UNIVERSIDAD TECNOLÓGICA DEL PERÚ

ESTADÍSTICA INFERENCIAL

TITULO

LA APROBACIÓN DE LOS ALUMNOS RESPECTO A LOS SERVICIOS QUE OFRECE

LA UNIVERSIDAD

Trabajo que como parte del curso de Estadística Inferencial presentan los alumnos

1.- CHAVEZ NARVAEZ, HILARIO ALEJANDRO U17209782

2.- MAUTINO HERRERA, ROSSE MARY U17200526

3.- QUINTO MATOS, MARIA ELENA U17200202

Lia, 30 de noviembre del 2018

 INDICE

Contenido
1. Título del trabajo aplicado

2. Objetivo

3. Modelo de encuesta

4.1. Población

4.2. Muestra

4.3. Unidad de Análisis

4.4. Variables

4.5. Tipo de Variable

5. Elaboración de tablas de frecuencia para cada variable de estudio

6. Medidas de tendencia central

8. Con la información obtenida se deberán hacer los siguientes cálculos

8.1. Intervalo de confianza para la medía de una población

8.2. Intervalo de confianza para las medias de dos poblaciones

8.3. Prueba de hipótesis para la media de una población

8.4. Prueba de hipótesis para dos medias poblacionales

8.5. Intervalo de confianza para la proporción de una poblaciónError! Bookmark not

defined.

8.6. Intervalo de confianza para las proporciones de dos poblaciones

8.7. Prueba de hipótesis para la proporción de una población

8.8. Prueba de hipótesis para las proporciones de dos poblaciones

8.9. Intervalo de confianza para la varianza de una población

8.10. Intervalo de confianza para la razón de dos varianzas poblacionales

8.11. Prueba de Hipótesis para la varianza de una población

8.12. Prueba de Hipótesis para la razón de dos varianzas poblacionales

8.13. Prueba de Bondad de Ajuste

8.14. Prueba de Independencia

9. Conclusiones
10. Recomendaciones

1. TÍTULO DEL TRABAJO APLICADO:

La aprobación de los alumnos respecto a los servicios que ofrece la Universidad
Tecnológica del Perú.
2. OBJETIVO:
Desarrollar el sistema académico o conceptos académicos (pago mensual, créditos,
promedios) y mostrar la utilidad de un servicio (cubículos) que brinda la Universidad
Tecnológica del Perú.
Describir la evaluación de desempeño laboral del docente de la Universidad
Tecnológica del Perú.

3. MODELO DE ENCUESTA:

1.Nombre y Apellidos
2.Codigo
3.Carrera
4. Durante el desarrollo de las clases el docente , demuestra manejo de información en
su asignatura.

Siempre

Casi siempre

Pocas veces

Nunca

5.¿Cuál es tu último promedio ponderado?

6.¿Cuánto es tu mensualidad?

7.¿Cuántos créditos llevas actualmente?

8.¿Cuántos cursos llevas actualmente?

9. El docente evalúa los contenidos programados de acuerdo a lo explicado en clase.

Siempre

Casi siempre

Pocas veces
 Nunca

10. El docente asiste puntualmente a las clases, respetando el horario establecido.

Siempre

Casi siempre

Pocas veces

Nunca

11. ¿Cuántas veces a la semana utilizas el cubículo?

otros

4. CARACTERÍSTICAS DE LA BASE DE DATOS:

4.1 Población: Estudiantes de la UTP

4.2 Muestra: 52 estudiantes

4,3 Unidad de análisis

4.4 Variables: Promedio ponderado, mensualidad , número de crédito, utilidad de

cubículo.

4.5 Tipo de variable: Cuantitativa continua, cualitativa nominal

5. ELABORACIÓN DE TABLA DE FRECUENCIAS:

Cualitativa nominal

Tabla 1

Tabla 2

Tabla 3

Cuantitativa continua

Tabla 4

Tabla 5
Tabla 6

Tabla 7

6. MEDIDAS DE TENDENCIA CENTRAL PARA LAS VARIABLES CUANTITATIVAS

CONTINUAS
∑(m∗f) 𝑚1∗𝑓1+𝑚2∗𝑓2+𝑚3∗𝑓3+⋯𝑚𝑖∗𝑓𝑖
Media: x̅ = n
= 𝑛
𝑛
−𝐹
Mediana: 𝐿𝑖 + 𝐴 (2 )
𝑓

𝑑1 𝑑1 = 𝑓𝑚𝑜 − 𝑓𝑎𝑚𝑜
Moda: 𝐿𝑖 + 𝐴 (𝑑1+𝑑2) { }
𝑑2 = 𝑓𝑚𝑜 − 𝑓𝑝𝑚𝑜

Tabla 4: Cubiculos

10(0)+23(1)+10(2)+9(3)
MEDIA ARITMETICA: ẋ= = 1.34
52

MODA: La moda es el elemento que más se repite, en este caso el elemento que más
se repite seria siempre por tener fi=23.

1+1
MEDIANA: Al ser par la mediana es la semisuma de los valores centrales-> 2
= 2
Tabla 5: Promedio ponderado

MEDIA ARITMETICA:

13.4(4)+14.1(7)+14.8(13)+15.5(0)+16.2(11)+16.9(13)+17.6(4)
ẋ= 52
= 15,63

MODA:

En este caso se presentan dos modas:

d1
.Mo1 = Limo + A (d1+d2)

6
Mo= 14.4 + 0.7 ( 6+13)=14.621

d1
.Mo2 = Limo + A ( )
d1+d2

2
Mo= 16.6 + 0.7 ( 2+9)=16.727

MEDIANA:
n
−Fame 52
Me = Lime + A ( 2 fme
) 2
= 26

26−24
Me=15.9+0.7 ( 11
) = 16.027

Tabla 6: Mensualidades

570(2)+621(11)+672(11)+722(22)+773(4)+824(1)+875(1)
MEDIA ARITMETICA: ẋ= 52
= 693.038

MODA:

d1
Mo = Limo + A (d1+d2)

11
Mo= 697 + 51 ( )=716.344
11+18

MEDIANA:
n
−Fame 52
2
Me = Lime + A ( fme
) 2
= 26

26−24
Me=697+51 ( 22
) = 701.636
Tabla 7: Número de créditos

16(1)+18(3)+19(6)+20(8)+21(17)+22(9)+23(4)+24(3)+25(1)
MEDIA ARITMETICA: ẋ= 52
= 20.923

MODA:

La moda es el elemento que más se repite, en este caso el elemento que más se
repite sería 21 créditos por tener fi=17.

MEDIANA:

Me=16,18,18,18…….21,21,…………….25

Al ser par la mediana es la semisuma de los valores centrales.

21+21
2
= 21

7. MEDIDAS DE DISPERSIÓN

𝚺[(𝐦−𝐱̃)𝟐 𝐱𝐟𝐢 ]
Varianza: S2 = 𝐧−𝟏

Desviación estándar: S =√𝐬 𝟐

Tabla 4: Cubiculos

VARIANZA:

(10−1.346)2 +(23−1.346)2 +(10−1.346)2 +(9−1.346) 2

s2 = = 13.290
52−1

DESVIACION ESTANDAR:

s = √13.290 = 3.645

COEFICIENTE DE VARIACION:

3.645
CV = ∗ 100%
1.346

CV = 2.707 ∗ 100 %

CV= 2.72 %
Tabla 5: Promedio ponderado

VARIANZA:

s2
(13.4 − 15.63)2 ∗ 4 + (14.1 − 15.63)2 ∗ 7 + (14.8 − 15.63)2 ∗ 13 + (15.5 − 15.63)2 ∗ 0 + (16.2 − 15.63)2 ∗ 11 + (16.9 − 15.63)2 ∗ 13 + (17.6 − 15.63)2 ∗ 4
=
52 − 1

s 2 = 1.67

DESVIACION ESTANDAR:

S=√1.67= 1.29

COEFICIENTE DE VARIACION:

1.29
CV= ∗ 100%
15.63

CV=8.25%

Tabla 6: Mensualidad

VARIANZA:

𝐬𝟐
(𝟓𝟕𝟎 − 𝟔𝟗𝟑. 𝟎𝟑𝟖)𝟐 ∗ 𝟐 + (𝟔𝟐𝟏 − 𝟔𝟗𝟑. 𝟎𝟑𝟖)𝟐 ∗ 𝟏𝟏 + (𝟔𝟕𝟐 − 𝟔𝟗𝟑. 𝟎𝟑𝟖)𝟐 ∗ 𝟏𝟏 + (𝟕𝟐𝟐 − 𝟔𝟗𝟑. 𝟎𝟑𝟖)𝟐 ∗ 𝟐𝟐 + (𝟕𝟕𝟑 − 𝟔𝟗𝟑. 𝟎𝟑𝟖)𝟐 ∗ 𝟒 + (𝟖𝟐𝟒 − 𝟔𝟗𝟑. 𝟎𝟑𝟖)𝟐 ∗ 𝟏 + (𝟖𝟕𝟓 − 𝟔𝟗𝟑. 𝟎𝟑𝟖)𝟐 ∗ 𝟏
=
𝟓𝟐 − 𝟏

s 2 = 3657.25

DESVIACION ESTANDAR:

S=√3657.25= 60.475

COEFICIENTE DE VARIACION:

60.475
cv = 693.038* 100%

CV= 8.726

Tabla 7: Número de créditos

VARIANZA:

s2
(16 − 20.923)2 + (18 − 20.923)2 + (19 − 20.923)2 + (20 − 20.923)2 + (21 − 20.923)2 + (22 − 20.923)2 + (23 − 20.923)2 + (24 − 20.923)2 + (25 − 20.923)2
=
52 − 1

s 2 = 1,350
DESVIACION ESTANDAR:

s = √1,350

s = 1.162

COEFICIENTE DE VARIACION:

1.162
CV = ∗ 100%
20.923

CV = 0.055 ∗ 100 %= 5.55 %

INTERVALO DE CONFIANZA PARA LA MEDÍA DE UNA POBLACIÓN

EJERCICIO 1. Los estudiantes de la Universidad Tecnológica del Perú obtuvieron un

promedio ponderados durante el ciclo 2018-2 de distribución normal y una desviación
estándar de 1.398. Si una muestra de 52 personas tiene un promedio de 15.653. Encuentre
el intervalo de confianza del 95% para la media de los promedios ponderados de los
estudiantes de la Universidad Tecnológica del Perú

Datos:
𝜎= 1.398
n=52
𝑥̅ =15.653
1−∝=0.95

∝=0.05
𝝈
̅-𝒁(𝟏−∝) *
𝒙 ̅+𝒁(𝟏−∝)
≤𝝁≤𝒙
𝟐 √𝒏 𝟐

1.398 1.398
15.653 -1.96* ≤ 𝜇 ≤ 15.653 + 1.96 ∗
√52 √52
15.27≤ 𝜇 ≤ 16.03
Conclusiones:

A un intervalo de confianza del 95% podemos afirmar que, los promedios ponderados
de los estudiantes de la Universidad Tecnológica del Perú se encuentran
entre 15.27-16.03 durante el ciclo 2018-2.
EJERCICIO 2. En una muestra aleatoria de 52 estudiantes de la Universidad Tecnológica
del Perú del ciclo 2018-2 la mensualidad promedio fue de 682.211 con desviación
estándar de 63.451. Suponiendo que la mensualidad de los estudiantes está distribuida
normalmente, determine el intervalo de confianza del 97% para este caso.

Datos:
𝜎= 63.451
n=52
𝑥̅ =682.211
1−∝=0.97
∝=0.03

𝝈
̅-𝒁(𝟏−∝) *
𝒙 ̅+𝒁(𝟏−∝)
≤𝝁≤𝒙
𝟐 √𝒏 𝟐

63.451 63.451
682.211-2.17* ≤ 𝜇 ≤ 682.211 + 2.17 ∗
√52 √52

663.117≤ 𝜇 ≤ 701.304

Conclusiones:

A un intervalo de confianza del 97% podemos afirmar que, la mensualidad de los

estudiantes de la Universidad Tecnológica del Perú se encuentra entre 663.117-701.304
durante el ciclo 2018-2.
 INTERVALO DE CONFIANZA PARA LAS MEDIAS DE DOS POBLACIONES

EJERCICIO 3. Los estudiantes del curso Inferencial quieren determinar si hay diferencia
en el número de créditos en los dos turnos mañana y noche de la Universidad Tecnológica
del Perú. Ellos quieren usar la técnica de estimar la diferencia de medias sabiendo que las
desviaciones estándares poblaciones son 1.751 y 1.522 respectivamente. Para esto
escogió dos muestras aleatorias independientes de 28 del turno mañana y 24 del turno
noche donde el promedio de créditos respectivos fue de 21.428 y 20.333. Considere un
Intervalo de confianza al 98% para esta diferencia.

Turno mañana Turno noche

n=28 n=24
𝑥̅ =21.428 𝑥̅ =20.333
𝜎 =1.751 𝜎=1.522

Donde:

(1-∝) = 98%

∝=2% = 0.02

𝝈𝟐𝟏 𝝈𝟐𝟐 𝝈𝟐𝟏 𝝈𝟐𝟐

(𝒙 ̅𝟐 )-𝒁𝜶 ∗ √
̅𝟏 − 𝒙 + ≤ (𝝁𝟏 − 𝝁𝟐 ) ≤ (𝒙 ̅𝟐 )+𝒁𝜶 ∗ √
̅𝟏 − 𝒙 +
𝟐 𝒏𝟏 𝒏𝟐 𝟐 𝒏𝟏 𝒏𝟐

1.7512 1.5222 1.7512 1.5222

(28 − 24)-2.33 ∗ √ + ≤ (𝜇1 − 𝜇2 ) ≤ (28 − 24)+2.33 ∗ √ +
28 24 28 24

2.942 ≤ (𝜇1 − 𝜇2 ) ≤ 5.057

Conclusiones: A un intervalo de confianza del 98% podemos afirmar que, la diferencia en

el número de créditos en los dos turnos mañana y noche de la Universidad Tecnológica del
Perú se encuentran entre 2.942-5.057.
EJERCICIO 4. Los estudiantes del curso de Estadistica Inferencial están a cargo para
determinar si hay diferencia en el número de promedios en los turnos mañana y noche.
Para ello, se quiere usar la técnica de estimar la diferencia de las medias sabiendo que las
desviación estándar poblacionales son 1.247 y 1.481 Para esto , se usó muestra de 28
(turno mañana) y 24 (turno noche) , donde el promedio es de 16 y 15.25.Considere un
intervalo del 97%.

Turno mañana Turno noche

n=28 n=24
𝑥̅ =16 𝑥̅ =15.25
𝜎 =1.247 𝜎=1.481
Donde:

(1-∝) = 97%

∝=3% = 0.015

𝝈𝟐 𝝈𝟐 𝝈𝟐 𝝈𝟐
̅𝟐 )-𝒁𝜶 ∗ √ 𝟏 + 𝟐 ≤ (𝝁𝟏 − 𝝁𝟐 ) ≤ (𝒙
̅𝟏 − 𝒙
(𝒙 ̅𝟐 )+𝒁𝜶 ∗ √ 𝟏 + 𝟐
̅𝟏 − 𝒙
𝟐 𝒏 𝒏𝟏 𝟐 𝒏 𝒏
𝟐 𝟏 𝟐

1.247 2 1.481 2 1.247 2 1.481 2

(28 − 24)-2.17 ∗ √ + ≤ (𝜇1 − 𝜇2 ) ≤ (28 − 24)+2.17 ∗ √ +
28 24 28 24

3.168 ≤ (𝜇1 − 𝜇2 ) ≤ 4.831

Conclusiones: A un intervalo de confianza del 97% podemos afirmar que, la diferencia en
el número de promedios en los turnos mañana y noche de la Universidad Tecnológica del
Perú se encuentran entre 3.168-4.831.
 PRUEBA DE HIPÓTESIS PARA LA MEDIA DE UNA POBLACIÓN
EJERCICIO 5. Los estudiantes del curso de Estadística Inferencial aseguran del ponderado
promedio de los estudiantes de la Universidad Tecnológica del Perú es al menos 15. En
una muestra aleatoria de 52 estudiantes se encontró que el ponderado promedio era de
15.653 con una desviación tipia de 1.398. Pruebe la afirmación de los estudiantes con un
nivel de significación de 7%.

Datos:
𝜇=15
𝑠= 1.398
n=52
𝑥̅ = 15.653
1. Planteo de Hipótesis

H0: 𝜇 ≥ 15

H1: 𝜇 < 15

2. Nivel de significancia

∝=0.07

3. Estadístico de prueba
̅−𝝁)
(𝒙
𝒛= 𝒔
√𝒏

4. Regla de decisión
 5. Valor estadístico

(15.653−15)
𝑧= 1.398 = 3.368
√𝟓𝟐

6. Conclusiones

Como el valor calculado z=3.368, cae en la región de aceptación por lo tanto se rechaza la Ho y se
acepta la H1, se concluye el promedio ponderado de los estudiantes de la Universidad Tecnológica
del Perú es menor que 15.

EJERCICIO 6. En un estudio que los estudiantes han determinado que el nivel de

mensualidad promedio de sus compañeros es 600. Mientras que el docente piensa que en
realidad el nivel es más alto y para probar su afirmación usamos la muestra de 52. La cual
tiene una desviación de 63.451. ¿Habrá suficiente evidencia estadística para apoyar la
afirmación del docente? Justificar su respuesta con un ∝= 5%

Datos:

𝜇=600

𝑠= 63.451

𝑥̅ =682.211

1. Planteo de Hipótesis

H0: 𝜇 ≤ 600

H1: 𝜇 > 600

2. Nivel de significancia

∝=0.05

3. Estadístico de prueba

̅−𝝁)
(𝒙
𝒛= 𝒔
√𝒏
 4. Regla de decisión

5. Valor estadístico

(682.211−600)
𝑧= 63.451 =9.3436
√𝟓𝟐

6. Conclusiones

Como el valor calculado z=9.343, cae en la región de rechazo por lo tanto se rechaza la
H1 y se acepta la H0, Por lo tanto, se concluye de que si hay evidencia estadística de que
el nivel de la mensualidad promedio es mayor a 600
 PRUEBA DE HIPÓTESIS PARA DOS MEDIAS POBLACIONALES
EJERCICIO 7. La Universidad Tecnológica del Perú analiza la utilidad de cubículos de la
sede Lima Norte y sede Lima Centro. Escogió dos muestras aleatorias independientes de
52 alumnos Al final del ciclo, el número de uso de los cubículos ha dado medias respectivas
de 1.346 y 1.210 .Ambas poblaciones presentan varianza de 0.975 y 0.970
respectivamente . Al nivel de significancia de 4% presentan los resultados muestrales
suficiente evidencia que indique que dan los mismos resultados?

Sede Lima Norte Sede Lima Centro

n=52 n=52
𝑥̅ =1.346 𝑥̅ =1.210
2
𝜎 =0.975 𝜎 2 =0.970

1. Planteo de Hipótesis

H0: 𝜇1 = 𝜇2

H1: 𝜇1 ≠ 𝜇2

2. Nivel de significancia
∝=4% = 0.04

3. Estadístico de prueba

(𝒙 ̅𝟐 )−(𝝁𝟏 −𝝁𝟐 )
̅𝟏 −𝒙
𝒛=
𝝈 𝟐𝝈 𝟐
√ 𝟏+ 𝟐
𝒏𝟏 𝒏𝟐

4. Regla de decisión
 5. Valor estadístico
(1.346 − 1.210)−(0)
𝑧= 0.975 0.970
√ +
52 52

𝑧=0.703

6. Conclusiones

Como el valor calculado z=0.703, cae en la región de aceptación por lo tanto se

rechaza la H0 y se acepta la H1. Se concluye, de que si hay evidencia estadística de
que la utilidad de cubículos no es igual en la sede Lima Norte ni en la sede Lima
Centro.

INTERVALO DE CONFIANZA PARA LA PROPORCIÓN DE UNA POBLACIÓN

EJERCICIO 8. En una encuesta realizada en la UTP Lima Norte se obtuvieron los
siguientes resultados: Según la encuesta 25 estudiantes afirmaron que los profesores
siempre llegan temprano, si en total se encuestaron a 52 estudiantes. Obtener el intervalo
de estimación del porcentaje de estudiantes que afirman que los profesores siempre
llegan temprano. Usar un nivel de significancia de 90%
Datos:
n=52
25
𝑝̅ = =0.48
52

α=10%=0.1

̅ (𝟏 − 𝑷
𝑷 ̅) 𝑷̅ (𝟏 − 𝑷
̅)
̅ − 𝒁∝ ∗ √
𝑷 ̅ + 𝒁∝ ∗ √
≤𝑷≤𝑷
𝟐 𝒏 𝟐 𝒏

0.48(1 − 0.48) 0.48(1 − 0.48)

𝑃(𝑃) = 0.48 − 1.64 ∗ √ ≤ 𝑃̅ ≤ 0.48 + 1.64 ∗ √
52 52
𝑃(𝑃) = 0.366 ≤ 𝑃̅ ≤ 0.593

Conclusiones: A un intervalo de confianza del 90% podemos afirmar que, el porcentaje

de estudiantes que afirman que los profesores siempre llegan temprano a la Universidad
Tecnológica del Perú se encuentran entre 0.366-0.593.
EJERCICIO 9. Se realizó una encuesta en la UTP donde se obtuvieron los siguientes
resultados: Según dicha encuesta 8 estudiantes afirman que los profesores nunca llegan
temprano, en total se encuestaron a 52 estudiantes. Se pide hallar el intervalo de confianza
para la estimación del porcentaje de estudiantes que afirman que los profesores nunca
llegan temprano. Usar un nivel de significancia de 95%.

Datos:
n=52
8
𝑝̅ = 52=0.154

α=5%=0.05

𝑷̅ (𝟏 − 𝑷
̅) 𝑷̅ (𝟏 − 𝑷
̅)
̅ − 𝒁∝ ∗ √
𝑷 ̅ + 𝒁∝ ∗ √
≤𝑷≤𝑷
𝟐 𝒏 𝟐 𝒏

0.154(1 − 0.154) 0.154(1 − 0.154)

𝑃(𝑃) = 0.154 − 1.96 ∗ √ ≤ 𝑃̅ ≤ 0.154 + 1.96 ∗ √
52 52

𝑃(𝑃) = 0.056 ≤ 𝑃̅ ≤ 0.252

Conclusiones: A un intervalo de confianza del 95% podemos afirmar que, el porcentaje de

estudiantes que afirman que los profesores siempre no llegan temprano a la Universidad
Tecnológica del Perú se encuentran entre 0.056 − 0.252
 INTERVALO DE CONFIANZA PARA LAS PROPORCIONES DE DOS
POBLACIONES
EJERCICIO 10. SAE (servicio de atención al estudiante) encargada de atender y
resolver los problemas de los estudiantes utepinos. Coordinación le pidió al SAE que
estime la proporción de hombres y mujeres que están satisfechos con la atención que
este brinda. En una muestra aleatoria de 80 hombres y 100 mujeres se determina que 18
hombres y 30 mujeres están satisfechos con el servicio. Construir un Intervalo de
Confianza del 95% para la diferencia de medias de proporciones de hombres y mujeres
que están satisfechos con el SAE. En base a estos resultados. ¿Se puede afirmar que
existe una gran diferencia significativa entre las dos proporciones?

Solución:

𝑋1 = N.º de hombres que están satisfechos con el SAE 𝑋1 =18

𝑋2 = N.º de mujeres que están satisfechos con el SAE 𝑋2 = 30

Datos:

Hombres Mujeres
n1=80 n2=100
18 30
p1=80 p2=100

p1= 0.225 p2= 0.3

I.C(π1-π2) = (𝒑𝟏 − 𝒑𝟐) ± 𝒁 ∝ 𝒑𝟏𝒒𝟏 𝒑𝟐𝒒𝟐

(𝟏− )√ +
𝟐 𝒏𝟏 𝒏𝟐

0.225(0.775) 0.3(0.7)
I.C(π1 − π2) = [0.225 − 0.3 ± 1.96√ 80
+ 100 〕

I.C(π1 − π2) = −0.075 ± 0.128

I.C(π1 − π2) = −0.203 ; 0.053

Conclusiones: El intervalo de confianza del 95% será entre -0.203 ≤ π1-π2 ≤ 0.053. como
la diferencia no es significativa no se puede afirmar que exista una gran diferencia.
EJERCICIO 11. DACE (Dirección de Apoyo y Consejería al Estudiante) encargados de
ofrecer atención personalizada para que el estudiante se adapte mejor a la vida universitaria
está haciendo una encuesta. Para ello está estimando la proporción de estudiantes de
pregrado y postgrado que están satisfechos con la atención brindada por DACE. En una
muestra de 30 estudiantes de pregrado y 22 estudiantes de postgrado se determina que 10
de pregrado y 6 de postgrado están satisfechos con el DACE. Construir un intervalo de
confianza al 95% para la diferencia de medias de proporciones de estudiantes de pregrado
y postgrado que están satisfechos con el DACE.

Donde:

X1 N.º de estudiantes de pregrado que están satisfechos con el DACE X1=10

X2 N.º de estudiantes de postgrado que están satisfechos con el DACE X2=6

Pregrado Postgrado
n1=30 n2=22

10 6
p1=30 p2=22

p1= 0.33 p2= 0.27

IC(π1-π2) = (𝒑𝟏 − 𝒑𝟐) ± 𝒁 ∝ 𝒑𝟏𝒒𝟏 𝒑𝟐𝒒𝟐

(𝟏− )√ +
𝟐 𝒏𝟏 𝒏𝟐

0.33(0.67) 0.27(0.73)
IC(π1 − π2) = [0.33 − 0.27 ± 1.96√[ 30
+ 22
]

IC(π1 − π2) = 0.06 ± 0.25

IC(π1 − π2) = −0.19 ; 0.31

Conclusiones: El intervalo de confianza al 95% será entre -0.19 ≤ π1-π2 ≤ 0.31.

 PRUEBA DE HIPÓTESIS PARA LA PROPORCIÓN DE UNA POBLACIÓN.

EJERCICIO 12. En la UTP la proporción de estudiantes que usan los cubículos en dicha
casa de estudios es mayor al 84%. Sin embargo, los encargados de los cubículos piensan
que dicha proporción está disminuyendo significativamente. De los últimos 40 estudiantes
8 no usan los cubículos, si α = 10%. ¿Es afirmativo lo que dicen los encargados?

Datos:
π=84 =0.84
32
𝑝̅ = = 0.8
40

α=10%=0.1
n=40
No usan los cubículos 8
Sí usan los cubículos: 40-8= 32
1. Hipótesis
𝐻𝑂 : 𝜋 ≤ 0.84
𝐻1 : 𝜋 > 0.84
2. Nivel de Significancia

α = 1%= 0.1

3. Estadístico de prueba proporcional muestral

𝑃̅−𝜋 ̅𝑃−𝜋
Z= = ;N(0,1)
𝜎𝑃
̅ 𝜋(1−𝜋)
√
𝑛

4.Regla de decisión
 5. Toma de decisión

0.8−0.84
Z= 0.84(1−0.84)
√
40

Z= -0.69

6- Conclusión
Como Z=-0.69 cae en zona de rechazo entonces no se acepta la H0. En conclusión, con
un nivel de significancia del 10%, los encargados de los cubículos tienen razón al pensar
que la proporción de los estudiantes que usan los cubículos están disminuyendo.

EJERCICIO 13. La proporción de un grupo de estudiantes de la UTP que ya no usan los

cubículos de la biblioteca es de 40%. Sin embargo, los encargados afirman que dicha
proporción no es correcta. De los últimos 52 estudiantes 10 no usan los cubículos, si α =
10%. ¿Es correcto lo que dicen los encargados?

Datos:
π=40=0.4
10
𝑝̅ = 52=0.192

α=10%=0.1
n=52
1. Hipótesis

H0:π=0.4
H1:π≠0.4
2. Nivel de Significancia
α = 1%= 0.1

3. Estadístico de prueba proporcional muestral

̅ −𝝅
𝑷 ̅
𝑷−𝝅
Z= = ;N(0,1)
𝝈𝑷
̅ 𝝅(𝟏−𝝅)
√
𝒏
 4. Regla de Decisión

5. Toma de decisión

0.192−0.4
Z= =-3.61
0.4(1−0.4)
√
52

6. Conclusión

Como Z= -3.061 cae en zona de rechazo entonces no se acepta H0. En conclusión, con un
nivel de significancia de 10%, los encargados tienen razón al afirmar que la proporción de
estudiantes que no usan los cubículos es incorrecta.

PRUEBA DE HIPÓTESIS PARA LAS PROPORCIONES DE DOS POBLACIONES.

EJERCICIO 14. Un analista cree que hay más mujeres que hombres en la carrera de
Ingeniería Industrial, pero un grupo de alumnos creen que la carrera es igual para ambos.
Si una muestra aleatoria de 300 mujeres y 400 hombres reveló que 120 mujeres y 120
hombres están en la misma carrera de Ingeniería Industrial. Puede considerarse
significativa la diferencia de opinión del analista a un nivel de significancia del 5%?

Datos:

Mujeres Hombres
n1= 300 n2= 400
X1=120 X2=1
P1= 0.4 P2= 0.320
 1. Planteo de Hipótesis:

𝐻𝑂 : 𝜋1 ≤ 𝜋2

𝐻1 : 𝜋1 > 𝜋2

2. Nivel de Significancia:

α=0.05
3. Estadístico de Prueba

̅ 𝟏−𝑷
(𝑷 ̅ 𝟐)−(𝝅𝟏−𝝅𝟐)
𝒁= ; N(0,1)
𝒑(𝟏−) 𝒑(𝟏−𝒑)
√ +
𝒏𝟏 𝒏𝟐

4. Regla de decisión

5. Caculos del estadístico de prueba

(0.4−0.3)−0
Z=
0.3429(1−0.3429) 0.3429(1−0.3429)
√ +
300 400

Z= 2.76

6. Conclusión

Como la Z calculada es igual a 2.76 y este cae en zona de rechazo, aceptamos la H1 y

rechazamos la H0. Por lo tanto, en la carrera hay más mujeres que hombres en la carrera
de Ingeniería Industrial.
 INTERVALO DE CONFIANZA PARA LA VARIANZA DE UNA POBLACIÓN.

EJERCICIO 15. Se ha obtenido una muestra de 52 alumnos de la Universidad Tecnológica

del Perú para estimar la mensualidad durante el ciclo 2018-2, donde la desviación estándar
es 63.451. Consideramos que poseen distribución de probabilidad normal, determinar el
intervalo de confianza al 95% para la varianza y para la desviación tipica de la población

Datos:
S=63.451
n= 52
Grado de Libertad 52-1 = 51
Nivel de significancia 𝛼 = 5 % = 0.05

1° Los valores de Chi cuadrado en la tabla serán:

𝒙𝟐𝜼 2
= 𝑥(0,025;51) = 71,4202
( ; 𝒏−𝟏)
𝟐

𝒙𝟐 𝜼
2
=𝑥(0,975;51) = 32,357
(𝟏− ; 𝒏−𝟏)
𝟐

Por lo tanto, su intervalo de confianza será:

(𝒏 − 𝟏)𝑺𝟐 (𝒏 − 𝟏)𝑺𝟐
𝐏[ ≤ 𝝈𝟐 ≤ ]
𝒙𝟐 𝜼 𝒙𝟐𝒏
(𝟏− ; 𝒏−𝟏) ( ; 𝒏−𝟏)
𝟐 𝟐

51(63.4512 ) 51(63.4512 )
𝑃[ ≤ 𝜎2 ≤ ]
71,4202 32.3577

P[1183.84 ≤ 𝜎 2 ≤ 2612.898]
Conclusiones: A un nivel de significancia del 5% se concluye que el intervalo de confianza
para la varianza de las mensualidades durante el ciclo 2018-3 está entre 1183.84 −
2612.898
EJERCICIO 16. En una muestra aleatoria de 51 alumnos se encontró que la cantidad de
créditos durante el ciclo 2018-2 tiene una desviación estándar estimada de 1.724 . Donde
se revelan que la cantidad de créditos tiene distribución normal, estime la varianza
poblacional mediante un intervalo de confianza del 95%
Datos:
s=1.724
n= 51

Grado de Libertad 51-1 = 50

0.05
Nivel de significancia 𝛼 = 5 % = 0.05 = 2
=0.025

1° Los valores de Chi cuadrado en la tabla serán:

𝒙𝟐𝜼 2
= 𝑥(0,025;50) = 56.334
( ; 𝒏−𝟏)
𝟐

𝐱𝟐 𝛈 2
=𝑥(0,975;50) = 32,357
(𝟏− ; 𝐧−𝟏)
𝟐

Por lo tanto, su intervalo de confianza será:

(𝑛 − 1)𝑆 2 (𝑛 − 1)𝑆 2
𝑃[ ≤ 𝜎2 ≤ ]
𝑥2 𝜂 𝑥 2𝑛
(1− ; 𝑛−1) ( ; 𝑛−1)
2 2

50(1.7242 ) 50(1.7242 )
𝑃[ ≤ 𝜎2 ≤ ]
56.334 35.5774

P[2.637 ≤ 𝜎 2 ≤ 4.4921]
Conclusiones: A un nivel de significancia del 5% se concluye que el intervalo de
confianza para la varianza de números de créditos de los estudiantes durante el ciclo
2018-3 está entre 2.637 − 4.4921
 INTERVALO DE CONFIANZA PARA LA RAZÓN DE DOS VARIANZAS
POBLACIONALES
EJERCICIO 17. Se realizó una encuesta a 13 alumnos de la sede Lima Norte y 16 alumnos
de la Sede Centro de la Universidad Tecnologica del Perú para conocer el total de créditos
que llevan los alumnos por ciclo, donde se revelaron los siguientes datos:

Sede Lima Norte

14 15 17 18
14 15 17 18
15 16 17 17
15
Sede Lima Centro

20 21 21 24
21 20 21 21
21 22 20 21
22 18 22 20

Utilice un intervalo de confianza del 95% para la razón de 2 varianzas para determinar si
son iguales o no las varianzas de las 2 poblaciones respecto al número de créditos que
llevan los estudiantes de la Universidad Tecnológica del Perú tanto la sede Lima Norte y
Lima Centro.

Datos:
Sede Lima Norte Sede Lima Centro
x̅(𝑆𝑒𝑑𝑒 𝑁𝑜𝑟𝑡𝑒) =16 x̅(𝑆𝑒𝑑𝑒 𝐶𝑒𝑛𝑡𝑟𝑜) = 20.937
2 2
𝑠(𝑆𝑒𝑑𝑒 𝑁𝑜𝑟𝑡𝑒) =1.414 𝑠(𝑆𝑒𝑑𝑒 𝐶𝑒𝑛𝑡𝑟𝑜) =1.289

𝑛(𝑆𝑒𝑑𝑒 𝑁𝑜𝑟𝑡𝑒) =13 𝑛(𝑆𝑒𝑑𝑒 𝐶𝑒𝑛𝑡𝑟𝑜) =16

r=12 r=15
1° Los valores de F en la tabla serán:

𝟏 𝟏
𝑭∝ ; 𝒓𝟐:𝒓𝟏 =𝑭(𝟎.𝟎𝟐𝟓 ; 𝟏𝟓:𝟏𝟐) =𝑭 = 𝟑.𝟏𝟖=0.314
𝟐 (𝟎.𝟗𝟕𝟓 ;𝟏𝟐:𝟏𝟓)

𝑭𝟏−∝ ; 𝒓𝟐:𝒓𝟏 =𝑭(𝟎.𝟗𝟕𝟓 ; 𝟏𝟓:𝟏𝟐) =2.96

𝟐

2°Ahora, graficamos:

𝑺𝟐𝟏 𝝈𝟐𝟏 𝑺𝟐𝟏

𝑷 [ 𝟐 ∗ 𝑭∝ ,𝒓 𝒓 ≤ 𝟐 ≤ 𝟐 ∗ 𝑭𝟏−𝜶 ,𝒓 𝒓 ]
𝑺𝟐 𝟐 𝟐: 𝟏 𝝈𝟐 𝑺𝟐 𝟐 𝟐: 𝟏

1.414 𝜎12 1.414

p[ ∗ 0.314 ≤ ≤ ∗ 2.96]
1.289 𝜎22 1.289

𝜎2
P [0.344 ≤ 𝜎12 ≤ 3.247]
2

Conclusiones: A un nivel de significancia del 95% se concluye que el intervalo de confianza

para la razón de varianzas de la cantidad de créditos no es igual. Entonces, las varianzas
de créditos de ambas sedes como Lima Norte y Lima Centro está entre 0.344-3.247.
EJERCICIO 18. Se realizó una encuesta a 13 alumnos del turno diurno y 16 alumnos del
turno noche de la Universidad Tecnologica del Perú para conocer su último promedio que
obtuvieron en el ciclo 2018-2 donde se revelaron los siguientes datos. Utilice un intervalo
de confianza del 95% para la razón de 2 varianzas para determinar si son iguales o no las
varianzas de las 2 poblaciones respecto al promedio obtenido por los estudiantes de la
Universidad Tecnológica del Perú tanto del turno diurno o noche.
Datos:
Turno diurno (Mañana) Turno Noche
x̅(𝑚𝑎ñ𝑎𝑛𝑎) = 15.846 x̅(𝑛𝑜𝑐ℎ𝑒) = 14.812
𝑠=1.214 𝑠=1.376
𝑛(𝑚𝑎ñ𝑎𝑛𝑎) =13 𝑛(𝑛𝑜𝑐ℎ𝑒) =16
r=12 r=15

1° Los valores de F en la tabla serán:

1 1
𝑭∝ ; 𝒓 =𝑭(𝟎.𝟎𝟐𝟓 ; 𝟏𝟓:𝟏𝟐) =𝐹 = 3.18=0.314
𝟐 𝟐: 𝒓𝟏 (0.975 ;12:15)

𝑭𝟏−∝ ; 𝒓 =𝑭(𝟎.𝟗𝟕𝟓 ; 𝟏𝟓:𝟏𝟐)=2.96

𝟐 𝟐: 𝒓𝟏

2°Ahora, graficamos:

𝑺𝟐𝟏 𝝈𝟐𝟏 𝑺𝟐𝟏

𝑷 [ 𝟐 ∗ 𝑭∝ ,𝒓 𝒓 ≤ 𝟐 ≤ 𝟐 ∗ 𝑭𝟏−𝜶 ,𝒓 𝒓 ]
𝑺𝟐 𝟐 𝟐: 𝟏 𝝈𝟐 𝑺𝟐 𝟐 𝟐: 𝟏

1.2142 𝜎12 1.2142

𝑝[ ∗ 0.314 ≤ ≤ ∗ 2.96]
1.3762 𝜎22 1.3762

𝜎12
𝑝 [0.244 ≤ 2 ≤ 2.304]
𝜎2

Conclusiones: A un nivel de significancia del 95% se concluye que el intervalo de

confianza para la razón de varianzas de los promedios no es igual. Entonces, la
varianza de los promedios de ambos turnos tanto turno diurno y noche están entre
0,244-2.304
 PRUEBA DE HIPÓTESIS PARA LA VARIANZA DE UNA POBLACIÓN
EJERCICIO 19. Una muestra de 52 personas de la Universidad Tecnologica del Perú
representan los promedios que tenían los alumnos del ciclo 2018-2 de la carrera de
Ingeniería de Sistema e Informática:

18 17 17 17 16 13 17 16
15 17 18 16 16 14 13 15
16 15 15 13 14 14 14 13
15 15 16 17 15 14 17 16
17 14 15 16 17 15 18 17
17 15 18 15 15 16 14 17

15 16 17 16

Probar si hay suficiente evidencia para concluir que la varianza poblacional sea mayor
que 60. Usar un nivel de significacion del 5%.

Datos:

n = 52

s= 1.398

1. Plantear hipótesis

𝐇𝟎 : 𝜎 2 ≤ 60
𝐇𝟏 : 𝜎 2 > 60

2. Nivel de significancia

∝= 5% = 0.05

3. Estadístico de Prueba

(𝒏−𝟏)𝑺𝟐
𝑿𝟐𝑪 =
𝝈𝟐𝟎
4. Regla de decisión

 2
𝑋(1−∝;𝑛−1) 2
= 𝑋(0.95 ;51) = 34.764

5. Calculo del estadístico de Prueba

(19)1.398
𝑋𝐶2 = 60

𝑋𝐶2 =0.442

6. Conclusiones

Aceptamos la 𝐇𝟎 y rechazamos la 𝐇𝟏 .A un nivel de 5% existe evidencia estadística

para afirmar que la varianza de los promedios de los alumnos del ciclo 2018-2 de la
carrera de Ingeniería de Sistemas sea mayor a 60
EJERCICIO 20. Los siguientes datos representar el número de créditos que los estudiantes
de la Universidad Tecnológica del Perú que llevaron durante el ciclo 2018-2. Probar si hay
suficiente evidencia para concluir que la varianza poblacional sea mayor a 70. Usar un nivel
de significación del 5%.
21 20 22 18 23 20 20 21
21 22 19 19 21 21 20 22
21 25 24 21 21 20 21 21
21 22 24 21 22 21 18 19
21 23 24 19 20 21 19 20
22 20 21 22 18 22 16 21
23 23 22
Datos:

n = 52

𝑠= 1.7200

1. Plantear hipótesis

𝐇𝟎 : 𝜎 2 ≤ 20
𝐇𝟏 : 𝜎 2 > 20
2. Nivel de significancia

∝= 5% = 0.05

3. Estadístico de Prueba

(𝒏−𝟏)𝑺𝟐
𝑿𝟐𝑪 =
𝝈𝟐𝟎

4. Regla de decisión

 2
𝑋(1−∝;𝑛−1) 2
= 𝑋(0.95 ;51) = 34.764
5. Calculo del estadístico de Prueba

(51)1.72002
𝑋𝐶2 = 20

𝑋𝐶2 =7.54

6. Conclusiones

Aceptamos la 𝐇𝟎 y rechazamos la 𝐇𝟏 .A un nivel de 5% existe evidencia estadística para

afirmar que la varianza del número de créditos de los estudiantes de la Universidad
Tecnológica del Perú

PRUEBA DE HIPÓTESIS PARA LA RAZÓN DE DOS VARIANZAS POBLACIONES

EJERCICIO 21. Se realizó una encuesta a 25 alumnos de la sede Lima Norte y 27 de la

sede Lima Centro de la Universidad Tecnológica del Perú para conocer el monto mensual
que los estudiantes pagaron durante el ciclo 2018-2

Sede Lima Norte Sede Lima Centro

545 620 720 699 550 650 750 720 620
603 699 650 720 620 700 700 720 720
603 700 651 750 630 703 700 780 680
650 650 810 699 600 656 624 730 735
672 672 900 700 615 699 700 680
700 700 700

Al nivel de significación de 5% ¿Se puede concluir que hay más variación respecto a la
mensualidad de los alumnos de Sede Lima Norte?
Datos:
Sede Lima Norte Sede Lima Centro
𝑠=77.271 𝑠=37.542

𝑛(𝑆𝑒𝑑𝑒 𝑁𝑜𝑟𝑡𝑒) =25 𝑛(𝑆𝑒𝑑𝑒 𝐶𝑒𝑛𝑡𝑟𝑜) =27

𝑟(𝑆𝑒𝑑𝑒 𝑁𝑜𝑟𝑡𝑒) =24 𝑟(𝑆𝑒𝑑𝑒 𝐶𝑒𝑛𝑡𝑟𝑜) =26

1. Plantear Hipótesis
𝐇𝟎 : 𝜎12 ≤ 𝜎22
𝐇𝟏 : 𝜎12 > 𝜎22
2. Nivel de significancia
∝=5% = 0.05
3. Estadístico de Prueba

𝑺𝟐
𝑭𝑪 =𝑺𝟏𝟐 ~𝑭(𝒏𝟐−𝟏;𝒏𝟐−𝟏)
𝟐

4. Regla de decisión

 𝐹(1−∝;𝑟1:𝑟2 ) = 𝐹(0.95;24:25) = 1.984

5. Toma de decisión
77.271𝟐
𝐹𝐶 =37.542𝟐=4.236

6. Conclusión
Cae en zona de rechazo, donde se acepta 𝐇𝟏 y se rechaza 𝐇𝟎 . Se puede concluir que existe
menor variación respecto a la mensualidad en los alumnos de la Sede Lima Centro de la
Universidad Tecnológica del Perú.
EJERCICIO 22. Se realizó una encuesta a 25 alumnos de la sede Lima Norte y 27 de la
sede Lima Centro de la Universidad Tecnológica del Perú para conocer el número de
créditos que los estudiantes llevaron durante el ciclo 2018-2 en la Universidad Tecnológica
del Perú. Donde se conoce que la desviacion estandar es 1.303(Lima Norte) y 1.409 (Lima
Centro). Al nivel de significación de 5% ¿Se puede concluir que hay más variación respecto
a la mensualidad de los alumnos de Sede Lima Centro?

Datos:
Lima Norte Lima Centro
s=1.303 s=1.409
𝑛(𝑆𝑒𝑑𝑒 𝑁𝑜𝑟𝑡𝑒) =25 𝑛(𝑆𝑒𝑑𝑒 𝐶𝑒𝑛𝑡𝑟𝑜) =27
𝑟(𝑆𝑒𝑑𝑒 𝑁𝑜𝑟𝑡𝑒) =24 𝑟(𝑆𝑒𝑑𝑒 𝐶𝑒𝑛𝑡𝑟𝑜) =26

1. Plantear Hipótesis
𝐇𝟎 : 𝜎12 ≤ 𝜎22
𝐇𝟏 : 𝜎12 > 𝜎22
2. Nivel de significancia
∝=5% = 0.05
3. Estadístico de Prueba

𝑺𝟐
𝑭𝑪 =𝑺𝟏𝟐 ~𝑭(𝒏𝟐−𝟏;𝒏𝟐−𝟏)
𝟐

4. Regla de decisión

 𝐹(1−∝;𝑟1:𝑟2 ) = 𝐹(0.95;24:25) = 1.984

5. Toma de decisión
1,3032
𝐹𝐶 =1,4092 =0.855

6. Conclusión
Cae en zona de aceptación, donde se acepta 𝐇𝟎 y se rechaza 𝐇𝟏 . Se puede concluir
que existe más variación de la cantidad de créditos en la sede Lima Centro que en la
sede Lima Norte.

PRUEBA DE BONDAD DA AJUSTE.

AJUSTE A UNA DISTRIBUCIÓN UNIFORME
EJERCICIO 23. Los alumnos del curso de Estadística Inferencial de la Universidad
Tecnológica del Perú realizan una encuesta a 52 alumnos para conocer las veces por
semana donde los alumnos le dan utilidad a los cubículos durante el ciclo.
Utilidad de cubículos 0 1 2 3 5
durante la semana
Cantidad de 13 14 10 6 9
estudiantes
Con estos resultados, se puede concluir que a un nivel de significancia del 10 % hay
diferencia entre la utilidad de los cubículos durante la semana por los alumnos en la
Universidad Tecnológica del Perú
1° Hallamos la frecuencia esperada
13+14+10+6+9
𝒆𝒊 = 5
=10.4

2° Las frecuencias observadas y esperadas serán:

Utilidad de 0 1 2 4 5 Total
cubículos durante la
semana
Frecuencia 13 14 10 6 9 52
Observadas (𝒐𝒊 )
Frecuencia 10.4 10.4 10.4 10.4 10.4 52
Esperada (𝒆𝒊 )
Prueba de hipótesis de ajuste a una distribución uniforme
1. Plantear Hipótesis
𝐇𝟎 : No existe diferencia entre la utilidad de los cubículos durante la semana por los
alumnos en la Universidad Tecnológica del Perú
𝐇𝟏 : Si existen diferencia entre la utilidad de los cubículos durante la semana por los
alumnos en la Universidad Tecnológica del Perú
2. Nivel de significancia
∝=10% = 0.10

3. Estadístico de Prueba

(𝒐𝒊 −𝒆𝒊 )𝟐
𝐗 𝟐𝐂𝐚𝐥𝐜𝐮𝐥𝐚𝐝𝐨=∑𝒌𝒊=𝟏
𝒆𝒊

4. Regla de decisión

Grado de Libertad
G.L=5-1-0 = 4
2 2
Luego: 𝑋(1−∝; 𝐺.𝐿) = 𝑋(0.90; 4) = 7,779

5. Toma de decisión
2 (13−10.4)2 (14−10.4)2 (10−10.4)2 (6−10.4)2 (9−10.4)2
X Calculado = 10.4
+ 10.4
+ 10.4
+ 10.4
+ 10.4
2
X Calculado =3.961
6. Conclusión
Cae en zona de aceptación, donde se acepta 𝐇𝟎 y se rechaza 𝐇𝟏 . Se puede concluir
que, no existe diferencia entre la utilidad de los cubículos durante la semana por los
alumnos en la Universidad Tecnológica del Perú.
 AJUSTE A UNA DISTRIBUCIÓN BINOMIAL

EJERCICIO 24. Los estudiantes del cursos de Estadística Inferencial realizan una encuesta
a 52 alumnos de la Universidad Tecnológica del Perú (Lima Norte) , respecto a la aplicación
de actividades de aprendizajes de los docentes durante la semana (1: Lunes, 2: Martes ,
3:Miercoles , 4: Jueves, 5:Viernes, 6: Sábado ) . Revisando los datos obtenidos,
seleccionándolas al azar el número total de las declaraciones que encuentra por día tabula
en una distribución de frecuencias, resultando:

Número de 1 2 3 4 5 6
días
Número de 7 10 6 9 11 9
declaraciones

Con estos resultados, se puede concluir que a un nivel de significancia del 1% que está
distribución de frecuencias observadas concuerda con la distribución binomial.
Datos:
n=52
1∗7+2∗10+3∗6+4∗9+5∗11+6∗9
𝑥̅ = 7+10+6+9+11+9

𝑥̅ =3.6
1° Proporción estimada:
3.6
P= 6

P = 0.6
2° Ahora, conoceremos las probabilidades :
𝑝(1) = C16 (0,6)1 (0,4)6−1 = C16 (0,6)1 (0,4)5 = 0.036864
𝑝(2) = C26 (0,6)2 (0,4)6−2 = C26 (0,6)2 (0,4)4 = 0.13824
𝑝(3) = C36 (0,6)3 (0,4)6−3 = C36 (0,6)3 (0,4)3 =0.27648
𝑝(4) = C46 (0,6)4 (0,4)6−4 = C46 (0,6)4 (0,4)2 =0.31104
𝑝(5) = C56 (0,6)5 (0,4)6−5 = C56 (0,6)5 (0,4)1 =0.186624
𝑝(6) = C66 (0,6)6 (0,4)6−6 = C66 (0,6)6 (0,4)0 =0.046656
3° A continuación, las frecuencias esperadas ( e ) :
e(1)= 52 * 0.036864 = 1.916928

e(2)=7.18848
e(3)=14.37696
e(4)=16.17408
e(5)=9.704448
e(6)=2.426112
Las frecuencias observadas, las probabilidades binomiales y las frecuencias
esperadas se muestran a continuación:

Número de dias Observado (O) Probabilidad Esperado (e)

1 7 0.036864 1.916928
2 10 0.13824 7.18848
3 6 0.27648 14.37696
4 9 0.31104 16.17408
5 11 0.186624 9.704448
6 9 0.046656 2.426112
TOTAL 52 0.995904

1. Planteo de Hipótesis
𝐇𝟎 : La distribución de los datos observados concuerda con la binomial, esto quiere
decir que no hay diferencia entre los observados y separadas.
𝐇𝟏 : La distribución de los datos observados no concuerda con la binomial
2. Nivel de significancia
α= 1% = 0.01
3. Estadístico de prueba

( 𝒐𝒊− 𝒆𝒊 )𝟐
𝐗 𝟐(𝐂𝐚𝐥𝐜𝐮𝐥𝐚𝐝𝐨) =∑𝒌𝒊=𝟏 𝒆𝒊
 4. Regla de decisión

 2
𝑋(1−∝; 2
𝐺.𝐿) =𝑋(0.99; 3) =11.345

5. Toma de decisión
(7−1.916)2 (10−7.188)2 (6−14.376)2 (9−16.174)2 (11−9.704)2 (9−2.461)2
𝑋𝐶2 = 1.916
+ 7.188
+ 14.376
+ 16.174
+ 9.704
+ 2.461

𝑋𝐶2 = 36.692
6. Conclusiones

Cae en zona de rechazo, donde se acepta 𝐇𝟏 y se rechaza 𝐇𝟎 . Se puede concluir que,

La distribución de los datos observados no concuerda con la binomial
 AJUSTE A UNA DISTRIBUCIÓN POISSON

EJERCICIO 25. La siguiente tabla muestra información de cantidades sobre el uso de

los cubículos por semana realizado por 52 alumnos elegidos aleatoriamente.

Con estos resultados, ¿Se puede concluir que a un nivel de significancia del 1% que
esta distribución de frecuencias observadas coincide con la distribución Poissón?

Solución:

El valor de λ debe estimarse: (λ = 𝒙

̅)

0×10+1×23+2×10+3×9
𝑥̅ = 10+23+10+9

35
𝑥̅ = = 1.35
26

𝒆−𝝀 . 𝝀𝒙
Cálculo de probabilidad para cada intervalo: Pi = P(𝒙=i) = 𝒙!

Sea 𝓧 el número de veces de uso de los cubículos por semana.

𝑒 −1.35 . 1.350
P0 = P(𝑥=0) = 0!
= 0.26

𝑒 −1.35 . 1.351
P1 = P(𝑥=1) = = 0.35
1!

𝑒 −1.35 . 1.352
P2 = P(𝑥=2) = 2!
= 0.24

𝑒 −1.35 . 1.353
P3 = P(𝑥=3) = 3!
= 0.11

Cálculo de frecuencias esperadas: ei = Pi * n

e0 = 0.26*52 = 13.468

e1 = 0.35*52 = 16.148

e2 = 0.24*52 = 12.272

e3 = 0.11*52 = 5.512
 RESUMEN DE RESULTADOS:

Prueba de hipótesis de la bondad de ajuste

1. Planteo de Hipótesis
Ho: La distribución de los datos observados se ajusta a la Poissón P(λ=1.35).
Hi: La distribución de los datos observados no se ajusta a la Poissón P(λ=1.35).

2. Nivel de Significancia (Nivel de riesgo)

α = 1% = 0,01

3. Estadístico de Prueba

(𝒐−𝒆)𝟐
X2calculado = ∑𝒌𝒊=𝟏
𝒆

4. Regla de Decisión

GL = K – m - 1 = 4 – 1 - 1 = 2
X21-α;GL = X2(0,99:2) = 9.210
 5. Toma de Decisión

(𝒐−𝒆)𝟐 (10−0.26)2 (23−0.35)2 (10−0.24)2 (9−5.512)2

X2calculado = ∑𝒌𝒊=𝟏 𝒆
= 0.26
+ 0.35
+ 0.24
+ 5.512
= 2229.77

6. Conclusión

Aceptamos la alterna, a una significancia del 1% y se deduce que los datos

observados no se ajustan a una Poissón

AJUSTE A UNA DISTRIBUCIÓN NORMAL

EJERCICIO 26. Se encuestaron a 52 alumnos de la Universidad Tecnológica del

Perú elegidos aleatoriamente de distintas carreras acerca de su último promedio
ponderado y se obtuvieron las siguientes calificaciones:

Con estos rendimientos, ¿Se puede determinar a un nivel de significancia del 0.1%
que las frecuencias observadas en los intervalos y las correspondientes frecuencias
esperadas siguen una distribución normal?

Solución:

̅ y 𝝈 debe estimarse:
El valor de 𝒙

(𝟏𝟑.𝟓×𝟒)+(𝟏𝟒.𝟓×𝟕)+(𝟏𝟓.𝟓×𝟏𝟑)+(𝟏𝟔.𝟓×𝟏𝟏)+(𝟏𝟕.𝟓×𝟏𝟑)+(𝟏𝟗×𝟒)
̅=
𝒙 = 16.192
𝟓𝟐

σ2=
(𝟏𝟑.𝟓−𝟏𝟔.𝟏𝟗)𝟐 ∗𝟒+(𝟏𝟒.𝟓−𝟏𝟔.𝟏𝟗)𝟐 ∗𝟕+(𝟏𝟓.𝟓−𝟏𝟔.𝟏𝟗)𝟐 ∗𝟏𝟑+(𝟏𝟔.𝟓−𝟏𝟔.𝟏𝟗)𝟐 ∗𝟏𝟏+(𝟏𝟕.𝟓−𝟏𝟔.𝟏𝟗)𝟐 ∗𝟏𝟑+(𝟏𝟗−𝟏𝟔.𝟏𝟗)𝟐 ∗𝟒
𝟓𝟐

σ2 = 2.11

σ = √𝟐. 𝟏𝟐 = 1.45
 𝑳𝒊− 𝝁 𝑳𝒔− 𝝁
Cálculo de probabilidad para cada intervalo: 𝑷[ 𝝈
≤𝚭 < 𝝈
]

13− 16.19 14− 16.19

P1 = 𝑃 [ 1.45
≤Ζ < 1.45
] = 𝑃[−2.19 ≤ Ζ < −1.50] = 0.03865

14− 16.19 15− 16.19

P2 = 𝑃 [ 1.45
≤Ζ < 1.45
] = 𝑃[−1.50 ≤ Ζ < −0.81] = 0.03546

15− 16.19 16− 16.19

P3 = 𝑃 [ ≤Ζ < ] = 𝑃[−0.81 ≤ Ζ < −0.13] = 0.03981
1.45 1.45

16− 16.19 17− 16.19

P4 = 𝑃 [ 1.45
≤Ζ < 1.45
] = 𝑃[−0.13 ≤ Ζ < 0.55] = 0.03180

17− 16.19 18− 16.19

P5 = 𝑃 [ 1.45
≤Ζ < 1.45
] = 𝑃[0.55 ≤ Ζ < 1.24] = 0.03959

18− 16.19 20− 16.19

P6 = 𝑃 [ 1.45
≤Ζ < 1.45
] = 𝑃[1.24 ≤ Ζ < 2.61] = 0.07309

Cálculo de frecuencias esperadas: ei = Pi * n

e1 = 0.03865*52 = 2.0098

e2 = 0.03546*52 = 1.84392

e3 = 0.03981*52 = 2.07012

e4 = 0.03180*52 = 1.6536

e5 = 0.03959*52 = 2.05868

e6 = 0.07309*52 = 3.80068
Prueba de hipótesis de la bondad de ajuste:

1. Planteo de Hipótesis

Ho: La distribución de los datos observados se ajusta a una distribución normal.

Hi: La distribución de los datos observados no se ajusta a una distribución normal.

2. Nivel de Significancia
α = 0.1% = 0,001
3. Estadístico de Prueba
(𝒐−𝒆)𝟐
X2calculado = ∑𝒌𝒊=𝟏
𝒆
4. Regla de Decisión
GL = K – m - 1 = 4 – 2 - 1 = 1
X21-α;GL = X2(0,999:1) = 10.827

5. Toma de Decisión

(𝒐−𝒆)𝟐 (11−3.85)2 (13−2.070)2 (11−1.65)2 (17−5.85)2

X2calculado = ∑𝒌𝒊=𝟏 𝒆
= 3.85
+ 2.070
+ 1.65
+ 5.85
= 𝟏𝟒𝟓. 𝟐𝟑

6. Conclusión
Aceptamos la alterna, a una significancia del 0,1% y se deduce que los datos
observados no siguen una distribución normal.
 PRUEBA DE INDEPENDENCIA.

PRUEBA DE INDEPENDENCIA DE DOS VARIABLES ESTADÍSTICAS

EJERCICIO 27. Se realizó una encuesta en la Universidad Tecnológica del Perú en el

año 2018, el cual tiene como finalidad determinar si la calidad de enseñanza brindada
por los docentes está asociada a los promedios ponderados de los alumnos. Se eligieron
aleatoriamente 260 muestras de la población universitaria utepina. Realizar la prueba
de hipótesis a un nivel de significancia del 5%.

TABLA OBSERVADA

Solución

TABLA ESPERADA

Prueba de hipótesis de la independencia de dos variables es:

1. Planteo de Hipótesis

Ho: La calidad de enseñanza brindada por los docentes es independiente del promedio
ponderado de los alumnos.

Hi: La calidad de enseñanza brindada por los docentes no es independiente del

promedio ponderado de los alumnos.
2. Nivel de Significancia (Nivel de riesgo)
α = 5% = 0,05
3. Estadístico de Prueba

(𝒐−𝒆) 𝟐
X 2
calculado = ∑𝒌𝒊=𝟏
𝒆

4. Regla de Decisión
GL = (Filas-1)*(Columnas-1) = (4-1)*(3-1) = 6

X21-α;GL = X2(0,95:6) = 12.592

5. Toma de Decisión

(𝒐−𝒆)𝟐 (15−15.86)2 (50−34.61)2 (10−24.52)2 (20−29.61)2

X2calculado = ∑𝒌𝒊=𝟏 = + + + +
𝒆 15.86 34.61 24.52 29.61
(60−64.61)2 (60−45.77)2 (15−6.35)2 (5−13.85)2 (10−9.80)2 (5−3.17)2 (5−6.92)2
+ + + + + + +
64.61 45.77 6.35 13.85 9.80 3.17 6.92
(5−4.90)2
4.90
= 𝟒𝟐. 𝟒𝟎

6. Conclusión
Aceptamos la alterna, a una significancia del 1% y se deduce que la calidad de
enseñanza brindada por los docentes no es independiente del promedio
ponderado de los alumnos.
 PRUEBA DE HOMOGENEIDAD DE MUESTRAS

EJERCICIO 28. Una encuesta realizada por 4 alumnos de la UTP del cuarto ciclo,
estudia el monto máximo que efectúan 260 alumnos elegidos aleatoriamente de 2
carreras de pregrado: Ingeniería y Gestión y Negocios. Por lo tanto, ¿Se puede
concluir a un nivel de significancia del 5% que los alumnos de ambas carreras realizan
un pago igualitario?

TABLA OBSERVADA

Solución:

TABLA ESPERADA

Prueba de hipótesis de la homogeneidad de muestras:

1. Planteo de Hipótesis

Ho: Los alumnos de las carreras de Ingeniería y Gestión y Negocios realizan un pago
igualitario.

Hi: Al menos los alumnos de una de las carreras de Ingeniería y Gestión y Negocios
realiza un pago diferente.

2. Nivel de Significancia (Nivel de riesgo)

α = 5% = 0,05
3. Estadístico de Prueba

𝟐
𝒌 (𝒐−𝒆)
X 2
calculado = ∑𝒊=𝟏
𝒆
4. Regla de Decisión
GL = (Filas-1)*(Columnas-1) = (3-1)*(2-1) = 2
X21-α;GL = X2(0,95:2) = 5.991

5. Toma de Decisión

(𝒐−𝒆)𝟐 (25−30.29)2 (10−4.71)2 (170−164.42)2 (20−25.58)2

X2calculado = ∑𝒌𝒊=𝟏 𝒆
= 30.29
+ 4.71
+ 164.42
+ 25.58
+
(30−30.29)2 (5−4.71)2
30.29
+ 4.71
= 8.28

6. Conclusión
Aceptamos la alterna, a una significancia del 5% y se deduce que los alumnos de
las carreras de Ingeniería y Gestión y Negocios no realizan un pago igualitario.
 PRUEBA DE IGUALDAD DE DOS O MÁS PROPORCIONES POBLACIONALES

EJERCICIO 29. La Universidad Tecnológica del Perú labora sus sedes en tres turnos:
Mañana, tarde y noche; alumnos de esta misma desean conocer si hay diferencias en
la puntualidad de los docentes de los tres turnos. Para esto, se eligió una muestra
aleatoria de 45, 175 y 40 alumnos para los turnos de mañana, tarde y noche
respectivamente. ¿Podemos concluir a un nivel de significancia del 1% que la
proporción de la puntualidad (Siempre) de los docentes es la misma para los tres
turnos?

TABLA OBSERVADA

Solución:

TABLA ESPERADA

Prueba de hipótesis de igualdad de dos o más proporciones poblacionales

1. Planteo de Hipótesis

Ho: Los porcentajes de puntualidad (Siempre) de los docentes para los tres turnos son
iguales.

Hi: No todos los porcentajes de puntualidad (Siempre) de los docentes para los tres
turnos son iguales

2. Nivel de Significancia (Nivel de riesgo)

α = 1% = 0,01
3. Estadístico de Prueba

(𝒐−𝒆) 𝟐
X2calculado = ∑𝒌𝒊=𝟏
𝒆

4. Regla de Decisión

GL = (Filas-1)*(Columnas-1) = (3-1)*(3-1) = 4

X21-α;GL = X2(0,99:4) = 13.277

5. Toma de Decisión

(𝒐−𝒆)𝟐 (25−21.63)2 (85−84.13)2 (15−19.23)2 (10−18.17)2

X2calculado = ∑𝒌𝒊=𝟏 𝒆
= 21.63
+ 84.13
+ 19.23
+ 18.17
+
(80−70.67)2 (15−16.15)2 (10−5.19)2 (10−20.19)2 (10−4.61)2
70.67
+ 16.15
+ 5.19
+ 20.19
+ 4.61
= 22.23

6. Conclusión
Aceptamos la alterna, a una significancia del 1% y se deduce que no todos los
porcentajes de puntualidad (Siempre) de los docentes de los tres turnos son
iguales.
 CONCLUSIÓN

La estadística inferencial es una rama de la estadística que estudia el comportamiento

y propiedades de una muestra para poder generalizar unos resultados obtenidos,
basándose en la probabilidad este tipo de estadística permitió recolectar datos
importantes para el estudio de situaciones y dar respuestas a los problemas de una
forma útil y significativa. Como respuestas a esos resultados es inferir si el evento
ocurrirá o no mediante la aplicación de estudios como: métodos de muestreo,
probabilidad y sus tipos de probabilidad y distribuciones muestrales, estas técnicas
exigen que la muestra de la población sea aleatoria. Se puede decir que la estadística
inferencial es importante para simular situaciones, controlar procesos y verificar las
posibles respuestas a condiciones controladas, en una empresa puede reducir costos
ya que puede anticipar lo que puede suceder y tomar previsiones, a esperar que pase y
no estar preparado.

Por estos resultados podemos concluir que la mayoría de los estudiantes de la

Universidad Tecnológica del Perú están satisfechos con la calidad de aprendizaje que
brindan los docentes. También expresan su conformidad con la puntualidad del maestro
y con las herramientas que ofrece la universidad, como por ejemplo el uso de los
cubículos. Y la utilización de este medio de aprendizaje se ve reflejado en los promedios
de los estudiantes. Nuestra conclusión tras analizar las encuestas es que sin la
concienciación de los estudiantes universitarios nada puede ser posible, y por ello esta
encuesta es de suma importancia. Asimismo, cabe recalcar que, hasta ahora, según la
averiguación realizada se puede decir que la universidad se ha desarrollado
positivamente en los estudiantes.

RECOMENDACIONES

Es recomendable tomar en cuenta que la estadística es muy importante en la vida social

y laboral del hombre ya que generaliza información. También, es ampliamente
empleada para mostrar los aspectos cuantitativos de una situación

ANEXOS

https://forms.office.com/Pages/ResponsePage.aspx?id=NGymxLcrH0WL4bLC
akMBWHjjyQvL2UFJgcW9ijdIgpFUM1A2S1I0UTEyNlZEUjNaR1hERENBR04yU
C4u