TAREA 2: RESIGNIFICAR, REFINAR, PROFUNDIZAR Y CONTEXTUALIZAR EL

CONOCIMIENTO DE LA UNIDAD 2

Presentado por:

MAGDA XIMENA SARMIENTO GÓMEZ_ 35526940

MAGDA IBETH PAEZ ROCHA_39744098

MARÍA ELENA MONTOYA HERRERA _ 49785077

Presentado a:

MARIA CAMILA GONZALEZ

TUTORA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS DE LA EDUCACION ECEDU

INFERENCIA ESTADISTICA

NOVIEMBRE DE 2019
 INTRODUCCION

Dentro del estudio de la inferencia estadística, se describe como se puede tomar

una muestra aleatoria y a partir de esta muestra estimar el valor de un parámetro poblacional en la
cual se puede emplear el método de muestreo y el teorema del valor central lo que permite
explicar cómo a partir de una muestra se puede inferir algo acerca de una población, lo cual nos
lleva a definir y elaborar una distribución de muestreo de medias muéstrales que nos permite
explicar el teorema del límite central y utilizar este teorema para encontrar las probabilidades de
obtener las distintas medias maestrales de una población.

Pero es necesario tener conocimiento de ciertos datos de la población como la media, la

desviación estándar o la forma de la población, pero a veces no se dispone de esta información.

En este caso es necesario hacer una estimación puntual que es un valor que se usa para estimar un
valor poblacional. Pero una estimación puntual es un solo valor y se requiere un intervalo
de valores a esto se denomina intervalo de confianza y se espera que dentro de este intervalo se
encuentre el parámetro poblacional buscado. También se utiliza una estimación mediante un
intervalo, el cual es un rango de valores en el que se espera se encuentre el parámetro poblacional

En nuestro caso se desarrolla un procedimiento para probar la validez de una aseveración acerca

de un parámetro poblacional este método es denominado Prueba de hipótesis para una muestra.

Este tema delimita los contenidos de la unidad 2, del curso inferencia estadística. También
diferencia los dos núcleos temáticos más importantes prueba de hipótesis y análisis de varianza.
La finalidad de la Inferencia estadística es obtener información sobre características desconocidas
de las poblaciones (generalmente cuantificadas por parámetros) a partir de características
conocidas de las muestras (generalmente cuantificadas por estadísticos). Incluir poblaciones
completas de individuos en la investigación suele ser impracticable, y por ello se suele trabajar
con grupos pequeños generalizando los resultados mediante las técnicas de Estadística
Inferencial.
OBJETIVO GENERAL:

 Realizar procesos de contrastación de hipótesis estadísticas para

diferentes tipos de parámetros que le permitan argumentar la toma de
decisiones.

OBJETIVOS ESPECIFICOS

 Realizar procesos de contrastación de hipótesis estadísticas para diferentes tipos de

parámetros que le permitan argumentar la toma de decisiones.

 Diferenciar los métodos de inferencia paramétricos y no paramétricos identificando sus

ventajas y desventajas en términos de la información muestral.

 Utiliza el programa R para los procesos de estimación y contrastación de hipótesis

empleando las herramientas que permitan un desarrollo eficiente del mismo
UNIDAD 2

CAPITULO1 PRUEBA DE HIPOTESIS

HIPOTESIS Y PRUEBA DE HIPOTESIS

Tenemos que empezar por definir que es una hipótesis y que es prueba de hipótesis.

Hipótesis es una aseveración de una población elaborado con el propósito de poner a prueba, para
verificar si la afirmación es razonable se usan datos.

En el análisis estadístico se hace una aseveración, es decir, se plantea una hipótesis, después se

hacen las pruebas para verificar la aseveración o para determinar que no es verdadera.

Por tanto, la prueba de hipótesis es un procedimiento basado en la evidencia muestral y

la teoría de probabilidad; se emplea para determinar si la hipótesis es una afirmación razonable.

Prueba de una hipótesis: se realiza mediante un procedimiento sistemático de cinco paso:

Siguiendo este procedimiento sistemático, al llegar al paso cinco se puede o no rechazar la

hipótesis, pero debemos de tener cuidado con esta determinación ya que en la consideración de
estadística no proporciona evidencia de que algo sea verdadero. Esta prueba aporta una clase de
prueba más allá de una duda razonable. Analizaremos cada paso en detalle

Objetivo de la prueba de hipótesis.

El propósito de la prueba de hipótesis no es cuestionar el valor calculado del estadístico

(muestral), sino hacer

Un juicio con respecto a la diferencia entre estadístico de muestra y un valor planteado del

parámetro.
Cualquier investigación estadística implica la existencia de hipótesis o afirmaciones acerca de las
poblaciones que se estudian.

LA HIPÓTESIS NULA (HO): se refiere siempre a un valor especificado del parámetro de

población, no a una estadística de muestra. La letra H significa hipótesis y el subíndice cero no
hay diferencia. Por lo general hay un "no" en la hipótesis nula que indica que "no hay cambio"
Podemos rechazar o aceptar Ho.

La hipótesis nula es una afirmación que no se rechaza a menos que los datos maestrales
proporcionen evidencia convincente de que es falsa. El planteamiento de la hipótesis nula
siempre contiene un signo de igualdad con respecto al valor especificado del parámetro.

LA HIPÓTESIS ALTERNATIVA (H1): es cualquier hipótesis que difiera de la hipótesis nula.

Es una afirmación que se acepta si los datos maestrales proporcionan evidencia suficiente de que
la hipótesis nula es falsa. Se le conoce también como la hipótesis de investigación. El
planteamiento de la hipótesis alternativa nunca contiene un signo de igualdad con respecto al
valor especificado del parámetro.

NIVEL DE SIGNIFICACIA: Probabilidad de rechazar la hipótesis nula cuando es verdadera.

Se le denota mediante la letra griega α, también es denominada como nivel de riesgo, este
término es más adecuado ya que se corre el riesgo de rechazar la hipótesis nula, cuando en
realidad es verdadera. Este nivel está bajo el control de la persona que realiza la prueba.

Si suponemos que la hipótesis planteada es verdadera, entonces, el nivel de significación indicará

la probabilidad de no aceptarla, es decir, estén fuera de área de aceptación. El nivel de
confianza (1-α), indica la probabilidad de aceptar la hipótesis planteada, cuando es verdadera en
la población.
La distribución de muestreo de la estadística de prueba se divide en dos regiones.

REGIÓN DE RECHAZO (CONOCIDA COMO REGIÓN CRÍTICA) Y REGIÓN DE NO

RECHAZO (ACEPTACIÓN). Si la estadística de prueba cae dentro de la región de aceptación,
no se puede rechazar la hipótesis nula.

La región de rechazo puede considerarse como el conjunto de valores de la estadística de prueba

que no tienen posibilidad de presentarse si la hipótesis nula es verdadera. Por otro lado, estos
valores no son tan improbables de presentarse si la hipótesis nula es falsa. El valor crítico separa
la región de no rechazo de la de rechazo.

Tipos de errores

Cualquiera sea la decisión tomada a partir de una prueba de hipótesis, ya sea de aceptación de la
Ho o de la Ha, puede incurrirse en error:

 ERROR TIPO I : se presenta si la hipótesis nula Ho es rechazada cuando es verdadera y debía
ser aceptada. La probabilidad de cometer un error tipo I se denomina con la letra alfa α

ERROR TIPO II: se denota con la letra griega β se presenta si la hipótesis nula es aceptada
cuando de hecho es falsa y debía ser rechazada.

En cualquiera de los dos casos se comete un error al tomar una decisión equivocada.

En la siguiente tabla se muestran las decisiones que pueden tomar el investigador y las
consecuencias posibles.
Para que cualquier ensayo de hipótesis sea bueno, debe diseñarse de forma que minimice los
errores de decisión. En la práctica un tipo de error puede tener más importancia que el otro, y así
se tiene a conseguir poner una limitación al error de mayor importancia. La única forma de
reducir ambos tipos de errores es incrementar el tamaño de la muestra, lo cual puede ser o no ser
posible.

La probabilidad de cometer un error de tipo II denotada con la letra griega beta β, depende de la
diferencia entre los valores supuesto y real del parámetro de la población. Como es más fácil
encontrar diferencias grandes, si la diferencia entre la estadística de muestra y el correspondiente
parámetro de población es grande, la probabilidad de cometer un error de tipo II, probablemente
sea pequeña.

El estudio y las conclusiones que obtengamos para una población cualquiera, se habrán apoyado
exclusivamente en el análisis de una parte de ésta. De la probabilidad con la que estemos
dispuestos a asumir estos errores, dependerá, por ejemplo, el tamaño de la muestra requerida. Las
contrastaciones se apoyan en que los datos de partida siguen una distribución normal

Existe una relación inversa entre la magnitud de los errores α y β: conforme a aumenta, β
disminuye. Esto obliga a establecer con cuidado el valor de a para las pruebas estadísticas. Lo
ideal sería establecer α y β.En la práctica se establece el nivel α y para disminuir el Error β se
incrementa el número de observaciones en la muestra, pues así se acortan los límites de confianza
respecto a la hipótesis planteada. La meta de las pruebas estadísticas es rechazar la hipótesis
planteada. En otras palabras, es deseable aumentar cuando ésta es verdadera, o sea, incrementar
lo que se llama poder de la prueba (1- β) La aceptación de la hipótesis planteada debe
interpretarse como que la información aleatoria de la muestra disponible no permite detectar la
falsedad de esta hipótesis.

Cálculo del valor estadístico de prueba

Valor determinado a partir de la información muestral, que se utiliza para determinar si se

rechaza la hipótesis nula., existen muchos estadísticos de prueba para nuestro caso utilizaremos
los estadísticos z y t. La elección de uno de estos depende de la cantidad de muestras que se
toman, si las muestras son de la prueba son iguales a 30 o mas se utiliza el estadístico z, en caso
contrario se utiliza el estadístico t.

Tipos de prueba

a) Prueba bilateral o de dos extremos: la hipótesis planteada se formula con la igualdad

Ejemplo

H0 : µ = 200

H1 : µ ≠ 200

b) Pruebas unilateral o de un extremo: la hipótesis planteada se formula con ≥ o ≤

H0 : µ ≥ 200 H0 : µ ≤ 200

H1 : µ < 200 H1 : µ > 200

 
En las pruebas de hipótesis para la media (μ), cuando se conoce la desviación estándar (σ)
poblacional, o cuando el valor de la muestra es grande (30 o más), el valor estadístico de prueba
es z y se determina a partir de:

El valor estadístico z, para muestra grande y desviación estándar poblacional desconocida se

determina por la ecuación:

En la prueba para una media poblacional con muestra pequeña y desviación estándar poblacional
desconocida se utiliza el valor estadístico t.

Formular la regla de decisión

Se establece las condiciones específicas en la que se rechaza la hipótesis nula y las condiciones
en que no se rechaza la hipótesis nula. La región de rechazo define la ubicación de todos los
valores que son tan grandes o tan pequeños, que la probabilidad de que se presenten bajo la
suposición de que la hipótesis nula es verdadera, es muy remota
Distribución muestral del valor estadístico z, con prueba de una cola a la derecha

Valor crítico: Es el punto de división entre la región en la que se rechaza la hipótesis nula y la
región en la que no se rechaza la hipótesis nula.

Tomar una decisión.

En este último paso de la prueba de hipótesis, se calcula el estadístico de prueba, se compara con
el valor crítico y se toma la decisión de rechazar o no la hipótesis nula. Tenga presente que en
una prueba de hipótesis solo se puede tomar una de dos decisiones: aceptar o rechazar la hipótesis
nula. Debe subrayarse que siempre existe la posibilidad de rechazar la hipótesis nula cuando no
debería haberse rechazado (error tipo I). También existe la posibilidad de que la hipótesis nula se
acepte cuando debería haberse rechazado (error de tipo II).

Ejemplo en la cual se indica el procedimiento para la prueba de hipótesis

Ejemplo

El jefe de la Biblioteca Especializada de la Facultad de Ingeniería Eléctrica y Electrónica de la

UNAC manifiesta que el número promedio de lectores por día es de 350. Para confirmar o no
este supuesto se controla la cantidad de lectores que utilizaron la biblioteca durante 30 días. Se
considera el nivel de significancia de 0.05

Datos:

Día Usuarios Día Usuarios Día Usuario

1 356 11 305 21 429

2 427 12 413 22 376

3 387 13 391 23 328

4 510 14 380 24 411

5 288 15 382 25 397

6 290 16 389 26 365

7 320 17 405 27 405

8 350 18 293 28 369

9 403 19 276 29 429

10 329 20 417 30 364

Solución: Se trata de un problema con una media poblacional: muestra grande y desviación
estándar poblacional desconocida.

Paso 01: Seleccionamos la hipótesis nula y la hipótesis alternativa

Ho: μ═350

Ha: μ≠ 350

Paso 02: Nivel de confianza o significancia 95%

α═0.05

Paso 03: Calculamos o determinamos el valor estadístico de prueba

De los datos determinamos: que el estadístico de prueba es t, debido a que el numero de muestras
es igual a 30, conocemos la media de la población, pero la desviación estándar de la población es
desconocida, en este caso determinamos la desviación estándar de la muestra y la utilizamos en la
formula reemplazando a la desviación estándar de la población.
Calculamos la desviación estándar muestral y la media de la muestra empleando Excel, lo cual se
muestra en el cuadro que sigue.

Columna1

Media 372.8

Error típico 9.56951578

Mediana 381

Moda 405

Desviación estándar 52.4143965

Varianza de la muestra 2747.26897

Curtosis 0.36687081

Coeficiente de asimetría 0.04706877

Rango 234

Mínimo 276

Máximo 510

Suma 11184

Cuenta 30

Nivel de confianza (95.0%) 19.571868

Paso 04: Formulación de la regla de decisión.

La regla de decisión la formulamos teniendo en cuenta que esta es una prueba de dos colas, la
mitad de 0.05, es decir 0.025, esta en cada cola. el área en la que no se rechaza Ho esta entre las
dos colas, es por consiguiente 0.95. El valor critico para 0.05 da un valor de Zc = 1.96.

Por consiguiente la regla de decisión: es rechazar la hipótesis nula y aceptar la hipótesis

alternativa, si el valor Z calculado no queda en la región comprendida entre -1.96 y +1.96. En
caso contrario no se rechaza la hipótesis nula si Z queda entre -1.96 y +1.96.

Paso 05: Toma de decisión.

En este último paso comparamos el estadístico 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 estadístico 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.

UNIDAD 2: ANÁLISIS DE LA VARIANZA

Los análisis de varianza, también llamados ANOVA, por sus siglas en inglés, son una colección
de métodos para comparar múltiples medias de diferentes grupos.

En primer lugar, y como se realizarían simultánea e independientemente varios contrastes de

hipótesis, la probabilidad de encontrar alguno significativo por azar aumentaría. En cada
contraste se rechaza la H0 si la t supera el nivel crítico, para lo que, en la hipótesis nula, hay una
probabilidad α . Si se realizan m contrastes independientes, la probabilidad de que, en la hipótesis
nula, ningún estadístico supere el valor crítico es (1 - α )m, por lo tanto, la probabilidad de que
alguno lo supere es 1 - (1 - α)m, que para valores de α próximos a 0 es aproximadamente igual a α 
m. Una primera solución, denominada método de Bonferroni, consiste en bajar el valor de α,
usando en su lugar α /m, aunque resulta un método muy conservador.

Por otro lado, en cada comparación la hipótesis nula es que las dos muestras provienen de la
misma población, por lo tanto, cuando se hayan realizado todas las comparaciones, la hipótesis
nula es que todas las muestras provienen de la misma población y, sin embargo, para cada
comparación, la estimación de la varianza necesaria para el contraste es distinta, pues se ha hecho
en base a muestras distintas.
El método que resuelve ambos problemas es el anova, aunque es algo más que esto: es un método
que permite comparar varias medias en diversas situaciones; muy ligado, por tanto, al diseño de
experimentos y, de alguna manera, es la base del análisis multivariante.

Bases del análisis de la varianza

Supónganse k muestras aleatorias independientes, de tamaño n, extraídas de una única población

normal. A partir de ellas existen dos maneras independientes de estimar la varianza de la
2
población α

1) Una llamada varianza dentro de los grupos (ya que sólo contribuye a ella la varianza dentro de
las muestras), o varianza de error, o cuadrados medios del error, y habitualmente representada
por MSE (Mean Square Error) o MSW (Mean Square Within) que se calcula como la media de
las k varianzas muéstrales (cada varianza muestral es un estimador centrado de α 2 y la media
de k estimadores centrados es también un estimador centrado y más eficiente que todos
ellos). MSE es un cociente: al numerador se le llama suma de cuadrados del error y se representa
por SSE y al denominador grados de libertad por ser los términos independientes de la suma de
cuadrados.

2) Otra llamada varianza entre grupos (sólo contribuye a ella la varianza entre las distintas
muestras), o varianza de los tratamientos, o cuadrados medios de los tratamientos y representada
por MSA o MSB (Mean Square Between). Se calcula a partir de la varianza de las medias
muéstrales y es también un cociente; al numerador se le llama suma de cuadrados de los
tratamientos (se le representa por SSA) y al denominador (k-1) grados de libertad.

MSA y MSE, estiman la varianza poblacional en la hipótesis de que las k muestras provengan de

la misma población. La distribución muestral del cociente de dos estimaciones independientes de
la varianza de una población normal es una F con los grados de libertad correspondientes al
numerador y denominador respectivamente, por lo tanto se puede contrastar dicha hipótesis
usando esa distribución.

Si en base a este contraste se rechaza la hipótesis de que MSE y MSA estimen la misma varianza,

se puede rechazar la hipótesis de que las k medias provengan de una misma población.
Aceptando que las muestras provengan de poblaciones con la misma varianza, este rechazo
implica que las medias poblacionales son distintas, de modo que con un único contraste se
contrasta la igualdad de k medias.

Existe una tercera manera de estimar la varianza de la población, aunque no es independiente de

las anteriores. Si se consideran las kn observaciones como una única muestra, su varianza
muestral también es un estimador centrado de α 2:

Se suele representar por MST, se le denomina varianza total o cuadrados medios totales, es

también un cociente y al numerador se le llama suma de cuadrados total y se representa por SST,
y el denominador (kn -1) grados de libertad.

Los resultados de un anova se suelen representar en una tabla como la siguiente:

Fuente de variación G.L. SS MS F

Entre grupos k-1 SSA SSA /(k-1) MSA /MSE
Tratamientos
Dentro (n-1)k SSE SSE /k(n-1)  
Error
Total kn-1 SST    

F se usa para realizar el contraste de la hipótesis de medias iguales. La región crítica para dicho
contraste es F > F(k-1,(n-1)k)

Algunas propiedades

Es fácil ver en la tabla anterior que

GLerror+ GLtrata = (n - 1) k + k - 1 = k + k - 1 = nk - 1 = GLtotal

No es tan inmediato, pero las sumas de cuadrados cumplen la misma propiedad,

llamada identidad o propiedad aditiva de la suma de cuadrados:

SST = SSA + SSE

El análisis de la varianza se puede realizar con tamaños muéstrales iguales o distintos, sin
embargo es recomendable iguales tamaños por dos motivos:

1) La F es insensible a pequeñas variaciones en la asunción de igual varianza, si el tamaño es

igual.

2) Igual tamaño minimiza la probabilidad de error tipo II.

4. Situaciones problemáticas relacionadas con distribución de

muestreo y estimaciones
Un auditor desea probar el supuesto de que el valor promedio de todas las cuentas por cobrar en
una empresa determinada es de $260.000, tomando una muestra de 36 cuentas y calculando la
media muestral. Desea rechazar el valor supuesto de $260.000 solo si la media muestral lo
contradice en forma clara, por lo que se debe dar el beneficio de la duda. Determinar los valores
críticos de la media muestral para probar la hipótesis, con un nivel de significancia del 5%, si la
desviación estándar es σ = $43.000.

1) La hipótesis nula. H 0 : μ = $260.000

2) La hipótesis alternativa. H 1 : μ ≠ $260.000.

3) Nivel de significancia: 5% = 0.05. Colas: 2.5 = 0.025

4) Estadísticos de prueba para X́ : n = 36 σ =$

La desviación estándar de la media muestral es:

σ 43.000
σ x́ = = =7166.67
√ n √36

Para A = 0.025. El valor de unidades estandarizadas según tabla es Z = -1.96 y Z = 1.96.

X 1 =245.953.33 μ X 1 =274.046.67
Los valores críticos para Z: -1.96 < Z < 1.96.

Calculamos el intervalo.
Para Z1 =−1.96, X́ CR =μ ± Z σ X́

x́ 1 CR=260.000−( 1.96 ) (7166.67)

 x́ 1 CR=260.000−14.046 .67

x́ 1 CR=245.953.33

Para Z1 =1.96, X́ CR =μ ± Z σ X́

x́ 1 CR=260.000+ ( 1.96 ) (7166.67)

x́ 1 CR=260.000+ 14.046.67

x́ 1 CR=274.046.67

Los valores críticos de la media: 245.953.33 < μ < 274.046.67

Para rechazar la hipótesis nula, la media muestral debe tener un valor inferior a $245.953.33 o
mayor a $274.046.67.
H 0 : μ = $260.000, se rechaza si la media no pertenece al intervalo determinado por
[245.953.33; 274.046.67].
Cuando se determina el valor de la media muestral, se transforma en unidades estandarizadas
Z, para comparar con los valores críticos Z.
X́−μ
Z=
σ x́
Si la media muestral es X́ =240.000 se debe determinar si se acepta o se rechaza la hipótesis
nula.
X́−μ 240.000−260.000
Z= = =−2.7906
σ x́ 7166.67
Como este valor se encuentra en la región de rechazo;

Z = -2.7906 No pertenece a -1.96 < Z < 1.96

Se rechaza la hipótesis nula y se acepta la alternativa:

H 1 : μ ≠ $260.000.

Recuerde que el valor de X́ =240.000 no se encuentra en el intervalos 245.953.33 < μ <

274.046.67.

2.- La media de llenado de las cajas de un cereal determinado en una empresa de empacados
es de 368 gr. El proceso es tan rápido que en algunas cajas hay excesos y en otras hay faltante.
Supóngase que en una muestra de 25 cajas la desviación estándar de la población es de 15 gr.
Y la media muestral es de 372.5 gr. Se rechaza o se acepta la prueba de hipótesis nula,
teniendo en cuenta un nivel de significancia del 5%. Es equivalente al Intervalo de confianza
del 95%.

1. La hipótesis nula. H 0 : μ =

La hipótesis alternativa. H 1 : μ ≠ .

2. Nivel de significancia: = . Colas: = .

3. Estadísticos de prueba para X́ : n = 36 σ = $43.000.

La desviación estándar de la media muestral es:

σ
σ x́ = =¿
√n

Para A = . El valor de unidades estandarizadas según tabla es Z = yZ= .

Intervalo de los valores críticos para Z:

4. Calculamos los valores límites del intervalo.

Para Z1 =¿, X́ CR =μ ± Z σ X́

Para Z2 =¿, X́ CR =μ ± Z σ X́

Intervalo de valores críticos de la media:

5. Si la media muestral es X́ =372.5 se debe determinar si se acepta o se rechaza la hipótesis

nula.

X́−μ
Z= =¿
σ x́

3.-Para justificar su petición de aumento de salario, los empleados del Depto. de

despachos de una firma de ventas por correo, sostienen que en promedio el Depto.
completa una orden en 13 min. Si Ud. es el gerente general de firma, Que
conclusión obtiene si en una muestra de 400 ordenes, da un tiempo medio de
terminación del pedido de 14 min, con una desviación estándar de 10 min y un nivel
de significancia del 0.05.

Con un nivel de significancia de 0.05, el tiempo de espera medio para despachar una orden se ha
modificado durante el último mes con respecto a su valor de la media poblacional de 4.5 min.

P1: La hipótesis nula dice que la media poblacional de atención a los clientes en un pedido no ha
cambiado con relación a su valor previo.

H 0 :μ=4.5

La hipótesis alternativa es contraria a la hipótesis nula:

H 1 : μ ≠ 4.5

P2: Se selecciona una muestra n = 25

Nivel de significancia α =0.05

P3: Se conoce la σ =1.2. y el estadístico de prueba Z.

P4: Como α =0.05. Los valores críticos son:

A = 0.025 y según tabla Z1 =−1.96 y Z2 =1.96

Región de aceptación es:

 -1.96 < Z < 1.96

σ 1.2
σ x́ = = =0.24
√ n √ 25

P5: Para el valor de la media muestral X́ =5.1 Hallamos Z.

X́−μ 5.1−4.5
Z= = =2.5
σ x́ 0.24

P6: Como Z = 2.5 y se encuentra fuera del intervalo de los valores críticos, existe una evidencia
de que el tiempo de espera al pedir una orden se ha modificado con respecto a su valor de la
media poblacional de 4.5 min. El tiempo de espera es mayor.

CONCLUSIÓN: Es necesario que la empresa realice ajustesinternos para poder mantener o bajar
el promedio de atención en sus clientes en las órdenes de pedido.

4.-Solucionar los problemas 10.1, 10.3, 10.4, 10.6, 10.7, 10.17, 10.18, 10.24,
10.43 y 10.44 del libro: Wackerly, D.D. and Mendenhall, W. and Scheaffer,
R.L. (2009), Estadística Matemática Con Aplicaciones, Séptima Edición

Ejercicio 10.1

Defina a y b para una prueba estadística de hipótesis.

Se le conoce como a y b a los valores que debemos estimar o que se desean encontrar conocidas
como: hipótesis nula e hipótesis de investigación.

Ejercicio 10.3

Un investigador ha preparado un nivel de dosis de droga que según él, inducirá el sueño en 80%
de las personas que sufren de insomnio. Después de examinar la dosis, pensamos que lo dicho
por él respecto a la efectividad de la dosis es exagerado. En un intento por refutar su dicho,
administramos la dosis prescrita a 20 personas que padecen de insomnio y observamos Y, el
número de individuos a quienes la dosis induce el sueño. Deseamos probar la hipótesis H0: p = .8
contra la alternativa, Ha: p < .8. Suponga que se usa la región de rechazo {y ≤ 12}.

a. Defina la región de rechazo de la forma {y ≤ c} de modo que a ≈ .01.

b. Para la región de rechazo del inciso a, encuentre b cuando p = .6.
c. Para la región de rechazo del inciso a, encuentre b cuando p = .4

Ejercicio 10.4

Suponga que deseamos probar la hipótesis nula H0 de que la proporción p de hojas de

contabilidad con errores es igual a .05 contra la alternativa Ha de que la proporción es mayor
que .05 usando el siguiente esquema. Se seleccionan al azar dos hojas de contabilidad. Si ninguna
de ellas tiene errores, rechazamos H0; si una o más contienen un error, vemos una tercera hoja. Si
ésta no tiene errores, rechazamos H0. En todos los otros casos aceptamos H0.

a. De acuerdo con la información de este problema, ¿qué es un error tipo I?

b. ¿Cuál es el valor de a relacionado con esta prueba?

c. Con base en la información de este problema, ¿qué es un error tipo II?

d. Calcule b = P (error tipo II) como una función de p

Ejercicio 10.6

Nos interesa probar si una moneda está o no balanceada, con base en el número de caras Y en 36
tiros de la moneda. (H0: p = .5 contra Ha: p ≠ .5). Si usamos la región de rechazo |y − 18| ≥ 4,

a. ¿cuál es el valor de a?

b. El valor de b si p = .7?

1.- Un auditor desea probar el supuesto de que el valor promedio de todas las cuentas por
cobrar en una empresa determinada es de $260.000, tomando una muestra de 36 cuentas y
calculando la media muestral. Desea rechazar el valor supuesto de $260.000 solo si la media
muestral lo contradice en forma clara, por lo que se debe dar el beneficio de la duda.
Determinar los valores críticos de la media muestral para probar la hipótesis, con un nivel de
significancia del 5%, si la desviación estándar es 𝜎 = $43.000.

1) La hipótesis nula. 𝐻0 : 𝜇 = $260.000

2) La hipótesis alternativa. 𝐻1 : 𝜇 ≠ $260.000.

3) Nivel de significancia: 5% = 0.05. Colas: 2.5 = 0.025

4) Estadísticos de prueba para 𝑋̅: n = 36 𝜎 = $43.000

La desviación estándar de la media muestral es:

σ 43.000
σ x́ = = =7166.67
√ n √36

Para A = 0.025. El valor de unidades estandarizadas según tabla es Z = -1.96 y Z = 1.96.

Los valores críticos para Z: -1.96 < Z < 1.96.

5. Calculamos los valores limites del intervalo.
Para Z1 =−1.96, X́ CR =μ ± Z σ X́
x́ 1 CR=260.000−( 1.96 ) (7166.67)
x́ 1 CR=260.000−14.046 .67
x́ 1 CR=245.953.33

Para Z1 =1.96, X́ CR =μ ± Z σ X́
x́ 1 CR=260.000+ ( 1.96 ) (7166.67)
x́ 1 CR=260.000+ 14.046.67
 x́ 1 CR=274.046.67
Los valores críticos de la media: 245.953.33 < μ < 274.046.67
6. Para rechazar la hipótesis nula, la media muestral debe tener un valor inferior a
$245.953.33 o mayor a $274.046.67.
H 0 : μ = $260.000, se rechaza si la media no pertenece al intervalo determinado por
[245.953.33; 274.046.67].
7. Cuando se determina el valor de la media muestral, se transforma en unidades
estandarizadas Z, para comparar con los valores críticos Z.
X́−μ
Z=
σ x́
8. Si la media muestral es X́ =240.000 se debe determinar si se acepta o se rechaza la
hipótesis nula.
X́−μ 240.000−260.000
Z= = =−2.7906
σ x́ 7166.67
Como este valor se encuentra en la región de rechazo;
Z = -2.7906 No pertenece a -1.96 < Z < 1.96
Se rechaza la hipótesis nula y se acepta la alternativa:
H 1 : μ ≠ $260.000.

Recuerde que el valor de X́ =240.000 no se encuentra en el intervalos 245.953.33 < μ <

274.046.67.

2.- La media de llenado de las cajas de un cereal determinado en una empresa de empacados
es de 368 gr. El proceso es tan rápido que en algunas cajas hay excesos y en otras hay faltante.
Supóngase que en una muestra de 25 cajas la desviación estándar de la población es de 15 gr.
Y la media muestral es de 372.5 gr. Se rechaza o se acepta la prueba de hipótesis nula,
teniendo en cuenta un nivel de significancia del 5%. Es equivalente al Intervalo de confianza
del 95%.

6. La hipótesis nula. H 0 : μ =
La hipótesis alternativa. H 1 : μ ≠ .

7. Nivel de significancia: = . Colas: = .

8. Estadísticos de prueba para X́ : n = 36 σ = $43.000.

La desviación estándar de la media muestral es:

σ
σ x́ = =¿
√n

Para A = . El valor de unidades estandarizadas según tabla es Z = yZ= .

Intervalo de los valores críticos para Z: .

9. Calculamos los valores limites del intervalo.

Para Z1 =¿, X́ CR =μ ± Z σ X́

Para Z2 =¿, X́ CR =μ ± Z σ X́

Intervalo de valores críticos de la media:

10. Si la media muestral es X́ =372.5 se debe determinar si se acepta o se rechaza la hipótesis

nula.

X́−μ
Z= =¿
σ x́

3.-Para justificar su petición de aumento de salario, los empleados del Depto. de

despachos de una firma de ventas por correo, sostienen que en promedio el Depto.
completa una orden en 13 min. Si Ud. es el gerente general de firma, Que
conclusión obtiene si en una muestra de 400 ordenes, da un tiempo medio de
terminación del pedido de 14 min, con una desviación estándar de 10 min y un nivel
de significancia del 0.05.
Con un nivel de significancia de 0.05, el tiempo de espera medio para despachar una orden se ha
modificado durante el último mes con respecto a su valor de la media poblacional de 4.5 min.

P1: La hipótesis nula dice que la media poblacional de atención a los clientes en un pedido no ha
cambiado con relación a su valor previo.

H 0 :μ=4.5

La hipótesis alternativa es contraria a la hipótesis nula:

H 1 : μ ≠ 4.5

P2: Se selecciona una muestra n = 25

Nivel de significancia α =0.05

P3: Se conoce la σ =1.2. y el estadístico de prueba Z.

P4: Como α =0.05. Los valores críticos son:

A = 0.025 y según tabla Z1 =−1.96 y Z2 =1.96

Región de aceptación es:

-1.96 < Z < 1.96

σ 1.2
σ x́ = = =0.24
√ n √ 25

P5: Para el valor de la media muestral X́ =5.1 Hallamos Z.

 X́−μ 5.1−4.5
Z= = =2.5
σ x́ 0.24

P6: Como Z = 2.5 y se encuentra fuera del intervalo de los valores críticos, existe una evidencia
de que el tiempo de espera al pedir una orden se ha modificado con respecto a su valor de la
media poblacional de 4.5 min. El tiempo de espera es mayor.

CONCLUSIÓN: Se deben realizar ajustes dentro de la empresa para poder mantener o bajar el
promedio de atención en sus clientes en las órdenes de pedido.

TABLA PARA INTERIORIZAR CONCEPTOS.

 REFERENCIAS BIBLIOGRAFICAS

 Sierra, J. (2013. ). INFERENCIA ESTADÍSTICA. Módulo de la Universidad Abierta y a

Distancia –UNAD. Recuperado de http://hdl.handle.net/10596/11310
 Gómez, M. (2005). Inferencia estadística. Editorial Ediciones Díaz de  Santos.
Recuperado de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/detail.action?
docID=10156663&p00=inferencia+estadistica
 Sánchez, J. (2017). Pruebas de hipótesis. Recuperado
de http://hdl.handle.net/10596/10537
 Sáez, A. (2010). Métodos Estadísticos con R y R Commander, Universidad de Jaen.
Recuperado de https://cran.r-project.org/doc/contrib/Saez-Castillo-RRCmdrv21.pdf