Академический Документы
Профессиональный Документы
Культура Документы
TUMBES- PERU
2018
1
INDICE
INTRODUCCION .............................................................................................................. 3
OBJETIVOS ..................................................................................................................... 4
ESTIMACION ................................................................................................................... 5
INTERVALO DE CONFIANZA ........................................................................................ 6
A. Para la media de una poblacional cuando se conoce la varianza ....................... 6
B. Para la media de una poblacional cuando no se conoce la varianza .................. 8
C. Para la diferencia entre dos medias poblacionales ............................................ 11
D. Intervalo de confianza para la varianza población que sigue una distribución
normal: no se conoce la varianza ............................................................................... 16
E. Intervalo de confianza para la razón de dos varianzas ...................................... 18
PRUEBA DE HIPOTESIS .............................................................................................. 22
PRUEBA DE HIPOTESIS PARA LA MEDIA POBLACIONAL .................................... 28
PRUEBA DE HIPOTESIS PARA LA DIFERENCIA DE MEDIAS POBLACIONALES 32
A. Cuando las varianzas poblacionales son conocidas. ............................................ 32
B. Cuando las varianzas poblacionales son desconocidas. ...................................... 38
PRUEBA DE HIPOTESIS PARA LA VARIANZA POBLACION .................................. 40
PRUEBA DE HIPOTESIS PARA DOS PARAMETROS ............................................... 42
PRUEBA DE HIPOTESIS PARA LA PROPORCION ................................................... 45
PRUEBA DE HIPOTESIS PARA LA DIFERENCIA DE PROPORCIONES
POBLACIONALES. ....................................................................................................... 47
EJERCICIOS PROPUESTOS DE PRUEBA DE HIPOTESIS ...................................... 49
BIBLIOGRAFÍA .............................................................................................................. 58
2
INTRODUCCION
3
OBJETIVOS
4
ESTIMACION
ESTIMACION
Es solo un valor que permite a partir de los datos muéstrales obtener valores
aproximados acerca de un determinado parámetro de la población.
Desventaja: solo proporcionan un valor de los muchos posibles, que puede
proponerse como valor del parámetro; sin conocer que tan buena es la
aproximación.
PROPIEDADES DE UN BUEN ESTIMADOR
Todo buen estimador debe ser:
INSEGADO: El valor esperado del estimador debería ser igual al parámetro que
trata de estimar, En caso que lo sea, se dice que el estimador es insesgado
Ejemplo: La media maestral x es un estimador insesgado de la media poblacional
𝜇 debido a que: E (𝑥̅ ) = 𝜇
EFICIENCIA: De varios estimadores insesgados, el más eficiente es el que tiene
la varianza más pequeña.
CONSISTENTE: Es un estimador mejora a medida que aumenta el tamaño de
la muestra. Cuando el tamaño de la muestra es muy grande los estimadores, por
lo general, valores muy próximo a los parámetros respectivos.
SUFICIENTE: Cuando es capaz de sustraer de la muestra toda la información
que esta contenido acerca del parámetro, Es decir si ningún otro estimador
puede suministrar más información sobre parámetro.
ESTIMACION POR INTERVALOS
La estimación de parámetros por intervalos, permite construye un intervalo que
contendrá el parámetro a estimar con una confianza a priori por el
experimentador.
P (A ≤ Θ ≤ B) =1 - 𝛼
1 – 𝜶 : NIVEL DE CONFIANZA
Es la probabilidad que representa la seguridad de que el intervalo contenga al
verdadero valor del parámetro.
𝜶= NIVEL DE SIGNIFICANCIA
Es la probabilidad de que el intervalo no contenga al verdadero parámetro
5
Ejemplo:
P (A ≤ Θ ≤ B) = 0.95 Es un intervalo del 95% de confianza para el parámetro
Θ
OBSERVACION. Significa que si se extraen repetidamente muestras de
población y se calcula intervalos de esa manera, entonces el 95% de estos
intervalos contendrán al parámetro desconocido.
NOTA:
NIVEL DE NIVEL DE
CONFIANZA SIGNIFICANCIA CONCLUSIÓN
1 -𝜶 𝜶
0.90 0.10 Poco significativo
0.95 0.05 Significativo
0.99 0.01 Altamente significativa
𝒍𝒊 ≤ 𝝁 ≤ 𝑳𝒔
De una población desconocemos la media 𝜇 y deseamos estimarla mediante un
intervalo con una confianza apropiada a partir de los resultados obtenidos en la
muestra aleatoria 𝑥1 , 𝑥2 , 𝑥3 ,…………. , 𝑥𝑛
,
A. PARA LA MEDIA DE UNA POBLACIONAL CUANDO SE CONOCE LA VARIANZA
6
Ejemplo:
1. Una muestra de 40 bolsas de semilla de ébano tiene una media de 25 y
una varianza de 23.04, se pide calcular el intervalo de confianza de 95 %.
Solución:
0.05
Z=95 %→0.95 ----------------------------------1 − = 1 − 0.025 = 0.975 → 1.96
2
= 35
n=40
𝜎 2 = 23.04 → 𝜎 = √23.04 = 4.8
4.8
= 0.76
√40
𝜎 𝜎
𝑃[ − 𝑍1−𝛼 <𝜇< + 𝑍1−𝛼 ]= 1−𝛼
2 √𝑛 2 √𝑛
4.8 4.8
𝑃 [35 − 1.96. < 𝜇 < 35 + 1.96. ]=1−𝛼
√40 √40
𝑃[35 − 1.96(0.76) < 𝜇 < 35 + 1.96(0.76)] = 1 − 𝛼
7
14 14
𝑃 [120.2 − 1.645. < 𝜇 < 120.2 + 1.645. ]=1−𝛼
√50 √50
𝑃[120.2 − 1.645(1.98) < 𝜇 < 120.2 + 1.645(1.98)] = 1 − 𝛼
𝑃[116.94 < 𝜇 < 123.46] = 0.90
Interpretación: el valor medio de las ventas por mes de los vendedores se encuentra
entre 116.94 y 123.46, trabajando con un intervalo de confianza de 90%.
Ejemplo:
1. Se analizan 7 muestras de especies forestales y se ha obtenido una altura
media de 223 centímetros. No se conoce la varianza poblacional por lo
que se ha calculado la desviación típica de la muestra que resulto ser 8.65
centímetros. Estimar la altura media de las especies forestales en
intervalos con un nivel de confianza de 95%.
Solución:
0.05
t=95 %→0.95------------------------1 − = 1 − 0.025 = 0.975 → 1 − 0.975 = 0.025 →
2
2.447
= 223
n=7-1(grado de libertad)
𝑆 = 8.65
8.65
= 3.27
√7
𝑆 𝑆
[ − 𝑡1−𝛼 <𝜇< + 𝑡1−𝛼 ]
2 √𝑛 2 √𝑛
8.65 8.65
[223 − 2.447. < 𝜇 < 223 + 2.447. ]
√7 √7
8
[223 − 2.447(3.27) < 𝜇 < 223 + 2.447(3.27)]
Solución:
0.05
t=95 %→0.95----------------------------------1 − = 1 − 0.025 → 1 − 0.975 = 0.025 → 2.306
2
= 425
n=9-1(grado de libertad)
𝑆 = 6.98
6.98
= 2.33
√9
𝑆 𝑆
[ − 𝑡1−𝛼 <𝜇< + 𝑡1−𝛼 ]
2 √𝑛 2 √𝑛
6.98 6.98
[425 − 2.306. < 𝜇 < 425 + 2.306. ]
√9 √9
[425 − 2.306(2.33) < 𝜇 < 425 + 2.306(2.33)]
[419.63 < 𝜇 < 430.37] = 0.95
𝑆 𝑆
[ − 𝑧1−𝛼 <𝜇< + 𝑧1−𝛼 ]
2 √𝑛 2 √𝑛
Para población finita
𝜎 𝑁 −𝑛 𝑛
𝑋̅ ±𝑍 𝛼/2 √ → 𝑁 ≥ 0,05
√𝑛 𝑁−1
9
Ejemplo:
1. Se tiene una muestra de 45 alumnos de la escuela de Ing. Forestal para
saber su rendimiento académico, se observó una media de 10.5 alumnos
con bajo rendimiento con una desviación típica de 6.4. Determinar el valor
medio mediante un intervalo de confianza con un nivel de significancia del
95 %.
Solución:
0.05
Z=95 %→0.95 ----------------------------------1 − = 1 − 0.025 = 0.975 → 1.96
2
= 10.5
n=45
𝜎 = 6.4
6.4
= 0.95
√45
𝑆 𝑆
[ − 𝑧1−𝛼 <𝜇< + 𝑧1−𝛼 ]
2 √𝑛 2 √𝑛
6.4 6.4
[10.5 − 1.96. < 𝜇 < 10.5 + 1.96. ]
√45 √45
[10.5 − 1.96(0.95) < 𝜇 < 10.5 + 1.96(0.95)]
10
Interpretación: el valor medio de germinación se encuentra entre 18.55 y 23.05, trabajando con un nivel de
confianza de 95 %.
ERROR DE ESTIMACION
Es la diferencia entre el promedio de la muestra 𝑋̅ y el promedio real 𝜇 de la
población. Es decir es la diferencia entre el estigrafo y el parámetro:
E = 𝑋̅ - 𝜇
E ≤ 𝑍𝛼 𝜎
2 √𝑛
𝑆
E ≤ 𝑡1− 𝛼/2
√𝑛
𝒍𝒊 ≤ 𝝁𝟏 − 𝝁𝟐 ≤ 𝑳𝒔
1. Se conoce: 𝝈𝟐𝟏 𝒚 𝝈𝟐𝟐
𝜎2 𝜎2
[( 1− 2 ) ± 𝑧1−𝛼 √ + < 𝜇1 − 𝜇2 ]
2 𝑛1 𝑛2
11
Ejemplo:
1. Dos compañías A y B fabrican el mismo tipo de cuerda de fibra de cedro
y un distribuidor desea conocer la diferencia promedio de la resistencia a
la rotura de las mismas, para lo cual toma muestras de 100 cuerdas de A
y 50 cuerdas de B. La muestra de los cuerdas de la compañía A arrojan
una resistencia promedio a la rotura de 4500 libras y las cuerdas de la
compañía B arrojan una resistencia promedio a la rotura de 4000 libras.
Si se sabe por experiencia que la desviación estándar de la resistencia a
la rotura es de 300 libras para la compañía A y de 200 libras para la
compañía B, se pide estimar el intervalo de confianza de la diferencia de
medias de la resistencia a la rotura entre las dos cuerdas, con un nivel de
confianza del 95%. Se sabe que la resistencia a la rotura se distribuye
normalmente para ambas compañías.
Solución:
0.05
Z=95%→0.95--------------------------------1- =1-0.025=0.975→1.96
2
Cuerda Muestra σ 𝜎2
A 100 4500 300 90000
B 50 4000 200 40000
𝜎2 𝜎2
[( 1− 2 ) ± 𝑧1−𝛼 √ + < 𝜇1 − 𝜇2 ]
2 𝑛1 𝑛2
12
Solución:
0.10
Z=90%→0.90--------------------------------1- =1-0.05=0.95→1.645
2
Maquina Muestra σ 𝜎2
1 120 300 20 400
2 80 390 30 300
𝜎2 𝜎2
[( 1 − 2) ± 𝑧1−𝛼 √ + < 𝜇1 − 𝜇2 ]
2 𝑛1 𝑛2
𝛴(𝑥𝑖 − )2
𝑆2 =
𝑛−1
(𝑛1 − 1)𝑠12 + (𝑛2 − 1)𝑠22
𝑆𝑐2 =
𝑛1 + 𝑛2 − 2
Ejemplo:
13
1 = 6.5 2 = 13.5
82.5 138.5
𝑆12 = = 9.17 𝑆22 = = 15.39
10 − 1 10 − 1
(10 − 1)9.17 + (10 − 1)15.39
𝑆𝑐2 = = 12.28
10 + 10 − 2
𝑠𝑐2 𝑠𝑐2 𝑠𝑐2 𝑠𝑐2
[( 1− 2 ) − 𝑡 𝛼 √ + < 𝜇1 − 𝜇2 < ( 1− 2 ) + 𝑡1−𝛼 √ + ]
1− 2 𝑛 𝑛2 𝑛1 𝑛2
1 2
Solución:
0.10
t=90 %→0.90------------------------1 − = 1 − 0.05 = 0.95 → 1 − 0.95 = 0.05 → 1.725
2
Grado de libertad: n1+n2-2=12+10-2=20
1 = 8.5 2 =12.3
323 196.1
𝑆12 = = 29.36 𝑆22 = = 27.79
12 − 1 10 − 1
(12 − 1)29.36 + (10 − 1)27.79
𝑆𝑐2 = = 28.65
12 + 10 − 2
𝑠𝑐2 𝑠𝑐2 𝑠𝑐2 𝑠𝑐2
[( 1− 2 ) − 𝑡 𝛼 √ + < 𝜇1 − 𝜇2 < ( 1− 2 ) + 𝑡1−𝛼 √ + ]
1− 2 𝑛 𝑛2 𝑛1 𝑛2
1 2
14
Caso II:
𝒔𝟐 𝒔𝟐
Ejemplo : 𝟏 − 𝟐) ± 𝒛𝟏−𝜶 √ + < 𝝁𝟏 − 𝝁𝟐
𝟐 𝒏𝟏 𝒏𝟐
Solución:
0.04
Z=96%→0.96-------------------------------1- =1-0.02=0.98→2.065
2
𝑠2 𝑠2
( 1 − 2) ± 𝑧1−𝛼 √ + < 𝜇1 − 𝜇2
2 𝑛1 𝑛2
42 62 42 62
(70 − 60) − 2.056√( + ) < 𝜇1 − 𝜇2 < (70 − 60) + 2.056√( + )
70 68 70 68
15
tienda de Piura dio una media de 26. Las desviaciones estándares de las
2 poblaciones es de 3.9 y 5.4 respectivamente.
Solución:
0.10
Z=90%→0.90-------------------------------1- =1-0.05=0.95→1.645
2
𝑠2 𝑠2
( 1− 2 ) ± 𝑧1−𝛼 √ + < 𝜇1 − 𝜇2
2 𝑛1 𝑛2
(𝒏 − 𝟏)𝒔𝟐 𝟐
(𝒏 − 𝟏)𝒔𝟐
≤𝝈 ≤ 𝟐
𝒙𝟐𝟏−𝜶/𝟐,𝒏−𝟏 𝒙𝜶/𝟐,𝒏−𝟏
𝛼
1-𝛼 𝛼 /2
2
2 2
𝑥1− 𝛼
,𝑛−1
𝑋𝛼/2 ,𝑛−1
2
16
Ejemplo:
(12)13.72 2 <
(12)13.72
2 < 𝜎 2
𝑥0.95,12 𝑥0.05,12
2252.28 2252.28
< 𝜎2 <
21.03 5.226
107.1 < 𝜎 2 < 430.98
N=20
Grado de libertad=19
S=8
95%=1-0.05=0.05
(𝑛 − 1)𝑠2 2
(𝑛 − 1)𝑠2
2 ≤𝜎 ≤ 2
𝑥1−𝛼/2 𝑥𝛼/2,𝑛−1
(20)82 2
(20)82
2 < 𝜎 < 2
𝑥0.975,19 𝑥0.025,19
1280 1280
< 𝜎2 <
32.85 8.907
38.96 < 𝜎 2 < 143.71
17
E. INTERVALO DE CONFIANZA PARA LA RAZÓN DE DOS VARIANZAS
𝝈𝟐𝟏
( 𝑳𝒊 ≤ ≤ 𝑳𝒔 )
𝝈𝟐𝟐
𝛼/2 1–𝛼 𝛼 /2
Ejemplo:
1. Durante la venta de plantones de pretino en una feria se tomaron 2 grupos
de tiendas con 15 y 25 vendedores en cada una; se registraron los precios
de venta de los plantones, siendo sus medias 20.8 y 26.4 y sus varianzas
9.6 y 12.3 respectivamente. Encuentre un intervalo de confianza del 95 %
para la comparación de varianzas.
Solución:
N1=15 N2=25
= 20.8 = 26.4
σ =9.6
2
σ =12.3
2
18
𝑠12 1 𝜎12 𝑠12
2 . 𝑓𝛼 ≤ ≤ . 𝑓𝛼
𝑠2 ,𝑛 −1,𝑛
𝜎22 𝑠22 2 ,𝑛1 −1,𝑛2 −1
2 1 2 −1
9.6 2
9.6
12.3 ≤ 𝜎
≤ 12.3
2.77 𝜎 2 2.47
0.78 𝜎 2 0.78
≤ ≤
2.77 𝜎 2 2.47
𝜎2
0.28 ≤ ≤ 0.32
𝜎2
Interpretación: Las varianzas de ambas muestras se encuentran en un intervalo de 0.28
y 0.32, trabajando con un nivel de confianza del 95%.
14.5 2
14.5
10.8 ≤ 𝜎 ≤ 10.8
1.79 𝜎 2 1.74
1.34 𝜎 2 1.34
≤ ≤
2.77 𝜎 2 2.47
𝜎2
0.48 ≤ 2 ≤ 0.54
𝜎
Interpretación: Las varianzas de ambas muestras se encuentran en un intervalo de 0.48
y 0.54 trabajando con un nivel de confianza del 90%.
19
INTERVALOS DE CONFIANZA
20
8) Una muestra de 25 guayacán con un tamaño que tiene promedio de 1.64 cm y
una desviación estándar de 1cm con una confianza de 90% y 95% para la
varianza real de esta determinada el tamaño si se supone que el tamaño se
distribuye normalmente.
12) Se determina que las tensiones de rotura de una línea de pesca de prueba de
30 libras, para una muestra de 6 carretes son: 34, 33, 26, 32, 28 y 27 libras.
Calcular un intervalo de confianza del 95% para la varianza poblacional
13 ) Un fabricante quiere estimar la variabilidad de los niveles de impureza de los
envíos de materia prima de un determinado proveedor ,extrae para ello una
muestra de 15 envíos y comprueba que la desviación estándar mestal en la
concentración de los niveles de impureza es 2.36%.Supongase que la población
es normal:
a) Calcule un ic del 95% para la varianza poblacional b) Sin hacer cálculos,
determine si un ic del 99%, tendrá una longitud menor o igual a la del ic,
calculado en el apartado (a)
15) Dos marcas de maquina A y B han sido diseñados para producir cierto tipo de
producto. Tienen Igual precio, Una fabricante, al decidir cuál comprar, ha
observado en operación durante una hora 9 máquinas diferentes de cada marca.
El número de artículos producidos por cada máquina fue:
Marca A: 35, 36, 49 , 44 ,43, 37 , 38 ,42 y 39
Marca B: 27 , 28 , ,53 , 52, , 48, 29 , 34 , 47 y 45
21
Con 90% de confianza, ¿Cuál maquina le recomendaría comprar, teniendo en
cuenta la variabilidad? ¿Por qué?
PRUEBA DE HIPOTESIS
PRUEBA DE HIPOTESIS
1. HIPÓTESIS ESTADÍSTICA :
Es una afirmación, suposición o conjetura acerca de unos o más
parámetros, esta suposición puede ser cierta o falsa.
La aceptación de una hipótesis implica que los datos no proporcionan
evidencia suficiente para refutarla.
Las hipótesis estadísticas son dos:
22
HIPOTESIS NULA: 𝑯𝟎
Es aquella por medio de la cual se hace una afirmación sobre un
parámetro que se va a constatar con el resultado maestral.
HIPOTESIS ALTERNATIVA: 𝑯𝟏
Es aquella hipótesis que difiere de la hipótesis nula. Es decir, ofrece una
alternativa, afirmando que la hipótesis nula es falsa
El rechazo de la hipótesis nula implicara la aceptación de la hipótesis
alternativa...
Ejemplo:
Se tiene un juicio donde se supone que el acusado es inocente en tanto
no se presente suficiente evidencia para demostrar lo contrario.
𝐻0 : Es inocente.
𝑯𝟏 : No es inocente
Rechaza 𝑯𝟏 : No es inocente
(Se condena)
Tipos de Error
23
Decisión 𝑯𝟎 verdadera 𝑯𝟎 Falsa
Ejemplo
SOLUCION
24
Prueba Unilateral a la derecha
Cuando la hipótesis alternativa de lo que se quiere
Probar Hace mención a “MAYOR” la región de RA
Rechazo está a la derecha. RR
𝐻1 : Los salarios que paga la empresa son superiores a 1200.
Son los números que definen las fronteras de la región de rechazo con la región
de aceptación.
- 𝑎 +a -a +a
5) NIVEL DE SIGNIFICANCIA ( 𝜶 )
25
- 𝛼 𝛼
UNILATERAL BILATERAL
6) estadística de prueba
Es un número que se calcula con los datos de la muestra y que se utiliza para
tomar la decisión de aceptar o rechazar la hipótesis nula.
7) Regla de decisión
EL VALOR P
Si P > 𝜶 ⇒ aceptamos 𝑯𝟎
Si P ≤ 𝜶 ⇒ Rechazamos 𝑯𝟎 y aceptamos 𝑯𝟏
26
CALCULO DEL VALOR P:
Si 𝑯𝟏 : < Si 𝑯𝟏 : > Si 𝑯𝟏 : ≠
P= P (Z ≤ ep ) P = P (Z > ep ) P = 2 P ( Z > ep )
Ejemplo.
Una muestra aleatoria de 100 personas presente una vida promedio de 71.8
años, Si la desviación estándar de la población es 8.9 años. ¿Esto parece indicar
que la vida media es mayor que 70 años?
SOLUCION
1° HIPOTESIS
H0 : 𝜇 ≤ 70
H1 : 𝝁 > 70
2° Estadístico de Prueba:
𝑥̅ −𝜇0 718−70
Z = 𝛼/ = 8.9 = 2.02
√ 𝑛
√100
27
PRUEBA DE HIPOTESIS PARA UN PARAMETRO
Sea 𝑥1 , 𝑥2 , ….. , 𝑥𝑛 Una muestra aleatoria tomada de una población normal con
media 𝜇 y varianza 𝜎 2 , entonces:
𝑯𝟎 : 𝝁 ≥ 𝝁𝟎 𝑯𝟎 : 𝝁 ≤ 𝝁𝟎 𝑯𝟎 : 𝝁 ≠ 𝝁𝟎
𝑯𝟏 : 𝝁 < 𝝁𝟎 𝑯𝟏 : 𝝁 > 𝝁𝟎 𝑯𝟏 : 𝝁 ≠ 𝝁𝟎
𝑍𝛼 𝑍1−𝛼
𝑡𝛼 , n-1
𝑡1−𝛼 , n-1 ±𝑍𝛼72
∓𝑡1−𝛼 , n-1
ESTADISTICA DE PRUEBA
𝝈𝟐 Conocida 𝝈𝟐 desconocida
Si n < 30: Si n ≥ 30
̅− 𝝁𝟎
𝒙
Z= ̅ − 𝝁𝟎
𝒙 ̅− 𝝁𝟎
𝒙
𝝈 /√𝒏 t= Z=
𝑺/√𝒏 𝑺 /√𝒏
Ejercicios:
1. Se desea contrastar con un nivel de significancia del 5% la hipótesis de
que la talla media de árboles forestales de 5 o más años del santuario
28
nacional cerros de amotape es igual a 180 cm. Suponiendo que la
desviación típica de las tallas de los árboles en el santuario nacional
cerros de amotape vale 8 cm, contraste la hipótesis la frente a la
alternativa de que es distinta. Los datos constituyen una muestra de 30
árboles forestales seleccionados al azar, cuyas alturas son:
167, 167, 167, 167, 168, 168, 168, 168, 168, 168, 169, 169, 171, 171, 172,
172, 173, 173, 175, 175, 175, 175, 175, 175, 177, 177, 182, 182, 195, 195.
Solución:
Datos: n= 30 𝜇=180 𝜎=8 𝛼 =0.05 𝑋̅= 173.47
1° hipótesis: 𝐻0 : 𝜇 = 180 𝐻1 : 𝜇 180
2° Calculamos la “z” tabulada:
RA
RR
-4.47 - 1.96
6° Conclusión:
Con un nivel de significancia del 5%, llegamos a la concluir que las tallas media
de los árboles forestales de 5 o más años del santuario nacional cerros de
amotape es distinta a 180.
29
Solución:
Datos: n=30 μ=175 𝑋̅=173.47 𝜎=6 𝛼=0.05
1° hipótesis: 𝐻0 : 𝜇 = 175 𝐻1 : 𝜇 < 175
2° Calculamos la “z” tabulada: −𝑧0.05 = −0.95 ⇒ −1.645
3° Hallamos la “z” calculada:
𝑋̅−μ 173.47−175
𝑧= 𝜎 Z= 6 𝑧 = −1.4
√𝑛 √30
RA
RR
- 1.645 – 1.4
6° Conclusión:
Ejemplo:
Solución:
30
4° Hallamos la “t” calculada:
𝑋̅−μ 42−46
𝑡= 𝑆 𝑡= 11.9 𝑡 = −1.16
√𝑛 √12
RA
RR
-2.201 -1.16
7° Conclusión:
19 18 17 16 15 15 14
13 12 11 11 8 7 15
19 15 12 12 11 10 8
15
¿Sugieren que los datos que falla la recolección de estas semillas promedio son
mayor de 10? Supongamos que el tiempo de la recolección fallida tiene una
distribución normal, y utilícese un nivel de significancia del 5%.
Solución:
Datos: n=22 𝛼=0.05 Gl :-1=22-1=21 μ=10 s=3.46 𝑋̅=12.86
1° hipótesis: 𝐻0 : 𝜇 = 10
31
𝐻1 ∶ 𝜇 > 10
𝑋̅−μ 12.86−10
𝑡= 𝑆 𝑡= 3.46 𝑡 = 3.88
√𝑛 √22
RA
RR
2.08 3.88
6° Conclusión:
𝑯𝟎 : 𝝁𝟏 ≥ 𝝁𝟐 𝑯𝟎 : 𝝁𝟏 ≥ 𝝁𝟐 𝑯𝟎 : 𝝁𝟏 = 𝝁𝟐
𝑯𝟏 : 𝝁𝟏 < 𝝁𝟐 𝑯𝟏 : 𝝁𝟏 > 𝝁𝟐 𝑯𝟏 : 𝝁𝟏 ≠ 𝝁𝟐
32
𝑍𝛼 𝑍1−𝛼 -𝑍𝛼/2 +𝑍𝛼/2
ESTADISTICA DE PRUEBA:
(𝑥1 −𝑥2 )
Z=
𝜎 2
𝜎 2
√ 1+ 2
𝑛1 𝑛2
Ejemplo:
1. En una empresa estudian los tiempos de entrega de semillas de Guácimo
de dos muestras independientes de los tiempos resurtidos(días) en los
pedidos hechos a ambos proveedores y se dan los siguientes valores:
Proveedor A Proveedor B
Número de pedidos 50 30
Media 14 12.5
Varianza poblacional 9 4
Comprobar para α=0.05 si los tiempos de entrega son iguales contra
la alternativa de que el proveedor a se tarda en promedio más tiempo
que el proveedor B
Solución:
1° Hipótesis:
𝐻0 : 𝜇1 − 𝜇2 = 0
𝐻1 : 𝜇1 > 𝜇2
33
4° Graficamos la zona de rechazo y zona de aceptación:
RA
RR
1.645 2.68
6° Conclusión:
Maqui.2 16.02 15.97 15.96 16.01 15.99 16.03 16.04 16.02 16.01 16
Solución:
1° Hipótesis:
𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 ≠ 𝜇2
34
RA RR
1.35 1.96
6° Conclusión:
La Ing. De calidad trabajando con un nivel de significancia del 5%
concluye que hablas maquinas tienen el mismo volumen neto.
b) 𝝈𝟐𝟏 𝒚 𝝈𝟐𝟐 son desconocidas: 𝒏𝟏 + 𝒏𝟐 < 30, se supone 𝝈𝟐𝟏 = 𝝈𝟐𝟐
𝑯𝟎 : 𝝁𝟏 ≥ 𝝁𝟐 𝑯𝟎 : 𝝁𝟏 ≥ 𝝁𝟐 𝑯𝟎 : 𝝁𝟏 ≥ 𝝁𝟐
𝑯𝟏 : 𝝁𝟏 < 𝝁𝟐 𝑯𝟏 : 𝝁𝟏 < 𝝁𝟐 𝑯𝟏 : 𝝁𝟏 < 𝝁𝟐
ESTADISTICO DE PRUEBA
𝛴(𝑥𝑖 − 𝑥)2
𝑆2 =
𝑛−1
(𝒏𝟏 −𝟏)𝑺𝟐𝟏 +(𝒏𝟐 −𝟏)𝑺𝟐𝟐 (𝑥1 −𝑥2 )
𝑆𝑐2 = t:
𝒏𝟏 +𝒏𝟏 −𝟐 2 2
𝑠 𝑠
√ 1+ 2
𝑛1 𝑛2
otra forma :
̅ 𝟏− 𝑿
𝑿 ̅𝟐
t=
( 𝒏𝟏 −𝟏 )𝑺𝟐 𝟐
𝟏 +( 𝒏𝟐 −𝟏 )𝑺𝟐 𝟏 𝟏
√ ( + )
𝒏𝟏 + 𝒏𝟐 − 𝟐 𝒏𝟏 𝒏 𝟐
35
Ejercicios:
1. Un fabricante de aceite de Palo santo desea saber si una reducción de 10
% en el precio es suficiente para aumentar las ventas de su producto para
investigar esto, selecciona al azar 8 tiendas y vende el producto a precio
reducido, luego selecciona otras 7 tiendas al azar y lo vende a precio
normal. Los números de unidades vendidas durante el mes anterior en las
tiendas seleccionadas se dan en el cuadro.
2° Calculamos la “𝑆 2 ”:
Σ(𝑋1 −𝑋̅)2
𝑆2 = 𝑆12 = 396.57 𝑆22 = 227.84
𝑛−1
3° Hallamos el “𝑆𝑐2 ”
36
6° Graficamos la zona de rechazo y zona de aceptación:
RR RA
-2.65 -0.82
8° Conclusión:
2° Calculamos la “𝑺𝟐 ”:
Σ(𝑋1 −𝑋̅)2
𝑆2 = 𝑆12 = 1.82 𝑆22 = 1.5
𝑛−1
3° Hallamos el “𝑺𝟐𝒄 ”
37
(𝑥1 −𝑥2 ) (5.4−7)
𝑡𝑐 = 1.67 1.67
𝑡𝑐 = −2.69
𝑠2 𝑠2 √ +
√ 1+ 2 10 9
𝑛1 𝑛2
RA
RR
-2.69 -2.11
𝑯𝟎 : 𝝁𝟏 ≥ 𝝁𝟐 𝑯𝟎 : 𝝁𝟏 ≤ 𝝁𝟐 𝑯𝟎 : 𝝁𝟏 = 𝝁𝟐
𝑯𝟏 : 𝝁𝟏 < 𝝁𝟐 𝑯𝟏 : 𝝁𝟏 ≠𝝁𝟐
𝑯𝟏 : 𝝁𝟏 > 𝝁𝟐
Estadista de prueba
(𝑥1 − 𝑥2 )
𝑍0 =
𝑠12 𝑠22
√ +
𝑛1 𝑛2
38
Ejercicios:
1. En dos parcelas “1” y”2” se conoce que tienen una muestra de 30
plantones de ceibo y 30 plantones de guácimo, se tienen una media
maestral de 121 y 112 minutos, lo que demora para plantar dichos
plantones. Se sabe que la desviación estándar es de 8 minutos por cada
parcela. ¿A qué conclusión puede llegar el dueño de dichas parcelas para
que el tiempo de plantación de los plantones sea mayor, sobre un nivel de
significancia del 5%?
Solución:
𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 < 𝜇2
RA
RR
1.64 4.35
39
1° Hipótesis: 𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 > 𝜇2
RA RR
1.645 5.039
𝑋𝛼2.𝑛−1
𝑋𝛼2 ,𝑛−1 2
𝑋1− 𝛼,𝑛−1 2
2
𝑋1−𝛼
,𝑛−1
2
ESTADISTICA DE PRUEBA.
𝟐 ( 𝒏−𝟏 )𝑺𝟐
𝑿 = 𝝈𝟐𝟎
40
Ejercicios:
1. Se debe maquinar determinada parte con tolerancias muy estrechas, para que los
clientes la puedan aceptar. Las especificaciones del producto piden que la varianza
poblacional de las longitudes de las partes sea 0.0004. Suponga que, con 30 partes, la
varianza maestral resultó ser 0. 0005. Pruebe, con 𝛼 = 0.05, si existe una diferencia.
Solución:
Datos: n=30 𝜎 2 = 0.0004 𝛼 = 0.05 𝑆 2 = 0.0005
1° Hipótesis: 𝐻0 : 𝜎 2 = 0.0004
𝐻1 : 𝜎 2 ≠ 0.0004
2° Hallamos la chi-cuadrado en la tabla:
𝛼
1 − 2 ; 𝑛 − 1 ⇒ −0.975; 29 = ±45.72
(𝑛−1)𝑆 2 (29)0.0005
𝑋2 = = 𝑥 2 = 36.25
𝜎2 0.0004
4° Grafico:
RA RR
36.25 45.72
6° Conclusión
Trabajando con un nivel de significancia 5%, llegamos a concluir que, para
maquinar determinada parte con tolerancias muy estrechas, para que los
clientes la puedan aceptar. Las especificaciones del producto, es diferente a
0.0004.
Solución:
Datos: n=30 𝜎 2 = 0.75 𝑆 2 = 2 𝛼 = 0.05
1° Hipótesis:
𝐻0 : 𝜎 2 = 0.75
𝐻1 : 𝜎 2 > 0.75
41
2° Hallamos la chi-cuadrado en la tabla:
1 − 𝛼; 𝑛 − 1 ⇒ 0.95; 29 = 42.56
(𝑛−1)𝑆 2 (29)2
𝑋2 = = = 77.33
𝜎2 0.75
4° Grafico:
RA
RR
77.33 42. 56
5° Decisión: Se rechaza la 𝐻0 .
ESTADISTICO DE PRUEBA
𝒔𝟐𝟏
F= 𝟐 𝒓𝟏 = 𝒏𝟏 – 1 , 𝒓𝟐 = 𝒏𝟐 – 1
𝒔 𝟐
42
Ejercicios:
1 Los siguientes datos representan los tiempos de duración de las películas producidas
por dos compañías cinematográficas.
Usando un nivel de significancia del 10% ¿Existe diferencia entre las varianzas para
los tiempos de duración de las películas producidas por ambas compañías?
SOLUCION
Datos
𝛼
Compañía 1 𝑛1 =5 𝑋̅1= 97.4 𝑆12 = 78.80 𝛼 = 0.10 1- = 0.95
2
𝛼
Compañía 2 𝑛2 = 7 𝑋̅2 = 110 𝑆22 = 913.33 = 0.05
2
1° Hipótesis
𝑯𝟎 : 𝝈𝟐𝟏 = 𝝈𝟐𝟐
𝑯𝟏 : 𝝈𝟐𝟏 ≠ 𝝈𝟐𝟐
2° Valores críticos
𝑭𝜶 ,𝒓𝟏 ,𝒓𝟐 = 𝐹0.05 ,4,6= 0.16 𝐹1−𝛼,𝑟1 ,𝑟2 = 𝐹0.95 ,4,6= 4.53
𝟐 2
𝟑° Estadístico de prueba.
𝑠12 78.80
F= 2 = 913.33 = 0.086
𝑠 2
4° Decisión:
RA
0.16 4.33
Se rechaza la 𝐻0 .y aceptamos 𝐻1
43
2 Una Compañía desea determinar si sus clientes femeninos difieren de los masculinos
en la variabilidad de sus compras anuales .Se toma para comparar una muestra de
21 damas y otra de 31 caballeros para un año dado y se obtiene las varianzas
𝑆12 =170 y 𝑆22 =196 en unidades vendidas, respectivamente, Serán las variabilidades
de compras anuales de los dos tipos de clientes iguales?
SOLUCION
Datos
𝛼
Damas 𝑛1 = 21 𝑆12 = 170 𝛼 = 0.10 1- 2 = 0.95
𝛼
Hombres 𝑛2 = 31 𝑆22 = 913.33 = 0.05
2
1° Hipótesis
𝑯𝟎 : 𝝈𝟐𝟏 = 𝝈𝟐𝟐
𝑯𝟏 : 𝝈𝟐𝟏 ≠ 𝝈𝟐𝟐
2° Valores críticos
𝑭𝜶 ,𝒓𝟏 ,𝒓𝟐 = 𝐹0.975 ,,30 ,20= 2,35 𝐹1−𝛼,𝑟1 ,𝑟2 = 𝐹0.025 ,30,,20= 0.45
𝟐 2
𝟑° Estadístico de prueba.
𝑠12 196
F= 2 = 170 = 1.11
𝑠 2
4° Decisión:
RA
0.45 2.35
Se rechaza la 𝐻0 .y aceptamos 𝐻1
44
PRUEBA DE HIPOTESIS PARA LA PROPORCION
𝐻0 : P ≥ 𝑃0 𝐻0 : P ≤ 𝑃0 𝐻0 : P = 𝑃0
𝐻1 : P ≤ 𝑃0 𝐻1 : P > 𝑃0 𝐻1 : P ≠ 𝑃0
𝑧1− 𝛼
𝑍𝛼 ±𝑍𝛼/2
ESTADISTICA DE PRUEBA
𝒑− 𝑷𝟎
Z= 𝑷 𝒙 𝒒𝟎
√ 𝟎
𝒏
Ejemplo:
1. Gaspar le dice a Luis que al menos un 15% de los estudiantes de la
universidad, tienen celulares. Como discrepan, Luis realiza una encuesta
aleatoria a 200 compañeros de la universidad, y encuentra que 18 de ellos
tienen celular, A un nivel de significación del 1%. ¿Cuál de los dos tiene
estadísticamente la razón? ¿Por qué?
Solución:
18
P = 200 = 0.09 𝛼=0.01
1° Hipótesis
𝑯𝟎 : P ≥ 0.15
𝑯𝟏 : P < 0.15
2° Valor crítico: 𝒁𝜶 = 𝒁𝟎.𝟎𝟏 = - 2.33
4° Estadístico de prueba:
45
𝑷− 𝑷𝟎 𝟎.𝟎𝟗−𝟎.𝟏𝟓
Z= 𝑷 𝒙𝒒
= = -2.38
𝟎.𝟏𝟑 𝒙 𝟎.𝟖𝟓
√ 𝟎 𝟎 √
𝒏 𝟐𝟎𝟎
4° Decisión
RA
RR
-2.38 - 2.33
Se rechaza la 𝑯𝟎 .y aceptamos 𝑯𝟏
.
5° Conclusión:
Con una confianza del 99% podemos concluir que estadísticamente Luis
tiene la razón..
Solución
72
P = 400 = 0.18 1 - 𝛼=0.99
1° Hipótesis
𝑯𝟎 : P ≤ 0.15
𝑯𝟏 : P > 0.15
𝑷− 𝑷𝟎 𝟎.𝟏𝟖−𝟎.𝟏𝟓
Z= 𝑷 𝒙𝒒
= = 1.68
𝟎.𝟏𝟓 𝒙 𝟎.𝟖𝟓
√ 𝟎 𝟎 √
𝒏 𝟒𝟎𝟎
4° Decisión
RA
RR
1.68 2.32
Se acepta la 𝑯𝟎 .y rechaza 𝑯𝟏
:
5° Conclusión:
Con una confianza del 99% no existen motivos para afirmar que más del
15% de los estudiantes de ingeniería de la universidad son mujeres.
46
PRUEBA DE HIPOTESIS PARA LA DIFERENCIA DE PROPORCIONES
POBLACIONALES.
𝑯𝟎 : 𝑷𝟏 ≥ 𝑷𝟐 𝑯𝟎 : 𝑷𝟏 ≤ 𝑷𝟐 𝑯𝟎 : 𝑷𝟏 = 𝑷𝟐
𝑯𝟏 : 𝑷𝟏 < 𝑷𝟐 𝑯𝟏 : 𝑷𝟏 > 𝑷𝟐 𝑯𝟏 : 𝑷𝟏 ≠ 𝑷𝟐
𝒁𝜶 𝒁𝟏−𝜶 ±𝒁𝟏−𝜶/𝟐
ESTADISTICA DE PRUEBA
𝑷𝟏 − 𝑷𝟐
Z= 𝑷 𝒙𝒒 𝑷 𝒙𝒒
√ 𝟏𝒏 𝟏 + 𝟐𝒏 𝟐
𝟏 𝟐
Solución
𝟐𝟐
Si 𝒏𝟏 = 500 𝒏𝟐 =300 𝑷𝟏 =𝟓𝟎𝟎 = 0.04 𝒒𝟏 = 0...96
𝟗
𝑷𝟐 = = 0.03 𝒒𝟐 = 0.97
𝟑𝟎𝟎
1° Hipótesis: 𝑯𝟎 : 𝑷𝟏 = 𝑷𝟐
𝑯𝟏 : 𝑷𝟏 > 𝑷𝟐
𝑷𝟏 − 𝑷𝟐 𝟎.𝟎𝟒−𝟎.𝟎𝟑
Z=
𝑷 𝒙𝒒 𝑷 𝒙𝒒
=0.76
𝟎.𝟎𝟒 𝒙𝟎.𝟗𝟔 𝟎.𝟎𝟑 𝒙𝟎.𝟗𝟕
√ 𝟏𝒏 𝟏+ 𝟐𝒏 𝟐 √ +
𝟏 𝟐 𝟓𝟎𝟎 𝟑𝟎𝟎
47
4° Decisión
RA RR
0.76 2.05
La 𝑯𝟎 se acepta y la 𝑯𝟏 se rechaza
1° Hipótesis: 𝑯𝟎 : 𝑷𝟏 = 𝑷𝟐
𝑯𝟏 : 𝑷𝟏 > 𝑷𝟐
𝑷𝟏 − 𝑷𝟐 𝟎.𝟐𝟐−𝟎.𝟐𝟓
Z=
𝑷 𝒙𝒒 𝑷 𝒙𝒒
= - 2.4
𝟎..𝟐𝟐𝒙𝟎.𝟕𝟖 𝟎.𝟐𝟓 𝒙𝟎.𝟕𝟓
√ 𝟏𝒏 𝟏+ 𝟐𝒏 𝟐 √ +
𝟏 𝟐 𝟏𝟎𝟎 𝟏𝟎𝟎
48
4° Decisión
RR RA
-1.65
La 𝑯𝟎 se rechaza y la 𝑯𝟏 se acepta.
49
4) Una maquina llena latas de látex de la especie de caucho; se supone que
el peso medio de látex de caucho en cada lata es de 360 gr. Con
desviación estándar de 1gr. En una comprobación sistemática para ver
que la maquina funcione adecuadamente, se tomó 28 latas llenas y se
advierte que contiene una media de 360.5 gr, ¿A un nivel de significancia
de 0.01 la maquina funciona adecuadamente? ¿Qué opina usted?
3) Un Ing. Sospecha que debido a una falla en las cuentas finales, las
cuentas intermedias no alcanzan el tamaño mínimo de 20 unidades
monetarias. Se tomó una muestra de 7 elementos: 19, 20, 18, 19, 20 y 17.
Indicar con un nivel de signifincia del 90%. Si el Ing. debe tomar medidas.
50
estándar de 8 minutos. El gerente de la compañía considere que este
promedio aumentado sensiblemente en los últimos meses, por lo cual
ordene efectuar la investigación correspondiente. Para tal fin se toma una
muestra aleatoria de 64 obreros y se encuentra que la misma presenta
una media de 68. Se pide comprobar si el gerente tiene o no razón con un
nivel de significancia de 0.05.
6) Un grupo de expertos de Perú anuncia que el agricultor típico de Pura t
Tumbes talo 50 árboles por día durante el año 2009 para extender sus
campos agrícolas. Para actualizar la estimación , usted contacta por
teléfono a una muestra de agricultores y les pregunta cuantos mensajes
enviaron el día anterior y sus respuestas fueron las siguiente : 51 , 175 ,
47 , 49 ,44, 54 , 145, 203 , 21 , 59, 42 y 100. A un nivel de significancia de
0.01. ¿Puede concluir que el número medio es mayor a 50?
1) Una prueba del área foliar de dos plantas que presentan desviación
estándar de 50 y 60 con un tamaño de 3 y 4 metros con medias de 760 y
860 ¿Proporcionan estos resultados a nivel de 5% suficientes evidencias
de que una planta tenga más área foliar que la otra planta?
51
1 2
Media
Maestral 43.10 44.60
Varianza
maestral 4.28 3.89
52
3) Una empresa está considerando dos lugares alternativos para construir
dos grandes viveros de árboles madereros. Como los ingresos de los
hogares de la comunidad aledaña, son una consideración importante en
esta selección, desea probar que el ingreso promedio de la primera
comunidad excede al promedio de la segunda comunidad en cuanto
menos a 2700 nuevos soles diarios. Con la recopilación de datos del mes
pasado se sabe que la desviación estándar del ingreso diario de la
primera comunidad es de 1800 nuevos soles y de la segunda comunidad
es de 2400 nuevos soles. Se toma una nuestra de 10
53
Los siguientes datos son:
54
PRUEBA DE HIPOTESIS PARA LA IGUALDAD DE
VARIANZA
2) En una prueba de resistencia al calor que implica dos tipos de pintura para
metal, dos grupos de 10 tiras de metal fueron seleccionados
aleatoriamente. El primer grupo fue pintado con pintura tipo I, mientras
que el segundo grupo con pintura tipo II. Las tiras de metal fueron
colocadas en orden aleatorio en un horno, se encendió y la temperatura
a la cual la pintura principio a resquebrajarse y pelarse fue registrada para
cada tira. Indican los sgtes datos que la variabilidad en las temperaturas
criticas difieren para los dos tipos de pintura?
55
PRUEBA DE HIPOTESIS PARA LA PROPORCION
56
PRUEBA DE HIPOTESIS PARA LA DIFERENCIA DE
PROPORCIONES POBLACIONALES
57
BIBLIOGRAFÍA
Alumnos de 4to ciclo de Ing, F. (Noviembre de 2018).
Andrade, S. (2016). PDF. Obtenido de
https://riunet.upv.es/bitstream/handle/10251/91736/IPP-Crespo%20-
%20M%C3%A9todos%20estad%C3%ADsticos%3A%20ejercicios%20re
sueltos%20y%20teor%C3%ADa.pdf?sequence=2
Capuñay, C. V. (2011). Estadistica para la administracion y los negocios.
Mexico: Pearson Education .
Hoyos, F. (2016). Docplayer. Obtenido de https://docplayer.es/19180852-
Pruebas-t-para-muestras-pareadas.html
Huercas, P. (2015). Educa. Obtenido de
http://www.ub.edu/aplica_infor/spss/cap4-3.htm
Kazmier, L. (1990). Estadistica aplicada a administracion y economia . Mexico:
Grafica Futura 2000.
Llanos, J. (2017). Itchihuahua.edu. Obtenido de
http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap01c.h
tml
Montiel, F. (2016). pdf. Obtenido de
https://www.bioestadistica.uma.es/baron/apuntes/ficheros/cap02.pdf
Nito, E. (2015). Scribd. Obtenido de
https://es.scribd.com/document/46595700/6784208-Prueba-de-
Hipotesis-Para-Muestras-Pareadas
Ramirez, J. (2016). pdf. Obtenido de
https://www.uv.es/lonjedo/esoProblemas/4eso12estadistica.pdf
Salinas, J. (2015). pdf. Obtenido de
https://www.ugr.es/~jsalinas/apuntes/C12.pdf
58