Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>

UNIDAD I
TEORIA DEL MUESTREO
Uno de los propsitos de la estadstica inferencial es estimar las caractersticas
poblacionales desconocidas, examinando la informacin obtenida de una muestra,
de una poblacin. El punto de inters es la muestra, la cual debe ser
representativa de la poblacin objeto de estudio.
Se seguirn ciertos procedimientos de seleccin para asegurar de que las
muestras reflejen observaciones a la poblacin de la que proceden, ya que solo se
pueden hacer observaciones probabilsticas sobre una poblacin cuando se usan
muestras representativas de la misma.
Una poblacin est formada por la totalidad de las observaciones en las cuales
se tiene cierto observa.
Una muestra es un subconjunto de observaciones seleccionadas de una
poblacin.
Muestras Aleatorias
Cuando nos interesa estudiar las caractersticas de poblaciones grandes, se
utilizan muestras por muchas razones; una enumeracin completa de la poblacin,
llamada censo, puede ser econmicamente imposible, o no se cuenta con el
tiempo suficiente.
A continuacin se ver algunos usos del muestreo en diversos campos:
1. Poltica. Las muestras de las opiniones de los votantes se usan para que
los candidatos midan la opinin pblica y el apoyo en las elecciones.
2. Educacin. Las muestras de las calificaciones de los exmenes de
estudiantes se usan para determinar la eficiencia de una tcnica o
programa de enseanza.
3. Industria. Muestras de los productos de una lnea de ensamble sirve para
controlar la calidad.
4. Medicina. Muestras de medidas de azcar en la sangre de pacientes
diabticos prueban la eficacia de una tcnica o de un frmaco nuevo.
5. Agricultura. Las muestras del maz cosechado en una parcela proyectan en
la produccin los efectos de un fertilizante nuevo.
6. Gobierno. Una muestra de opiniones de los votantes se usara para
determinar los criterios del pblico sobre cuestiones relacionadas con el
bienestar y la seguridad nacional.
Errores en el Muestreo
Cuando se utilizan valores muestrales, o estadsticos para estimar valores
poblacionales, o parmetros, pueden ocurrir dos tipos generales de errores: el
error muestral y el error no muestral.
El error muestral se refiere a la variacin natural existente entre muestras
tomadas de la misma poblacin.
Cuando una muestra no es una copias exacta de la poblacin; an si se ha tenido
gran cuidado para asegurar que dos muestras del mismo tamao sean
representativas de una cierta poblacin, no esperaramos que las dos sean
idnticas en todos sus detalles. El error muestral es un concepto importante que
ayudar a entender mejor la naturaleza de la estadstica inferencial.
Los errores que surgen al tomar las muestras no pueden clasificarse como errores
muestrales y se denominan errores no muestrales.
El sesgo de las muestras es un tipo de error no muestral. El sesgo muestral se
refiere a una tendencia sistemtica inherente a un mtodo de muestreo que da
estimaciones de un parmetro que son, en promedio, menores (sesgo negativo), o
mayores (sesgo positivo) que el parmetro real.
El sesgo muestral puede suprimirse, o minimizarse, usando la aleatorizacin.
La aleatorizacin se refiere a cualquier proceso de seleccin de una muestra de
la poblacin en el que la seleccin es imparcial o no est sesgada; una muestra
elegida con procedimientos aleatorios se llama muestra aleatoria.
Los tipos ms comunes de tcnicas de muestreo aleatorios son el muestreo
aleatorio simple, el muestreo estratificado, el muestreo por conglomerados y el
muestreo sistemtico.
Si una muestra aleatoria se elige de tal forma que todos los elementos de la
poblacin tengan la misma probabilidad de ser seleccionados, la llamamos
muestra aleatoria simple.
Ejemplo 1.1
Suponga que nos interesa elegir una muestra aleatoria de 5 estudiantes en un
grupo de estadstica de 20 alumnos.
20
C
5
da el nmero total de formas de elegir
una muestra no ordenada y este resultado es 15,504 maneras diferentes de tomar
la muestra. Si listamos las 15,504 en trozos separados de papel, una tarea
tremenda, luego los colocamos en un recipiente y despus los revolvemos,
entonces podremos tener una muestra aleatoria de 5 si seleccionamos un trozo de
papel con cinco nombres. Un procedimiento ms simple para elegir una muestra
aleatoria sera escribir cada uno de los 20 nombres en pedazos separados de
papel, colocarlos en un recipiente, revolverlos y despus extraer cinco papeles al
mismo tiempo.
Otro mtodo parea obtener una muestra aleatoria de 5 estudiantes en un grupo de
20 utiliza una tabla de nmeros aleatorios. Se puede construir la tabla usando una
calculadora o una computadora. Tambin se puede prescindir de estas y hacer la
tabla escribiendo diez dgitos del 0 al 9 en tiras de papel, las colocamos en un
recipiente y los revolvemos, de ah, la primera tira seleccionada determina el
primer nmero de la tabla, se regresa al recipiente y despus de revolver otra vez
se selecciona la seguida tira que determina el segundo nmero de la tabla; el
proceso contina hasta obtener una tabla de dgitos aleatorios con tantos nmeros
como se desee.
Hay muchas situaciones en las cuales el muestreo aleatorio simple es poco
prctico, imposible o no deseado; aunque sera deseable usar muestras aleatorias
simples para las encuestas nacionales de opinin sobre productos o sobre
elecciones presidenciales, sera muy costoso o tardado.
El muestreo estratificado requiere de separar a la poblacin segn grupos que
no se traslapen llamados estratos, y de elegir despus una muestra aleatoria
simple en cada estrato. La informacin de las muestras aleatorias simples de cada
estrato constituira entonces una muestra global.
Ejemplo 1.2
Suponga que nos interesa obtener una muestra de las opiniones de los profesores
de una gran universidad. Puede ser difcil obtener una muestra con todos los
profesores, as que supongamos que elegimos una muestra aleatoria de cada
colegio, o departamento acadmico; los estratos vendran a ser los colegios, o
departamentos acadmicos.
El muestreo por conglomerados requiere de elegir una muestra aleatoria simple
de unidades heterogneas entre s de la poblacin llamadas conglomerados.
Cada elemento de la poblacin pertenece exactamente a un conglomerado, y los
elementos dentro de cada conglomerado son usualmente heterogneos o
dismiles.
Ejemplo 1.3
Suponga que una compaa de servicio de televisin por cable est pensando en
abrir una sucursal en una ciudad grande; la compaa planea realizar un estudio
para determinar el porcentaje de familias que utilizaran sus servicios, como no es
prctico preguntar en cada casa, la empresa decide seleccionar una parte de la
ciudad al azar, la cual forma un conglomerado.
En el muestreo por conglomerados, stos se forman para representar, tan
fielmente como sea posible, a toda la poblacin; entonces se usa una muestra
aleatoria simple de conglomerados para estudiarla. Los estudios de instituciones
sociales como iglesias, hospitales, escuelas y prisiones se realizan, generalmente,
con base en el muestreo por conglomerados.
El muestreo sistemtico es una tcnica de muestreo que requiere de una
seleccin aleatoria inicial de observaciones seguida de otra seleccin de
observaciones obtenida usando algn sistema o regla.
Ejemplo 1.4
Para obtener una muestra de suscriptores telefnicos en una ciudad grande,
puede obtenerse primero una muestra aleatoria de los nmeros de las pginas del
directorio telefnico; al elegir el vigsimo nombre de cada pgina obtendramos un
muestreo sistemtico, tambin podemos escoger un nombre de la primera pgina
del directorio y despus seleccionar cada nombre del lugar nmero cien a partir
del ya seleccionado. Por ejemplo, podramos seleccionar un nmero al azar entre
los primeros 100; supongamos que el elegido es el 40, entonces seleccionamos
los nombres del directorio que corresponden a los nmeros 40, 140, 240, 340 y as
sucesivamente.
Error Muestral
Cualquier medida conlleva algn error. Si se usa la media para medir, estimar, la
media poblacional , entonces la media muestral, como medida, conlleva algn
error. Por ejemplo, supongamos que se ha obtenido una muestra aleatoria de
tamao 25 de una poblacin con media = 15: si la media de la muestra es x=12,
entonces a la diferencia observada x- = -3 se le denomina el error muestral.
Una media muestral x puede pensarse como la suma de dos cantidades, la media
poblacional y el error muestral; si e denota el error muestral, entonces:

Ejemplo 1.5
Se toman muestras de tamao 2 de una poblacin consistente en tres valores, 2, 4
y 6, para simular una poblacin "grande" de manera que el muestreo pueda
realizarse un gran nmero de veces, supondremos que ste se hace con
reemplazo, es decir, el nmero elegido se reemplaza antes de seleccionar el
siguiente, adems, se seleccionan muestras ordenadas. En una muestra
ordenada, el orden en que se seleccionan las observaciones es importante, por
tanto, la muestra ordenada (2,4) es distinta de la muestra ordenada (4,2). En la
muestra (4,2), se seleccion primero 4 y despus 2. La siguiente tabla contiene
una lista de todas las muestras ordenadas de tamao 2 que es posible seleccionar
con reemplazo y tambin contiene las medioas muestrales y los correspondientes
errores muestrales. La media poblacional es igual a
= (2+4+6)/3 = 4. Ver la tabla en la siguiente pgina.
Notese las interesantes relaciones siguientes contenidas en la tabla:
La media de la coleccin de medias muestrales es 4, la media de la poblacin de
la que se extraen las muestras. Si x denota la media de todas las medias
muestrales entonces tenemos:
x = (3+4+3+4+5+5+2+4+6)/9 = 4
La suma de los errores muestrales es cero.
e
1
+ e
2
+ e
3
+ . . . + e
9
= (-2) + (-1) + 0 + (-1) + 0 + 1 + 0 + 1 + 2 = 0
Muestras ordenadas x
Error muestral e = x -
(2,2) 2 2 4 = -2
(2,4) 3 3 4 = -1
(2,6) 4 4 4 = 0
(4,2) 3 3 4 = -1
(4,4) 4 4 4 = 0
(4,6) 5 5 4 = 1
(6,2) 4 4 4 = 0
(6,4) 5 5 4 = 1
(6,6) 6 6 4 = 2
En consecuencia, si x se usa para medir, estimar, la media poblacional , el
promedio de todos los errores muestrales es cero.
Distribuciones Muestrales
Las muestras aleatorias obtenidas de una poblacin son, por naturaleza propia,
impredecibles. No se esperara que dos muestras aleatorias del mismo tamao y
tomadas de la misma poblacin tenga la misma media muestral o que sean
completamente parecidas; puede esperarse que cualquier estadstico, como la
media muestral, calculado a partir de las medias en una muestra aleatoria, cambie
su valor de una muestra a otra, por ello, se quiere estudiar la distribucin de todos
los valores posibles de un estadstico. Tales distribuciones sern muy importantes
en el estudio de la estadstica inferencial, porque las inferencias sobre las
poblaciones se harn usando estadsticas muestrales. Como el anlisis de las
distribuciones asociadas con los estadsticos muestrales, podremos juzgar la
confiabilidad de un estadstico muestral como un instrumento para hacer
inferencias sobre un parmetro poblacional desconocido.
Como los valores de un estadstico, tal como x, varan de una muestra aleatoria a
otra, se le puede considerar como una variable aleatoria con su correspondiente
distribucin de frecuencias.
La distribucin de frecuencia de un estadstico muestral se denomina distribucin
muestral. En general, la distribucin muestral de un estadstico es la de todos
sus valores posibles calculados a partir de muestras del mismo tamao.
Suponga que se han seleccionado muestras aleatorias de tamao 20 en una
poblacin grande. Se calcula la madia muestral x para cada muestra; la coleccin
de todas estas medias muestrales recibe el nombre de distribucin muestral de
medias, lo que se puede ilustrar en la siguiente figura:

Suponga que se eligen muestras aleatorias de tamao 20, de una poblacin
grande, y se calcula la deviacin estndar de cada una. La coleccin de todas
estas desviaciones estndar muestrales se llama distribucin muestral de la
desviacin estndar, y lo podemos ver en la siguiente figura:

Ejemplo 1.6
Se eligen muestras ordenadas de tamao 2, con reemplazo, de la poblacin de
valores 0, 2, 4 y 6. Encuentre:
, la media poblaciona.
, la desviacin estndar poblacional.
x,
la media de la distribucin muestral de medias.
x
, la desviacin estndar de la distribucin muestral de medias.
Adems, grafique las frecuencias para la poblacin y para la distribucin muestral
de medias.
Solucin:
a. La media poblacional es:


b. La desviacin estndar de la poblacin es:

c. A continuacin se listan los elementos de la distribucin muestral de la
media y la correspondiente distribucin de frecuencias.

La media de la distribucin muestral de medias es:

d) La desviacin estndar de la distribucin muestral de medias es:

De aqu que podamos deducir que:
Como para cualquier variable aleatoria, la dsitribucin muestral de medias tiene
una media o valor esperado, una varianza y una desviacin estndar, se puede
demostrar que la distribucin muestral de medias tiene una media igual a la media
poblacional. Esto es:

Distribuciones muestrales
Despus de haber realizado el ejercicio anterior se puede ver que una distribucin
muestral se genera extrayendo todas las posibles muestras del mismo tamao de
la poblacin y calculndoles a stas su estadstico.
Si la poblacin de la que se extraen las muestras es normal, la distribucin
muestral de medias ser normal sin importar el tamao de la muestra.

Si la poblacin de donde se extraen las muestras no es normal, entonces el
tamao de la muestra debe ser mayor o igual a 30, para que la distribucin
muestral tenga una forma acampanada. Mientras mayor sea el tamao de la
muestra, ms cerca estar la distribucin muestral de ser normal.
Para muchos propsitos, la aproximacin normal se considera buena si se cumple
n=30. La forma de la disitribucin muestral de medias sea aproximadamente
normal, an en casos donde la poblacin original es bimodal, es realmente
notable.

Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>

Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>
Teorema del lmite central
Si se seleccionan muestras aleatorias de n observaciones de una poblacin con media
y desviacin estndar , entonces, cuando n es grande, la distribucin
muestral de medias tendr aproximadamente una distribucin normal con una
media igual a y una desviacin estndar de . La aproximacin ser cada
vez ms exacta a medida de que n sea cada vez mayor.

Ejemplo
Para la dsitribucin muestral de medias del ejercicio pasado, encuentre:
a. El error muestral de cada media
b. La media de los errores muestrales
c. La desviacin estndar de los errores muestrales.
Solucin:
a. En la tabla siguiente se ven las muestras, las medias de las muestras y los
errores muestrales:
Muestra x
Error muestral, e=x-
(0,0) 0 0 - 3 = -3
(0,2) 1 1 - 3 = -2
(0,4) 2 2 - 3 = -1
(0,6) 3 3 3 = 0
(2,0) 1 1 3 = -2
(2,2) 2 2 3 = -1
(2,4) 3 3 3 = 0
(2,6) 4 4 3 = 1
(4,0) 2 2 3 = -1
(4,2) 3 3 3 = 0
(4,4) 4 4 3 = 1
(4,6) 5 5 3 = 2
(6,0) 3 3 3 = 0
(6,2) 4 4 3 = 1
(6,4) 5 5 3 = 2
(6,6) 6 6 3 = 3
b. La media de los errores muestrales es
e
, es:

c. La desviacin estndar de la distribucin de los errores muestrales
e,
es entonces:

La desviacin estndar de la distribucin muestral de un estadstico se conoce
como error estndar del estadstico. Para el ejercicio anterior el error estndar
de la media denotado por
x
, es 1.58. Con esto se puede demostrar que si de
una poblacin se eligen muestras de tamao n con reemplazo, entonces el error
estndar de la media es igual a la desviacin estndar de la distribucin de los
errores muestrales.
En general se tiene:
Cuando las muestras se toman de una poblacin pequea y sin reemplazo, se
puede usar la formula siguiente para encontrar
x
.

donde es la desviacin estndar de la poblacin de donde se toman las
muestras, n es el tamao de la muestra y N el de la poblacin.
Como rfegla de clculo, si el muestreo se hace sin reemplazo y el tamao de la
poblacin es al menos 20 veces el tamao de la muestra (N 20), entonces se
puede usar la frmula.
El factor se denomina factor de correccin para una poblacin finita.
Ejemplo:
Suponga que la tabla siguiente muestra la antiguedad en aos en el trabajo de
tres maestros universitarios de matemticas:
Maestro de matemticas Antiguedad
A 6
B 4
C 2
Suponga adems que se seleccionan muestras aleatorias de tamao 2 sin
reemplazo. Calcule la antigedad media para cada muestra, la media de la
distribucin muestral y el error estndar, o la desviacin estndar de la distribucin
muestral.
Solucin:
Se pueden tener
3
C
2
=3 muestras posibles. La tabla lista todas las muestras
posibles de tamao 2, con sus respectivas medias muestrales.
Muestras Antigedad Media Muestral
A,B (6,4) 5
A,C (6,2) 4
B,C (4,2) 3
La media poblacional es:
La media de la distribucin muestral es:
La desviacin estndar de la poblacin es:

El error estndar o la desviacin estndar de la distribucin muestral es:

Si utilizamos la frmula del error estndar sin el factor de correcin tendriamos
que:
Por lo que observamos que este valor no es el verdadero. Agregando el factor de
correccin obtendremos el valor correcto:

El diagrama de flujo resume las decisiones que deben tomarse cuando se calcula
el valor del error estndar:

Distribucin Muestral de Medias
Si recordamos a la distribucin normal, esta es una distribucin continua, en forma
de campana en donde la media, la mediana y la moda tienen un mismo valor y es
simtrica.
Con esta distribucin podamos calcular la probabilidad de algn evento
relacionado con la variable aleatoria, mediante la siguiente frmula:

En donde z es una variable estandarizada con media igual a cero y varianza igual
a uno. Con esta frmula se pueden a hacer los clculos de probabilidad para
cualquier ejercicio, utilizando la tabla de la distribucin z.
Sabemos que cuando se extraen muestras de tamao mayor a 30 o bien de
cualquier tamao de una poblacin normal, la distribucin muestral de medias
tiene un comportamiento aproximadamente normal, por lo que se puede utilizar la
formula de la distribucin normal con y , entonces la frmula para
calcular la probabilidad del comportamiento del estadstico, en este caso la media
de la muestra , quedara de la siguiente manera:

y para poblaciones finitas y muestro con reemplazo:

Ejemplo:
Una empresa elctrica fabrica focos que tienen una duracin que se distribuye
aproximadamente en forma normal, con media de 800 horas y desviacin estndar
de 40 horas. Encuentre la probabilidad de que una muestra aleatoria de 16 focos
tenga una vida promedio de menos de 775 horas.
Solucin:

Este valor se busca en la tabla de z

La interpretacin sera que la probabilidad de que la media de la muestra de 16
focos sea menor a 775 horas es de 0.0062.
Ejemplo:
Las estaturas de 1000 estudiantes estn distribuidas aproximadamente en forma
normal con una media de 174.5 centmetros y una desviacin estndar de 6.9
centmetros. Si se extraen 200 muestras aleatorias de tamao 25 sin reemplazo
de esta poblacin, determine:
a. El nmero de las medias muestrales que caen entre 172.5 y 175.8
centmetros.
b. El nmero de medias muestrales que caen por debajo de 172 centmetros.
Solucin:
Como se puede observar en este ejercicio se cuenta con una poblacin finita y un
muestreo sin reemplazo, por lo que se tendr que agregar el factor de correccin.
Se proceder a calcular el denominador de Z para slo sustituirlo en cada inciso.

a.





(0.7607)(200)=152 medias muestrales
b.


(0.0336)(200)= 7 medias muestrales
Distribucin muestral de Proporciones
Existen ocasiones en las cuales no estamos interesados en la media de la
muestra, sino que queremos investigar la proporcin de artculos defectuosos o la
proporcin de alumnos reprobados en la muestra. La distribucin muestral de
proporciones es la adecuada para dar respuesta a estas situaciones. Esta
distribucin se genera de igual manera que la distribucin muestral de medias, a
excepcin de que al extraer las muestras de la poblacin se calcula el estadstico
proporcin (p=x/n en donde "x" es el nmero de xitos u observaciones de inters
y "n" el tamao de la muestra) en lugar del estadsitico media.

Una poblacin binomial est estrechamente relacionada con la distribucin
muestral de proporciones; una poblacin binomial es una coleccin de xitos y
fracasos, mientras que una distribucin muestral de proporciones contiene las
posibilidades o proporciones de todos los nmeros posibles de xitos en un
experimento binomial, y como consecuencia de esta relacin, las afirmaciones
probabilsticas referentes a la proporcin muestral pueden evaluarse usando la
aproximacin normal a la binomial, siempre que np 5 y
n(1-p) 5. Cualquier evento se puede convertir en una proporcin si se divide el
nmero obtenido entre el nmero de intentos.
Generacin de la Distribucin Muestral de Proporciones
Suponga que se cuenta con un lote de 12 piezas, el cual tiene 4 artculos
defectuosos. Se van a seleccionar 5 artculos al azar de ese lote sin reemplazo.
Genere la distribucin muestral de proporciones para el nmero de piezas
defectuosas.
Como se puede observar en este ejercicio la Proporcin de artculos defectuosos
de esta poblacin es 4/12=1/3. Por lo que podemos decir que el 33% de las piezas
de este lote estn defectuosas.
El nmero posible de muestras de tamao 5 a extraer de una poblacin de 12
elementos es
12
C
5
=792, las cuales se pueden desglosar de la siguiente manera:
Artculos
Buenos
Artculos Malos
Proporcin de
artculos
defectuoso
Nmero de
maneras en las
que se puede
obtener la muestra
1 4 4/5=0.8
8
C
1
*
4
C
4
=8
2 3 3/5=0.6
8
C
2
*
4
C
3
=112
3 2 2/5=0.4
8
C
3
*
4
C
2
=336
4 1 1/5=0.2
8
C
4
*
4
C
1
=280
5 0 0/5=0 8C5*4C0=56
Total 792
Para calcular la media de la distribucin muestral de proporciones se tendra que
hacer la sumatoria de la frecuencia por el valor de la proporcin muestral y dividirla
entre el nmero total de muestras. Esto es:

Como podemos observar la media de la distribucin muestral de proporciones es
igual a la Proporcin de la poblacin.
p
= P
Tambin se puede calcular la desviacin estndar de la distribucin muestral de
proporciones:
La varianza de la distribucin binomial es
2
= npq, por lo que la varianza de la
distribucin muestral de proporciones es
2
p
=(Pq)/n. Si se sustituten los valores
en esta frmula tenemos que:
, este valor no coincide con el de 0.1681,
ya que nos falta agregar el factor de correccin para una poblacin finita y un
muestreo sin reemplazo:



La frmula que se utilizar para el clculo de probabilidad en una distribucin
muestral de proporciones est basada en la aproximacin de la distribucin normal
a la binomial . Esta frmula nos servir para calcular la probabilidad del
comportamiento de la proporcin en la muestra.

A esta frmula se le puede agregar el factor de correccin de si se cumple con las
condiciones necesarias.
Ejemplo:
Se ha determinado que 60% de los estudiantes de una universidad grande fuman
cigarrillos. Se toma una muestra aleatoria de 800 estudiantes. Calcule la
probabilidad de que la proporcin de la muestra de la gente que fuma cigarrillos
sea menor que 0.55.
Solucin:
Este ejercicio se puede solucionar por dos mtodos. El primero puede ser con la
aproximacin de la distribucin normal a la binomial y el segundo utilizando la
frmula de la distribucin muestral de proporciones.
Aproximacin de la distribucin normal a la binomial:
Datos:
n=800 estudiantes
p=0.60
x= (.55)(800) = 440 estudiantes
p(x< 440) = ?
Media= np= (800)(0.60)= 480

p(x< 440) = 0.0017. Este valor significa que existe una probabilidad del 0.17% de
que al extraer una muestra de 800 estudiantes, menos de 440 fuman cigarrillos.


Distribucin Muestral de Proporciones
Datos:
n=800 estudiantes
P=0.60
p= 0.55
p(p< 0.55) = ?

Observe que este valor es igual al obtenido en
el mtodo de la aproximacin de la distribucin normal a la binomial, por lo que si
lo buscamos en la tabla de "z" nos da la misma probabilidad de 0.0017. Tambin
se debe de tomar en cuenta que el factor de correccin de 0.5 se esta dividiendo
entre el tamao de la muestra, ya que estamos hablando de una proporcin.
La interpretacin en esta solucin, estara enfocada a la proporcin de la muestra,
por lo que diramos que la probabilidad de que al extraer una muestra de 800
estudiantes de esa universidad, la proporcin de estudiantes que fuman
cigarrillos sea menor al 55% es del 0.17%.
Ejemplo:
Un medicamento para malestar estomacal tiene la advertencia de que algunos
usuarios pueden presentar una reaccin adversa a l, ms an, se piensa que
alrededor del 3% de los usuarios tienen tal reaccin. Si una muestra aleatoria de
150 personas con malestar estomacal usa el medicamento, encuentre la
probabilidad de que la proporcin de la muestra de los usuarios que realmente
presentan una reaccin adversa, exceda el 4%.
a. Resolverlo mediante la aproximacin de la normal a la binomial
b. Resolverlo con la distribucin muestral de proporciones
a. Aproximacin de la distribucin normal a la binomial:
Datos:
n=150 personas
p=0.03
x= (0.04)(150) = 6 personas
p(x>6) = ?
Media = np= (150)(0.03)= 4.5


p(x>6) = 0.1685. Este valor significa que existe una probabilidad del 17% de
que al extraer una muestra de 150 personas, mas de 6 presentarn una
reaccin adversa.
b. Distribucin Muestral de Proporciones
Datos:
n=150 personas
P=0.03
p= 0.04
p(p>0.04) = ?


Observe que este valor es igual al obtenido y la interpretacin es: existe una
probabilidad del 17% de que al tomar una muestra de 150 personas se tenga una
proporcin mayor de 0.04 presentando una reaccin adversa.
Ejemplo:
Se sabe que la verdadera proporcin de los componentes defectuosos fabricadas
por una firma es de 4%, y encuentre la probabilidad de que una muestra aleatoria
de tamao 60 tenga:
a. Menos del 3% de los componentes defectuosos.
b. Ms del 1% pero menos del 5% de partes defectuosas.
Solucin:

a. Datos:
n= 60 artculos
P=0.04
p= 0.03
p(p<0.03) = ?


La probabilidad de que en una muestra de 60 artculos exista una
proporcin menor de 0.03 artculos defectuosos es de 0.2327.


b. Datos:
n= 60 artculos
P=0.04
p= 0.01 y 0.05
p(0.01<p<0.05) = ?

Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>



Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>
Distribucin Muestral de Diferencia de Medias
Suponga que se tienen dos poblaciones distintas, la primera con media
1
y
desviacin estndar
1
, y la segunda con media
2
y desviacin estndar
2.
Ms an, se elige una muestra aleatoria de tamao n
1
de la primera poblacin y
una muestra independiente aleatoria de tamao n
2
de la segunda poblacin; se
calcula la media muestral para cada muestra y la diferencia entre dichas medias.
La coleccin de todas esas diferencias se llama distribucin muestral de las
diferencias entre medias o la distribucin muestral del estadstico

La distribucin es aproximadamente normal para n
1
30 y n
2
30. Si las
poblaciones son normales, entonces la distribucin muestral de medias es normal
sin importar los tamaos de las muestras.
En ejercicios anteriores se haba demostrado que y que , por lo que
no es difcil deducir que y que .
La frmula que se utilizar para el calculo de probabilidad del estadstico de
diferencia de medias es:

Ejemplo:
En un estudio para comparar los pesos promedio de nios y nias de sexto grado
en una escuela primaria se usar una muestra aleatoria de 20 nios y otra de 25
nias. Se sabe que tanto para nios como para nias los pesos siguen una
distribucin normal. El promedio de los pesos de todos los nios de sexto grado de
esa escuela es de 100 libras y su desviacin estndar es de 14.142, mientras que
el promedio de los pesos de todas las nias del sexto grado de esa escuela es de
85 libras y su desviacin estndar es de 12.247 libras. Si representa el promedio
de los pesos de 20 nios y es el promedio de los pesos de una muestra de 25
nias, encuentre la probabilidad de que el promedio de los pesos de los 20 nios
sea al menos 20 libras ms grande que el de las 25 nias.
Solucin:
Datos:
1
= 100 libras
2
= 85 libras
1
= 14.142 libras
2
= 12.247 libras
n
1
= 20 nios
n
2
= 25 nias
= ?

Por lo tanto, la probabilidad de que el promedio de los pesos de la muestra de
nios sea al menos 20 libras ms grande que el de la muestra de las nias es
0.1056.

Ejemplo:
Uno de los principales fabricantes de televisores compra los tubos de rayos
catdicos a dos compaas. Los tubos de la compaa A tienen una vida media de
7.2 aos con una desviacin estndar de 0.8 aos, mientras que los de la B tienen
una vida media de 6.7 aos con una desviacin estndar de 0.7. Determine la
probabilidad de que una muestra aleatoria de 34 tubos de la compaa A tenga
una vida promedio de al menos un ao ms que la de una muestra aleatoria de 40
tubos de la compaa B.
Solucin:
Datos:
A
= 7.2 aos
B
= 6.7 aos
A
= 0.8 aos
B
= 0.7 aos
n
A
= 34 tubos
n
B
= 40 tubos
= ?


Ejemplo:
Se prueba el rendimiento en km/L de 2 tipos de gasolina, encontrndose una
desviacin estndar de 1.23km/L para la primera gasolina y una desviacin
estndar de 1.37km/L para la segunda gasolina; se prueba la primera gasolina en
35 autos y la segunda en 42 autos.
a. Cul es la probabilidad de que la primera gasolina de un rendimiento
promedio mayor de 0.45km/L que la segunda gasolina?
b. Cul es la probabilidad de que la diferencia en rendimientos promedio se
encuentre entre 0.65 y 0.83km/L a favor de la gasolina 1?.
Solucin:
En este ejercicio no se cuenta con los parmetros de las medias en ninguna de las
dos poblaciones, por lo que se supondrn que son iguales.
Datos:
1
= 1.23 Km/Lto
2
= 1.37 Km/Lto
n
1
= 35 autos
n
2
= 42 autos
a. = ?


b.
?



La probabilidad de que la diferencia en rendimientos promedio en las muestras se
encuentre entre 0.65 y 0.83 Km/Lto a favor de la gasolina 1 es de 0.0117.
Distribucin Muestral de Diferencia de Proporciones
Muchas aplicaciones involucran poblaciones de datos cualitativos que deben
compararse utilizando proporciones o porcentajes. A continuacin se citan algunos
ejemplos:
- Educacin.- Es mayor la proporcin de los estudiantes que aprueban
matemticas que las de los que aprueban ingls?
- Medicina.- Es menor el porcentaje de los usuarios del medicamento A que
presentan una reaccin adversa que el de los usuarios del frmaco B que
tambin presentan una reaccin de ese tipo?
- Administracin.- Hay diferencia entre los porcentajes de hombres y
mujeres en posiciones gerenciales.
- Ingeniera.- Existe diferencia entre la proporcin de artculos defectuosos
que genera la mquina A a los que genera la mquina B?
Cuando el muestreo procede de dos poblaciones binomiales y se trabaja con dos
proporciones muestrales, la distribucin muestral de diferencia de proporciones es
aproximadamente normal para tamaos de muestra grande (n
1
p
1
5, n
1
q
1
5,n
2
p
2
5 y n
2
q
2
5). Entonces p
1
y p
2
tienen distribuciones muestrales
aproximadamente normales, as que su diferencia p
1
-p
2
tambin tiene una
distribucin muestral aproximadamente normal.

Cuando se estudi a la distribucin muestral de proporciones se comprob que
y que , por lo que no es difcil deducir que y
que .
La frmula que se utilizar para el calculo de probabilidad del estadstico de
diferencia de proporciones es:

Ejemplo:
Los hombres y mujeres adultos radicados en una ciudad grande del norte difieren
en sus opiniones sobre la promulgacin de la pena de muerte para personas
culpables de asesinato. Se cree que el 12% de los hombres adultos estn a favor
de la pena de muerte, mientras que slo 10% de las mujeres adultas lo estn. Si
se pregunta a dos muestras aleatorias de 100 hombres y 100 mujeres su opinin
sobre la promulgacin de la pena de muerte, determine la probabilidad de que el
porcentaje de hombres a favor sea al menos 3% mayor que el de las mujeres.
Solucin:
Datos:
P
H
= 0.12
P
M
= 0.10
n
H
= 100
n
M
= 100
p(p
H
-p
M
0.03) = ?

Se recuerda que se est incluyendo el factor de correccin de 0.5 por ser una
distribucin binomial y se est utilizando la distribucin normal.


Se concluye que la probabilidad de que el porcentaje de hombres a favor de la
pena de muerte, al menos 3% mayor que el de mujeres es de 0.4562.
Ejemplo:
Una encuesta del Boston College const de 320 trabajadores de Michigan que
fueron despedidos entre 1979 y 1984, encontr que 20% haban estado sin trabajo
durante por lo menos dos aos. Supngase que tuviera que seleccionar otra
muestra aleatoria de 320 trabajadores de entre todos los empleados despedidos
entre 1979 y 1984. Cul sera la probabilidad de que su porcentaje muestral de
trabajadores sin empleo durante por lo menos dos aos, difiera del porcentaje
obtenido en la encuesta de Boston College, en 5% o ms?
Solucin:
En este ejercicio se cuenta nicamente con una poblacin, de la cual se estn
extrayendo dos muestras y se quiere saber la probabilidad de la diferencia de los
porcentajes en esas dos muestras, por lo que se debe de utilizar la distribucin
muestral de proporciones con P
1
= P
2
, ya que es una misma poblacin.
Otra de las situaciones con la cual nos topamos es que desconocemos la
proporcin de trabajadores despedidos entre 1979 y 1984 que estuvieron
desempleados por un perodo de por lo menos dos aos, slo se conoce la
p
1
= 0.20 ya que al tomar una muestra de 320 trabajadores se observ esa
proporcin.
En la frmula de la distribucin muestral de proporciones para el clculo de
probabilidad se necesita saber las proporciones de las poblaciones, las cuales en
este ejercicio las desconocemos, por lo que se utilizar el valor de 0.20 como una
estimacin puntual de P. En el siguiente tema se abordar el tema de estimacin
estadstica y se comprender el porque estamos utilizando de esa manera el dato.
Tambin debe de comprenderse la pregunta que nos hace este problema, cul
sera la probabilidad de que su porcentaje muestral de trabajadores sin empleo
durante por lo menos dos aos, difiera del porcentaje obtenido en la encuesta de
Boston College, en 5% o ms?, la palabra difiera quiere decir que puede existir
una diferencia a favor de la muestra uno, o a favor de la muestra dos, por lo que
se tendrn que calcular dos reas en la distribucin y al final sumarlas.
Datos:
p
1
= 0.20
n
1
= 320 trabajadores
n
2
= 320 trabajadores
P
1
= P
2




La probabilidad de que su proporcion muestral de trabajadores sin empleo durante
por lo menos dos aos, difiera del porcentaje obtenido en la encuesta de Boston
College, en 0.05 o ms es de 0.1260.

Ejemplo:
Se sabe que 3 de cada 6 productos fabricados por la mquina 1 son defectuosos y
que 2 de cada 5 objetos fabricados por la mquina 2 son defectuosos; se toman
muestras de 120 objetos de cada mquina:
a. cul es la probabilidad de que la proporcin de artculos defectuosos de la
mquina 2 rebase a la mquina 1 en por lo menos 0.10?
b. cul es la probabilidad de que la proporcin de artculos defectuosos de la
mquina 1 rebase a la mquina 2 en por lo menos 0.15?
Solucin:
Datos:
P
1
= 3/6 = 0.5
P
2
= 2/5 = 0.4
n
1
= 120 objetos
n
2
= 120 objetos
a. p(p
2
-p
1
0.10) = ?


Otra manera de hacer este ejercicio es poner P
1
-P
2
:


La probabilidad de que exista una diferencia de proporciones de artculos
defectuosos de por lo menos 10% a favor de la mquina 2 es de 0.0011.
b. p(p
1
-p
2

0.15)=?


La probabilidad de que exista una diferencia de proporciones de artculos
defectuosos de por lo menos 15% a favor de la mquina 1 es de 0.2357.
Distribucin Muestral de Nmero de Defectos
En el control de calidad y especficamente en los grficos de control "c" se aplica
esta distribucin, la cual consiste en que al extraer un artculo contabilicemos el
nmero de defectos que tiene ese artculo.
Esta distribucin muestral proviene de la distribucin de Poisson, en la cual le
media es y que en este caso es el nmero promedio de defectos por unidad.
Como ya es conocido la varianza de la distribucin de Poisson es igual a por lo
que se puede deducir la formula de la siguiente manera:

Para la distribucin muestral de nmero de defectos la nomenclatura utilizada es:
c = nmero defectos por unidad de inspeccin
C = nmero de defectos promedio por unidad de inspeccin
Se debe de recordar que la distribucin de Poisson es una distribucin discreta, y
se esta utilizando la aproximacin de la normal a la Poisson, debiendo aplicar el
factor de correccin de 0.5 segn sea el caso. La formula para la dsitribucin
muestral de nmero de defectos quedara de la siguiente manera:

Ejemplo:
En cierta empresa se fabrican productos con un promedio de 8 defectos por
unidad. Determine la probabilidad de que el prximo producto inspeccionado tenga
un nmero de defectos:
a. Mayor o igual a 6
b. Exactamente 7
c. Como mximo 9
a.


La probabilidad de que el siguiente producto inspeccionado tenga por lo menos 6
defectos es de 0.8106.
b.




La probabilidad de que el siguiente producto inspeccionado tenga
exactamente 7 defectos es de 0.1344.
c.


La probabilidad de que el siguiente producto inspeccionado tenga a lo ms 9
defectos es de 0.7019.
Problemas propuestos
1. Se sabe que la resistencia a la ruptura de cierto tipo de cuerda se distribuye
normalmente con media de 2000 libras y una varianza de 25,000 lbs
2
. Si se
selecciona una muestra aleatoria de 100 cuerdas; determine la probabilidad
de que en esa muestra:
a. La resistencia media encontrada sea de por lo menos 1958 libras.
b. La resistencia media se mayor de 2080 libras.
1. Como parte de un proyecto general de mejoramiento de la calidad, un
fabricante textil decide controlar el nmero de imperfecciones encontradas
en cada pieza de tela. Se estima que el nmero promedio de
imperfecciones por cada pieza de tela es de 12, determine la probabilidad
de que en la prxima pieza de tela fabricada se encuentren:
a. Entre 10 y 12 imperfecciones.
b. Menos de 9 y ms de 15 imperfecciones.
1. En una prueba de aptitud la puntuacin media de los estudiantes es de 72
puntos y la desviacin estndar es de 8 puntos. Cul es la probabilidad de
que dos grupos de estudiantes, formados de 28 y 36 estudiantes,
respectivamente, difieran en su puntuacin media en:
a. 3 ms puntos.
b. 6 o ms puntos.
c. Entre 2 y 5 puntos.
1. Un especialista en gentica ha detectado que el 26% de los hombres y el
24% de las mujeres de cierta regin del pas tiene un leve desorden
sanguneo; si se toman muestras de 150 hombres y 150 mujeres, determine
la probabilidad de que la diferencia muestral de proporciones que tienen
ese leve desorden sanguneo sea de:
a. Menos de 0.035 a favor de los hombres.
b. Entre 0.01 y 0.04 a favor de los hombres.
1. Una urna contiene 80 bolas de las que 60% son rojas y 40% blancas. De un
total de 50 muestras de 20 bolas cada una, sacadas de la urna con
remplazamiento, en cuntas cabe esperar
a. Igual nmero de bolas rojas y blancas?
b. 12 bolas rojas y 8 blancas?
c. 8 bolas rojas y 12 blancas?
d. 10 mas bolas blancas?
1. Los pesos de 1500 cojinetes de bolas se distribuyen normalmente con
media de 2.40 onzas y desviacin estndar de 0.048 onzas. Si se extraen
300 muestras de tamao 36 de esta poblacin, determinar la media
esperada y la desviacin estndar de la distribucin muestral de medias si
el muestreo se hace:
a. Con remplazamiento
b. Sin remplazamiento
1. La vida media de una mquina para hacer pasta es de siete aos, con una
desviacin estndar de un ao. Suponga que las vidas de estas mquinas
siguen aproximadamente una distribucin normal, encuentre:
a. La probabilidad de que la vida media de una muestra aleatoria de 9 de
estas mquinas caiga entre 6.4 y 7.2 aos.
b. El valor de la
a la derecha del cual caera el 15% de las medias calculadas de muestras
aleatorias de tamao nueve.
1. Se llevan a cabo dos experimentos independientes en lo que se comparan
dos tipos diferentes de pintura. Se pintan 18 especmenes con el tipo A y en
cada uno se registra el tiempo de secado en horas. Lo mismo se hace con
el tipo B. Se sabe que las desviaciones estndar de la poblacin son ambas
1.0. Suponga que el tiempo medio de secado es igual para los dos tipo de
pintura. Encuentre la probabilidad de que la diferencia de medias en el
tiempo de secado sea mayor a uno a favor de la pintura A.




Respuestas a los problemas propuestos:
1. a) 0.9960 b) 0
2. a) 0.3221 b) 0.3122
3. a) 0.2150 b) 0.0064 c) 0.4504
4. a) 0.2227 b) 0.2848
5. a) 6 b) 9 c) 2 d) 12
6. a) b) ligeramente menor que 0.008
7. a) 0.6898 b) 7.35
8. 0.0013
ESTIMACION
El objetivo principal de la estadstica inferencial es la estimacin, esto es que
mediante el estudio de una muestra de una poblacin se quiere generalizar las
conclusiones al total de la misma. Como vimos en la seccin anterior, los
estadsticos varan mucho dentro de sus distribuciones muestrales, y mientras
menor sea el error estndar de un estadstico, ms cercanos sern unos de otros
sus valores.
Existen dos tipos de estimaciones para parmetros; puntuales y por intervalo. Una
estimacin puntual es un nico valor estadstico y se usa para estimar un
parmetro. El estadstico usado se denomina estimador.
Una estimacin por intervalo es un rango, generalmente de ancho finito, que se
espera que contenga el parmetro.
Estimacin Puntual
La inferencia estadstica est casi siempre concentrada en obtener algn tipo de
conclusin acerca de uno o ms parmetros (caractersticas poblacionales). Para
hacerlo, se requiere que un investigador obtenga datos muestrales de cada una de
las poblaciones en estudio. Entonces, las conclusiones pueden estar basadas en
los valores calculados de varias cantidades muestrales . Po ejemplo,
representamos con (parmetro) el verdadero promedio de resistencia a la
ruptura de conexiones de alambres utilizados para unir obleas de
semiconductores. Podra tomarse una muestra aleatoria de 10 conexiones para
determinar la resistencia a la ruptura de cada una, y la media muestral de la
resistencia a la ruptura se poda emplear para sacar una conclusin acerca del
valor de . De forma similar, si es la varianza de la distribucin de resistencia
a la ruptura, el valor de la varianza muestral s
2
se podra utilizar pra inferir algo
acerca de .
Cuando se analizan conceptos generales y mtodos de inferencia es conveniente
tener un smbolo genrico para el parmetro de inters. Se utilizar la letra griega
para este propsito. El objetivo de la estimacin puntual es seleccionar slo un
nmero, basados en datos de la muestra, que represente el valor ms razonable
de .
Una muestra aleatoria de 3 bateras para calculadora podra presentar duraciones
observadas en horas de x
1
=5.0, x
2
=6.4 y x
3
=5.9. El valor calculado de la duracin
media muestral es = 5.77, y es razonable considerar 5.77 como el valor ms
adecuado de .
Una estimacin puntual de un parmetro es un slo nmero que se puede
considerar como el valor ms razonable de . La estimacin puntual se obtiene al
seleccionar una estadstica apropiada y calcular su valor a partir de datos de la
muestra dada. La estadstica seleccionada se llama estimador puntual de .

El smbolo (theta sombrero) suele utilizarse para representar el estimador de
y la estimacin puntual resultante de una muestra dada. Entonces se lee
como "el estimador puntual de es la media muestral ". El enunciado "la
estimacin puntual de es 5.77" se puede escribir en forma abreviada .
Ejemplo:
En el futuro habr cada vez ms inters en desarrollar aleaciones de Mg de bajo
costo, para varios procesos de fundicin. En consecuencia, es importante contar
con mtodos prcticos para determinar varias propiedades mecnicas de esas
aleaciones. Examine la siguiente muestra de mediciones del mdulo de elasticidad
obtenidos de un proceso de fundicin a presin:
44.2 43.9 44.7 44.2 44.0 43.8 44.6 43.1
Suponga que esas observaciones son el resultado de una muestra aleatoria. Se
desea estimar la varianza poblacional . Un estimador natural es la varianza
muestral:

En el mejor de los casos, se encontrar un estimador para el cual siempre.
Sin embargo, es una funcin de las X
i
muestrales, por lo que en s misma una
variable aleatoria.
+ error de estimacin
entonces el estimador preciso sera uno que produzca slo pequeas diferencias
de estimacin, de modo que los valores estimados se acerquen al valor verdadero.
Propiedades de un Buen Estimador
Insesgado.- Se dice que un estimador puntual es un estimador insesgado de
si , para todo valor posible de . En otras palabras, un estimador
insesgado es aquel para el cual la media de la distribucin muestral es el
parmetro estimado. Si se usa la media muestral para estimar la media
poblacional , se sabe que la , por lo tanto la media es un estimador
insesgado.
Eficiente o con varianza mnima.- Suponga que
1
y
2
son dos estimadores
insesgados de . Entonces, aun cuando la distribucin de cada estimador est
centrada en el valor verdadero de , las dispersiones de las distribuciones
alrededor del valor verdadero pueden ser diferentes.
Entre todos los estimadores de que son insesgados, seleccione al que tenga
varianza mnima. El resultante recibe el nombre de estimador insesgado con
varianza mnima (MVUE, minimum variance unbiased estimator) de .
En otras palabras, la eficiencia se refiere al tamao de error estndar de la
estadstica. Si comparamos dos estaisticas de una muestra del mismo tamao y
tratamos de decidir cual de ellas es un estimador mas eficiente, escogeramos la
estadstica que tuviera el menor error estndar, o la menor desviacin estndar de
la distribucin de muestreo.
Tiene sentido pensar que un estimador con un error estndar menor tendr una
mayor oportunidad de producir una estimacin mas cercana al parmetro de
poblacin que se esta considerando.

Como se puede observar las dos distribuciones tienen un mismo valor en el
parmetro slo que la distribucin muestral de medias tiene una menor varianza,
por lo que la media se convierte en un estimador eficiente e insesgado.
Coherencia.- Una estadstica es un estimador coherente de un parmetro de
poblacin, si al aumentar el tamao de la muestra se tiene casi la certeza de que
el valor de la estadstica se aproxima bastante al valor del parmetro de la
poblacin. Si un estimador es coherente se vuelve mas confiable si tenemos
tamaos de muestras mas grandes.
Suficiencia.- Un estimador es suficiente si utiliza una cantidad de la informacin
contenida de la muestra que ningn otro estimador podra extraer informacin
adicional de la muestra sobre el parmetro de la poblacin que se esta estimando.
Es decir se pretende que al extraer la muestra el estadstico calculado contenga
toda la informacin de esa muestra. Por ejemplo, cuando se calcula la media de la
muestra, se necesitan todos los datos. Cuando se calcula la mediana de una
muestra slo se utiliza a un dato o a dos. Esto es solo el dato o los datos del
centro son los que van a representar la muestra. Con esto se deduce que si
utilizamos a todos los datos de la muestra como es en el caso de la media, la
varianza, desviacin estndar, etc; se tendr un estimador suficiente.
Estimacin por Intervalos
Un estimado puntual, por ser un slo nmero, no proporciona por s mismo
informacin alguna sobre la precisin y confiabilidad de la estimacin. Por
ejemplo, imagine que se usa el estadstico para calcular un estimado puntual de
la resistencia real a la ruptura de toallas de papel de cierta marca, y suponga que
= 9322.7. Debido a la variabilidad de la muestra, nunca se tendr el caso de que
= . El estimado puntual nada dice sobre lo cercano que esta de . Una
alternativa para reportar un solo valor del parmetro que se est estimando es
calcular e informar todo un intervalo de valores factibles, un estimado de intervalo
o intervalo de confianza (IC). Un intervalo de confianza se calcula siempre
seleccionando primero un nivel de confianza, que es una medida de el grado de
fiabilidad en el intervalo. Un intervalo de confianza con un nivel de confianza de
95% de la resistencia real promedio a la ruptura podra tener un lmite inferior de
9162.5 y uno superior de 9482.9. Entonces, en un nivel de confianza de 95%, es
posible tener cualquier valor de entre 9162.5 y 9482.9. Un nivel de confianza de
95% implica que 95% de todas las muestras dara lugar a un intervalo que incluye
o cualquier otro parmetro que se est estimando, y slo 5% de las muestras
producir un intervalo errneo. Cuanto mayor sea el nivel de confianza podremos
creer que el valor del parmetro que se estima est dentro del intervalo.
Una interpretacin correcta de la "confianza de 95%" radica en la interpretacin
frecuente de probabilidad a largo plazo: decir que un evento A tiene una
probabilidad de 0.95, es decir que si el experimento donde A est definido re
realiza una y otra vez, a largo plazo A ocurrir 95% de las veces. Para este caso
el 95% de los intervalos de confianza calculados contendrn a .

Esta es una construccin repetida de intervalos de confianza de 95% y se puede
observar que de los 11 intervalos calculados slo el tercero y el ltimo no
contienen el valor de .
De acuerdo con esta interpretacin, el nivel de confianza de 95% no es tanto un
enunciado sobre cualquier intervalo en particular, ms bien se refiere a lo que
sucedera si se tuvieran que construir un gran nmero de intervalos semejantes.
Encontrar z a partir de un nivel de confianza
Existen varias tablas en las cuales podemos encontrar el valor de z, segn sea el
rea proporcionada por la misma. En esta seccin se realizar un ejemplo para
encontrar el valor de z utilizando tres tablas diferentes.
Ejemplo:
Encuentre el valor de z para un nivel de confianza del 95%.
Solucin 1:
Se utilizar la tabla que tiene el rea bajo la curva de - hasta z. Si lo vemos
grficamente sera:

El nivel de confianza bilateral est dividido en partes iguales bajo la curva:

En base a la tabla que se esta utilizando, se tendr que buscar el rea de 0.975,
ya que cada extremo o cola de la curva tiene un valor de 0.025.

Por lo que el valor de z es de 1.96.
Solucin 2:
Si se utiliza una tabla en donde el rea bajo la curva es de 0 a z:

En este caso slo se tendr que buscar adentro de la tabla el rea de 0.475 y el
resultado del valor de z ser el mismo, para este ejemplo 1.96.

Solucin 3:
Para la tabla en donde el rea bajo la curva va desde z hasta :

Se busca el valor de 0.025 para encontrar z de 1.96.
Independientemente del valor del Nivel de Confianza este ser el procedimiento a
seguir para localizar a z. En el caso de que no se encuentre el valor exacto se
tendr que interpolar.
Estimacin para la Media
Es conocido de nosotros durante este curso, que en base a la distribucin
muestral de medias que se gener en el tema anterior, la formula para el calculo
de probabilidad es la siguiente: . Como en este caso no conocemos
el parmetro y lo queremos estimar por medio de la media de la muestra, slo se
despejar de la formula anterior, quedando lo siguiente:

De esta formula se puede observar que tanto el tamao de la muestra como el
valor de z se conocern. Z se puede obtener de la tabla de la distribucin normal a
partir del nivel de confianza establecido. Pero en ocasiones se desconoce por
lo que en esos casos lo correcto es utilizar otra distribucin llamada "t" de student
si la poblacin de donde provienen los datos es normal.
Para el caso de tamaos de muestra grande se puede utilizar una estimacin
puntual de la desviacin estndar, es decir igualar la desviacin estndar de la
muestra a la de la poblacin (s= ).
Ejemplos:
1. Se encuentra que la concentracin promedio de zinc que se saca del agua
a partir de una muestra de mediciones de zinc en 36 sitios diferentes es de
2.6 gramos por mililitro. Encuentre los intervalos de confianza de 95% y
99% para la concentracin media de zinc en el ro. Suponga que la
desviacin estndar de la poblacin es 0.3.
Solucin:
La estimacin puntual de es = 2.6. El valor de z para un nivel de
confianza del 95% es 1.96, por lo tanto:


Para un nivel de confianza de 99% el valor de z es de 2.575 por lo que el
intervalo ser ms amplio:


El intervalo de confianza proporciona una estimacin de la presicin de
nuestra estimacin puntual. Si es realmente el valor central de intervalo,
entonces estima sin error. La mayor parte de las veces, sin embargo,
no ser exactamente igual a y la estimacin puntual es errnea. La
magnitud de este error ser el valor absoluto de la diferencia entre y , y
podemos tener el nivel de confianza de que esta diferencia no exceder
.
Como se puede observar en los resultados del ejercicio se tiene un error de
estimacin mayor cuando el nivel de confianza es del 99% y ms pequeo
cuando se reduce a un nivel de confianza del 95%.
2. Una empresa elctrica fabrica focos que tienen una duracin
aproximadamente distribuida de forma normal con una desviacin estndar
de 40 horas. Si una muestra de 30 focos tiene una duracin promedio de
780 horas, encuentre un intervalos de confianza de 96% para la media de la
poblacin de todos los focos que produce esta empresa.
Solucin:

Con un nivel de confianza del 96% se sabe que la duracin media de los
focos que produce la empresa est entre 765 y 765 horas.
3. La prueba de corte sesgado es el procedimiento ms aceptado para evaluar
la calidad de una unin entre un material de reparacin y su sustrato de
concreto. El artculo "Testing the Bond Between Repair Materials and
Concrete Substrate" informa que, en cierta investigacin, se obtuvo una
resistencia promedio muestral de 17.17 N/mm
2
, con una muestra de 48
observaciones de resistencia al corte, y la desviacin estndar muestral fue
3.28 N/mm
2
. Utilice un nivel de confianza inferior del 95% para estimar la
media real de la resistencia al corte.
Solucin:
En este ejercicio se nos presentan dos situaciones diferentes a los ejercicios
anteriores. La primera que desconoce la desviacin estndar de la poblacin y la
segunda que nos piden un intervalo de confianza unilateral.
El primer caso ya se haba comentado y se solucionar utilizando la desviacin
estndar de la muestra como estimacin puntual de sigma.
Para el intervalo de confianza unilateral, se cargar el rea bajo la curva hacia un
solo lado como sigue:


Esto quiere decir que con un nivel de confianza de 95%, el valor de la media est
en el intervalo (16.39, ).
Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>




Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>
Estimacin de una Proporcin
Un estimador puntual de la proporcin P en un experimento binomial est dado por la
estadstica P=X/N, donde x representa el nmero de xitos en n pruebas. Por tanto, la
proporcin de la muestra p =x/n se utiulizar como estimador puntual del parmetro P.
Si no se espera que la proporcin P desconocida est demasiado cerca de 0 de 1, se puede
establecer un intervalo de confianza para P al considerar la distribucin muestral de
proporciones.

Al despejar P de esta ecuacin nos queda:

En este despeje podemos observar que se necesita el valor del parmetro P y es
precisamente lo que queremos estimar, por lo que lo sustituiremos por la proporcin de la
muestra p siempre y cuando el tamao de muestra no sea pequeo.

Cuando n es pequea y la proporcin desconocida P se considera cercana a 0 a 1, el
procedimiento del intervalo de confianza que se establece aqu no es confiable, por tanto,
no se debe utilizar. Para estar seguro, se debe requerir que np nq sea mayor o igual a 5.
El error de estimacin ser la diferencia absoluta entre p y P, y podemos tener el nivel de
confianza de que esta diferencia no exceder .
Ejemplos:
1. Un fabricante de reproductores de discos compactos utiliza un conjunto de pruebas
amplias para evaluar la funcin elctrica de su producto. Todos los reproductores de
discos compactos deben pasar todas las pruebas antes de venderse. Una muestra
aleatoria de 500 reproductores tiene como resultado 15 que fallan en una o ms
pruebas. Encuentre un intervalo de confianza de 90% para la proporcin de los
reproductores de discos compactos de la poblacin que no pasan todas las pruebas.
Solucin:
n=500
p = 15/500 = 0.03
z(0.90) = 1.645

0.0237<P<0.0376
Se sabe con un nivel de confianza del 90% que la proporcin de discos defectuosos
que no pasan la prueba en esa poblacin esta entre 0.0237 y 0.0376.
2. En una muestra de 400 pilas tipo B fabricadas por la Everlast Company, se
encontraron 20 defectuosas. Si la proporcin p de pilas defectuosas en esa muestra
se usa para estimar P, que vendr a ser la proporcin verdadera de todas las pilas
defectuosas tipo B fabricadas por la Everlast Company, encuentre el mximo error
de estimacin tal que se pueda tener un 95% de confianza en que P dista menos
de de p.

Solucin:
p=x/n = 20/400=0.05
z(0.95)=1.96

Si p=0.05 se usa para estimar P, podemos tener un 95% de confianza en que P dista
menos de 0.021 de p. En otras palabras, si p=0.05 se usa para erstimar P, el error
mximo de estimacin ser aproximadamente 0.021 con un nivel de confianza del
95%.
Para calcular el intervalo de confianza se tendra:

Esto da por resultado dos valores, (0.029, 0.071). Con un nivel de confianza del
95% se sabe que la proporcin de pulas defectuosas de esta compaa est entre
0.029 y 0.071.
Si se requiere un menor error con un mismo nivel de confianza slo se necesita
aumentar el tamao de la muestra.
3. En un estudio de 300 accidentes de automvil en una ciudad especfica, 60 tuvieron
consecuencias fatales. Con base en esta muestra, construya un intervalo del 90% de
confianza para aproximar la proporcin de todos los accidentes automovilsticos que
en esa ciudad tienen consecuencias fatales.
Solucin:
P= 60/300 = 0.20
Z(0.90) = 1.645

0.162<P<0.238
Estimacin de la Diferencia entre dos Medias
Si se tienen dos poblaciones con medias
1
y
2
y varianzas
1
2
y
2
2
,
respectivamente, un estimador puntual de la diferencia entre
1
y
2
est dado por la
estadstica . Por tanto. Para obtener una estimacin puntual de
1
-
2,
se seleccionan dos muestras aleatorias independientes, una de cada poblacin, de
tamao n
1
y n
2
, se calcula la diferencia , de las medias muestrales.
Recordando a la distribucin muestral de diferencia de medias:

Al despejar de esta ecuacin
1
-
2
se tiene:

En el caso en que se desconozcan las varianzas de la poblacin y los tamaos de muestra
sean mayores a 30 se podr utilizar la varianza de la muestra como una estimacin puntual.
Ejemplos:
1. Se lleva a cabo un experimento en que se comparan dos tipos de motores, A y B. Se
mide el rendimiento en millas por galn de gasolina. Se realizan 50 experimentos
con el motor tipo A y 75 con el motor tipo B. La gasolina que se utiliza y las dems
condiciones se mantienen constantes. El rendimiento promedio de gasolina para el
motor A es de 36 millas por galn y el promedio para el motor B es 24 millas por
galn. Encuentre un intervalo de confianza de 96% sobre la diferencia promedio
real para los motores A y B. Suponga que las desviaciones estndar poblacionales
son 6 y 8 para los motores A y B respectivamente.
Solucin:
Es deseable que la diferencia de medias sea positiva por lo que se recomienda restar
la media mayor menos la media menor. En este caso ser la media del motor B
menos la media del motor A.
El valor de z para un nivel de confianza del 96% es de 2.05.

3.43<
B
-
A
<8.57
La interpretacin de este ejemplo sera que con un nivel de confianza del 96% la
diferencia del rendimiento promedio esta entre 3.43 y 8.57 millas por galn a favor
del motor B. Esto quiere decir que el motor B da mas rendimiento promedio que el
motor A, ya que los dos valores del intervalo son positivos.
2. Una compaa de taxis trata de decidir si comprar neumticos de la marca A o de la
B para su flotilla de taxis. Para estimar la diferencia de las dos marcas, se lleva a
cabo un experimento utilizando 12 de cada marca. Los neumticos se utilizan hasta
que se desgastan, dando como resultado promedio para la marca A 36,300
kilmetros y para la marca B 38,100 kilmetros. Calcule un intervalo de confianza
de 95% para la diferencia promedio de las dos marcas, si se sabe que las
poblaciones se distribuyen de forma aproximadamente normal con desviacin
estndar de 5000 kilmetros para la marca A y 6100 kilmetros para la marca B.
Solucin:

-2662.68<
B
-
A
<6262.67
Grficamente:

Como el intervalo contiene el valor "cero", no hay razn para creer que el
promedio de duracin del neumtico de la marca B es mayor al de la marca A,
pues el cero nos est indicando que pueden tener la misma duracin promedio.
Estimacin de la Diferencia de dos Proporciones
En la seccin anterior se vio el tema de la generacin de las distribuciones
muestrales, en donde se tena el valor de los parmetros, se seleccionaban dos
muestras y podamos calcular la probabilidad del comportamiento de los
estadsticos. Para este caso en particular se utilizar la distribucin muestral de
diferencia de proporciones para la estimacin de las misma. Recordando la
formula:

Despejando P
1
-P
2
de esta ecuacin:

Aqu se tiene el mismo caso que en la estimacin de una proporcin, ya que al
hacer el despeje nos queda las dos proporciones poblacionales y es precisamente
lo que queremos estimar, por lo que se utilizarn las proporciones de la muestra
como estimadores puntuales:

Ejemplos:
1. Se considera cierto cambio en un proceso de fabricacin de partes
componentes. Se toman muestras del procedimiento existente y del nuevo
para determinar si ste tiene como resultado una mejora. Si se encuentra
que 75 de 1500 artculos del procedimiento actual son defectuosos y 80 de
2000 artculos del procedimiento nuevo tambin lo son, encuentre un
intervalo de confianza de 90% para la diferencia real en la fraccin de
defectuosos entre el proceso actual y el nuevo.
Solucin:
Sean P
1
y P
2
las proporciones reales de defectuosos para los procesos
actual y nuevo, respectivamente. De aqu, p
1
=75/1500 = 0.05 y p
2
=
80/2000 = 0.04. con el uso de la tabla encontramos que z para un nivel de
confianza del 90% es de 1.645.

-0.0017<P
1
-P
2
<0.0217
Como el intervalo contiene el valor de cero, no hay razn para creer que el
nuevo procedimiento producir una disminucin significativa en la
proporcin de artculos defectuosos comparado con el mtodo existente.
2. Un artculo relacionado con la salud, reporta los siguientes datos sobre la
incidencia de disfunciones importantes entre recin nacidos con madres
fumadoras de marihuana y de madres que no la fumaban:
Usuaria No Usuaria
Tamao Muestral 1246 11178
Nmero de disfunciones 42 294
Proporcin muestral 0.0337 0.0263
Encuentre el intervalo de confianza del 99% para la diferencia de
proporciones.
Solucin:
Representemos P
1
la proporcin de nacimientos donde aparecen disfunciones
entre todas las madres que fuman marihuana y definamos P
2
, de manera similar,
para las no fumadoras. El valor de z para un 99% de confianza es de 2.58.

-0.0064<P
1
-P
2
<0.0212
Este intervalo es bastante angosto, lo cual sugiere que P
1
-P
2
ha sido estimado de
manera precisa.
Determinacin de Tamaos de Muestra para Estimaciones
Al iniciar cualquier investigacin, la primer pregunta que surge es: de qu tamao
debe ser la o las muestras?. La respuesta a esta pregunta la veremos en esta
seccin, con conceptos que ya se han visto a travs de este material.

Clculo del Tamao de la Muestra para Estimar una Media
Qu tan grande debe ser una muestra si la media muestral se va a usar para
estimar la media poblacional?. La respuesta depende del error estndar de la
media, si este fuera cero, entonces se necesitara una sola media que ser igual
necesariamente a la media poblacional desconocida , porque = 0. Este caso
extremo no se encuentra en la prctica, pero refuerza el hecho de que mientras
menor sea el error estndar de la media, menor es el tamao de muestra
necesario para lograr un cierto grado de precisin.
Se estableci antes que una forma de disminuir el error de estimacin es
aumentar el tamao de la muestra, si ste incluye el total de la poblacin,
entonces sera igual a cero. Con esto en mente, parece razonable que para
un nivel de confianza fijo, sea posible determinar un tamao de la muestra tal que
el error de estimacin sea tan pequeo como queramos, para ser mas preciso,
dado un nivel de confianza y un error fijo de estimacin , se puede escoger un
tamao de muestra n tal que P( ) = Nivel de confianza. Con el
propsito de determinar n. El error mximo de estimacin esta dado por:

Si se eleva al cuadrado ambos lados de esta ecuacin y se despeja n de la
ecuacin resultante, obtenemos:

Como n debe de ser un nmero entero, redondeamos hacia arriba todos los
resultados fraccionarios.
En el caso de que se tenga una poblacin finita y un muestreo sin reemplazo, el
error de estimacin se convierte en:

De nuevo se eleva al cuadrado ambos lados y se despeja la n, obteniendo:

Ejemplos:
1. Un bilogo quiere estimar el peso promedio de los ciervos cazados en el
estado de Maryland. Un estudio anterior de diez ciervos cazados mostr
que la desviacin estndar de sus pesos es de 12.2 libras. Qu tan grande
debe ser una muestra para que el bilogo tenga el 95% de confianza de
que el error de estimacin es a lo ms de 4 libras?
Solucin:

En consecuencia, si el tamao de la muestra es 36, se puede tener un 95%
de confianza en que difiere en menos de 4 libras de .
2. Una empresa elctrica fabrica focos que tienen una duracin
aproximadamente normal con una desviacin estndar de 40 horas. De
qu tamao se necesita una muestra si se desea tener 96% de confianza
que la media real est dentro de 10 horas de la media real?

Se necesita una muestra de 68 focos para estimar la media de la poblacin
y tener un error mximo de 10 horas.
Qu pasara si en lugar de tener un error de estimacin de 10 horas slo
se requiere un error de 5 horas?

Se puede observar como el tamao de la muestra aumenta, pero esto tiene
como beneficio una estimacin ms exacta.
3. Suponga que en el ejercicio anterior se tiene una poblacin de 300 focos, y
se desea saber de que tamao debe de ser la muestra. El muestreo se
realizar sin reemplazo.
Solucin:
Como se tiene una poblacin finita y un muestreo sin reemplazo es necesario
utilizar la formula con el factor de correccin.

Si se tiene una poblacin finita de 300 focos slo se tiene que extraer de la
poblacin una muestra sin reemplazo de 56 focos para poder estimar la duracin
media de los focos restantes con un error mximo de 10 horas.
Clculo del Tamao de la Muestra para Estimar una Proporcin
Se desea saber que tan grande se requiere que sea una muestra para asegurar
que el error al estimar P sea menor que una cantidad especfica .

Elevando al cuadrado la ecuacin anterior se despeja n y nos queda:

Esta frmula est algo engaosa, pues debemos utilizar p para determinar el
tamao de la muestra, pero p se calcula a partir de la muestra. Existen ocasiones
en las cuales se tiene una idea del comportamiento de la proporcin de la
poblacin y ese valor se puede sustituir en la frmula, pero si no se sabe nada
referente a esa proporcin entonces se tienen dos opciones:
- Tomar una muestra preliminar mayor o igual a 30 para proporcionar una
estimacin de P. Despus con el uso de la frmula se podra determinar de
forma aproximada cuntas observaciones se necesitan para proporcionar el
grado de precisin que se desea.
- Tomar el valor de p como 0.5 ya que sustituyendo este en la frmula se
obtiene el tamao de muestra mayor posible. Observe el siguiente ejemplo:
Se desconoce el valor de P, por lo que se utilizarn diferentes valores y se
sustituirn en la formula para observar los diferentes tamaos de muestras. El
nivel de confianza que se utilizar es del 95% con un error de estimacin de 0.30.
p

n
0.10

3.84
0.20

6.82
0.30

8.96
0.40

10.24
0.50

10.67
0.60

10.24
0.70

8.96
0.80

6.82
0.90

3.84
Como se puede observar en la tabla anterior cuando P vale 0.5 el tamao de la
muestra alcanza su mximo valor.
En el caso de que se tenga una poblacin finita y un muestreo sin reemplazo, el
error de estimacin se convierte en:

De nuevo se eleva al cuadrado ambos lados y se despeja la n, obteniendo:


Ejemplos:
1. En una muestra aleatoria de 500 familias que tienen televisores en la
ciudad de Hamilton, Canad, se encuentra que 340 estn suscritas a HBO.
Qu tan grande se requiere que sea una muestra si se quiere tener 95%
de confianza de que la estimacin de P est dentro de 0.02?
Solucin:
Se tratarn a las 500 familias como una muestra preliminar que proporciona
una estimacin de p=340/500=0.68.

Por lo tanto si basamos nuestra estimacin de P sobre una muestra
aleatoria de tamao 2090, se puede tener una confianza de 95% de que
nuestra proporcin muestral no diferir de la proporcin real por ms de
0.02.
2. Una legisladora estatal desea encuestar a los residentes de su distrito para
conocer qu proporcin del electorado conoce la opinin de ella, respecto al
uso de fondos estatales para pagar abortos. Qu tamao de muestra se
necesita si se requiere un confianza del 95% y un error mximo de
estimacin de 0.10?
Solucin:
En este problema, se desconoce totalmente la proporcin de residentes que
conoce la opinin de la legisladora, por lo que se utilizar un valor de 0.5 para p.

Se requiere un tamao de muestra de 97 residentes para que con una confianza
del 95% la estimacin tenga un error mximo de 0.10.
Clculo del Tamao de la Muestra para Estimar la Diferencia de Medias
Si se recuerda a la distribucin muestral de diferencia de medias se tiene que error
esta dado por:

En esta ecuacin se nos pueden presentar dos casos:
- Los tamaos de muestra son iguales.
- Los tamao de muestra son diferentes .
Para el primer caso no se tiene ningn problema, se eleva al cuadrado la ecuacin
y se despeja n ya que n
1
es igual a n
2.

Para el segundo caso se pondr una n en funcin de la otra. Este caso se utiliza
cuando las poblaciones son de diferente tamao y se sabe que una es K veces
mayor que la otra.


Ejemplo:
Un director de personal quiere comparar la efectividad de dos mtodos de
entrenamiento para trabajadores industriales a fin de efectuar cierta operacin de
montaje. Se divide un nmero de operarios en dos grupos iguales: el primero
recibe el mtodo de entrenamiento 1, y el segundo, el mtodo 2. Cada uno
realizar la operacin de montaje y se registrar el tiempo de trabajo. Se espera
que las mediciones para ambos grupos tengan una desviacin estndar
aproximadamente de 2 minutos. Si se desea que la estimacin de la diferencia en
tiempo medio de montaje sea correcta hasta por un minuto, con una probabilidad
igual a 0.95, cuntos trabajadores se tienen que incluir en cada grupo de
entrenamiento?

Cada grupo debe contener aproximadamente 31 empleados.
Clculo del Tamao de la Muestra para Estimar la Diferencia de Proporciones
Si se recuerda a la distribucin muestral de diferencia de medias se tiene que error
esta dado por:

En esta ecuacin se nos pueden presentar dos casos:
- Los tamaos de muestra son iguales.
- Los tamao de muestra son diferentes .
Para el primer caso no se tiene ningn problema, se eleva al cuadrado la ecuacin
y se despeja n ya que n
1
es igual a n
2.

Para el segundo caso se pondr una n en funcin de la otra. Este caso se utiliza
cuando las poblaciones son de diferente tamao y se sabe que una es K veces
mayor que la otra.


Ejemplo:
Una compaa de productos alimenticios contrat a una empresa de investigacin
de mercadotecnia , para muestrear dos mercados, I y II, a fin de comparar las
proporciones de consumidores que prefieren la comida congelada de la compaa
con los productos de sus competidores. No hay informacin previa acerca de la
magnitud de las proporciones P
1
y P
2
. Si la empresa de productos alimenticios
quiere estimar la diferencia dentro de 0.04, con una probabilidad de 0.95,
cuntos consumidores habr que muestrear en cada mercado?

Se tendr que realizar encuestas a 1201 consumidores de cada mercado para
tener una estimacin con una confianza del 95% y un error mximo de 0.04.
Problemas propuestos
1. Se prob una muestra aleatoria de 400 cinescopios de televisor y se
encontraron 40 defectuosos. Estime el intervalo que contiene, con un
coeficiente de confianza de 0.90, a la verdadera fraccin de elementos
defectuosos.
2. Se planea realizar un estudio de tiempos para estimar el tiempo medio de
un trabajo, exacto dentro de 4 segundos y con una probabilidad de 0.90,
para terminar un trabajo de montaje. Si la experiencia previa sugiere que
= 16 seg. mide la variacin en el tiempo de montaje entre un trabajador y
otro al realizar una sola operacin de montaje, cuntos operarios habr
que incluir en la muestra?
3. El decano registr debidamente el porcentaje de calificaciones D y F
otorgadas a los estudiantes por dos profesores universitarios de
matemticas. El profesor I alcanz un 32%, contra un 21% para el profesor
II, con 200 y 180 estudiantes, respectivamente. Estime la diferencia entre
los porcentajes de calificaciones D y F otorgadas por los dos profesores.
Utilice un nivel de confianza del 95% e interprete los resultados.

4. Suponga que se quiere estimar la produccin media por hora, en un
proceso que produce antibitico. Se observa el proceso durante 100
perodos de una hora, seleccionados al azar y se obtiene una media de 34
onzas por hora con una desviacin estndar de 3 onzas por hora. Estime la
produccin media por hora para el proceso, utilizando un nivel de confianza
del 95%.
5. Un ingeniero de control de calidad quiere estimar la fraccin de elementos
defectuosos en un gran lote de lmparas. Por la experiencia, cree que la
fraccin real de defectuosos tendra que andar alrededor de 0.2. Qu tan
grande tendra que seleccionar la muestra si se quiere estimar la fraccin
real, exacta dentro de 0.01, utilizando un nivel de confianza fe 95%?
6. Se seleccionaron dos muestras de 400 tubos electrnicos, de cada una de
dos lneas de produccin, A y B. De la lnea A se obtuvieron 40 tubos
defectuosos y de la B 80. Estime la diferencia real en las fracciones de
defectuosos para las dos lneas, con un coeficiente de confianza de 0.90 e
interprete los resultados.
7. Se tienen que seleccionar muestras aleatorias independientes de n
1
=n
2
=n
observaciones de cada una de dos poblaciones binomiales, 1 y 2. Si se
desea estimar la diferencia entre los dos parmetros binomiales, exacta
dentro de 0.05, con una probabilidad de 0.98. qu tan grande tendra que
ser n?. No se tiene informacin anterior acerca de los valores P
1
y P
2
, pero
se quiere estar seguro de tener un nmero adecuado de observaciones en
la muestra.
8. Se llevan a cabo pruebas de resistencia a la tensin sobre dos diferentes
clases de largueros de aluminio utilizados en la fabricacin de alas de
aeroplanos comerciales. De la experiencia pasada con el proceso de
fabricacin se supone que las desviaciones estndar de las resistencias a
la tensin son conocidas. La desviacin estndar del larguero 1 es de 1.0
Kg/mm
2
y la del larguero 2 es de 1.5 Kg/mm
2
. Se sabe que el
comportamiento de las resistencias a la tensin de las dos clases de
largueros son aproximadamente normal. Se toma una muestra de 10
largueros del tipo 1 obtenindose una media de 87.6 Kg/mm
2
, y otra de
tamao 12 para el larguero 2 obtenindose una media de 74.5 Kg/mm
2
.
Estime un intervalo de confianza del 90% para la diferencia en la resistencia
a la tensin promedio.
9. Se quiere estudiar la tasa de combustin de dos propelentes slidos
utilizados en los sistemas de escape de emergencia de aeroplanos. Se
sabe que la tasa de combustin de los dos propelentes tiene
aproximadamente la misma desviacin estndar; esto es
1
=
2
= 3 cm/s. Qu tamao de muestra debe utilizarse en cada poblacin si se
desea que el error en la estimacin de la diferencia entre las medias de las tasas
de combustin sea menor que 4 cm/s con una confianza del 99%?.

Respuesta a los Problemas propuestos
1. 0.07532 P 0.1246
2. n= 44
3. 0.0222 P
1
- P
2
0.1978
4. 33.412 34.588
5. n= 6147
6. 0.059 P
B
-P
A
0.141
7. n= 1086
8. 12.22
1
-
2
13.98
9. n= 8
Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>




Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>
UNIDAD II
PRUEBA DE HIPOTESIS
Las secciones anteriores han mostrado cmo puede estimarse un parmetro a
partir de los datos contenidos en una muestra. Puede encontrarse ya sea un slo
nmero (estimador puntual) o un intervalo de valores posibles (intervalo de
confianza). Sin embargo, muchos problemas de ingeniera, ciencia, y
administracin, requieren que se tome una decisin entre aceptar o rechazar una
proposicin sobre algn parmetro. Esta proposicin recibe el nombre de
hiptesis. Este es uno de los aspectos ms tiles de la inferencia estadstica,
puesto que muchos tipos de problemas de toma de decisiones, pruebas o
experimentos en el mundo de la ingeniera, pueden formularse como problemas
de prueba de hiptesis.
Una hiptesis estadstica es una proposicin o supuesto sobre los parmetros
de una o ms poblaciones.
Suponga que se tiene inters en la rapidez de combustin de un agente propulsor
slido utilizado en los sistemas de salida de emergencia para la tripulacin de
aeronaves. El inters se centra sobre la rapidez de combustin promedio. De
manera especfica, el inters recae en decir si la rapidez de combustin promedio
es o no 50 cm/s. Esto puede expresarse de manera formal como
H
o
; = 50 cm/s
H
1
; 50 cm/s
La proposicin H
o
; = 50 cm/s, se conoce como hiptesis nula, mientras que la
proposicin H
1
; 50 cm/s, recibe el nombre de hiptesis alternativa. Puesto
que la hiptesis alternativa especifica valores de que pueden ser mayores o
menores que 50 cm/s, tambin se conoce como hiptesis alternativa bilateral.
En algunas situaciones, lo que se desea es formular una hiptesis alternativa
unilateral, como en
H
o
; = 50 cm/s H
o
; = 50 cm/s

H
1
; < 50 cm/s H
1
; > 50 cm/s
Es importante recordar que las hiptesis siempre son proposiciones sobre la
poblacin o distribucin bajo estudio, no proposiciones sobre la muestra. Por lo
general, el valor del parmetro de la poblacin especificado en la hiptesis nula se
determina en una de tres maneras diferentes:
1. Puede ser resultado de la experiencia pasada o del conocimiento del
proceso, entonces el objetivo de la prueba de hiptesis usualmente es
determinar si ha cambiado el valor del parmetro.
2. Puede obtenerse a partir de alguna teora o modelo que se relaciona con el
proceso bajo estudio. En este caso, el objetivo de la prueba de hiptesis es
verificar la teora o modelo.
3. Cuando el valor del parmetro proviene de consideraciones externas, tales
como las especificaciones de diseo o ingeniera, o de obligaciones
contractuales. En esta situacin, el objetivo usual de la prueba de hiptesis
es probar el cumplimiento de las especificaciones.
Un procedimiento que conduce a una decisin sobre una hiptesis en particular
recibe el nombre de prueba de hiptesis. Los procedimientos de prueba de
hiptesis dependen del empleo de la informacin contenida en la muestra aleatoria
de la poblacin de inters. Si esta informacin es consistente con la hiptesis, se
concluye que sta es verdadera; sin embargo si esta informacin es inconsistente
con la hiptesis, se concluye que esta es falsa. Debe hacerse hincapi en que la
verdad o falsedad de una hiptesis en particular nunca puede conocerse con
certidumbre, a menos que pueda examinarse a toda la poblacin. Usualmente
esto es imposible en muchas situaciones prcticas. Por tanto, es necesario
desarrollar un procedimiento de prueba de hiptesis teniendo en cuenta la
probabilidad de llegar a una conclusin equivocada.
La hiptesis nula, representada por H
o
, es la afirmacin sobre una o ms
caractersticas de poblaciones que al inicio se supone cierta (es decir, la "creencia
a priori").
La hiptesis alternativa, representada por H
1
, es la afirmacin contradictoria a
H
o
, y sta es la hiptesis del investigador.
La hiptesis nula se rechaza en favor de la hiptesis alternativa, slo si la
evidencia muestral sugiere que H
o
es falsa. Si la muestra no contradice
decididamente a H
o
, se contina creyendo en la validez de la hiptesis nula.
Entonces, las dos conclusiones posibles de un anlisis por prueba de hiptesis
son rechazar H
o
o no rechazar H
o
.
Prueba de una Hiptesis Estadstica
Para ilustrar los conceptos generales, considere el problema de la rapidez de
combustin del agente propulsor presentado con anterioridad. La hiptesis nula es
que la rapidez promedio de combustin es 50 cm/s, mientras que la hiptesis
alternativa es que sta no es igual a 50 cm/s. Esto es, se desea probar:
H
o
; = 50 cm/s
H
1
; 50 cm/s
Supngase que se realiza una prueba sobre una muestra de 10 especmenes, y
que se observa cual es la rapidez de combustin promedio muestral. La media
muestral es un estimador de la media verdadera de la poblacin. Un valor de la
media muestral que este prximo al valor hipottico = 50 cm/s es una
evidencia de que el verdadero valor de la media es realmente 50 cm/s; esto es,
tal evidencia apoya la hiptesis nula H
o
. Por otra parte, una media muestral muy
diferente de 50 cm/s constituye una evidencia que apoya la hiptesis alternativa
H
1
. Por tanto, en este caso, la media muestral es el estadstico de prueba.
La media muestral puede tomar muchos valores diferentes. Supngase que si
48.5 51.5, entonces no se rechaza la hiptesis nula H
o
; = 50 cm/s, y que
si <48.5 >51.5, entonces se acepta la hiptesis alternativa H
1
; 50 cm/s.
Los valores de que son menores que 48.5 o mayores que 51.5 constituyen la
regin crtica de la prueba, mientras que todos los valores que estn en el
intervalo 48.5 51.5 forman la regin de aceptacin. Las fronteras entre las
regiones crtica y de aceptacin reciben el nombre de valores crticos. La
costumbre es establecer conclusiones con respecto a la hiptesis nula H
o
. Por
tanto, se rechaza H
o
en favor de H
1
si el estadstico de prueba cae en la regin
crtica, de lo contrario, no se rechaza H
o
.
Este procedimiento de decisin puede conducir a una de dos conclusiones
errneas. Por ejemplo, es posible que el valor verdadero de la rapidez promedio
de combustin del agente propulsor sea igual a 50 cm/s. Sin embargo, para todos
los especmenes bajo prueba, bien puede observarse un valor del estadstico de
prueba que cae en la regin crtica. En este caso, la hiptesis nula H
o
ser
rechazada en favor de la alternativa H
1
cuando, de hecho, H
o
en realidad es
verdadera. Este tipo de conclusin equivocada se conoce como error tipo I.
El error tipo I se define como el rechazo de la hiptesis nula H
o
cuando sta es
verdadera. Tambin es conocido como nivel de significancia.
Si tuviramos un nivel de confianza del 95% entonces el nivel de significancia
sera del 5%. Anlogamente si se tiene un nivel de confianza del 90% entonces el
nivel de significancia sera del 10%.
Ahora supngase que la verdadera rapidez promedio de combustin es diferente
de 50 cm/s, aunque la media muestral caiga dentro de la regin de aceptacin.
En este caso se acepta H
o
cuando sta es falsa. Este tipo de conclusin recibe el
nombre de error tipo II.
El error tipo II error se define como la aceptacin de la hiptesis nula cuando
sta es falsa.
Por tanto, al probar cualquier hiptesis estadstica, existen cuatro situaciones
diferentes que determinan si la decisin final es correcta o errnea.
Decisin H
o
es verdadera H
o
es falsa
Aceptar H
o
No hay error
Error tipo II
Rechazar H
o
Error tipo I No hay error
1. Los errores tipo I y tipo II estn relacionados. Una disminucin en la
probabilidad de uno por lo general tiene como resultado un aumento en la
probabilidad del otro.
2. El tamao de la regin crtica, y por tanto la probabilidad de cometer un
error tipo I, siempre se puede reducir al ajustar el o los valores crticos.
3. Un aumento en el tamao muestral n reducir y de forma simultnea.
4. Si la hiptesis nula es falsa, es un mximo cuando el valor real del
parmetro se aproxima al hipottico. Entre ms grande sea la distancia
entre el valor real y el valor hipottico, ser menor
.
PASOS PARA ESTABLECER UN ENSAYO DE HIPOTESIS
INDEPENDIENTEMENTE DE LA DISTRIBUCION QUE SE ESTE TRATANDO
1. Interpretar correctamente hacia que distribucin muestral se ajustan los
datos del enunciado.
2. Interpretar correctamente los datos del enunciado diferenciando los
parmetros de los estadsticos. As mismo se debe determinar en este
punto informacin implcita como el tipo de muestreo y si la poblacin es
finita o infinita.
3. Establecer simultneamente el ensayo de hiptesis y el planteamiento
grfico del problema. El ensayo de hiptesis est en funcin de parmetros
ya que se quiere evaluar el universo de donde proviene la muestra. En este
punto se determina el tipo de ensayo (unilateral o bilateral).
4. Establecer la regla de decisin. Esta se puede establecer en funcin del
valor crtico, el cual se obtiene dependiendo del valor de (Error tipo I o
nivel de significancia) o en funcin del estadstico lmite de la distribucin
muestral. Cada una de las hiptesis deber ser argumentada correctamente
para tomar la decisin, la cual estar en funcin de la hiptesis nula o H
o
.
5. Calcular el estadstico real, y situarlo para tomar la decisin.
6. Justificar la toma de decisin y concluir.
Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>




Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>
Tipos de Ensayo
Se pueden presentar tres tipos de ensayo de hiptesis que son:
- Unilateral Derecho
- Unilateral Izquierdo
- Bilateral
Dependiendo de la evaluacin que se quiera hacer se seleccionar el tipo de ensayo.
- Unilateral Derecho. El investigador desea comprobar la hiptesis de un aumento en
el parmetro, en este caso el nivel de significancia se carga todo hacia el lado
derecho, para definir las regiones de aceptacin y de rechazo.
Ensayo de hiptesis:
H
o
; Parmetro x
H
1
; Parmetro > x
- Unilateral Izquierdo: El investigador desea comprobar la hiptesis de una
disminucin en el parmetro, en este caso el nivel de significancia se carga
todo hacia el lado izquierdo, para definir las regiones de aceptacin y de
rechazo.
Ensayo de hiptesis:
H
o
; Parmetro x
H
1
; Parmetro < x

- Bilateral: El investigador desea comprobar la hiptesis de un cambio en el
parmetro. El nivel de significancia se divide en dos y existen dos regiones
de rechazo.
Ensayo de hiptesis:
H
o
; Parmetro = x
H
1
; Parmetro x

Para realizar los ejemplos y ejercicios de ensayo de hiptesis se recomienda
seguir los pasos mencionados anteriormente. Los ejemplos siguientes se
solucionarn por los pasos recomendados, tenindose una variedad de problemas
en donde se incluirn a todas las distribuciones muestrales que se han visto hasta
aqu.
Ejemplos:
1. Una muestra aleatoria de 100 muertes registradas en Estados Unidos el
ao pasado muestra una vida promedio de 71.8 aos. Suponga una
desviacin estndar poblacional de 8.9 aos, esto parece indicar que la
vida media hoy en da es mayor que 70 aos? Utilice un nivel de
significancia de 0.05.
Solucin:
1. Se trata de una distribucin muestral de medias con desviacin estndar conocida.
2. Datos:
=70 aos
= 8.9 aos
= 71.8 aos
n = 100
= 0.05
3. Ensayo de hiptesis
H
o
; = 70 aos.
H
1
; > 70 aos.

4. Regla de decisin:
Si z
R
1.645 no se rechaza H
o
.
Si z
R
> 1.645 se rechaza H
o
.
5. Clculos:

6. Justificacin y decisin.
Como 2.02 >1.645 se rechaza H
o
y se concluye con un nivel de
significancia del 0.05 que la vida media hoy en da es mayor que 70 aos.
Existe otra manera de resolver este ejercicio, tomando la decisin en base al
estadstico real, en este caso la media de la muestra. De la formula de la
distribucin muestral de medias se despeja la media de la muestra:



Regla de decisin:
Si 71.46 No se rechaza H
o
Si > 71.46 Se rechaza H
o
Como la media de la muestral es de 71.8 aos y es mayor al valor de la media
muestral lmite de 71.46 por lo tanto se rechaza H
o
y se llega a la misma
conclusin.
2. Una empresa elctrica fabrica focos que tienen una duracin que se
distribuye de forma aproximadamente normal con una media de 800 horas
y una desviacin estndar de 40 horas. Si una muestra aleatoria de 30
focos tiene una duracin promedio de 788 horas, muestran los datos
suficiente evidencia para decir que la duracin media ha cambiado? Utilice
un nivel de significancia del 0.04.
Solucin:
1. Se trata de una distribucin muestral de medias con desviacin estndar
conocida.
2. Datos:
=800 horas
= 40 horas
= 788 horas
n = 30
= 0.04
3. Ensayo de hiptesis
H
o
; = 800 horas
H
1
; 800 horas

4. Regla de Decisin:
Si 2.052 Z
R
2.052 No se rechaza H
o
Si Z
R
< -2.052 si Z
R
> 2.052 Se rechaza H
o
5. Clculos:


6. Justificacin y decisin:
Como 2.052 -1.643 2.052 por lo tanto, no se rechaza H
o
y se concluye
con un nivel de significancia del 0.04 que la duracin media de los focos no
ha cambiado.
Solucin por el otro mtodo:
785.02 y 814.98

Regla de decisin:
Si 785.02 814.98 No se rechaza H
o
Si < 785.02 > 814.98 se rechaza H
o
Como la = 788 horas, entonces no se rechaza H
o
y se concluye que la duracin
media de los focos no ha cambiado.
3. Una muestra aleatoria de 64 bolsas de palomitas de maz pesan, en
pomedio 5.23 onzas con una desviacin estndar de 0.24 onzas. Pruebe la
hiptesis de que = 5.5 onzas contra al hiptesis alternativa,
< 5.5 onzas en el nivel de significamcia de 0.05.
Solucin:
1. Se trata de una distribucin muestral de medias con desviacin estndar
desconocida, pero como el tamao de muestra es mayor a 30 se puede
tomar la desviacin muestral como un estimador puntual para la
poblacional.
2. Datos:
= 5.5 onzas
s= 0.24 onzas
= 5.23 onzas
n = 64
= 0.05
3. Ensayo de hiptesis
H
o
; = 5.5 onzas
H
1
; < 5.5 onzas

4. Regla de decisin:
Si Z
R
-1.645 No se rechaza H
o
Si Z
R
< -1.645 Se rechaza H
o
5. Clculos:

6. Justificacin y decisin:
Como 9 < -1.645 por lo tanto se rechaza H
o
y se concluye con un nivel de
significancia del 0.05 que las bolsas de palomitas pesan en promedio
menos de 5.5 onzas.
Solucin por el otro mtodo:


Regla de decisin:
Si 5.45 No se Rechaza H
o
Si < 5.45 Se rechaza H
o
Como la = 5.23 y este valor es menor que 5.45 pot lo tanto se rechaza H
o
.
4. Un constructor afirma que se instalan bombas de calor en 70% de todas las
casas que se construyen hoy en da en la ciudad de Richmond. Estara de
acuerdo con esta afirmacin si una investigacin de casas nuevas en esta
ciudad muestra que 8 de 15 tienen instaladas bombas de calor? Utilice un
nivel de significancia de 0.10.
Solucin:
1. Se trata de una distribucin muestral de proporciones.
2. Datos:
P= 0.70
p = 8/15 = 0.5333
n = 15
= 0.10
3. Ensayo de hiptesis
H
o
; P = 0.70
H
1
; P 0.70

4. Regla de Decisin:
Si 1.645 Z
R
1.645 No se rechaza H
o
Si Z
R
< -1.645 si Z
R
> 1.645 Se rechaza H
o
5. Clculos:

6. Justificacin y decisin:
Como 1.645 -1.41 1.645 No se rechaza H
o
y se concluye con un nivel
de significancia de 0.10 que la afirmacin del constructor es cierta.
Solucin por el otro mtodo:
= 0.505 y 0.894

Regla de decisin:
Si 0.505 p
R
0.894 No se rechaza H
o
Si p
R
< 0.505 si Z
R
> 0.894 Se rechaza H
o
Como el valor del estadstico real es de 0.533 por lo tanto no se rechaza H
o
y se
llega a la misma conclusin.
3. Un fabricante de semiconductores produce controladores que se emplean
en aplicaciones de motores automovilsticos. El cliente requiere que la
fraccin de controladores defectuosos en uno de los pasos de manufactura
crticos no sea mayor que 0.05, y que el fabricante demuestre esta
caracterstica del proceso de fabricacin con este nivel de calidad,
utilizando
= 0.05. El fabricante de semiconductores toma una muestra aleatoria de 200
dispositivos y encuentra que cuatro de ellos son defectuosos. El fabricante puede
demostrar al cliente la calidad del proceso?
Solucin:
1. Se trata de una distribucin muestral de proporciones.
2. Datos:
P= 0.05
p = 4/200 = 0.02
n = 200
= 0.05
3. Ensayo de hiptesis
H
o
; P = 0.05
H
1
; P < 0.05

4. Regla de decisin:
Si Z
R
-1.645 No se rechaza H
o
Si Z
R
< -1.645 Se rechaza H
o
5. Clculos:

6. Justificacin y decisin:
Puesto que 1.946<-1.645, se rechaza H
o
y se concluye con un nivel de
significancia del 0.05 que la fraccin de artculos defectuosos es menor que
0.05.
6. Un diseador de productos est interesado en reducir el tiempo de secado
de una pintura tapaporos. Se prueban dos frmulas de pintura; la frmula 1
tiene el contenido qumico estndar, y la frmula 2 tiene un nuevo
ingrediente secante que debe reducir el tiempo de secado. De la
experiencia se sabe que la desviacin estndar del tiempo de secado es
ocho minutos, y esta variabilidad inherente no debe verse afectada por la
adicin del nuevo ingrediente. Se pintan diez especmenes con la frmula 1,
y otros diez con la frmula 2. Los dos tiempos promedio de secado
muestrales son 121 min y 112 min respectivamente. A qu conclusiones
puede llegar el diseador del producto sobre la eficacia del nuevo
ingrediente, utilizando
= 0.05?
Solucin:
1. Se trata de una distribucin muestral de diferencia de medias con
desviacin estndar conocida.
2. Datos:
1
=
2
= 8

n
1
=n
2
= 10
= 0.05
3. Ensayo de hiptesis
H
o
;
1
-
2
= 0
H
1
;
1
-
2
> 0 Se desea rechazar H
o
si el nuevo ingrediente disminuye el
tiempo promedio de secado, por eso se pone la diferencia mayor a cero o
sea positiva para poder probar que
2
es menor que
1
.

4. Regla de decisin:
Si z
R
1.645 no se rechaza H
o
.
Si z
R
> 1.645 se rechaza H
o
.
5. Clculos:

6. Justificacin y decisin:
Puesto que 2.52>1.645, se rechaza H
o
, y se concluye con un nivel de
significancia de 0.05 que la adicin del nuevo ingrediente a la pintura si
disminuye de manera significativa el tiempo promedio de secado.




Solucin por el otro mtodo:


Regla de decisin:
Si 5.88 No se rechaza H
o
Si > 5.88 Se rechaza H
o
Puesto que = 121-112 = 9 y este nmero es mayor a 5.88 por lo
tanto se rechaza H
o
.
7. Se utilizan dos mquinas para llenar botellas de plstico con un volumen
neto de 16.0 onzas. Las distribuciones de los volmenes de llenado pueden
suponerse normales, con desviaciones estndar
1
= 0.020 y
2
= 0.025
onzas. Un miembro del grupo de ingeniera de calidad sospecha que el
volumen neto de llenado de ambas mquinas es el mismo, sin importar si
ste es o no de 16 onzas. De cada mquina se toma una muestra aleatoria
de 10 botellas. Se encuentra el ingeniero en lo correcto? Utilice
= 0.05
MAQUINA 1 MAQUINA 2
16.03 16.01 16.02 16.03
16.04 15.96 15.97 16.04
16.05 15.98 15.96 16.02
16.05 16.02 16.01 16.01
16.02 15.99 15.99 16.00
Solucin:
1. Se trata de una distribucin muestral de diferencia de medias con
desviacin estndar conocida.
2. Datos:
1
= 0.020
2
= 0.025
Este dato se obtuvo calculando la media de los datos en la
mquina 1.
Este dato se obtuvo calculando la media de los datos en la
mquina 2.
n
1
=n
2
= 10
= 0.05
3. Ensayo de hiptesis
H
o
;
1
-
2
= 0
H
1
;
1
-
2
0 Si se cae en H
o
se podr probar que el volumen de llenado
es el mismo en las dos mquinas.

4. Regla de Decisin:
Si 1.96 Z
R
1.96 No se rechaza H
o
Si Z
R
< -1.96 si Z
R
> 1.96 Se rechaza H
o
5. Clculos:

6. Justificacin y decisin:
Como 1.96 0.987 1.96 entonces no se rechaza H
o
y se concluye con un nivel
de significancia de 0.05 que las dos mquinas tienen en promedio la misma
cantidad de llenado.
Solucin por el otro mtodo:
-0.019 y 0.019

Regla de decisin:
Si 0-019 0.019 No se rechaza H
o
Si < -0.019 > 0.019 Se rechaza H
o
Como = 16.015 16.005 = 0.01, entonces cae en la regin de
aceptacin y no se rechaza H
o
.
8. Existen dos tipos de plstico apropiados para su uso por un fabricante de
componentes electrnicos. La tensin de ruptura de ese plstico es un
parmetro importante . Se sabe que
1
=
2
= 1.0 psi. De una muestra
aleatoria de tamao 10 y 12 para cada plstico respectivamente, se tiene
una media de 162.5 para el plstico 1 y de 155 para el plstico 2. La
compaa no adoptar el plstico 1 a menos que la tensin de ruptura de
ste exceda a la del plstico 2 al menos por 10 psi. Con base a la
informacin contenida en la muestra, la compaa deber utilizar el
plstico 1? Utilice
= 0.05 para llegar a una decisin.
Solucin:
1. Se trata de una distribucin muestral de diferencia de medias con
desviacin estndar conocida.
2. Datos:
1
=
2
= 1.0 psi

n
1
= 10
n
2
= 12
= 0.05
3. Ensayo de hiptesis
H
o
;
1
-
2
= 10
H
1
;
1
-
2
> 10 Se desea rechazar H
o
si la media del plstico 1 supera a la
media del plstico 2 en por lo menos 10 psi.

4. Regla de decisin:
Si z
R
1.645 no se rechaza H
o
.
Si z
R
> 1.645 se rechaza H
o
.
5. Clculos:

6. Justificacin y decisin:
No existe evidencia suficiente para apoyar el uso del plstico 1 ya que
5.83 1.645, por lo tanto no se rechaza H
o
.
Solucin por el otro mtodo:


Regla de decisin:
Si 10.70 No se rechaza H
o
Si > 10.70 Se rechaza H
o
Puesto que = 162.5-155 = 7.5 y este nmero es no es mayor a 10.7 por
lo tanto no se rechaza H
o
.


8. Se evalan dos tipos diferentes de soluciones para pulir, para su posible
uso en una operacin de pulido en la fabricacin de lentes intraoculares
utilizados en el ojo humano despus de una ciruga de cataratas. Se pulen
300 lentes con la primera solucin y, de stos, 253 no presentaron defectos
inducidos por el pulido. Despus se pulen otros 300 lentes con la segunda
solucin, de los cuales 196 resultan satisfactorios. Existe alguna razn
para creer que las dos soluciones para pulir son diferentes? Utilice
= 0.01

Solucin:
1. Se trata de una distribucin muestral de diferencia de proporciones.
2. Datos:
p
1
= 253/300= 0.8433
p
2
= 196/300= 0.6533
n
1
=n
2
= 300
3. Ensayo de hiptesis:
H
o
; P
1
-P
2
= 0
H
1
; P
1
-P
2
0

4. Regla de Decisin:
Si 2.575 Z
R
2.575 No se rechaza H
o
Si Z
R
< -2.575 si Z
R
> 2.575 Se rechaza H
o
5. Clculos:

En esta frmula se puede observar que en el denominador se tienen a las
proporciones poblacionales o sea los parmetros, los cuales no se
conocen, por lo que en el ensayo de hiptesis la frmula para poder
calcular la Z
R
cambia, estimando a el parmetro comn P de la siguiente
forma:
bien


Entonces la frmula de Z
R
quedara de la siguiente manera:


Se calcular el valor de P:


6. Justificacin y decisin:
Puesto que 5.36>2.575, se rechaza la hiptesis nula y se concluye con un
nivel de significancia de 0.01 que los dos fluidos para pulir son diferentes.
10. Se tomar el voto entre los residentes de una ciudad y el condado
circundante para determinar si se debe construir una planta qumica
propuesta. El lugar de construccin est dentro de los lmites de la ciudad y
por esta razn muchos votantes del condado consideran que la propuesta
pasar debido a la gran proporcin de votantes que favorecen la
construccin. Para determinar si hay una diferencia significativa en la
proporcin de votantes de la ciudad y votantes del condado que favorecen
la propuesta, se realiza una encuesta. Si 120 de 200 votantes de la ciudad
favorecen la propuesta y 240 de 500 residentes del condado tambin lo
hacen, estara de acuerdo en que la proporcin de votantes de la ciudad
que favorecen la propuesta es ms alto que la proporcin de votantes del
condado? Utilice un nivel de significancia de 0.025.
Solucin:
1. Se trata de una distribucin muestral de diferencia de proporciones.
2. Datos:
p
1
= 120/200= 0.60
p
2
= 240/500= 0.48
n
1
= 200
n
2
= 500
3. Ensayo de hiptesis:
H
o
; P
1
-P
2
= 0
H
1
; P
1
-P
2
> 0

4. Regla de decisin:
Si z
R
1.96 no se rechaza H
o
.
Si z
R
> 1.96 se rechaza H
o
.
5. Clculos:
Se calcular el valor de P:


6. Justificacin y decisin:
Puesto que 2.9>1.96, se rechaza la hiptesis nula y se concluye con un
nivel de significancia de 0.025 que la proporcin de votantes de la ciudad a
favor de la propuesta es ms alta que la proporcin de votantes del
condado.
Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>




Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>
Uso de valores P para la toma de decisiones
Al probar hiptesis en las que la estadstica de prueba es discreta, la regin crtica se puede
elegir de forma arbitraria y determinar su tamao. Si es demasiado grande, se
puede reducir al hacer un ajuste en el valor crtico. Puede ser necesario aumentar
el tamao de la muestra para compensar la disminucin que ocurre de manera
automtica en la potencia de la prueba (probabilidad de rechazar H
o
dado que una
alternativa especfica es verdadera).
Por generaciones enteras de anlisis estadstico, se ha hecho costumbre elegir un
nivel de significancia de 0.05 0.01 y seleccionar la regin crtica en
consecuencia. Entonces, por supuesto, el rechazo o no rechazo estricto de H
o

depender de esa regin crtica. En la estadstica aplicada los usuarios han
adoptado de forma extensa la aproximacin del valor P. La aproximacin se
disea para dar al usuario una alternativa a la simple conclusin de "rechazo" o
"no rechazo".
La aproximacin del valor P como ayuda en la toma de decisiones es bastante
natural pues casi todos los paquetes de computadora que proporcionan el clculo
de prueba de hiptesis entregan valores de P junto con valores de la estadstica
de la prueba apropiada.
- Un valor P es el nivel (de significancia) ms bajo en el que el valor
observado de la estadstica de prueba es significativo.
- El valor P es el nivel de significancia ms pequeo que conduce al rechazo
de la hiptesis nula H
o
.
- El valor P es el mnimo nivel de significancia en el cual H
o
sera rechazada
cuando se utiliza un procedimiento de prueba especificado con un conjunto
dado de informacin. Una vez que el valor de P se haya determinado, la
conclusin en cualquier nivel particular resulta de comparar el valor P
con
:
1. Valor P rechazar H
o
al nivel .
2. Valor P > No rechazar H
o
al nivel
.

Ensayo Unilateral Derecho:

Ensayo Unilateral Izquierdo:

Ensayo Bilateral:

Ejemplos:
1. Calcular el valor de P para el primer ejemplo de ensayo de hiptesis en
donde se quera probar que la edad media de los habitantes de Estados
Unidos es superior a 70 aos.
Solucin:
1. Ensayo de hiptesis
H
o
; = 70 aos.
H
1
; > 70 aos.

2. Regla de decisin:
Si P 0.05 se rechaza H
o
.
Si P > 0.05 No se rechaza H
o
.
3. Clculos:


Esta es el valor de Z que se utilizar para calcular el valor de P, como es un
ensayo unilateral derecho se calcular el rea a la derecha de este valor.

4. Justificacin y decisin:
Como el valor de P es 0.217 y es menor al valor del nivel de significancia de
0.05 por lo tanto se rechaza H
0
, y se concluye que la edad media de los
habitantes es mayor a 70 aos.
1. Calcular el valor de P para el ejemplo 7 de esta seccin en donde se tiene
dos mquinas y se quiere ver si tienen la misma cantidad promedio de
llenado en las botellas de plstico.
Solucin:
1. Ensayo de hiptesis
H
o
;
1
-
2
= 0
H
1
;
1
-
2
0 Si se cae en H
o
se podr probar que el volumen de llenado
es el mismo en las dos mquinas.

2. Regla de Decisin:
Si P 0.05 Se rechaza H
o
Si P > 0.05 No se rechaza H
o
3. Clculos:

Como este es un ensayo bilateral se proceder a calcular el valor de P mediante el
valor de la Z
R
, positiva y negativa y luego se sumarn las reas.

Como el valor de P es mayor al de , se no se rechaza H
0
, y se concluye que las
maquinas tienen el mismo llenado promedio.
1. Se afirma que un automvil se maneja en promedio ms de 20,000
kilmetros por ao. Para probar esta afirmacin, se pide a una muestra de
100 propietarios de automviles que lleven un registro de los kilmetros que
viajen. Est de acuerdo con esta afirmacin si la muestra aleatoria tiene
un promedio de 23,500 kilmetros y una desviacin estndar de 3900
kilmetros? Utilice un valor P para su conclusin.
Solucin:
En este ejercicio no nos manejan ningn valor de , por lo que se proceder a
plantear el ensayo y luego calcular z para poder conocer el valor de P y llegar a
una conclusin.
1. Ensayo de hiptesis
H
o
; = 20,000 kilmetros.
H
1
; > 20,000 kilmetros.
2. Clculos:

3. Decisin.
Se observa que este valor de Z es muy grande, ni siquiera se encuentra en
la tabla, entonces quiere decir que el rea a la derecha de ese valor es
cero y este sera el valor de P, por lo que no apoya a la hiptesis nula y se
concluye que los automviles se manejan en promedio ms de 20,000
kilmetros por ao.
4. Se estudia la fraccin de circuitos integrados defectuosos producidos en un
proceso de fotolitografa. Para ello se somete a prueba una muestra de 300
circuitos, en la que 13 son defectuosos. Utilice los datos para probar
H
o
: P=0.05 contra H
1
: P
0.05. Utilice un valor de P para su conclusin.
Solucin:
1. Ensayo de hiptesis
H
o
; P = 0.05
H
1
; P 0.05
2. Clculos:


3. Decisin:
Este valor de P de 0.596 es muy grande por lo que se concluye que la
fraccin defectuosa de circuitos integrados es de 0.05, o sea no se rechaza
H
o
.
ERROR TIPO II
Al evaluar un procedimiento de prueba de hiptesis, tambin es importante
examinar la probabilidad del error tipo II, el cual se denota por . Esto es,
= P(error tipo II) = P(aceptar H
o
/ H
o
es falsa)
Para calcular se debe tener una hiptesis alternativa especfica; esto es, debe
tenerse un valor particular del parmetro. Por ejemplo, supngase que es
importante rechazar la hiptesis nula H
o
: = 50 cada vez que la rapidez promedio
de combustin es mayor que 52 cm/s o menor que 48 cm/s. Para ello, puede
calcularse la probabilidad de un error tipo II para los valores = 52 y = 48, y
utilizar este resultado para averiguar algo con respecto a la forma en que se
desempear la prueba. De manera especfica, cmo trabajar el procedimiento
de prueba si se desea detectar, esto es, rechazar H
o
, para un valor medio de =
52 = 48? Dada la simetra, slo es necesario evaluar uno de los dos casos,
esto es, encontrar la probabilidad de aceptar la hiptesis nula H
o
: = 50 cuando
el valor verdadero es = 52.
Para hacer este clculo se tendr un tamao de muestra de 10 y una desviacin
estndar de la poblacin de 2.5 cm/s. Adems se evaluar el error tipo II con un
nivel de significancia de 0.06.
H
o
: = 50
H
1
: 50
Como ya sabemos se trata de un ensayo bilateral por lo que se tendr que
calcular el valor del estadstico de la siguiente manera:

Para facilitar los clculos se redondearn estos nmeros a 48.5 y 51.5



Para poder comprender mejor el clculo del error tipo II se delimitar el rea de la
regin de aceptacin con dos lneas ya que es bilateral y se evaluar la
probabilidad de caer en esa rea cuando la media tiene un valor de 52 y de 48.

Como se puede observar en cada calculo del valor se tuvieron que evaluar los
dos valores de z. En el primer calculo de se tiene un valor de z=-4.43, esto
quiere decir que no existe rea del lado izquierdo del 48.5, por lo que slo ser
el rea que corresponda a la z=-0.63. Lo mismo pasa con el segundo clculo de
. Como las medias de 52 y 48 son equidistantes del 50 por este motivo los
valores del error tipo II son los mismos.
En caso que no estn equidistantes se tienen que calcular por separado y calcular
los valores correspondientes de z porque en ocasiones se tiene un rea que no
est dentro de la regin de aceptacin, la cual no se tiene que tomar en cuenta
para evaluar al error tipo II.
A continuacin se proceder a generar algunas curvas caractersticas de
operacin para evaluar al error tipo II, entre ms se aleja el valor verdadero de la
media de la media de la hiptesis nula, menor es la probabilidad del error tipo II
para un tamao de muestra y nivel de significancia dadas. A medida que el
tamao de la muestra aumenta la probabilidad de cometer el error tipo II
disminuye. Esto se observar en los ejercicios siguientes.
Ejemplos:
1. Generar una curva caracterstica de operacin para el ejercicio nmero 1 de
la seccin de ensayo de hiptesis con las siguientes medias supuestas:
= 70.5, 71, 71.5, 72, 72.5, 73, 73.5, y 74.
2. Datos:
=70 aos
= 8.9 aos
= 71.8 aos
n = 100
= 0.05
3. Ensayo de hiptesis
H
o
; = 70 aos.
H
1
; > 70 aos.

Se calcular el estadstico lmite:





En la mayora de los libros de estadstica existen las curvas caractersticas de
operacin para diferentes tamaos de muestra y stas se proporcionan tanto para
= 0.05 como para = 0.01 (son las ms comunes). Para poder utilizar las
curvas se define un parmetro llamado d, que estandariza para cualquier valor de
y :

Si se quisiera consultar en un libro, cul es la probabilidad de cometer el error
tipo II cuando la media verdadera es de 72?; se tendra que calcular el valor
de d y buscar en las curvas la que pertenezca a un tamao de muestra de 100 con
un = 0.05.

Este valor se encuentra en el eje de las x. Si se transforma la curva caracterstica
de operacin con el valor de d quedara de la siguiente manera:

Se coment anteriormente que si el tamao de la muestra aumenta los dos tipos
de errores y disminuyen. Para probar esto y especficamente en lo que se
refiere al error tipo II se realizar el ejercicio anterior suponiendo que en lugar de
tener 100 personas, el tamao de la muestra aumenta a 150 personas.
Se calcular el estadstico lmite:





1. Generar una curva caracterstica de operacin (CCO) para el ejercicio 5 de
ensayo de hiptesis. Suponer los siguientes valores de P; 0.04, 0.03, 0.025,
0.02 y 0.01. Enseguida se proporciona la informacin necesaria para
realizar la CCO:
Datos:
P= 0.05
p = 4/200 = 0.02
n = 200
= 0.05
Ensayo de hiptesis
H
o
; P = 0.05
H
1
; P < 0.05

Solucin:
Se proceder a calcular el estadstico lmite p
L
:




En una distribucin muestral de proporciones, para graficar la CCO, se
necesita calcular el valor de np, que es el que ir en el eje de las x para
estandarizar la curva.
2. Genere un CCO para el ejercicio nmero 6 de la seccin anterior. Suponga
las siguientes diferencias de medias:
1
-
2
=2, 4, 6, 7, 9, 12 y 14.
Datos:
1
=
2
= 8

n
1
=n
2
= 10
= 0.05
Ensayo de hiptesis
H
o
;
1
-
2
= 0
H
1
;
1
-
2
> 0





Para graficar la curva se utilizar el valor de d, el cual para una distribucin
muestral de diferencia de medias tiene la siguiente frmula:


En los libros de estadstica lo que se acostumbra en algunos de los
ejercicios es preguntar slo un punto de la CCO, por lo que a continuacin
se resolvern dos problemas tipo.
3. Se require que la tensin de ruptura de un hilo utilizado en la fabricacin de
material de tapicera se al menos de 100 psi. La experiencia ha indicado
que la desviacin estndar de la tensin de ruptura es de 2 psi. Se prueba
una muestra aleatoria de nueve especmenes, y la tensin de ruptura
promedio observada en ella es de 98 psi. Cual es la probabilidad de
aceptar la hiptesis nula con un = 0.05 si la tensin promedio de ruptura
verdadera de la fibra es 104 psi?
Solucin:
Ensayo de hiptesis:
H
o
; = 100
H
1
; > 100
Se calcula el estadstico lmite:


4. Del ejercicio nmero 7 de la seccin anterior encontrar el error tipo II
suponiendo que la diferencia verdadera entre las medias de las mquinas es fe
0.03
Datos:
1
= 0.020
2
= 0.025


n
1
=n
2
= 10
= 0.05
Solucin:
Ensayo de hiptesis
H
o
;
1
-
2
= 0
H
1
;
1
-
2
0


Por ser bilateral se calcularon dos valores de z, y como se puede observar del
lado izquierdo de 0.019 ya no se encuentra rea, por lo que el error tipo II slo
ser el rea a la izquierda del valor de la diferencia del estadstico lmite 0.019.
Problemas propuestos
1. En un estudio para estimar la proporcin de residentes de cierta ciudad y
sus suburbios que estn a favor de la construccin de una planta de
energa nuclear, se encuentra que 63 de 100 residentes urbanos estn a
favor de la construccin mientras que slo 59 de 125 residentes
suburbanos la favorecen. Hay una diferencia significativa entre la
proporcin de residentes urbanos y suburbanos que favorecen la
construccin de la planta nuclear? Use un valor de P para su conclusin.
2. Una compaa petrolera afirma que un quinto de las casas en cierta ciudad
se calientan con petrleo. Tenemos razn en dudar de esta afirmacin si,
en una muestra aleatoria de 1000 casas en esta ciudad, se encuentra que
136 se calientan con petrleo? Utilice un nivel de significancia de 0.01.
3. Se sabe que la duracin, en horas, de un foco de 75 watts tiene una
distribucin aproximadamente normal, con una desviacin estndar de 25
horas. Se toma una muestra aleatoria de 20 focos, la cual resulta tener una
duracin promedio de 1014 horas.
a. Existe evidencia que apoye la afirmacin de que la duracin promedio del
foco es mayor que 1000 horas? Utilice un = 0.05.
b. Cual es el valor P para la prueba?
c. Cul es el valor de
para la prueba del inciso a) si la verdadera duracin promedio del foco es de 1050
horas?
4. Se estudia la tasa de combustin de dos propelentes slidos utilizados en
los sistemas de escape de emergencia de aeroplanos. Se sabe que la tasa
de combustin de los dos propelentes tiene aproximadamente la misma
desviacin estndar de 3 cm/s. Se prueban dos muestras aleatorias de 20
especmenes cada una, obtenindose medias de 18 y 24 cm/s
respectivamente.
a. Pruebe la hiptesis de que los dos combustibles slidos tienen la misma
rapidez promedio de combustin. Utilice un = 0.05.
b. Cul es el valor de P de la prueba?
c. Cul es el valor de
para la prueba del inciso a) si la verdadera diferencia en la rapidez promedio de
combustin es 2.5 cm/s?
4. Un artculo publicado en Fortune afirma que casi la mitad de todos los
ingenieros continan sus estudios acadmicos despus de obtener la
licenciatura. Un artculo publicado en Engineering Horizons indica que 117
de 484 recin graduados planean continuar sus estudios.
a. Los datos publicados en Engineering Horizons son consistentes con los
publicados en Fortune?
b. Encuentre el valor de P de la prueba.
6. En un invierno con epidemia de gripe, una compaa farmacutica bien
conocida estudi 2000 bebes para determinar si la nueva medicina de la
compaa era efectiva despus de dos das. Entre 120 bebes que tenan
gripe y se les administr la medicina, 29 se curaron dentro de dos das.
Entre 280 bebs que tenan gripe pero que no recibieron la medicina, 56 se
curaron dentro de dos das. Hay alguna indicacin significativa que apoye
la afirmacin de la compaa de la efectividad de la medicina? Calcule el
valor P.
7. Se lanza 20 veces una moneda, con un resultado de cinco caras. Esta es
suficiente evidencia para rechazar la hiptesis de que la moneda esta
balanceada a favor de la alternativa de que las caras ocurren menos de
50% de las veces.? Realice la prueba con un nivel de significancia de 0.03
y cite un valor P.
8. Se supone que los neumticos para automvil de cierto tipo recin
comprados deben llenarse a una presin de 30 lb/pulg
2
. Se representa con
el verdadero promedio de presin. Encuentre el valor P asociado con
cada valor del estadstico z dado para probar H
o
; = 30 contra H
1
; 30.
a) 2.10 b) 1.75 c) 0.55 d) 1.41 e) 5.3
9. Se realiz un experimento para comparar la resistencia a la fractura del
acero con nquel maragizado, con el acero de pureza comercial del mismo
tipo. Para 32 especmenes, la resistencia promedio muestral fue de 65.6
para el acero de alta pureza, mientras que se obtuvo una media muestral
de 59.8 en 38 especmenes del acero comercial. Debido que el acero de
alta pureza es ms costoso, su uso para cierta aplicacin puede justificarse
slo si su resistencia a la fractura excede la del acero de pureza comercial
en ms de 5. Suponga que ambas distribuciones de resistencias son
normales.
a. Si se supone que
1
= 1.2 y
2
= 1.1, pruebe las hiptesis pertinentes
usando = 0.001.
b. Calcule para la prueba del inciso anterior cuando
1

2
= 6.
10. Se cree que la portada y la naturaleza de la primera pregunta de encuestas
por correo influyen en la tasa de respuesta. Un artculo prob esta teora al
experimentar con diferentes diseos de portadas. Una portada sencilla, y la
otra utiliz la figura de un paracaidista. Los investigadores especularon que
la tasa de devolucin sera menor para la portada sencilla.
Portada Nmero de envos Nmero de devoluciones
Sencilla 207 104
Paracaidista 213 109
Esta informacin apoya la hiptesis de los investigadores? Haga la
prueba con un nivel de significancia de 0.10, calculando primero un
valor P.
Respuesta a los Problemas propuestos
1. z= 2.40; s, P=0.01
2. P<0.0001; concluir que menos de 1/5 de las casas se calientan con
petrleo.
3. a) z = 2.50; se rechaza H
o
b) P = 0.0062 c) 0
4. a) Se Rechaza H
o
, z= -6.32 b) 0 c) 0.248
5. a) Se rechaza H
o
, z= -11.36 b) valor P = 0
6. No se rechaza H
o
, z= 0.93, valor de P = 0.1762
7. Rechazar H
o
. Valor P = 0.0207
8. a) 0.0358 b) 0.0802 c) 0.5824 d) 0.1586 e) 0
9. a) z=2.89, no se debe usar el acero de alta pureza o se no se rechaza H
o
.
b) 0.2981
10.
Valor P = 0.4247, no se rechaza H
o.
Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>




Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>

UNIDAD III
TEORIA DE PEQUEAS MUESTRAS O TEORIA EXACTA DEL MUESTREO
En las unidades anteriores se manej el uso de la distribucin z, la cual se poda
utilizar siempre y cuando los tamaos de las muestras fueran mayores o iguales a
30 en muestras ms pequeas si la distribucin o las distribuciones de donde
proviene la muestra o las muestras son normales.
En esta unidad se podrn utilizar muestras pequeas siempre y cuando la
distribucin de donde proviene la muestra tenga un comportamiento normal. Esta
es una condicin para utilizar las tres distribuciones que se manejarn en esta
unidad; t de student, X
2
ji-cuadrada y Fisher.
A la teora de pequeas muestras tambin se le llama teora exacta del muestreo,
ya que tambin la podemos utilizar con muestras aleatorias de tamao grande.
En esta unidad se ver un nuevo concepto necesario para poder utilizar a las tres
distribuciones mencionadas. Este concepto es "grados de libertad".
Para definir grados de libertad se har referencia a la varianza muestral:

Esta frmula est basada en n-1 grados de libertad (degrees of freedom). Esta
terminologa resulta del hecho de que si bien s
2
est basada en n cantidades
. . . , stas suman cero, as que especificar los valores de
cualquier n-1 de las cantidades determina el valor restante. Por ejemplo, si n=4 y
; y , entonces automticamente tenemos
, as que slo tres de los cuatro valores de estn libremen te
determinamos 3 grados de libertad.
Entonces, en esta unidad la frmula de grados de libertad ser n-1 y su simbologa

DISTRIBUCION "t DE STUDENT"
Supngase que se toma una muestra de una poblacin normal con media y
varianza . Si es el promedio de las n observaciones que contiene la muestra
aleatoria, entonces la distribucin es una distribucin normal estndar.
Supngase que la varianza de la poblacin
2
es desconocida. Qu sucede con
la distribucin de esta estadstica si se reemplaza por s? La distribucin t
proporciona la respuesta a esta pregunta.
La media y la varianza de la distribucin t son = 0 y para >2,
respectivamente.
La siguiente figura presenta la grfica de varias distribuciones t. La apariencia
general de la distribucin t es similar a la de la distribucin normal estndar:
ambas son simtricas y unimodales, y el valor mximo de la ordenada se alcanza
en la media = 0. Sin embargo, la distribucin t tiene colas ms amplias que la
normal; esto es, la probabilidad de las colas es mayor que en la distribucin
normal. A medida que el nmero de grados de libertad tiende a infinito, la forma
lmite de la distribucin t es la distribucin normal estndar.


Propiedades de las distribuciones t
1. Cada curva t tiene forma de campana con centro en 0.
2. Cada curva t, est ms dispersa que la curva normal estndar z.
3. A medida que aumenta, la dispersin de la curva t correspondiente
disminuye.
4. A medida que , la secuencia de curvas t se aproxima a la curva
normal estndar, por lo que la curva z recibe a veces el nombre de curva t
con gl =
La distribucin de la variable aleatoria t est dada por:

Esta se conoce como la distribucin t con grados de libertad.
Sean X
1
, X
2
, . . . , X
n
variables aleatorias independientes que son todas normales
con media y desviacin estndar . Entonces la variable aleatoria
tiene una distribucin t con = n-1 grados de libertad.
La distribucin de probabilidad de t se public por primera vez en 1908 en un
artculo de W. S. Gosset. En esa poca, Gosset era empleado de una cervecera
irlandesa que desaprobaba la publicacin de investigaciones de sus empleados.
Para evadir esta prohibicin, public su trabajo en secreto bajo el nombre de
"Student". En consecuencia, la distribucin t normalmente se llama distribucin t
de Student, o simplemente distribucin t. Para derivar la ecuacin de esta
distribucin, Gosset supone que las muestras se seleccionan de una poblacin
normal. Aunque esto parecera una suposicin muy restrictiva, se puede mostrar
que las poblaciones no normales que poseen distribuciones en forma casi de
campana an proporcionan valores de t que se aproximan muy de cerca a la
distribucin t.
La distribucin t difiere de la de Z en que la varianza de t depende del tamao de
la muestra y siempre es mayor a uno. Unicamente cuando el tamao de la
muestra tiende a infinito las dos distribuciones sern las mismas.
Se acostumbra representar con el valor t por arriba del cual se encuentra un
rea igual a . Como la distribucin t es simtrica alrededor de una media de
cero, tenemos ; es decir, el valor t que deja un rea de a la
derecha y por tanto un rea de a la izquierda, es igual al valor t negativo que
deja un rea de en la cola derecha de la distribucin. Esto es, t
0.95
= -t
0.05
,
t
0.99
=-t
0.01
, etc.
Para encontrar los valores de t se utilizar la tabla de valores crticos de la
distribucin t del libro Probabilidad y Estadstica para Ingenieros de los autores
Walpole, Myers y Myers.
Ejemplo:
El valor t con = 14 grados de libertad que deja un rea de 0.025 a la izquierda, y
por tanto un rea de 0.975 a la derecha, es
t
0.975
=-t
0.025
= -2.145

Si se observa la tabla, el rea sombreada de la curva es de la cola derecha, es por
esto que se tiene que hacer la resta de . La manera de encontrar el valor
de t es buscar el valor de en el primer rengln de la tabla y luego buscar los
grados de libertad en la primer columna y donde se intercepten y se
obtendr el valor de t.
Ejemplo:
Encuentre la probabilidad de t
0.025
< t < t
0.05.
Solucin:

Como t
0.05
deja un rea de 0.05 a la derecha, y t
0.025
deja un rea de 0.025 a la
izquierda, encontramos un rea total de 1-0.05-0.025 = 0.925.
P( t
0.025
< t < t
0.05
) = 0.925
Ejemplo:
Encuentre k tal que P(k < t < -1.761) = 0.045, para una muestra aleatoria de
tamao 15 que se selecciona de una distribucin normal.
Solucin:

Si se busca en la tabla el valor de t =1.761 con 14 grados de libertad nos damos
cuenta que a este valor le corresponde un rea de 0.05 a la izquierda, por ser
negativo el valor. Entonces si se resta 0.05 y 0.045 se tiene un valor de 0.005, que
equivale a . Luego se busca el valor de 0.005 en el primer rengln con 14
grados de libertad y se obtiene un valor de t = 2.977, pero como el valor de
est en el extremo izquierdo de la curva entonces la respuesta es t = -2.977 por lo
tanto:
P(-2.977 < t < -1.761) = 0.045
Ejemplo:
Un ingeniero qumico afirma que el rendimiento medio de la poblacin de cierto
proceso en lotes es 500 gramos por milmetro de materia prima. Para verificar esta
afirmacin toma una muestra de 25 lotes cada mes. Si el valor de t calculado cae
entre t
0.05
y t
0.05
, queda satisfecho con su afirmacin. Qu conclusin extraera
de una muestra que tiene una media de 518 gramos por milmetro y una
desviacin estndar de 40 gramos? Suponga que la distribucin de rendimientos
es aproximadamente normal.
Solucin:
De la tabla encontramos que t
0.05
para 24 grados de libertad es de 1.711. Por
tanto, el fabricante queda satisfecho con esta afirmacin si una muestra de 25
lotes rinde un valor t entre 1.711 y 1.711.
Se procede a calcular el valor de t:

Este es un valor muy por arriba de 1.711. Si se desea obtener la probabilidad de
obtener un valor de t con 24 grados de libertad igual o mayor a 2.25 se busca en la
tabla y es aproximadamente de 0.02. De aqu que es probable que el fabricante
concluya que el proceso produce un mejor producto del que piensa.
INTERVALO DE CONFIANZA PARA ; CON DESCONOCIDA
Si y s son la media y la desviacin estndar de una muestra aleatoria de una
poblacin normal con varianza , desconocida, un intervalo de confianza de
( )100% para es:

donde
/2
es el valor t con = n-1 grados de libertad, que deja un rea de
/2 a la derecha.
Se hace una distincin entre los casos de conocida y desconocida al calcular
las estimaciones del intervalo de confianza. Se debe enfatizar que para el primer
caso se utiliza el teorema del lmite central, mientras que para desconocida se
hace uso de la distribucin muestral de la variable aleatoria t. Sin embargo, el uso
de la distribucin t se basa en la premisa de que el muestreo se realiza de una
distribucin normal. En tanto que la distribucin tenga forma aproximada de
campana, los intervalos de confianza se pueden calcular cuando la varianza se
desconoce mediante el uso de la distribucin t y se puede esperar buenos
resultados.
Con mucha frecuencia los estadsticos recomiendan que aun cuando la
normalidad no se pueda suponer, con desconocida y n 30, s puede
reemplazar a y se puede utilizar el intervalo de confianza:

Por lo general ste se denomina como un intervalo de confianza de muestra
grande. La justificacin yace slo en la presuncin de que con una muestra grande
como 30, s estar muy cerca de la real y de esta manera el teorema del lmite
central sigue valiendo. Se debe hacer nfasis en que esto es solo una
aproximacin y que la calidad de este enfoque mejora a medida que el tamao de
la muestra crece ms.
Ejemplos:
1. El contenido de siete contenedores similares de cido sulfrico son 9.8,
10.2, 10.4, 9.8, 10.0, 10.2, y 9.6 litros. Encuentre un intervalo de confianza
del 95% para la media de todos los contenedores si se supone una
distribucin aproximadamente normal.
Solucin:
La media muestral y la desviacin estndar para los datos dados son:
10 y s= 0.283
En la tabla se encuentra que t
0.025
=2.447 con 6 grados de libertad, de aqu,
el intervalo de confianza de 95% para es:


Con un nivel de confianza del 95% se sabe que el promedio del contenido
de los contenedores est entre 9.47 y 10.26 litros.
2. Un artculo publicado en el Journal of Testing and Evaluation presenta las
siguientes 20 mediciones del tiempo de combustin residual en segundos
de especmenes tratados de ropa de dormir para nios:
9.85 9.93 9.75 9.77 9.67
9.87 9.67 9.94 9.85 9.75
9.83 9.92 9.74 9.99 9.88
9.95 9.95 9.93 9.92 9.89
Se desea encontrar un nivel de confianza del 95% para el tiempo de
combustin residual promedio. Supngase que el tiempo de combustin
residual sigue una distribucin normal.
Solucin:
La media muestral y la desviacin estndar para los datos dados son:
9.8525 y s= 0.0965
En la tabla se encuentra que t
0.025
=2.093 con 19 grados de libertad, de aqu, el
intervalo de confianza de 95% para es:


Por lo tanto, se tiene una confianza del 95% de que el tiempo de combustin
residual promedio se encuentra entre 9.8073 y 9.8977 segundos.
PRUEBA DE HIPOTESIS SOBRE LA MEDIA DE UNA DISTRIBUCION NORMAL, VARIANZA
DESCONOCIDA
Ciertamente sospechamos que las pruebas sobre una media poblacional con
desconocida, debe incluir el uso de la distribucin t de Student. La estructura
de la prueba es idntica a la del caso de conocida, con la excepcin de que el
valor en la estadstica de prueba se reemplaza por la estimacin de s calculada
y la distribucin normal estndar se reemplaza con una distribucin t.
Ejemplos:
1. El Instituto Elctrico Edison publica cifras del nmero anual de Kilowatt-hora
que gastan varios aparatos elctrodomsticos. Se afirma que una
aspiradora gasta un promedio de 46 kilowatt-hora al ao. Si una muestra
aleatoria de 12 hogares que se incluye en un estudio planeado indica que
las aspiradoras gastan un promedio de 42 kilowatt-hora al ao con una
desviacin estndar de11.9 kilowatt-hora, esto sugiere con un nivel de
significancia de 0.05 que las aspiradoras gastan, en promedio, menos de 46
kilowatt-hora anualmente? Suponga que la poblacin de kilowatt-hora es
normal.
Solucin:
1. Datos:
= 46 kilowatt-hora
s= 11.9 kilowatt-hora
= 42 kilowatt-hora
n = 12
= 0.05
3. Ensayo de hiptesis
H
o
; = 46 kilowatt-hora
H
1
; < 46 kilowatt-hora

4. Regla de decisin:
Si t
R
-1.796 No se rechaza H
o
Si t
R
< -1.796 Se rechaza H
o
5. Clculos:

6. Justificacin y decisin:
Como 1.16 > -1.796, por lo tanto no se rechaza H
o
y se concluye con un
nivel de significancia del 0.05 que el nmero promedio de kilowwatt-hora
que gastan al ao las aspiradoras no es significativamente menor que 46.
Solucin por el otro mtodo:


Regla de decisin:
Si 39.83 No se Rechaza H
o
Si < 39.83 Se rechaza H
o
Como la = 42 y este valor no es menor que 39.83 por lo tanto no se rechaza H
o
.
Se puede aprovechar este ejemplo para calcular el valor de P , como el valor de t
calculada es de 1.16, se busca en la tabla y se ve que el area a la izquierda de
este valor es de 0.135 con 11 grados de libertad, por lo tanto no se rechaza H
o
., ya
que sera

un valor alto para un nivel de significancia.

1. Un artculo publicado en la revista Materials Engineering describe los
resultados de pruebas de resistencia a la adhesin de 22 especmenes de
aleacin U-700. La carga para la que cada especmen falla es la siguiente
en MPa:
19.8 18.5 17.6 16.7 15.8
15.4 14.1 13.6 11.9 11.4
11.4 8.8 7.5 15.4 15.4
19.5 14.9 12.7 11.9 11.4
10.1 7.9
Sugieren los datos que la carga promedio de falla es mayor que 10Mpa?
Supngase que la carga donde se presenta la falla tiene una distribucin
normal, y utilicese = 0.05. Calcule el valor de P.
Solucin:
1. Datos:
= 10
s = 3.55
= 13.71
n = 22
= 0.05
3. Ensayo de hiptesis
H
o
; = 10
H
1
; > 10

4. Regla de decisin:
Si t
R
1.721 no se rechaza H
o
.
Si t
R
> 1.721 se rechaza H
o
.
5. Clculos:

6. Justificacin y decisin.
Como 4.90 >1.721 se rechaza H
o
y se concluye con un nivel de
significancia del 0.05 que la carga de falla promedio es mayor que 10Mpa.
Existe otra manera de resolver este ejercicio, tomando la decisin en base al
estadstico real, en este caso la media de la muestra. De la frmula de la
distribucin muestral de medias se despeja la media de la muestra:


Regla de decisin:
Si 11.30 No se rechaza H
o
Si > 11.30 Se rechaza H
o
Como la media de la muestral es de 13.71 MPa y es mayor al valor de la media
muestral lmite de 11.30 por lo tanto se rechaza H
o
y se llega a la misma
conclusin.
Para calcular el valor de P se va a la tabla y se busca en 21 grados de libertad el
valor de t = 4.90. Se obseva que el valor mayor de t que se encuentra en la tabla
con 21 grados de libertad es de 3.819 el cual le corresponde un rea a la derecha
de 0.0005, por lo que para el valor de 4.90 el valor de P es practicamente cero,
y esto apoya la decisin de rechazar H
o
.
3. Los pesos en libras de una muestra aleatoria de bebs de seis meses son:
14.6, 12.5, 15.3, 16.1, 14.4, 12.9, 13.7 y 14.9. Haga una prueba con nivel
de 5% de significancia para determinar si el peso promedio de todos los
bebs de seis meses es distinto a 14 libras, suponga que sus pesos se
distribuyen normalmente y calcule el valor de P.
Solucin:
1. Datos:
= 14 libras
s = 1.21 libras
= 14.3 libras
n = 8
= 0.05
2. Ensayo de hiptesis
H
o
; = 14 libras
H
1
; 14 libras

3. Regla de Decisin:
Si 2.365 t
R
2.365 No se rechaza H
o
Si t
R
< -2.365 si t
R
> 2.365 Se rechaza H
o
4. Clculos:

5. Justificacin y decisin:
Como 2.365 0.7012 2.365 por lo tanto, no se rechaza H
o
y se concluye
con un nivel de significancia del 0.05 que el peso promedio de todos los
bebs de seis meses es de 14 libras.
Solucin por el otro mtodo:
12.98 y 15.01





Regla de decisin:
Si 12.98 15.01 No se rechaza H
o
Si < 12.98 > 15.01 se rechaza H
o
Como la = 14.3 libras, entonces no se rechaza H
o
.
Para calcular el valor de P se busca en la tabla el valor de 0.7012 con 7 grados de
libertad. Se obseva que este valor no se encuentra pero se puede interpolar entre
los valores de 0.549 y 0.896 con reas de 0.30 y 0.20 respectivamente.
Interpolando linealmente se obtiene el valor de 0.2561.

Error tipo II
El error tipo II se calcula de la misma forma en la que se calcul con la distribucin
z. Se realizarn algunos ejercicios en los cuales se determinar la probabilidad de
cometer el error tipo II, utilizando la tabla de la distribucin.
Existen curvas caractersticas de operacin en los libros con diferentes grados de
libertad para determinar los tamaos de muestra correspondientes segn el grado
de error que se quiera, recordando que entre mayor sea el tamao de muestra
menor ser el error.
1. Se sabe que los voltajes de una marca de pilas tamao C se distribuyen
normalmente, se prob una muestra aleatoria de 15 y se encontr que la
media es de 1.4 volts con una desviacin estndar de 0.21 volts. En el nivel
de significancia de 0.01:
a. Indica esto que la media de los voltajes es menor que 1.5 volts?
b. Calcular la probabilidad de cometer el error tipo II si el voltaje promedio real
de las pilas es de 1.3 volts.
Solucin:
1. Datos:
= 1.5 volts.
s= 0.21 volts
= 1.4 volts.
n = 15
= 0.01
2. Ensayo de hiptesis
H
o
; = 1.5 volts
H
1
; < 1.5 volts

3. Regla de decisin:
Si t
R
-2.624 No se rechaza H
o
Si t
R
< -2.624 Se rechaza H
o
5. Clculos:

6. Justificacin y decisin:
Como 1.84 > -2.624, por lo tanto no se rechaza H
o
y se concluye con un
nivel de significancia del 0.01 que los voltajes de las pilas tamao C no son
menores a 1.5.
Para calcular el error tipo II se tiene que obtener el valor de de la siguiente
forma:







Para encontrar el valor de se busca en la tabla de la distribucin t el valor de
1.05 con 14 grados de libertad. Como este valor no se encuentra en la tabla se
interpola entre 0.868 y 1.076 con un rea de 0.20 y 0.15 respectivamente. Al
interpolar se obtiene un rea de 0.15612 y esta es la probabilidad de cometer el
error tipoII cuando la media verdadera es de 1.3 volts y un tamao de muestra de
15.
2. Para el ejercicio del peso de los bebs de 6 meses, calcular el error tipo II,
si los pesos verdaderos hubieran sido de 11 y 14.5 libras.
Solucin:
Primero se calculan los valores de :





En este ltimo clculo para se tendr que analizar las reas de los dos
extremos, pues estas no estn dentro de la regin de aceptacin, por lo tanto no
se deben de tomar en cuenta para el error tipo II.
Se busca en la tabla el valor de 3.55 con 7 grados de libertad, y al interpolar nos
da un rea de 0.00475. El rea correspondiente a 1.19 con 7 grados de libertad es
de 0.1479. Por lo que =1-(0.00475+0.1479)= 0.8473
3. Para el ejercicio en donde se dan los resultados de pruebas de resistencia
a la adhesin de 22 especmenes de aleacin U-700., encontrar la
probabilidad de cometer el error tipo II si la carga promedio de falla es igual
a 11.
Solucin:
Primero se obtendr el valor del estadstico lmite:




Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>




Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>
DISTRIBUCION JI-CUADRADA (X
2
)
En realidad la distribucin ji-cuadrada es la distribucin muestral de s
2
. O sea que si se
extraen todas las muestras posibles de una poblacin normal y a cada muestra se le calcula
su varianza, se obtendr la distribucin muestral de varianzas.
Para estimar la varianza poblacional o la desviacin estndar, se necesita conocer el
estadstico X
2
. Si se elige una muestra de tamao n de una poblacin normal con varianza
, el estadstico:

tiene una distribucin muestral que es una distribucin ji-cuadrada con gl=n-1
grados de libertad y se denota X
2
(X es la minscula de la letra griega ji). El
estadstico ji-cuadrada esta dado por:

donde n es el tamao de la muestra, s
2
la varianza muestral y la varianza de la
poblacin de donde se extrajo la muestra. El estadstico ji-cuadrada tambin se
puede dar con la siguiente expresin:

Propiedades de las distribuciones ji-cuadrada
1. Los valores de X
2
son mayores o iguales que 0.
2. La forma de una distribucin X
2
depende del gl=n-1. En consecuencia, hay
un nmero infinito de distribuciones X
2
.
3. El rea bajo una curva ji-cuadrada y sobre el eje horizontal es 1.
4. Las distribuciones X
2
no son simtricas. Tienen colas estrechas que se
extienden a la derecha; esto es, estn sesgadas a la derecha.
5. Cuando n>2, la media de una distribucin X
2
es n-1 y la varianza es 2(n-1).
6. El valor modal de una distribucin X
2
se da en el valor (n-3).
La siguiente figura ilustra tres distribuciones X
2
. Note que el valor modal aparece
en el valor (n-3) = (gl-2).

La funcin de densidad de la distribucin X
2
esta dada por:
para x>0
La tabla que se utilizar para estos apuntes es la del libro de probabilidad y
estadstica de Walpole, la cual da valores crticos (gl) para veinte valores
especiales de . Para denotar el valor crtico de una distribucin X
2
con gl
grados de libertad se usa el smbolo (gl); este valor crtico determina a su
derecha un rea de bajo la curva X
2
y sobre el eje horizontal. Por ejemplo para
encontrar X
2
0.05
(6) en la tabla se localiza 6 gl en el lado izquierdo y a o
largo del lado superior de la misma tabla.

Clculo de Probabilidad
El clculo de probabilidad en una distribucin muestral de varianzas nos sirve para
saber como se va a comportar la varianza o desviacin estndar en una muestra
que proviene de una distribucin normal.
Ejemplos:
1. Suponga que los tiempos requeridos por un cierto autobs para alcanzar un
de sus destinos en una ciudad grande forman una distribucin normal con
una desviacin estndar =1 minuto. Si se elige al azar una muestra de
17 tiempos, encuentre la probabilidad de que la varianza muestral sea
mayor que 2.
Solucin:
Primero se encontrar el valor de ji-cuadrada correspondiente a s
2
=2 como
sigue:

El valor de 32 se busca adentro de la tabla en el rengln de 16 grados de
libertad y se encuentra que a este valor le corresponde un rea a la
derecha de 0.01. En consecuencia, el valor de la probabilidad es P(s
2
>2)

2. Encuentre la probabilidad de que una muestra aleatoria de 25
observaciones, de una poblacin normal con varianza
, tenga una varianza muestral:
a. Mayor que 9.1
b. Entre 3.462 y 10.745
Solucin.
a. Primero se proceder a calcular el valor de la ji-cuadrada:

Al buscar este nmero en el rengln de 24 grados de libertad nos da un rea a la
derecha de 0.05. Por lo que la P(s
2
>9.1) = 0.05
1. Se calcularn dos valores de ji-cuadrada:
y
Aqu se tienen que buscar los dos valores en el rengln de 24 grados de libertad.
Al buscar el valor de 13.846 se encuentra un rea a la derecha de 0.95. El valor de
42.98 da un rea a la derecha de 0.01. Como se est pidiendo la probabilidad
entre dos valores se resta el rea de 0.95 menos 0.01 quedando 0.94.
Por lo tanto la P(3.462 s
2
10.745) = 0.94

Estimacin de la Varianza
Para poder estimar la varianza de una poblacin normal se utilizar la distribucin
ji-cuadrada.

Al despejar esta frmula la varianza poblacional nos queda:

Los valores de X
2
dependern de nivel de confianza que se quiera al cual le
llamamos . Si nos ubicamos en la grfica se tiene:

Ejemplos:
1. Los siguientes son los pesos, en decagramos, de 10 paquetes de semillas
de pasto distribuidas por cierta compaa: 46.4, 46.1, 45.8, 47.0, 46.1, 45.9,
45.8, 46.9, 45.2 y 46. Encuentre un intervalo de confianza de 95% para la
varianza de todos los paquetes de semillas de pasto que distribuye esta
compaa, suponga una poblacin normal.
Solucin:
Primero se calcula la desviacin estndar de la muestra:

al elevar este resultado al cuadrado se obtiene la varianza de la muestra
s
2
= 0.286.
Para obtener un intervalo de confianza de 95% se elige un = 0.05.
Despus con el uso de la tabla con 9 grados de libertad se obtienen los
valores de X
2
.

Se puede observar en la grfica anterior que el valor de X
2
corre en forma
normal, esto es de izquierda a derecha.
Por lo tanto, el intervalo de confianza de 95% para la varianza es:


Graficamente:

Se observa que la varianza corre en sentido contrario, pero esto es slo en
la grfica. La interpretacin quedara similar a nuestros temas anteriores
referentes a estimacin. Con un nivel de confianza del 95% se sabe que la
varianza de la poblacin de los pesos de los paquetes de semillas de pasto
esta entre 0.135 y 0.935 decagramos al cuadrado.

2. En trabajo de laboratorio se desea llevar a cabo comprobaciones
cuidadosas de la variabilidad de los resultados que producen muestras
estndar. En un estudio de la cantidad de calcio en el agua potable, el cual
se efecta como parte del control de calidad, se analiz seis veces la
misma muestra en el laboratorio en intervalos aleatorios. Los seis
resultados en partes por milln fueron 9.54, 9.61, 9.32, 9.48, 9.70 y 9.26.
Estimar la varianza de los resultados de la poblacin para este estndar,
usando un nivel de confianza del 90%.
Solucin:
Al calcular la varianza de la muestra se obtiene un valor de s
2
= 0.0285.
Se busca en la tabla los valores correspondientes con 5 grados de libertad,
obtenindose dos resultados. Para X
2
(0.95,5)
= 1.145 y para X
2
(0.0,5)
= 11.07.
Entonces el intervalo de confianza esta dado por:
y

Ensayo de Hiptesis para la Varianza de una Poblacin Normal
En la mayora de los casos se tiene el problema de desconocer la varianza o
desviacin estndar de la poblacin, en donde las distribuciones son normales. Si
se desea probar una hiptesis acerca de la varianza se puede hacer utilizando las
medidas estadsticas con las que se construy el intervalo de confianza , esto
es con la distribucin Ji- cuadrada.
Ejemplos:
1. Una compaa que produce una parte maquinada para un motor, afirma
que tiene una varianza de dimetro no mayor a 0.0002 pulgadas. Una
muestra aleatoria de 10 de dichas partes dio una varianza de muestra s
2
=
0.0003. Si se supone que las medidas del dimetro se distribuyen en forma
normal, hay evidencia para refutar lo que afirma el proveedor? Use =
0.05.
Solucin:
Como en todos los ensayos de hiptesis que se han realizado
anteriormente el procedimiento es el mismo. Despus de que se identifican
los datos, se plantea la hiptesis para determinar el tipo de ensayo.
Datos:
= 0.0002
n = 10
s
2 =
0.0003
= 0.05
Ensayo de hiptesis:
H
o
; = 0.0002
H
1
; > 0.0002

Regla de decisin:
Si X
2
R
16.919 no se rechaza H
o
.
Si X
2
R
>16.919 se rechaza H
o
.
Clculos:

Justificacin y decisin:
Como 13.5 no es mayor que 16.919 por lo tanto no se rechaza H
o
y se
concluye con un nivel de significancia de 0.05 que no se puede refutar la
afirmacin del proveedor.
Este ejercicio se puede aprovechar para calcular el valor de P. En la tabla
se busca el valor de 13.5 en el rengln de 9 grados de libertad. Interpolando
entre 0.10 y 0.20 se obtiene un valor de P de 0.1484.

2. El contenido de azcar del almbar de los duraznos enlatados tiene una
distribucin normal, donde se cree que la varianza es = 18 mg
2
. Se
toma una muestra de 10 latas dieron una desviacin estndar de 4.8 mg.
Muestran estos datos suficiente evidencia para decir que la varianza ha
cambiado?. Use un = 0.05 y calcule el valor de P.
Solucin:
Datos:
= 18
n = 10
s
=
4.8
= 0.05
Ensayo de hiptesis:
H
o
; = 18
H
1
; 18

Regla de decisin:
Si 2.7 X
2
R
19.023 no se rechaza H
o
.
Si X
2
R
<2.7 si X
2
R
>19.023 se rechaza H
o
.
Clculos:

Justificacin y decisin:
Como 11.52 est entre 2.7 y 19.023, no se rechaza H
o,
y se concluye con
un nivel de significancia de 0.05 que la varianza del contenido de azcar del
almbar no ha cambiado, esto es es de 18 mg
2
.
Si recordamos al principio de este tema se dijo que la media de la
distribucin ji-cuadrada es (n-1), por lo tanto la media de este ejercicio es
de 9. Como el valor real de X
2
R
= 11.52 este nmero se encuentra a la
derecha de la media, lo cual quiere decir que el valor de P/2 ser el rea a
la derecha del valor de X
2
R
. Al buscar el valor de 11.52 en la tabla se
obtiene un rea de 0.2423, por lo tanto P/2 = 0.2423 y P= (2)(0.2423) =
0.4846

3. Experiencia anterior indica que el tiempo que se requiere para que los
estudiantes de ltimo ao de preparatoria completen una prueba
estandarizada es una variable aletoria normal con una desviacin estndar
de seis minutos. Se toma una muestra aleatoria de 20 estudiantes de ltimo
ao de preparatoria y se obtiene una desviacin estndar de 4.51.
Muestran estos datos suficiente evidencia para decir que la desviacin
estndar disminuy?. Utilice el valor de P para su decisin.
Solucin:
Datos:
= 6
n = 20
s
=
4.51
Ensayo de hiptesis:
H
o
; = 6
H
1
; < 6
Clculos:

Para obtener el valor de P, se busca en la tabla el 10.735 con 19 grados de
libertad, y el rea que se encuentra es la que est a la derecha de este valor.
Como la media de esta distribucin ji-cuadrada es de 19, por lo tanto el valor de
10.735 queda a la izquierda de la media. El valor de P es de 0.07, y con esto se
puede concluir que si hubiramos utilizado un nivel de significancia de 0.10, se
rechaza H
o
y se concluye que la desviacin estndar disminuyo, pero si se utiliza
un valor de = 0.05, entonces no se rechaza H
o
y se concluira que la
desviacin estndar no disminuy. La decisin depende del error tipo I que est
dispuesto a tolerar el investigador.

Error tipo II
El error tipo II se calcula de la misma forma en la que se calcul con la distribucin
z. Se realizarn algunos ejercicios en los cuales se determinar la probabilidad de
cometer el error tipo II, utilizando la tabla de la distribucin Ji-cuadrada.
1. Se tiene un ensayo de hiptesis unilateral derecho, con n=20 y = 0.05
H
o
; = 0.10
H
1
; > 0.10
Se quiere calcular el error tipo II si las desviaciones estndar
verdaderas fueran de 0.12 y 0.14.
Solucin:
Para poder calcular el error tipo II, primero se debe encontrar el valor de la
varianza muestral lmite, esto es s
2
L
, para poder calcular los valores de X
2
y
posteriormente calcular el rea. Al buscar en la tabla X
2
(0.05,19)
=30.144, este
valor se sustituir en la formula. Al despejar de la frmula original de X
2
se
obtiene:


2. Encontrar el error tipo II para el ejercicio 2 de esta seccin, en donde el
ensayo es bilateral pues se quiere ver si la varianza del contenido de
azcar en el almbar de los duraznos ha cambiado. Suponga una varianza
real de 20 y 26.

Solucin:
Como este es un ensayo bilateral se tendrn dos valores de s
2
L
. Los cuales se
calcularn utilizando las ji-cuadradas lmites que eran de de 2.7 y 19.023.

y

Estos dos valores se utilizarn para calcular las nuevas ji-cuadradas para calcular
el valor de .


Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>




Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>
DISTRIBUCION "F" FISHER
La necesidad de disponer de mtodos estadsticos para comparar las varianzas de
dos poblaciones es evidente a partir del anlisis de una sola poblacin.
Frecuentemente se desea comparar la precisin de un instrumento de medicin
con la de otro, la estabilidad de un proceso de manufactura con la de otro o hasta
la forma en que vara el procedimiento para calificar de un profesor universitario
con la de otro.
Intuitivamente, podramos comparar las varianzas de dos poblaciones, y
, utilizando la razn de las varianzas muestrales s
2
1
/s
2
2
. Si s
2
1
/s
2
2
es casi igual a 1,
se tendr poca evidencia para indicar que y no son iguales. Por otra
parte, un valor muy grande o muy pequeo para s
2
1
/s
2
2
, proporcionar evidencia
de una diferencia en las varianzas de las poblaciones.
La variable aleatoria F se define como el cociente de dos variables aleatorias ji-
cuadrada independientes, cada una dividida entre sus respectivos grados de
libertad. Esto es,

donde U y V son variables aleatorias ji-cuadrada independientes con grados de
libertad
1
y
2
respectivamente.
Sean U y V dos variables aleatorias independientes que tienen distribucin ji
cuadradas con grados de libertad, respectivamente. Entonces la
distribucin de la variable aleatoria est dada por:


y se dice que sigue la distribucin F con grados de libertad en el numerador y
grados de libertad en el denominador.
La media y la varianza de la distribucin F son:
para
para

La variable aleatoria F es no negativa, y la distribucin tiene un sesgo hacia la
derecha. La distribucin F tiene una apariencia muy similar a la distribucin ji-
cuadrada; sin embargo, se encuentra centrada respecto a 1, y los dos parmetros
proporcionan una flexibilidad adicional con respecto a la forma de la
distribucin.
Si s
1
2
y s
2
2
son las varianzas muestrales independientes de tamao n
1
y n
2

tomadas de poblaciones normales con varianzas
1
2
y
2
2
, respectivamente,
entonces:

Para manejar las tablas de Fisher del libro de Introduccin a la Inferencia
Estadstica del autor Genther, se tendr que buscar primero los grados de
libertad dos para luego localizar el rea correspondiente, relacionndola con los
grados de libertad uno, para calcular el valor de F.
Las tablas tienen la siguiente estructura:


P
1 2 3 . .. 500
6
0.0005


0.001


0.005


.

.

0.9995 30.4
El valor de 30.4 es el correspondiente a una Fisher que tiene 3 grados de libertad
uno y 6 grados de libertad dos con un rea de cero a Fisher de 0.995. Si lo vemos
graficamente:

Como nos podemos imaginar existen varias curvas Fisher, ya que ahora su forma
depende de dos variables que son los grados de libertad.


Ejemplos :
1. Encontrar el valor de F, en cada uno de los siguientes casos:
a. El rea a la derecha de F, es de 0.25 con =4 y =9.
b. El rea a la izquierda de F, es de 0.95 con =15 y =10.
c. El rea a la derecha de F es de 0.95 con con =6 y =8.
o. El rea a la izquierda de F, es de 0.10 con con =24 y
=24
Solucin:
a. Como el rea que da la tabla es de cero a Fisher, se tiene que localizar
primero los grados de libertad dos que son 9, luego un rea de 0.75 con 4
grados de libertad uno.

b. En este caso se puede buscar el rea de 0.95 directamente en la tabla con
sus respectivos grados de libertad.

c. Se tiene que buscar en la tabla un rea de 0.05, puesto que nos piden un
rea a la derecha de F de 0.95.

d. Se busca directamente el rea de 0.10, con sus respectivos grados de
libertad.

1. Si s
1
2
y s
2
2
son las varianzas muestrales de muestras aleatorias
independientes de tamaos n
1
=10 y n
2
=20, tomadas de poblaciones
normales que tienen las mismas varianzas, encuentre P(s
1
2
/s
2
2
2.42).
Solucin:
Primero se establecen los grados de libertad. Como en el numerador est la
poblacin uno y en el denominador la poblacin dos, entonces los grados
de libertad uno equivalen a 10-1=9 y los grados de libertad dos a 20-1=19.
Se procede a ir a la tabla a buscar los grados de libertad dos que son 19 y
se observa que no estn, por lo tanto se tiene que interpolar entre 15 y 20
grados de libertad, buscando el valor de fisher que quedara:

Este valor de 2.42 se busca en la columna de 9 grados de libertad uno, con
15 grados de libertad dos, y se encuentra los siguiente:
Area

0.90 2.09
0.95 2.59
Al interpolar entre estos dos valores nos queda un rea de 0.933.
Se procede a hacer lo mismo pero con 20 grados de libertad dos:
Area

0.95 2.39
0.975 2.84
Al interpolar entre estos dos valores nos queda un rea de 0.9516.
Ahora ya se tienen las dos reas referentes a los grados de libertad dos,
por lo que se interpolar para ver cunto le corresponde a los grados
libertad dos con un valor de 19.

Area
15 0.933
20 0.9516
Al interpolar nos queda que para 9 grados de libertad uno y 19 grados de
libertad dos con un valor de Fisher de 2.42 el rea a la izquierda es de
0.9478.

2. Si s
1
2
y s
2
2
representan las varianzas de las muestras aleatorias
independientes de tamao n
1
= 25 y n
2
= 31, tomadas de poblaciones
normales con varianzas
1
2
=10 y
2
2
= 15, respectivamente, encuentre P(s
1
2
/s
2
2
> 1.26).
Solucin:
Calcular el valor de Fisher:

Luego se va a la tabla de Fisher a buscar 30 grados de libertad 2 con 24 grados
de libertad uno. Cuando se este en esta posicin se busca adentro de la tabla el
valor de Fisher de 1.89. Al localizarlo y ver a la izquierda de este valor se obtiene
un rea de 0.95, pero esta rea correspondera a la probabilidad de que las
relaciones de varianzas muestrales fueran menor a 1.26, por lo que se calcula su
complemento que sera 0.05, siendo esta la probabilidad de que s
1
2
/s
2
2
> 1.26.

Intervalo de Confianza para el Cociente de Varianzas de Dos Distribuciones Normales
Supngase que se tienen dos poblaciones normales e independientes con
varianzas desconocidas
1
2
y
2
2
, respectivamente. De este par de
poblaciones, se tienen disponibles dos muestras aleatorias de tamaos n
1
y n
2
,
respectivamente, sean s
1
2
y s
2
2
las dos varianzas muestrales. Se desea conocer
un intervalo de confianza del 100( ) por ciento para el cociente de las dos
varianzas,
1
2
/
2
2
.
Para construir el intervalo de confianza para el cociente de dos varianzas
poblacionales, se coloca la varianza muestral mayor en el numerador del
estadstico F.
Ejemplos:
1. Un fabricante de automviles pone a prueba dos nuevos mtodos de
ensamblaje de motores respecto al tiempo en minutos. Los resultados se
muestran el la tabla:
Mtodo 1 Mtodo 2
n
1
= 31 n
2
= 25
s
1
2
= 50 s
2
2
= 24
2. Construya un intervalo de confianza del 90% para
1
2
/
2
2
.
3. Solucin:
4. Por la recomendacin de que la varianza muestral mayor va en el
numerador se tiene la siguiente frmula:
5.
6. al despejar: .
7. F toma dos valores dependiendo del nivel de confianza y de los grados de
libertad. En este caso los grados de libertad uno valen 30 y los grados de
libertad dos 24.
8.
9. y
10. Estos resultados los podemos interpretar de la siguiente manera:
11. Con un nivel de confianza del 90% se sabe que la relacin de varianzas
1
2
/
2
2
esta entre 1.07 y 3.93. Esto supondra que la varianza de la
poblacin 1 es mayor a la varianza de la poblacin 2 entre 1.07 y 3.93.
12. Una compaa fabrica propulsores para uso en motores de turbina. Al
ingeniero de manufactura le gustara seleccionar el proceso que tenga la
menor variabilidad en la rugosidad de la superficie. Para ello toma una
muestra de n
1
=16 partes del primer proceso, la cual tiene una desviacin
estndar s
1
= 4.7 micropulgadas, y una muestra aleatoria de n
2
=12 partes
del segundo proceso, la cual tiene una desviacin estndar s
2
= 5.1
micropulgadas. Se desea encontrar un intervalo de confianza del 90% para
el cociente de las dos varianzas
1
2
/
2
2
. Suponga que los dos procesos son independientes y que la rugosidad de la
superficie est distribuida de manera normal.
Solucin:
Por la recomendacin de que la varianza muestral mayor va en el numerador se
tiene la siguiente frmula:

al despejar: .
En este caso los grados de libertad uno valen 11 y los grados de libertad dos 15.

y
Estos resultados los podemos interpretar de la siguiente manera:
Puesto que este intervalo de confianza incluye a la unidad, no es posible afirmar
que las desviaciones estndar de la rugosidad de la superficie de los dos procesos
sean diferentes con un nivel de confianza del 90%.

Ensayo de Hiptesis
Supngase que se tiene inters en dos poblaciones normales independientes,
donde las medias y las varianzas de la poblacin son desconocidas. Se desea
probar la igualdad de las dos varianzas, ya que para poder comparar las medias
de estas dos poblaciones se utiliza la distribucin t de Student, en la cual podemos
tener varianzas iguales o diferentes en la poblacin.
Para conocer esto ltimo se requiere de la distribucin Fisher, y despus de
utilizarla, se tomar la decisin de tener o no varianzas iguales en la poblacin,
dando pi a realizar la comparacin de las dos medias segn estemos hablando.
Primer caso en que las varianzas de la poblacin son desconocidas pero iguales,
o en el caso dos donde se tienen varianzas desconocidas pero dismiles.
Para el ensayo de hiptesis se utilizar la relacin de varianzas, la cual puede dar
tres resultados:

En base a lo que se quiera probar, el ensayo podr ser unilateral derecho,
izquierdo o bilateral.
Ejemplos:
1. La variabilidad en la cantidad de impurezas presentes en un lote de
productos qumicos, utilizada para un proceso en particular, depende del
tiempo que tarda el proceso. Un fabricante que emplea dos lneas de
produccin 1 y 2, hizo un pequeo ajuste al proceso 2, con la esperanza de
reducir la variabilidad, as como la cantidad media de impurezas en los
productos qumicos. Muestras de n
1
=25 y n
2
=20 mediciones de dos lotes
produjeron las siguientes medias y varianzas:

Presentan los datos evidencia suficiente para indicar que las variaciones
del proceso son menores para el 2? Realice una prueba con un = 0.05.

Solucin:
Datos:
Poblacin 1 Poblacin 2


n
1
= 25 n
2
= 20
= 0.05
Ensayo de hiptesis:


Estadstico de prueba:
La sugerencia que se hace es que el numerador sea el de valor mayor .
Entonces los grados de libertad uno ser el tamao de la muestra de la poblacin
uno menos uno.
1
= 25-1 = 24 y
2
= 20-1=19.





Regla de decisin:
Si F
c
2.11 No se rechaza H
o
,
Si la F
c
> 2.11 se rechaza H
o
.
Clculo:

Decisin y Justificacin:
Como 2.04 es menor que 2.11 no se rechaza H
o
, y se concluye con un = 0.05
que no existe suficiente evidencia para decir que la varianza del proceso 2 es
menor que la del proceso 1.

2. En su incansable bsqueda de un sistema de llenado adecuado, cierta
empresa prueba dos mquinas. Robo-fill se usa para llenar 16 tarros y da
una desviacin estndar de 1.9 onzas en el llenado. Con Automat-fill se
llenan 21 frascos que dan una desviacin estndar de 2.1 onzas. Si la
empresa tiene que elegir uno de estos sistemas en funcin de la
uniformidad de llenado. Cual deber seleccionar? Use un
= 0.10.
Solucin:
Datos:
Robo-Fill
s
RF
= 1.9
n
RF
= 16
= 0.10
Automat-Fill
s
AF
= 2.1
n
AF
= 21

Ensayo de hiptesis:


Estadstico de prueba:
La sugerencia que se hace es que el numerador sea el de valor mayor .
Entonces los grados de libertad uno ser el tamao de la muestra de la poblacin
uno menos uno.
1
= 21-1 = 20 y
2
= 16-1=15.

Regla de decisin:
Si F
c
2.20 No se rechaza H
o
,
Si la F
c
> 2.20 se rechaza H
o
.
Clculo:

Decisin y Justificacin:
Como 1.22 es menor que 2.20 no se rechaza H
o
, y se concluye con un = 0.10
que la variacin de llenado de la mquina Robo-Fill no es menor a la de Automat-
Fill, por lo que se selecciona cualquier mquina.
3. Las capas de xido en las obleas semiconductoras son depositadas en una
mezcla de gases para alcanzar el espesor apropiado. La variabilidad del
espesor es una caracterstica crtica de la oblea, y lo deseable para los
siguientes pasos de la fabricacin es tener una variabilidad baja. Para ello
se estudian dos mezclas diferentes de gases con la finalidad de determinar
con cul se obtienen mejores resultados en cuanto a la reduccin en la
variabilidad del espesor del xido. Veintin obleas son depositadas en cada
gas. Las desviaciones estndar de cada muestra del espesor del xido son
s
1
= 1.96 angstroms y s
2
= 2.13 angstroms. Existe evidencia que indique
una diferencia en las desviaciones? Utilice
=0.05.
Solucin:
Datos:
s
1
= 1.96
n
1
= 21
s
2
= 2.13
n
2
= 21
Ensayo de hiptesis:


Estadstico de prueba:
La sugerencia que se hace es que el numerador sea el de valor mayor .
Entonces los grados de libertad uno ser el tamao de la muestra de la poblacin
uno menos uno.
1
= 21-1 = 20 y
2
= 21-1=20.

Regla de decisin:
Si 0.406 F
c
2.46 No se rechaza H
o
,
Si la F
c
< 0.406 si F
c
> 2.46 se rechaza H
o
.
Clculo:

Decisin y Justificacin:
Como 0.85 esta entre los dos valores de H
o
no se rechaza , y se concluye con un
= 0.05 que existe suficiente evidencia para decir que las varianza de las
poblaciones son iguales.
Error Tipo II
1. Para el ejercicio anterior, encontrar la probabilidad de cometer error tipo II si
la verdadera relacin
1
2
/
2
2
= 2.

Solucin:






1. Del ejercicio nmero 1 del ensayo de hiptesis en donde la variabilidad en
la cantidad de impurezas presentes en un lote de productos qumicos
dependa del tiempo que tardaba el proceso y el fabricante empleaba dos
lneas de produccin 1 y 2, e hizo un pequeo ajuste al proceso 2, calcular
la probabilidad de cometer error tipo II si le relacin
1
2
/
2
2
= 1.5.
Solucin:
por lo tanto s
1
2
/s
2
2
= 2.11 ya que esto fue lo que dio la tabla y al
despejar nos queda los mismo. Se calcula un nuevo valor de F con la relacin de
varianzas de 1.5.

Si se recuerda para este ejercicio se tienen 24 grados de libertad uno y 19 de
grados de libertad dos, por lo que se tiene que hacer una doble interpolacin ya
que 19 grados de libertad dos no vienen en la tabla.
Primero se interpolar para 24 grados de libertad uno y 15 grados de libertad dos:
Area Valor de F
0.50 1.02
0.75 1.41
Al interpolar para un valor de Fisher de 1.406 se ve que este valor est muy
cercano a 1.41, el cual le corresponde un rea de 0.75, por lo que queda un
resultado de 0.7474
Ahora se procede a interpolar para 24 grados de libertad uno y 20 grados de
libertad dos:
Area Valor de F
0.75 1.35
0.90 1.77
La interpolacin para un valor de Fisher de 1.406 es de 0.77.
Teniendo los dos valores, se puede calcular el rea correspondiente a 24 grados
de libertad uno y 19 grados de libertad dos:
2

Area
15 0.7474
20 0.77
Por lo tanto al interpolar para 19 grados de libertad dos nos da un valor de
0.76548

Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>


Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>
DISTRIBUCION "F" FISHER
La necesidad de disponer de mtodos estadsticos para comparar las varianzas de
dos poblaciones es evidente a partir del anlisis de una sola poblacin.
Frecuentemente se desea comparar la precisin de un instrumento de medicin
con la de otro, la estabilidad de un proceso de manufactura con la de otro o hasta
la forma en que vara el procedimiento para calificar de un profesor universitario
con la de otro.
Intuitivamente, podramos comparar las varianzas de dos poblaciones, y
, utilizando la razn de las varianzas muestrales s
2
1
/s
2
2
. Si s
2
1
/s
2
2
es casi igual a 1,
se tendr poca evidencia para indicar que y no son iguales. Por otra
parte, un valor muy grande o muy pequeo para s
2
1
/s
2
2
, proporcionar evidencia
de una diferencia en las varianzas de las poblaciones.
La variable aleatoria F se define como el cociente de dos variables aleatorias ji-
cuadrada independientes, cada una dividida entre sus respectivos grados de
libertad. Esto es,

donde U y V son variables aleatorias ji-cuadrada independientes con grados de
libertad
1
y
2
respectivamente.
Sean U y V dos variables aleatorias independientes que tienen distribucin ji
cuadradas con grados de libertad, respectivamente. Entonces la
distribucin de la variable aleatoria est dada por:


y se dice que sigue la distribucin F con grados de libertad en el numerador y
grados de libertad en el denominador.
La media y la varianza de la distribucin F son:
para
para

La variable aleatoria F es no negativa, y la distribucin tiene un sesgo hacia la
derecha. La distribucin F tiene una apariencia muy similar a la distribucin ji-
cuadrada; sin embargo, se encuentra centrada respecto a 1, y los dos parmetros
proporcionan una flexibilidad adicional con respecto a la forma de la
distribucin.
Si s
1
2
y s
2
2
son las varianzas muestrales independientes de tamao n
1
y n
2

tomadas de poblaciones normales con varianzas
1
2
y
2
2
, respectivamente,
entonces:

Para manejar las tablas de Fisher del libro de Introduccin a la Inferencia
Estadstica del autor Genther, se tendr que buscar primero los grados de
libertad dos para luego localizar el rea correspondiente, relacionndola con los
grados de libertad uno, para calcular el valor de F.
Las tablas tienen la siguiente estructura:


P
1 2 3 . .. 500
6
0.0005


0.001


0.005


.

.

0.9995 30.4
El valor de 30.4 es el correspondiente a una Fisher que tiene 3 grados de libertad
uno y 6 grados de libertad dos con un rea de cero a Fisher de 0.995. Si lo vemos
graficamente:

Como nos podemos imaginar existen varias curvas Fisher, ya que ahora su forma
depende de dos variables que son los grados de libertad.


Ejemplos :
1. Encontrar el valor de F, en cada uno de los siguientes casos:
a. El rea a la derecha de F, es de 0.25 con =4 y =9.
b. El rea a la izquierda de F, es de 0.95 con =15 y =10.
c. El rea a la derecha de F es de 0.95 con con =6 y =8.
o. El rea a la izquierda de F, es de 0.10 con con =24 y
=24
Solucin:
a. Como el rea que da la tabla es de cero a Fisher, se tiene que localizar
primero los grados de libertad dos que son 9, luego un rea de 0.75 con 4
grados de libertad uno.

b. En este caso se puede buscar el rea de 0.95 directamente en la tabla con
sus respectivos grados de libertad.

c. Se tiene que buscar en la tabla un rea de 0.05, puesto que nos piden un
rea a la derecha de F de 0.95.

d. Se busca directamente el rea de 0.10, con sus respectivos grados de
libertad.

1. Si s
1
2
y s
2
2
son las varianzas muestrales de muestras aleatorias
independientes de tamaos n
1
=10 y n
2
=20, tomadas de poblaciones
normales que tienen las mismas varianzas, encuentre P(s
1
2
/s
2
2
2.42).
Solucin:
Primero se establecen los grados de libertad. Como en el numerador est la
poblacin uno y en el denominador la poblacin dos, entonces los grados
de libertad uno equivalen a 10-1=9 y los grados de libertad dos a 20-1=19.
Se procede a ir a la tabla a buscar los grados de libertad dos que son 19 y
se observa que no estn, por lo tanto se tiene que interpolar entre 15 y 20
grados de libertad, buscando el valor de fisher que quedara:

Este valor de 2.42 se busca en la columna de 9 grados de libertad uno, con
15 grados de libertad dos, y se encuentra los siguiente:
Area

0.90 2.09
0.95 2.59
Al interpolar entre estos dos valores nos queda un rea de 0.933.
Se procede a hacer lo mismo pero con 20 grados de libertad dos:
Area

0.95 2.39
0.975 2.84
Al interpolar entre estos dos valores nos queda un rea de 0.9516.
Ahora ya se tienen las dos reas referentes a los grados de libertad dos,
por lo que se interpolar para ver cunto le corresponde a los grados
libertad dos con un valor de 19.

Area
15 0.933
20 0.9516
Al interpolar nos queda que para 9 grados de libertad uno y 19 grados de
libertad dos con un valor de Fisher de 2.42 el rea a la izquierda es de
0.9478.

2. Si s
1
2
y s
2
2
representan las varianzas de las muestras aleatorias
independientes de tamao n
1
= 25 y n
2
= 31, tomadas de poblaciones
normales con varianzas
1
2
=10 y
2
2
= 15, respectivamente, encuentre P(s
1
2
/s
2
2
> 1.26).
Solucin:
Calcular el valor de Fisher:

Luego se va a la tabla de Fisher a buscar 30 grados de libertad 2 con 24 grados
de libertad uno. Cuando se este en esta posicin se busca adentro de la tabla el
valor de Fisher de 1.89. Al localizarlo y ver a la izquierda de este valor se obtiene
un rea de 0.95, pero esta rea correspondera a la probabilidad de que las
relaciones de varianzas muestrales fueran menor a 1.26, por lo que se calcula su
complemento que sera 0.05, siendo esta la probabilidad de que s
1
2
/s
2
2
> 1.26.

Intervalo de Confianza para el Cociente de Varianzas de Dos Distribuciones Normales
Supngase que se tienen dos poblaciones normales e independientes con
varianzas desconocidas
1
2
y
2
2
, respectivamente. De este par de
poblaciones, se tienen disponibles dos muestras aleatorias de tamaos n
1
y n
2
,
respectivamente, sean s
1
2
y s
2
2
las dos varianzas muestrales. Se desea conocer
un intervalo de confianza del 100( ) por ciento para el cociente de las dos
varianzas,
1
2
/
2
2
.
Para construir el intervalo de confianza para el cociente de dos varianzas
poblacionales, se coloca la varianza muestral mayor en el numerador del
estadstico F.
Ejemplos:
1. Un fabricante de automviles pone a prueba dos nuevos mtodos de
ensamblaje de motores respecto al tiempo en minutos. Los resultados se
muestran el la tabla:
Mtodo 1 Mtodo 2
n
1
= 31 n
2
= 25
s
1
2
= 50 s
2
2
= 24
2. Construya un intervalo de confianza del 90% para
1
2
/
2
2
.
3. Solucin:
4. Por la recomendacin de que la varianza muestral mayor va en el
numerador se tiene la siguiente frmula:
5.
6. al despejar: .
7. F toma dos valores dependiendo del nivel de confianza y de los grados de
libertad. En este caso los grados de libertad uno valen 30 y los grados de
libertad dos 24.
8.
9. y
10. Estos resultados los podemos interpretar de la siguiente manera:
11. Con un nivel de confianza del 90% se sabe que la relacin de varianzas
1
2
/
2
2
esta entre 1.07 y 3.93. Esto supondra que la varianza de la
poblacin 1 es mayor a la varianza de la poblacin 2 entre 1.07 y 3.93.
12. Una compaa fabrica propulsores para uso en motores de turbina. Al
ingeniero de manufactura le gustara seleccionar el proceso que tenga la
menor variabilidad en la rugosidad de la superficie. Para ello toma una
muestra de n
1
=16 partes del primer proceso, la cual tiene una desviacin
estndar s
1
= 4.7 micropulgadas, y una muestra aleatoria de n
2
=12 partes
del segundo proceso, la cual tiene una desviacin estndar s
2
= 5.1
micropulgadas. Se desea encontrar un intervalo de confianza del 90% para
el cociente de las dos varianzas
1
2
/
2
2
. Suponga que los dos procesos son independientes y que la rugosidad de la
superficie est distribuida de manera normal.
Solucin:
Por la recomendacin de que la varianza muestral mayor va en el numerador se
tiene la siguiente frmula:

al despejar: .
En este caso los grados de libertad uno valen 11 y los grados de libertad dos 15.

y
Estos resultados los podemos interpretar de la siguiente manera:
Puesto que este intervalo de confianza incluye a la unidad, no es posible afirmar
que las desviaciones estndar de la rugosidad de la superficie de los dos procesos
sean diferentes con un nivel de confianza del 90%.

Ensayo de Hiptesis
Supngase que se tiene inters en dos poblaciones normales independientes,
donde las medias y las varianzas de la poblacin son desconocidas. Se desea
probar la igualdad de las dos varianzas, ya que para poder comparar las medias
de estas dos poblaciones se utiliza la distribucin t de Student, en la cual podemos
tener varianzas iguales o diferentes en la poblacin.
Para conocer esto ltimo se requiere de la distribucin Fisher, y despus de
utilizarla, se tomar la decisin de tener o no varianzas iguales en la poblacin,
dando pi a realizar la comparacin de las dos medias segn estemos hablando.
Primer caso en que las varianzas de la poblacin son desconocidas pero iguales,
o en el caso dos donde se tienen varianzas desconocidas pero dismiles.
Para el ensayo de hiptesis se utilizar la relacin de varianzas, la cual puede dar
tres resultados:

En base a lo que se quiera probar, el ensayo podr ser unilateral derecho,
izquierdo o bilateral.
Ejemplos:
1. La variabilidad en la cantidad de impurezas presentes en un lote de
productos qumicos, utilizada para un proceso en particular, depende del
tiempo que tarda el proceso. Un fabricante que emplea dos lneas de
produccin 1 y 2, hizo un pequeo ajuste al proceso 2, con la esperanza de
reducir la variabilidad, as como la cantidad media de impurezas en los
productos qumicos. Muestras de n
1
=25 y n
2
=20 mediciones de dos lotes
produjeron las siguientes medias y varianzas:

Presentan los datos evidencia suficiente para indicar que las variaciones
del proceso son menores para el 2? Realice una prueba con un = 0.05.

Solucin:
Datos:
Poblacin 1 Poblacin 2


n
1
= 25 n
2
= 20
= 0.05
Ensayo de hiptesis:


Estadstico de prueba:
La sugerencia que se hace es que el numerador sea el de valor mayor .
Entonces los grados de libertad uno ser el tamao de la muestra de la poblacin
uno menos uno.
1
= 25-1 = 24 y
2
= 20-1=19.





Regla de decisin:
Si F
c
2.11 No se rechaza H
o
,
Si la F
c
> 2.11 se rechaza H
o
.
Clculo:

Decisin y Justificacin:
Como 2.04 es menor que 2.11 no se rechaza H
o
, y se concluye con un = 0.05
que no existe suficiente evidencia para decir que la varianza del proceso 2 es
menor que la del proceso 1.

2. En su incansable bsqueda de un sistema de llenado adecuado, cierta
empresa prueba dos mquinas. Robo-fill se usa para llenar 16 tarros y da
una desviacin estndar de 1.9 onzas en el llenado. Con Automat-fill se
llenan 21 frascos que dan una desviacin estndar de 2.1 onzas. Si la
empresa tiene que elegir uno de estos sistemas en funcin de la
uniformidad de llenado. Cual deber seleccionar? Use un
= 0.10.
Solucin:
Datos:
Robo-Fill
s
RF
= 1.9
n
RF
= 16
= 0.10
Automat-Fill
s
AF
= 2.1
n
AF
= 21

Ensayo de hiptesis:


Estadstico de prueba:
La sugerencia que se hace es que el numerador sea el de valor mayor .
Entonces los grados de libertad uno ser el tamao de la muestra de la poblacin
uno menos uno.
1
= 21-1 = 20 y
2
= 16-1=15.

Regla de decisin:
Si F
c
2.20 No se rechaza H
o
,
Si la F
c
> 2.20 se rechaza H
o
.
Clculo:

Decisin y Justificacin:
Como 1.22 es menor que 2.20 no se rechaza H
o
, y se concluye con un = 0.10
que la variacin de llenado de la mquina Robo-Fill no es menor a la de Automat-
Fill, por lo que se selecciona cualquier mquina.
3. Las capas de xido en las obleas semiconductoras son depositadas en una
mezcla de gases para alcanzar el espesor apropiado. La variabilidad del
espesor es una caracterstica crtica de la oblea, y lo deseable para los
siguientes pasos de la fabricacin es tener una variabilidad baja. Para ello
se estudian dos mezclas diferentes de gases con la finalidad de determinar
con cul se obtienen mejores resultados en cuanto a la reduccin en la
variabilidad del espesor del xido. Veintin obleas son depositadas en cada
gas. Las desviaciones estndar de cada muestra del espesor del xido son
s
1
= 1.96 angstroms y s
2
= 2.13 angstroms. Existe evidencia que indique
una diferencia en las desviaciones? Utilice
=0.05.
Solucin:
Datos:
s
1
= 1.96
n
1
= 21
s
2
= 2.13
n
2
= 21
Ensayo de hiptesis:


Estadstico de prueba:
La sugerencia que se hace es que el numerador sea el de valor mayor .
Entonces los grados de libertad uno ser el tamao de la muestra de la poblacin
uno menos uno.
1
= 21-1 = 20 y
2
= 21-1=20.

Regla de decisin:
Si 0.406 F
c
2.46 No se rechaza H
o
,
Si la F
c
< 0.406 si F
c
> 2.46 se rechaza H
o
.
Clculo:

Decisin y Justificacin:
Como 0.85 esta entre los dos valores de H
o
no se rechaza , y se concluye con un
= 0.05 que existe suficiente evidencia para decir que las varianza de las
poblaciones son iguales.
Error Tipo II
1. Para el ejercicio anterior, encontrar la probabilidad de cometer error tipo II si
la verdadera relacin
1
2
/
2
2
= 2.

Solucin:






1. Del ejercicio nmero 1 del ensayo de hiptesis en donde la variabilidad en
la cantidad de impurezas presentes en un lote de productos qumicos
dependa del tiempo que tardaba el proceso y el fabricante empleaba dos
lneas de produccin 1 y 2, e hizo un pequeo ajuste al proceso 2, calcular
la probabilidad de cometer error tipo II si le relacin
1
2
/
2
2
= 1.5.
Solucin:
por lo tanto s
1
2
/s
2
2
= 2.11 ya que esto fue lo que dio la tabla y al
despejar nos queda los mismo. Se calcula un nuevo valor de F con la relacin de
varianzas de 1.5.

Si se recuerda para este ejercicio se tienen 24 grados de libertad uno y 19 de
grados de libertad dos, por lo que se tiene que hacer una doble interpolacin ya
que 19 grados de libertad dos no vienen en la tabla.
Primero se interpolar para 24 grados de libertad uno y 15 grados de libertad dos:
Area Valor de F
0.50 1.02
0.75 1.41
Al interpolar para un valor de Fisher de 1.406 se ve que este valor est muy
cercano a 1.41, el cual le corresponde un rea de 0.75, por lo que queda un
resultado de 0.7474
Ahora se procede a interpolar para 24 grados de libertad uno y 20 grados de
libertad dos:
Area Valor de F
0.75 1.35
0.90 1.77
La interpolacin para un valor de Fisher de 1.406 es de 0.77.
Teniendo los dos valores, se puede calcular el rea correspondiente a 24 grados
de libertad uno y 19 grados de libertad dos:
2

Area
15 0.7474
20 0.77
Por lo tanto al interpolar para 19 grados de libertad dos nos da un valor de
0.76548

Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>




Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>
INFERENCIA RESPECTO A LA DIFERENCIA DE DOS MEDIAS CUANDO SE
USAN MUESTRAS DEPENDIENTES PEQUEAS
Para hacer inferencias estadsticas sobre dos poblaciones, se necesita tener una muestra de
cada poblacin. Las dos muestras sern dependientes o independientes de acuerdo a la
forma de seleccionarlas. Si la seleccin de los datos de una poblacin no est relacionada
con la de los datos de la otra, son muestras independientes. Si las muestras se seleccionan
de manera que cada medida en una de ellas pueda asociarse naturalmente con una medida
en la otra muestra, se llaman muestras dependientes. Cada dato sale de alguna fuente; una
fuente es algo, una persona o un objeto, que produce datos. Si dos medidas se obtienen de
la misma fuente, se puede pensar que las medidas estn pareadas. En consecuencia dos
medidas que se obtienen del mismo conjunto de fuentes son dependientes. Note que si dos
muestras son dependientes, entonces necesariamente tienen el mismo tamao.
Muchas aplicaciones prcticas requieren hacer comparaciones entre dos poblaciones con
base en datos pareados o en muestras dependientes. Las aplicaciones que pueden involucrar
muestras dependientes incluyen:
- Medicina.- Poner aprueba los efectos de una dieta mediante la obtencin de las
medidas del peso en la misma persona antes y despus de aplicar una dieta.
- Enseanza.- Probar la efectividad de una estrategia de enseanza aplicando
exmenes antes y despus a los mismos individuos.
- Agricultura.- Poner a prueba los efectos de dos fertilizantes en la produccin de
frijol de soya comparando la produccin de parcelas similares en las mismas
condiciones.
- Finanzas.- Comparar las estimaciones de dos talleres de autos chocados para las
mismas unidades.
- Industria.- Poner a prueba dos marcas de llantas en cuanto al desgaste del piso
colocando una de cada marca en los rines traseros de una muestra de coches del
mismo tipo.
Si se tienen dos muestral aleatorias dependientes de tamao n, donde cada elemento de la
primera muestra es pareja de un elemento de la segunda, entonces estas dos muestras dan
lugar a una de parejas o a una diferencias, como lo indica la siguiente figura. La muestra de
diferencias d = x
1
x
2
se puede pensar como una muestra de la poblacin de diferencias de
datos pareados de dos poblaciones. La media de la poblacin de diferencias es igual a la
diferencias de las medias poblacionales.






Se puede demostrar que la media de las diferencias es la diferencias de las mismas
considerando las dos poblaciones siguientes con cuyos elementos se han formado parejas:
Poblacin 1 Poblacin 2 Diferencia d
2 5 2 5 = -3
4 6 4 6 = -2
6 2 6 2 = 4
8 4 8 4 = 4
10 8 10 8 = 2
Suma 30 25 5
Media 6 5 1
La diferencia entre medias poblacionales es:
1

2
= 6 5 = 1
y la media de la poblacin de diferencias se representa:

En consecuencia se ve que la media de la poblacin de diferencias es igual a la
diferencia entre las medias poblacionales. Siguiendo la misma lnea de
razonamiento, se puede demostrar que, para dos muestras dependientes, la
media de sus diferencias muestrales es igual a la diferencia entre sus medias
muestrales. Esto es, si x
1
x
2
= d, entonces
Si se tiene una muestra aleatoria de n pares de datos y si las diferencias d se
distribuyen normalmente, entonces el estadstico:
tiene una distribucin muestral que es una distribucin t con gl=n-1, donde
s
d
representa la desviacin estndar de la muestra de puntajes diferencia.
Estadstico

donde g.l = n-1

Lmites del intervalo de confianza para
1

2
cuando se usa muestras dependientes


Ejemplos:
1. Se hizo un estudio para definirse si los ejercicios aerbicos reducen el ritmo
cardiaco de una persona durante el descanso, y al examinar a diez
voluntarios antes y despus de seguir un programa de ese tipo durante seis
meses, sus pulsaciones, en latidos por minuto, dieron los siguientes
registros:
Voluntario 1 2 3 4 5 6 7 8 9 10
Antes 73 77 68 62 72 80 76 64 70 72
Despus 68 72 64 60 71 77 74 60 64 68
2. Use = 0.05 para calcular si los ejercicios aerbicos reducen el ritmo
cardiaco durante el reposo. Calcule el valor de P.
3. Solucin:
4. Ensayo de hiptesis:
5. H
o
;
A

D
= 0
6. H
1
;
A

D
> 0
7.
8. Regla de decisin:
9.
Si t
R
1.833 No se rechaza H
o
10.
Si t
R
> 1.833 se rechaza H
o
11. Clculos:
12. Se proceder a calcular las diferencias de cada par:
Voluntario 1 2 3 4 5 6 7 8 9 10
Antes 73 77 68 62 72 80 76 64 70 72
Despus 68 72 64 60 71 77 74 60 64 68
Diferencia 5 5 4 2 1 3 2 4 6 4
13. Al calcular la media de las diferencias nos da 3.6 con una s
d
= 1.58.
14.
15. Justificacin y decisin:
16. Como 7.20 es mayor que 1.833, se rechaza H
0
, y se concluye cn un nivel
de significancia de 0.05 que los datos indican que los ejercicios aerbicos
disminuyen significativamente el ritmo cardiaco durante el reposo.
17. Para calcular el valor de P se busca el 7.20 en el rengln de 9 grados de
libertad en la tabla t, y se observa que el valor mayor que aparece en dicha
tabla es 4.781 al cual le corresponde una rea a la derecha de 0.0005,
entonces se puede concluir que el valor de P es prcticamente cero.
18. Diez hombres se sometieron a una dieta especial registrando sus pesos
antes de comenzarla y despus de un mes de estar en ella. Los resultados
de los pesos, en libras, se muestran a continuacin:
Hombre A B C D E F G H I J
Antes 181 172 190 186 210 202 166 173 183 184
Despus 178 175 185 184 207 201 160 168 180 189
19. Haga una prueba con = 0.05 para determinar si la dieta logr alguna
diferencia, ya sea positiva o negativa. Calcule el valor de P.
20. Solucin:
21. Ensayo de hiptesis:
22. H
o
;
A

D
= 0
23. H
1
;
A

D
0
24.
25. Regla de decisin:
26. Si 2.262 t
c
2.262 No se rechaza H
o
,
27. Si la t
c
< -2.262 si t
c
> 2.262 se rechaza H
o
.
28. Clculos:
29. Se proceder a calcular las diferencias de cada par:
Hombre A B C D E F G H I J
Antes 181 172 190 186 210 202 166 173 183 184
Despus 178 175 185 184 207 201 160 168 180 189
Diferencia 3 -3 5 2 3 1 6 5 3 -5
30. Al calcular la media de las diferencias nos da 2 con una s
d
= 3.53.
31.
32. Justificacin y decisin:
33. Como 1.79 est entre los dos valores crticos de 2.262 y 2.262, por lo
tanto no se rechaza H
0
, y se concluye con un = 0.05 que no existe
evidencia estadstica que apoye la efectividad de la dieta para variar el
peso.
34. Para calcular el valor de P se interpola entre 0.10 y 0.05, con 9 grados de
libertad obteniendo un rea de 0.0574, pero como el ensayo es bilateral
este sera un valor de P/2, por lo tanto el valor de P = (2)(0.0574) = 0.1148
35.
36. Calcula el intervalo de confianza del 95% para la diferencia de medias
poblacionales del ejercicio anterior.
Solucin:

El intervalo de confianza del 95% es 0.53 y 4.53 y como contiene a cero, no
podemos concluir que la dieta sea efectiva para cambiar el peso.
Problemas Propuestos
1. Un economista considera que el nmero de galones de gasolina que
consume mensualmente cada automvil en Estados Unidos es una variable
aleatoria normal con
=50 y varianza desconocida.
a. Supngase que una muestra aleatoria de nueve observaciones presenta
una varianza muestral de 36. Cul es la probabilidad de que x sea mayor
que 54?
b. Cul es la probabilidad de que x sea menor que 44?
c. Cul es la probabilidad de que x este comprendida entre 44 y 55 ?
d. Cmo modificaran las respuestas a las preguntas anteriores si n = 36 ?
2. Una mquina produce las varillas de metal utilizadas en el sistema de
suspensin de un automvil. El dimetro de la varilla est distribuido en
forma normal, con media y varianza desconocida. Se toma una muestra
aleatoria de 10 piezas, y se encuentra que los dimetros son: 2.25, 2.24,
2.27, 2.26, 2.23, 2.25, 2.24, 2.27, 2.22 y 2.23 pulgadas. Encuentre el
intervalo de confianza del 99% para el dimetro promedio de todas las
varillas de metal.
3. Una muestra de 12 latas de sopa producida por cierta compaa produjo los
siguientes pesos netos, medidos en onzas:
11.9 12.2 11.6 12.1 12.1 11.8
11.9 11.8 12.0 12.3 11.8 12.0
4. Si se supone normalidad en los pesos, construya un intervalo de confianza
del 95% para el peso promedio de todas las latas de sopa producidas por la
compaa.
5. Los siguientes datos registrados en das, representan el tiempo de
recuperacin para pacientes que se tratan al azar con uno de los
medicamentos para curar infecciones graves de la vejiga:
Medicamento 1 Medicamento 2
n
1
= 14 n
2
= 16
x
1
= 17 x
2
= 19
s
1
2
= 1.5 s
2
2
= 1.8
6. Encuentre un intervalo de confianza de 99% para la diferencia promedio en
el tiempo de recuperacin para los dos medicamentos, suponga
poblaciones normales con varianzas iguales.
7. Un experimento compara las economas en combustible para dos tipos de
camiones compactos a diesel equipados de forma similar. Suponga que se
utilizaron 12 camiones Volkswagen y 10 Toyota en pruebas de velocidad
constante de 90 kilmetros por hora. Si los 12 VW promedian 16 Km/lto con
una desviacin estndar de 1.0 km/lto, y los 10 Toyota promedian 11 km/lto
con una desviacin estndar de 0.8 km/lto, construya un intervalo de
confianza de 90% para la diferencia entre los kilmetros promedio por litro
de estos dos camiones. Suponga poblaciones normales con varianzas
iguales.
8. Encuentre la probabilidad de que una muestra aleatoria de 25
observaciones, de una poblacin normal con varianza
= 6, tenga una varianza s
2
a. Mayor que 9.1
b. Entre 3.462 y 10.745
7. Encuentre el intervalo de confianza del 90% para la varianza del dimetro
de las varillas del ejercicio 2 e interprete resultado.
8. Una mquina que produce bolas para cojinetes se le detiene
peridicamente para verificar el dimetro. En este caso en particular no
interesa el dimetro medio, sino la variabilidad de los dimetros. Supngase
que se toma una muestra de 31 bolas y se encuentra que la varianza de los
dimetros es de 0.94 mm
2
. Construya un intervalos de confianza de 95%
para la varianza, e interprete los resultados, suponiendo normalidad en la
poblacin.
9. Si s
1
2
y s
2
2
representan las varianzas de muestras aleatorias
independientes de tamao n
1
=8 y n
2
=12, tomadas de poblaciones normales
con varianzas iguales, encuentre P(s
1
2
/s
2
2<
4.89).
10. Los siguientes datos representan los tiempos de duracin de las pelculas
que producen dos compaas cinematogrficas.

Compaa Tiempo (minutos)
I 103, 94, 110, 87, 98
II 97, 82, 123, 92, 175, 88, 118
Construya un intervalo de confianza del 90% para la relacin de
varianzas.
11. Construya un intervalo de confianza de 98% para la relacin de
desviaciones estndar del problema nmero 5, y de acuerdo con los
resultados obtenidos, diga si estuvo bien el supuesto de varianzas iguales.
12. Pruebe la hiptesis de que el contenido promedio de los envases de un
lubricante en particular es de 10 litros si los contenidos de una muestra
aleatoria de 10 envases son: 10.2, 9.7, 10.1, 10.3, 10.1, 9.8, 9.9, 10.4, 10.3
y 9.8 litros. Utilice un nivel de significancia de 0.01 y suponga que la
distribucin del contenido es normal.
13. De acuerdo con un estudio diettico una ingesta alta de sodio se puede
relacionar con lceras, cncer de estmago y migraa. El requerimiento
humano de sal es de slo 220 miligramos por da, el cual se rebasa en la
mayora de las porciones individuales de cereales listos para comerse. Si
una muestra aleatoria de 20 porciones similares de Special K tiene un
contenido medio de 244 miligramos de sodio y una desviacin estndar de
24.5 miligramos esto sugiere, en el nivel de significancia del 0.05, que el
contenido promedio de sodio para porciones individuales de Special K es
mayor que 220 miligramos? Suponga que la distribucin de contenidos de
sodio es normal.
14. Una compaa armadora de automviles grandes trata de decidir si compra
llantas de la marca o de la B para sus modelos nuevos. Se lleva a cabo un
experimento para ayudar a llegar a una decisin, en el que se usan 12
llantas de cada marca. Los resultados son:
Marca A: xA = 37,900 Kilmetros; SA = 5,100
Kilmetros.
Marca B: xB = 39,800 Kilmetros; SB = 5,900
Kilmetros
Pruebe la hiptesis de que no hay diferencia en las dos marcas de llantas
con un nivel de significancia de 0.05. Tambin calcule el valor de P,
suponiendo normalidad y varianzas iguales.
15. Dos secciones de un curso de estadstica son sometidas a un mismo
examen final. De las calificaciones obtenidas se extrae una muestra
aleatoria de tamao 9 en la grupo "A", y otra de tamao 4 en el grupo "B".
Grupo "A": 65, 68, 72, 75, 82, 85, 87, 91, 95
Grupo "B": 50, 59, 71, 80
a. Con un nivel de significacin de 0.05 podra decirse que los dos grupos
tienen las mismas calificaciones promedio?. Suponga que provienen de
poblaciones normales con varianzas iguales.
b. Calcule el valor de P para este ensayo e interprete su resultado
c. Por medio de un ensayo de hiptesis diga si estuvo acertada la suposicin
de las varianzas iguales en el inciso a). Haga la prueba con un nivel de
significacin de 0.10.
15. Una mquina automtica empacadora de azcar se usa para llenar bolsas
de 5 libras. Una muestra aleatoria de 15 bolsas indic una media de 4.94
libras y una desviacin estndar de 0.02; si se supone que la distribucin de
los pesos es normal, y de la experiencia pasada se sabe que la desviacin
estndar de los pesos es de 0.015 libras, muestran los datos suficiente
evidencia para decir que hubo un aumento en la variabilidad?. Haga la
prueba con un nivel de significancia del 0.05 y calcule el valor de P.
17. Una empresa empacadora de azcar est considerando una mquina
nueva para reemplazar su mquina actual. Los pesos de una muestra de 21
paquetes de 5 libras empacados por la mquina vieja producen una
varianza de 0.16, mientras que los pesos de 20 paquetes de 5 libras
empacados por la mquina nueva dan una varianza de 0.09.En base a
estos datos, aconsejara usted al gerente a comprar la mquina nueva?
Use un
= 0.05.
18. La Metro Bus Company en una ciudad grande afirma tener una varianza en
los tiempos de llegada de sus carros, medidos en minutos, a las distintas
paradas, de no ms de 5; un ejecutivo de la compaa orden tomar los
tiempos de llegada en varias paradas para determinar si los conductores
estn cumpliendo con sus horarios. Si una muestra de 12 llegadas a una
parada particular produjo una varianza de 5.7 y se supone que los tiempos
de llegada se distribuyen normalmente, muestran estos datos suficiente
evidencia para contradecir a la compaa? Use un nivel de significancia de
0.10 y calcule el valor de P.
Respuesta a los Problemas Propuestos
1. a) 0.0421, b) 0.00862, c) 0.97276
2. 2.2284 2.2635
3. 11.859 12.11
4. 0.70
2

1
3.30
5. 4.3
vw
-
T
5.7
6. a) 0.05, b) 0.94
7.
4.689 x 10
-5

2
1.559 x 10
-4
8. 0.60
2
1.679
9. 0.99
10. 2.20 (
2
/
1
)
2
61.50
11. 0.549 (
Vw
/
T
) 2.69. Estuvo bien la suposicin puesto que el uno
esta dentro del intervalo.
12. Regin crtica -3.25 t 3.25. t = 0.77 por lo tanto no rechaza Ho.
13. Regin crtica t>1.729. t= 4.30 rechazar Ho.
14. Regin crtica -2.074 t 2.074. t = -0.84 no rechazar Ho. P = 0.411
15. a) Regin crtica -2.201 t 2.201. t = 2.27 rechazar Ho. b) P = 0.0445 c)
Regin crtica 0.1129 F 4.07. F = 1.578, no rechaza Ho, estuvo bien la
suposicin de varianzas iguales.
16. Regin crtica X
2
> 23.685. X
2
= 24.88 rechazar Ho. P = 0.0377
17. Regin critica F > 2.16. F = 1.77, no se rechaza Ho y no conviene comprar
la mquina nueva.
18. Regin crtica X
2
> 17.275. X
2
= 12.54 no se rechaza Ho. P = 0.3280
Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>




Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>


UNIDAD IV
PRUEBAS CHI-CUADRADA Y ESTADISTICA NO PARAMETRICA
Como ya se ha visto varias veces, los resultados obtenidos de muestras no
siempre concuerdan exactamente con los resultados tericos esperados, segn
las reglas de probabilidad. Por ejemplo, aunque consideraciones tericas
conduzcan a esperar 50 caras y 50 cruces cuando se lanza 100 veces una
moneda bien hecha, es raro que se obtengan exactamente estos resultados.
Supngase que en una determinada muestra se observan una serie de posibles
sucesos E
1
, E
2
, E
3
, . . . , E
K
, que ocurren con frecuencias o
1
, o
2
, o
3
, . . ., o
K
,
llamadas frecuencias observadas y que, segn las reglas de probabilidad, se
espera que ocurran con frecuencias e
1
, e
2
, e
3
, . . . ,e
K
llamadas frecuencias
tericas o esperadas.
A menudo se desea saber si las frecuencias observadas difieren
significativamente de las frecuencias esperadas. Para el caso en que solamente
son posibles dos sucesos E
1
y E
2
como, por ejemplo, caras o cruces, defectuoso,
etc., el problema queda resuelto satisfactoriamente con los mtodos de las
unidades anteriores. En esta unidad se considera el problema general.
Definicin de X
2
Una medida de la discrepancia existente entre las frecuencias observadas y
esperadas es suministrada por el estadstico X
2
, dado por:

donde si el total de frecuencias es N,

Si X
2
= 0, las frecuencias observadas y esperadas concuerdan exactamente,
mientras que si X
2
>0, no coinciden exactamente. A valores mayores de X
2
,
mayores son las discrepancias entre las frecuencias observadas y esperadas.
Si las frecuencias esperadas son al menos iguales a 5, la aproximacin mejora
para valores superiores.
El nmero de grados de libertad est dado por:
= k 1 m
en donde:
K = nmero de clasificaciones en el problema.
m = nmero de parmetros estimados a partir de los datos muestrales para
obtener los valores esperados.
Ensayo de Hiptesis
En la prctica, las frecuencias esperadas se calculan de acuerdo con la hiptesis
H
o
. Si bajo esta hiptesis el valor calculado de X
2
dado es mayor que algn valor
crtico, se deduce que las frecuencias observadas difieren significativamente de
las esperadas y se rechaza H
o
al nivel de significacin correspondiente. En caso
contrario, no se rechazar. Este procedimiento se llama ensayo o prueba de chi-
cuadrado de la hiptesis.
Debe advertirse que en aquellas circunstancias en que X
2
est muy prxima a
cero debe mirarse con cierto recelo, puesto que es raro que las frecuencias
observadas concuerden demasiado bien con las esperadas. Para examinar tales
situaciones, se puede determinar si el valor calculado de X
2
es menor que las X
2

crticas o de tabla (ensayo unilateral izquierdo), en cuyos casos se decide que la
concordancia es bastante buena.
Ejemplos:
1. La siguiente tabla muestra las frecuencias observadas al lanzar un dado
120 veces. Ensayar la hiptesis de que el dado est bien hecho al nivel de
significacin del 0.05.
Cara 1 2 3 4 5 6
Frecuencia
Observada
25 17 15 23 24 16
2. Solucin:
3. Ensayo de Hiptesis:
4. H
o
; Las frecuencias observadas y esperadas son significativamente iguales
5. (dado bien hecho)
6. H
1
; Las frecuencias observadas y esperadas son diferentes (dado cargado).
7. Primero se procede a calcular los valores esperados. Como es bien sabido
por todos la probabilidad de que caiga cualquier nmero en un dado no
cargado es de 1/6. Como la suma de los valores observados es de 120, se
multiplica este valor por 1/6 dando un resultado de 20 para cada
clasificacin.
Cara 1 2 3 4 5 6 Total
Frecuencia Observada 25 17 15 23 24 16 120
Frecuencia esperada 20 20 20 20 20 20
8. Grados de libertad = k-1-m = 6-1-0 = 5
9. No se tuvo que calcular ningn parmetro para obtener las frecuencias
esperadas.
10.
11. Regla de decisin:
12. Si X
2
R
11.1 no se rechaza H
o
.
13. Si X
2
R
>11.1 se rechaza H
o
.
14. Clculos:
15.
16. Justificacin y decisin:
17. Como 5 es menor a 11.1 no se rechaza H
o
y se concluye con una
significacin de 0.05 que el dado est bien hecho.
18. En los experimentos de Mendel con guisantes, observ 315 lisos y
amarillos, 108 lisos y verdes, 101 rugosos y amarillos y 32 rugosos y
verdes. De acuerdo con su teora, estos nmeros deberan presentarse en
la proporcin 9:3:3:1. Hay alguna evidencia que permita dudar de su teora
al nivel de significacin del 0.01?
Solucin:
Ensayo de Hiptesis:
H
o
; La teora de Mendel es acertada.
H
1
; La teora de Mendel no es correcta.
El nmero total de guisantes es 315+108+101+32=556. Puesto que los
nmeros esperados estn el la proporcin 9:3:3:1 (9+3+3+1=16), se
esperara:
lisos y amarillos
lisos y verdes
rugosos y amarillos
rugosos y verdes
Grados de libertad = k-1-m = 4-1-0 = 3
No se tuvo que calcular ningn parmetro para obtener las frecuencias
esperadas.

Regla de decisin:
Si X
2
R
11.3 no se rechaza H
o
.
Si X
2
R
>11.3 se rechaza H
o
.
Clculos:

Justificacin y decisin:
Como 0.470 es menor que 11.3 no se rechaza H
o
y se concluye con un
nivel de significacin de 0.01 que la teora de Mendel es correcta.
Como el valor de 0.470 est cercano a cero, se procede a hacer un ensayo
unilateral izquierdo:
Ensayo de Hiptesis:
H
o
; La teora de Mendel es acertada.
H
1
; La teora de Mendel es muy acertada.

Regla de decisin:
Si X
2
R
0.115 no se rechaza H
o
.
Si X
2
R
< 0.115 se rechaza H
o
.
Como el valor de 0.470 no es menor a 0.115 se concluye que el
experimento o la teora de Mendel solo es buena.
19. Una encuesta sobre 320 familias con 5 nios dio la distribucin que aparece
en la siguiente tabla. Es el resultado consistente con la hiptesis de que el
nacimiento de varn y hembra son igualmente posibles? Use = 0.05.
Nmero de nios 5 4 3 2 1 0
Nmero de nias 0 1 2 3 4 5
Nmero de familias 18 56 110 88 40 8
20. Solucin:
21. Ensayo de hiptesis:
22. H
0
; El nacimiento de nios y nias es igualmente probable.
23. H
1
; El nacimiento de nios y nias no es igualmente probable.
24. Este experimento tiene un comportamiento binomial, puesto que se tienen
dos posibles resultados y la probabilidad de xito se mantiene constante en
todo el experimento.
25. Se le llamar xito al nacimiento de un varn o nio. Por lo que la variable
aleatoria "x" tomar valores desde 0 hasta 5.
26. Como se quiere ver si es igualmente probable el nacimiento de nios y
nias, la probabilidad de xito ser de 0.5.
27. Utilizando la frmula de la distribucin binomial se calcularn las
probabilidades, que multiplicadas por el nmero total de familias nos darn
los valores esperados en cada clasificacin.
28. Recordando la frmula de la distribucin binomial:
29.
30. en donde n = 5 y "x" es el nmero de nios .
31. Probabilidad de 5 nios y 0 nias =
32. Probabilidad de 4 nios y 1 nia =
33. Probabilidad de 3 nios y 2 nias =
34. Probabilidad de 2 nios y 3 nias =
35. Probabilidad de 1 nio y 4 nias =
36. Probabilidad de 0 nios y 5 nias =
37. Si cada una de estas probabilidades se multiplican por 320 se obtienen los
valores esperados:
Nmero de nios 5 4 3 2 1 0
Total
Nmero de nias 0 1 2 3 4 5
Nmero de familias 18 56 110 88 40 8 320
Frecuencias esperadas 10 50 100 100 50 10
38. Grados de libertad: k-1-m = 6-1-0 = 5
39.
40. Regla de decisin:
41. Si X
2
R
11.1 no se rechaza H
o
.
42. Si X
2
R
>11.1 se rechaza H
o
.
43. Clculos:
44.
45. Justificacin y decisin:
46. Como el 12 es mayor a 11.1, se rechaza H
0
y se concluye con un =
0.05 que el nacimiento de hombres y mujeres no es igualmente probable.
47. Una urna contiene 6 bolas rojas y 3 blancas. Se extraen al azar dos bolas
de la urna, se anota su color y se vuelven a la urna. Este proceso se repite
un total de 120 veces y los resultados obtenidos se muestran en la
siguiente tabla. Determinar al nivel de significacin del 0.05 si los resultados
obtenidos son consistentes con los esperados.
0 1 2
Bolas blancas 2 1 0
Nmero de extracciones 6 53 61
Solucin:
Este experimento tiene las caractersticas de una distribucin hipergeomtrica, por
lo cual se calcularn los valores esperados con el razonamiento de esta
distribucin.
Se llamara "x" a la variable aleatoria de inters que en este caso sern las bolas
rojas. Por lo tanto "x" puede tomar valores desde 0 hasta 2.
La frmula de la distribucin hipergeomtrica es:

Se tiene:

Probabilidad de extraer 0 rojas y 2 blancas:

Probabilidad de extraer 1 roja y 1 blanca:

Probabilidad de extraer 2 rojas y 0 blancas:

Con las probabilidades anteriores se obtendrn los valores esperados
multiplicando por 120.
0 1 2
Bolas blancas 2 1 0
Nmero de extracciones 6 53 61
Frecuencias esperadas 10 60 50
Grados de libertad: k-1-m = 3-1-0 = 2

Regla de decisin:
Si X
2
R
5.991 no se rechaza H
o
.
Si X
2
R
>5.991 se rechaza H
o
.
Clculos:

Justificacin y decisin:
Como el 4.83 no es mayor a 5.991, no se rechaza H
0
y se concluye con un
= 0.05 que los resultados son los mismos que los esperados.
Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>




Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>
PRUEBA CHI-CUADRADA PARA LA BONDAD DEL AJUSTE
A lo largo de este curso nos ocupamos de la prueba de hiptesis estadsticas acerca de
parmetros de una poblacin como , y P. Ahora se considera una prueba para
determinar si una poblacin tiene una distribucin terica especfica. La prueba se
basa en qu tan buen ajuste se tiene entre la frecuencia de ocurrencia de las
observaciones en una muestra observada y las frecuencias esperadas que se
obtienen a partir de la distribucin hipottica.
La formula que se utilizar para calcular el valor de chi-cuadrada es igual a la de la
seccin anterior, con el mismo concepto de grados de libertad.
Ejemplo:
1. Una moneda fue lanzada al aire 1000 series, de 5 veces cada serie y se
observ el nmero de caras de cada serie. El nmero de series en los que
se presentaron 0, 1, 1, 3, 4 y 5 caras se muestra en la siguiente tabla.
Nmero de
caras
Nmero de series
(frecuencia
observada)
0 38
1 144
2 342
3 287
4 164
5 25
Total
1000
2. Ajustar una distribucin binomial a los datos con un = 0.05.
3. Solucin:
4. H
0
; Los datos se ajustan a una distribucin binomial.
5. H
1
; Los datos no se ajustan a una distribucin binomial.
6. Para obtener los valores esperados se tiene que utilizar la formula de la
distribucin binomial: , donde n en este ejercicio vale 5, p y q
son las probabilidades respectivas de cara y sello en un solo lanzamiento
de la moneda. Para calcular el valor de p, se sabe que =np en una
distribucin binomial, por lo que = 5p.
7. Para la distribucin de frecuencias observada, la media del nmero de
caras es:
8.
9. Por lo tanto . As pues, la distribucin binomial ajustada
viene dada por p(x) = .
10. Al seguir esta frmula se calcula la probabilidad de obtener caras, segn el
valor de la variable aleatoria. La probabilidad multiplicada por 1000 nos
dar el valor esperado. Se resumen los resultados en la tabla siguiente:
Nmero de caras
(x)
P(x caras)
Frecuencia
esperada
Frecuencia
observada
0 0.0332 33.2 38
1 0.1619 161.9 144
2 0.3162 316.2 342
3 0.3087 308.7 287
4 0.1507 150.7 164
5 0.0294 29.4 25
11. Para los grados de libertad el valor de m ser uno, ya que se tuvo que
estimar la media de la poblacin para poder obtener el valor de p y as
poder calcular los valores esperados.
12. Grados de libertad: k-1-m = 6-1-1 = 4
13.
14. Regla de decisin:
15. Si X
2
R
9.49 no se rechaza H
o
.
16. Si X
2
R
>9.49 se rechaza H
o
.
17. Clculos:
18.
Justificacin y decisin:
19. Como el 7.54 no es mayor a 9.49, no se rechaza H
0
y se concluye con un
= 0.05 que el ajuste de los datos a una distribucin binomial es bueno.
20. Se propone que el nmero de defectos en las tarjetas de circuito impreso
sigue una distribucin Poisson. Se rene una muestra aleatoria de 60
tarjetas de circuito impreso y se observa el nmero de defectos. Los
resultados obtenidos son los siguientes:
Nmero de
defectos
Frecuencia
observada
0 32
1 15
2 9
3 ms 4
21. Muestran estos datos suficiente evidencia para decir que provienen de
una distribucin Poisson?. Haga la prueba de la bondad del ajuste con un
= 0.05.
22. Solucin:
23. H
0
; La forma de la distribucin de los defectos es Poisson.
24. H
1
; La forma de la distribucin de los defectos no es Poisson.
25. La media de la distribucin Poisson propuesta en este ejemplo es
desconocida y debe estimarse a partir de los datos contenidos en la
muestra.
26.
27. A partir de la distribucin Poisson con parmetro 0.75, pueden calcularse
las probabilidades asociadas con el valor de x. Esto es la frmula de la
Poisson es:
28.
29. Con esta frmula se calculan las probabilidades, mismas que se multiplican
por 60 para obtener los valores esperados.
Nmero de
defectos
Probabilidad
Frecuencia
esperada
Frecuencia
observada
0 0.472 28.32 32
1 0.354 21.24 15
2 0.133 7.98 9
3 ms 0.041 2.46 4
30. Puesto que la frecuencia esperada en la ltima celda es menor que 5, se
combinan las dos ltimas celdas.
Nmero de
defectos
Frecuencia
esperada
Frecuencia
observada
0 28.32 32
1 21.24 15
2 ms 10.44 13
31. Los grados de libertad seran 3-1-1=1, debido a que la media de la
distribucin Poisson fue estimada a partir de los datos.
32.
33. Regla de decisin:
34. Si X
2
R
3.84 no se rechaza H
o
.
35. Si X
2
R
>3.84 se rechaza H
o
.
36. Clculos:
37.
38. Justificacin y decisin:
39. Como el 2.94 no es mayor a 3.84, no se rechaza H
0
y se concluye con un
= 0.05 que la distribucin de defectos en las tarjetas de circuito impreso
es Poisson.
40. Pruebe la hiptesis de que la distribucin de frecuencia de las duraciones
de bateras dadas en la siguiente tabla, se puede aproximar mediante una
distribucin normal con media = 3.5 y desviacin estndar =0.7. Utilice
un
= 0.05.
Lmites
de clase
Frecuencias
observadas
1.45 1.95 2
1.95 2.45 1
2.45 2.95 4
2.95 3.45 15
3.45 3.95 10
3.95 4.45 5
4.45 4.95 3
Solucin:
Se procede a elaborar el histograma, para visualizar los datos:

Como se puede observar el histograma tiene una forma que aparenta ser
normal, se probar esta hiptesis.
H
0
; Los datos provienen de una distribucin normal.
H
1
; Los datos no provienen de una distribucin normal.
En este ejercicio en particular se cuenta con la media y desviacin estndar de la
poblacin, por lo que no se tiene que estimar. En caso de que no se tuviera, se
estimaran a partir de los datos agrupados con las frmulas que se vieron en la
Unidad III del curso de probabilidad y estadstica, tomando en cuenta que para los
grados de libertad el valor de m sera 2, ya que se estimara la media y la
desviacin estndar.
Se proceder a calcular los valores de z para encontrar las probabilidades en la
tabla. Recordando que , se sustituye el valor de x por los lmites de
clase comenzando con el lmite de 1.95
Lmite real

P(x)
1.95 -2.21
P(x 1.95) = 0.01355
2.45 -1.50
P(x 2.45) = 0.06680
2.95 -0.79
P(x 2.95) = 0.21476
3.45 -0.07
P(x 3.45) = 0.47210
3.95 0.64
P(x 3.95) = 0.26109
4.45 1.36
P(x 4.45) = 0.08691
La razn por la cual se comienza con el lmite de 1.95 y se termina con el
lmite de 4.45, es porque la suma de todas las probabilidades debe ser 1,
bajo la curva normal.
A continuacin se muestra la curva normal con sus respectivas
probabilidades, segn los limites reales. Las probabilidades que no se
muestran en la tabla anterior y estn en la curva se calcularon por
diferencias.

P(1.95 x 2.45) = 0.0668-0.013553 = 0.053254
P(2.45 x 2.95) = 0.21476-0.0668 = 0.147953
P(2.95 x 3.45) = 0.4721-0.21476 = 0.25734
P(3.45 x 3.50) = 0.50-0.4721 = 0.0279
P(3.50 x 3.95) = 0.50-0.26109= 0.23891
P(3.95 x 4.45) = 0.26109-0.086915 = 0.17417
Con estas probabilidades se calcularn los valores esperados, multiplicando cada
probabilidad por 40.
Lmites
de clase
Frecuencias
observadas
Probabilidad
Frecuencia
esperada
1.45 1.95 2 0.01355 0.54212
1.95 2.45 7 1 0.05325 2.13016
2.45 2.95 4 0.14795 5.91812
2.95 3.45 15 0.25734 10.29360
3.45 3.95 10 0.26681 10.67240
3.95 4.45 8 5 0.17417 6.96680
4.45 4.95 3 0.08691 3.47660
Grados de libertad: k-1-m = 4-1-0 = 3

Regla de decisin:
Si X
2
R
7.815 no se rechaza H
o
.
Si X
2
R
>7.815 se rechaza H
o
.
Clculos:

Justificacin y decisin:
Como el 3.06 no es mayor de 7.815, no se rechaza H
0
y se concluye con un
= 0.05 que el ajuste de los datos a una distribucin normal es bueno.
Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>




Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>

TABLAS DE CONTINGENCIA
En muchas ocasiones, los n elementos de una muestra tomada de una poblacin
pueden clasificarse con dos criterios diferentes. Por tanto, es interesante saber si
los dos mtodos de clasificacin son estadsticamente independientes. Supngase
que el primer mtodo de clasificacin tiene r niveles, y que el segundo tiene c
niveles. O sea O
ij
la frecuencia observada para el nivel i del primer mtodo de
clasificacin y el nivel j del segndo mtodo de clasificacin. En general, los datos
aparecern como se muestra en la siguiente tabla. Una tabla de este tipo
usualmente se conoce como tabla de contingencia r x c.
Columnas
Renglones
1 2 . . . c
1 O
11
O
12
. . . O
1c

2 O
21
O
22
. . . O
2c

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
r O
r1
O
r2
. . . O
rc

El inters recae en probar la hiptesis de que los dos mtodos de clasificacin
rengln-columna son independientes. Si se rechaza esta hiptesis, entonces se
concluye que existe alguna interaccin entre los dos criterios de clasificacin. Los
procedimientos de prueba exactos son difciles de obtener, pero puede obtenerse
un estadstico de prueba aproximado vlido para n grande.
Sea p
ij
la probabilidad de que un elemento seleccionado al azar caiga el la
ij-sima celda, dado que las dos clasificaciones son independientes. Entonces,
p
ij
=u
i
v
j,
donde u
i
es la probabilidad de que un elemento seleccionado al azar
pertenezca al rengln de la clase i, y v
j
es la probabilidad de que un elemento
seleccionado pertenezca a la columna de la clase j. Ahora bien, si se supone
independencia, los estimadores de u
i
y v
j
son:


Por lo tanto, la frecuencia esperada de la celda es:

Entonces, para n grande, el estadstico

tiene una distribucin aproximada ji-cuadrada con (r-1)(c-1) grados de libertad si la
hiptesis nula es verdadera. Por consiguiente, la hiptesis de independencia debe
rechazarse si el valor del estadstico de prueba X
2
calculado es mayor que X
2

crtico o de tabla.
Ejemplos:
1. Una asociacin de profesores universitarios quiere determinar si la
satisfaccin en el trabajo es independiente del rango acadmico. Para ello
realiz un estudio nacional entre los acadmicos universitarios y encontr
los resultados mostrados son la tabla siguiente. Con =0.05, haga una
prueba para saber si son dependientes la satisfaccin en el trabajo y el
rango.

Satisfaccin
en el
Rango
Instructor
Profesor
asistente
Profesor
asociado
Profesor
trabajo Mucha 40 60 52 63
Regular 78 87 82 88
Poca 57 63 66 64
2. Solucin:
3. H
o
; La satisfaccin en el trabajo y el rango son independientes.
4. H
1
; La satisfaccin en el trabajo y el rango son dependientes.
5. Grados de libertad: (r-1)(c-1) = (3-1)(4-1)=(2)(3) = 6
6.
7. Regla de decisin:
8. Si X
2
R
12.592 no se rechaza H
o
.
9. Si X
2
R
> 12.592 se rechaza H
o
.
10. Se proceder a calcular los valores esperados de cada celda. Como los
grados de libertad son 6, esto quiere decir que necesitamos calcular
nicamente 6 frecuencias esperadas, y las faltantes se encuentran por
diferencia.
11. Se calcularn los valores esperados E
11
, E
12
, E
13,
E
21
, E
22
y E
23
.
12. Como se necesitan los totales de rengln y columna se mostrarn en la
tabla:


Satisfaccin
en el
trabajo
Rango
Instructor
Profesor
asistente
Profesor
asociado
Profesor Total
Mucha 40 60 52 63 215
Regular 78 87 82 88 335
Poca 57 63 66 64 250
Total 175 210 200 215 800
13.
14.

15. Rango
Satisfaccin Instructor
Profesor
asistente
Profesor
asociado
Profesor Total
Mucha
40
(47.03)
60
(56.44)
52
(53.75)
63
(57.78)
215
Regular
78
(73.28)
87
(87.94)
82
(83.75)
88
(90.03)
335
Poca
57
(54.69)
63
(65.62)
66
(62.50)
64
(67.19)
250
Total 175 210 200 215 800
16. Los valores entre parntesis son los esperados, los que no se calcularon
por frmula se obtuvieron por diferencia con respecto a los totales.
17.
18. Decisin y justificacin:
Como el valor de 2.75 es menor que el de tabla 12.592, por lo tanto no se
rechaza H
o
y se concluye con un =0.05 que la satisfaccin en el trabajo
y el rango son independientes.
19. En un estudio de un taller, se rene un conjunto de datos para determinar si
la proporcin de defectuosos producida por los trabajadores es la misma
para el turno matutino, vespertino o nocturno. Se reunieron los siguientes
datos:
T
u
r
n
o
Matutino Vespertino Nocturno
Defectuosos 45 55 70
No defectuosos 905 890 870
Utilice un nivel de significancia de 0.025 para determinar si la proporcin de
defectuosos es la misma para los tres turnos.
Solucin:
H
o
; La proporcin de artculos defectuosos es la misma para los tres turnos.
H
1
; La proporcin de artculos defectuosos no es la misma para los tres turnos.
Grados de libertad: (r-1)(c-1) = (2-1)(3-1)=(1)(2) = 2



Regla de decisin:
Si X
2
R
7.378 no se rechaza H
o
.
Si X
2
R
> 7.378 se rechaza H
o
.
Se proceder a calcular los valores esperados de cada celda. Como los grados de
libertad son 2, esto quiere decir que necesitamos calcular nicamente 2
frecuencias esperadas, y las faltantes se encuentran por diferencia.
Se calcularn los valores esperados E
11
, y E
22
.
Como se necesitan los totales de rengln y columna se mostrarn en la tabla:
Matutino Vespertino Nocturno
Total
Defectuosos 45 55 70
170
No defectuosos 905 890 870 2665
Total 950 945 940 2835


Matutino Vespertino Nocturno
Total
Defectuosos
45
(57.0)
55
(56.7)
70
(56.3)
170
No defectuosos
905
(893.0)
890
(888.3)
870
(883.7)
2665
Total 950 945 940 2835

Decisin:
Si se busca este valor dentro de la tabla de ji-cuadrada con 2 grados de libertad
nos dar un valor de P aproximado a 0.04. Si se observa el valor de la ji-cuadrada
calculada de 6.29 con el valor de tabla de 7.378, se llega a la decisin de no
rechazar H
o
. Sin embargo sera riesgoso concluir que la proporcin de
defectuosos producidos es la misma para todos los turnos por tener un valor de P
de 0.04.
Tablas de Contingencia para probar Homogeneidad
El uso de la tabla de contingencia de dos clasificaciones para probar
independencia entre dos variables de clasificacin en una muestra tomada de una
poblacin de inters, es slo una de las aplicaciones de los mtodos de tablas de
contingencia. Otra situacin comn se presenta cuando existen r poblaciones de
inters y cada una de ellas est dividida en las mismas c categoras. Luego se
toma una muestra de la i-sima poblacin, y los conteos se introducen en las
columnas apropiadas del i-simo rengln. En esta situacin se desea investigar si
las proporciones son o no las mimas en las c categoras de todas las poblaciones.
La hiptesis nula de este problema establece que las poblaciones son
homogneas con respecto a las categoras (como el ejemplo pasado de los
diferentes turnos), entonces la prueba de homogeneidad es en realidad una
prueba sobre la igualdad de r parmetros binomiales. El clculo de las frecuencias
esperadas, la determinacin de los grados de libertad y el clculo de la estadstica
ji-cuadrada para la pruebe de homogeneidad son idnticos a los de la prueba de
independencia.
ESTADISTICA NO PARAMETRICA
La mayor parte de los procedimientos de prueba de hiptesis que se presentan en
las unidades anteriores se basan en la suposicin de que las muestras aleatorias
se seleccionan de poblaciones normales. Afortunadamente, la mayor parte de
estas pruebas an son confiables cuando experimentamos ligeras desviaciones de
la normalidad, en particular cuando el tamao de la muestra es grande.
Tradicionalmente, estos procedimientos de prueba se denominan mtodos
paramtricos. En esta seccin se consideran varios procedimientos de prueba
alternativos, llamados no paramtricos mtodos de distribucin libre, que a
menudo no suponen conocimiento de ninguna clase acerca de las distribuciones
de las poblaciones fundamentales, excepto que stas son continuas.
Los procedimientos no paramtricos o de distribucin libre se usan con mayor
frecuencia por los analistas de datos. Existen muchas aplicaciones en la ciencia y
la ingeniera donde los datos se reportan no como valores de un continuo sino
mas bien en una escala ordinal tal que es bastante natural asignar rangos a los
datos.
Un ejemplo donde se aplica una prueba no paramtrica es el siguiente, dos jueces
deben clasificar cinco marcas de cerveza de mucha demanda mediante la
asignacin de un grado de 1 a la marca que se considera que tiene la mejor
calidad global, un grado 2 a la segunda mejor, etctera. Se puede utilizar entonces
una prueba no paramtrica para determinar donde existe algn acuerdo entre los
dos jueces.
Se debe sealar que hay varias desventajas asociadas con las pruebas no
paramtricas. En primer lugar, no utilizan la informacin que proporciona la
muestra, y por ello una prueba no paramtrica ser menos eficiente que el
procedimiento paramtrico correspondiente, cuando se pueden aplicar ambos
mtodos. En consecuencia, para lograr la misma potencia, una prueba no
paramtrica requerir la correspondiente prueba no paramtrica.
Como se indic antes, ligeras divergencias de la normalidad tienen como resultado
desviaciones menores del ideal para las pruebas paramtricas estndar. Esto es
cierto en particular para la prueba t y la prueba F. En el caso de la prueba t y la
prueba F, el valor P citado puede ser ligeramente errneo si existe una violacin
moderada de la suposicin de normalidad.
En resumen, si se puede aplicar una prueba paramtrica y una no paramtrica al
mismo conjunto de datos, debemos aplicar la tcnica paramtrica ms eficiente.
Sin embargo, se debe reconocer que las suposiciones de normalidad a menudo no
se pueden justificar, y que no siempre se tienen mediciones cuantitativas.
PRUEBA DEL SIGNO
La prueba del signo se utiliza para probar la hiptesis sobre la mediana de una
distribucin continua. La mediana de una distribucin es un valor de la variable
aleatoria X tal que la probabilidad de que un valor observado de X sea menor o
igual, o mayor o igual, que la mediana es 0.5. Esto es, .
Puesto que la distribucin normal es simtrica, la media de una distribucin normal
es igual a la mediana. Por consiguiente, la prueba del signo puede emplearse para
probar hiptesis sobre la media de una poblacin normal.
Suponga que las hiptesis son:


Supngase que X
1
, X
2
, . . . , X
n
es una muestra aleatoria tomada de la poblacin
de inters. Frmense las diferencias

Ahora bien si la hiptesis nula es verdadera, cualquier diferencia
tiene la misma probabilidad de ser negativa o positiva. Un estadstico de
prueba apropiado es el nmero de estas diferencias que son positivas, por
ejemplo R
+
. Por consiguiente, la prueba de la hiptesis nula es en realidad una
prueba de que el nmero de signos positivos es un valor de una variable aleatoria
binomial con parmetro P = . Puede calcularse un valor P para el nmero
observado de signos positivos r
+
directamente de la distribucin binomial. Al
probar la hiptesis que se muestra al principio, se rechaza H
0
en favor de H
1
slo
si la proporcin de signos positivos es suficientemente menor que ( o de manera
equivalente, cada vez que el nmero observado de signos positivos r
+
es muy
pequeo). Por tanto, si el valor P calculado
P = P(R
+
r
+
cuando p = 1/2)
es menor o igual que algn nivel de significancia seleccionado previamente,
entonces se rechaza H
0
y se concluye que H
1
es verdadera.
Para probar la otra hiptesis unilateral


se rechaza H
0
en favor de H
1
slo si el nmero observado de signos ms, r
+
, es
grande o, de manera equivalente, cada vez que la fraccin observada de signos
positivos es significativamente mayor que . En consecuencia, si el valor P
calculado P = P(R
+
r
+
cuando p = 1/2) es menor que , entonces H
0
se
rechaza y se concluye que H
1
es verdadera.
Tambin puede probarse la alternativa bilateral. Si las hiptesis son:



se rechaza H
0
si la proporcin de signos positivos difiere de manera significativa
de (ya se por encima o por debajo). Esto es equivalente a que el nmero
observado de signos r
+
sea suficientemente grande o suficientemente pequeo.
Por tanto, si r
+
>n/2 el valor P es
P=2P(R
+
r
+
cuando p = )
Y si r
+
>n/2 el valor P es
P=2P(R
+
r
+
cuando p = )
Si el valor P es menor que algn nivel preseleccionado , entonces se rechaza
H
0
y se concluye que H
1
es verdadera.
Ejemplos:
1. Un artculo informa cerca de un estudio en el que se modela el motor de un
cohete reuniendo el combustible y la mezcla de encendido dentro de un
contenedor metlico. Una caracterstica importante es la resistencia al
esfuerzo cortante de la unin entre los dos tipos de sustancias. En la
siguiente tabla se muestran los resultados obtenidos al probar 20 motores
seleccionados al azar. Se desea probar la hiptesis de que la mediana de la
resistencia al esfuerzo cortante es 2000 psi, utilizando
= 0.05.
Solucin:
Se mostrar la tabla del ejercicio y es funcin del investigador poner los signos
con respecto a la mediana.


Observacin
Resistencia
al esfuerzo
cortante
x
i

Signo de la
diferencia
x
i
-2000
Observacin
Resistencia
al esfuerzo
cortante
x
i

Signo de la
diferencia
x
i
-2000
1 2158.70 + 11 2165.20 +
2 1678.15 - 12 2399.55 +
3 2316.00 + 13 1779.80 -
4 2061.30 + 14 2336.75 +
5 2207.50 + 15 1765.30 -
6 1708.30 - 16 2053.50 +
7 1784.70 - 17 2414.40 +
8 2575.10 + 18 2200.50 +
9 2357.90 + 19 2654.20 +
10 2256.70 + 20 1753.70 -
De la tabla se puede observar que el estadstico de prueba r
+
= 14.
Regla de decisin:
Si el valor de P correspondiente a r
+
=14 es menor o igual que =0.05 se
rechaza H
0
.
Clculos:
Puesto que r
+
=14 es mayor que n/2=20/2=10, el valor de P se calcula de
P=2P(R
+
14

cuando p = )
La P se calcula con la frmula de la distribucin binomial:

Conclusin:
Como P=0.1153 no es menor que =0.05, no es posible rechazar la hiptesis
nula de que la mediana de la resistencia al esfuerzo constante es 2000 psi.
Otra manera de resolver el problema es con Aproximacin normal:
Cuando p=0.5, la distribucin binomial esta bien aproximada por la distribucin
normal cuando n es al menos 10. Por tanto, dado que la media de la distribucin
binomial es np y la varianza es npq, la distribucin de R
+
es aproximadamente
normal con media 0.5n y varianza 0.25n, cada vez que n es moderadamente
grande. Por consiguiente las hiptesis pueden probarse con el estadstico:

Las reglas de decisin se establecern como cualquier ensayo en una distribucin
muestral en donde se utiliza la distribucin normal.
Para resolver el problema anterior:


Como la es mayor que 10 se utilizar la aproximacin normal.

Regla de Decisin:
Si 1.96 Z
R
1.96 No se rechaza H
o
Si Z
R
< -1.96 si Z
R
> 1.96 Se rechaza H
o
Clculos:

Decisin y Conclusin:
Como 1.789 esta entre 1.96 y 1.96, no se rechaza H
0
y se concluye con un
=0.05 que la mediana es de 2000 psi.
Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>




Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>
Prueba del Signo para Muestras Pareadas
Tambin se puede utilizar la prueba de signo para probar la hiptesis nula
para observaciones pareadas. Aqu se reemplaza cada diferencia, d
i
, con un signo ms o
menos dependiendo si la diferencia ajustada, d
i
-d
0
, es positiva o negativa. A lo largo de esta
seccin suponemos que las poblaciones son simtricas. Sin embargo, aun si las poblaciones
son asimtricas se puede llevar a cabo el mismo procedimiento de prueba, pero las hiptesis
se refieren a las medianas poblacionales en lugar de las medias.
Ejemplo:
1. Una compaa de taxis trata de decidir si el uso de llantas radiales en lugar de
llantas regulares con cinturn mejora la economa de combustible. Se equipan 16
automviles con llantas radiales y se manejan por un recorrido de prueba
establecido. Sin cambiar de conductores, se equipan los mismos autos con llantas
regulares con cinturn y se manejan una vez ms por el recorrido de prueba. Se
registra el consumo de gasolina, en kilmetros por litro, de la siguiente manera:
Automvil Llantas radiales Llantas con cinturn
1 4.2 4.1
2 4.7 4.9
3 6.6 6.2
4 7.0 6.9
5 6.7 6.8
6 4.5 4.4
7 5.7 5.7
8 6.0 5.8
9 7.4 6.9
10 4.9 4.9
11 6.1 6.0
12 5.2 4.9
13 5.7 5.3
14 6.9 6.5
15 6.8 7.1
16 4.9 4.8
Se puede concluir en el nivel de significancia de 0.05 que los autos
equipados con llantas radiales obtienen mejores economas de
combustible que los equipados con llantas regulares con cinturn?
Solucin:



Regla de decisin:
Si z
R
1.645 no se rechaza H
o
.
Si z
R
> 1.645 se rechaza H
o
.
Se procede ha realizar las diferencias entre de los kilmetros por litro entre llantas
radiales y con cinturn:
Automvil Llantas radiales Llantas con cinturn d
1 4.2 4.1 +
2 4.7 4.9 -
3 6.6 6.2 +
4 7.0 6.9 +
5 6.7 6.8 -
6 4.5 4.4 +
7 5.7 5.7 0
8 6.0 5.8 +
9 7.4 6.9 +
10 4.9 4.9 0
11 6.1 6.0 +
12 5.2 4.9 +
13 5.7 5.3 +
14 6.9 6.5 +
15 6.8 7.1 -
16 4.9 4.8 +
Al observar las diferencias se ve que slo existe una n=14, ya que se descartan
los valores de cero. Se tiene r
+
= 11

Decisin y conclusin:
Como 2.14 es mayor a 1.645 se rechaza H
0
y se concluye con un = 0.05 que
las llantas radiales mejoran la economa de combustible.
PRUEBA DE RANGO CON SIGNO DE WILCOXON
Se puede notar que la prueba de signo utiliza slo los signos ms y menos de las
diferencias entre las observaciones y
0
en el caso de una muestra, o los signos
ms y menos de las diferencias entro los pares de observaciones en el caso de la
muestra pareada, pero no toma en consideracin la magnitud de estas diferencias.
Una prueba que utiliza direccin y magnitud, propuesta en 1945 por Frank
Wilcoxon, se llama ahora comnmente prueba de rango con signo de Wilcoxon.
Esta prueba se aplica en el caso de una distribucin continua simtrica. Bajo esta
condicin se puede probar la hiptesis nula =
0
. Primero se resta
0
de cada
valor muestral y se descarta todas las diferencias iguales a cero. Se asigna un
rango de 1 a la diferencia absoluta ms pequea, un rango de 2 a la siguiente ms
pequea, y as sucesivamente. Cuando el valor absoluto de dos o ms diferencias
es el mismo, se asigna a cada uno el promedio de los rangos que se asignaran si
las diferencias se distinguieran. Por ejemplo, si la quinta y sexta diferencia son
iguales en valor absoluto, a cada una se le asignara un rango de 5.5. Si la
hiptesis =
0
es verdadera, el total de los rangos que corresponden a las
diferencias positivas debe ser casi igual al total de los rangos que corresponden a
las diferencias negativas. Se representan esos totales como w
+
y w
-
,
respectivamente. Se designa el menor de w
+
y w
-
con w.
Al seleccionar muestras repetidas esperaramos que variaran w
+
y w
-
, y por tanto
w. De esta manera se puede considerar a w
+
y w
-
, y w como valores de las
correspondiente variables aleatorias W
+
, W
-
, y W. La hiptesis nula =
0
se
puede rechazar a favor de la alternativa <
0
slo si w
+
es pequea y w
-
es
grande. Del mismo modo, la alternativa >
0
se puede aceptar slo si w
+
es
grande y w
-
es pequea. Para una alternativa bilateral se puede rechazar H
0
a
favor de H
1
si w
+
o w
-
y por tanto w son suficientemente pequeas. No importa
cul hiptesis alternativa puede ser, rechazar la hiptesis nula cuando el valor de
la estadstica apropiada W
+
, W
-
, o W es suficientemente pequeo.
Dos Muestras con Observaciones Pareadas
Para probar la hiptesis nula de que se muestrean dos poblaciones simtricas
continuas con
1
=
2
para el caso de una muestra pareada, se clasifican las
diferencias de las observaciones paradas sin importar el signo y se procede como
en el caso de una muestra. Los diversos procedimientos de prueba para los casos
de una sola muestra y de una muestra pareada se resumen en la siguiente tabla:

No es difcil mostrar que siempre que n<5 y el nivel de significancia no exceda
0.05 para una prueba de una cola 0.10 para una prueba de dos colas, todos los
valores posibles de w
+
, w
-,
o w conducirn a la aceptacin de la hiptesis nula. Sin
embargo, cuando 5 n 30, la tabla A.16 muestra valores crticos aproximados
de W
+
y W
-
para niveles de significancia iguales a 0.01, 0.025 y 0.05 para una
prueba de una cola, y valores crticos de W para niveles de significancia iguales a
0.02, 0.05 y 0.10 para una prueba de dos colas. La hiptesis nula se rechaza si el
valor calculado w
+
, w
-,
o w es menor o igual que el valor de tabla apropiado. Por
ejemplo, cuando n=12 la tabla A.16 muestra que se requiere un valor de w
+
17
para que la alternativa unilateral <
0
sea significativa en el nivel 0.05.
Ejemplos:
1. Los siguientes datos representan el nmero de horas que un compensador
opera antes de requerir una recarga: 1.5, 2.2, 0.9, 1.3, 2.0, 1.6, 1.8, 1.5, 2.0,
1.2 y 1.7. Utilice la prueba de rango con signo para probar la hiptesis en el
nivel de significancia de 0.05 que este compensador particular opera con
una media de 1.8 horas antes de requerir una recarga.
Solucin:
H
0
; = 1.8
H
1
; 1.8
Se proceder a efectuar las diferencias y a poner rango con signo a los
datos.
Dato d
i
= dato - 1.8 Rangos
1.5 -0.3 5.5
2.2 0.4 7
0.9 -0.9 10
1.3 -0.5 8
2.0 0.2 3
1.6 -0.2 3
1.8 0 Se anula
1.5 -0.3 5.5
2.0 0.2 3
1.2 -0.6 9
1.7 -0.1 1
Regla de decisin:
Para una n = 10, despus de descartar la medicin que es igual a 1.8, la
tabla A.16 muestra que la regin crtica es w 8.
Clculos:
w
+
= 7 + 3 + 3 = 13
w
-
= 5.5 + 10 + 8 + 3 + 5.5 + 9 + 1 = 42
por lo que w = 13 (menor entre w
+
y w
-
).
Decisin y Conclusin:
Como 13 no es menor que 8, no se rechaza H
0
y se concluye con un =
0.05 que el tiempo promedio de operacin no es significativamente
diferente de 1.8 horas.

2. Se afirma que un estudiante universitario de ltimo ao puede aumentar su
calificacin en el rea del campo de especialidad del examen de registro de
graduados en al menos 50 puntos si de antemano se le proporcionan
problemas de muestra. Para probar esta afirmacin, se dividen 20
estudiantes del ltimo ao en 10 pares de modo que cada par tenga casi el
mismo promedio de puntos de calidad general en sus primeros aos en la
universidad. Los problemas y respuestas de muestra se proporcionan al
azar a un miembro de cada par una semana antes del examen. Se registran
las siguientes calificaciones del examen:
Par
Con
problemas
de
muestra
Sin
problemas
de
muestra
1 531 509
2 621 540
3 663 688
4 579 502
5 451 424
6 660 683
7 591 568
8 719 748
9 543 530
10 575 524
Pruebe la hiptesis nula en el nivel de significancia de 0.05 de que
los problemas aumentan las calificaciones en 50 puntos contra la
hiptesis alternativa de que el aumento es menor a 50 puntos.
Solucin:
La prueba de rango con signo tambin se puede utilizar para probar la hiptesis
nula
1

2
= d
0
. En este caso las poblaciones no necesitan ser simtricas. Como
con la prueba de signo, se resta d
0
de cada diferencia, se clasifican las diferencias
ajustadas sin importar el signo y se aplica el mismo procedimiento.
En este caso d
0
= 50, por lo que se procede a calcular las diferencias entre las
muestras y luego restarles el valor de 50. Se representara con
1
y
2
la
calificacin media de todos los estudiantes que resuelven el examen en cuestin
con y sin problemas de muestra, respectivamente.
H
0
;
1

2
= 50
H
1
;
1

2
< 50
Regla de decisin:
Para n=10 la tabla muestra que la regin crtica es w
+
11.
Clculos:

Par
Con
problemas
de
muestra
Sin
problemas
de
muestra
d
i
d
i
d
0
Rangos
1 531 509 22 -28 5
2 621 540 81 31 6
3 663 688 -25 -75 9
4 579 502 77 27 3.5
5 451 424 27 -23 2
6 660 683 -23 -73 8
7 591 568 23 -27 3.5
8 719 748 -29 -79 10
9 543 530 13 -37 7
10 575 524 51 1 1
w
+
= 6 + 3.5 + 1 = 10.5
Decisin y Conclusin:
Como 10.5 es menor que 11 se rechaza H
0
y se concluye con un = 0.05 que
los problemas de muestra, en promedio, no aumentan las calificaciones de registro
de graduados en 50 puntos.
Aproximacin Normal para Muestras Grandes
Cuando n 15, la distribucin muestral de W
+
W
-
se aproxima a la distribucin
normal con media y varianza .
Por tanto, cuando n excede el valor ms grande en la tabla A.16, se puede utilizar
la estadstica

para determinar la regin crtica de la prueba.
Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>




Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>
Problemas Propuestos
1. Se lanza 180 veces un dado con los siguientes resultados:
X 1 2 3 4 5 6
f 28 36 36 30 27 23
2. Es un dado balanceado? Utilice un = 0.01.
3. Se supone que una mquina mezcla cacahuates, avellanas, anacardos y
pacanas a razn de 5:2:2:1. Se encuentra que una lata que contiene 500 de
estas nueces mezcladas tiene 269 cacahuates, 112 avellanas, 74
anacardos y 45 pacanas. Al nivel de significancia de 0.05 pruebe la
hiptesis de que la mquina mezcla las nueces a razn de 5:2:2:1.
4. Se seleccionan tres canicas de una urna que contiene cinco canicas rojas y
tres verdes. Despus de registrar el nmero x de canicas rojas, las canicas
se reemplazan en la urna y el experimento se repite 112 veces. Los
resultados que se obtienen son los siguientes:
x 0 1 2 3
f 1 31 55 25
5. Pruebe la hiptesis con un nivel de significancia de 0.05, de que los datos
registrados se pueden ajustar a una distribucin hipergeomtrica.
6. Se lanza una moneda hasta que sale cara y se registra el nmero de
lanzamientos x. Despus de repetir el experimento 256 veces, se
obtuvieron los siguientes resultados:
X 1 2 3 4 5 6 7 8
f 136 60 34 12 9 1 3 1
7. Pruebe la hiptesis con un nivel de significancia de 0.05 de que la
distribucin observada de x se puede ajustar por una distribucin
geomtrica g(x;1/2), x = 1, 2, 3,
8. Con los siguientes datos, pruebe la bondad de ajuste entre las frecuencias
de clase que se observan y las frecuencias esperadas correspondientes de
una distribucin normal con = 65 y = 21, utilice un nivel de
significancia de 0.05.
Lmite de clase Frecuencia
10 - 19 3
20 29 2
30 39 3
40 49 4
50 59 5
60 69 11
70 79 14
80 89 14
90 - 99 4
9. En un experimento para estudiar la dependencia de la hipertensin de los
hbitos de fumar, se tomaron los siguientes datos de 180 individuos:

No
fumadores
Fumadores
moderados
Fumadores
empedernidos
Con hipertensin 21 36 30
Sin hipertensin 48 26 19
10. Pruebe la hiptesis de que la presencia o ausencia de hipertensin es
independiente de los hbitos de fumar. Utilice un nivel de significancia de
0.05.
11. Una muestra aleatoria de 200 hombres casados, todos retirados, se
clasifica de acuerdo con la educacin y el nmero de hijos:

Nmero de hijos
Educacin 0 - 1 2 - 3 Ms de 3
Elemental 14 37 32
Secundaria 19 42 17
Universidad 12 17 10
Pruebe la hiptesis, con un nivel de significancia de 0.05, de que el tamao
de la familia es independiente del nivel de instruccin del padre.
12. Se comparan dos tipos de instrumentos para medir la cantidad de monxido
de azufre en la atmsfera en un experimento de contaminacin atmosfrica.
Se registraron las siguientes lecturas diarias en un perodo de dos
semanas:
Da Instrumento A Instrumento B
1 0.96 0.87
2 0.82 0.74
3 0.75 0.63
4 0.61 0.55
5 0.89 0.76
6 0.64 0.70
7 0.81 0.69
8 0.68 0.57
9 0.65 0.53
10 0.84 0.88
11 0.59 0.51
12 0.94 0.79
13 0.91 0.84
14 0.77 0.63
13. Con el uso de la aproximacin normal a la distribucin binomial, realice una
prueba de signo para determinar si los diferentes instrumentos conducen a
diferentes resultados. Utilice un nivel de significancia de 0.05.
14. Los siguientes datos representan el tiempo, en minutos, que un paciente
tiene que esperar durante 12 visitas al consultorio de una doctora antes de
ser atendido por sta:
17 15 20 20
32 28 12 26
25 25 35 24
Utilice la prueba de rango con signo al nivel de significancia de 0.05 para
probar la afirmacin de la doctora de que la media del tiempo de espera
para sus pacientes no es mayor que 20 minutos antes de entrar al
consultorio.
15. Los pesos de cuatro personas antes de que dejan de fumar y cinco
semanas despus de dejar de fumar, en kilogramos, son los siguientes:
Individuo 1 2 3 4 5
Antes 66 80 69 52 75
Despus 71 82 68 56 73
Utilice la prueba de rango con signo para observaciones pareadas para
probar la hiptesis, en el nivel de significancia de 0.05, de que dejar de
fumar no tiene efecto en el peso de una persona contra la alternativa del
que el peso aumenta si deja de fumar.
16. Los siguientes son los nmeros de recetas surtidas por dos farmacias en un
perodo de 20 das:
Da Farmacia A Farmacia B
1 19 17
2 21 15
3 15 12
4 17 12
5 24 16
6 12 15
7 19 11
8 14 13
9 20 14
10 18 21
11 23 19
12 21 15
13 17 11
14 12 10
15 16 20
16 15 12
17 20 13
18 18 17
19 14 16
20 22 18
17. Utilice la prueba de rango con signo al nivel de significancia de 0.01 para
determinar si las dos farmacias, en promedio, surten el mismo nmero de
recetas contra la alternativa de que la farmacia A surte ms recetas que la
farmacia B.
18. Se afirma que una nueva dieta reducir el peso de una persona 4.5
kilogramos, en promedio, en un perodo de dos semanas. Se registran los
pesos de 10 mujeres que siguen esta dieta antes y despus de un perodo
de dos semanas, y se obtienen los siguientes datos:
Mujer Peso antes Peso despus
1 58.5 60.0
2 60.3 54.9
3 61.7 58.1
4 69.0 62.1
5 64.0 58.5
6 62.6 59.9
7 56.7 54.4
8 63.6 60.2
9 68.2 62.3
10 59.4 58.7
19. Utilice la prueba de rango con signo al nivel de significancia de 0.05 para
probar la hiptesis de que la dieta reduce la mediana del peso en 4.5
kilogramos contra la hiptesis alternativa de que la mediana de la diferencia
en pesos es menor que 4.5 kilogramos.
20. Se toman 10 muestras de un bao de cultivo sobre placa utilizado en un
proceso de fabricacin de componentes electrnicos, y se mide el pH del
bao. Los valores de pH medidos son 7.91, 7.85, 6.82, 8.01, 7.46, 6.95,
7.05, 7.35, 7.25, 7.42. Los ingenieros creen que el valor de la mediana del
pH es 7.0. La muestra indica que esta proposicin es correcta? Utilice la
prueba del signo con = 0.05 para investigar esta hiptesis. Encuentre el
valor P de esta prueba.
21. Se mide de manera rutinaria el nivel de impurezas (en ppm) en un producto
qumico intermedio. En una prueba reciente se observan los datos
siguientes:
2.4 2.5 1.7 1.6 1.9 2.6 1.3 1.9 2.0 2.5 2.6
2.3 2.0 1.8 1.3 1.7 2.0 1.9 2.3 1.9 2.4 1.6
Puede afirmarse que la mediana del nivel de impureza es menor que 2.5
ppm? Establezca y pruebe la hiptesis apropiada utilizando la prueba de
signo con = 0.05. Cul es el valor P de esta prueba?

Respuestas a los Problemas Propuestos
1. Regin crtica X
2
> 15.086,

X
2
= 4.47 por lo tanto no rechazar H
0
, el dado
est balanceado.
2. Regin crtica X
2
> 7.815, X
2
= 10.14, rechazar H
0
. Las nueces no estn
mezcladas en la proporcin 5:2:2:1.
3. Regin crtica X
2
> 5.991, X
2
= 1.67, no rechazar H
0
. Los datos se ajustan a
una distribucin hipergeomtrica.
4. Regin crtica X
2
> 11.07, X
2
= 2.57, no rechazar H
0
. Los datos se ajustan a
una distribucin geomtrica.
5. Regin crtica X
2
> 12.592, X
2
= 12.78, rechazar H
0
. Los datos no se ajustan
a una distribucin normal.
6. Regin crtica X
2
> 5.991, X
2
= 14.6, rechazar H
0
. La presencia o ausencia
de hipertensin y hbitos de fumar no son independientes.
7. Regin crtica X
2
> 9.488, X
2
= 7.54, no rechazar H
0
. El tamao de la familia
es independiente del nivel se educacin del padre.
8. Regin crtica 1.96 z 1.96, z= 2.67, rechazar H
0
.
9.
Regin crtica w
-
11 para una n=10, w
-
= 12.5, no rechazar H
0.
10. Regin crtica w
+
1 para n = 5, w
+
= 3.5, no rechazar H
0
.
11. Regin crtica z>2.575. z= 2.80, rechazar H
0
, la farmacia A surte ms
recetas que la farmacia B.
12. Regin crtica w
+
11 para una n = 10. w
+
= 17.5, no rechazar H
0
.
13. 2P(R
+
8 / p = 0.5) = 0.109 , como no es menor a 0.05, no se rechaza H
0
.
14. H
0
; H
1
; P(R
+

2/ p = 0.5) = 0.0002, se rechaza H
0
.
Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>




Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>
Problemas Propuestos
1. Se lanza 180 veces un dado con los siguientes resultados:
X 1 2 3 4 5 6
f 28 36 36 30 27 23
2. Es un dado balanceado? Utilice un = 0.01.
3. Se supone que una mquina mezcla cacahuates, avellanas, anacardos y
pacanas a razn de 5:2:2:1. Se encuentra que una lata que contiene 500 de
estas nueces mezcladas tiene 269 cacahuates, 112 avellanas, 74
anacardos y 45 pacanas. Al nivel de significancia de 0.05 pruebe la
hiptesis de que la mquina mezcla las nueces a razn de 5:2:2:1.
4. Se seleccionan tres canicas de una urna que contiene cinco canicas rojas y
tres verdes. Despus de registrar el nmero x de canicas rojas, las canicas
se reemplazan en la urna y el experimento se repite 112 veces. Los
resultados que se obtienen son los siguientes:
x 0 1 2 3
f 1 31 55 25
5. Pruebe la hiptesis con un nivel de significancia de 0.05, de que los datos
registrados se pueden ajustar a una distribucin hipergeomtrica.
6. Se lanza una moneda hasta que sale cara y se registra el nmero de
lanzamientos x. Despus de repetir el experimento 256 veces, se
obtuvieron los siguientes resultados:
X 1 2 3 4 5 6 7 8
f 136 60 34 12 9 1 3 1
7. Pruebe la hiptesis con un nivel de significancia de 0.05 de que la
distribucin observada de x se puede ajustar por una distribucin
geomtrica g(x;1/2), x = 1, 2, 3,
8. Con los siguientes datos, pruebe la bondad de ajuste entre las frecuencias
de clase que se observan y las frecuencias esperadas correspondientes de
una distribucin normal con = 65 y = 21, utilice un nivel de
significancia de 0.05.
Lmite de clase Frecuencia
10 - 19 3
20 29 2
30 39 3
40 49 4
50 59 5
60 69 11
70 79 14
80 89 14
90 - 99 4
9. En un experimento para estudiar la dependencia de la hipertensin de los
hbitos de fumar, se tomaron los siguientes datos de 180 individuos:

No
fumadores
Fumadores
moderados
Fumadores
empedernidos
Con hipertensin 21 36 30
Sin hipertensin 48 26 19
10. Pruebe la hiptesis de que la presencia o ausencia de hipertensin es
independiente de los hbitos de fumar. Utilice un nivel de significancia de
0.05.
11. Una muestra aleatoria de 200 hombres casados, todos retirados, se
clasifica de acuerdo con la educacin y el nmero de hijos:

Nmero de hijos
Educacin 0 - 1 2 - 3 Ms de 3
Elemental 14 37 32
Secundaria 19 42 17
Universidad 12 17 10
Pruebe la hiptesis, con un nivel de significancia de 0.05, de que el tamao
de la familia es independiente del nivel de instruccin del padre.
12. Se comparan dos tipos de instrumentos para medir la cantidad de monxido
de azufre en la atmsfera en un experimento de contaminacin atmosfrica.
Se registraron las siguientes lecturas diarias en un perodo de dos
semanas:
Da Instrumento A Instrumento B
1 0.96 0.87
2 0.82 0.74
3 0.75 0.63
4 0.61 0.55
5 0.89 0.76
6 0.64 0.70
7 0.81 0.69
8 0.68 0.57
9 0.65 0.53
10 0.84 0.88
11 0.59 0.51
12 0.94 0.79
13 0.91 0.84
14 0.77 0.63
13. Con el uso de la aproximacin normal a la distribucin binomial, realice una
prueba de signo para determinar si los diferentes instrumentos conducen a
diferentes resultados. Utilice un nivel de significancia de 0.05.
14. Los siguientes datos representan el tiempo, en minutos, que un paciente
tiene que esperar durante 12 visitas al consultorio de una doctora antes de
ser atendido por sta:
17 15 20 20
32 28 12 26
25 25 35 24
Utilice la prueba de rango con signo al nivel de significancia de 0.05 para
probar la afirmacin de la doctora de que la media del tiempo de espera
para sus pacientes no es mayor que 20 minutos antes de entrar al
consultorio.
15. Los pesos de cuatro personas antes de que dejan de fumar y cinco
semanas despus de dejar de fumar, en kilogramos, son los siguientes:
Individuo 1 2 3 4 5
Antes 66 80 69 52 75
Despus 71 82 68 56 73
Utilice la prueba de rango con signo para observaciones pareadas para
probar la hiptesis, en el nivel de significancia de 0.05, de que dejar de
fumar no tiene efecto en el peso de una persona contra la alternativa del
que el peso aumenta si deja de fumar.
16. Los siguientes son los nmeros de recetas surtidas por dos farmacias en un
perodo de 20 das:
Da Farmacia A Farmacia B
1 19 17
2 21 15
3 15 12
4 17 12
5 24 16
6 12 15
7 19 11
8 14 13
9 20 14
10 18 21
11 23 19
12 21 15
13 17 11
14 12 10
15 16 20
16 15 12
17 20 13
18 18 17
19 14 16
20 22 18
17. Utilice la prueba de rango con signo al nivel de significancia de 0.01 para
determinar si las dos farmacias, en promedio, surten el mismo nmero de
recetas contra la alternativa de que la farmacia A surte ms recetas que la
farmacia B.
18. Se afirma que una nueva dieta reducir el peso de una persona 4.5
kilogramos, en promedio, en un perodo de dos semanas. Se registran los
pesos de 10 mujeres que siguen esta dieta antes y despus de un perodo
de dos semanas, y se obtienen los siguientes datos:
Mujer Peso antes Peso despus
1 58.5 60.0
2 60.3 54.9
3 61.7 58.1
4 69.0 62.1
5 64.0 58.5
6 62.6 59.9
7 56.7 54.4
8 63.6 60.2
9 68.2 62.3
10 59.4 58.7
19. Utilice la prueba de rango con signo al nivel de significancia de 0.05 para
probar la hiptesis de que la dieta reduce la mediana del peso en 4.5
kilogramos contra la hiptesis alternativa de que la mediana de la diferencia
en pesos es menor que 4.5 kilogramos.
20. Se toman 10 muestras de un bao de cultivo sobre placa utilizado en un
proceso de fabricacin de componentes electrnicos, y se mide el pH del
bao. Los valores de pH medidos son 7.91, 7.85, 6.82, 8.01, 7.46, 6.95,
7.05, 7.35, 7.25, 7.42. Los ingenieros creen que el valor de la mediana del
pH es 7.0. La muestra indica que esta proposicin es correcta? Utilice la
prueba del signo con = 0.05 para investigar esta hiptesis. Encuentre el
valor P de esta prueba.
21. Se mide de manera rutinaria el nivel de impurezas (en ppm) en un producto
qumico intermedio. En una prueba reciente se observan los datos
siguientes:
2.4 2.5 1.7 1.6 1.9 2.6 1.3 1.9 2.0 2.5 2.6
2.3 2.0 1.8 1.3 1.7 2.0 1.9 2.3 1.9 2.4 1.6
Puede afirmarse que la mediana del nivel de impureza es menor que 2.5
ppm? Establezca y pruebe la hiptesis apropiada utilizando la prueba de
signo con = 0.05. Cul es el valor P de esta prueba?

Respuestas a los Problemas Propuestos
1. Regin crtica X
2
> 15.086,

X
2
= 4.47 por lo tanto no rechazar H
0
, el dado
est balanceado.
2. Regin crtica X
2
> 7.815, X
2
= 10.14, rechazar H
0
. Las nueces no estn
mezcladas en la proporcin 5:2:2:1.
3. Regin crtica X
2
> 5.991, X
2
= 1.67, no rechazar H
0
. Los datos se ajustan a
una distribucin hipergeomtrica.
4. Regin crtica X
2
> 11.07, X
2
= 2.57, no rechazar H
0
. Los datos se ajustan a
una distribucin geomtrica.
5. Regin crtica X
2
> 12.592, X
2
= 12.78, rechazar H
0
. Los datos no se ajustan
a una distribucin normal.
6. Regin crtica X
2
> 5.991, X
2
= 14.6, rechazar H
0
. La presencia o ausencia
de hipertensin y hbitos de fumar no son independientes.
7. Regin crtica X
2
> 9.488, X
2
= 7.54, no rechazar H
0
. El tamao de la familia
es independiente del nivel se educacin del padre.
8. Regin crtica 1.96 z 1.96, z= 2.67, rechazar H
0
.
9.
Regin crtica w
-
11 para una n=10, w
-
= 12.5, no rechazar H
0.
10. Regin crtica w
+
1 para n = 5, w
+
= 3.5, no rechazar H
0
.
11. Regin crtica z>2.575. z= 2.80, rechazar H
0
, la farmacia A surte ms
recetas que la farmacia B.
12. Regin crtica w
+
11 para una n = 10. w
+
= 17.5, no rechazar H
0
.
13. 2P(R
+
8 / p = 0.5) = 0.109 , como no es menor a 0.05, no se rechaza H
0
.
14. H
0
; H
1
; P(R
+

2/ p = 0.5) = 0.0002, se rechaza H
0
.
Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >>