FALCON NUEZ CLAUDIA SIKARU

FRANCO ROBLES PAMELA

PREN FRAGOSO NANCY ITZEL
UGALDE MARINEZ NATALY
VALDES ALEMAN ANDREA SOFIA
VENTURA CORONADO MICHEL
Prof. JORGE ARTURO RIVERO MARBAN
LIC. EN MERCADOTECNIA
3er. CUATRIMESTRE
ESTADISTICA II

OBJETIVOS

Entender los conceptos de estimacin puntual y estimacin por intervalos.

Calcular las estimaciones para la media poblacional, tanto en el caso en que
la desviacin estndar poblacional sea conocida como en el caso de que sea
desconocida.
Calcular las estimaciones (puntuales y por intervalos) para la probabilidad de
xito de una binomial.
Saber interpretar correctamente los resultados de las estimaciones por
intervalos.

INTRODUCCION

En esta investigacin, se pretende conocer y saber calcular las estimaciones

puntuales y por intervalo para la media ya sea conocida o no la desviacin
estndar poblacional-, as como las estimaciones para la probabilidad de xito
en una binomial. En el caso en que conozcamos todos los elementos de una
poblacin, es sencillo calcular todos los parmetros asociados; sin embargo, en
la mayora de casos no ser as, y necesitaremos estimar algunos de ellos a
partir de los parmetros de la muestra.

INDICE

3. ESTMACION PUNTUAL
3.1 Estimulacin puntual y por intervalos
3.2 Propiedades de los estimadores puntuales
3.3 Estimacin de intervalos de confianza para medias y diferencias de medias
3.4 Estimacin de intervalos de confianza para proporciones y diferencias de
proporciones
3.5 Estimacin de intervalos de confianza para varianzas y diferencias de
varianzas

4. PRUEBAS DE HIPOTESIS
4.1 Elementos de una prueba de hiptesis
4.2 Errores tipo I y tipo II
4.3 Pruebas de hiptesis sobre medias y diferencia de medias en muestras
pequeas y grandes
4.4 Pruebas de hiptesis sobre proporciones y diferencias de proporciones en
muestras pequeas y grandes
4.5 Pruebas de hiptesis sobre desviacin estndar

ESTIMULACIN PUNTUAL Y POR INTERVALOS

Estimacin puntual
Una estimacin puntual del valor de un parmetro poblacional desconocido
(como puede ser la media , o la desviacin estndar ), es un nmero que
se utiliza para aproximar el verdadero valor de dicho parmetro poblacional. A
fin de realizar tal estimacin, tomaremos una muestra de la poblacin y
calcularemos el parmetro muestral asociado ( x para la media, s para la
desviacin estndar, etc.). El valor de este parmetro muestral ser la
estimacin puntual del parmetro poblacional.
Por ejemplo, supongamos que la compaa Sonytron desea estimar la edad
media de los compradores de equipos de alta fidelidad. Seleccionan una
muestra de 100 compradores y calculan la media de esta muestra, este valor
ser un estimador puntual de la media de la poblacin.
Qu propiedades debe cumplir todo buen estimador?
Insesgado: Un estimador es insesgado cuando la media de su distribucin
muestral asociada coincide con la media de la poblacin. Esto ocurre, por
ejemplo, con el estimador x , ya que x = y con estimador p ya que p p =
De varianza mnima: La variabilidad de un estimador viene determinada por el
cuadrado de su desviacin estndar. En el caso del estimador x , su desviacin
estndar es n x = , tambin llamada error estndar de .
En el caso del error estndar de p,
n
pp
p
*(1 ) =
Observar que cuanto mayor sea el tamao de la muestra n , menor ser la
variabilidad del estimador x y de p, por tanto, mejor sern nuestras
estimaciones.

Estimacin por intervalo

Dada una poblacin X, que sigue una distribucin cualquiera con media y
desviacin estndar .
1. Sabemos (por el TCL) que, para valores grandes de n , la media muestral x
sigue una distribucin aproximadamente normal con media x = y desviacin
estndar n x = .
2. Por otra parte, el Teorema de Chebyshev nos dice que, en una distribucin
normal, aproximadamente un 95% de los datos estaban situados a una
distancia inferior a dos desviaciones estndar de la media. De lo anterior se
deduce que: ( 2 < < + 2 ) = 0,95 x x P x , 0,95 ( 2 ) ( 2 ) ( 2 ) ( 2 ) x x x
x = P x < + P x < = P > x P > x + ( 2 < < + 2 ) = 0,95 x x
Pxx
Por tanto, sta ltima frmula nos da un intervalo de valores tal que la
probabilidad de que la media de la poblacin est contenida en l es de 0,95.
Este tipo de intervalos se llaman intervalos de confianza de un parmetro
poblacional. El nivel de confianza (1 - ) del intervalo es la probabilidad de que
ste contenga al parmetro poblacional. En el ejemplo anterior, el nivel de
confianza era del 95% ( = 0,05).

PROPIEDADES DE LOS ESTIMADORES PUNTUALES

Por lo tanto, el valor esperado, o media, de todos los posibles valores de un
estadstico muestral insesgado es igual al parmetro poblacional que se
estudia.
Eficiencia:
Se dice que el estimador puntual con menor error estndar tiene mas
por eficiencia relativa que los otros. Cuando se muestrean poblaciones
normales, el error estndar de la media muestral es menor que el error
estndar de la mediana muestral. Por tanto, la media muestral es ms eficiente
que la mediana muestral.
Consistencia:
Un estimador puntual es consistente si el valer del estimador puntual tiende a
estar ms cerca del parmetro poblacional a medida que el tamao de la
muestra aumenta.
En otras palabras, una muestra grande tiende a proporcionar mejor estimacin
puntual que una pequea.

Estimacin de intervalos de confianza para medias y diferencias de

medias
La estadstica inferencial es el proceso de uso de los resultados derivados de
las muestras para obtener conclusiones acerca de las caractersticas de
una poblacin. La estadstica inferencial nos permite estimar caractersticas
desconocidas como la media de la poblacin o la proporcin de la poblacin.
Existen dos tipos de estimaciones usadas para estimar los parmetros de la
poblacin: la estimacin puntual y la estimacin de intervalo. Una estimacin
puntual es el valor de un solo estadstico de muestra. Una estimacin del
intervalo de confianza es un rango de nmeros, llamado intervalo, construido
alrededor de la estimacin puntual. El intervalo de confianza se construye de
manera que la probabilidad del parmetro de la poblacin se localice en algn
lugar dentro del intervalo conocido.
Suponga que quiere estimar la media de todos los alumnos en su universidad.

Sin embargo, la media de la muestra puede variar de una muestra a otra

porque depende de los elementos seleccionados en la muestra. Tomando en
cuenta la variabilidad de muestra a muestra, se aprender a desarrollar la
estimacin del intervalo para la media poblacional.

Estimacin del intervalo de confianza para la media

Se emplea la siguiente frmula:

Dnde:
Z = valor crtico de la distribucin normal estandarizada
Se llama valor crtico al valor de Z necesario para construir un intervalo de
confianza para la distribucin. El 95% de confianza corresponde a un valor ( de
0,05. El valor crtico Z correspondiente al rea acumulativa de 0,975 es 1,96
porque hay 0,025 en la cola superior de la distribucin y el rea acumulativa
menor a Z = 1,96 es 0,975.
Un nivel de confianza del 95% lleva a un valor Z de 1,96.

El valor de Z es aproximadamente 2,58 porque el rea de la cola alta es 0,005

y el rea acumulativa menor a Z = 2,58 es 0,995.

Ejemplo

Estimacin de intervalo de confianza para la media

Antes de seguir continuando es necesario estudiar la distribucin t de Student,

por lo que a continuacin se presenta una breve explicacin de esta
distribucin.
Al comenzar el siglo XX, un especialista en Estadstica de la
GuinnessBreweries en Irlanda llamado William S. Gosset deseaba hacer
inferencias acerca de la media cuando la fuera desconocida. Como a los
empleados de Guinness no se les permita publicar el
trabajo de investigacin bajo sus propios nombres, Gosset adopt el
seudnimo de "Student". La distribucin que desarroll se conoce como la
distribucin t de Student.
Si la variable aleatoria X se distribuye normalmente, entonces el siguiente
estadstico tiene una distribucin t con n - 1 grados de libertad.

Esta expresin tiene la misma forma que el estadstico Z en la ecuacin para la

distribucin muestral de la media con la excepcin de que S se usa para
estimar la desconocida.

Entre las principales propiedades de la distribucin t se tiene:

En apariencia, la distribucin t es muy similar a la distribucin normal
estandarizada. Ambas distribuciones tienen forma de campana. Sin embargo,
la distribucin t tiene mayor rea en los extremos y menor en el centro, a
diferencia de la distribucin normal.

Los grados de libertad de esta distribucin se calculan con la siguiente frmula

Donde n = tamao de la muestra

Ejemplo: Imagnese una clase con 40 sillas vacas, cada uno elige un asiento
de los que estn vacos. Naturalmente el primer alumno podr elegir de entre
40 sillas, el segundo de entre 39, y as el nmero ir disminuyendo hasta que
llegue el ltimo alumno. En este punto no hay otra eleccin (grado de libertad) y
aquel ltimo estudiante simplemente se sentar en la silla que queda. De este
modo, los 40 alumnos tienen 39 o n-1 grados de libertad.

Estimacin
El objetivo principal de la estadstica inferencial es la estima estimacin, esto es
que mediante el estudio de una muestra de una poblacin se quiere generalizar
las conclusiones hacia el total de dicha poblacin. Como vimos en la seccin
anterior, los estadsticos pueden variar mucho dentro de sus distribuciones
muestrales. Mientras menor sea el error estndar de un estadstico, ms
cercanos sern sus valores. El Error estandard podramos expresarlo
conceptualmente como el error que se puede cometer al intentar conocer a una
poblacin por medio de una muestra tomada de dicha poblacin.
Existen dos tipos de estimaciones para parmetros; puntuales puntuales y por
intervalo:
Una estimacin puntual n puntual es un nico valor estadstico y se usa
para estimar un parmetro. El estadstico usado se denomina estimador.
Una estimacin por intervalo n por intervalo es un rango, generalmente
de ancho finito, que se espera que contenga el parmetro. Estimacin
por Intervalos n 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 la media de una muestra para estimar
(estimador puntual) 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, casi
nunca se tendr el caso de que= . El estimador puntual nada dice sobre lo
cercano que esta de . Una alternativa para reportar el valor del parmetro que
se est estimando es calcular un intervalo de valores factibles, es decir un
lmite de confianza o mite de confianza o intervalo de confianza intervalo de
confianza (IC).
X Un intervalo de confianza intervalo de confianza se calcula siempre
seleccionando primero un nivel de confianza nivel de confianza, que es una
medida del grado de confiabilidad en el intervalo. Entonces, en el ejemplo
anterior, si queremos un nivel de confianza de 95% diramos que es posible
tener cualquier valor de mentre 9162.5 y 9482.9.
Un nivel de confianza de 95% implica que 95% de las muestras dara lugar a
un intervalo que incluye m 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.
Si, por ejemplo, queremos tener un nivel de confianza de 95% (locual es muy
comn), entonces usamos la distribucin normal estndar y encontramos los
valores que incluyen a 95% del rea.

Intervalos de confianza para la media

Supongamos que la estatura de los nios de 2 aos est distribuida
normalmente con una media de 90 cm y una desviacin estndar de 36 cm.
Cul sera la distribucin muestral de la media para una muestra de tamao
9? Recordemos que la media de una distribucin muestral de medias es igual a
:

Y el error estndares:

Para nuestro ejemplo, la distribucin muestral de la media tendra una media

de 90 y una desviacin estndar de 36/3 = 12. Recordemos que la desviacin
estndar de una distribucin muestral es igual al error estndar.

La siguiente figura muestra esta distribucin en donde el rea:

Sombreada representa el 95% del total, encontrndose entre los valores de

66.48 y 113.52. Estos lmites fueron calculados aadiendo y restando 1.96
desviaciones estndar del valor de la media de 90, lo que equivale al 95% del
rea bajo una curva normal estndar, es decir:

Lo que nos muestra la figura es que 95% de las medias se encontraran a no

ms de 23.52 de la media de 90 (o sea a 1.96 desviaciones estndar).
Ahora si consideramos la probabilidad de que la media de una muestraaleatoria
se encuentre a cierta distancia de la media de la poblacin,entonces podemos
decir que como 95% de la distribucin est a 23.5 de 90, la probabilidad de que
la media de cualquier muestra est a 23.52 de 90 es de 0.95.
Lo anterior significa que si calculamos repetidamente la media de una muestral,
y consideramos un intervalo que vaya de- 23.52 a + 23.52, este intervalo
contendr a la media de la poblacin 95% de las veces. En general, podemos
calcular el intervalo deconfianza con la siguiente frmula:

Donde z es el valor de la curva estandar normal para la confianza que se

requiere. En el caso de 95% de confianza:

De esta frmula se puede observar que tanto el tamao de la muestra como el

valor de se deben conocer. Z se puede obtener de la tabla de la distribucin
normal a partir del nivel de confianza establecido. Como en muchas ocasiones
se desconoce en esos casos lo correcto es utilizar otra distribucin para
muestras (la llamada tdestudent que veremos en la siguiente sesin) si la
poblacin de donde provienen los datos es normal.
En este caso se puede utilizar una estimacin puntual de la desviacin
estndar de la poblacin por medio de la desviacin estndar de la muestra, es
decir ( ~ s).
Ejemplos:
1. Se encuentra que la concentracin promedio de zinc de una muestra de 36
cereales es de 2.6 gramos por miligramo. Encuentre los intervalos de confianza
de 95% y 99% para la concentracin media de zinc en el cereal. Suponga que
la desviacin estndar de la poblacin es 0.3.
Solucin:
La estimacin puntual de es x = 2.6 (el valor de la media de la muestra). 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:

2. Los vuelos de una empresa de aviacin tienen una duracin bimestral

aproximadamente distribuida de forma normal con una desviacin estndar de
40 horas. Si una muestra de 30 vuelos tiene una duracin promedio de 780
horas, encuentre los intervalos de confianza de 96% para la media de la
poblacin de todos los vuelos de esta empresa.

Con un nivel de confianza del 96% se sabe que la duracin media de losvuelos
est entre 765 y 795 horas.

ESTIMACIN DE INTERVALOS DE CONFIANZA PARA PROPORCIONES Y

DIFERENCIAS DE PROPORCIONES
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 utilizar 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 alconsiderar la
distribucin muestral de proporciones.

Considerando el valor z para la distribucin de proporciones

Si intentamos despejar el valor de P nos encontramos con que :

Pero cmo podemos

encontrar P si tambin est del
lado derecho de la ecuacin?
Lo que haremos es aproximar la proporcin de la poblacin por la de la
muestra, es decir sustituir P 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 ya que realmente se debera emplear la distribucin binomial, por
tanto, no se debe utilizar. Para estar seguros, se debe requerir que np y n(1-p)
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 noexceder el valor de

Ejemplos:

1. Un fabricante de reproductores de discos compactos utiliza unconjunto 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 pasaran todas las pruebas.

Ejemplo 2.
En un estudio de 300 accidentes de automvil en una ciudad especfica, 60
tuvieron consecuencias fatales. Con base en estamuestra, construya un
intervalo del 95% de confianza paraaproximar la proporcin de todos los
accidentes automovilsticos queen esa ciudad tienen consecuencias fatales.

Estimacin de intervalos de confianza para varianzas y diferencias de

varianzas

Si tenemos una muestra de tamao n tomada de una poblacin normal,

podemos obtener un intervalo de confianza del nivel dado(90%, 95%, 99%, etc)
para la varianza sabiendo que el valor de chicuadrada es para este caso:

El cual es una variable aleatoria que tiene una distribucin Chi cuadrada con n
-1 grados de libertad. Por lo tanto, podemos emplear esta definicin para
estimar un intervalo de confianza ya que lo que necesitamos es que

Donde x2 es el valor de Chi cuadrada para los grados de libertad y nivel de

confianza (1 -) especificado.
Entonces podemos despejar la varianza 2:

los valores de Chi cuadrada

Corresponden a lo que se muestra en la siguiente figura (notar que el valor

mayor define el lmite de la izquierda del intervalo y el menor elderecho, ya que
estn dividiendo)

Por lo que el intervalo de confianza para la varianza varianza estar dado por

Podemos encontrar el intervalo de confianza correspondiente para la

desviacin estndar n dar, , obteniendo las races cuadradas ces cuadradas
de los lmites de confianza para la varianza.
Ejemplo.
En 16 recorridos de prueba, el consumo de gasolina de un motor experimental
tuvo una desviacin estndar de 2.2. litros. Construir un intervalo de confianza
del 99% para la varianza y para la desviacin estndar esperadas de este
motor.
Solucin.
Suponiendo que los datos pueden considerarse como una muestra aleatoria
tomada de una poblacin normal, usamos n = 16 y s=2.2.
Ahora necesitamos los valores de Chi cuadrada para el caso especfico.

Por lo que el intervalo de confianza para la varianza varianza estar dado por

Es decir:
Y, por lo tanto, el intervalo de confianza para la desviacin es n estndar
nsera:

ELEMENTOS DE UNA PRUEBA DE HIPTESIS

El promedio aritmtico poblacional es un indicador muy importante, por lo tanto,
frecuentemente se desea probar si dicho promedio ha permanecido igual, ha
aumentado o hadisminudo. A travs de la prueba de hiptesis se determina si
la media poblacional es significativamente mayor o menor que algn valor
supuesto.
Hiptesis

Se puede plantear uno de los siguientes tres tipos de hiptesis:

- Prueba de hiptesis a dos colas
H0 : = k
H1 : k
- Prueba de hiptesis a una cola superior
H0 : = k H0 :

H1 : >k H1 : > k
- Prueba de hiptesis a una cola inferior
H0 : = k H0 :

H1 : < k H1 : < k
En las distribuciones en el muestreo se vi que para el caso de la media, hay
tres situaciones, por consiguiente la estadstica de trabajo a utilizar depende de
los supuestos de la poblacin y del tamao de la muestra.

Prueba de hiptesis para la media si la poblacin de donde se obtiene la

muestra tiene distribucin normal con conocida.
La estadstica de trabajo a usar corresponde a la expresin (1.6):

(3.1)
Donde: es el valor que se est suponiendo en la hiptesis nula (H 0).
REGLA DE DECISION
- Si se ha planteado la hiptesis alternativa como: H1 : k se tiene una prueba
de hiptesis a dos colas, por lo tanto, el nivel de significancia ( ) se divide en
dos partes iguales, quedando estos valores en los extremos de la distribucin
como se aprecia en la figura 3.1

Figura 3.1 Regla de decisin para una prueba de hiptesis a dos colas.
y
pertenecen a una distribucin normal estndar. Si el valor de la
estadstica de trabajo (Zx) est entre
y
no se rechaza la hiptesis nula,
en caso contrario se rechaza H0 lo cual implica aceptar H1. Esdecir:

- Si se ha planteado la hiptesis alternativa como:

H1 : > k, se tiene una prueba de hiptesis a una cola superior, quedando el
nivel de significancia ( ) en la parte superior de la distribucin, como se
aprecia en la figura 3.2

Figura 3.2 Regla de decisin para una prueba de hiptesis a una cola superior.
pertenece a una distribucin normal estndar. Si el valor de la estadstica
de trabajo (Zx) es menor que
no se rechaza la hiptesis nula, en caso
contrario se rechaza H0 lo cual implica aceptar H1. Esdecir,

Si se ha planteado la hiptesis alternativa como:

H1 : < k, se tiene una prueba de hiptesis a una cola inferior, quedando el nivel
de significancia ( ) en la parte inferior de la distribucin, como se aprecia en la
figura 3.3

Figura 3.3 Regla de decisin para una prueba de hiptesis a una cola inferior.
Z pertenece a una distribucin normal estndar. Si el valor de la estadstica de
trabajo (Zx) es mayor que Z no se rechaza la hiptesis nula, en caso contrario
se rechaza H0 lo cual implica aceptar H1. Esdecir,

EJEMPLO
Un proceso manufacturero usado por una fbrica durante los ltimos aos da
una produccin media de 100 unidades por hora con una desviacin estndar
de 8 unidades. Se acaba de introducir en el mercado una nueva mquina para
realizar ese tipo de producto. Aunque es muy cara comparada con la que est
ahora en uso, si la media de produccin de la nueva mquina es de ms de
150 unidades por hora, su adopcin dara bastantes beneficios.
Para decidir si se debiera comprar la nueva mquina, a la gerencia de la fbrica
se le permite hacer un ensayo durante 35 horas, hallndose un promedio de
160 unidades por hora. Con sta informacin qu decisin se debe tomar si se
asume un nivel de confianza del 99 por ciento.
Solucin .
Segn el enunciado, solo se compra la mquina si la produccin es de mas de
150 unidades por hora, por lo tanto las hiptesis son:
H0 : = 150
H1 : > 150
Para elegir la estadstica de trabajo se tiene en cuenta que se conoce la
varianza poblacional, por lo tanto se usa la expresin 3.1

por el planteamiento de la hiptesis alternativa se trabaja a una cola superior.

En la distribucin normal, con una confiabilidad del 99 por ciento el valor de Z
es 2,33. como puede observarse en la figura 3.4, la estadstica de trabajo est
en la zona de rechazo de la hiptesis nula, por lo tanto, se acepta que la
produccin promedio por hora es superior a las 150 unidades y asumiendo un
riesgo del 1 por ciento se puede comprar la nueva mquina.

Figura 3.4 Regla de desicin para una prueba de hiptesis a una cola inferior.

Prueba de hiptesis para la media si se selecciona una

muestra aleatoria de tamao n 30 de una poblacin con
cualquier distribucin.

La estadstica de trabajo a usar es la expresin (1.7):

REGLA DE DECISION
Es la misma que en el caso anterior y depende en todo caso
de la hiptesis alternativa.
EJEMPLO
La duracin promedio de las llantas producidas por una fbrica

de llantas, segn experiencias registradas es de 46.050 kms.

Se desea probar si el promedio poblacional ha cambiado; para
tal efecto se toma una muestra aleatoria de 60 llantas y se
obtiene una duracin promedio de 45.050 kms. con una
desviacin estndar de 3.070 kms.
Solucin
H 0 : = 46.050
H1 :

46.050

Teniendo en cuenta que el tamao de la muestra es grande,

como estadstica de trabajo se utiliza la expresin 3.2

Por la hiptesis alternativa, la regla de decisin es a dos colas.

La tabla a utilizar es la de la distribucin normal. Asumiendo un
nivel de confianza del 95 por ciento, los correspondientes
valores de Z son -1,96 y 1,96. Como puede observarse en la
figura 3.5, el valor de la estadstica de trabajo est en la zona
de rechazo de la hiptesis nula, por consiguiente, con una
confiabilidad del 95 por ciento se acepta que la duracin
promedio de las llantas ha cambiado.

Figura 3.5 Regla de decisin para una prueba de hiptesis a

dos colas
Prueba de hiptesis para la media si se selecciona una muestra aleatoria
de tamao n<30 .

En este caso se tienen dos situaciones, dependiendo de si se utiliza la varianza

muestral sin corregir o corregida.
Si se utiliza la varianza sin corregir (
expresin (1.8):

) la estadstica de trabajo es la

(3.3)
Si se utiliza la varianza corregida la estadstica de trabajo es la expresin
(1.9):

(3.4)
EJEMPLO
En su calidad de comprador comercial para un supermercado, se toma una
muestra aleatoria de doce (12) sobres de caf de una empacadora. Se
encuentra que el peso promedio del contenido de caf de cada sobre es 15,97
grs. con una desviacin estndar de 0,15. La compaa empacadora afirma
que el peso promedio mnimo del caf es de 16 grs. por sobre. Puede
aceptarse sta afirmacin si se asume un nivel de confianza del 90 por ciento?
Solucin
Se desea probar si el peso mnimo es de 16 grs., es decir mayor o igual a 16
grs., as que las hiiptesis adecuadas son:
H0 : 16
H1 : < 16
Teniendo en cuenta que el tamao de la muestra es pequeo, como estadstica
de trabajo se utiliza la expresin 3.3
Teniendo en cuenta que el tamao de la muestra es pequeo, como estadstica
de trabajo se utiliza la expresin 3.3

Como lo indica la hiptesis alternativa, se trabaja a una cola inferior en la tabla

de la distribucin t con 11 grados de libertad y una confiabilidad del 90 por
ciento, el valor de Z es - 1,363

Como puede observarse (figura 3.6), la estadstica de trabajo (-0,663) est

ubicada en la zona de no rechazo de la hiptesis nula, por lo tanto, con un nivel
de confianza del 90 por ciento no se rechaza que los empacadores de caf
tienen la razn, por lo tanto se concluye que el peso promedio de los sobres de
caf es mayor o igual a 16 grs.

Figura 3.6 Regla de decisin para una prueba de hiptesis a una cola inferior

PRUEBAS DE HIPTESIS SOBRE PROPORCIONES Y DIFERENCIAS DE

PROPORCIONES EN MUESTRAS PEQUEAS Y GRANDES

Frecuentemente se desea estimar la proporcin de elementos que tienen una

caracterstica determinada, en tal caso, las observaciones son de naturaleza
cualitativa. Cuando se analiza informacin cualitativa y se est interesado en
verificar un supuesto acerca de la proporcin poblacional de elementos que
tienen determinada caracterstica, es til trabajar con la prueba de hiptesis
para la proporcin.
Hiptesis
Como en el caso de la media, se puede plantear uno de los siguientes tres
tipos de hiptesis:
- Prueba de hiptesis a dos colas
H0 : = k
H1 :

- Prueba de hiptesis a una cola superior

H0 : = k H0 :

H1 : > k H1 : > k
- Prueba de hiptesis a una cola inferior
H0 : = k H0 :

H1: < k H1 : < k

Cuando se va a estimar una proporcin el tamao de la muestra (n) siempre
debe ser mayor a 30, por lo tanto se tiene un solo caso.
La estadstica de trabajo a utilizar es la expresin (1.13):

(3.5)
REGLA DE DECISION
Si se ha planteado la hiptesis alternativa como:
H1: k se tiene una prueba de hiptesis a dos colas, por lo tanto, el nivel de
significancia ( ) se divide en dos partes iguales, quedando estos valores en los
extremos de la distribucin como se aprecia en la figura 3.1

y
pertenecen a una distribucin normal estndar. Si el valor de la
estadstica de trabajo (Zp) est entre
y
no se rechaza la hiptesis nula,
en caso contrario se rechaza H0 lo cual implica aceptar H1 . Es decir, si
<Zp<
no se rechaza H0 .
- Si se ha planteado la hiptesis alternativa como:
H1 : > k, se tiene una prueba de hiptesis a una cola superior, quedando el
nivel de significancia ( ) en la parte superior de la distribucin, vease figura 3.2
pertenece a una distribucin normal estndar. Si el valor de la estadstica de
trabajo (Zp ) es menor que
no se rechaza la hiptesis nula, en caso
contrario se rechaza H0 lo cual implica aceptar H1 . Es decir, si Zp<
no se
rechaza H0 .
- Si se ha planteado la hiptesis alternativa como:
H1 : < k, se tiene una prueba de hiptesis a una cola inferior, quedando el nivel
de significancia ( ) en la parte inferior de la distribucin, vease figura 3.3
Z pertenece a una distribucin normal estndar. Si el valor de la estadstica de
trabajo (Zp ) es mayor que Z no se rechaza la hiptesis nula, en caso contrario
se rechaza H0 lo cual implica aceptar H1 . Es decir, si Zp> Z no se rechaza H0 .
EJEMPLO
Un fabricante afirma que por lo menos el 90 por ciento de las piezas de una
maquinaria que suministra a una fbrica guardan las formas especificadas. Un
exmen de 200 de esas piezas revel que 160 de ellas no eran defectuosas.
Pruebe si lo que afirma el fabricante es cierto.
Solucin
H0 :

0,9

H1 : < 0,9
Para realizar una prueba de hiptesis para la proporcin se utiliza la expresin
3.5

Asumiendo una confiabilidad del 95 por ciento, el valor correspondiente a Z en

la distribucin normal es -1,64

Como puede observarse en la figura 3.7, el valor de la estadstica de trabajo se

encuentra en la zona de rechazo de la hiptesis nula, por consiguiente, con una
confiabilidad del 95 por ciento se concluye que la afirmacin del fabricante no
es cierta.

Figura 3.7 Regla de decisin para una prueba de hiptesis a una cola inferior

PRUEBAS DE HIPTESIS SOBRE DESVIACIN ESTNDAR

Hiptesis: es una aseveracin de una poblacin elaborado con el propsito de
poner aprueba, para verificar si la afirmacin es razonable se usan datos.
Ejemplo de hiptesis acerca de un parmetro de una poblacin son:

El sueldo promedio de un profesional asciende a $2,625.

El veinte por ciento de los consumidores utiliza aceite de oliva

En el anlisis estadstico se hace una aseveracin, es decir, se plantea una

hiptesis, despus se hacen las pruebas para verificar la aseveracin o para
determinar que no es verdadera.
Por tanto, la prueba de hiptesis es un procedimiento basado en la evidencia
muestral y la teora de probabilidad; se emplea para determinar si la hiptesis
es una afirmacin razonable y debera no ser rechazada o si no es razonable
debera ser rechazada

PROCEDIMIENTO SISTEMATICO
1. Plantear la hiptesis nula Ho y la hiptesis alternativa H1
Hiptesis nula H0: Una afirmacin acerca del valor de un parmetro de la
poblacin.
Hiptesis Alternativa H1: Una afirmacin que es aceptada si la muestra
provee la evidencia de que la hiptesis nula es falsa.

2. Seleccionar el nivel de significancia

Nivel de significacin: La probabilidad de rechazar la hiptesis nula
cuando en realidad es verdadera.

TIPO DE ERRORES

Error tipo I: Rechazar la nula cuando en realidad es verdadera

Error tipo II: Aceptar la hiptesis nula cuando en realidad es falsa.

CALCULO DEL VALOR ESTADISTICO DE LA PRUEBA

Estadstico de prueba
Es un valor, determinado a partir de la informacin de la muestra, usado
para decidir si rechazar o no la hiptesis nula.
TIPOS DE PRUEBA
Prueba bilateral o de dos extremos: la hiptesis planteada se formula con la
igualda

Pruebas unilateral o de un extremo: la hiptesis planteada se formula con

o

VALORES
Valor crtico
El punto que divide la regin entre el lugar en el que la hiptesis nula es
rechazada y y la regin donde la hiptesis nula es no rechazada.
VALOR P

Valor p: probabilidad de observar un valor de prueba ms extremo que el

valor observado, dado que la hiptesis nula es verdadera.

Si el valor p es ms chico que el nivel de significacin la hiptesis nula

es rechazada.

Si el valor p es ms grande que el nivel de significacin la hiptesis nula no es

rechazada
PRUEBA DE HIPOTESIS PARA LA MEDIA DE UNA POBLACION
DESVIACION ESTANDAR CONOCIDA O MUESTRAS GRANDES

Cuando se plantean hiptesis para la media de

la poblacin y la desviacin estndar poblacional es conocida o el tamao de la
muestra es grande, el estadstico de prueba est dado por:

el cual se distribuye como una Normal de media 0 y desvo estndar 1.

Prueba de hipotesis para la media de una poblacion desviacion estandar

desconocida y de tamao muestral pequeo.

Cuando se plantean hiptesis para la media de la

poblacin y la desviacin estndar poblacional es desconocida y el tamao de
la muestra es pequeo, el estadstico de prueba est dado por:

el cual se distribuye como una t de Student con n-1 grados de libertad.

Prueba de hipotesis para la proporcion de una poblacion

dond

Cuando se
plantean hiptesis para la proporcin de la poblacin, el estadstico de prueba
est dado por:

el cual se distribuye como una Normal de media 0 y desvo estndar 1

CARACTERISTICAS DE t-Student

Es continua, campnula, y simtrica como la distribucin z.

Existe una familia de distribuciones t con media cero, pero con

diferentes desviaciones estndar.

La distribucin t es ms aplanada y de colas ms largas que la z.

Tiende a la z para tamaos grandes de muestra.

Forma de la distribucion normal estandarizada y la t-student

Prueba de hipotesis para dos medias desviacion estandar poblacional

conocida o muestras grandes, muestras independientes

Cuando se plantean hiptesis para la diferencia de medias de dos poblaciones

y las desviaciones estndar poblacionales son conocidas o el tamao de la
muestra es grande, el estadstico de prueba est dado por:

el cual se distribuye como una Normal de media 0 y desvo estndar 1.

Prueba de hipotesis para dos medias desviaciones estandar
poblacionales desconocidas pero iguales y muestras pequeas, muestras
independientes

dond

Cuand
o se plantean hiptesis para la diferencia de medias de dos poblaciones y las
desviaciones estndar poblacionales son desconocidas y el tamao de la
muestra es pequeo, el estadstico de prueba est dado por:

el cual se distribuye como una t de Student con n 1+n2-1 grados de libertad

Prueba de hipotesis para dos medias desviacion estandar

Poblacional conocida o muestras grandes, muestras relacionadas o
dependientes
Cuando las muestras estn relacionadas y se quiere probar si luego de aplicar
un tratamiento las medias difieren (antes/despus) y las desviaciones estndar
poblacionales son desconocidas y el tamao de la muestra es pequeo, el
estadstico de prueba est dado por:

dond
e

el cual se distribuye como una t de Student con n-1 grados de libertad.

Ejemplo
El jefe de la Biblioteca Especializada de la Facultad de Ingeniera Elctrica
y Electrnica de la UNAC manifiesta que el nmero promedio de lectores por
da es de 350. Para confirmar o no este supuesto se controla la cantidad de
lectores que utilizaron la biblioteca durante 30 das. Se considera el nivel de
significancia de 0.05
Solucin: Se trata de un problema con una media poblacional: muestra grande
y desviacin estndar poblacional desconocida.

Paso 01: Seleccionamos la hiptesis nula y la hiptesis alternativa

Ho: 350
Ha: 350
Paso 02: Nivel de confianza o significancia 95%
0.05

Paso 03: Calculamos o determinamos el valor estadstico de prueba

De los datos determinamos: que el estadstico de prueba es t, debido a que el
numero de muestras es igual a 30, conocemos la media de la poblacin, pero
la desviacin estndar de la poblacin es desconocida.
En este caso determinamos la desviacin estndar de la muestra y la
utilizamos en la formula reemplazando a la desviacin estndar de la
poblacin.

Calculamos la desviacin estndar muestral y la media de la muestra

empleando Excel, lo cual se muestra en el cuadro que sigue.

DATOS

Paso 04: Formulacin de la regla de decisin.

La regla de decisin la formulamos teniendo en cuenta que esta es una prueba

de dos colas, la mitad de 0.05, es decir 0.025, est en cada cola. el rea en la
que no se rechaza Ho est entre las dos colas, es por consiguiente 0.95. El
valor crtico para 0.05 da un valor de Zc = 1.96.
Por consiguiente la regla de decisin: es rechazar la hiptesis nula y aceptar la
hiptesis alternativa, si el valor Z calculado no queda en la regin comprendida
entre -1.96 y +1.96. En caso contrario no se rechaza la hiptesis nula si Z
queda entre -1.96 y +1.96.
Paso 05: Toma de decisin.
En este ltimo paso comparamos el estadstico de prueba calculado mediante
el Software Minitab que es igual a Z = 2.38 y lo comparamos con el valor critico
de Zc = 1.96. Como el estadstico de prueba calculado cae a la derecha del
valor critico de Z, se rechaza Ho. Por tanto no se confirma el supuesto del Jefe
de la Biblioteca.

CONCLUSIONES

La primera fase de la estadstica se trata de coleccionar, ordenar y presentar

los datos o hechos numricos. La segunda parte de la estadstica se encarga
de analizar, sintetizar (hacer inferencias y realizar interpretacin) y finalmente
publicar los datos que han sido presentados en forma de grafica y/o de manera
tabular. Es precisamente en la seccin del anlisis estadstico en donde el
investigador debe modificar los datos, es decir hacer estimaciones de los datos
brutos. Para hacer estimaciones, uno debe estar bien familiarizado con los
criterios estadsticos que se debe reunir y considerar en el proceso de la
estimacin, ya que las estimaciones sesgadas nos conducen a las inferencias y
decisiones errneas. Es precisamente con este punto en la mente que se
avoco a realizar la presente investigacin.

BIBLIOGRAFIA

http://www.uoc.edu/in3/emath/docs/Estimacion_IC.pdf
http://tesisdeinvestig.blogspot.mx/2011/05/la-estimacion.html
www.unlu.edu.ar/~estadistica/