑛 = 25 𝑣 = 𝑛 − 1 = 24
1) 𝐻0 : 𝑢𝑝 = 0,42
𝐻1 : 𝑢𝑝 ≠ 0,42
z.c z.c
2) ∝= 0,01
3) 𝑆𝑝 = √𝑝𝑞
-2,58 0 2,58
0,52−0,42
4) 𝑡 =
√0,52(0,48)
25−1
𝑡 = 0.98
5) Conclusión: Si hay razón para aceptar el 42% como indicador de fumadores en
horas de trabajo al nivel del 1%
Datos:
1
𝑃 = 3% 𝑝 = 20 = 0,05 = 5% 𝑛 = 20 ∝= 0,05
𝐻0 : 𝑃 = 0,03
𝐻1 : 𝑃 > 0,03
z. A. z.c
1) 𝑆𝑝 = √𝑝𝑞
1,645
0,05−0,03
2) 𝑡 =
√0,05(0,95)
20−1
𝑡 = 0.4
Esta prueba está indicada en aquellos casos cuando se quiere establecer si la diferencia
entre dos medidas muestrales, extraídas de dos poblaciones independientes, es
significativas o si una media es mayor o menor que otra.
𝑥̅ − 𝑦̅ 𝑥̅ − 𝑦̅ ̅̅̅1̅− 𝑥
𝑥 ̅̅̅2̅
𝑍= ó 𝑍= 2
𝑍=
2 𝜎2 2 𝑠 2 2
√ 𝑠𝑥 + 𝑦 𝑆 𝑆
√𝜎𝑥 + 𝑦 𝑛1 𝑛2 √ 1+ 2
𝑛1 𝑛2 𝑛1 𝑛2
Aplicaciones
1. Supongamos que la empresa desarrollo un curso de entrenamiento para sus
técnicos, formando dos grupos y aplicando métodos distintos de entrenamiento.
Los dos grupos se consideran homogéneos en capacidad. El primer grupo lo
componen 36 técnicos que obtuvieron un puntaje de 6 (en una escala de 0 a 10
puntos) y una desviación típica de 4 puntos y el segundo grupo de 40 técnicos
cuyo promedio fue 8,2 y desviación típica de 4,3 puntos. ¿Se puede concluir que
el método aplicado al segundo grupo al primero? Nivel 1%
Paso 1: Formular la hipótesis
𝐻0 : 𝜇 ≤ 15
𝐻1 : 𝜇 > 15
Regla z.c
z. A.
𝑍 < 𝑍𝛼 𝑅𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝐻0
-2,33
α= 0,01
Paso 3:
𝑥1 − 𝑥
̅̅̅ ̅̅̅2
𝑍=
𝑆2 𝑆2
√ 1+ 2
𝑛1 𝑛2
6 − 8,2
𝑍=
2 2
√ 4 + 4,3
36 40
Z= -2,43
Se ha dicho en repetidas ocasiones, que las proporciones son utilizadas como medidas
aplicadas a características cualitativas (atributos). La prueba de hipótesis, como en los
casos anteriores, implica el uso de la distribución normal, que nos permite establecer si
hay o no alguna diferencia entre dos proporciones, obtenidas en dos poblaciones
independientes, o si un grupo tuvo una proporción mayor que el otro.
𝑝1 𝑞1 𝑝2 𝑞2 𝑝1 − 𝑝 2
𝑆̅𝑝̅̅1̅−𝑝̅̅̅2̅ = √ + 𝑧= 𝑝1 𝑞1 𝑝 𝑞
𝑛1 𝑛2 2 2
√ 𝑛 + 𝑛
1 2
Aplicaciones
1. En una encuesta se preguntó sobre los hábitos de lectura, utilizando una muestra
aleatoria de 350 señoras que trabajan y otra muestra independiente de 325 que
no lo hacen. En el primer caso, 105 manifestaron que estaban suscritas a cierto
tipo revista. En el segundo, la respuesta fue de 130 que no estaban suscritas ni
mostraban interés por ninguna revista, argumentando la falta de tiempo. ¿Al
nivel del 1% se podrá afirmar que las señoras que trabajan leen menos que las
señoras que trabajan?
ℎ
𝑝̅ =
𝐻0 : 𝑝1 = 𝑝2 𝑛
105
𝐻1 : 𝑝1 < 𝑝2 𝑝1 =
̅̅̅ = 0,3231
350
130
𝑝2 =
̅̅̅ = 0,40
325
Regla
z= -2,73
Conclusión: Como cae en la zona de rechazo Ho ha afirmado que las madres que
trabajan leen menos.
EJERCICIOS CONSULTADOS
DATOS DATOS
𝑋 = ẋ1 − ẋ2 ẋ = 2,04 ẋ = 1,72
n = 40 n = 35
𝑋 = 2,04 − 1,72 ʃ = 0,10 ʃ = 0,8
𝑋 = 0,32
b) ¿Cuál es el margen de error con un 95% de confianza?
𝑁𝐶 = 95% zona
critica
𝛼 = 5% zona de
aceptacion
𝑍 = 1,96
1,96
𝑆22 𝑆22
ẋ1 − ẋ2 ± 𝑍𝛼 √ +
2 𝑛2 𝑛2
0,102 0,82
2,04 − 1,72 ± 1,96 √ +
40 35
0,32 ± 0,27
(0,05; 0,59)
Ejemplo 2: Arnold Palmer y Tiger Woods son dos de los mejores golfistas de todos los
tiempos. Para comparar a estos dos golfistas en los datos muestrales siguientes se
proporcionan los resultados de puntuaciones del hoyo 18 durante un torneo de la PGA.
Las puntuaciones de Palmer son de la temporada de 1960 y las de Woods son de la
temporada de 1999 (Golf Magazine, febrero de 2000).
a) Con una desviación estándar poblacional de 2.5 para ambos golfistas, ¿cuál es el
valor del estadístico de prueba?
ẋ1−ẋ2
𝑍= 2 2
√𝑆1 +𝑆2
𝑛1 𝑛2
DATOS DATOS
ẋ = 69,95 ẋ = 69,56
n = 112 n = 84
69,95 − 69,56
𝑍= ʃ = 2,5 ʃ = 2,5
2 2
√2,5 + 2,5
112 84
𝑍 = 1,08
b) ¿Cuál es el valor-p?
𝑃 ≤ 𝛼⁄2
2𝑃 ≤ 𝛼
0,2802 ≤ 0,01
z.c
zona de
z.c Se acepta H0 en consecuencia
aceptacion no existe una diferencia entre
los dos golfistas
-2,58 0 2,58
Ejemplo 3: En una encuesta de BusinessWeek/Harris se pidió a los ejecutivos de empresas
grandes su opinión acerca de sus perspectivas económicas para el futuro. Una de las
preguntas era: ¿Piensa usted que en los próximos 12 meses aumentará en su empresa el
número de empleados de tiempo completo? En esa encuesta 220 de 400 ejecutivos
contestaron sí, mientras que en la encuesta realizada el año anterior, 192 de 400
respondieron sí. Encuentre un intervalo de confianza de 95% para estimar la diferencia
entre las proporciones en estas dos encuestas. Dé su interpretación de la estimación por
intervalo.
𝐻0: 𝑃1 = 𝑃2
DATOS
𝐻1: 𝑃1 ≠ 𝑃2
n = 200 DATOS
h = 220 n = 400
h = 192
ℎ
ṗ=𝑛
ℎ
ṗ=
220 𝑛
ṗ= 192
400
ṗ=
400
ṗ = 0,55
ṗ = 0,48
ṗ1 − ṗ2
𝑍=
√𝑃1𝑄1 + 𝑃2𝑄2
𝑛1 𝑛2
0,55−0,48
𝑍= 0,2475 0,2496
= 1.99
√ +
400 400
𝛼 = 0,05
Se rechaza H0 en consecuencia no
z.c
z.c hay diferencias en las perspectivas
zona de
aceptacion de la empresa
-1,96 0 1,96
a) La hipótesis de investigación afirmaba que era más probable que las mujeres se
detuvieran para preguntar por la dirección. Formule la hipótesis nula y alternativa para
este estudio.
𝐻0: 𝑃1 = 𝑃2
𝐻1: 𝑃1 > 𝑃2
b) ¿Cuál es el porcentaje de mujeres que dijeron detenerse para preguntar por la dirección?
ℎ
ṗ=𝑛
DATOS
300 n = 811
ṗ=
811 h = 300
ṗ = 0,37 = 37%
ℎ DATOS
a. ṗ = 𝑛 n = 750
h = 255
255
ṗ=
750
ṗ = 0,34 = 34%
zona
ṗ1 − ṗ2 zona de
critica
𝑍= aceptacion
√𝑃1𝑄1 + 𝑃2𝑄2
𝑛1 𝑛2
1,645
0,37 − 0,34
𝑍=
√0,37(1 − 0,37) + 0,34(1 − 0,34)
811 750
𝑍 = 1,24
𝑃≤𝛼
Se acepta H0 en consecuencia las
(𝑂, 5 − 0,3925) ≤ 0,05 mujeres se detienen más que los
hombres
0,1075 ≤ 0,05
ℎ
ṗ=
𝑛
DATOS
742 n = 924
ṗ=
924
h = 742
ṗ = 0,803
DATOS
ℎ
ṗ= n = 842
𝑛
h = 714
714
ṗ=
842
ṗ = 0,848
𝐻1: 𝑃1 > 𝑃2
ṗ1−ṗ2
𝑍= 𝑃1𝑄1 𝑃2𝑄2
√ +
𝑛1 𝑛2
zona
critica
0,803 − 0,848 zona de
𝑍= z. A.
aceptacion
√0,803(1 − 0,803) + 0,848(1 − 0,848)
924 842
-2,33
𝑍 = −2,48
De acuerdo con el teorema de Limite Central, cuando ambas variables presentan tamaños
muestrales (n1 y n2) superiores a 30, tendrán un comportamiento similar a la distribución
normal, por lo tanto aplicamos Z. En el caso, que ambos tamaños muestrales sean menores
o iguales a 30, se aplicara la distribución “t” de Student, utilizando diferentes fórmulas de
acuerdo a la forma en la que se dé la información.
∑(𝑥1− 𝑥̅ )2 + ∑(𝑦1− 𝑦̅ )2
𝑆2 =
𝑛1 + 𝑛2 − 2
Con el resultado obtenido al aplicar la formula anterior, nos permite calcular el error
estándar para la diferencia entre las medias muestrales
𝑥̅ − 𝑦̅
𝑡=
√ 𝑠² + 𝑠²
𝑛1 𝑛2
Aplicaciones
1: Un fabricante de cigarrillos analiza el tabaco de dos marcas diferentes, para determinar
el contenido en nicotina y obtiene los resultados siguientes (en miligramos):
Marca A: 24 26 25 22 23
Marca B: 27 28 25 29 26
¿Los resultados anteriores, señalan que existe una diferencia en el contenido medio de
nicotina en ambas marcas? Siendo
∑(𝑥1− 𝑥̅ )2 = 10 ∑(𝑦1− 𝑦̅ )2 = 10
10 + 10 20
𝑆2 = = = 2,5
5+5−2 8
2,5 2,5
𝑠𝑥̅ −𝑦̅= √ + = √1 = 1
5 5
1. 𝐻0 : 𝜇𝑥 = 𝜇𝑦
𝐻1 : 𝜇𝑥 ≠ 𝜇𝑦
2. α= 0,05
z.c z.c
z. A.
-1,96 0 1,96
3. 𝑠𝑥̅ −𝑦̅= 1
(𝟐𝟒 − 𝟐𝟕) −𝟑
𝟒. 𝒕 = = = −𝟑
𝟏 𝟏
µ= 𝑛1 + 𝑛2 − 2 µ= 5+5-2=8
ENSAYO DE HIPOTESIS EJEMPLO DE HIPOTESIS CON TRES VARIABLES
Cuadro De Resultados
MÉTODO A ̅ 𝒂)²
(𝑿𝒂 − 𝑿 MÉTODO ̅ 𝒃)²
(𝑿𝒃 − 𝑿 MÉTODO C ̅ 𝒄)²
(𝑿𝒄 − 𝑿
B
6 1,14 8 4 5 1
6 1,44 7 1 8 16
2 7,84 4 4 4 0
7 4,84 5 1 2 4
3 3,24 6 0 1 9
TOTAL:24 18,8 TOTAL:30 10 TOTAL:20 30
1. PLANTEO DE HIPÓTESIS
1.1 Modelo lógico:
Ho: El rendimiento medio de los alumnos en los tres grupos es el mismo
cualquier sea el método de enseñanza que se aplique.
H1: El rendimiento medio de los tres grupos difiere significativamente con
relación al método de enseñanza
𝑠²
𝐹=
𝑠²
∑𝑋
𝑋̅ =
𝑛
∑(𝑋1 + 𝑋2 + 𝑋3)
𝑋̅𝑔 =
𝑛1 + 𝑛2 + 𝑛3
2. NIVEL DE SIGNIFICACIÓN
α= 0,01
F1= D1/D2 (Ft= Valor de f obtenido de la tabla)
D1= Grados de libertad entre clases n-1------ 3-1=2
D2= Grados de libertad dentro de clases: n1-n2-n3-3-------5-5+5-3=12
Ft=2/12= 6,93
3. REGLA DE DECISIÓN:
𝑆 2 = 10.13
18,8 − 10 + 30
𝑆2 =
5+5+5+3
𝑆 2 = 4,9
10,13
𝐹=
4,9
F=2,07
5. CONCLUSIÓN FINAL
(𝑂 − 𝐸)2
𝑥2 = ∑
𝐸
Para realizar este contraste se disponen los datos en una tabla de frecuencias. Para cada
valor o intervalo de valores se indica la frecuencia absoluta observada o empírica (Oi). A
continuación, y suponiendo que la hipótesis nula es cierta, se calculan para cada valor o
intervalo de valores la frecuencia absoluta que cabría esperar o frecuencia esperada
(Ei=n·pi , donde n es el tamaño de la muestra y pi la probabilidad del i-ésimo valor o
intervalo de valores según la hipótesis nula). El estadístico de prueba se basa en las
diferencias entre la Oi y Ei y se define como:
𝑘
2
(𝐹𝑜 − 𝐹𝑒 )2
𝑋 = ∑
𝐹𝑒
𝑖
Este estadístico tiene una distribución Chi-cuadrado con k-1 grados de libertad si n es
suficientemente grande, es decir, si todas las frecuencias esperadas son mayores que 5. En
la práctica se tolera un máximo del 20% de frecuencias inferiores a 5.
6. CONCLUSION
No normales
U de Mann-
Tipos de datos Independientes
Withney
Dependientes Wilcoxon
Tratamiento 1 7 28 115
Tratamiento 2 15 20 85
Tratamiento 3 10 30 90
Tratamiento 4 5 40 115
levin, R., & Rubin, D. (2010). Estadistica para administracion y economia (septima ed.).
Mexico: Pearson educacion.
Martinez, C. (2006). estadistica y muestreo (12 ed. ed.). Bogota: Ecoe Ediciones.
Murray, S. R., & Larry, S. J. (2009). Estadistica (cuarta edicion ed.). Mexico: Mc Graw
Hill.
Anderson, D., Sweeney T., (2008). Estadistica para la administracion y economia (10ma
edicion) México: CENGAGE Learning