Академический Документы
Профессиональный Документы
Культура Документы
ESTADÍSTICA INFERENCIAL
TITULO
Trabajo que como parte del curso de Estadística Inferencial presentan los alumnos
Contenido
1. Título del trabajo aplicado
2. Objetivo
3. Modelo de encuesta
4.1. Población
4.2. Muestra
4.4. Variables
9. Conclusiones
10. Recomendaciones
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
6.¿Cuánto es tu mensualidad?
Siempre
Casi siempre
Pocas veces
Nunca
Siempre
Casi siempre
Pocas veces
Nunca
otros
Cualitativa nominal
Tabla 1
Tabla 2
Tabla 3
Cuantitativa continua
Tabla 4
Tabla 5
Tabla 6
Tabla 7
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:
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
21+21
2
= 21
7. MEDIDAS DE DISPERSIÓN
𝚺[(𝐦−𝐱̃)𝟐 𝐱𝐟𝐢 ]
Varianza: S2 = 𝐧−𝟏
VARIANZA:
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
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
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:
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.
Donde:
(1-∝) = 98%
∝=2% = 0.02
(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
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.
Datos:
𝜇=600
𝑠= 63.451
𝑥̅ =682.211
1. Planteo de Hipótesis
H0: 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?
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
α=10%=0.1
̅ (𝟏 − 𝑷
𝑷 ̅) 𝑷̅ (𝟏 − 𝑷
̅)
̅ − 𝒁∝ ∗ √
𝑷 ̅ + 𝒁∝ ∗ √
≤𝑷≤𝑷
𝟐 𝒏 𝟐 𝒏
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
Solución:
Datos:
Hombres Mujeres
n1=80 n2=100
18 30
p1=80 p2=100
0.225(0.775) 0.3(0.7)
I.C(π1 − π2) = [0.225 − 0.3 ± 1.96√ 80
+ 100 〕
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:
Pregrado Postgrado
n1=30 n2=22
10 6
p1=30 p2=22
0.33(0.67) 0.27(0.73)
IC(π1 − π2) = [0.33 − 0.27 ± 1.96√[ 30
+ 22
]
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
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.
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
̅ −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.
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
(0.4−0.3)−0
Z=
0.3429(1−0.3429) 0.3429(1−0.3429)
√ +
300 400
Z= 2.76
6. Conclusión
Datos:
S=63.451
n= 52
Grado de Libertad 52-1 = 51
Nivel de significancia 𝛼 = 5 % = 0.05
𝒙𝟐𝜼 2
= 𝑥(0,025;51) = 71,4202
( ; 𝒏−𝟏)
𝟐
𝒙𝟐 𝜼
2
=𝑥(0,975;51) = 32,357
(𝟏− ; 𝒏−𝟏)
𝟐
(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
0.05
Nivel de significancia 𝛼 = 5 % = 0.05 = 2
=0.025
𝐱𝟐 𝛈 2
=𝑥(0,975;50) = 32,357
(𝟏− ; 𝐧−𝟏)
𝟐
(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:
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
𝟏 𝟏
𝑭∝ ; 𝒓𝟐:𝒓𝟏 =𝑭(𝟎.𝟎𝟐𝟓 ; 𝟏𝟓:𝟏𝟐) =𝑭 = 𝟑.𝟏𝟖=0.314
𝟐 (𝟎.𝟗𝟕𝟓 ;𝟏𝟐:𝟏𝟓)
2°Ahora, graficamos:
𝜎2
P [0.344 ≤ 𝜎12 ≤ 3.247]
2
1 1
𝑭∝ ; 𝒓 =𝑭(𝟎.𝟎𝟐𝟓 ; 𝟏𝟓:𝟏𝟐) =𝐹 = 3.18=0.314
𝟐 𝟐: 𝒓𝟏 (0.975 ;12:15)
2°Ahora, graficamos:
𝜎12
𝑝 [0.244 ≤ 2 ≤ 2.304]
𝜎2
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
(19)1.398
𝑋𝐶2 = 60
𝑋𝐶2 =0.442
6. Conclusiones
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
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
𝑺𝟐
𝑭𝑪 =𝑺𝟏𝟐 ~𝑭(𝒏𝟐−𝟏;𝒏𝟐−𝟏)
𝟐
4. Regla de decisión
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
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.
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:
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
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:
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!
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
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:
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).
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
6. Conclusión
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
]
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
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
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.
TABLA OBSERVADA
Solución
TABLA ESPERADA
1. Planteo de Hipótesis
Ho: La calidad de enseñanza brindada por los docentes es independiente del promedio
ponderado de los alumnos.
(𝒐−𝒆) 𝟐
X 2
calculado = ∑𝒌𝒊=𝟏
𝒆
4. Regla de Decisión
GL = (Filas-1)*(Columnas-1) = (4-1)*(3-1) = 6
5. Toma de Decisión
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
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
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
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
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
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
5. Toma de Decisión
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
RECOMENDACIONES
ANEXOS
https://forms.office.com/Pages/ResponsePage.aspx?id=NGymxLcrH0WL4bLC
akMBWHjjyQvL2UFJgcW9ijdIgpFUM1A2S1I0UTEyNlZEUjNaR1hERENBR04yU
C4u