2.

5 ESTIMACIÓN POR INTERVALOS

Estimación para medias, muestras grandes

Intervalo para una muestra:

L ≤≤ U

L = x – [z /n] ; U = x + [z /n]

x – [z /n] ≤  ≤x + [z /n]

Intervalo para dos muestras

L << U

L = (x1 - x2) - z[ (  1/ n1 +  2/ n2)] ;

2 2
U = (x1 - x2 ) + z [( 21/ n1 + 22/ n2) ]

(x1 - x2) – z [ (21/ n1 + 22/ n2)] ≤ 1 - 2 ≤ (x1 - x2 ) + z [( 21/ n1 + 22/ n2)]

Estimación para proporciones

Intervalo para una muestra

L ≤≤ U

L = p – z [ (p q/n)] ; U = p + z [  (p q/n)] donde p + q = 1

p – z [ (p q/n)] ≤ p ≤ p + z [  (p q/n)]
Intervalo para dos muestras

L ≤≤ U

L = ( p1 - p2) - z1 [((p1 q1/n1) + (p2 q2/n2))] ; U = ( p1 - p2) + z2[((p1 q1/n1) + (p2q2/n2))]

( p1 - p2) – z1 [((p1 q1/n1) + (p2 q2/n2))] ≤ p1 - p2 ≤ ( p1 - p2) + z2[ ((p1 q1/n1) +(p2 q2/n2))]

Estimación para variancias

Intervalo para una muestra
L ≤≤ U
(n -1) s2 (n -1) s2
L= ; U =
21 22

(n -1) s2 ≤ σ2 ≤ (n -1) s2 Con  = n-1

21 22

Intervalo para dos muestras

L ≤≤ U

U = s12 f 1(2, 1) ; L = s12 f 2(1, 2)

s22 s22

s12 f1 ≤ σ21/ σ22 ≤ s12 f2 Con 1 = n1-1 y 2 = n2-1

s22 s22
Estimación para medias, muestras pequeñas
Intervalo para una muestra

L ≤≤ U

L = x – [t s/n] ; U = x + [t s/n]

x – [t s/n] ≤  ≤x + [t s/n] con  = n - 1

Intervalo para dos muestras
21 = 22
L ≤≤ U

L = (x1 - x2 ) - t sp [( 1/ n1 + 1/ n2)] ; U = (x1 - x2 ) + t sp [( 1/ n1 + 1/ n2) ]

(x1 - x2 ) - t sp [(1/ n1 + 1/ n2)] ≤ 1 - 2 ≤ (x1 - x2 ) + t sp [(1/ n1 + 1/ n2)]

Donde:
s21(n1 -1) + s22(n2 -1)
s2p = n1 + n2 - 2 con  = n1 + n2 - 2
21  22

L ≤≤ U

L = (x1 - x2 ) - t [( s21/ n1 + s22/ n2)] ; U = (x1 - x2 ) + t [ ( s21/ n1 + s22/ n2) ]

(x1 - x2 ) - t [(s21/n1 + s22/n2)] ≤ 1 - 2 ≤ (x1 - x2 ) + t [(s21/ n1 + s22/n2)]

( s12 / n1 + s22 / n2)2

con v=
[(s12/n1)2/ (n1 -1)] + [(s22/ n2)2 / (n2 - 1)]
2.6 PRUEBAS DE HIPÓTESIS

PRINCIPIOS PARA ESTABLECER HIPÓTESIS

Leer el problema con cuidado y determinar la afirmación que se desea probar.
1. Si la afirmación sugiere una sola dirección como mayor a, menor a, superior a, inferior
a, etc., entonces H1 se establece con el símbolo de desigualdad (> ó <) que
corresponda a la dirección sugerida.
2. Si la afirmación sugiere una dirección compuesta (igualdad y dirección) como al
menos que, mayor o menor que, a lo más que, no mayor que, etc., entonces toda esta
dirección compuesta (≤ ó ≥) se expresa como H0, pero con el uso únicamente del signo
igual y H1 se da en la dirección opuesta.
3. Si no se sugiere ninguna dirección en la afirmación, entonces H1 se establece con el
signo diferente (≠).

PROCEDIMIENTO PARA TOMAR DECISIONES:

a) Establecer la hipótesis nula, H0: = 0

Determina el estadístico a emplear, con su función de distribución de probabilidad
correspondiente.

b) Elegir una hipótesis alternativa apropiada, H1:   0,   0 ó   0.

Lleva al tipo de prueba a realizar, en esta prueba se sobrepone la función de
distribución correspondiente al estadístico elegido.

c) Considerar el nivel de significancia, .

Si se tiene, colocarlo en donde corresponda de acuerdo con el tipo de prueba a
realizar.

d) Establecer la región crítica.

- Con el estadístico de prueba apropiado, establecer la región crítica.
- Si la decisión se basa en un valor P, no es necesario establecer la región crítica.

e) Calcular el valor del estadístico de prueba.

A partir de los datos de la muestra y la fórmula adecuada.

f) Tomar la decisión:
- Rechazar H0 si el estadístico de prueba tiene un valor en la región crítica
- Rechazar Ho si el valor P calculado es menor o igual que el nivel de significancia  que
se desea
- En cualquier otro caso, no rechazar H0.

g) Expresar la decisión estadística

- En términos del problema.

h) Obtener la conclusión
- En términos de la información.
FÓRMULAS:

Pruebas para medias, muestras grandes

Hipótesis una muestra Estadístico
H0:  = 0 vs. H1:   0 x - o
H0:  = 0 vs. H1:   0 zf =
H0:  = 0 vs. H1:   0 /√n
Hipótesis dos muestras Estadístico

H0: 1 = 2 vs. H1: 1  2 (x1 - x2 ) - do

H0: 1 = 2 vs. H1: 1  2 zf =
H0: 1 = 2 vs. H1: 1  2 ( 12/ n1 + 22/ n2)

Pruebas para medias, muestras pequeñas

Hipótesis una muestra Estadístico
H0:  = 0 vs. H1:   0 x - o
H0:  = 0 vs. H1:   0 tf =
H0:  = 0 vs. H1:   0 s/√n
=n-1
Hipótesis dos muestras Si σ12 = σ22
(x1 - x2 ) - do
H0: 1 = 2 vs. H1: 1  2 tf =
sp  [(1/n1) + (1/n2)]

H0: 1 = 2 vs. H1: 1  2 s21(n1 -1) + s22(n2 -1)

s2p = n 1 + n2 - 2

H0: 1 = 2 vs. H1: 1  2  = n1 + n2 - 2

Si σ12  σ22
(x1 - x2 ) - do
t´ =
(s12 / n1 + s22 / n2)

( s12 / n1 + s22 / n2)2

v=
[(s12/n1)2/(n1 -1)] + [(s22/ n2)2 /(n2 - 1)]

Pruebas para variancias

Hipótesis una muestra Estadístico
H0: σ2 = σ20 vs. H1:σ2  σ20 (n -1) s2
H0: σ2= σ20 vs. H1: σ2  σ20 f =
2

H0: σ2 = σ20 vs. H1:σ2  σ20 20

 = n-1
Hipótesis dos muestras Estadístico

H0: σ21= σ22 vs. H1:σ21  σ22 Ff = s21 / s22

H0: σ21= σ22 vs. H1:σ21  σ22 1 = n1 – 1; 2 = n2 - 1
H0: σ21= σ22 vs. H1:σ21  σ22
Pruebas para proporciones
Hipótesis una muestra Estadístico
H0: p = p0 vs. H1: p  p0 X - np0
Z =
H0: p = p0 vs. H1: p  p0  n p0 (1 – p0 )
H0: p = p0 vs. H1: p  p0
Hipótesis dos muestras Estadístico

(x1 / n1 - x2 / n2 )
H0: p1 = p2 vs. H1: p1  p2 z =
{(̸õ(1 -̸õ)*[(1/n1)+(1/n2)]}
H0: p1 = p2 vs. H1: p1  p2
x1 + x2
̸õ =
H0: p1 = p2 vs. H1: p1  p2 n1 + n2

Pruebas para funciones de distribución

Hasta el momento, las pruebas de hipótesis estadística han sido acerca de los
parámetros de media, variancia y proporción (, 2 y p), con una o dos muestras. Sin
embargo, se debe considerar la prueba para determinar si una población tiene una
distribución teórica específica. La prueba se basa en el ajuste adecuado entre las
frecuencias de ocurrencia y las frecuencias esperadas que se obtienen a partir de la
distribución hipotética y ello lleva a la prueba de Bondad de Ajuste, que se realiza de
acuerdo al procedimiento que se describe a continuación.

1) Proponer las hipótesis adecuadas de acuerdo a la función de distribución de

probabilidad elegida.

2) Dividir en k intervalos el número de frecuencias observadas, de manera que en cada

uno de ellos existan al menos cinco valores observados ( bj ). Si esto no ocurre, el
intervalo no es válido y debe unirse con el inmediato anterior o posterior.

3) Con la función de distribución de probabilidad propuesta, calcular la frecuencia

esperada ( ej ) de acuerdo a la fórmula: ej = npj

4) Realizar el ajuste con la fórmula: 2f =  (bj - ej)2/ ej  j = 1…k

5) Obtener el valor crítico 2c de las tablas de la distribución 2: ji- cuadrada con v = k – 1
grados de libertad y el nivel de significancia elegido. Realizando siempre una prueba
lateral derecha

6) Tomar la decisión de acuerdo al siguiente criterio y obtener conclusiones.

a) Si 2f  2c Aceptar H0
b) Si 2f  2c Rechazar H0
Pruebas para independencia de variables

Estas pruebas son útiles para probar la hipótesis de independencia de dos variables de
clasificación. La hipótesis nula será la propuesta de que las variables elegidas son
independientes, la hipótesis alternativa propuesta será que las variables elegidas no son
independientes.
Para realizar este tipo de pruebas se emplea la distribución 2: ji-cuadrada y es necesario
presentar los datos en una tabla a la cual se le llama: tabla de contingencia. Esta tabla
está formada por renglones (r) y columnas (c); los valores contenidos en las celdas
formadas por éstas, son los valores observados (bj) y los totales de renglones y
columnas se denominan frecuencias marginales.

Para obtener la frecuencia esperada ( eij ), se aplica la siguiente fórmula:

(Total de la fila i) x (Total de la columna j)

Frecuencia esperada =
Gran total

Para realizar las pruebas de independencia se emplea la prueba 2: ji-cuadrada que se
utilizó en la prueba de bondad de ajuste de una distribución, utilizando el mismo
procedimiento:

1) Formular las hipótesis: H0: las variables son independientes vs. H1: las variables no
son independientes.

2) Elaborar la tabla de contingencia: con las frecuencias observadas (bij).

3) Obtener las frecuencias marginales: los totales de renglón (r) y columna (c).

4) Obtener las frecuencias esperadas: aplicando la fórmula.

5) Efectuar cálculos: 2f =  (bij - eij)2/ eij  j = 1…k donde k = r x c

6) Con el nivel de significancia ( ), v = (r – 1) (c - 1) grados de libertad y las tablas de

la distribución 2: ji cuadrada, se obtiene el valor crítico 2c que define la región de
aceptación y rechazo para H0, y siempre se realizará una prueba lateral derecha, es
decir, una prueba de cola superior.

7) Decisión: se aplica el criterio de decisión siguiente:

a) Si 2f  2c Aceptar H0
b) Si 2f  2c Rechazar H0