Manual de Estadistica y Probabilidad I

Probabilidad y Estadstica
UNIVERSIDAD NACIONAL DEL SANTA

FACULTA DE CIENCIAS
DEPARTAMENTO DE MATEMATICAS
Escuela Acadmica Profesional de Inenier!a en Ener!a
MANUAL
PRO"A"ILIDAD # ESTAD$STICA
Au%or
Ms& Luis Pa'uelo (on)*les
Primera Edici+n ,-..
1
INDICE (ENERAL
INTRODUCCI/N A LA ESTAD$STICA0000000000000000& 1
Importancia de la Estadstica 5
Conceptos bsicos en la estadstica.. 6
Variables estadsticas 7
Muestreo
PRESENTACI/N DE LOS DATOS000000000000000000& .2
!istribuci"n de #recuencias 17
!istribuci"n de #recuencias por inter$alos 17
!istribuci"n de #recuencias por clases.. %1
!istribuci"n de #recuencias por cate&oras %%
MEDIDAS ESTAD$STICAS000000000000000000000&& ,3
Medidas de centrali'aci"n.. %6
Media (ritm)tica %6
Mediana.. %
Moda.. *%
Medidas de dispersi"n *6
Varian'a.. *6
!es$iaci"n estndar *7
Coe#iciente de $ariaci"n. *7
Medidas de #orma... +,
(simetra. +,
-urtosis+%
PRO"A"ILIDAD # DISTRI"UCIONES DE PRO"A"ILIDAD000000014
.ese/a 0ist"rica.. +*
Conceptos bsicos... ++
!e#inici"n de probabilidad. +5
En#o1ues de probabilidad.. +6
Propiedades de la probabilidad. +7
Probabilidad condicional.. +7
Partici"n del espacio muestral.. +
Probabilidad total.. +
2eorema de 3ayes. +
Variable (leatoria. 5,
Variable aleatoria discreta. 5,
Variable aleatoria contin4a 51
DISTRI"UCIONES PARA VARIA"LES ALEATORIAS DISCRETAS000 5.
!istribuci"n 3inomial 5%
!istribuci"n de Poisson 55
DISTRI"UCIONES PARA VARIA"LES ALEATORIAS CONTINUAS00&& 56
!istribuci"n 5ormal. 56
!istribuci"n t 7tudent... 6%
!istribuci"n C0i 8 cuadrado. 6+
!istribuci"n 9 de 9is0er 65
INTRODUCCI/N A LA ESTAD$STICA INFERENCIAL00000000&&& 32
Es%imaci+n de Par*me%ros0000000000000000000000& 36
!istribuci"n de la media muestral 66
Estimaci"n por Inter$alos de con#ian'a para la media poblacional 7000&& 38
%
2ama/os de muestra para $ariables cuantitati$as7,
Inter$alo de con#ian'a para la $arian'a...7+
!istribuci"n para la di#erencia de medias muestrales75
Inter$alo de con#ian'a para la di#erencia de medias 9
1 %

:000000&25
!istribuci"n para una proporci"n muestral.6,
Inter$alo de con#ian'a para una proporci"n61
2ama/o de muestra para $ariables dicotomicas..6%
!istribuci"n para la di#erencia de proporciones muestrales6*
Inter$alo de con#ian'a para la di#erencia de proporciones..6*
Prue;as de <i=+%esis0000000000000000000000000& 66
Prueba de 0ip"tesis para la media ... 66
Prueba de 0ip"tesis para la $arian'a.. 1
Prueba de 0ip"tesis para la di#erencia de medias : : 1 %

; ; * *
Prueba de 0ip"tesis para la proporci"n..1,1
Prueba de 0ip"tesis para la di#erencia de proporciones.1,+
Prueba de 0ip"tesis de independencia de criterios.1,7
*
Ca=!%ulo .
INTRODUCCI/N A LA ESTAD$STICA
( medida 1ue aumenta la comple<idad de nuestro mundo y nos internamos por los
senderos reales y $irtuales del nue$o milenio= se 0ace ms di#cil tomar decisiones
in#ormadas e inteli&entes. Con #recuencia= estas decisiones 0an de tomarse con un
conocimiento imper#ecto de la situaci"n y un &rado considerable de incertidumbre= sin
embar&o= las soluciones pertinentes son esenciales para nuestro bienestar e incluso para
nuestra super$i$encia. Estamos e>puestos a la presi"n constante de problemas
econ"micos &alopantes y an&ustiantes= en casi todos los pases desarrollados=
subdesarrollados y tercermundistas= un sistema #iscal en&orroso= coerciti$o e in<usto y
oscilaciones e>cesi$as del ciclo econ"mico.
2odo nuestro te<ido socioecon"mico esta amena'ado por una contaminaci"n ambiental
e>ponencialmente creciente= por una deuda p4blica opresi$a y criminal= por un ndice de
delincuencia 1ue se incrementa sin cesar da a da como consecuencia de la perdida de
$alores morales y por unos intereses impredecibles 1ue coadyu$an a incrementar la ya
casi in#inita brec0a entre los pases desarrollados y los pases pobres de (sia=
?atinoam)rica y @#rica.
5uestro periodo de )>ito en este planeta= relati$amente= bre$e no es nin&una &aranta de
super$i$encia #utura. ( menos 1ue se encuentren soluciones $iables a estos apremiantes
problemas. En ra'"n de lo anteriormente e>puesto= es necesario contar con 0erramientas
altamente con#iables 1ue nos permitan tomar decisiones acertadas y e#icaces para poder
resol$er los problemas prioritarios 1ue podran enmarcarse posiblemente de acuerdo al
criterio 6,A%, :el 6,B de todos los problemas se deben al %,B de las causas.; .!e a0
1ue sea #undamental 1ue todos los #uturos pro#esionales 1ue pretendan diri&ir
correctamente los destinos de la 0umanidad= aprendan y se sir$an de los m)todos
estadsticos para minimi'ar la probabilidad de error en la toma de decisiones en esta era
llamada del conocimiento= 1ue actualmente cuentan con todas las ayudas de 4ltima
&eneraci"n 1ue a tra$)s de e>celentes so#tCare permiten a&ili'ar todo el traba<o
estadstico. Es altamente recomendable 1ue a la par con la #ormaci"n 0umanstica 1ue
se imparte en nuestra uni$ersidad= se actualice las t)cnicas peda&"&icas y se introdu'can
en los contenidos pro&ramticos y curriculares de los di#erentes pro&ramas= la
+
obli&aci"n 1ue los docentes y estudiantes utilicen los di#erentes so#tCare 1ue se
consi&uen en el mercado= 1ue le permitan estar actuali'ados con las tecnolo&as de
puntas.
.&.& IMPORTANCIA DE LA ESTAD$STICA
2odos los campos de la in$esti&aci"n cient#ica seria= se pueden bene#iciar del anlisis
estadstico ya 1ue las t)cnicas estadsticas se pueden utili'ar en casi todos los aspectos
de la $ida. 7e dise/an encuestas para recopilar in#ormaci"n pre$ia al da de elecciones y
as predecir el resultado de las mismas. 7e seleccionan al a'ar consumidores para
obtener in#ormaci"n con el #in de predecir la pre#erencia con respecto a ciertos
productos yAo ser$icios.
?os responsables de la toma de decisiones sobre la poltica econ"mica= asesores
presidenciales= ministeriales y de otros altos car&os p4blicos= tienen en la estadstica una
0erramienta muy $aliosa. ?os economistas consideran $arios ndices de la situaci"n
econ"mica durante cierto periodo y utili'an la in#ormaci"n para predecir la situaci"n
econ"mica #utura. Dnicamente con la ayuda del anlisis estadstico pueden tomarse
decisiones inteli&entes en relaci"n con los tipos tributarios= pro&ramas sociales= &astos
de de#ensas= polticas laborales= in$ersiones prioritarias.
Es #undamental para los empresarios= en su b4s1ueda incansable del bene#icio= donde
las acti$idades de control total de calidad= minimi'aci"n de costos= combinaci"n de
productos E e>istencias y multitud de aspectos empresariales se pueden &estionar con
e#icacia mediante procedimientos estadsticos contrastados. ?os in&enieros muestrean
las caractersticas de calidad de un producto= <untos con otras $ariables controladas del
proceso para #acilitar la identi#icaci"n de las $ariables 1ue estn mas relacionadas con
dic0a calidad.
En la in$esti&aci"n de mercados= la estadstica representa una ayuda inestimable para
determinar si es probable 1ue un nue$o producto yAo ser$icio ten&a )>ito. 7u utilidad es
e$idente tambi)n para los asesores #inancieros 1ue 0an de e$aluar las oportunidades de
in$ersi"n a tra$)s de las bolsas de $alores. Contadores= directores de personal y
#abricantes se bene#ician i&ualmente del anlisis estadstico.
Incluso los in$esti&adores m)dicos= sic"lo&os= si1uiatras y muc0os pro#esionales del
sector de la salud y del comportamiento= 1ue preocupados por la e#icacia de nue$os
medicamentos= reali'an e>perimentos para determinar su e#ecto ba<o ciertas condiciones
5
ambientales controladas en los 0umanos y en los animales para la determinaci"n del
m)todo apropiado para curar ciertas en#ermedades= encuentran en la estadstica un
aliado imprescindible.
En t)rmino &enerales la estadstica se puede utili'ar para me<orar el rendimiento en el
traba<o y en muc0os aspectos de la $ida diaria ya 1ue es una &ua uni$ersal para lo
desconocido.
.&,& CONCEPTOS ">SICOS EN LA ESTAD$STICA
Es%ad!s%ica
Es una ciencia 1ue re1uiere del conocimiento matemtico y 1ue nos permite recopilar=
or&ani'ar :clasi#icar= a&rupar;= presentar= describir y anali'ar datos a #in de reali'ar
&enerali'aciones $alidas o tomar e#icientes decisiones.
Es%ad!s%ica Descri=%i?a
Presenta un con<unto de m)todos 1ue nos permite recolectar= presentar los datos en
tablas o cuadros y &r#icos= describir y anali'ar mediante el caculo de las medidas de
resumenF sin intentar in#erir nada 1ue $aya ms all de los datos como tales.
Es%ad!s%ica Inferencial
Presenta un con<unto de m)todos 1ue nos permite reali'ar &enerali'aciones $lidas en
una poblaci"n con un ni$el de con#iabilidad sobre los resultados obtenidos en una
muestra.
Po;laci+n
Es un con<unto de indi$iduos= ob<etos o e$entos 1ue contienen una o ms caractersticas
comunes obser$ables de naturale'a cuantitati$a o cualitati$a. 7u tama/o com4nmente se
denota por G5H.
Unidad de o;ser?aci+n@ unidad es%ad!s%ica o unidad de an*lisis@ es el indi$iduo=
ob<eto o e$ento de una poblaci"n= de 1uien se obtiene in#ormaci"n. ?a unidad debe ser
adecuada al tipo de in$esti&aci"n y debe poseer caractersticas claras y entendibles 1ue
permitan mediciones y comparaciones.
6
Da%o@ ?alor o;ser?ado o sim=lemen%e o;ser?aci+n@ es el resultado de medir una
caracterstica de una unidad de anlisis.
Par*me%ro@ es un n4mero o una medida de resumen 1ue describe a una caracterstica de
la poblaci"n= tal como la media poblacional ( )
o la $arian'a poblacional ( )
%
.
TamaAo de la Po;laci+n@ por el n4mero de elementos 1ue la componen la poblaci"n se
clasi#ica en #inita o in#inita.
?a =o;laci+n es fini%a cuando tiene un n4mero limitado de elementos y es infini%a caso
contrario. En la prctica una poblaci"n #inita 1ue tiene un &ran n4mero de elementos se
le considera una poblaci"n in#inita.
Mues%ra
Es un sub con<unto o parte de una poblaci"n seleccionada de acuerdo a un plan de
muestreo= de tal manera 1ue sea representati$a. El tama/o de la muestra se suele denotar
por GnH.
Es%ad!s%ico o es%ad!rafo@ es un n4mero o una medida de resumen 1ue describe a una
caracterstica de la muestra= tal como la media muestral ( )
X
o la $arian'a muestral
( )
%
s
.
.&4& VARIA"LES ESTAD$STICAS
.as&o= caracterstica o propiedades medibles= obser$ables con $ariabilidad 1ue poseen
los elementos de una poblaci"n o de una muestra. Ina $ariable puede ser cualitati$a o
cuantitati$a.
ESCALA DE MEDIDA. Es un patr"n o con<unto de criterios claramente de#inidos 1ue
permite asi&nar= sin ambi&Jedades= $alor a una $ariable. El concepto de $alor incluye=
adems de n4meros= letras= letras y n4meros= palabras= etc.
VARIA"LE CUALITATIVAB Es a1uella 1ue su medici"n se puede e>presar
normalmente por medio de una palabra o palabras y no de n4meros.
7
Por e<emplo= el estado ci$il= la nacionalidad= el se>o= la pro#esi"n= la ra'a= el color de la
piel de los pro#esores de la I57.
?as $ariables cualitati$as pueden ser ;inomiales o mul%inomiales. 7e pueden 0acer
obser$aciones solas en dos cate&oras sobre una $ariable cualitati$a binomial= por
e<emplo= 0ombre o mu<er= buenas o malas= rico o pobre= ausente o presente= empleado o
desempleado.
7obre una $ariable cuali%a%i?a mul%inomial se pueden 0acer obser$aciones en ms de
dos cate&oras= por e<emplo= en puestos de traba<o= colores= idiomas= nacionalidades=
reli&iones= etc. Las ?aria;les cuali%a%i?as =ueden ser nominales u ordinales.
NOMINAL. 7ir$en 4nicamente para identi#icar la di#erencia o seme<an'a= as como el
criterio para asi&nar el n4mero u el c"di&o= por e<emplo para saber el color del pelo de
una persona.
ORDINAL. Permite distin&uir di#erencia o semana'a y <erar1ua= adems asi&na el
n4mero a una $ariable 1ue sir$e s"lo para ordenar= por e<emplo como el puesto 1ue
ocupa un atleta en una carrera.
VARIA"LE CUANTITATIVAK Es a1uella 1ue su medici"n se e>presa
num)ricamente. Por e<emplo= las e>portaciones de ca#)= las $entas de acero= el in&reso
per cpita= la producci"n de autos= el decomiso de cocana= las 0ectreas #umi&adas= etc.
Las ?aria;les cuan%i%a%i?as =ueden ser discre%as o con%inuas.
VARIA"LE DISCRETAK Es a1uella 1ue solo puede tomar determinados $alores por
lo &eneral= n4meros enteros= por e<emplo= el numero de 0i<os de una #amilia= numero de
empleados de una empresa= numero de $acas en una 0acienda= numero de carros
#abricados= etc.
VARIA"LE CONTINUAB Es a1uella 1ue toma cual1uier $alor dentro de un inter$alo
dado. Por muy cerca 1ue est)n dos obser$aciones siempre es posible 0acer otra
medici"n 1ue cai&an dentro de esas dos. ?os $alores de una $ariable continua pro$ienen
de las mediciones y de los pesa<es. Por e<emplo el peso del reci)n nacido= las
e>portaciones en d"lares del esprra&o= etc.
6
DATOB Es cual1uier obser$aci"n indi$idual de una caracterstica :$ariable; especi#ica=
susceptible de ser comparada. Un con'un%o de da%os es uni?ariado@ ;i?ariado o
mul%i?ariado si con%iene una@ dos@ o mas de dos ?aria;les&
En el cuadro No . 1ue aparece a continuaci"n se muestra una base de datos donde se
pueden obser$ar los di#erentes componentes :unidad elemental= tipos de $ariables=
datos= muestra= etc.;.
CUADRO No .
"ASE DE DATOS DE LOS EMPLEADOS DE LA EMPRESA
Me%alconsul%in Inenieria L%da&
.&1& MUESTREO
?os m)todos estadsticos proponen di#erentes tipos de muestreo= aun1ue en &eneral
pueden di$idirse en dos &randes &ruposK m)todos de muestreo probabilsticas y m)todos
de muestreo no probabilsticas.
M%odos de mues%reo =ro;a;il!s%icas
?os m)todos de muestreo probabilstica son a1uellos 1ue se basan en el principio de
e1uiprobabilidad. Es decir= a1uellos en los 1ue todos los indi$iduos tienen la misma
probabilidad de ser ele&idos para #ormar parte de una muestra y= consi&uientemente=
todas las posibles muestras de tama/o GnH tienen la misma probabilidad de ser ele&idas.
7olo estos m)todos de muestreo probabilstica ase&uran la representati$idad de la
muestra e>trada y son= por tanto= los ms recomendables. !entro de los m)todos de
muestreo probabilstica se encuentran los si&uientes tiposK
Muestreo aleatorio simple
El procedimiento empleado es el si&uienteK 1; se asi&na un n4mero a cada indi$iduo de
la poblaci"n= y %; a tra$)s de al&4n medio mecnico :bolas dentro de una bolsa= tablas
de n4meros aleatorios= n4meros aleatorios &enerados con una calculadora u ordenador=
etc.; se eli&en tantos su<etos como sea necesario para completar el tama/o de muestra
re1uerido. Este procedimiento= atracti$o por su simple'a= tiene poca o nula utilidad
practica cuando la poblaci"n 1ue se esta mane<ando es muy &rande.
Muestreo aleatorio sistemtico
Este procedimiento e>i&e= como el anterior= numerar todos los elementos de la
poblaci"n= pero en lu&ar de e>traer GnH n4meros aleatorios solo se e>trae uno. 7e parte
de ese numero aleatorio i= 1ue es un numero ele&ido al a'ar= y los elementos 1ue
inte&ran la muestra son los 1ue ocupan los lu&ares i= iLM= iL%M= iL*M=...= iL:nE1; M= es
decir se toman los indi$iduos de M en M= siendo M el resultado de di$idir el tama/o de la
poblaci"n entre el tama/o de la muestraK
MN5An. El numero i 1ue se emplea como punto de partida ser un n4mero al a'ar entre 1
y M.
El ries&o se este tipo de muestreo esta en los casos en 1ue se dan periodicidades en la
poblaci"n ya 1ue al ele&ir a los miembros de la muestra con una periodicidad constante
:M; se puede introducir una 0omo&eneidad 1ue no se da en la poblaci"n. 7up"n&ase 1ue
se esta seleccionando una muestra sobre listas de 1, indi$iduos en los 1ue los 5
primeros son $arones y los 5 4ltimos mu<eresF si se emplea un muestreo aleatorio
sistemtico con MN1, siempre sern seleccionados o solo 0ombres o solo mu<eresF no
podra 0aber una representaci"n de los dos se>os.
1,
Muestreo aleatorio estratificado
2rata de ob$iar las di#icultades 1ue presentan los anteriores= ya 1ue simpli#ica los
procesos y suele reducir el error muestral para un tama/o dado de la muestra. Consiste
en considerar cate&oras tpicas di#erentes entre si :estratos; 1ue poseen &ran
0omo&eneidad respecto a al&una caracterstica :se puede estrati#icar= por e<emplo= se&4n
la pro#esi"n= el municipio de residencia= el se>o= el estado ci$il= etc.;. ?o 1ue se
pretende con este tipo de muestreo es ase&urarse de 1ue todos los estratos de inter)s
estarn representados adecuadamente en la muestra. Cada estrato #unciona
independientemente= pudiendo aplicarse dentro de ellos el muestreo aleatorio simple o
el estrati#icado para ele&ir los elementos concretos 1ue #ormaran parte de la muestra. En
ocasiones= las di#icultades 1ue plantea son demasiado &randes= pues e>i&e un
conocimiento detallado de la poblaci"n :tama/o &eo&r#ico= se>os= edades...;.
La dis%ri;uci+n de la mues%ra en funci+n de los diferen%es es%ra%os se denomina
afi'aci+n@ C =uede ser de diferen%es %i=osB
Afijacin simple: a cada estrato le corresponde i&ual n4mero de elementos muestrales.
Afijacin proporcional: la distribuci"n se 0ace de acuerdo con el peso :tama/o; de la
poblaci"n en cada estrato.
Afijacin ptima: se tiene en cuenta la pre$isible dispersi"n de los resultados= de modo
1ue se consideran la proporci"n y la des$iaci"n tpica. 2iene poca aplicaci"n ya 1ue no
se suele conocer la des$iaci"n.
Por e'em=lo@ se esta interesado en estudiar el &rado de aceptaci"n 1ue la implantaci"n
de la re#orma educati$a 0a tenido entre los padres de un municipio. ( tal e#ecto se
selecciono una muestra de 6,, padres de #amilia. 7e conoce por los datos del Ministerio
de Educaci"n 1ue de los 1,,,, ni/os escolari'ados en la bsica= 7,,, acuden a cole&ios
p4blicos y *,,, a cole&ios pri$ados. Como el inter)s es 1ue en la muestra est)n
representados todos los tipos de cole&io= se reali'a un muestreo estrati#icado empleando
como $ariable de estrati#icaci"n el tipo de cole&io.
7i se emplea una a#i<aci"n simple serian *,, ni/os de cada tipo de centro= pero en este
caso parece mas ra'onable utili'ar una a#i<aci"n proporcional pues 0ay bastante
11
di#erencia en el tama/o de los estratos. Por consi&uiente= se calcula la proporci"n para
cada uno de los estratos respecto de la poblaci"n= para poder re#le<arlo en la muestra.
Cole&ios p4blicosK 7,,,A1,,,, N ,.7,
Cole&ios pri$adosK *,,,A1,,,, N ,.*,
Para conocer el tama/o de cada estrato en la muestra se multiplica la proporci"n por el
tama/o muestral.
Cole&ios p4blicosK ,.7,>6,, N +%, padres de #amilia
Cole&ios pri$adosK ,.*,>6,, N 16, padres de #amilia
Muestreo aleatorio por conlomerados
?os m)todos presentados 0asta a0ora estn pensados para seleccionar directamente los
elementos de la poblaci"n= es decir= 1ue las unidades muestrales son los elementos de la
poblaci"n. En el muestreo por con&lomerados la unidad muestral es un &rupo de
elementos de la poblaci"n 1ue #orman una unidad= a la 1ue se denomina con&lomerado.
?as unidades 0ospitalarias= los departamentos uni$ersitarios= una ca<a de determinado
producto= etc. son con&lomerados naturales. En otras ocasiones= se pueden utili'ar
con&lomerados no naturales como= por e<emplo= las urnas electorales. Cuando los
con&lomerados son reas &eo&r#icas suele 0ablarse de Omuestreo por reasO.
El muestreo por con&lomerados consiste en seleccionar aleatoriamente un cierto numero
de con&lomerados :el necesario para alcan'ar el tama/o muestral establecido; y en
in$esti&ar despu)s todos los elementos pertenecientes a los con&lomerados ele&idos.
Por e'em=lo@ en una in$esti&aci"n se trata de conocer el &rado de satis#acci"n laboral
de los empleados de una cadena de almacenesF se toma una muestra de 7,, empleados.
(nte la di#icultad de acceder indi$idualmente a estos empleados= se decide 0acer una
muestra por con&lomerados.
7abiendo 1ue el n4mero de empleados por almac)n es apro>imadamente de *5= los
pasos a se&uir serianK
.eco&er un listado de todos los almacenes.
(si&nar un n4mero a cada uno de ellos.
Ele&ir por muestreo aleatorio simple o sistemtico los %, almacenes :7,,A*5 N %,;
1ue proporcionaran los 7,, empleados 1ue se necesitan.
9inalmente= ante lo comple<a 1ue puede lle&ar a ser la situaci"n real de muestreo es muy
com4n emplear lo 1ue se denomina muestreo polietpico. Este tipo de muestreo se
1%
caracteri'a por operar en sucesi$as etapas= empleando en cada una de ellas el m)todo de
muestreo probabilstica mas adecuado.
M%odos de mues%reo no =ro;a;il!s%icas
( $eces= para estudios e>ploratorios= el muestreo probabilstica resulta e>cesi$amente
costoso y se acude a m)todos no probabilsticas= aun siendo conscientes de 1ue no
sir$en para reali'ar &enerali'aciones= pues no se tiene certe'a de 1ue la muestra e>trada
sea representati$a= ya 1ue no todos los su<etos de la poblaci"n tienen la misma
probabilidad de ser ele&idos. En &eneral= se selecciona a los su<etos si&uiendo
determinados criterios procurando 1ue la muestra sea representati$a.
Muestreo por cuotas
2ambi)n denominado en ocasiones OaccidentalO. 7e asienta &eneralmente sobre la base
de un buen conocimiento de los estratos de la poblaci"n yAo de los indi$iduos ms
Orepresentati$osO o OadecuadosO para los #ines de la in$esti&aci"n. Mantiene= por tanto=
seme<an'as con el muestreo aleatorio estrati#icado= pero no tiene el carcter de
aleatoriedad de a1uel. En este tipo de muestreo se #i<an unas OcuotasO 1ue consisten en
un n4mero de indi$iduos 1ue re4nen determinadas condiciones= por e<emploK %,
indi$iduos de %5 a +, anos= de se>o #emenino y residentes en una misma ciudad. Ina
$e' determinada la cuota= se eli&en los primeros 1ue se encuentre 1ue cumplan esas
caractersticas. Este m)todo se utili'a muc0o en las encuestas de opini"n.
Por e'em=lo@ una uni$ersidad desea estudiar la incidencia de las dro&as en la
adolescencia. ?o 1ue debera 0acer seriaK conocer por los in#ormes del Estado cuales
son los centros educati$os mas a#ectados por el problema= #i<ar un numero de su<etos a
entre$istar= proporcional a cada uno de los estratos :cuotas; y= #inalmente= de<ar en
manos de los responsables del traba<o de campo a 1ue su<etos concretos se deber
entre$istar.
Muestreo opintico o intencional
Este tipo de muestreo se caracteri'a por un es#uer'o deliberado de obtener muestras
Orepresentati$asO mediante la inclusi"n en la muestra de &rupos supuestamente tpicos.
Es muy #recuente su utili'aci"n en sondeos preelectorales de 'onas 1ue en anteriores
$otaciones 0an marcado tendencias de $oto.
1*
Muestreo casual o incidental
7e trata de un proceso en el 1ue el in$esti&ador selecciona directa e intencionadamente
los indi$iduos de la poblaci"n. El caso mas #recuente de este procedimiento es el utili'ar
como muestra los indi$iduos a los 1ue se tiene #cil acceso :los pro#esores de
uni$ersidad emplean con muc0a #recuencia a sus propios alumnos;. In caso particular
es el de los $oluntarios.
!ola de nie"e
7e locali'a a al&unos indi$iduos= los cuales conducen a otros= y estos a otros= y as 0asta
conse&uir una muestra su#iciente. Este tipo se emplea muy #recuentemente cuando se
0acen estudios con poblaciones Omar&inalesO= delincuentes= sectas= determinados tipos
de en#ermos= e&resados de una instituci"n= etc.
E?aluaci+n del ?alor de una encues%a
Cotidianamente se oye o se lee sobre resultados de encuestas en los di#erentes medios
de comunicaci"n. Es e$idente 1ue los a$ances tecnol"&icos en las comunicaciones 0an
pro$ocado la proli#eraci"n de in$esti&aciones por medio de encuestasF sin embar&o= no
todas son aceptables= si&ni#icati$as o importantes.
Para e$itar encuestas carentes de ob<eti$idad o credibilidad= debe e$aluarse con sentido
crtico todo lo 1ue se lee y escuc0a= adems de e>aminarse el $alor de la encuesta=
e$aluando los si&uientes aspectosK
Prop"sito de la encuestaK por 1ue y para 1uien se reali'a. In resultado de opini"n o
una encuesta reali'ada para satis#acer la curiosidad pertenece a la es#era de la
di$ersi"n. 7u resultado es un #in en si mismo= no un medio para lo&rar un #in. !ebe
e>istir escepticismo ante tales encuestas por1ue el resultado no tiene una aplicaci"n
posterior.
!eterminar si la encuesta esta basada en una muestra probabilstica o no
probabilsticaK el 4nico medio disponible para 0acer in#erencias estadsticas
correctas a partir de una muestra es el uso de un muestreo probabilstica. ?as
encuestas 1ue emplean m)todos de muestreo no probabilstica estn su<etas a errores
si&ni#icati$os= 1ui's no intencionales= 1ue pueden &enerar resultados sin sentido.
1+
Errores en las encues%as
(un cuando en las encuestas se utili'an m)todos de muestreo probabilstica= estn
su<etas a errores potenciales= los cuales se describen a continuaci"nK
#rror de co$ertura o seso en la seleccin
?a cla$e para una selecci"n apropiada en la muestra es un marco de poblaci"n adecuado
o una lista actuali'ada de todos los elementos 1ue participaran en el muestreo. El error
de cobertura ocurre si se e>cluyen ciertos elementos de la lista de poblaci"n= de manera
1ue no tienen oportunidad de ser seleccionados en la muestra. El error de cobertura
conduce a un ses&o de selecci"n. 7i el listado es inadecuado por1ue no se incluyeron
al&unos elementos de la poblaci"n= cual1uier muestra probabilstica aleatoria
proporcionara una estimaci"n de las caractersticas del marco= no de la poblaci"n real.
#rror o seso de no respuesta
5o todas las personas estn dispuestas a contestar una encuesta. El error de no respuesta
sur&e del #racaso al recopilar datos de todos los su<etos de la muestra y el resultado es
un ses&o de no respuesta. Como en &eneral no se puede suponer 1ue las personas 1ue no
responden son seme<antes a a1uellas 1ue si responden= es importante reali'ar un
se&uimiento a las no respuestas despu)s de un periodo determinado. !eben 0acerse
$arios intentos= ya sea por correo o por tel)#ono= para con$encerlos de 1ue dili&encien la
encuesta. Con base en estos resultados= las estimaciones obtenidas con las respuestas
iniciales se combinan con las estimaciones obtenidas con el se&uimiento= de manera 1ue
las in#erencias 0ec0as a partir de la encuesta sean $alidas.
#rror de muestreo
El error de muestreo se presenta cuando se encuesta una muestra y no la poblaci"n= es
decir= cuando no se aplica un censo. (un cuando no se puede e$itar este error= si se
puede controlarF una #orma importante de controlarlo es seleccionar un m)todo o un
dise/o adecuado de muestreo. El error de muestreo muestra la 0etero&eneidad o las
Gdi#erencias aleatoriasH de una muestra a otra= se&4n la probabilidad de 1ue elementos
espec#icos sean seleccionados en unas muestras determinadas.
15
#rror de medicin
7e re#iere a la #alta de precisi"n en las respuestas re&istradas= debido a #allas en la
redacci"n del enunciado de las pre&untas= la in#luencia del entre$istador en la persona
1ue responde= o por el es#uer'o 1ue reali'a la persona 1ue responde.
As=ec%os %icos del mues%reo
En la actualidad se e>iste una tendencia a la proli#eraci"n de in$esti&aciones 1ue se
apoyan en encuestasF no todas son buenas= si&ni#icati$as o importantes= y no todas son
)ticas. !ebe intentarse distin&uir entre un dise/o de encuesta de#iciente y un dise/o
carente de )tica.
?as consideraciones )ticas sur&en con relaci"n a cuatro tipos de errores potenciales 1ue
pueden ocurrir cuando se dise/an encuestas 1ue utili'an muestras probabilsticas
aleatoriasK error de cobertura o ses&o de selecci"n= error o ses&o de no respuesta= error
de muestreo y error de medici"n. El error de cobertura o ses&o de selecci"n se con$ierte
en un problema )tico= solo si se e>cluyen a prop"sito &rupos espec#icos de indi$iduos
del marco de poblaci"n= para obtener resultados ses&ados= 1ue indican una oposici"n
ms #a$orable para los intereses del in$esti&ador.
!e i&ual manera= el error o ses&o de no respuesta se con$ierte en un problema )tico=
solo si es menos probable 1ue &rupos o indi$iduos espec#icos respondan a una
encuesta= y si el in$esti&ador la dise/a a prop"sito con el #in de e>cluir &rupos o
elementos. El error de muestreo se con$ierte en un problema )tico= solo cuando los
resultados se presentan= a prop"sito= sin re#erencia al tama/o de muestra o al mar&en de
error= de modo 1ue el in$esti&ador puede promo$er un punto de $ista 1ue de otra
manera seria insi&ni#icante.
El error de medici"n se con$ierte en un problema )tico en cual1uiera de las si&uientes
situacionesK
In in$esti&ador puede ele&ir pre&untas orientadas 1ue &uan las respuestas 0acia
una direcci"n espec#ica.
In in$esti&ador= mediante actitudes y tono de $o'= puede crear un e#ecto deliberado
de 0alo o puede &uiar las respuestas en cierta direcci"n.
(l&uien 1ue responde= pero no esta de acuerdo con la encuesta= puede proporcionar
in#ormaci"n #alsa a prop"sito.
16
.&5& PRESENTACION DE LOS DATOS
DISTRI"UCION DE FRECUENCIA
Ina distribuci"n de #recuencia es un m)todo para or&ani'ar= clasi#icar y resumir datos.
2ambi)n se conoce con el nombre de distribuci"n de #recuencia a una tabulaci"n de
datos en clases= inter$alos de clase o cate&oraF con la #recuencia correspondiente a cada
una= a #in de reali'ar una especial descripci"n y anlisis.
Para elaborar los cuadros o tablas de la distribuci"n de los datos se debe= antes 1ue todo
Identi#icar las caractersticas 1ue se in$esti&aron= ya 1ue esto permite una me<or
clasi#icaci"n de lo obser$ado= estas caractersticas se re#ieren a las Cuali%a%i?as C
Cuan%i%a%i?as&

Com=onen%es de una Dis%ri;uci+n de Frecuencias
Frecuencia a;solu%a sim=le@ representa el n4mero de $eces 1ue se repite la clase=
inter$alo de clase o cate&ora. 7e denota por
i
f
&
Frecuencia a;solu%a acumulada@ se obtiene sumando las #recuencias absolutas
simples= y siempre nos da un acumulado i&ual al tama/o de la muestra. 7e denota por
i
F
.
Frecuencia rela%i?a sim=le@ representa la proporci"n de unidades de anlisis en la
clase= inter$alo de clase o cate&ora y resulta de di$idir cada una de las #recuencias
absoluta simples por el tama/o de la muestra. 7e denota por
i
i
f
h
n
.
Frecuencia rela%i?a acumulada@ resulta de la acumulaci"n de las #recuencias relati$as
simples= esta #recuencia siempre tiende a la unidad. 7e denota por
i
H
.
n B 2ama/o de la muestra= es el n4mero de obser$aciones.
i
x B ?a $ariable= es cada uno de los di#erentes $alores 1ue se 0an obser$ando o
tambi)n puede ser la marca de clase.
DISTRI"UCI/N DE FRECUENCIA POR INTERVALOS
Como se 0a $isto= un con<unto de obser$aciones normalmente cuantitati$as continuas o
discretas con $alores &randes= puede 0acerse ms comprensible y ad1uirir mayor
17
si&ni#icado= lo&rarse una mayor sntesis= tabulando o a&rupando los datos. Para a&rupar
a un con<unto de obser$aciones= se selecciona un con<unto de inter$alos= conti&uos= 1ue
no se traslapen= tales 1ue cada $alor en el con<unto de obser$aci"n puede colocarse en
uno= de los inter$alos de clase. ?os pasos a se&uir para la construcci"n de inter$alos son
los si&uientesK
%aso I: Hallar el Rango o Recorrido de los Datos (R)
?a di#erencia entre el dato mayor y el dato menor se llama RECORRIDO o RAN(O
de los datos. Esto esK
%aso II: Hallar el nmero de Intervalos (m)
?a pre&unta es Pcuntos inter$alos $an a incluirseQ !emasiado o poco no es
con$eniente debido a 1ue 0ay p)rdida de in#ormaci"n. Por otra parte= si se usan
demasiados inter$alos= no se lo&ra ob<eti$o de la sntesis.
Ina de las #ormas para obtener el nDmero de in%er?alos es aplicando la re&la de
STUR(ES= con la cual se obtiene una apro>imaci"n aceptable sobre el n4mero de
inter$alos necesarios para a&ruparlos. Esto esK
!onde n nos representa el tama/o de muestra o n4mero de datos considerados= esta
re&la de STUR(ES no se considera como #inal= sino s"lo como una &ua. El n4mero de
inter$alos especi#icado por medio de esta re&la debe aumentarse o disminuirse se&4n
con$en&a y el bene#icio de una presentaci"n clara.
%aso III: Hallar la Amplitud del Intervalo (A)
(un1ue a $eces es imposible= por lo &eneral= los inter$alos deben tener amplitudes
i&uales. Puede determinarse esta amplitud 9A: di$idiendo el recorrido 9R: entre el
n4mero de inter$alo 9m:& Esto esK
Como re&la= este procedimiento proporciona una amplitud 1ue no es con$eniente usarla.
Ina $e' ms= debe aplicarse el buen <uicio y seleccionar una amplitud :por lo com4n=
pr">ima a la dada por la ecuaci"n; 1ue sea ms con$eniente.
Consideramos el si&uiente E'em=lo .K
16
R = Dato mayor Dato menor
m = 1 + 3,33log(n)
A E R F m
Colec%i?oB 6, cilindros #abricados por una m1uina en el taller el Mila&ro. C0imbote.
%,11.
Varia;le GB lon&itud en centmetros
Valores obser$adosK
239, 254, 255, 248, 246, 249, 242, 250, 249, 244, 253, 248
250, 258, 252, 251, 250, 253, 247, 243, 245, 251, 247, 250
248, 250, 260, 249, 249, 250, 251, 253, 241, 251, 249, 252
250, 247, 251, 259, 250, 246, 252, 238, 251, 238, 235, 259
249, 257, 249, 247, 251, 246, 245, 243, 250, 249, 242, 238
Soluci+nB
a; Identi#icar la unidad de anlisis= $ariable de estudio= clasi#icaci"n de la $ariable= el
lu&ar y tiempo.
Unidad de an*lisis B El cilindro
Varia;le de es%udio B ?on&itud
Clasificaci+n de la ?aria;le B Cuantitati$a continua
Luar B 2aller el Mila&ro E C0imbote
Tiem=o B %,11
b; Construir la distribuci"n de #recuencias y sus respecti$os &r#icos.
Rano B . N !ato m>imo 8 !ato mnimo
. N %6, 8 %*5
. N %5
NDmero de In%er?alos B m N 1 L *=**lo&:n;

mN1 L *=**lo& :6,;
m N 1 L *=**R1=776

m N 6=%
5= 6 " 7
Am=li%ud del In%er?alo B
R
A
m

%5
5
5
A
Construyendo la 2abla de #recuencias con datos a&rupados en inter$alosK
Ta;la -.
?on&itud en centmetros de los cilindros #abricados por una m1uina en el taller el
Mila&ro= C0imbote 8 %,11.

Intervalos
S 1 i
E i
;
Marcas de
clase
Frecuencias
absolutas
Frecuencias
relativas
Frecuencia
porcentual
i
!
i
f
i
F
i
h
i
H
i
h R1,,B
235 - 240 237,5 5 5 0,08 0,08 8
240 - 245 242,5 8 13 0,13 0,22 13
245 - 250 247,5 27 40 0,45 0,67 45
250 - 255 252,5 15 55 0,25 0,92 25
255 - 260 257,5 5 60 0,08 1,00 8
1
!otal n"60 1,00 100
F#$%!$& !aller el Mila'ro
Presen%aci+n r*ficaB En distribuci"n de #recuencias por inter$alos de clase los
&r#icos a presentar sonK His%orama de #recuencias y Pol!ono de #recuencias
(r*fico -.
TI72UV.(M(
8
13
45
25
8
0
10
20
30
40
50
1
LONGITD
235 - 240 240 - 245 245 - 250 250 - 255 255 - 260

9IE52EK 2abla ,1
(r*fico -,
PU?IVU5U
%,
LONGITD
45
0
8
13
25
8
0
0
5
10
15
20
25
30
35
40
45
50
232,5 c() 237,5 c() 242,5 c() 247,5 c() 252,5 c() 257,5 c() 262,5 c()

9IE52EK 2abla ,1
DISTRI"UCI/N DE FRECUENCIA POR CLASES
In con<unto de obser$aciones normalmente cuantitati$as discretas con $alores
pe1ue/os= puede 0acerse ms comprensible= ad1uirir mayor si&ni#icado= lo&rarse una
mayor sntesis= tabulando o a&rupando los datos. Para a&rupar a un con<unto de
obser$aciones= se selecciona las clases o $alores num)ricos conti&uos= tales 1ue cada
$alor en el con<unto de obser$aci"n puede colocarse en uno= de las clases.
E'em=lo ,&
Inos &randes almacenes en la ciudad de 5ue$o C0imbote disponen de un aparcamiento
para sus clientes. ?os si&uientes datos 1ue se re#ieren al n4mero de 0oras 1ue
permanecen en el aparcamiento una serie de coc0es se re&istro en !iciembre del %,11=
los cuales se muestran a continuaci"nK
+ + % + 5 * 6 * 5 * % 1 * 7 * 1 5 1 7 % 5 % + 7 * 6 % % + 1 6 + * * +
5 + * % + * % + + * 6 6 + 5 5 + 5 5 1 7 + + * 6 5
7e pideK
(. Ubtener la tabla de #recuencias para ese con<unto de datos. Interpretar la tabla.
3. Elaborar la &r#ica.
Soluci+n
Unidad de an*lisis B El coc0e
Varia;le de es%udio B 54mero de 0oras 1ue permanecen en el aparcamiento
Clasificaci+n de la ?aria;le B Cuantitati$a discreta
Luar B (lmacenes 8 5ue$o C0imbote
Tiem=o B !iciembre= %,11
(; Ubtener la tabla de #recuencias para ese con<unto de datos. Interpretar la tabla.
%1
Ta;la -,
54mero de 0oras 1ue permanecen en el aparcamiento una serie de coc0es en
&randes almacenes de 5ue$o C0imbote 8 !iciembre= %,11.
%* de
+oras,
i
!
Frecuencias
absolutas
Frecuencias
relativas
Frecuencia
porcentual
i
f
i
F
i
h
i
H
i
h R1,,B
1 5 5 0,08 0,08 8
2 8 13 0,13 0,21 13
3 12 25 0,20 0,41 20
4 15 40 0,25 0,66 25
5 10 50 0,17 0,83 17
6 6 56 0,10 0,93 10
7 4 60 0,07 1,00 7
!otal
n"60 1,00 100
F#$%!$& Municipalidad %uevo -.i(bote
3. Elaborar la &r#ica.
Presen%aci+n r*ficaB En distribuci"n de #recuencias por clases el &r#ico a presentar se
denomina "as%ones
(r*fico -4
54mero de 0oras 1ue permanecen en el aparcamiento una serie de coc0es en
&randes almacenes de 5ue$o C0imbote 8 !iciembre= %,11.
8
13
20
25
17
10
7
0
5
10
15
20
25
1 .r 2 .rs 3 .rs 4 .rs 5 .rs 6 .rs 7 .rs
N!"#RO D# $OR%&
F#$%!$& !abla 02
DISTRI"UCI/N DE FRECUENCIA POR CATE(ORIAS
In con<unto de obser$aciones normalmente cualitati$as con cate&oras nominales u
ordinales= puede 0acerse ms comprensible= ad1uirir mayor si&ni#icado= lo&rarse una
mayor sntesis= tabulando o a&rupando los datos. Para a&rupar a un con<unto de
%%
obser$aciones= se selecciona las cate&oras conti&uas= tales 1ue cada $alor en el
con<unto de obser$aci"n puede colocarse en uno= de las cate&oras.
E'em=lo 4&
7e e#ect4a una encuesta sobre el ni$el de estudios de personas 1ue reciben planes <e#es y
<e#as de 0o&ar de la Ciudad de 5$o. C0imbote= mar'o %,1%. ?as obser$aciones
obtenidas son las si&uientesK
NI NIV& EST
1 Estudios Primarios
% Estudios Primarios
* 7in Estudios
+ Estudios Primarios
6 7in Estudios
7 Estudios 7ecundarios
Estudios 7ecundarios
1, 7in Estudios
1% 7in Estudios
1* Estudios Primarios
1+ Estudios 7ecundarios
16 Estudios Ini$ersitarios
17 7in Estudios
16 Estudios Ini$ersitarios
%, Estudios Primarios
%1 Estudios Primarios
%% Estudios Primarios
%* Estudios Ini$ersitarios
%+ Estudios Primarios
%5 Estudios Primarios
%6 7in Estudios
%7 Estudios 7ecundarios
%6 Estudios 7ecundarios
% Estudios Primarios
*, Estudios Primarios
7e pideK
(. Ubtener la tabla de #recuencias para ese con<unto de datos. Interpretar la tabla.
3. Elaborar las &r#icas.
Soluci+n
Unidad de an*lisis B We#e o We#a del 0o&ar
Varia;le de es%udio B 5i$el de estudios
Clasificaci+n de la ?aria;le B Cualitati$a ordinal
Luar B 5ue$o C0imbote
%*
Tiem=o B Mar'o= %,1%
3; Ubtener la tabla de #recuencias para ese con<unto de datos. Interpretar la tabla.
Ta;la -4
5i$el de estudios del <e#e o <e#a de 0o&ar en la ciudad de 5$o. C0imbote 8 Mar'o=
%,1%.
%ivel de
$studios
Frecuencias
absolutas
Frecuencias
relativas
Frecuencia
porcentual
i
f
i
h
i
h R1,,B
/in estudios 6 0,20 20
0ri(aria 13 0,43 43
/ecundaria 8 0,27 27
#niversitario
s
3 0,10 10
!otal
n"30 1,00 100
F#$%!$& $ncuesta aplicada
3. Elaborar las &r#icas.
Presen%aci+n r*ficaB En distribuci"n de #recuencias por cate&oras los &r#icos a
presentar se denominan "arras C Sec%or circular&
(r*fico -1
%,1%.
3(..(7
20
43
27
10
0
10
20
30
40
50
/in estudios 0ri(aria /ecundaria #niversitarios
NI'#L D# #&TDIO&
F#$%!$& !abla 03
(r*fico -5
%,1%.
7EC2U. CI.CI?(.
%+
NI'#L D# #&TDIO&
/ecundaria
27
#niversitarios
10
/in estudios
20
0ri(aria
43
F#$%!$& !abla 03
E'ercicios =ro=ues%os
1. !etermine 1u) tipo son las si&uientes $ariables. 7i son $ariables cualitati$as :nominal
u ordinal; o cuantitati$as :discretas o continuas;.
a; Marca de autom"$il.
b; !uraci"n de un compacto :se&undos;.
c; 54mero de temas de un compacto.
d; 5i$el educacional :bsica= media= uni$ersitaria;.
e; 2emperatura al medioda en 2alara :&rados Celcius;.
#; Estado ci$il :soltero= casado= di$orciado= $iudo;.
&; Cantidad de llu$ia en un a/o en I1uitos :mm*;.
0; Peso de los coc0es.
i; 54mero de coc0es $endidos de las di#erentes marcas
%. 2enemos las resistencias de la tensi"n de 6, muestras de aleaci"n (luminioE?itio.
Elaborar la 2abla de !istribuci"n de 9recuencias. !ibu<ar el Tisto&rama y Pol&ono
de 9recuencia. (plicar los estadsticos deK posici"n= $ariaci"n= simetra. (plicar los
estadsticos de apuntamiento. PXue concluye Id. despu)s de todo esoQ
1,5 %%1 166 1%1 161 16, 7 15+ 15* 17+ 1%, 166 167 1+1 %%6
1 161 156 176 11, 1*1 15+ %,6 156 1** %,7 16, 1, 1* 1**
1%* 1*+ 176 76 167 16+ 1*5 1+6 %16 1,1 171 165 156 16 1
151 16* 1+5 171 1+6 156 16, 175 1+ 67 16, %*7 15, 16 %,1
*. In #abricante de neumticos 0a recabado= de los di#erentes concesionarios=
in#ormaci"n sobre la cantidad de miles de Mil"metros recorridos por un modelo
concreto de esos neumticos 0asta 1ue se 0a producido un pinc0a'o o un re$ent"n
del neumtico. ?os concesionarios la 0an proporcionado los si&uientes datosK
%5
5% 5, *6 5% 7+ 61 *6 57 + 66 76 *7 76 6 61 66 6% + +% 6% 51 6*
*+ *6 51 75 5 +6 67 +% 61 56 7+ 61 56 66 1 5+ 76 6 6+ +1 5, 61
66 +5 56 56 +7 67
7e pideK
a; Construir una taba de #recuencias para esos datos tomando como n4mero de
inter$alos el 1ue proporciona la #"rmula de 7tur&ess. Interpretas la tabla.
b; !ibu<ar el 0isto&rama y pol&ono de #recuencias porcentuales.
+. En una Ini$ersidad se 0a reali'ado una encuesta a %,, alumnos de la Escuela de
In&eniera. El *%B a#irma 1ue esta muy contento con la uni$ersidad= el +,B esta
contento= el %*B no esta contento= y el resto muy descontento.
a; 9orma la tabla de #recuencias absolutas= relati$as= y e>pli1ue si crees 1ue la
uni$ersidad lo esta 0aciendo bien.
b; Elabore sus &r#icos.
5. E<ercicios
a; !) cuatro e<emplos de $ariables cualitati$as.
b; Proponer dos e<emplos de cada una de los dos tipos de $ariables cuantitati$as.
c; Menciones $ariables 1ue permitan estimar el e#ecto de la crisis econ"mica
mundial sobre la economa del Per4.
d; 7e desea comparar la calidad de $ida de $arias ciudades del Per4. Proponer seis
$ariables 1ue podran utili'arse para el estudio. PXu) tipo de $ariable es cada
una de ellasQ
6. 2omar cuarenta obser$aciones de una $ariable cualitati$a
a; Calcular las #recuencias absolutas.
b; Tallar las #recuencias relati$as.
c; !ibu<ar el dia&rama de barra.
d; Cul es la clase o :clases; modal.
e; PXu) conclusiones pueden e>traerse de este estudioQ
.&3& MEDIDAS ESTAD$STICAS
MEDIDAS DE TENDENCIA CENTRAL
?as medidas de tendencia central son $alores de resumen 1ue determinan
apro>imadamente el centro de un con<unto de datos de una muestra o poblaci"n. Estas
medidas sonK Media (ritm)tica= Mediana y Moda.
A: Media Ari%m%ica
Definici+n .B 9Da%os no aru=ados o no %a;ulados:
Es la suma de todos los $alores obser$ados de una $ariable cuantitati$a= di$idido por el
n4mero de datos.
Media ari%m%ica =o;lacional 9
: Media ari%m%ica mues%ral 9 x :

%6

"
x
i

n
x
x
i
!ondeK
i
x
K Valores obser$ados en una poblaci"n o muestra.
5K 2ama/o de la poblaci"n.
n K 2ama/o de la muestra.
Definici+n ,B 9Da%os aru=ados o %a;ulados:
Es la suma de todos los productos entre la marca de clase o $alor num)rico y la
#recuencia absoluta simple= di$idida por el n4mero de datos.
Media ari%m%ica =o;lacional 9
: Media ari%m%ica mues%ral 9 x :

i i
! f
"

i i
! f
#
n
!ondeK
i
!
K Marca de clase de cada inter$alo o $alor num)rico de cada clase.
Uso de la media ari%m%ica
?a media aritm)tica es recomendable utili'ar en datos cuantitati$os 1ue tienen
tendencia aritm)tica= es decir en datos cuya $ariabilidad es pe1ue/a.
Des?en%a'a de la media ari%m%ica
?a media aritm)tica se a#ecta por $alores e>tremos= en casos de datos no a&rupados.
?a media aritm)tica se a#ecta por inter$alos 1ue no tienen de#inidos sus lmites
in#erior o superior= en caso de datos a&rupados por inter$alos.
E'em=lo .B ?a utilidad neta por la muestra de pedidos distribuidos por la empresa
Xuemalapata #ueron los si&uientesK
a; 1.75= %,.5= 15.,= *1.%= %5.1= %6.,= 17.*= *%.5
b; 5.5= 1,.6= 1+.,= %7.7= %%.6= %,.1= 15.= .,
Calcular e interpretar la media aritm)tica.
%7
SOLUCI/NB
a:
1= 75 %,= 5 15= , ... *%= 5
6
i
x
x
n
+ + + +

%*= 67 X
In%er=re%aci+nB ?a utilidad neta promedio por pedido es apro>imadamente %*=67
nue$os soles.
b;
5= 5 1,= 6 1+= , ... = ,
6
i
x
x
n
+ + + +

%6= 5 X
In%er=re%aci+nB ?a utilidad neta promedio por pedido es apro>imadamente %6=5
nue$os soles.
E'em=lo ,B ?a utilidad neta de una muestra de 5, pedidos distribuidos por la empresa
Xuemalapata se presenta en la si&uiente tablaK
SOLUCI/NB
Paso .B Tallar las marcas de clase de cada inter$alo
Paso ,B Multiplicar cada marca de clase por su respecti$a #recuencia absoluta simple
Paso 4B 7umar los productos
Paso 1B .eempla'ar en la #ormula
SItilidad neta;
i
f
,5 8 1,
1, 8 15
15 8 %,
%, 8 %5
%5 8 *,
*, 8 *5
*5 E +,
*
1,
7
15
5
6
%
1#tilidad neta2
i
!
i
f
i
!
i
f
05 3 10
10 3 15
15 3 20
20 3 25
25 3 30
30 3 35
35 - 40
7,5
12,5
17,5
22,5
27,5
32,5
37,5
3
10
7
15
5
8
2
22,5
125
122,5
337,5
137,5
260
75
%6
7= 5 * 1%= 5 1, ... *7= 5 % 1,6,
5, 5,
i i
! f
x x x
#
n
+ + +

%1= 6 #
In%er=re%aci+nB ?a utilidad neta promedio por pedido es apro>imadamente %1=6 nue$os
soles.
E'em=lo 4B El n4mero de pa1uetes del pedido re&istrado en una muestra de 6,=
distribuidos por la empresa Xuemalapata se presenta en la si&uiente tablaK
SOLUCI/NB
Paso .B Multiplicar cada clase por su respecti$a #recuencia absoluta simple
Paso ,B 7umar los productos
Paso 4B .eempla'ar en la #ormula
5Y de pa1uetes
i
!
i
f
1
%
*
+
5
6
7
6
%,
15
5
*
%
%* de pa4uetes
i
!
i
f
i
!
i
f
1
2
3
4
5
6
7
6
9
20
15
5
3
2
6
18
60
60
25
18
14
%
1 6 % ... 7 % %,1
6, 6,
i i
! f
x x x
#
n
+ + +

*= *5 * #
In%er=re%aci+nB El n4mero promedio de pa1uetes por pedido es apro>imadamente *.
": Mediana
Es un $alor &eneralmente denotado por Me@ 1ue di$ide a un con<unto de datos
recopilados de una $ariable cuantitati$a o cualitati$a ordinal en dos partes i&uales=
pre$iamente ordenados en #orma creciente o decreciente.
Calculo de la mediana
Da%os no aru=ados o no %a;ulados
Para obtener el $alor de la mediana en datos no a&rupados se debe cumplir por lo menos
los si&uientes pasosK
Paso IB Urdenar en #orma creciente o decreciente los datos.
Paso IIB Ubser$ar si el n4mero de datos es par o impar.
Paso IIIB .eempla'ar en las #ormulas
'
,
_
+
par n si
X X
impar n si X
$e
n n
n
O O =
%
O O =
1
% %
%
1
Da%os aru=ados o %a;ulados 9solamen%e en in%er?alos:
7e debe cumplir tambi)n por lo menos los si&uientes pasosK
Paso IB Urdenar en #orma creciente o decreciente los inter$alos.
Paso IIB Tallar
%
n
1ue indica la posici"n de la mediana.
*,
Paso IIIB !eterminar la primera #recuencia absoluta acumulada :
i
F
; 1ue supera
%
n
a
#in de determinar el inter$alo 1ue contiene la mediana.
Paso IVB Identi#icar todos los componentes de la #ormula en el inter$alo 1ue contiene la
mediana y reempla'ar.
A
f
F
n
$e
i
a
I
R
%
1
1
1
]
1
+
!ondeK
I
K ?mite in#erior del inter$alo 1ue contiene la mediana.

%
n
K Mitad de la muestra
a
F
K 9recuencia absoluta acumulada anterior a la #recuencia absoluta acumulada
:
i
F
; del inter$alo 1ue contiene la mediana.
i
f
K 9recuencia absoluta simple del inter$alo 1ue contiene la mediana.
( K (mplitud del inter$alo 1ue contiene la mediana.
Ven%a'as de la mediana
?a mediana a di#erencia de la media aritm)tica no depende de los $alores= sino del
n4mero de datos= en consecuencia no se a#ecta por $alores e>tremos.
?a mediana a di#erencia de la media aritm)tica no depende de todos los inter$alos=
sino de un inter$alo 1ue contiene la mediana= en consecuencia &eneralmente no se
a#ecta por inter$alos 1ue no tienen lmite in#erior o superior de#inido.
a; 1.75= %,.5= 15.,= *1.%= %5.1= %6.,= 17.*= *%.5
b; 5.5= 1,.6= 1+.,= %7.7= %%.6= %,.1= 15.=
Calcular e interpretar la mediana.
Soluci+n 9a:B
Paso IB Urdenar en #orma creciente los datos.
15=, 17=* 1=75 %,=5 %5=1 %6=, *1=% *%=5
*1
Paso IIB Ubser$ar si el n4mero de datos es par o impar.
n N 6 par
Paso IIIB .eempla'ar en las #ormulas
A % A % 1 + 5
%,= 5 %5=1
% % %
n n
x x x x
$e
+
+ + +

%%=6 $e
In%er=re%aci+nB El 5,B de los pedidos tienen una utilidad neta de a lo ms %%=6 nue$os
soles y el 5,B restante superior a este.
7olucionar la parte :b; estimado alumno.
Calcular e interpretar la mediana)
Soluci+nB
Paso IB Urdenar en #orma creciente los inter$alos.
Paso IIB Tallar
5,
%5
% %
n
i
F
; 1ue supera
%
n
=
entonces la primera #recuencia absoluta acumulada 1ue supera a
%
n
es
+
F
N *5 al cual
le corresponde el inter$alo S%, 8 %5;= donde se ubica el $alor de la mediana.
Paso IVB Identi#icar todos los componentes de la #ormula en el inter$alo 1ue contiene la
mediana y reempla'ar.
%5 %,
%
R %, R5
15
a
I
i
n
F
$e A
f
1
1

+ +
1
1
]
1#tilidad neta2
i
f
i
F
05 3 10
10 3 15
15 3 20
20 3 25
25 3 30
30 3 35
35 - 40
3
10
7
15
5
8
2
3
13
20
35
40
48
50
*%
$e E ,.@32
In%er=re%aci+nB El 5,B de los pedidos tienen una utilidad neta de a lo ms %1=67
nue$os soles y el 5,B restante superior a este.
Calcular e interpretar la mediana.
Soluci+nB
Paso IB Urdenar en #orma creciente las clases.
Paso IIB Tallar
6,
*,
% %
n
i
F
; 1ue supera
%
n
=
entonces la primera #recuencia absoluta acumulada 1ue supera a
%
n
es
*
F
N *5 al cual
le corresponde la clase num)rica *F siendo este el $alor de la mediana= es decirK
$e N *
In%er=re%aci+nB El 5,B de los pedidos tienen a lo ms * pa1uetes y el 5,B restante
superior a este.
C: Moda
Es un $alor 1ue &eneralmente se denota por= Mo= y 1ue de#ine comoK
El $alor cuantitati$o o cualitati$o nominal 1ue ms $eces se repite.
%* de pa4uetes
i
x
i
f
i
F
1
2
3
4
5
6
7
6
9
20
15
5
3
2
6
15
35
50
55
58
60
**
El $alor cuantitati$o o cualitati$o nominal ms #recuente.
El $alor cuantitati$o o cualitati$o nominal ms com4n.
?a moda a $eces no e>iste y si e>iste a $eces es 4nica o m4ltiple.
Calculo de la moda
Da%os no aru=ados o no %a;ulados
5o e>iste #ormula al&una= se obtiene por simple obser$aci"n= teniendo en cuenta la
de#inici"n de moda.
Da%os aru=ados o %a;ulados 9solamen%e en in%er?alos:
7e debe identi#icar por lo menos los si&uientes pasosK
Paso IB Tallar la mayor #recuencia absoluta simple= el cual se denotar como
#recuencia absoluta simple modal :
$o
f
;
Paso IIB !eterminar el inter$alo 1ue contiene la moda.
Paso IIIB Identi#icar todos los componentes de la #ormula en el inter$alo 1ue contiene la
moda y reempla'ar.
A
d d
d
$o
I
R
% 1
1
1
]
1
+
+
p $o
a $o
f f d
f f d

%
1
!ondeK
I
K ?mite in#erior del inter$alo 1ue contiene la moda.

1
d
K Primer incremento.
%
d
K 7e&undo incremento.
$o
f
K 9recuencia absoluta simple modal del inter$alo 1ue contiene la moda.
a
f
K 9recuencia absoluta simple anterior a la #recuencia absoluta simple modal.
p
f
K 9recuencia absoluta simple posterior a la #recuencia absoluta simple
modal.
( K (mplitud del inter$alo 1ue contiene la moda.
*+
a; 1.75= %,.5= 15.,= *1.%= %5.1= %6.,= 17.*= *%.5
b; 5.5= 1,.6= 1+.,= 1,.6= %%.6= %,.1= %%.6= %%=6
Calcular e interpretar la moda.
Soluci+n 9a:B
5o e>iste moda= dado 1ue nin&uno se repite ms 1ue otro.
Soluci+nB
Paso IB Tallar la mayor #recuencia absoluta simple=
$o
f
N 15
Paso IIB El inter$alo 1ue contiene la moda esK S%, 8 %5;.
Paso IIIB Identi#icar todos los componentes de la #ormula en el inter$alo 1ue contiene la
moda y reempla'ar.
1
1 %
6
R %, R5
6 1,
I
d
$o A
d d
1
+ +
1
+ +
]
$o E ,,@,,
1
%
15 7 6
15 5 1,
$o a
$o p
d f f
d f f

In%er=re%aci+nB ?a utilidad neta ms #recuente de entre todos los pedidos re&istrados es
apro>imadamente %%=%% nue$os soles.
1#tilidad neta2
i
f
05 3 10
10 3 15
15 3 20
20 3 25
25 3 30
30 3 35
35 - 40
3
10
7
15
5
8
2
*5
Soluci+nB
Por simple obser$aci"n y aplicando el concepto de moda se tieneK $o N *
In%er=re%aci+nB El n4mero de pa1uetes ms #recuente de entre todos los pedidos
re&istrados es apro>imadamente *.
1. Para lan'ar un nue$o producto al mercado= una empresa estudia el tiempo de
publicidad= en se&undos= empleando en los medios audio$isuales por otra empresa
1ue produce un producto similar.
5uraci6n %* de 7nuncios
0 - 20 3
20 - 25 17
25 3 30 13
30 3 40 9
40 - 60 8
a; PCul es la duraci"n media apro>imada de los anunciosQ PEs representati$aQ
b; PCul es la duraci"n ms #recuenteQ
c; P( partir de 1ue $alor un anuncio es de los $einte ms lar&osQ
d; Estudiad la #orma de la distribuci"n.
e; 7i cada se&undo cuesta mil cuatrocientas pesetas= Pcul es el &asto apro>imado
1ue reali'a la otra empresa en la publicidad de ese productoQ
%. ?a distribuci"n del importe de las #acturas por reparaci"n de carrocera :en miles de
ptas.; de una muestra de 6, $e0culos en un taller= $iene dad por la si&uiente tablaK
I(porte %* de ve.8culos
0 - 60 10
60 - 80 20
%* de pa4uetes
i
x
i
f
1
2
3
4
5
6
7
6
9
20
15
5
3
2
*6
80 - 120 40
120 - 180 10
a; Calcular el importe medio. Estudiar la representati$idad en esta medida.
b; Calcular la mediana y estudiar su representati$idad.
c; PCul es el importe ms 0abitualQ
d; PXu) interpretaci"n tiene en este caso los decilesQ Calcular el tercer decil.
e; PCul es el importe mnimo pa&ado por las 75 reparaciones ms baratas.
#; Estudiar la concentraci"n del importe de las #acturas.
.&2& MEDIDAS DE DISPERSI/N
DEFINICI/N
?as medidas de dispersi"n son $alores de resumen 1ue determinan apro>imadamente la
$ariabilidad o el &rado de separaci"n de los datos respecto de su medida central= 1ue
&eneralmente es la media aritm)tica. Estas medidas sonK Varian'a= !es$iaci"n estndar
y Coe#iciente de $ariaci"n.
A: Varian)a
Definici+n .B 9Da%os no aru=ados o no %a;ulados:
Es la suma de las separaciones o distancias al cuadrado de todos los $alores
num)ricos obser$ados respecto de su media= di$idido por el n4mero de datos menos
uno.
Varian)a mues%ral 9
%
% :

( )
1
%
%

n
x x
%
i
!ondeK

i
x
K Valores num)ricos obser$ados en una muestra.

x
K Media aritm)tica
5 K 2ama/o de la poblaci"n.
n K 2ama/o de la muestra.
Definici+n ,B 9Da%os aru=ados o %a;ulados:
Es la suma de las separaciones o distancias al cuadrado de todos los $alores num)ricos
obser$ados respecto de su media= multiplicado por su #recuencia absoluta simple y
di$idido por el n4mero de datos menos uno.
Varian)a mues%ral 9
%
% :
*7
( )
%
%
R
1
i i
! # f
%
n
!ondeK

i
! K Marca de clase de cada inter$alo o $alor num)rico de cada clase.
Pro=iedades de la ?arian)a
?a $arian'a es un n4mero no ne&ati$o y $iene e>presado en unidades cuadrticas.
?a $arian'a puede calcularse tambi)n en distribuciones de #recuencias de inter$alos
de amplitud di#erente= siempre 1ue puedan determinarse las marcas de clase.
?a $arian'a se a#ecta por $alores e>tremos= ya 1ue depende de todos los datos.
": Des?iaci+n es%*ndar
Definici+nB Es la ra' cuadrada positi$a de la $arian'a y nos indica Jcuan%oK es la
$ariabilidad. 7e denota por G7H. Esto esK
%
% %
Pro=iedades de la des?iaci+n es%*ndar
?a des$iaci"n estndar es un n4mero no ne&ati$o y $iene e>presada en las mismas
unidades en las 1ue $ienen e>presados los datos.
?a des$iaci"n estndar puede calcularse tambi)n en distribuciones de #recuencias de
inter$alos de amplitud di#erente= siempre 1ue puedan determinarse las marcas de
clase.
?a des$iaci"n estndar se a#ecta por $alores e>tremos= ya 1ue depende de todos los
datos.
C: Coeficien%e de Variaci+n
Definici+nB Es una medida de dispersi"n relati$a :libre de unidades de medida;= 1ue
se de#ine como la des$iaci"n estndar di$idido por la media aritm)tica.
Com4nmente se denota por GCVH. Esto esK
1,, R
X
%
&'
El coe#iciente de $ariaci"n es una medida 4til para comparar la $ariabilidad de
dos o ms series de datos 1ue ten&an i&ual o distintas unidades de medida= con
i&ual o distinta media aritm)tica.
*6
El coe#iciente de $ariaci"n permite tambi)n indicar la alta :0etero&)nea; o ba<a
dispersi"n :0omo&)nea; de una serie de datos ba<o el si&uiente criterioK
7i CV Z 15B= la serie de datos presenta ba<a dispersi"n :o es 0omo&)nea;
7i CV 15B= la serie de datos presenta alta dispersi"n : o es 0etero&)nea;
a; 1.75= %,.5= 15.,= *1.%= %5.1= %6.,= 17.*= *%.5
b; 5.5= 1,.6= 1+.,= %7.7= %%.6= %,.1= 15.= .,
Calcular e interpretar la $arian'a= des$iaci"n estndar y coe#iciente de $ariaci"n.
Soluci+n 9a:B
Varian)a
Para 0allar la $arian'a se necesita primero calcular la media aritm)tica muestral= esto esK
1= 75 %,= 5 15= , ... *%= 5
6
i
x
x
n
+ + + +

X
N %*=67
( )
%
% % %
%
:1= 75 %*= 67; :%,= 5 %*= 67; ... :*%= 5 %*= 67;
1 6 1
i
x x
%
n

+ + +

%
% N +%=*7
%
soles
Des?iaci+n es%*ndar
% E
%
%
E +%= *7
% E 3@5. soles
In%er=re%aci+nB ?a $ariabilidad o &rado de separaci"n de cada utilidad del pedido
respecto de su promedio es apro>imadamente 6=51 soles.
Coeficien%e de ?ariaci+n
6= 51
R1,, R1,,
%*= 67
%
&'
X

&' N %7=5,
In%er=re%aci+nB ?a $ariabilidad relati$a indica 1ue las utilidades de los pedidos son
altamente dispersos= toda $e' 1ue el CV N %7=5,B [ 15B.
Soluci+n 9;:
*
Para el estudiante o lector= resu)l$alo y re#le>ione lo #cil 1ue es.
Calcular e interpretar la $arian'a= des$iaci"n estndar y
coe#iciente de $ariaci"n.
Soluci+nB
Varian)a
Tallando primero la media aritm)tica
7= 5 * 1%= 5 1, ... *7= 5 % 1,6,
5, 5,
i i
! f
x x x
#
n
+ + +

#
N %1=6
( )
%
% % %
%
R
:7= 5 %1= 6; * :1%= 5 %1= 6; 1, ... :*7= 5 %1= 6; %
1 5, 1
i i
! # f
x x x
%
n
+ + +

%
*16+= 5
+
%

%
6+= %
Des?iaci+n es%*ndar
%
6+= % %

6= ,6 %
In%er=re%aci+nB ?a $ariabilidad o &rado de separaci"n de cada utilidad del pedido
respecto de su promedio es apro>imadamente 6=,6 soles.
6= ,6
R1,, R1,,
%1= 6
%
&'
X

CV N *7=*1B
In%er=re%aci+nB ?a $ariabilidad relati$a indica 1ue las utilidades de los pedidos son
altamente dispersos= toda $e' 1ue el CV N *7=*1B [ 15B.
SItilidad neta;
i
f
,5 8 1,
1, 8 15
15 8 %,
%, 8 %5
%5 8 *,
*, 8 *5
*5 E +,
*
1,
7
15
5
6
%
+,
Soluci+nB
Varian)a
1 6 % ... 7 % %,1
6, 6,
i i
! f
x x x
#
n
+ + +

*= *5 * #
( )
%
% % %
%
R
:1 *= *5; 6 :% *= *5; ... :7 *= *5; %
1 6, 1
i i
! # f
x x x
%
n
+ + +

%
11= 65
5
%

%
%= ,* %
Des?iaci+n es%*ndar
%
%= ,* % %

% N 1=+%
In%er=re%aci+nB ?a $ariabilidad o &rado de separaci"n del n4mero de pa1uetes en cada
pedido respecto de su promedio es apro>imadamente 1=+%.
1= +%
R1,, R1,,
*= *5
%
&'
X

5Y de pa1uetes
i
x
i
f
1
%
*
+
5
6
7
6
%,
15
5
*
%
+1
CV N +%=*B
In%er=re%aci+nB ?a $ariabilidad relati$a indica 1ue el n4mero de pa1uetes por pedido
son altamente dispersos= toda $e' 1ue el CV N +%=*B [ 15B.
D: Medidas de Forma
Asime%r!a
Definici+nB Es una medida 1ue estudia la de#ormaci"n 0ori'ontal de los $alores de
la $ariable respecto al $alor central de la media. ?as medidas de #orma pretenden
estudiar la concentraci"n de la $ariable 0acia uno de sus e>tremos.
De la relaci+n en%re la media ari%m%ica@ mediana C moda se puede obtener la
asimetra de un con<unto de datos. Esto esK
7i $o $e X = los datos se distribuyen sim)tricamente.
7i $o $e X < < = los datos tienen asimetra ne&ati$a.
7i X $e $o < < = los datos tienen asimetra positi$a.
Coeficien%e Asime%r!a de Pearson
Definici+nB 7e de#ine como el cociente de * $eces de la di#erencia entre la media y
la mediana sobre la des$iaci"n estndar. Esto esK
( )
%
$e X
As

R *
In%er=re%aci+nB
7i (s N , los datos se distribuyen sim)tricamente
7i (s [ , los datos se distribuyen asim)tricamente o ses&ado positi$amente
7i (s Z , los datos se distribuyen asim)tricamente o ses&ado ne&ati$amente
E'em=lo .,B Calcular e interpretar el coe#iciente de asimetra de la utilidad neta de una
muestra de 5, pedidos distribuidos por la empresa Xuemalapata y presentado en la tabla
por inter$alos.
Soluci+nB
( )
*R # $e
As
%
Por resultados anteriores se tieneK

#
N %1=6
+%
6= ,6 %
$e N %1=67
.eempla'ando en la #ormulaK
* :%1= 6 %1= 67;
6= ,6
x
As

As E L -@-,3
In%er=re%aci+nB ?a utilidad neta de los pedidos distribuidos muestra un li&ersimo
ses&o o asimetra 0acia la i'1uierda o ne&ati$a.
E'em=lo ,B Ubten&a los coe#icientes de asimetra de los restantes e<emplos anteriores
Pes sencilloQ
Mur%osis
Definici+nB ?a Murtosis mide el &rado de a&ude'a o ac0atamiento de una distribuci"n
con relaci"n a la distribuci"n normal= es decir= mide cun puntia&uda es una
distribuci"n.
Ti=os de Nur%osis
?a Murtosis determina el &rado de concentraci"n 1ue presentan los $alores en la re&i"n
central de la distribuci"n. (s puede serK
Le=%ocDr%ica&L E>iste una &ran concentraci"n.
MesocDr%ica&L E>iste una concentraci"n normal.
Pla%icDr%ica&L E>iste una ba<a concentraci"n.
Coeficien%e de Nur%osis
+
1
% %
: ;
*
: ;
m
i i
i
! # xf
n
(
%
In%er=re%aci+nB
7i - N , los datos tienen distribuci"n mesocurtica o normal
7i - [ , los datos tienen distribuci"n leptoc4rtica o son ms apuntada 1ue la 5ormal
+*
7i - Z , los datos tienen distribuci"n platic4rtica o son menos apuntada 1ue la
5ormal
Ca=!%ulo ,
PRO"A"ILIDAD # DISTRI"UCIONES DE
PRO"A"ILIDAD
ReseAa His%+rica
Ina disputa entre <u&adores en 165+ lle$" a dos #amosos matemticos #ranceses= 3laise
Pascal y Pierre de 9ermat= a la creaci"n del clculo de Probabilidades. (ntoine
Vombaud= caballero de Mer)= noble #ranc)s interesado en cuestiones de <ue&os y
apuestas= llam" la atenci"n a Pascal respecto a una aparente contradicci"n en un popular
<ue&o de dados. Este y otros problemas planteados por de Mer) moti$aron un
intercambio de cartas entre Pascal y 9ermat en las 1ue por primera $e' se #ormularon
los principios #undamentales de las probabilidades. 7i bien unos pocos problemas sobre
<ue&os de a'ar 0aban sido resueltos por matemticos italianos en los si&los \V y \VI=
no e>ista una teora &eneral antes de esa #amosa correspondencia.
El cient#ico 0oland)s C0ristian Tuy&ens= enterado de esa correspondencia public"
rpidamente en 1657 el primer libro de probabilidadesF #ue un tratado de problemas
relacionado con los <ue&os. El clculo de probabilidades lle&o a ser pronto popular por
sus alusiones a los <ue&os de a'ar= y se desarrollo rpidamente a lo lar&o del si&lo
\VIII. Xuienes ms contribuyeron a su desarrollo #ueron Wames 3ernoulli y (bra0am
de Moi$re.
++
En 161%= Pierre de ?aplace introdu<o &ran cantidad de ideas nue$as y t)cnicas
matemticas en su libro= 2eora (naltica de Probabilidades. (ntes de ?aplace= las
probabilidades prcticamente consistan en un anlisis matemtico de los <ue&os del
a'ar. ?aplace demostr" 1ue esa teora poda ser aplicada a multitud de problemas
cient#icos y prcticos. E<emplo de tales aplicaciones son la teora de errores= la
matemtica actuarial y la mecnica estadstica 1ue se desarrollaron en el si&lo \I\. Ina
de las di#icultades 1ue se presentaron al desarrollar una teora matemtica 0a sido
alcan'ar una de#inici"n de probabilidad lo bastante precisa para su utili'aci"n
matemtica.
?a b4s1ueda de una de#inici"n completamente aceptable duro cerca de * si&los y #ue
caracteri'ada por un &ran n4mero de contro$ersias. El asunto #ue de#initi$amente
resuelto en el si&lo \\ al tratar la teora de la probabilidad en #orma a>iomtica
establecida por el matemtico ruso (ndrei -olmo&oro$= 1uien consider" la relaci"n
entre la #recuencia relati$a de un suceso y su probabilidad cuando el n4mero de $eces
1ue se reali'a el e>perimento es muy &rande.
Conce=%os "*sicos
EO=erimen%o Alea%orioB Con<unto de pruebas reali'adas ba<o las mismas condiciones y
cuyos resultados son impredecibles. ?os ras&os 1ue distin&uen a los e>perimentos
aleatorios sonK
i. 2odos los resultados del e>perimento son conocidos con anterioridad a su reali'aci"n.
ii. 5o se puede predecir el resultado del e>perimento.
iii. El e>perimento puede repetirse en condiciones id)nticas.
Es=acio Mues%ralB Es el con<unto de todos los resultados posibles de un e>perimento
aleatorio.
7e denota &eneralmente por y se clasi#ica enK
i. CardinalidadB 9inito= In#inito numerable= In#inito no numerable.
ii. Discre%oB (1uel cuyo resultado puede ponerse en una correspondencia uno a uno=
con el con<unto de los n4meros naturales.
iii. Con%inuoB (1uel cuyos resultados consisten del inter$alo de los n4meros reales.
+5
Suceso o e?en%o alea%orioB Es cual1uier subcon<unto del espacio muestral. Con<unto de
posibles resultados de un e>perimento aleatorio.
a: Suceso o e?en%o seuroB Es un e$ento 1ue siempre ocurre.
;: Suceso o e?en%o im=osi;leB Es a1uel 1ue inde#ectiblemente no ocurrir= se
denomina con<unto $aco
c: E?en%os iualmen%e =ro;a;lesB 2odos tienen la misma probabilidad de ocurrir

:e1uiprobables;.
d: E?en%os de=endien%esB (1uellos en 1ue la ocurrencia de uno a#ecta la probabilidad
de ocurrencia de los dems.
e: E?en%os inde=endien%esB ?a ocurrencia de uno no a#ecta la probabilidad de
ocurrencia o no de los dems.
>le;ra de sucesos de =ro;a;ilidad
(l&unos conceptos de teora de con<untos e>tendidos a sucesos de probabilidad se
deben recordar
La uni+n de dos sucesos ( y 3 en un espacio muestral se de#ine comoK
(
3 N { } > A > ( " > 3

= el con<unto correspondiente (
3 si&ni#ica 1ue
ocurre (= ocurre 3 u ocurren ( y 3.
La in%ersecci+n de dos sucesos ( y 3 en un espacio muestral se de#ine comoK
(
3 N (3 N { } > A > ( y > 3

= (
]3 si&ni#ica 1ue ocurren ( y 3 con<unta o

simultneamente.
El com=lemen%o del suceso ( en el espacio muestral se de#ine como la di#erencia
entre el con<unto y el con<unto (K
E ( N
c
A
N (^ N
A
N { } > A > y > A
y si&ni#ica 1ue no ocurre (.
LeCes de De Moran ( )
c
c c
A ) A ) y ( )
c
c c
A ) A ) .
Definici+n de Pro;a;ilidad
!e#inici"n a>iomtica debida a (ndrei -olmo&oro$= 1,* a 167= probabilista ruso.
7ea el espacio muestral asociado a un e>perimento aleatorio y sean
i
A
para i
N1= %=...= n e$entos. ( cada suceso
i
A
le asi&naremos un n4mero real ( )
i
* A
=
denominada probabilidad de
i
A
= 1ue satis#ace las propiedades si&uientesK
+6
1; , ( )
i
* A
1 %; P : ; N 1
*; 7i
1
A
e>cluye a
%
A
entonces P :
1 %
A A
; N
1 %
: ; : ; * A * A +

+; 7i los
i
A
son mutuamente e>cluyentes= es decir
i +
A A
N
para todo i < N1= %=..= n

entonces ( )
1 1
n n
i i
i i
* A * A

_

,
U
Ubser$e 1ue estas propiedades no dependen de c"mo se calculen las probabilidades
( )
i
* A
EnfoPues de Pro;a;ilidad
Definici+n Cl*sica o Ja =rioriKB !ice 1ue si 0ay > posibles resultados #a$orables a la
ocurrencia de un e$ento ( y ' posibles resultados a la ocurrencia del e>perimento
aleatorio= y todos los resultados son i&ualmente posibles y mutuamente e>cluyente :no
pueden ocurrir los dos al mismo tiempo;= entonces la probabilidad de 1ue ocurra ( esK
: ; : ;
: ;
: ; : ;
n x n x
* A
n , n

El en#o1ue clsico de la probabilidad se basa en la suposici"n de 1ue cada resultado sea

i&ualmente probable.
Este en#o1ue es llamado en#o1ue a priori por1ue permite= :en caso de 1ue pueda
aplicarse; calcular el $alor de probabilidad antes de obser$ar cual1uier e$ento de
muestra.
E'em=loK
7i tenemos en una ca<a 15 piedras $erdes y piedras ro<as. ?a probabilidad de sacar una
piedra ro<a en un intento esK
: ;
%+
* A N ,=*75 " *7=5B
Definici+n Frecuencial o Ja =os%erioriKB 2ambi)n llamado En#o1ue Emprico=
determina la probabilidad sobre la base de la proporci"n de $eces 1ue ocurre un e$ento
#a$orable en un n4mero de obser$aciones. En este en#o1ue no ese utili'a la suposici"n
pre$ia de aleatoriedad= por1ue la determinaci"n de los $alores de probabilidad se basa
en la obser$aci"n y recopilaci"n de datos.
E'em=loK
+7
7e 0a obser$ado 1ue de cada 5, $e0culos 1ue pasan por una es1uina no tienen
cintur"n de se&uridad. 7i un $i&ilante de transito se para en esa misma es1uina un da
cual1uiera PCul ser la probabilidad de 1ue deten&a un $e0culo sin cintur"n de
se&uridadQ
2anto el en#o1ue clsico como el en#o1ue emprico conducen a $alores ob<eti$os de
probabilidad= en el sentido de 1ue los $alores de probabilidad indican al lar&o pla'o la
tasa relati$a de ocurrencia del e$ento.
El enfoPue su;'e%i?o
!ice 1ue la probabilidad de ocurrencia de un e$ento es el &rado de creencia por parte de
un indi$iduo de 1ue un e$ento ocurra= basado en toda la e$idencia a su disposici"n.
3a<o esta premisa se puede decir 1ue este en#o1ue es adecuado cuando solo 0ay una
oportunidad de ocurrencia del e$ento. Es decir= 1ue el e$ento ocurrir o no ocurrir esa
sola $e'. El $alor de probabilidad ba<o este en#o1ue es un <uicio personal.
Pro=iedades de la =ro;a;ilidad
Pro=osici+n .& ?a probabilidad de un suceso imposible
es cero.
Pro=osici+n ,& ( ) ( )
1
c
* A * A
Pro=osici+n 4& 7i ( y 3 son sucesos no necesariamente e>cluyentes entonces
P :(
3; N P :(; L P :3; E P :(
3;
Pro=osici+n 1&
P :(
C;NP:(;L P:3; LP:C; E P:(
]3; E P:(
C; E P:3
C; L P:(
C;
Pro=osici+n 5& P :(E3; N P:(; 8 P:(
3;
Pro;a;ilidad Condicional
7ean ( y 3 dos sucesos de un espacio muestral . ?a e>presi"n P :( A 3; indica la
probabilidad de 1ue ocurra el e$ento ( dado 1ue ya 0a ocurrido el e$ento 3. Puede
determinarse de la si&uiente maneraK
P :( A 3; N P :(
3; A P :3;
+6
P :(
3; se interpreta como la probabilidad de 1ue los sucesos ( y 3 ocurran

con<untamente.
E'ercicioB Para obtener licencia para conducir= es necesario aprobar tanto el e>amen
te"rico como el prctico. 7e sabe 1ue la probabilidad 1ue un alumno apruebe la parte
te"rica es ,=66= la de 1ue apruebe la parte prctica es ,=7% y la de 1ue 0aya aprobado
al&una de las dos partes es ,=6%. 7i se eli&e un alumno al a'ar= Pcul es la probabilidad
de 1ue apruebe el e>amen para obtener licenciaQ
E?en%os Inde=endien%es
!os o ms e$entos son independientes cuando la ocurrencia o noEocurrencia de un
e$ento o suceso no tiene e#ecto sobre la probabilidad de ocurrencia del otro
e$ento :o e$entos;. In caso tpico de e$entos independiente es el muestreo con
reposici"n= es decir= una $e' tomada la muestra se re&resa de nue$o a la
poblaci"n donde se obtu$o.
E'em=loK
?an'ar al aire dos $eces una moneda son e$entos independientes por 1ue el resultado
del primer e$ento no a#ecta sobre las probabilidades e#ecti$as de 1ue ocurra cara o sello=
en el se&undo lan'amiento.
E?en%os de=endien%es
!os o ms e$entos sern dependientes cuando la ocurrencia o noEocurrencia de uno de
ellos a#ecta la probabilidad de ocurrencia del otro :o otros;. Cuando tenemos este caso=
empleamos entonces= el concepto de probabilidad condicional para denominar la
probabilidad del e$ento relacionado. ?a e>presi"n P :(_3; indica la probabilidad de
ocurrencia del e$ento ( s el e$ento 3 ya ocurri".
7e debe tener claro 1ue (_3 no es una #racci"n.
P :( A 3; N P:(
3; A P :3; o P :3 A(; N P:(
3; A P:(;
Pro=osici+n 5B .e&la de la multiplicaci"n de probabilidades
E?en%os de=endien%esB
P :(
]3; N P :3; ] P :(A 3; " P :(
]3; N] P :(; P :3 A (;
+
Sucesos inde=endien%esB
Consideremos dos e$entos ( y 3 no $acos en . ?as si&uientes proposiciones son
e1ui$alentes
( es independiente de 3
]P :` (
3; N ]P :` (; P :`3;a

P :`(A 3; N P:(;a

]P :`3A(; N P :`3a;
E'ercicioB En una t"mbola 0ay dos bolitas blancas y tres bolitas ne&ras= Pcul es la
probabilidad de sacar una blanca y despu)s una ne&raQ
a; 7i 0ay reposici"n= esto es= despu)s de sacar la primera bolita= )sta se de$uel$e a la
t"mbola
b; 7i no 0ay reposici"n= esto es= despu)s de sacar la primera bolita= )sta no se de$uel$e a
la t"mbola
Par%ici+n del es=acio mues%ral
!ecimos 1ue los sucesos
1 %
= =...=
-
) ) )
= representan una partici"n de siK
a;
i +
) )
N
para i <= b;
1
-
i
i
)

U
c; ( ) , 1
i
* )
=
i
)
Esto si&ni#ica 1ue es cubierto por todas las partes
i
)
1ue son mutuamente
e>cluyentes= es decir 1ue el e>perimento aleatorio asociado a ocurre cuando sucede
al&uno de los
i
)
.
Pro;a;ilidad %o%al
7ea ( un suceso y
1 %
= =...=
-
) ) )
una partici"n de . EntoncesK
( ) ( ) ( )
1
A
-
i i
i
* A * ) * A )
Teorema de "aCes
!ebida a 20omas 3ayes= 17,% a 1761= matemtico in&l)s 1ue estableci" el primer
m)todo de in#erencia estadstica.
Rela de "aCes
Para medir la probabilidad de 1ue un
i
)
sea la causa de un e$ento obser$ado en (.
5,
G#cilH
( )
( )
( )
( ) ( )
( ) ( )
1
A
A
A
i i i
i -
i i
i
* ) A * ) * A )
* ) A
* A
* ) * A )
para i N 1= %=*=...= M
Pro=osici+n 6& Independencia de sucesos complementarios
7i ( y 3 son sucesos independientes en un espacio muestral entonces
c
A
y
c
)

tambi)n lo son.
E'ercicio
El inspector de calidad de una &ran empresa tiene un plan de muestreo de #orma 1ue
cuando el pedido es de buena calidad lo acepta el 6B de las $eces. Por otra parte= el
inspector acepta el +B de los pedidos y sabe 1ue el 5B de los pedidos son de mala
calidad. Calcule la probabilidad 1ue un pedidoK
a; !e buena calidad se acepte
b; Malo se acepte
c; 7e rec0ace dado 1ue es de mala calidad
Varia;le Alea%oria
7e llama $ariable aleatoria a toda #unci"n 1ue asocia a cada elemento del espacio
muestral E un n4mero real.
7e utili'an letras may4sculas \= b=... para desi&nar $ariables aleatorias= y las respecti$as
min4sculas :>= y=...; para desi&nar $alores concretos de las mismas.
Varia;le alea%oria discre%a
Ina $ari abl e al eat ori a di scret a es a1uel l a 1ue s"l o puede t omar $al ores
ent eros.
E'em=los
El n4mero de 0i<os de una #amilia= la puntuaci"n obtenida al lan'ar un dado.
Funci+n de Pro;a;ilidad
7ea G la $ariable aleatoria discreta= entonces su #unci"n de probabilidad
( ) ( ) ( ) f x * x * X x
debe satis#acer lo si&uienteK
i: ( ) , 1 f x
ii: ( ) 1 f x
Funci+n de Pro;a;ilidad Acumulada

51
7ea \ la $ariable aleatoria discreta= con #unci"n de probabilidad= ( ) f x
= entonces su
#unci"n de probabilidad acumulada esK ( ) ( ) ( )
,
x
X
F x * X x f x
Carac%er!s%icas
Media Ari%m%ica ( )
,
n
X
xf x
Varian)a
( )
% % %
,
n
X
x f x
Mediana
Me N ( ) ,= 5 F X $e
Varia;le alea%oria con%inDa
Ina $ari abl e al eat ori a cont i nua es a1uella 1ue puede t omar t odos l os
$al ores posi bl es dent ro de un ci ert o i nt er$al o de la recta real.
E'em=los
?a altura de los alumnos de una clase= las 0oras de duraci"n de una pila.
Funci+n de Densidad de Pro;a;ilidad
7ea G la $ariable aleatoria contin4a= entonces su #unci"n de probabilidad
( ) ( ) ( ) f x * x * X x
debe satis#acer lo si&uienteK
i: ( ) , f x
x R ii: ( ) 1 f x dx
iii: ( ) ( ) ( )
.
a
* A * a X . f x dx
Funci+n de Pro;a;ilidad Acumulada

7ea \ la $ariable aleatoria continua= con #unci"n de probabilidad= ( ) f x
= entonces su
#unci"n de probabilidad acumulada esK ( ) ( ) ( )
x
F x * X x f x dx
Carac%er!s%icas
Media Ari%m%ica ( ) xf x dx
+
Varian)a
5%
( )
% % %
x f x dx
+
Mediana
Me N ( ) ( ) ,= 5
$e
F X $e f x dx
DISTRI"UCIONES PARA VARIA"LES ALEATORIAS

DISCRETAS
?as distribuciones 3inomial y Poisson= se deri$an de e>perimentos aleatorios en las
cuales nos interesa el n4mero de )>ito en las GnH repeticiones= en los periodos y
re&iones= a4n ms estn relacionadas con la teora del muestreo pe1ue/o nZ *,.
7on muy importantes pues son la base de metodolo&as in#erenciales= tales como
Inter$alos de Con#ian'a y Pruebas de Tip"tesis.
DISTRI"UCI/N "INOMIAL
Estudiaremos en este tema una de las distribuciones de probabilidad ms importantes y
1ue son imprescindibles a la 0ora de adentrarnos en el estudio de la in#erencia
estadstica. ?a distribuci"n binomial es uno de los primeros e<emplos de las llamadas
distribuciones discretas :1ue s"lo pueden tomar un n4mero #inito= o in#inito numerable=
de $alores;. 9ue estudiada por WaMob 3ernoulli :7ui'a= 165+E17,5;= 1ui)n escribi" el
primer tratado importante sobre probabilidad= G(rscon<ectandiH :El arte de pronosticar;.
?os 3ernoulli #ormaron una de las sa&as de matemticos ms importantes de la 0istoria.
La dis%ri;uci+n "inomial o de "ernoulli
?a distribuci"n binomial est asociada a e>perimentos del si&uiente tipoK
.eali'amos GnH $eces cierto e>perimento en el 1ue consideramos s"lo la posibilidad
de )>ito o #racaso.
?a obtenci"n de )>ito o #racaso en cada ocasi"n es independiente de la obtenci"n de
)>ito o #racaso en las dems ocasiones.
?a probabilidad de obtener )>ito o #racaso siempre es la misma en cada ocasi"n
:in$ariante;.
Veamos con un ejemplo
5*
2iramos un dado 7 $eces y contamos el n4mero de cincos 1ue obtenemos. PCul es la
probabilidad de obtener tres cincosQ
Este es un tpico e<emplo de distribuci"n binomial= pues estamos repitiendo 7 $eces el
e>perimento de lan'ar un dado. .
PCul es nuestro )>itoQ
E$identemente= sacar un 5= 1ue es en lo 1ue nos #i<amos.
El #racaso= por tanto= sera no sacar 5= sino sacar cual1uier otro n4mero.
Por tanto= cd>ito N E N Gsacar un 5H N P :/; N 1A6
9racaso N 9 N Gno sacar un 5H N P :F; N 5A6
Para calcular la probabilidad 1ue nos piden= #i<)monos en 1ue nos dicen 1ue sacamos *
cincos y por lo tanto tenemos * )>itos y + #racasos= Pde cuntas maneras pueden darse
estas posibilidadesQ
Podramos sacar * cincos en las * primeras tiradas y lue&o + tiradas sin sacar cinco= es
decirK EEE9999
Pero tambi)n podramos sacar E9E999E= es decir 1ue en realidad estamos calculando
de cuntas maneras se pueden ordenar + #racasos y * )>itos. .ecordando las t)cnicas
combinatorias= este problema se reduce a calcular las permutaciones con elementos
repetidosK
Definici+n de dis%ri;uci+n "inomialB
7i reali'amos GnH $eces un e>perimento en el 1ue podemos obtener )>ito= E= con
probabilidad GpH y #racaso= 9= con probabilidad G1H :0 N 1 1 p;= diremos 1ue estamos
ante una distribuci"n binomial de parmetros Gn y pH= y lo representaremos por 3 :nF
p;. En este caso la funci+n de =ro;a;ilidad de obtener M )>itos $iene dada porK
: ; : ;
n - n -
-
* - * X - & p 0

"ota2
Ubser$ar 1ue las probabilidades de )>ito y #racaso son complementarias= es decir= 1 N 1E
p y p N1E1= por lo 1ue basta saber una de ellas para calcular la otra.
#jemplo:
7upon&amos 1ue la probabilidad de 1ue una pare<a ten&a un 0i<o o una 0i<a es i&ual.
Calcular la Probabilidad de 1ue una #amilia con 6 descendientes ten&a % 0i<os.
En este caso d>ito N E N Gtener 0i<oH y P :E; N ,=5.
5+
9racaso N 9 N Gtener 0i<aH y P :9; N ,=5.
Estamos por tanto ante una binomial 3 :6F ,=5; y nos piden P :\N%;.
7i aplicamos la #"rmula esK
6 % +
%
: %; ,= 5 R,= 5 ,= %*++ * X &
Nota:
?a elecci"n de )>ito o #racaso es sub<eti$a y 1ueda a elecci"n de la persona 1ue resuel$e
el problema= pero teniendo cuidado de plantear correctamente lo 1ue se pide.
El uso de las %a;las de la dis%ri;uci+n "inomial
?a distribuci"n binomial se encuentra tabulada por lo 1ue es #cil calcular
probabilidades sin necesidad de 0acer demasiadas cuentas. Para usar las tablas de la
distribuci"n binomial es necesario conocerK
El n4mero de $eces 1ue se reali'a el e>perimento :n;.
?a probabilidad de )>ito :p;.
El n4mero de )>itos :M;.
?a probabilidad GpH se busca en la primera #ila :$alores desde ,=,1 0asta ,=5;.
El n4mero de $eces 1ue se reali'a el e>perimento= en la primera columna :$alores desde
% a 1,; y el n4mero de )>itos a su lado.
Por e<emplo en el caso anterior= 3 :6F ,=5;= P:\N%;= la columna p N ,=5 es la 4ltima= y
cuando n N 6 y M N % encontramos ,=%*++= el $alor 1ue 0abramos calculado.
Nota importante: El caso en 1ue p 3,=5= no se encuentra tabulado.
?a ra'"n es bien sencilla. 7i p 3,=5= entonces 0 4,=5 y basta intercambiar los papeles de
)>ito y #racaso para 1ue podamos utili'ar la tabla.
Pro;a;ilidades acumuladas
55
Es posible 1ue nos pidan no s"lo la probabilidad de 1ue ocurran un cierto n4mero de
)>itos en concreto= sino 1ue ocurran como muc0o GMH )>itos o por lo menos M )>itos o
pre&untas similares. Podran pedirnosK
a; PCul es la probabilidad de 1ue aprueben como muc0o % alumnosQ
7i )>ito N aprobar y #racaso N desaprobar= p N ,=7 y 1 N ,=*= entonces nos piden P:X
5 %;. En este caso= basta pensar en 1ue para 1ue aprueben % alumnos como muc0o=
puede 1ue aprueben %= 1 o nin&uno= es decirK
*:X 5 %; N P:X N ,;LP:X N 1;LP:X N %; N ,=,,,1 L ,=,,1% L ,=,1 N ,=1,1*
b; PCul es la probabilidad de 1ue aprueben entre * y 6 alumnos :inclusi$e;Q.
!el mismo modoK
p :* 5 X 5 6; N p:X N *;Lp:X N +;Lp:X N 5;Lp:X N 6; N ,=,+67 L ,=1*61 L ,=%5+1 L
,=%65 N ,=7**+
Temos de tener en cuenta 1ue para la distribuci"n binomial= en las tablas s"lo se
admiten $alores 0asta n N1, :1, repeticiones del e>perimento;. Para $alores de n 31,=
ine$itablemente 0emos de utili'ar la #"rmula.
Media C Des?iaci+n %!=ica en una dis%ri;uci+n "inomial
El nDmero es=erado de Oi%os o media= $iene dado por e N n p
?a des?iaci+n %!=ica= 67 1ue es una medida de dispersi"n y mide lo ale<ados 1ue estn
los datos de la media= $iene dada por 6 N np0
E'em=los
1. 7upon&amos 1ue la probabilidad de tener una unidad de#ectuosa en una lnea de
ensambla<e es de ,.,5. 7i el con<unto de unidades terminadas constituye un con<unto
de ensayos independientesK
1. Pcul es la probabilidad de 1ue entre die' unidades dos se encuentren
de#ectuosasQ
%. Py de 1ue a lo sumo dos se encuentren de#ectuosasQ
*. Pcul es la probabilidad de 1ue por lo menos una se encuentre de#ectuosaQ
%. Cada muestra de aire tiene 1,B de posibilidades de contener una mol)cula rara
particular. 7upon&a 1ue las muestras son independientes con respecto a la presencia
de la mol)cula rara. Encuentre la probabilidad de 1ue en las si&uientes 16 muestras=
a; e>actamente % conten&an la mol)cula rara.
56
b; Por lo menos 5 conten&an la mol)cula rara.
DISTRI"UCI/N DE POISSON

Da%o His%+rico
?a distribuci"n de Poisson se llama as en 0onor a su creador= el #ranc)s 7ime"n !ennis
Poisson :1761 8 16+,;. Esta distribuci"n de probabilidad #ue uno de los m4ltiples
traba<os 1ue !ennis completo en su producti$a trayectoria.
?a dis%ri;uci+n de Poisson es una distribuci"n de probabilidad discreta 1ue e>presa= a
partir de una #recuencia de ocurrencia media= la probabilidad 1ue ocurra un determinado
n4mero de e$entos durante cierto periodo de tiempo.
Carac%er!s%icasB
En este tipo de e>perimentos los )>itos buscados son e>presados por unidad de rea=
tiempo= pie'a= etc= etc=K Por e<emploK
E f de de#ectos de una tela por m
%
E f de a$iones 1ue aterri'an en un aeropuerto por da= 0ora= minuto= etc= etc.
E f de bacterias por cm
%
de culti$o
E f de llamadas tele#"nicas a un conmutador por 0ora= minuto= etc= etc.
E f de lle&adas de embarcaciones a un puerto por da= mes= etc= etc.
Para determinar la probabilidad de 1ue ocurran > )>itos por unidad de tiempo= rea= o
producto= la #"rmula a utili'ar seraK
: = ;
g
x
* x
x
!ondeK
p:x=; N probabilidad de 1ue ocurran > )>itos= cuando el n4mero promedio de
ocurrencia de ellos es
N media o promedio de )>itos por unidad de tiempo= rea o producto
N %.716
& E ?aria;le alea%oria Pue nos deno%a el nDmero de Oi%os Pue se desea Pue ocurra

57
Tay 1ue 0acer notar 1ue en esta distribuci"n el n4mero de )>itos 1ue ocurren por
unidad de tiempo= rea o producto es totalmente al a'ar y 1ue cada inter$alo de tiempo
es independiente de otro inter$alo dado= as como cada rea es independiente de otra
rea dada y cada producto es independiente de otro producto dado.

Propiedades del modelo de Poisson
1; Esperan'a matemticaK /:X; N h.
%; Varian'aK ':X; N h.
En esta distribuci"n la esperan'a y la $arian'a coinciden.
*; ?a suma de dos $ariables aleatorias independientes con distribuci"n de Poisson
resulta en una nue$a $ariable aleatoria= tambi)n con distribuci"n de Poisson= de
parmetro i&ual a la suma de parmetrosK
X
8
i * :h N h
1
; y X
9
i * :h N h
%
;
y de#inimos : N X
1
; X
%7
entonces=
: i * :h N h
1
; h
%
;
Este resultado se e>tiende inmediatamente al caso de n $ariables aleatorias
independientes con distribuci"n de Poisson. En este caso= la $ariable suma de todas ellas
si&ue una distribuci"n de Poisson de parmetro i&ual a la suma de los parmetros.
E'em=losB
1. 7i un banco recibe en promedio 6 c0e1ues sin #ondo por da= Pcules son las
probabilidades de 1ue reciba=
a; cuatro c0e1ues sin #ondo en un da dado=
b; 1, c0e1ues sin #ondos en cual1uiera de dos das consecuti$osQ

%. En la inspecci"n de 0o<alata producida por un proceso electroltico continuo= se
identi#ican ,.% imper#ecciones en promedio por minuto. !etermine las
probabilidades de identi#icarK
a; una imper#ecci"n en * minutos=
b; al menos dos imper#ecciones en 5 minutos=
c; cuando ms una imper#ecci"n en 15 minutos.
*. Ina compa/a tele#"nica recibe llamadas a ra'"n de 5 por minuto. 7i la distribuci"n
del n4mero de llamadas es de Poisson= calcular la probabilidad de recibir menos de
cuatro llamadas en un determinado minuto.
56
+. El due/o de un criadero de rboles est especiali'ado en la producci"n de abetos de
5a$idad. Estos crecen en #ilas de *,,. 7e sabe 1ue por t)rmino medio 6 rboles no
son aptos para su $enta. (sume 1ue la cantidad de rboles aptos para la $enta por
#ila plantada si&ue una distribuci"n de Poisson.
a; Calcula la probabilidad de encontrar % rboles no $endibles en una #ila de
rboles.
b; Calcula la probabilidad de encontrar % rboles no $endibles en media #ila de
rboles.
DISTRI"UCIONES PARA VARIA"LES ALEATORIAS
CONTINUAS
Dis%ri;uci+n Normal o de (auss
In%roducci+n
Ina de las distribuciones te"ricas me<or estudiadas en los te>tos de estadstica y ms
utili'ada en la prctica es la dis%ri;uci+n normal= tambi)n llamada dis%ri;uci+n
aussiana. 7u importancia se debe #undamentalmente a la #recuencia con la 1ue
distintas $ariables asociadas a #en"menos naturales y cotidianos si&uen=
apro>imadamente= esta distribuci"n. Caracteres mor#ol"&icos :como la talla o el peso;=
o psicol"&icos :como el cociente intelectual; son e<emplos de $ariables de las 1ue
#recuentemente se asume 1ue si&uen una distribuci"n normal.
El uso e>tendido de la distribuci"n normal en las aplicaciones estadsticas puede
e>plicarse= adems= por otras ra'ones. Muc0os de los procedimientos estadsticos
0abitualmente utili'ados asumen la normalidad de los datos obser$ados. (un1ue
muc0as de estas t)cnicas no son demasiado sensibles a des$iaciones de la normal y= en
&eneral= esta 0ip"tesis puede ob$iarse cuando se dispone de un n4mero su#iciente de
datos= resulta recomendable contrastar siempre si se puede asumir o no una distribuci"n
normal. ?a simple e>ploraci"n $isual de los datos puede su&erir la #orma de su
distribuci"n. 5o obstante= e>isten otras medidas= &r#icos de normalidad y contrastes de
5
0ip"tesis 1ue pueden ayudarnos a decidir= de un modo ms ri&uroso= si la muestra de la
1ue se dispone procede o no de una distribuci"n normal. Cuando los datos no sean
normales= podremos o bien trans#ormarlos o emplear otros m)todos estadsticos 1ue no
e>i<an este tipo de restricciones :los llamados m)todos no param)tricos;.
( continuaci"n se describir la distribuci"n normal= su ecuaci"n matemtica y sus
propiedades ms rele$antes= proporcionando al&4n e<emplo sobre sus aplicaciones a la
in#erencia estadstica.
Da%o His%+rico
?a distribuci"n normal #ue reconocida por primera $e' por el #ranc)s (bra0am de
Moi$re :1667E175+;. Posteriormente= Carl 9riedric0 Vauss :1777E1655; elabor"
desarrollos ms pro#undos y #ormul" la ecuaci"n de la cur$aF de a0 1ue tambi)n se la
cono'ca= ms com4nmente= como la Qcam=ana de (aussQ.
Definici+n
7e dice 1ue la $.a continua \ es una $.a. normal con parmetros
y
%
si su #unci"n
de densidad esK
%
1
%
1
: ; = ......:1;
%
x
f x e x

_

,
< <

7e denota \i 5 :e= jk; y se dice \ se distribuye normal con parmetros e y jk
(r*fica de la Dis%ri;uci+n Normal
Pro=iedades de la dis%ri;uci+n normal
?a distribuci"n normal posee ciertas propiedades importantes 1ue con$iene destacarK
a;. ?a #unci"n siempre es positi$a= #:>; [ , para toda >.
6,
b;. 2iene una 4nica moda= 1ue coincide con su media y su mediana= cuyo $alor es
1
%
.
c;. ?a cur$a normal es asint"tica al e<e de abscisas. Por ello= cual1uier $alor entre
y
+ es te"ricamente posible.
d;. El rea total ba<o la cur$a es= i&ual a 1.
e;. Es sim)trica con respecto a su media. 7e&4n esto= para este tipo de $ariables e>iste
una probabilidad de un 5,B de obser$ar un dato mayor 1ue la media= y un 5,B de
obser$ar un dato menor.
#;. ?a distancia entre la lnea tra'ada en la media y el punto de in#le>i"n :eEj y eLj; de
la cur$a es i&ual a una des$iaci"n tpica :
;. Cuanto mayor sea
= ms aplanada
ser la cur$a de la densidad.
#;. El rea ba<o la cur$a comprendido entre los $alores situados apro>imadamente a dos
des$iaciones estndar de la media es i&ual a ,.5. En concreto= e>iste un 5B de
posibilidades de obser$ar un $alor comprendido en el inter$alo.
&;. ?a #orma de la campana de Vauss depende de los parmetros
. ?a media
indica la posici"n de la campana= de modo 1ue para di#erentes $alores de la &r#ica
es despla'ada a lo lar&o del e<e 0ori'ontal. Por otra parte= la des$iaci"n estndar
determina el &rado de apuntamiento de la cur$a. Cuanto mayor sea el $alor de
=
ms se dispersarn los datos en torno a la media y la cur$a ser ms plana. In $alor
pe1ue/o de este parmetro indica= por tanto= una &ran probabilidad de obtener datos
cercanos al $alor medio de la distribuci"n.
Dis%ri;uci+n Normal Es%*ndar
!educiendo de la 4ltima propiedad= no e>iste una 4nica distribuci"n normal= sino una
#amilia de distribuciones con una #orma com4n= di#erenciadas por los $alores de su
media y su $arian'a. !e entre todas ellas= la ms utili'ada es la dis%ri;uci+n normal
es%*ndar= 1ue corresponde a una distribuci"n de media , y $arian'a 1. (s= la
e>presi"n 1ue de#ine su densidad se puede obtener de la Ecuaci"n 1= resultandoK
%
1
%
1
: ; = ......:%;
%
,
f , e ,
< <
61
Es importante conocer 1ue= a partir de cual1uier $ariable
: = ; X "
= se puede
obtener otra caracterstica : con una distribuci"n normal estndar= sin ms 1ue e#ectuar
la trans#ormaci"nK
x
,

= donde
:,=1; , "
.
(r*fica de la Dis%ri;uci+n Normal Es%*ndar
:E; - 9R: S
E'ercicios
1. !ada una distribuci"n normal estndar= encuentre el rea ba<o la cur$a 1ue est
a; a la i'1uierda de ' N 1.+*
b; a la derec0a de ' N E,.6
c; entre ' N E%.16 y ' N E,.65
d; a la i'1uierda de ' N E1.*
e; a la derec0a de ' N 1.6
#; entre ' N E,.+6 y ' N 1.7+
%. 7e re&ula una m1uina despac0adora de re#resco para 1ue sir$a un promedio de %,,
mililitro por $aso. 7i la cantidad de bebida se distribuye normalmente con una
des$iaci"n estndar i&ual a 15 mililitros=
a; P1u) #racci"n de los $asos contendrn ms de %%+ mililitrosQ
b; Pcul es la probabilidad de 1ue un $aso conten&a entre 11 y %, mililitrosQ
c; Pcuntos $asos probablemente se derramarn si se utili'an $asos de %*, mililitros
para las si&uientes 1,,, bebidasQ
d; Ppor deba<o de 1u) $alor obtendremos %5B de las bebidas ms pe1ue/asQ
*. ?a $ida promedio de cierto tipo de motor pe1ue/o es 1, a/os con una des$iaci"n
estndar de dos a/os. El #abricante reempla'a &ratis todos los motores 1ue #allen
dentro del tiempo de &aranta. 7i est dispuesto a reempla'ar s"lo *B de los motores
6%
1ue #allan= Pde 1u) duraci"n debe ser la 'arant8a 4ue o9re:ca; /upon'a 4ue la duraci6n de
un motor si&ue una distribuci"n normal.
+. ?a resistencia a la tracci"n de cierto componente de metal se distribuye normalmente
con una media de 1,,,, Milo&ramos por centmetro cuadrado y una des$iaci"n
estndar de 1,, Milo&ramos por centmetro cuadrado. ?as mediciones se re&istran a
los 5, Milo&ramos por centmetro cuadrado ms cercanos.
a; PXu) proporci"n de estos componentes e>cede 1,15, Milo&ramos por centmetro
cuadrado de resistencia a la tracci"nQ
b; 7i las especi#icaciones re1uieren de todos los componentes ten&an resistencia a la
tracci"n entre 6,, y 1,%,, Milo&ramos por centmetro cuadrado inclusi$e= P1u)
proporci"n de pie'as esperara 1ue se descartarQ
Im=or%an%e
?as distribuciones GtH de 7tudent= C0i cuadrado :
%
; y 9= se deri$an de la distribuci"n
5ormal y estn relacionadas con la teora del muestreo pe1ue/o n Z *,.
7on muy importantes pues son la base de metodolo&as in#erenciales= tales como
Inter$alos de Con#ian'a y Pruebas de Tip"tesis.
?as $ariables GtH=
%
y 9 sur&en de trans#ormaciones de $ariables aleatorias en las 1ue
estn in$olucrados estadsticos muestrales= tales como la media y la $arian'a. En la
prctica= por lo tanto= no podemos decir por E<emplo 1ue el peso= la altura= etc.= se
distribuyen se&4n tH=
%
y 9
DISTRI"UCI/N DE STUDENT O DISTRI"UCI/N J%K
PXui)n era 7tudentQ Pues en realidad S%uden% no era el nombre o el apellido del
responsable de esta distribuci"n de probabilidad= sino 1ue era un seud+nimo. El
$erdadero nombre del creador de la t de 7tudent es Tilliam SealC (osse%= :1676 8
1*7;F era un matemtico y 1umico in&l)s.
En muc0os casos se seleccionan de una poblaci"n normal= muestras de tama/o pe1ue/o
n Z *, y
desconocido.
6*
DEFINICI/N
<na varia.le con distri.uci=n t de %tudent se define como el cociente entre una
varia.le normal estandari,ada ! la ra>, cuadrada positiva de una varia.le
%
dividida
por sus grados de li.ertad?
a funci=n de densidad de pro.a.ilidad de la varia.le aleatoria @tA est dada por2
[ ]
: 1; A %
%
: 1; A %
: ; 1
: A %;
v
v
t
h t
v
v v

+
+ _
+

,
7
t < < +
Esta se conoce como la dis%ri;uci+n % con &rados de libertad.
CARACTERISTICAS
?a distribuci"n se denomina distribuci"n de 7tudent o distribuci"n GtH.
Cada cur$a GtH tiene #orma de campana con centro en ,.
Es sim)trica= con media ,= y $ariancia mayor 1ue 1. Es decirK
%
= %
%
v
v
v
>
Es ms ac0atada 1ue la normal y adopta di#erentes #ormas= se&4n el n4mero de

&rados de libertad.
?a $ariable t se e>tiende desde E
a L
.
( medida 1ue aumenta los :$ N n E1= es decir
v
; &rados de libertad la
distribuci"n GtH se apro>ima en su #orma a una distribuci"n normal estndar. 0or lo
1ue la cur$a G'H recibe a $eces el nombre de cur$a GtH con &l N &rande G
H.
El parmetro de la distribuci"n es :$ N nE1; &rados de libertad= ori&inando una
distribuci"n di#erente para cada tama/o de muestra.
UC+mo se deduce una dis%ri;uci+n de J%KV
E>trai&o - muestras de tama/o n Z *,.
Calculo para cada muestra el $alor de GtH.
6+
Vra#i1ue la distribuci"n para cada tama/o muestral
Dis%ri;uci+n J%K =ara diferen%es rados de li;er%ad 9nL.:
E'em=loB
a; Encuentre la probabilidad de 8t
,.,%5
Z t Z t
,.,5.
b; Encuentre M tal 1ue P :M Z t Z E1.761; N ,.,+5= para una muestra aleatoria de tama/o
15 1ue se selecciona de una distribuci"n normal.
c; In in&eniero 1umico a#irma 1ue el rendimiento medio de la poblaci"n de cierto
proceso en lotes es 5,, &ramos por milmetro de materia prima. Para $eri#icar esta
a#irmaci"n toma una muestra de %5 lotes cada mes. 7i el $alor de t calculado cae
entre 8t
,.,5
y t
,.,5
= 1ueda satis#ec0o con su a#irmaci"n. PXu) conclusi"n e>traera de
una muestra 1ue tiene una media de 516 &ramos por milmetro y una des$iaci"n
estndar de +, &ramosQ 7upon&a 1ue la distribuci"n de rendimientos es
apro>imadamente normal.
d; Calcular el percentil
,=5
t
y
,=%5
t
en cada uno de los si&uientes casosK
1. En una distribuci"n tE7tudent con * &rados de libertad.
%. En una distribuci"n tE7tudent con *, &rados de libertad.
*. En una distribuci"n tE7tudent con 5% &rados de libertad.
+. En una distribuci"n tE7tudent con 1%, &rados de libertad.
65
DISTRI"UCI/N CHI L CUADRADO
Para muestras e>tradas de una poblaci"n normal con $ariancia
%
s = con tama/o n Z *,=
siendo
%
s la $arian'a de la muestra.
DEFINICI/N
<na varia.le &hi cuadrado se define como la suma de n varia.les normales
estandari,adas elevadas al cuadrado?
CARACTERISTICAS
Por de#inici"n= una $ariable
%
adopta $alores positi$osK
%
,.
?a distribuci"n es asim)trica positi$a.
( medida 1ue aumenta el tama/o de la muestra la cur$a es menos asim)trica=
apro>imndose a una cur$a normal.
Para cada tama/o muestral= se tendr una distribuci"n
%
di#erente.
El parmetro 1ue caracteri'a a una distribuci"n
%
son sus &rados de libertad :$ N
nE1;= ori&inado una distribuci"n para cada &rado de libertad=
UC+mo se deduce una dis%ri;uci+n
%
V
E>traer - muestras de tama/o n Z *,
Para cada muestra= por e<emplo n N 5= trans#ormamos cada $alor de >K >1= >%= >*= >+ y
>5 en lK '1= '%= '*= '+ y '5=
Dis%ri;uci+n de jiLcuadrado =ara alunos ?alores de rados de li;er%ad&
E'ercicio.B Calcular el percentil
%
=,=5 n
y
%
=,=%5 n
en cada uno de los si&uientes casosK

66
1. nN5
%. nN*,.
DISTRI"UCI/N F DE FISHER
Considerando dos muestras aleatorias independientes= de tama/o n1 y n%= e>tradas de
una poblaci"n normal= el estadstico F ser
DEFINICI/N
Ina $ariable F se de#ine como el cociente entre dos $ariables <iEcuadrado di$ididas por
sus correspondientes &rados de libertad.
Carac%er!s%icas
Ina $ariable con distribuci"n 9 es siempre positi$a por lo tanto su campo de
$ariaci"n es G, a mO
?a distribuci"n de la $ariable es asim)trica= pero su asimetra disminuye cuando
aumentan los &rados de libertad del numerador y denominador.
Tay una distribuci"n 9 por cada par de &rados de libertad.
ParmetrosK Vrados de libertad asociados al numerador y denominador
UC+mo se deduce una dis%ri;uci+n FV
E>trai&a M pares de muestras aleatorias independientes de tama/o n Z *,.
Calcule para cada par el cociente de $ariancias 1ue proporciona un $alor de 9.
Vra#icar los $alores de 9 de los M pares de muestras.
Dis%ri;uci+n F =ara diferen%es rados de li;er%ad
67
Ca=i%ulo 4
INTRODUCCI/N
A LA
INFERENCIA ESTAD$STICA
El proceso de Inferencia Es%ad!s%ica permite e>traer conclusiones
cient#icamente $lidas acerca de la poblaci"n a partir de los resultados
mu)strales :obtenidos a tra$)s de la estadstica descripti$a;.
El =ro=+si%o de la inferencia es%ad!s%ica es reali)arB
L Es%imaci+n de Par*me%ros
66
E Con%ras%e de Hi=+%esis
Es%imaci+n de Par*me%ros
El m)todo de estimaci"n de un parmetro puede ser puntual o por inter$alo.
Es%imaci+n =un%ual de 7
En base al resultado de la muestra particular de tama/o n= una estimaci"n puntual de e
sera el $alor num)rico 1ue toma
X
en dic0a muestra.
En nuestro e<emplo= a partir de una muestra de nN5, planc0as de acero. !aramos como
estimaci"n del peso medio poblacional o te"rico=
X
N %15 -&.
Incon?enien%e9s:B
?a estimaci"n puntual depende de la muestra particular 1ue se obten&a.
E>iste una incertidumbre total= acerca de la pro>imidad :le<ana; del $alor puntual a
la media poblacional o te"rica.
7in embar&o
Conocemos la distribuci"n de la medias mu)strales ba<o ciertas condiciones sobre la
poblaci"n de partida.
DISTRI"UCI/N DE LA MEDIA MUESTRAL
a: Si asumimos Pue G W N 97@ X:@ X W conocida
6
?as :in#initas; medias mu)strales obtenidas con muestras de tama/o n se distribuyen
se&4n una distribuci"n normal :campana de Vauss;K
: = ; :,=1;
X
X
X
X " : "

!ondeK
X
es el error tpico o des$iaci"n estndar de la media muestral.

;: Si asumimos Pue G W N 97@ X:@ X desconocida
?as :in#initas; medias mu)strales obtenidas con muestras de tama/o n se
distribuyen se&4n una distribuci"n tEstudent con nE1 &rados de libertad :&l;
1
: = ;
n X
X
X
X " s B t
s

!ondeK
X
%
es el error tpico o des$iaci"n estndar de la media muestral.
-
No%aB 9Error es%*ndar o Error %!=ico de la media:
n
x

conocida
2ama/o de poblaci"n :5; demasiado &rande o
in#inita.
7,
1
"
n "
n
x

conocida
2ama/o de poblaci"n :5; conocido o #inita.
n
%
%
x

desconocida= entonces %
in#inita.
1
"
n "
n
%
%
x

desconocida= entonces %
2ama/o de poblaci"n :5; conocida o #inita.
Es%imaci+n =or In%er?alo de confian)a =ara 7
7upon&amos 1ue de una poblaci"n normal con media desconocida
y $arian'a
conocida o desconocida
%
se e>trae una muestra de tama/o n= entonces de la
distribuci"n de la media muestral
X
se obtiene 1ue= lle$a asociado un error tpico de
dic0o estadstico de lo 1ue 0a de tenerse en cuenta para $alorar la precisi"n de una
estimaci"n puntual.
Idea
Construir inter$alos de con#ian'a= basado
X
= 1ue conten&a Gcon alta probabilidadH el
parmetro e.
Caso IB \ n 5 :e= j;= j conocida
#l Inter"alo de confian'a para e es:
1 A % 1 A %
R R
X X
X : X :

+
Con un ni$el de con#ian'a del 1 .
Caso IIB \ n 5 :e= j;= j desconocida
#l inter"alo de confian'a para e es:
1 A %F 1 1 A %F 1
R R
n n X X
X t % X t %

+
TamaAo de mues%ra
7e puede determinar 1ue tan &rande debe ser el tama/o de la muestra= n= de manera 1ue
si
se estima por x = el error de es%imaci+n no sea mayor 1ue un $alor dado e& En
e#ectoK
71
%
% %
%
1
R
e
:
n

2ama/o de poblaci"n :5; demasiado &rande

o in#inita.
7i la des$iaci"n estndar : ; es
desconocida= se estima por la des$iaci"n
estndar muestral :7; 0allado a partir de una
muestra piloto.
; 1 : R
R R
% % %
%
1
% %
%
1
+
" e :
" :
n
2ama/o de poblaci"n :5; conocida o #inita

7i la des$iaci"n estndar : ; es
desconocida= se estima por la des$iaci"n
estndar muestral :7; 0allado a partir de
una muestra piloto.
E'em=lo .B Ina encuesta reali'ada a %5 empleados de un sector dio como resultados
1ue el tiempo medio de empleo era de 5=* a/os con una des$iaci"n tpica de 1=% a/os.
a; Estimar= al ,B de con#ian'a= el tiempo medio de empleo para el sector= suponiendo
5ormalidad.
b; 7i el mar&en de error 0ubiera sido de 1 a/o P1u) &rado de con#ian'ase tendraQ
c; PXu) tama/o muestral es necesario si se 1uisiera el mar&en de error del apartado
primero y el &rado de con#ian'a del apartado se&undoQ
Soluci+nB a:
Estimar= al ,B de con#ian'a= el tiempo medio de empleo para el sector= suponiendo
5ormalidad.
Da%osB
\K 2iempo de empleo supuestamente 5ormal
2ama/o de muestra K n N %5 empleados
2iempo medio de empleo K
X
N 5=* a/os
!es$iaci"n tpica muestral K 7 N 1=% a/os :
desconocido;
Con#ian'a K 1 N ,=,

N ,=1,
En base a los datos corresponde al CASO II= donde su inter$alo esK
1 A %F 1 1 A %F 1
R R
n n X X
X t % X t %

+
EntoncesK
X N 5=* 1 A %= 1 ,=5F%+
1= 711
n
t t

:3uscar tabla;
1= %
,= %+
%5
X
%
%
n

.eempla'ando en la #"rmulaK
5=* 8 1=711R,=%+

5=* L 1=711R,=%+
5=* 8 ,=+11

5=* L ,=+11
1@668

5@2..
7%
In%er=re%aci+nB El tiempo medio de empleo de todos los empleados del sector se
estima en += a 5=7 a/os= con una con#ian'a del ,B.
Soluci+nB;:
7i el mar&en de error 0ubiera sido de 1 a/o P1u) &rado de con#ian'a se tendraQ
Error de estimaci"nK e N
1 A %
R
X
, %

1 N 1 A %
R
s
,
n

1 N 1 A %
1= %
R
%5
,

1 A %
+=17 ,

:3uscando en la tabla estadstica;
1 ,=
%
,= ,,,,%
Por lo tanto el &rado de con#ian'a esK
1 ,= 6
Soluci+nB c:
PXu) tama/o muestral es necesario si se 1uisiera el mar&en de error del apartado
primero y el &rado de con#ian'a del apartado se&undoQ
2ama/o de muestra con mar&en de error de ,=+11 y
Vrado de con#ian'a ,=6
5N2ama/o de poblaci"n de empleados desconocido de la entidad
Entonces la #ormula 1ue le corresponde esK
% %
% %
1
%
% %
R
+= , R1= %
,= +11
: %
n
e

1+%= 6 1+* n
E'em=lo ,B El n4mero de 0oras diarias 1ue los empleados de cierta entidad bancaria de
mbito nacional traba<an delante del ordenador es una $ariable aleatoria normal con
$arian'a 1=5. 7e toma una muestra al a'ar de 1, empleados y se anota el n4mero de
0oras 1ue cierto da traba<aron con el ordenadorK
6 *=+ 5=6 6=* 6=+ 5=* 5=+ 5 5=% 5=5
a; !etermina el inter$alo de con#ian'a al 5B para el n4mero medio de 0oras diarias
1ue se traba<a en el ordenador en esa entidad. E>plica claramente el resultado
comentando 1ue si&ni#ica el 5B de con#ian'a.
b; PXu) tama/o muestral es necesario si se 1uisiera el mar&en de error del apartado
primero y el &rado de con#ian'a de ,BQ
Soluci+nBa:
7*
Da%osB
\K 54mero de 0oras diarias $ariable 5ormal
Varian'a poblacion K
%
N 1=5 conocido
!es$iaci"n estndar
N 1=%%5
2ama/o de muestra K n N 1, empleados
54mero promedio de 0oras diarias se 0alla a partir de los $alores num)ricos re&istrados
de los 1, empleados K
1,
1 1
6 *= + 5= 6 ... 5= 5
1,
i
x
X
n
+ + + +

N 5=+1 0oras
Con#ian'a K 1 N ,=5

N ,=,5
En base a los datos corresponde al CASO I= cuyo inter$alo esK
1 A % 1 A %
R R
X X
X : X :

+
X
N 5=+1
1 A % ,=75
1= 6, : :

:3uscar tabla;
1= %%5
,= *67
1,
X
n

5=+1 8 1=6R,=*67

5=+1 L 1=6R,=*67
5=+1 8 ,=75

5=+1 L ,=75
1@35.

3@.38
In%er=re%aci+nB El n4mero medio de 0oras diarias 1ue traba<an delante del ordenador
todos los empleados de cierta entidad bancaria se estima en +=6 a 6=%0oras= con una
con#ian'a del 5BF el cual si&ni#ica 1ue de 1,, muestras de empleados seleccionados
de toda la entidad bancaria= 5 de ellas estiman dic0o parmetro.
Soluci+nB;:
Da%osB
Mar&en de error K e N ,=75
Varian'a poblacional K
%
N 1=5
Con#ian'a K
1
N ,=,

N ,=1,
2ama/o de la poblaci"n K 5 desconocido
En base a los datos corresponde utili'ar la #ormulaK
% %
%
%
1
,=5
%
% % %
R
R1= 5
1= 6+5 R1= 5
,= 75 ,= 75
:
:
n
e

7= ,5 7 n
E'ercicios Pro=ues%os
E'ercicio .B ?a duraci"n aleatoria de las unidades producidas de un artculo= se
distribuye se&4n la ley normal= con des$iaci"n tpica i&ual a seis minutos.
Ele&idas al a'ar cien unidades= resulto ser la duraci"n media de 1+=*5 minutos.
Elaborar el inter$alo de con#ian'a del B para la duraci"n media de las
unidades producidas.
7+
E'ercicio ,B 7e anali'an 'umos de #ruta y se 0a obtenido un contenido medio
de #ruta de %% m& por 1,, cc de 'umo. ?a $arian'a poblacional es desconocida=
por lo 1ue se 0a calculado la cuasi des$iaci"n tpica de la muestra 1ue 0a
resultado ser 6=* m& de #ruta por cada 1,, cc de 'umo. 7uponiendo 1ue el
contenido de #ruta del 'umo es normal= estimar el contenido medio de #ruta de los
'umos tanto puntualmente como por inter$alos al 5B de con#ian'a.
E'ercicio 4B 7e desea estimar el n4mero medio de libros 1ue los estudiantes de
cierta titulaci"n ad1uieren en el 4ltimo curso de sus estudios. 7uponiendo
conocida la dispersi"n :$arian'a i&ual a *6; y siendo 5ormal el comportamiento
de la $ariable=
a; P1u) tama/o muestral 0ace #alta para alcan'ar un &rado de con#ian'a del 5B
y un mar&en de error no superior a % unidadesQ
b; PCul sera el tama/o muestral si 1ueremos reducir el inter$alo a la mitad sin
perder #iabilidadQ
E'ercicio 1B Xueremos a<ustar una m1uina de re#rescos de modo 1ue el
promedio del l1uido dispensado 1uede dentro de cierto ran&o. ?a cantidad de
l1uido $ertido por la m1uina si&ue una distribuci"n normal con des$iaci"n
estndar ,.15 decilitros. !eseamos 1ue el $alor estimado 1ue se $aya a obtener
comparado con el $erdadero no sea superior a ,.% decilitros con una con#ian'a
del 5B. P!e 1u) tama/o debemos esco&er la muestraQ
E'ercicio 5B Es necesario estimar entre 1,,,, establos= el n4mero de $acas lec0eras
por establo con un error de estimaci"n de + y un ni$el de con#ian'a del 5B.7abemos
1ue la $arian'a es 1,,,. PCuntos establos deben $isitarse para satis#acer estos
re1uerimientosQ
In%er?alo de Confian)a =ara la ?arian)a
?a $arian'a como medida de dispersi"n es importante dado 1ue nos o#rece una me<or
$isi"n de dispersi"n de datos. 5ue$amente consideramos 1ue la poblaci"n si&ue una
distribuci"n de probabilidad normal.
Utro campo del conocimiento donde la $arian'a se ocupa en &ran medida es en control
de calidadF cuando un producto se elabora el rea de control de calidad busca 1ue los
productos est) dentro de ciertos lmites de tolerancia= pero tambi)n 1ue la $ariabilidad
de un producto sea lo menor posible.
#l Inter"alo de confian'a para la "arian'a po$lacional (
%
) es:
% %
%
% %
1 A %F 1 A %F 1
: 1; : 1;
n n
n s n s

75
E'em=lo .B 7e 0an reco&ido muestras de aire para estudiar su contaminaci"n=
obteni)ndose las si&uientes cantidades de impure'as en -&Am*
%.%F 1.6F *.1F %.,F %.+F %.,F %.1F 1.%
Construir un inter$alo de con#ian'a al 6B para la des$iaci"n estndar de impure'as
contenidas en el aire.
Soluci+nB
Da%osB
Calculando la cantidad media de impure'as a partir de los $alores num)ricos
re&istrados en las 6 muestras de aire K
1,
1 1
%= % 1= 6 *=1 ... 1= %
%=1
6
i
x
X
n
+ + + +

Calculando la $arian'a muestral obtenido de los $alore num)ricos K

( ) ( ) ( )
%
% % %
% 1
: ;
%= % %=1 1= 6 %=1 ... 1= % %=1
1 6 1
n
i
i
X X
%
n
+ + +

%
% N ,=%66
Con#ian'a K
1
N ,=6

N ,=,%
Entonces el inter$alo esK
( ) ( )
% %
% %
% % % %
1 A %F 1 A %F 1 ,=F7 ,=,1F7
6 1 R,= %66 6 1 R,= %66
: 1; : 1;
n n
n s n s

%
%= ,16 %= ,16
16= +75 1= %*

%
,=1, 1= 6%7
Por lo %an%oB
,= **, 1= %75
In%er=re%aci+nB ?a $ariabilidad de impure'as con respecto a su media 1ue contiene el
aire se estima en ,=1, a 1=6%7 -&.A
*
m = con una con#ian'a del 6B.
E'ercicio .B 7e sabe por e>periencia 1ue el tiempo 1ue tarda el ser$icio de ca<a
de una empresa prestadora del ser$icio de a&ua de una re&i"n para atender a los
clientes 1ue lle&an a e#ectuar el pa&o mensual del ser$icio se distribuye
normalmente. 7e pide estimar el inter$alo de con#ian'a para la des$iaci"n
estndar poblacional del tiempo re1uerido para atender los pa&os 1ue e#ect4an
los clientes= con un ni$el de con#ian'a del 5B= si para el e#ecto se tom" una
muestra aleatoria de %5 clientes 1ue arro<" una des$iaci"n estndar de 1.6
minutos.
76
E'ercicio ,B El tiempo 1ue transcurre para los obreros de una &ran compa/a
entre el momento del in&reso a la planta y el momento en 1ue estn listos para
recibir las orientaciones de su <e#e inmediato= se distribuye normalmente. Ina
muestra de %, obreros arro<a una des$iaci"n estndar de *.5 minutos. 7e pide
calcular el inter$alo de con#ian'a del B para la des$iaci"n estndar del tiempo
transcurrido para todos los obreros de la compa/a.
In%er?alo de Confian)a =ara la diferencia de medias 9
1 %

:
7upon&amos 1ue se tiene dos poblaciones distribuidas normalmente con medias
desconocidas
1
y
%
= respecti$amente. 7e puede aplicar una prueba ) o % de 7tudent

para comparar las medias de dic0as poblaciones basndonos en dos muestras
independientes tomadas de ellas. ?a primera muestra es de tama/o
1
n
= con media
1
X y
la se&unda muestra es de tama/o
%
n
= tiene media
%
X . !onde las $arian'as
poblacionales pueden ser conocidas :
%
1
y
%
%
; o desconocidas :
%
1
o
%
1
s
y
%
%
o
%
%
s
;.
Caso IB Muestras independientes= Varian'as poblacionales conocidas
9
%
1

y
%
%
:
El in%er?alo de confian)a esB
( ) ( )
1 % 1 %
1 % 1 A % 1 % 1 % 1 A %
R R
X X X X
X X : X X :

+
!ondeK
1 %
% %
1 %
1 %
X X
n n

+
Caso IIAB 5ormalEMuestras independientes= Varian'as poblacionales
desconocidas pero i&uales :
% %
1 %

;
( ) ( )
1 % 1 %
1 % 1 A %F 1 % 1 % 1 A %F
R R
v v X X X X
X X t % X X t %

+
!ondeK
1 %
% v n n +
es el &rado de libertad.
77
( ) ( )
1 %
% %
1 1 % %
1 % 1 %
1 R 1 R
1 1
%
X X
n s n s
%
n n n n
+ _
+

+
,
Caso II"B 5ormalEMuestras independientes= Varian'as poblacionales
desconocidas y di#erentes :
% %
1 %

;
( ) ( )
1 % 1 %
1 % 1 A %F 1 % 1 % 1 A %F
R R
v v X X X X
X X t % X X t %

+
!ondeK
%
% %
1 %
1 %
% %
% %
1 %
1 %
1 %
%
1 1
% %
n n
% %
n n
n n
_
+

,

_ _

, ,
+
+ +
Es el &rado de libertad= 1ue toma un $alor
num)rico redondeado entero.
1 %
% %
1 %
1 %
X X
s s
%
n n
+

E'em=lo .B En el departamento de control de calidad de una empresa= se 1uiere
determinar si 0a 0abido un descenso si&ni#icati$o de la calidad de su producto
entre las producciones de dos semanas consecuti$as a consecuencia de un
incidente ocurrido durante el #in de semana. !eciden tomar una muestra de la
producci"n de cada semana= si la calidad de cada artculo se mide en una escala
de 1,,= obtienen los resultados si&uientesK
7emana 1K * 66 , , + 1 % 6
7emana %K * 67 7 , 66 67 6+ *
Construye un inter$alo de con#ian'a para la di#erencia de medias al ni$el de
5B.Interpreta los resultados obtenidos.
Soluci+nB
7uponiendo normalidad las producciones de las dos semanas
Cada semana son muestras independientes
Varian'as poblacionales desconocidas :
%
1
=
%
%
;
(0ora
76
UC+mo sa;er si las ?arian)as son iuales o diferen%esV
7e reali'a la prueba de 0omo&eneidad de $arian'as= 1ue consiste en lo si&uienteK
Formular las <i=+%esis
Tip"tesis nula B
% %
, 1 %
K H

Tip"tesis alterna B
% %
1 1 %
K H
Fi'ar ni?el de sinificancia
,= ,5
Es%ad!s%ico de =rue;a
% %
1 %
% %
1 %
: = ;
: = ;
mx s s
F
m>n s s
Semana .B
Calculo de la media
1,
1 1
1
* 66 , ... 6
1= 5,
6
i
x
X
n
+ + + +

1
1= 5, X
Calculo de la $arian'a
( ) ( ) ( )
%
% % %
% 1
1
: ;
* 1= 5, 66 1= 5, ... 6 1= 5,
1 6 1
n
i
i
X X
%
n
+ + +

%
1
=1+* %
Semana ,B
Calculo de la media
1,
1 1
%
* 67 7 ... *
6= 66
6
i
x
X
n
+ + + +

%
6= 66 X
Calculo de la $arian'a
7
( ) ( ) ( )
%
% % %
% 1
%
: ;
* 6=66 67 6=66 ... * 6= 66
1 6 1
n
i
i
X X
%
n
+ + +

%
%
17= 6* %
Reem=la)ando en el es%ad!s%ico de =rue;a
%
%
%
1
17= 6*
1= 51
=1+*
c
s
F
s

Reiones cr!%icas
-@,-- 1@88
l.AEEEEEEEEEEEEEEEEEEElonaEEEEEEEEEEEEEEEEEEFEEEEEEEElonaEEEEEEEEE
(ceptaci"n .ec0a'o
?a 'ona de aceptaci"n para un ni$el de si&ni#icaci"n del 5B est delimitada por ,=%,, y
+=,= correspondientes a las probabilidades A% y :1 E A%; respecti$amente.
Decisi+n
Como
c
F
N 1=51 se ubica en la 'ona de aceptaci"n cuyo inter$alo es :,=%,,F +=; se
acepta
,
H
K
1
%
N
%
%
?ue&o se concluye 1ue no 0ay di#erencias entre las $arian'as poblacionales= lo 1ue
indica el cumplimiento del supuesto de 0omo&eneidad de $arian'as
En%onces el in%er?alo de confian)a =ara la diferencia de medias es el CASO
IIAB
( ) ( )
1 % 1 %
1 % 1 A %F 1 % 1 % 1 A %F
R R
v v X X X X
X X t % X X t %

+
!i#erencia de medias muestrales K
1 %
X X N 1=5, 8 6=66 N 1=6%
Coe#iciente de con#ian'a K 1 N ,=5
N ,=,5
Vrados de libertad K
1 %
% v n n +
N 6 L 6 8 % N 1+
1 %
1 A %F % ,=75F1+ n n
t t
+

N %=1+5
( ) ( )
1 %
6 1 R=1+* 6 1 R17=6*
1 1
6 6 % 6 6
X X
%

+
_
+

+
,
6,
1 %
X X
%

E 1=6*65
.eempla'ando en la #ormula del inter$alo se tieneK
1=6% 8 %=1+5R1=6*65
1 %

1=6% L %=1+5R1=6*65
L,@4.8
1 %

5@558
In%er=re%aci+nB
?a di#erencia promedio de producciones de artculos en las dos
semanas se estima entre E%=*1 a 5=55= con una con#ian'a del 5B. Esto si&ni#ica 1ue
la producci"n promedio de artculos entre las dos semanas es i&ual.
E'ercicio .B In pro#esor de estadstica reali'a un id)ntico cuestionario a dos
&rupos de estudiantes de dos uni$ersidades di#erentes de la misma ciudad. En una
muestra aleatoria de estudiantes de la uni$ersidad (= el promedio de notas #ue
de 7.5 y des$iaci"n estndar de ,.+. En otra muestra aleatoria de estudiantes de
la uni$ersidad 3 la media de las notas #ue de 6.7 y des$iaci"n estndar de ,.6.
Calcular los lmites de con#ian'a del 5B para la di#erencia de medias de las
notas entre las dos uni$ersidades. 7e sabe 1ue la escala de cali#icaci"n es de , a
1,.
E'ercicio ,B 7e 1uiere estimar la di#erencia de los promedios de los salarios entre
la industria metalmecnica y la industria de los muebles en una ciudad. Para tal
#in se toma una muestra aleatoria de %,, operarios en la primera industria la cual
arro<a un salario promedio de p5*5,,, mensuales y des$iaci"n estndar de
p1%6,,,= mientras 1ue una muestra de 1%, operarios en la se&unda industria
arro<a un salario promedio de p+%,,, y des$iaci"n estndar de p75,,,. 7e pide
estimar el inter$alo de con#ian'a para la di#erencia de salarios entre las dos
industrias con un ni$el de con#ian'a del ,B.
E'ercicio 4B En una compa/a se 1uiere estimar la di#erencia de los promedios de
los rendimientos para producir cierta pie'a por parte de los obreros en dos turnos
di#erentes. Para tal #in el We#e de producci"n de la empresa toma muestras de *%
obreros para el turno 1 y encuentra 1ue la media en la misma es de %, minutos
mientras 1ue la des$iaci"n estndar es de %.6 minutos. Por otra parte tom" una
muestra de *5 obreros del turno % y encuentra 1ue la media de la misma es de %%
minutos mientras 1ue la des$iaci"n estndar es de 1. minutos. 7e pide calcular
el inter$alo de con#ian'a de la di#erencia de las medias de los rendimientos en los
dos turnos con un ni$el de con#ian'a del 6B.
E'ercicio 1B Para comparar el contenido promedio de aceites de las semillas de
dos $ariedades de man= se dise/a un ensayo en el 1ue para cada $ariedad se
61
obtienen los contenidos de aceite de 1, bolsas de 1 M& de semillas de man=
e>tradas aleatoriamente de distintos productores de semillas.
?os resultados del ensayo son los si&uientesK
Variedad n
X
%
s
1 1, 16,=+ 65=*
% 1, 165=6 67=
Dis%ri;uci+n de la =ro=orci+n mues%ral
Vamos a considerar 1ue tenemos una poblaci"n de modo 1ue en cada una de
ellas estudiamos una $.a. dicot"mica :3ernoulli; de parmetro respecti$o
p
. !e la
poblaci"n $amos a e>traer una muestra de tama/o
n
.
Entonces=
( )
1
=
n
i
i
X x ) n p
y la proporci"n de )>ito en la muestra es

q
x
p
n
?ue&o se cumpleK
a;
q
q : ;
p
/ p p
;:
%
q
:1 ;
q : ;
p
p p
' p
n

c: 7i el tama/o muestral n es &rande= el 2eorema Central del ?mite nos ase&ura 1ueK
q
:,=1;
p p
, "
p0
n

No%aB 9Error es%*ndar o Error %!=ico de la =ro=orci+n mues%ral:
q p
p0
n

p y 1 conocidos
in#inita.
q
1
p
p0 " n
n "
,
p y 1 conocidos
2ama/o de poblaci"n :5; conocido o #inita.
q
q q
p
p0
%
n
p y 1 desconocidos= entonces
q p p
y
q 0 0
in#inita.
6%
q
q q
1
p
p0 " n
%
n "
,
p y 1 desconocidos= entonces
q p p
y
q 0 0
2ama/o de poblaci"n :5; conocida o #inita.
In%er?alo de Confian)a =ara una Pro=orci+n
En este caso= interesa construir un inter$alo de con#ian'a para una proporci"n o un
porcenta<e poblacional :por e<emplo= el porcenta<e de personas con 0ipertensi"n=
#umadoras= etc.;
!onde= p es el porcenta<e de personas u ob<etos con la caracterstica de inter)s en la
poblaci"n :o sea= es el parmetro de inter)s; y
q p
es su estimador puntual muestral.
?ue&o= procediendo en #orma anlo&a al caso de la media= podemos construir un
inter$alo de con#ian'a para la proporci"n poblacional p= con una con#ian'a de 1 .
q q 1 A % 1 A %
q q R R
p p
p : p p :

+
DondeB
q
x
p
n
q q 1 0 p
E'em=lo .B Ina compa/a 1ue #abrica pastelillo desea estimar la proporci"n de
consumidores 1ue pre#ieran su marca. ?os a&entes de la compa/a obser$an a +5,
compradores= del n4mero total obser$ado *,, compraron los pastelillos. Calcule un
inter$alo de con#ian'a del 5B para la $enta de la proporci"n de compradores 1ue
pre#ieren la marca de esta compa/a.
Soluci+nB
>K 54mero de consumidores 1ue pre#ieren los pastelillos.
n N +5, tama/o de muestra &rande
> N *,, son los 1ue pre#ieren los pastelillos en la muestra
*,,
q ,= 67
+5,
x
p
n
Es la proporci"n puntual muestral 1ue pre#ieren los pastelillos
q q 1 1 ,= 67 ,= ** 0 p
Es la proporci"n puntual muestral de los 1ue no pre#ieren los
pastelillos.
Coe#iciente de con#ian'a 1 N ,=5
N ,=,5
1 A % ,=75
: :

N 1=6
q
q q ,= 67R,= **
,= ,%%
+5,
p
p0
n

.eempla'ando en el inter$alo de con#ian'a se tieneK
q q 1 A % 1 A %
q q R R
p p
p : p p :

+
6*
,=67 8 1=6 R ,=,%%
p
,=67 L 1=6 R ,=,%%
-@34
p
-@2.
In%er=re%aci+nB
?a proporci"n de pastelillos 1ue pre#ieren la marca de la compa/a
por parte de los consumidores se estima entre ,=6* a ,=71= con una con#ian'a del 5B.
TamaAo de mues%ra
7e puede determinar 1ue tan &rande debe ser el tama/o de la muestra= n= de manera 1ue
si = se estima por

q p = el error de es%imaci+n no sea mayor 1ue un $alor dado e& En
e#ectoK
%
1 A %
%
R : p0
n
e

2ama/o de poblaci"n :5; demasiado

&rande o in#inita.
7i p y 1 son desconocidas= se estima por
q p

y
q 0
0allados a partir de una muestra piloto.
En 4ltimos de los casos si no se tiene
nin&una in#ormaci"n de p y 1 se asume el
m>imo ries&o de p N ,=5 y 1 N ,=5.
%
1 A %
% %
1 A %
R R
R : 1;
: p0 "
n
: p0 e "
+
2ama/o de poblaci"n :5; conocida o
#inita
7i p y 1 son desconocidas= se estima por
q p

y
q 0
0allados a partir de una muestra piloto.
En 4ltimos de los casos si no se tiene
nin&una in#ormaci"n de p y 1 se asume el
m>imo ries&o de p N ,=5 y 1 N ,=5.
E'ercicio .B Ina compa/a 1uiere conocer la proporci"n de consumidores 1ue
ad1uieren su producto. Encar&a a una empresa un estudio de mercado para
obtener un inter$alo de con#ian'a al B de su proporci"n de clientes a partir de
una muestra de tama/o 1,,,. ?os resultados muestral es arro<aron 1ue 7+, de los
entre$istados eran clientes de su producto.
E'ercicio ,B En un e>perimento para determinar la to>icidad de una sustancia se
administra una dosis de esta a cada uno de *,, cone<os= y se re&istra el n4mero
de muertos= 1ue resulta ser de 1%.
a; Calcule el estimador de p.
b; la probabilidad de 1ue un cone<o ele&ido al a'ar muera a causa de una dosis
de la sustancia.
c; Calcule la des$iaci"n estndar.
d; Construya un inter$alo de con#ian'a al 6B.
6+
Dis%ri;uci+n de la diferencia de =ro=orciones mues%rales
Vamos a considerar 1ue tenemos dos poblaciones de modo 1ue en cada una de ellas
estudiamos una $.a. dicot"mica :3ernoulli; de parmetros respecti$os
1
p
y
%
p
. !e cada
poblaci"n $amos a e>traer muestras de tama/o
1
n
y
%
n
.
Entonces
( )
1
1 1 1 1
1
=
n
i
i
X x ) n p

1
1
1
q
x
p
n
( )
%
% % % %
1
=
n
i
i
X x ) n p

%
%
%
q
x
p
n
?ue&o se cumpleK
a;
1 %
q q 1 % 1 %
q q : ;
p p
/ p p p p

b;
r1 r%
% 1 1 % %
q q 1 %
1 %
q q : ;
p p
p 0 p 0
' p p
n n

+
c; 7i el tama/o muestral n es &rande= el 2eorema Central del ?mite nos ase&ura 1ueK
1 %
1 % 1 %
q q
q q : ; : ;
p p
p p p p
:
5 :,=1;
In%er?alo de Confian)a =ara la diferencia de dos =ro=orciones
7i las muestras son su#icientemente &randes ocurre 1ue una apro>imaci"n para un
inter$alo de con#ian'a al ni$el 1 para la di#erencia de proporciones de dos
poblaciones esK
( )
1 %
q q 1 % 1 % 1 A %
q q R
p p
p p p p :

t
!"ndeK
1 %
1 1 % %
q q
1 %
q q q
p p
p 0 p 0
n n

+
E'em=lo .B En un estudio sobre las relaciones prematrimoniales se encontr" en la 'ona
( 1ue= de %,, personas= 1%+ estaban a #a$or y en la 'ona 3= de %66 personas= 1**
tambi)n lo estaban. Estimar la di#erencia de proporciones de ambas 'onas al ,B de
con#ian'a comentando el resultado.
Soluci+nB
Sona A
1
x
B 54mero de personas 1ue estn a #a$or de las relaciones prematrimoniales
1
x
N 1%+
65
1
n
N %,,
1
1
1
1%+
q
%,,
x
p
n

1
q p
N ,=6%
1 1
q q 1 0 p
N ,=*6
Sona "
%
x
B 54mero de personas 1ue estn a #a$or de las relaciones prematrimoniales
%
x
N 1**
%
n
N %66
%
%
%
1**
q
%66
x
p
n

%
q p
N ,=5,
% %
q q 1 0 p
N ,=5,
1 N ,=,
N ,=1,
1 A % ,=5
: :

N 1=6+5
1 %
1 1 % %
q q
1 %
q q q ,= 6%R,= *6 ,= 5,R,= 5,
%,, %66
p p
p 0 p 0
n n

+ +
1 %
q q
,= ,+6
p p

Reem=la)ando en la formula se %ieneB
( )
1 %
q q 1 % 1 % 1 A %
q q R
p p
p p p p :

t
:,=6% 8 ,=5,; 8 1=6+5 R ,=,+6
1 %
p p
:,=6% 8 ,=5,; L 1=6+5 R ,=,+6
-@-11
1 %
p p
-@.83
In%er=re%aci+nB
?a di#erencia de proporciones de personas 1ue estn a #a$or de las
relaciones prematrimoniales en las dos 'onas se estima entre ,=,++ a ,=16= con una
con#ian'a del ,B. Esto si&ni#ica 1ue la proporci"n de personas de la 'ona ( son las
1ue estn mayormente a #a$or de las relaciones prematrimoniales respecto a la 'ona 3.
E'ercicio .B 7e est considerando cambiar el procedimiento de manu#actura de
partes. 7e toman muestras del procedimiento actual as como del nue$o para
determinar si este 4ltimo resulta me<or. 7i 75 de 1,,, artculos del procedimiento
actual presentaron de#ectos y lo mismo sucedi" con 6, de %5,, partes del nue$o=
determine un inter$alo de con#ian'a del , B para la $erdadera di#erencia de
proporciones de partes de#ectuosas.
E'ercicio ,B In productor decide culti$ar dos $ariedades de tomate= $alencia y
perita. !e la $ariedad $alencia planta %*, semillas y de la $ariedad perita planta
*56. ?ue&o de tres semanas de culti$adas ambas $ariedades el productor recorre
el campo y re&istra 1ue cantidad de semillas emer&ieron para cada $ariedad. ?os
resultados son los si&uientesK
66
Variedad Cul%i?adas Emerieron
Valenciano %*, 1%6
Perita *56 %*
a;. Xue modelo te"rico de probabilidad considera apropiado si la $ariable
aleatoria es Onumero de plantas 1ue emer&ieron de una $ariedad en el total
1ue se culti$o de la mismaOQ PCuales son los parmetros para cada una de las
$ariedadesQ
b;. Estime para cada $ariable la proporci"n de emer&encia.
c;. Construya un inter$alo de con#ian'a al 5 B para la probabilidad de
emer&encia de las plantas de cada $ariedad e interprete en t)rminos del
problema
d;. Xue supuesto #ue necesario para 1ue el inter$alo anterior sea $alidoQ
e;. 7i comparamos ambas $ariedades con el tomate americano 1ue tiene una
probabilidad de emer&encia de ,.65= .1ue puede decir $iendo los inter$alos de
con#ian'aQ
#;. 7i el productor 1uiere saber si el tomate $alenciano tiene la misma
probabilidad de emer&encia 1ue el tomate americano. PCual es el
procedimiento a se&uirQ E>pl1uelo y concluya con el mismo.
Inferencia ;asada en =rue;as de <i=+%esis =ara una C
dos mues%ras
Hi=+%esis Es%ad!s%ica es una a#irmaci"n= con<etura 1ue se 0ace acerca de un parmetro
poblacional.
*ipos de +iptesis
+iptesis nula, es la a#irmaci"n 1ue est establecida y 1ue se espera sea rec0a'ada
despu)s de aplicar una =rue;a es%ad!s%ica y se representa por Ho.
+iptesis alterna, es la a#irmaci"n 1ue se espera sea aceptada despu)s de aplicar una
=rue;a es%ad!s%ica y se representa por
1
H
.
Ni?el de sinificaci+n@ representada por
= es la probabilidad de cometer error tipo I=

y por lo &eneral se asume 1ue tiene un $alor de ,=,5 " ,=,1.
Prue;a es%ad!s%ica o Es%ad!s%ico de =rue;a@ es una #"rmula= basada en la distribuci"n
del estimador puntual del parmetro 1ue aparece en la 0ip"tesis y 1ue $a a permitir
tomar una decisi"n acerca de aceptar o rec0a'ar una 0ip"tesis nula.
-ontraste de +iptesis para la media ./
67
0ormas de contraste de las <i=+%esisB
!epende del planteamiento de la 0ip"tesis alterna
Prue;a ;ila%eral Prue;a unila%eral su=erior Prue;a unila%eral inferior
, ,
K H
, ,
K H
, ,
K H
1 ,
K H
1 ,
K H >
1 ,
K H >
0ijar ni"el de sinificancia:
N ,=,5F ,=,1 etc.

1eleccionar el estad2stico de prue$a:
Caso IB \n 5 :e= j;= j conocida
El estadstico de prueba esK
:,=1;
X
X
: "

Prueba lE 5ormal estndar para una muestra.
Isualmente la $arian'a es desconocida
Caso IIB \n 5 :e= j;= j desconocida
1 n
X
X
B t
s

Prueba 2E 7tudent para una muestra con n E 1 &rados de libertad :&l.;
Reiones -r2ticas: Reiones -r2ticas:
!epende de las #ormas de contraste de las 0ip"tesis. !epende de las #ormas de contraste de las 0ip"tesis.
Contraste 3ilateral Contraste unilateral superior Contraste unilateral in#erior Contraste 3ilateral Contraste unilateral superior Contraste unilateral in#erior

EE l.EE AEEEEEEEEEEEEEl(EEEEEEEEEEEEEEAEEl.EE EEEEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEAEEEEl.EEEE EEEEl.EEEEEAEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEE EE l.EE AEEEEEEEEEEEEEl(EEEEEEEEEEEEEEAEEl.EE EEEEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEAEEEEl.EEEE EEEEl.EEEEEAEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEE
Decisin: Decisin:
66
9orma 2abular 9orma 2abular
7i el $alor num)rico del estadstico de prueba se ubica en la lona de (ceptaci"n :l(; 7i el $alor num)rico del estadstico de prueba se ubica en la lona de (ceptaci"n :l(;
se acepta la Tip"tesis nula se acepta la Tip"tesis nula
,
H
. .
7i el $alor num)rico del estadstico de prueba se ubica en la lona de .ec0a'o :l.; se 7i el $alor num)rico del estadstico de prueba se ubica en la lona de .ec0a'o :l.; se
rec0a'a la Tip"tesis nula rec0a'a la Tip"tesis nula
,
H
. .
9orma M)todo GpH 9orma M)todo GpH
7i el $alor num)rico de GpH es superior 1ue el ni$el de si&ni#icancia #i<ado G 7i el $alor num)rico de GpH es superior 1ue el ni$el de si&ni#icancia #i<ado G
H se H se
acepta la Tip"tesis nula acepta la Tip"tesis nula
,
H
. .
7i el $alor num)rico de GpH es in#erior 1ue el ni$el de si&ni#icancia #i<ado G 7i el $alor num)rico de GpH es in#erior 1ue el ni$el de si&ni#icancia #i<ado G
H se H se
,
H
. .
E'em=lo .& In #abricante de lmparas el)ctricas est ensayando un nue$o m)todo de
producci"n 1ue se considerar aceptable si las lmparas obtenidas por este m)todo dan
lu&ar a una poblaci"n normal de duraci"n media %+,, 0oras= con una des$iaci"n tpica
i&ual a *,,. 7e toma una muestra de 1,, lmparas producidas por este m)todo y esta
muestra tiene una duraci"n media de %*%, 0oras. P7e puede aceptar la 0ip"tesis de
$alide' del nue$o proceso de #abricaci"n con un ries&o i&ual o menor al 5BQ
Soluci+nB
Formulaci+n de Hi=+%esis
K %+,,
o
H
1
K %+,, H
Ni?el de sinificancia
,= ,5
Es%ad!s%ico de Prue;a
Caso IB \ n 5 :e= j;= j N *,, conocida
X
X X
:
n

?a poblaci"n 5 de la producci"n de lmparas es desconocida= as 1ue puede ser 1ue sea
demasiado &rande.
%*%, %+,,
*,,
1,,
X
:
n

%= 67 :
6
Reiones cr!%icas
EE l.EE AEEEEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEAEEEl.EE EE l.EE AEEEEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEAEEEl.EE

,=75
:

,=75
:
E1=6 1=6
Decisi+n
En $ista 1ue el $alor del estadstico de prueba :l N E%=67; es in#erior 1ue el $alor tabular
:
t
:
N E1=6; ubicndose en la 'ona de rec0a'o= entonces se rec0a'a la 0ip"tesis nula
,
H
.
Esto si&ni#ica 1ue el nue$o proceso de #abricaci"n no es aceptable.
E'em=lo ,& In #abricante de aparatos de 2V a#irma 1ue se necesita a lo sumo %5,
microamperes de corriente para alcan'ar cierto &rado de brillante' con un tipo de
tele$isor en particular. Ina muestra de %, aparatos de 2V produce un promedio
muestral de corriente de %57=* microemperes. !enotemos por m el $erdadero promedio
de corriente necesaria para alcan'ar la brillante' deseada con aparatos de este tipo= y
supon&amos 1ue m es la media de una poblaci"n con s N 15. Pruebe al ni$el de
si&ni#icaci"n del %=5B la 0ip"tesis nula de 1ue m es a lo sumo %5, microamperes.
Soluci+nB
,
K %5, H
1
K %5, H >
,= ,%5
Es%ad!s%ico de Prue;a
Caso IIB \ n 5 :e= j;= s N 15 desconocida
X
X X
B
s
s
n

%57= * %5,
15
%,
B

%=176 B
Reiones cr!%icas
,
EEEEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEAEEEEEl.EEEEE EEEEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEAEEEEEl.EEEEE

,=75F1
t

%=,*
Decisi+n
!ado 1ue el $alor del estadstico de prueba :
%=176 B
: es superior 1ue el $alor tabular
:t N %=,*; = entonces se ubica en la 'ona de rec0a'o= rec0a'ando la 0ip"tesis nula
,
H
.
Esto demuestra 1ue no se necesita a lo sumo %5, micro amperes= en #orma si&ni#icati$a.
E'ercicio .B E'ercicio .B ?a tasa actual para producir #usibles de 5 amp en 5eary Electric Co. Es ?a tasa actual para producir #usibles de 5 amp en 5eary Electric Co. Es
%5, por 0ora. 7e compr" e instal" una m1uina nue$a 1ue= se&4n el pro$eedor= %5, por 0ora. 7e compr" e instal" una m1uina nue$a 1ue= se&4n el pro$eedor=
aumentar la tasa de producci"n. Ina muestra de %, 0oras seleccionadas al a'ar el mes aumentar la tasa de producci"n. Ina muestra de %, 0oras seleccionadas al a'ar el mes
pasado indica 1ue la producci"n media por 0ora en la nue$a m1uina es %56= con pasado indica 1ue la producci"n media por 0ora en la nue$a m1uina es %56= con
des$iaci"n estndar de 6 por 0ora. Con des$iaci"n estndar de 6 por 0ora. Con
,= ,5
de ni$el de si&ni#icancia= PPuede de ni$el de si&ni#icancia= PPuede
5eary Electric concluir 1ue la nue$a m1uina es ms rpidaQ 5eary Electric concluir 1ue la nue$a m1uina es ms rpidaQ
E'ercicio ,B In #abricante de lmparas el)ctricas sostiene 1ue la duraci"n media de
las mismas :0oras; es en promedio superior a 1*,, 0. 7e toma una muestra de 17
lmparas siendo el resultado de la inspecci"n el si&uienteK
6, 1 *5, 1 ,%, 1 1+, 1 5%, 1 *, 1 %,5 1 16, 7, 1 +%, 1 65, 1 *,,
1 *,5 1 ,+, 1 ,5, 1 5%, 1 *%,
Veri#icar el To del #abricante con un coe#iciente de ries&o del 5B :suponiendo la
distribuci"n normal;.
E'ercicio 4B Ina empresa desea concursar para &anar un contrato con el &obierno
como pro$eedor de concretoF uno de los re1uisitos es la resistencia a la compresi"n del
concreto a los %6 das de 0aberse preparado la me'cla. ?a empresa &anadora dice 1ue
mantiene e>celentes controles de calidad en su concreto y como tal 0ay una $arian'a
muy ba<a en resistencias a la compresi"n= del orden de 16
%
f
(g
A
+
cm F pero al 0acerle en
la I5(M unas pruebas de resistencia se detecta una $arian'a mas ele$ada de %5
%
f
(g
A
+
cm
a; P0ay e$idencia estadstica su#iciente para considerar 1ue el pro$eedor est mintiendo
y en realidad la des$iaci"n estndar es !I9E.E52E a 16
%
f
(g
A
+
cm Q
b; .edacci"n de la prueba de 0ip"tesis= indicando si debe ser prueba de una o dos colas
para responder la pre&unta.
E'ercicio 1B In $endedor de neumticos dice 1ue la $ida media de sus neumticos es
de %6,,, -m. (dmitiendo para la des$iaci"n tpica el $alor 1*+6 -m. dise/ar un test de
0ip"tesis al B de con#ian'a= basado en muestras de +, elementos 1ue permita
contrastar la 0ip"tesis nula de ser s N %6,,,-m usando como 0ip"tesis alternati$a s Z
%6,,,-m
1
E'ercicio 5B 7e pretende dise/ar una prueba de 0ip"tesis con una muestra de 7+
autom"$iles para comprobar su capacidad de #renado. Para ello se medir en todos ellos
la distancia de #renado si el autom"$il parte de una $elocidad inicial de 1,, -mA0. 7e
1uiere saber si= tras un #rena'o brusco= la distancia media recorrida antes de pararse es
de 11, metros. 7e supone 1ue la distancia de #renado si&ue una distribuci"n normal con
des$iaci"n tpica conocida j N * m. 7upon&amos a0ora 1ue 0emos reali'ado
e#ecti$amente la prueba a los 7+ autom"$iles y 0emos obtenido las si&uientes distancias
de #renado.
!istancias
6 1,% 1,5 11* 1%* 1%6
5um. de autos
15 1, 1% 6 16 1* Total
74
P7e acepta la 0ip"tesis de 1ue la distancia media de #renado es de 11, m= con un ni$el
de si&ni#icaci"n t N ,.,5Q
E'ercicio 3B In #abricante ase&ura 1ue sus #usibles= con una sobrecar&a del %,B= se
#undirn por promedio al cabo de 1%.+, min. Ina muestra de %, #usibles se sobrecar&a
un %,B= obteni)ndose una media de 1,.6* y una cuasi des$iaci"n de %.+6 min.
PCon#irma la muestra la a#irmaci"n del #abricante para el promedioQ
Prue;a de <i=+%esis =ara la ?arian)a
?a $arian'a como medida de dispersi"n es importante dado 1ue nos o#rece una me<or
$isi"n de dispersi"n de datos. 5ue$amente consideramos 1ue la poblaci"n si&ue una
distribuci"n de probabilidad normal.
0ormulacin de las <i=+%esis
Prue;a ;ila%eral Prue;a unila%eral derec<o Prue;a unila%eral inferior
% %
, ,
K H
% %
, ,
K H
% %
, ,
K H
% %
1 ,
K H
% %
1 ,
K H >
% %
1 ,
K H <
0ijar ni"el de sinificancia:
N ,=,5F ,=,1 etc.

#stad2stico de prue$a:
7i \ n 5 :e= j;= j conocida
%
%
%
%
: 1; n s
Prueba C0i cuadrado :

%
; para una muestra con nE1 &rados de libertad :&l.;
Reiones cr!%icas Reiones cr!%icas
!epende de las #ormas de contraste de las 0ip"tesis. !epende de las #ormas de contraste de las 0ip"tesis.
Contraste 3ilateral Contraste unilateral in#erior Contraste unilateral superior Contraste 3ilateral Contraste unilateral in#erior Contraste unilateral superior

EEEl.EEAEEEEEEEEEEl(EEEEEEEEEAEEEEEEEEl.EEEEEEEEEE EEEEl.EEAEEEEEEEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEEEEEEEE EEEEEEEEEEEEEEEEEEl(EEEEEEEEEAEEEEEEEEEEl.EEEEEEEEEE EEEl.EEAEEEEEEEEEEl(EEEEEEEEEAEEEEEEEEl.EEEEEEEEEE EEEEl.EEAEEEEEEEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEEEEEEEE EEEEEEEEEEEEEEEEEEl(EEEEEEEEEAEEEEEEEEEEl.EEEEEEEEEE
Decisin: Decisin:
,
H
. .
,
H
. .
E'em=lo E'em=lo .K In ne&ocio debe pa&ar 0oras e>tra dada la demanda incierta de su
producto= por lo cual en promedio se pa&an 5, 0oras e>tra a la semanaF el &erente de
recursos 0umanos considera 1ue siempre se 0a tenido una $arian'a de %5 en las 0oras
e>tras demandadas. 7i se toma una muestra de 16 semanas se obtiene una $arian'a
muestral de %6=1. !etermine con al#a N ,=1, si la $arian'a poblacional de las 0oras
e>tras demandadas a la semana puede considerarse i&ual a %5.
Soluci+nB
Formulaci+n de <i=+%esis
%
,
K %5 H
%
1
K %5 H
,=1,
%
%
,
%
: 1; :16 1; R%6=1
%5
n s

*
%
,
E .3@63 E .3@63
Reiones cr!%icas Reiones cr!%icas
EEEEl.EEEEAEEEEEEEEEEEEEEEl(EEEEEEEEEEEEAEEEEEEEEEEEEEl.EEEEEEEEEEEEE EEEEl.EEEEAEEEEEEEEEEEEEEEl(EEEEEEEEEEEEAEEEEEEEEEEEEEl.EEEEEEEEEEEEE

%
,=,5F15

%
,=5F15

2@,3. ,1@883 2@,3. ,1@883
Decisi+n Decisi+n
Como 1ue el $alor del estadstico de prueba se ubica entre los $alores tabulares :7=%61 Como 1ue el $alor del estadstico de prueba se ubica entre los $alores tabulares :7=%61
%
,
N 16=66 N 16=66
%+=6;= es decir dentro de la 'ona de aceptaci"n= entonces se acepta la %+=6;= es decir dentro de la 'ona de aceptaci"n= entonces se acepta la
0ip"tesis nula 0ip"tesis nula
,
H
. E#ecti$amente se puede concluir con una con#ian'a del ,B 1ue . E#ecti$amente se puede concluir con una con#ian'a del ,B 1ue la
$arian'a poblacional de las 0oras e>tras demandadas a la semana es i&ual a %5.
E'ercicios =ro=ues%os E'ercicios =ro=ues%os
E'ercicio E'ercicio 1K In super$isor de control de calidad en una enlatadora sabe 1ue la
cantidad e>acta en cada lata $ara= pues 0ay ciertos #actores imposibles de controlar 1ue
a#ectan a la cantidad de llenado. El llenado medio por lata es importante= pero
i&ualmente importante es la $ariaci"n
%
de la cantidad de llenado. 7i
%
es &rande=
al&unas latas contendrn muy poco= y otras= demasiado. ( #in de estimar la $ariaci"n del
llenado en la enlatadora= el super$isor esco&e al a'ar 1, latas y pesa el contenido de
cada una= obteniendo el si&uiente pesa<e :en on'as;K
7=6 7=, 7=6 6=,1 7=7 7=6 6=,* 6=,% 6=,+ 6=,%
7upon&a 1ue las a&encias re&uladoras especi#ican 1ue la des$iaci"n estndar de la
cantidad de llenado debe ser menor 1ue ,=1 on'as. PEsta in#ormaci"n proporciona
pruebas su#icientes de 1ue la des$iaci"n estndar de las mediciones de llenado es menor
1ue ,=1 on'as si el ni$el de si&ni#icaci"n 1ueda #i<ado en un 5BQ
E'ercicio ,B 7e supone 1ue los dimetros de cierta marca de $l$ulas estn
distribuidos normalmente con una $arian'a poblacional de ,=%
%
l& pu adas = pero se cree
1ue 4ltimamente 0a aumentado. 7e toma una muestra aleatoria de $l$ulas a las 1ue se
les mide su dimetro= obteni)ndose los si&uientes resultados en pul&adasK 5=5 5=+ 5=+
5=6 5=6 5=+ 5=5 5=+ 5=6 5=7
Con )sta in#ormaci"n pruebe si lo 1ue se cree es cierto.
Prue;a de Hi=+%esis =ara la diferencia de medias 9 Prue;a de Hi=+%esis =ara la diferencia de medias 9
1 %

: :
+
7upon&amos 1ue se tiene dos poblaciones distribuidas normalmente con medias
desconocidas
1
y
%
= respecti$amente. 7e puede aplicar una prueba ) o % de 7tudent

para comparar las medias de dic0as poblaciones basndonos en dos muestras
independientes tomadas de ellas. ?a primera muestra es de tama/o
1
n
= con media
1
X y
la se&unda muestra es de tama/o
%
n
= tiene media
%
X . !onde las $arian'as
poblacionales pueden ser conocidas :
%
1
y
%
%
; o desconocidas :
%
1
s y
%
%
s ;.
0ormulacin de las <i=+%esis =ara mues%ras inde=endien%es
Prue;a ;ila%eral Prue;a unila%eral su=erior Prue;a unila%eral inferior
, 1 %
K H

, 1 %
K H

, 1 %
K H
1 1 %
K H

1 1 %
K H >

1 1 %
K H <
Fi'ar el ni?el de sinificanciaB
N ,=,5F ,=,1 etc.

Caso IB Mues%ras inde=endien%es@ Varian)as =o;lacionales conocidas 9
%
1
C
%
%
:
1 %
1 % 1 %
: ; : ;
X X
X X
:

:,=1; "
!ondeK
1 %
% %
1 %
1 %
X X
n n

+
Caso IIAB NormalLMues%ras inde=endien%es@ Varian)as =o;lacionales iuales 9
% %
1 %
: C desconocidas
1 %
1 % 1 %
: ; : ;
X X
X X
B
%

1 %
% n n
t
+
!ondeK
1 %
% v n n +
es el &rado de libertad.
( ) ( )
1 %
% %
1 1 % %
1 % 1 %
1 R 1 R
1 1
%
X X
n s n s
%
n n n n
+ _
+

+
,
5
Caso II"B NormalLMues%ras inde=endien%es@ Varian)as =o;lacionales diferen%es
9
% %
1 %
: C desconocidas
1 %
1 % 1 %
: ; : ;
X X
X X
B
%

v
t
!ondeK
1 %
% %
1 %
1 %
X X
s s
%
n n
+

%
% %
1 %
1 %
% %
% %
1 %
1 %
1 %
%
1 1
% %
n n
% %
n n
n n
_
+

,

_ _

, ,
+
+ +
Es el &rado de libertad= 1ue toma un $alor num)rico
redondeado entero.
Isualmente las $arian'as son desconocidas
Reiones cr!%icas

EE l.EE AEEEEEEEEEEEEEl(EEEEEEEEEEEEEEAEEl.EE EEEEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEAEEEEl.EEEE EEEEl.EEEEEAEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEE EE l.EE AEEEEEEEEEEEEEl(EEEEEEEEEEEEEEAEEl.EE EEEEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEAEEEEl.EEEE EEEEl.EEEEEAEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEE
Decisin: Decisin:
,
H
. .
,
H
. .
H se H se
,
H
. .
H se H se
,
H
. .
6
E'em=lo .B Para comparar el contenido promedio de aceites de las semillas de dos
$ariedades de man= se plantean las 0ip"tesis T
,
K
1
N
%
$s. T
1
K
1

%
7e dise/a un ensayo en el 1ue para cada $ariedad se obtienen los contenidos de aceite de
1, bolsas de 1 M& de semillas de man= e>tradas aleatoriamente de distintos productores
de semillas. Isar
N ,=,5.
?os resultados del ensayo son los si&uientesK
Variedad n
X
%
s
1 1, 16,=+ 65=*
% 1, 165=6 67=
Soluci+nB
7e&4n los datos corresponden al C(7U IIK Muestras independientes= $arian'as
poblacionales desconocidas :
%
1
=
%
%
;. (0ora el problema esF
PC+mo sa;er si las ?arian)as son iuales o diferen%esV
7uponiendo normalidad para las obser$aciones de las muestras= se reali'a la prueba de
0omo&eneidad de $arian'as= 1ue consiste en lo si&uienteK
% %
, 1 %
K H ?s&
% %
1 1 %
K H
N ,=,5.
%
1
%
%
65= *
67=
s
F
s

65= *
,= 6
67=
F
Reiones cr!%icas
0)0 1)5 3)0 4)5 6)0
0.248 4.03
Distribucin F de Snedecor
El.EAEEEEEEEEEEEEEEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEEEEEEEEEEEAEEEEEEEEEEEl.EEEEEEEEEEEEEE
7
Decisi+nB
?a re&i"n de aceptaci"n para un ni$el de si&ni#icaci"n del 5B est delimitada por ,=%+6
y +=,*= correspondientes a las probabilidades A% y :1 E A%; respecti$amente.
Como 9 N ,=6 est en el inter$alo :,=%+6F +=,*;= es decir en la 'ona de aceptaci"n= se
acepta
,
H
K
1
%
N
%
%
= lo cual si&ni#ica el cumplimiento del supuesto de 0omo&eneidad
de $arian'as.
En%onces a=licaremos CASO IIAB Prue;a T =ara la diferencia de medias con
?arian)as =o;lacionales 9
% %
1 %
; C desconocidas
9ormulaci"n de 0ip"tesis
T
,
K
1
N
%
$s. T
1
K
1

%
5i$el de si&ni#icancia
N ,=,5.
Estadstico de prueba
( ) ( )
1 % 1 %
%
1 %
1 1
p
X X
B
%
n n

_
+

,

% %
% 1 1 % %
1 %
: 1; : 1;
%
p
n % n %
%
n n
+
+
( ) ( )
%
1, 1 R65= * 1, 1 R67=
66= 6
1, 1, %
p
s
+

+
.e&iones crticas
-4)0 -2)7 -1)3 0)0 1)3 2)7 4)0
-2.101
2.101
Distribucin T de Student
6
( ) ( ) 16,= + 165= 6 ,
1= +%
1 1
66= 6
1, 1,
B

_
+

,
EEEEEEEEEl.EEEEEEEAEEEEEEEEEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEEEEEAEEEEEEEEl.EEEEEEEEE
Decisi+n
?a re&i"n de aceptaci"n para un ni$el de si&ni#icaci"n del 5B est delimitada por E%=1,1
y %=1,1= correspondientes a los probabilidades A% y :1 E A%; respecti$amente y 16
&rados de libertad
Como 2 N E1=+% est en el inter$alo :E%=1,1F %=1,1;= es decir en la 'ona de aceptaci"n=
se acepta T
,
K
1
N
%

Entonces se concluye 1ue no 0ay di#erencias entre el contenido promedio de aceites de
las semillas de dos $ariedades de man.
E'em=lo ,& In constructor est considerando dos lu&ares alternati$os para construir
un centro comercial. Como los in&resos de los 0o&ares de la comunidad son una
consideraci"n importante en )sta selecci"n= desea probar 1ue el in&reso promedio de la
primera comunidad e>cede al promedio de la se&unda comunidad en cuando menos
p1=5 diarios. Con la in#ormaci"n de un censo reali'ado el a/o anterior sabe 1ue la
des$iaci"n estndar del in&reso diario de la primera comunidad es de p1=6 y la de la
se&unda es de p%=+
Para una muestra aleatoria de *, 0o&ares de la primera comunidad= encuentra 1ue el
in&reso diario promedio es de p*5=5 y con una muestra de +, 0o&ares de la se&unda
comunidad el in&reso promedio diario es de p*+=6. Pruebe la 0ip"tesis con un ni$el de
con#ian'a del 5 por ciento.
Soluci+nB
Da%os
Primera comunidad Seunda comunidad
1
N p 1=6
%
N p %=+
1
n
N *,
%
n
N +,
1
X N p *5=5
%
X N p *+=6

, 1 %
K 1= 5 H
1 1 %
K 1= 5 H <
N ,=,5
7e&4n los datos corresponden al C(7U IK Muestras independientes con $arian'as
poblacionales conocidas. EntoncesK
1 %
1 % 1 % 1 % 1 %
% %
1 %
1 %
: ; : ; : ; : ;
X X
X X X X
:
n n

% %
:*5= 5 *+= 6; 1= 5
1= 6 %= +
*, +,
:

+
: E L .@.85
Reiones cr!%icas
EEEEl.EEEEEAEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEEE EEEEl.EEEEEAEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEEE
L
1
,

L.@315
Decisi+n
?a re&i"n de aceptaci"n para un ni$el de si&ni#icaci"n del 5B est delimitada por E1=6+5
y L
= correspondientes a la probabilidad :1 E ;.
Como l N E1=15 est en el inter$alo :E
FE1=6+5;= es decir en la 'ona de ec0a'o= se

rec0a'a T
,

Entonces se concluye 1ue el in&reso promedio de la primera comunidad no e>cede al
promedio de la se&unda comunidad en cuando menos p1=5 diarios= con un ni$el de
con#ian'a del 5B.
E'ercicios 1. In in$esti&ador desea a$eri&uar si una industria est contaminando el
a&ua de un arroyo al cual e$acua sus e#luentes. ( tal #in toma muestras de a&ua en dos
sitiosK 1; a&uas arriba del establecimiento y %; a&uas aba<o del mismo. ?os si&uientes
son $alores de concentraci"n de uno de los metales pesados encontrados en cada sitio.
7'uas arriba
6 1, 6 + 7 5 1% 6 7 6 7 1% 5 6
6 + 5 6 11 6 6 1% 6 1, 6 + 7
6 7 1% 5 6 7 1, 6 6 6 + 5 6 11
6 6 1% 5 1% 6 7 7 1, 6 6
7'uas aba<o
1% 6 15 1% 1, 7 1% 1, 1+ 1% 1* 1, 1% 1%
1+ 1, 1, 1* 1% 1% 15 11 1% 6 15 1% 1,
1% 1* 1, 1% 1% 7 1* 15 1, 1+ 1, 1, 1* 1%
1% 15 11 7 1% 1, 1+ 7 1* 15 1,
PCree Id. 1ue e>isten di#erencias en la concentraci"n de este metal pesado entre uno y
otro sitioQ E$al4e su respuesta para un t N ,=,%
E'ercicio ,& In #abricante 1ue usa dos lneas de producci"n 1 y % 0i'o un li&ero
a<uste a la lnea % con la esperan'a de reducir tanto la $ariabilidad como la cantidad
1,,
promedio de impure'as en la sustancia 1umica. Muestras aleatorias en cada lnea
arro<aron las si&uientes medicionesK
?nea n Promedio Varian'a
1 16 *=% 1=,+
% 16 *=, ,=51
P?os datos aportan su#iciente e$idencia para concluir 1ue la cantidad promedio de
impure'as de la lnea 1 es menor 1ue la lnea %Q
E'ercicio 4& Ina muestra de 6, alambres de acero producidos por la #brica (
presenta una resistencia promedio a la ruptura de 1.%*, lbs. con una des$iaci"n estndar
de 1%, lbs Ina muestra de 1,, alambres de acero producidos por la #brica 3 presenta
una resistencia promedio a la ruptura de 1.11, lbs . con una des$iaci"n estndar de ,
lbs .. Con base en )sta in#ormaci"n pruebe si la resistencia promedio a la rotura de los
alambres de acero de la marca ( es si&ni#icati$amente mayor 1ue la de los alambres de
acero de la marca 3. (suma un ni$el de con#ian'a del por ciento.
E'ercicio 1& El <e#e de personal de una &ran empresa a#irma 1ue la di#erencia de los
promedios de anti&Jedad entre los obreras y obreros de la compa/a es de *.5 a/os. El
presidente de la compa/a considera 1ue )sta di#erencia es superior. Para comprobar
dic0a situaci"n= se toma una muestra aleatoria de +, obreras cuyo promedio de
anti&Jedad es de 1%.+ a/os con des$iaci"n estndar de 1.5 a/os y de un &rupo de +5
obreros cuyo promedio de anti&Jedad es de 6.* a/os con des$iaci"n estndar de 1.7
a/os. Comprobar la 0ip"tesis con un ni$el de si&ni#icaci"n del 5B.
Caso IIIB NormalL Mues%ras de=endien%es
?os datos se obtienen de muestras 1ue estn relacionadas= es decir= los resultados del
primer &rupo no son independientes de los del se&undo.
Por e<emplo= esto ocurre cuando se mide el ni$el de un metabolito en cada uno de los
indi$iduos de un &rupo e>perimental antes y despu)s de la administraci"n de una
dro&a.
El ob<eti$o es comprobar si la dro&a produce e#ectos en el ni$el del metabolito
?os pares de obser$aciones :antes y despu)s; obtenidas en cada indi$iduo no son
independientes ya 1ue el ni$el posterior a la administraci"n de la dro&a depende del
ni$el inicial.
E'em=lo
(52E7 !E7PIE7 !I9
6=6 7=%+ 1=+5
7=1* 7=1, ,=,*
7=7 7=6, E,=,1
7=* 7=5 E,=,%
7=5 7=5, ,=,
7=66 7=7 ,=,7
=,6 =,, ,=,6
=5 =+6 ,=11
1,1
Prue;a ;ila%eral Prue;a unila%eral inferior Prue;a unila%eral su=erior

,
K N ,
d
H
,
K N ,
d
H
,
K N ,
d
H
1
K ,
d
H
1
K ,
d
H <
1
K ,
d
H >
N ,=,5F ,=,1 etc.

( )
1
%
i
d
n
d
D
B t
%
n
_

,
( )
%
,= %% ,
1.%6
,= 5,
6
d
d
D
B
%
n

_

,
Reiones cr!%icas
EE l.EE AEEEEEEEEEEEEEl(EEEEEEEEEEEEEEAEEl.EE EE l.EE AEEEEEEEEEEEEEl(EEEEEEEEEEEEEEAEEl.EE
E
A %
t

1 A %
t

E%=*65 %=*65
9i<ando N ,.,5= la re&i"n de aceptaci"n es el inter$alo :t
A%
N E%=*65= t
1E A%
N
%=*65;= con 7 &rados de libertad
Como 2 N 1=%6 es menor 1ue t
1E A%
N %=*65= se ubica en la 'ona de aceptaci"n= por lo
tanto se acepta
,
K N ,
d
H
7e concluye 1ue la dro&a no causo e#ectos si&ni#icati$os= es decir 1ue no e>iste
di#erencias obser$adas entre los ni$eles de metabolitos por uno u otro indi$iduo en
#orma si&ni#icati$a.
Prue;a de <i=+%esis =ara la =ro=orci+n 9de Oi%os: de una sola
=o;laci+n
1,%
Vamos a considerar 1ue tenemos una poblaci"n de modo 1ue en cada una de
ellas estudiamos una $.a. dicot"mica :3ernoulli; de parmetro respecti$o
p
. !e
la poblaci"n $amos a e>traer una muestra de tama/o
n
.
Entonces=
( )
1
=
n
i
i
X x ) n p
En este caso= interesa contrastar 0ip"tesis para una proporci"n o un porcenta<e

poblacional :por e<emplo= el porcenta<e de personas con 0ipertensi"n= #umadoras=
etc.;
7i el tama/o muestral n es &rande= el 2eorema Central del ?mite nos ase&ura
1ueK
:1 ;
q F
p p
p " p
n

,
U bienK
q
:,=1;
q q
p p
, "
p0
n

!ondeK
p es la proporci"n o el porcenta<e de personas u ob<etos con la caracterstica de
inter)s en la poblaci"n :o sea= es el parmetro de inter)s; y
q p
es su estimador
puntual muestral.
Prueba 3ilateral Prueba unilateral superior Prueba unilateral in#erior
, ,
K H p p

, ,
K H p p

, ,
K H p p
1 ,
K H p p

1 ,
K H p p >

1 ,
K H p p <

N ,=,5F ,=,1 etc.

Es%ad!s%ica de =rue;a
,
l ormal : , = 1;
p 1
, ,
q
p E p
"
n

1,*
!ondeK
, ,
1 0 p
p K Proporci"n muestral de )>itos
Reiones cr!%icas

EE l.EE AEEEEEEEEEEEEEl(EEEEEEEEEEEEEEAEEl.EE EEEEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEAEEEEl.EEEE EEEEl.EEEEEAEEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEE EE l.EE AEEEEEEEEEEEEEl(EEEEEEEEEEEEEEAEEl.EE EEEEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEAEEEEl.EEEE EEEEl.EEEEEAEEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEE
Decisi+n
,
H
. .
,
H
. .
H se H se
,
H
. .
H se H se
,
H
. .
E'em=lo .& En una &ran compa/a= el 16B o ms de los traba<adores estn de
acuerdo con un proyecto de ley 1ue modi#ica el c"di&o laboral Peruano. ?a &erencia de
la compa/a selecciona una muestra aleatoria de 1%, traba<adores= donde el *,B estn
de acuerdo con dic0o proyecto de ley. PCual es la conclusi"n del &erenteQ
Soluci+nB
,
K ,=16 H p
1
K ,=16 H p >
E .Y
1,+
,
l
p 1
, ,
q p E p ,=*, ,=16
,=16R,=6%
1%,
n
: N *=+*
Reiones cr!%icas
EEEEEEEEEEEEEEEEEEl(EEEEEEEEEEEEEEAEEEEl.EEEEE EEEEEEEEEEEEEEEEEEl(EEEEEEEEEEEEEEAEEEEl.EEEEE

1
,

,@44
Decisi+n
9i<ando N ,.,1= la re&i"n de aceptaci"n es el inter$alo :E
F
1
,

N %=**;
Como el estadstico de prueba l N *=+* es mayor 1ue
1
,

N %=**= es decir se ubica en la
'ona de rec0a'o= se rec0a'a T
,

El &erente concluye 1ue e#ecti$amente el 16B o ms de los traba<adores estn de
acuerdo con un proyecto de ley 1ue modi#ica el c"di&o laboral Peruano.
E'ercicio .& 7e conoce por e>periencia 1ue el 1+B de la producci"n de cierto artculo
resulta de#ectuosa. 7e introducen al&unos correcti$os en el proceso y lue&o mediante
una muestra de *6, artculos esco&idos aleatoriamente= se encuentra 1ue el 1*.**B
resultan de#ectuosos. Comprobar si los cambios me<oraron la calidad con un ni$el de
si&ni#icaci"n del 5B.
E'ercicio ,& In propietario de un &ran taller de reparaci"n de artculos
electrodom)sticos= ase&ura 1ue por lo menos en el *,B de las reparaciones se 0acen
posteriores reclamos. Ino de sus empleados piensa 1ue dic0a proporci"n es mayor y
para probarlo toma una muestra aleatoria de 1%, "rdenes de reparaci"n e#ectuadas
anteriormente y encuentra 1ue el *.17B de las mismas #ueron ob<eto de reclamos.
PXui)n tiene la ra'"nQ 5i$el de si&ni#icaci"n del 1B.
E'ercicio 4& Ina compa/a estima 1ue tiene una participaci"n en el mercado de un
6,B para su producto estrella. Mediante una muestra aleatoria de +,, posibles
consumidores se encuentra 1ue el 75B de los mismos consumen el re#erido producto.
PCon un ni$el de si&ni#icaci"n del 1B= puede concluirse a tra$)s de los resultados 1ue
dic0a proporci"n es menorQ
E'ercicio 1& 7e 1uiere comprar una ma1uina tro1ueladora y se ad1uirir si la
proporci"n de pie'as de#ectuosas producidas por la m1uina es 1,B o menos. 7e
e>amina una muestra aleatoria de +, pie'as y se encuentra 1ue 7.5B resultaron
1,5
de#ectuosas. PCon un ni$el de si&ni#icaci"n del 5B= puede concluirse 1ue la m1uina
satis#ace los re1uerimientosQ
Prue;a de <i=+%esis =ara la diferencia en%re las =ro=orciones de dos
=o;laciones
Vamos a considerar 1ue tenemos dos poblaciones de modo 1ue en cada una de
ellas estudiamos una $.a. dicot"mica :3ernoulli; de parmetros respecti$os
1
p
y
%
p
. !e cada poblaci"n $amos a e>traer muestras de tama/o
1
n
y
%
n
.
Entonces
( )
1
1 1 1 1
1
=
n
i
i
X x ) n p
( )
%
% % % %
1
=
n
i
i
X x ) n p
7i las muestras son su#icientemente &randes ocurre 1ue una apro>imaci"n para la
prueba de 0ip"tesis al ni$el de si&ni#icancia
G
H
para la di#erencia de
proporciones de dos poblaciones esK
Prueba bilateral Prueba unilateral in#erior Prueba unilateral superior
, 1 %
K H p p

, 1 %
K H p p

, 1 %
K H p p

1 1 %
K H p p
1 1 %
K H p p <

1 1 %
K H p p >
Fi'ar ni?el de sinificaci+n
N ,=,5F ,=,1 etc.

Es%ad!s%ica de =rue;a
1 %
1 % 1 %
l ormal : , = 1;
1 1
p1
q q
:p E p ;E:p Ep ;

n n
"
_
+

,
1 1 % %
1 %
q q n p n p
p
n n
+
+
Reiones cr!%icas
1,6

EE l.EE AEEEEEEEEEEEEEl(EEEEEEEEEEEEEEAEEl.EE EEEEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEAEEEEl.EEEE EEEEl.EEEEEAEEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEE EE l.EE AEEEEEEEEEEEEEl(EEEEEEEEEEEEEEAEEl.EE EEEEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEAEEEEl.EEEE EEEEl.EEEEEAEEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEE
Decisi+n Decisi+n
,
H
. .
,
H
. .
H se H se
,
H
. .
H se H se
,
H
. .
E'em=lo 1. Ina #irma distribuye dos marcas de deter&ente. En una encuesta se
encuentra 1ue 56 de %,, amas de casa pre#ieren el deter&ente de la marca ( y 1ue % de
15, amas de casa pre#ieren la marca 3. P7e puede concluir al ni$el de si&ni#icaci"n del
5B 1ue la marca ( tiene mayor pre#erencia 1ue la marca 3Q
Soluci+nB
Marca A Marca "
1
X
K 54mero de amas de casa 1ue
%
X
K 54mero de amas de casa 1ue
pre#ieren deter&ente marca ( pre#ieren deter&ente marca 3
1
X
N 56
%
X
N %

1
n
N %,,
%
n
N 15,
1
1
1
56
q
%,,
X
p
n

%
%
%
%
q
15,
X
p
n

1
q p
N ,=%6

1
q 0
N ,=7%
%
q p
N ,=1

%
q 0
N ,=61
, 1 %
K H p p
1 1 %
K H p p >
E 5Y
1,7
1 %
1 % 1 %
l
1 1
p1
q q :p E p ;E:p Ep ; :,=%6 ,=1; ,
1 1
,=%+R,=76
n n
%,, 15,
_
+

,

_
+

,
: E .@83
Calculando
1 1 % %
1 %
q q n p n p %,,R,= %6 15,R,=1
p
n n %,, 15,
+ +

+ +
p
N ,=%+
0
N ,=76
Reiones cr!%icas
EEEEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEAEEEEEl.EEEE EEEEEEEEEEEEEEEEl(EEEEEEEEEEEEEEEAEEEEEl.EEEE

1
,

.@315
Decisi+n
9i<ando N ,.,5= la re&i"n de aceptaci"n es el inter$alo :E
F
1
,

N 1=6+5;
Como el estadstico de prueba l N 1=6 es mayor 1ue
1
,

N 1=6+5= es decir se ubica en
la 'ona de rec0a'o= se rec0a'a T
,

7e concluye 1ue e#ecti$amente la marca ( tiene mayor pre#erencia 1ue la marca 3 con
un ni$el de con#ian'a del 5B.
E'ercicio .& !os m1uinas ( y 3= producen un mismo artculo. ?a m1uina (
produce como t)rmino medio una proporci"n de 1+B de artculos de#ectuosos= mientras
1ue la m1uina 3= produce en t)rmino medio una proporci"n de %,B de artculos
de#ectuosos. 7i se obtiene una muestra aleatoria de %,, unidades del artculo 1ue
pro$en&an de la m1uina ( y una muestra aleatoria de 1,, unidades pro$enientes de la
m1uina 3. !emostrar 1ue la m1uina 3 ten&a una proporci"n de de#ectuosos 6B o
ms 1ue (. 7e supone 1ue la poblaci"n es in#inita.
E'ercicio ,& 7e seleccion" una muestra aleatoria de 1,, 0ombres y 1,, mu<eres de un
departamento de ColombiaF se 0all" 1ue de los 0ombres 6, estaban a #a$or de una ley
de di$orcio y de las mu<eres 55 estaban a #a$or de dic0a ley. Con base en )sta
1,6
in#ormaci"n= pruebe 1ue la proporci"n de 0ombres 1ue #a$orece )sta ley es mayor 1ue
la proporci"n de mu<eres. (suma un ni$el de con#ian'a del por ciento.
E'ercicio 4& ?a ma1ueta del nue$o autom"$il propuesto se mostr" a dos &rupos de
15, personas cada uno. In &rupo const" de personas entre 16 y %5 a/os de edad= y el
otro de personas mayores de 5, a/os. El 6,B de los inte&rantes del &rupo ms <o$en
aprob" el modelo= mientras 1ue s"lo el 5,B del &rupo mayor en edad lo aprueba.
!entro de un 5B de con#iabilidad= Ppuede decirse 1ue ambos &rupos tienen opiniones
di#erentesQ
E'ercicio 1& In pro#esor de Estadstica desea comparar el porcenta<e de aprobados de
la secci"n G(H contra el porcenta<e de aprobados de la secci"n G3H. En la secci"n G(H
se tom" una muestra de %6 estudiantes= de los cuales 16 0aban aprobado= de la secci"n
G3H una muestra de %6 estudiantes re$el" %5 aprobados. Itilice un B de con#iabilidad
para comprobar si el porcenta<e de aprobados de la secci"n G3H es superior al de la
secci"n G(H.
Prue;a de <i=+%esis de inde=endencia de cri%erios 9com=araci+n de
=ro=orciones de N ru=os:
PRUE"A ZI CUADRADO DE PEARSON
Ino de los usos ms #recuentes de la distribuci"n <iEcuadrado es probar la 0ip"tesis
nula de 1ue dos criterios de clasi#icaci"n= son independientes. 7e dice 1ue dos criterios
de clasi#icaci"n son independientes si la distribuci"n de uno no se $e a#ectada por la
distribuci"n del otro.
Para reali'ar el anlisis de los datos o #recuencias con<untas :U
i<
; los datos deben
disponerse en una tabla de contin&encia= de acuerdo a dos criterios.
Criterio % Criterio 1 n
i.
1 % . . . c
1 U
11
U
1%
. . . U
1c
n
1.
% U
%1
U
%%
. . . U
%c
n
%.
r U
r1
U
r%
. . . U
rc
n
r.
n
. <
n
.1
n
. %
. . . n
.c
n
El procedimiento de la prueba es el si&uienteK
ToK (mbos criterios de clasi#icaci"n son independientes
T
1
K (mbos criterios de clasi#icaci"n no son independientes
Ni?el de sinificaci+n
N ,=,5F ,=,1 etc.

Es%ad!s%ico de =rue;a o Funci+n =i?o%al
1,
i+
i+ i+
E
; E E U :

%
%

. .
n n
E
n
i +
i+
x
U
i<
K 9recuencia obser$ada
E
i<
K 9recuencia esperada
Valor de p " $alor
,
L . [
,
%a;

; 1 ;: 1 :
c r
Decisi+n
.ec0a'ar To si
% %
ta.
>
5o rec0a'ar To si
% %

ta.

.ec0a'ar To si :p Z ,.,5 " p Z ,.,1;
5o rec0a'ar To si :p [ ,.,5;
Esto esK
7i p Z ,.,5= E>iste relaci"n estadsticamente si&ni#icati$a entre las $ariables
en estudio.
7i p Z ,.,1= E>iste relaci"n altamente si&ni#icati$a entre las $ariables en
estudio.
7i p [ ,.,5= 5o e>iste relaci"n estadsticamente si&ni#icati$a entre las $ariables
en estudio.
E'em=lo .B 7e 0i'o en Per4 un estudio 0acia #ines del a/o %,1, con una muestra
in#ormantes diri&entes sociales= 17 0ombres y 15 mu<eres= a #in de conocer su
percepci"n de la situaci"n econ"mica del pas. ?os resultados son los si&uientes= en
n4mero de casosK
7e>o Percepci"n de la situaci"n econ"mica 2otal
3uena (ceptable !e#iciente
Tombre 6 :=,*; 6 :5=*1; * :%=66; 17
Mu<er :7=7; + :+=6; % :%=*+; 15
2otal 17 1, 5 *%
11,
Con un ni$el de si&ni#icaci"n del 1,B realice un contraste de 0ip"tesis para responder a
la a#irmaci"n de 1ue la percepci"n de la situaci"n econ"mica est asociada al &)nero del
encuestado.
Soluci+nB
,
H
K ?a percepci"n de la situaci"n econ"mica es independiente del se>o del encuestado
1
H
K ?a percepci"n de la situaci"n econ"mica es dependiente del se>o del encuestado
N 1,B
i+
i+ i+
E
; E E U :

%
%

Tallando la #recuencia esperada
1. .1
11
n n 17R17
E = ,*
n *%
x

1. .%
1%
R 17R1,
5= *1
*%
n n
/
n

)
)
)
%. .*
%*
R 17R5
%= 66
*%
n n
/
n

.eempla'ando
% % %
%
:6 = ,*; :6 5= *1; :% %= *+;
...
= ,* 5= *1 %= *+

+ + +
%
,= 5*5
Valor %a;ular
% % %
1 F: 1;: 1; ,=,F:1;:%; ,=,F% F &

E 1@3-5
Reiones cr!%icas
111
EEEEEEEEEEEEEEEEEl(EEEEEEEEEAEEEEEEEEEEl.EEEEEEEEEE EEEEEEEEEEEEEEEEEl(EEEEEEEEEAEEEEEEEEEEl.EEEEEEEEEE
+=6,5
Decisi+n
9i<ando N ,.1,= la re&i"n de aceptaci"n es el inter$alo :,F
%
,=,F%
N +=6,5;
Como el estadstico de prueba
%
,= 5*5 es menor 1ue
%
,=,F%
N +=6,5= es decir se ubica

en la 'ona de aceptaci"n= se acepta T
,
.
?o 1ue nos permite concluir con una con#ian'a del ,B 1ue la percepci"n de la
situaci"n econ"mica no est asociado al &)nero del encuestado.
"i;lioraf!a
1. T(.55E2 MI.PTb. Introducci"n al (nlisis Estadstico. (ddison. uesley=
Iberoamericana= 166.
%. TUE?= P(I? 3. Estadstica Elemental. CEC7(= 166.
*. -E55E!b= WUT5. 5EVI??E (!(M. Estadstica para Ciencias e In&eniera.
Tarla= M)>ico 16%.
+. MEbE. ? P. Probabilidad y (plicaciones Estadsticas. 9ondo Educati$o
Interamericano 166.
5. MI??E. I.uI5= 9.EI5!= WTU5 E. Probabilidad y Estadstica para el In&eniero.
Prentice Tall. Inc. M)>ico= 166.
6. 72EVE57U5= uI??I(M. Estadstica para (dministraci"n y Economa. Tarla.
M)>ico= 166.
7. uU55(CU2 2TUM(7. Introducci"n a la Estadstica. ?imusa 7.(. 161.
6. TI5E7 u. MU52VUME.b !. Probabilidad y Estadstica para In&eniera y
(dministraci"n= Compa/a Editorial Continental. 7.(. de C.V.
11%
. u(?PU?E .. MbE.7 .. Probabilidad y Estadstica. Edit. Mc. VraC Till
Interamericana de M)>ico de C.V.1%.
1,. 7CTE(99E. Mc. Cla$e. Probabilidad y Estadstica para In&enieros= Edit. Vrupo
Editorial Iberoamericana= 1*.
11. uilliam Menden0allA 2erry 7incic0. Probabilidad y Estadstica para In&eniera y
Ciencias. Editorial Prentice Tall= 17. Cuarta Edici"n.
1%. Murray .. 7pie&el. Estadstica. Editorial McVraCTill. 15.
1*. uebster= (llen. Estadstica (plicada. Editorial McVraCTill. %,,1.
11*

Manual de Estadistica y Probabilidad I

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Manual de Estadistica y Probabilidad I

Uploaded by

Copyright:

Available Formats

Probabilidad y Estadstica

UNIVERSIDAD NACIONAL DEL SANTA

: Media ari%m%ica mues%ral 9 x :

: Media ari%m%ica mues%ral 9 x :

K ?mite in#erior del inter$alo 1ue contiene la mediana.

K ?mite in#erior del inter$alo 1ue contiene la moda.

Por resultados anteriores se tieneK

c: E?en%os iualmen%e =ro;a;lesB 2odos tienen la misma probabilidad de ocurrir

3 N { } > A > ( " > 3

3 N (3 N { } > A > ( y > 3

]3 si&ni#ica 1ue ocurren ( y 3 con<unta o

para todo i < N1= %=..= n

El en#o1ue clsico de la probabilidad se basa en la suposici"n de 1ue cada resultado sea

C;NP:(;L P:3; LP:C; E P:(

3; se interpreta como la probabilidad de 1ue los sucesos ( y 3 ocurran

3; A P :3; o P :3 A(; N P:(

]3; N P :3; ] P :(A 3; " P :(

Funci+n de Pro;a;ilidad Acumulada

Funci+n de Pro;a;ilidad Acumulada

DISTRI"UCIONES PARA VARIA"LES ALEATORIAS

;. Cuanto mayor sea

Es ms ac0atada 1ue la normal y adopta di#erentes #ormas= se&4n el n4mero de

en cada uno de los si&uientes casosK

es el error tpico o des$iaci"n estndar de la media muestral.

2ama/o de poblaci"n :5; demasiado &rande

2ama/o de poblaci"n :5; conocida o #inita

Calculando la $arian'a muestral obtenido de los $alore num)ricos K

= respecti$amente. 7e puede aplicar una prueba ) o % de 7tudent

y la proporci"n de )>ito en la muestra es

2ama/o de poblaci"n :5; demasiado

= es la probabilidad de cometer error tipo I=

N ,=,5F ,=,1 etc.

N ,=,5F ,=,1 etc.

Prueba C0i cuadrado :

= respecti$amente. 7e puede aplicar una prueba ) o % de 7tudent

N ,=,5F ,=,1 etc.

FE1=6+5;= es decir en la 'ona de ec0a'o= se

N ,=,5F ,=,1 etc.

En este caso= interesa contrastar 0ip"tesis para una proporci"n o un porcenta<e

N ,=,5F ,=,1 etc.

N ,=,5F ,=,1 etc.

N ,=,5F ,=,1 etc.

N +=6,5= es decir se ubica

You might also like