You are on page 1of 111

Ciencias Empresariales

Estadstica II

CONTENIDO IDENTIFICACIN ................................................................................................................................. 2 PLANIFICACIN DE LOS ENCUENTROS......................................................................................... 1 PROGRAMA ANALITICO .................................................................................................................... 1 ORIENTACIONES METODOLGICAS............................................................................................... 8 1. Introduccin ............................................................................................................................. 8 1.1.- Objetivos Generales............................................................................................................ 9 2.- Desarrollo .................................................................................................................................... 9 2.1 Ncleos temticos ................................................................................................................. 9 2.2.- Bibliografa Comentada. ................................................................................................... 13 2.3.- Material Explicativo ........................................................................................................... 14 2.4.-Ejemplificacin .................................................................................................................... 14 2.5.- Mtodos a utilizar .............................................................................................................. 14 3 . Conclusiones ........................................................................................................................ 14 4. Glosario de trminos tcnicos. ............................................................................................. 15 TEXTO GUA ...................................................................................................................................... 17 UNIDAD N 1. TEORIA ELEMENTAL DE PROBABILIDADES ................................................... 17 FENMENO ALEATORIO ........................................................................................................ 17 ESPACIO MUESTRAL S ........................................................................................................ 17 EVENTO O SUCESO E ...................................................................................................... 17 PROBABILIDAD P E , P ................................................................................................. 18 COMPLEMENTO DE PROBABILIDAD P E ; P; q ......................................................... 20 EVENTOS INDEPENDIENTES ................................................................................................ 22 EVENTO DEPENDENDIENTE ................................................................................................. 22 PROBABILIDAD CONDICIONAL ............................................................................................. 24 EVENTOS MUTUAMENTE EXCLUYENTES .......................................................................... 24 PROBABILIDAD DE LA INTERSECCIN DE 2 EVENTOS P A B ............................. 24 PROBABILIDAD DE LA UNIN DE DOS EVENTOS P A B ........................................ 25 TEOREMA DE BAYES .............................................................................................................. 27 MODELOS DE DISTRIBUCIN DE PROBABILIDAD ............................................................ 30 MODELOS DE DISTRIBUCIN DE PROBABILIDAD PARA VARIABLES DISCRETAS ..... 30 MODELOS DE DISTRIBUCIN DE PROBABILIDAD PARA VARIABLE CONTINUA ......... 30 MODELO DE DISTRIBUCIN BINOMIAL .............................................................................. 31 FUNCIN DE PROBABILIDAD ................................................................................................ 31 MODELO DE DISTRIBUCIN HIPERGEOMTRICA ............................................................ 34 MODELO DE DISTRIBUCIN DE POISSON ......................................................................... 37 MODELO DE DISTRIBUCIN NORMAL GENERAL .............................................................. 38 MODELO DE DISTRIBUCIN NORMAL STANDARD ........................................................... 39 UNIDAD N 2 DISTRIBUCIONES MUESTRALES ...................................................................... 47 TEOREMA CENTRAL DEL LMITE .......................................................................................... 47 DISTRIBUCIN MUESTRAL DE LA MEDIA ........................................................................... 47 DISTRIBUCIN MUESTRAL DE PROPORCIONES .............................................................. 51 UNIDAD N 3 ESTIMACIN DE PARAMETROS POBLACIONALES ...................................... 57
Elaborado por: Ing. Rubn Toyama U.
__ __

Ciencias Empresariales

Estadstica II

DISTRIBUCIN T-STUDENT ................................................................................................... 57 ESTIMACIN POR INTERVALOS ........................................................................................... 59 NIVEL DE CONFIANZA 1 .............................................................................................. 59 INTERVALO DE CONFIANZA PARA LA MEDIA POBLACIONAL ......................................... 60 DETERMINACIN DEL TAMAO DE LA MUESTRA ............................................................ 63 MUESTREO y TIPOS DE MUESTREO ................................................................................... 66 MUESTREO ALEATORIO SIMPLE .......................................................................................... 66 MUESTREO SISTEMTICO .................................................................................................... 67 MUESTREO ESTRATIFICADO ................................................................................................ 67 MUESTREO CONGLOMERADO ............................................................................................. 67 UNIDAD N 4 VERIFICACIN DE PARAMETROS POBLACIONALES................................. 68 HIPTESIS ESTADSTICA ...................................................................................................... 68 HIPOTESIS NULA H0 ................................................................................................................ 68 HIPOTESIS ALTERNA H1......................................................................................................... 68 ERRORES QUE SE PUEDEN COMETER .............................................................................. 69 ERROR TIPO I........................................................................................................................... 69 ERROR TIPO II.......................................................................................................................... 69 GLOSARIO DE TRMINOS TCNICOS............................................................................. 77 Prctico n 1. Teora elemental de probabilidades .............................................................. 83 Prctico n 2. Distribucin discreta de probabilidades ........................................................ 86 Prctico n 3. Distribucin Normal Standard y distribuciones muestrales ......................... 91 Prctico n 4. Estimacin de parmetros poblacionales ..................................................... 94 Laboratorio # 1 . Aplicaciones de EXCEL en estadstica Inferencial ................................. 99

IDENTIFICACIN Modalidad de Estudios Gestin Acadmica Mdulo Carreras Docente Da de Encuentro (Presencial) Hora Aula Da de Tutora (Distancia) Hora rea Empresarial Ing. Rubn Toyama U. Sbados Cursos por Encuentros

Elaborado por: Ing. Rubn Toyama U.

Ciencias Empresariales

Estadstica II

Elaborado por: Ing. Rubn Toyama U.

Ciencias Empresariales

Estadstica II

PLANIFICACIN DE LOS ENCUENTROS PRIMER SEGUNDO TERCER ENCUENTRO ENCUENTRO ENCUENTRO Unidad 1 1.1 al 1.11 UNIDAD - TEMAS DE AVANCE Unidad 1 1.12 al 1.19 Unidad 2 2.1 al 2.3 Evaluacin Unidad 2 2.4 al 2.8 Unidad 3 3.1. al 3.13

CUARTO ENCUENTRO Unidad 3 3.14 Unidad 4 Evaluacin

ESTADISTICA II
PROGRAMA ANALITICO

IDENTIFICACION Carrera Sigla Materia Carga Horaria Nivel Requisitos En Vigencia : Ingeniera de Sistemas. Auditoria. Ingeniera Comercial. : MAT - 222 : Estadstica II : 4 H Encuentros 4 H Tutoras Virtuales : Quinto Semestre. : Estadstica I (MAT 215) : Ao 2005

I. JUSTIFICACION La asignatura de estadstica II contribuye a las mallas curriculares de las diferentes carreras en las que se imparte por constituirse en un pilar fundamental desarrollando en su ejecucin los conocimientos necesarios y suficientes para encarar con solvencia disciplinas muy importantes, como la investigacin de mercados, la investigacin de operaciones y la econometra, entre otras. II. OBJETIVOS OBJETIVO GENERAL Aplicar correctamente las herramientas y tcnicas sobre muestras representativas que conlleven a realizar una eficaz inferencia estadstica sobre una poblacin que permitan la racional toma de

Elaborado por: Ing. Rubn Toyama U.

Ciencias Empresariales

Estadstica II

decisiones OBJETIVOS ESPECIFICOS Identificar el modelo de probabilidad adecuado a aplicar a una distribucin muestral para un determinado parmetro Estimar el valor de un parmetro a partir de una muestra representativa mediante una estimacin puntual o intervalar Plantear adecuadamente las hiptesis estadsticas reconociendo los tipos de errores y tomar una decisin respecto a la hiptesis adecuada. Identificar y desarrollar los mecanismos adecuados para determinar el tamao de una muestra representativa en funcin a la naturaleza del problema Construir e interpretar intervalos de confianza para los diferentes parmetros poblacionales. III. CONTENIDOS Unidad 1. Teora elemental de probabilidades. Distribucin de probabilidades. Objetivos de la Unidad Definir los trminos referente a la teora de probabilidades. Desarrollar el clculo de probabilidades bsicas y distribucin de probabilidades. Adquirir las competencias en el manejo de las tablas de distribucin de probabilidades de las distribuciones.

Contenidos 1.1 Anlisis Combinatorio. 1.2 Introduccin a la teora de probabilidades. 1.3 Axiomas fundamentales. 1.4 Clculo de probabilidades. 1.5 Probabilidad condicional. Teorema de Bayes. 1.6 Esperanza y varianza matemtica. 1.7 Distribucin de Probabilidades. 1.8 Distribucin de probabilidades en variables aleatorias discretas. 1.9 Distribucin Binomial.

Elaborado por: Ing. Rubn Toyama U.

Ciencias Empresariales

Estadstica II

1.10 1.11

Distribucin de Poisson. Distribucin de Hipergeomtrica.

1.12 Distribucin de probabilidades en variables aleatorias contnuas. 1.13 Distribucin. Normal. 1.14 Distribucin Exponencial. 1.15 Estandarizacin de la distribucin normal. 1.16 Aproximaciones de la distribucin binomial a la normal 1.17 Distribucin t-student 1.18 Distribucin Chi Cuadrada 1.19 Distribucin F de Fisher Unidad 2. Distribuciones mustrales. Objetivos de la Unidad Aplicar los mecanismos adecuados para el clculo de probabilidades en las distribuciones muestrales. Definir adecuadamente los diferentes tipos de muestreo y los casos de aplicabilidad.

Contenidos 2.1 Teorema central del lmite 2.2 Distribucin muestral de medias. 2.3 Distribucin muestral de la proporcin. 2.4 Distribucin de la diferencia de dos medias muestrales. 2.5 Distribucin de la diferencia de dos proporciones. 2.6 Distribucin muestral de la varianza. 2.7 Muestreo aleatorio Simple. Error de muestreo 2.8 Muestreo sistemtico. Muestreo por conglomerados. Muestreo estratificado.

Unidad 3. Estimacin de parmetros poblaciones Objetivos de la Unidad Desarrollar los procedimientos adecuados en la determinacin de los intervalos de confianza para los diferentes parmetros poblacionales. Calcular el tamao de la muestra en diferentes casos.

Elaborado por: Ing. Rubn Toyama U.

Ciencias Empresariales

Estadstica II

Contenidos 3.1 Introduccin 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9 3.10 3.11 3.12 3.13 Estimacin de parmetros Caractersticas de un buen estimador Estimacin puntual. Estimacin de parmetros por intervalos de confianza. Intervalo de confianza para la media poblacional. Intervalo de confianza para la proporcin poblacional. Intervalo de confianza para la diferencia de dos medias poblacionales. Intervalo de confianza para la diferencia de dos proporciones poblacionales. Intervalo para la varianza poblacional. Intervalo para la razn entre dos varianza poblacionales. Tamao de la muestra para estimar la media poblacional. Tamao de la muestra para estimar la proporcin poblacional.

Unidad 4. Verificacin de parmetros poblacionales. Objetivos de la Unidad Conceptuar los trminos inherentes a la teora de hiptesis. Desarrollar adecuadamente la dcima de hiptesis. Interpretar los resultados con distintos niveles de confianza.

Contenidos 4.1 Introduccin y conceptos. 4.2 Hiptesis estadsticas. 4.3 Hiptesis nula y alternativa. 4.4 Error tipo I y Error tipo II. 4.5 Procedimiento general para la verificacin de hiptesis. 4.6 Prueba de hiptesis para una media poblacional nica. 4.7 Prueba de hiptesis para la diferencia de dos medias poblacionales. 4.8 Prueba de hiptesis para una proporcin poblacional nica. 4.9 Prueba de hiptesis para la diferencia de dos proporciones poblacionales. 4.10 Prueba de hiptesis para la varianza poblacional y para la razn de dos varianzas poblacionales.

Elaborado por: Ing. Rubn Toyama U.

Ciencias Empresariales

Estadstica II

4.11 Prueba de independencia. Prueba de homogeneidad. Unidad 5. Anlisis de Varianza. Objetivos de la Unidad Probar la significancia de las diferencias entre varias medias muestrales. Realizar inferencias acerca de si las muestras fueron tomadas de poblaciones que tienen la misma media.

Contenidos 5.1 Objetivo de anlisis de Varianza. Experimentos de factor nico. 5.2 Mtodos abreviados para calcular variaciones. Modelos matemticos para el anlisis de varianza. 5.3 Valores esperados de las variaciones. Distribuciones de las variaciones. 5.4 El contraste F para la hiptesis nula de igualdad de medias. 5.5 Tablas de anlisis de varianza. 5.6 Experimentos de dos factores. 5.7 Anlisis de varianza para experimentos de dos factores. 5.8 Experimentos de dos factores con repeticin. Diseo experimental. IV. METODOLOGIA DE ENSEANZA-APRENDIZAJE El presente curso se desarrollar bajo la gua directa del docente, mediante la conceptuacin de las variadas terminologas aplicadas en el lenguaje de la estadstica, el mismo que ser llevado a cabo mediante la participacin activa de los estudiantes a travs de lluvia de ideas, durante el desarrollo de la asignatura se realizarn diversos ejercicios prcticos que ilustren de manera efectiva la aplicacin para lograr un aprendizaje significativo en la asignatura. Para cada tema el alumnado resolver prcticos en los cuales desarrollar sus habilidades y competencias a objeto de asimilar de la mejor manera los contenidos procedimentales de la asignatura. Se realizarn prcticas en el laboratorio de cmputos para la aplicacin de software a las unidades desarrolladas.

Elaborado por: Ing. Rubn Toyama U.

Ciencias Empresariales

Estadstica II

En el desarrollo del curso los estudiantes realizarn un proyecto en el cual trabajarn sobre una problemtica en la cual tengan que realizar una investigacin determinando el tamao de la muestra, realizando inferencias sobre la poblacin a partir de esta muestra significativa El presente curso se desarrollar bajo la gua directa del docente, mediante la definicin de las terminologas aplicadas en el lenguaje de la estadstica, lo cual se desarrollar mediante la participacin activa de los estudiantes a travs de lluvias de ideas. Durante el desarrollo de la materia se desarrollarn variados ejercicios prcticos que ilustren de manera efectiva la aplicacin de los distintos estadgrafos en la variedad de casos aplicables a la realidad a objeto de lograr un aprendizaje significativo para los diferentes tipos de contenidos contemplados en la asignatura. Se realizarn prcticas de ejercicios en clases donde los estudiantes de manera cooperativa logren un aprendizaje significativo apuntalando as sus conocimientos conceptuales y habilidades procedimentales Se desarrollar un trabajo final de aplicacin donde los estudiantes muestren los conocimientos y habilidades adquiridas V. ACTIVIDADES ACADEMICAS 1. Presentacin y defensa del prctico de teora elemental de probabilidades y distribuciones de probabilidades 2. Presentacin y defensa del prctico de teora elemental de distribuciones maestrales 3. Presentacin y defensa del prctico de estimacin de parmetros poblacionales 4. Presentacin y defensa del prctico de verificacin de parmetros poblacionales. Teora de hiptesis 5. Presentacin y defensa del prctico de anlisis de varianza VI. MATERIALES Y MEDIOS DIDACTICOS - Marcadores y pizarra - Texto gua - Equipos de multimedia

Elaborado por: Ing. Rubn Toyama U.

Ciencias Empresariales

Estadstica II

- Laboratorio de Software VII. TIPOS DE EVALUACION Para la asignatura se emplearn los tres tipos de evaluacin: diagnstica, formativa y sumativa. VIII. FORMAS DE EVALUACIN Materia tipo B. Cursos por Encuentros Exmenes Actividades Acadmicas Investigacin TOTAL 60 Pts. 20 Pts. 20 Pts. 100 Pts.

IX. BIBLIOGRAFIA BSICA Toyama Rubn. Estadstica II. Cursos por Encuentros. UPDS. Mayo 2007. COMPLEMENTARIA 1. Walpole Myers. Probabilidad y estadstica. Mc Graw Hill. Mxico. 2000. 2. Spiegel Murray. Probabilidad y estadstica Ed. Mc Graw Hill. Colombia. 2001. 3. John E. Freund Ronald E. Walpole. Estadstica matemtica con aplicaciones. Ed. Prentice may hispanoamericana S. A. Mexico. 1990. 4. Paul Neubold. Estadsticas para negocios y la economia. Ed. Prentice Hall. Espaa. 1997. 5. Rufino Moya Calderon Gregorio Saravia. Probabilidad e inferencia estadstica. Ed. San Marcos. Per. 2000. 6. Richard Levin David Rubin. Estadstica para administradores. Ed. Prentice may. Mexico. 1996. 7. Manuel Crdoba Zamora. Estadstica descriptiva e inferencial. Ed. Moshera SRL. 2000. 8. Leonard J. Kazmier. Estadstica aplicada a la administracin y la economa. Ed. Mc Graw Hill. Mxico. 1990.

Elaborado por: Ing. Rubn Toyama U.

Ciencias Empresariales

Estadstica II

ORIENTACIONES METODOLGICAS
1. Introduccin La estadstica es una disciplina que como instrumento de investigacin se constituye en pilar fundamental en la formacin de los profesionales de las diferentes reas del conocimiento, el aporte a la investigacin de la estadstica inferencial (Estadstica 2) se basa fundamentalmente en que a travs de la estadstica inferencial el proceso investigativo se centra en como lograr que los resultados obtenidos a travs de la muestra logre tener mayor significacin y pueda ser proyectado para determinar el verdadero valor del parmetro poblacional. El aporte de la presente asignatura a las dems asignaturas de las diferentes mallas curriculares es importante puesto que las competencias adquiridas durante el estudio de la estadstica, constituye la base fundamental para materias como investigacin de mercado, investigacin en ciencias sociales, e investigacin operativa, as como la parte operativa en el desarrollo de las tesis de grado que implica una investigacin con informacin primaria la cual en muchos casos es obtenida a partir de la muestra y debe ser extrapolada a toda la poblacin de inters en la investigacin. Cabe resaltar que el presente texto gua ha sido redactado como producto de 5 aos de experiencia en la enseanza de la Estadstica en la UPDS en el sistema modular presencial, en el texto gua se ha utilizado un lenguaje claro y sencillo sin perder el sentido tcnico propio de la estadstica cuyo lenguaje es imposible de eludir. Dentro del estudio de la estadstica inferencial es de vital importancia el aprendizaje de los siguientes aspectos: a) El dominio de palabras tcnicas propias de la estadstica. b) c) d) e) f) Es conocimiento de los conceptos desarrollados en Estadstica descriptiva El clculo eficaz de las probabilidades El clculo de probabilidades en distribuciones para variables discretas. El clculo de probabilidades para variable aleatoria continua El clculo de probabilidades para distribuciones muestrales

g) La determinacin de intervalos de confianza h) El desarrollo de la dcima de hiptesis

Elaborado por: Ing. Rubn Toyama U.

Ciencias Empresariales

Estadstica II

1.1.- Objetivos Generales Aplicar los criterios pertinentes para la inferencia estadstica en la estimacin de los parmetros poblacionales a partir de estadgrafos muestrales. El objetivo general busca que el estudiante adquiera las competencias necesarias y suficientes para realizar acertadamente las inferencias estadsticas en la determinacin de los diferentes parmetros poblacionales. 2.- Desarrollo 2.1 Ncleos temticos La distribucin de los temas en los cuatro ncleos temticos a lo largo del presente curso obedece a un sentido de co-linealidad de los contenidos para el aprendizaje adecuado de los mismos y a aspectos de tiempo para lograr el alcance de los objetivos y adquisicin de las competencias necesarias de parte del estudiante en el estudio de la estadstica inferencial en el presente curso.

Primer encuentro
Unidad 1. Teora elemental de probabilidades. Distribucin de probabilidades. Objetivos de la Unidad Definir los trminos referente a la teora de probabilidades. Desarrollar el clculo de probabilidades bsicas y distribucin de probabilidades. Adquirir las competencias en el manejo de las tablas de distribucin de probabilidades de las distribuciones.

Contenidos 1.1 Anlisis Combinatorio. 1.2 Introduccin a la teora de probabilidades. 1.3 Axiomas fundamentales. 1.4 Clculo de probabilidades. 1.5 Probabilidad condicional. Teorema de Bayes. 1.6 Esperanza y varianza matemtica. 1.7 Distribucin de Probabilidades.

Elaborado por: Ing. Rubn Toyama U.

Ciencias Empresariales

Estadstica II

1.8 Distribucin de probabilidades en variables aleatorias discretas. 1.9 Distribucin Binomial. 1.10 1.11 Distribucin de Poisson. Distribucin de Hipergeomtrica.

Sntesis La unidad 1, es una unidad amplia, por lo que en el primer encuentro nos abocaremos netamente al clculo elemental de probabilidades, adems que realizaremos el clculo de probabilidades para las distribucin de probabilidades para variable aleatoria discreta, concretamente las distribuciones: Binomial, Hipergeomtrica y de Poisson. En el 1 encentro el estudiante debe llegar con una lectura comprensiva de los conceptos referentes a la teora elemental de probabilidades, en este 1 encuentro se realizaran las prcticas para el clculo de probabilidades, as como tambin se practicar el clculo de las probabilidades para las distribuciones para variable aleatoria discreta como los son la binomial, Hipergeomtrica y Poisson.

Segundo encuentro
1.12 1.13 1.14 1.15 1.16 1.17 1.18 1.19 Distribucin de probabilidades en variables aleatorias contnuas. Distribucin. Normal. Distribucin Exponencial. Estandarizacin de la distribucin normal. Aproximaciones de la distribucin binomial a la normal Distribucin t-student Distribucin Chi Cuadrada Distribucin F de Fisher

Unidad 2. Distribuciones mustrales 2.1.Teorema central del lmite 2.2 Distribucin muestral de medias. 2.3 Distribucin muestral de la proporcin.

Elaborado por: Ing. Rubn Toyama U.

10

Ciencias Empresariales

Estadstica II

Sntesis. En el 2 encuentro se introducir a lo que es el clculo de probabilidades para variable aleatoria continua y en este encuentro se realizar la prctica del clculo de probabilidades utilizando la tabla de la distribucin normal Standard, seguidamente, ingresando a lo que es la 2 unidad se realizar el clculo de probabilidades para las distribucin de probabilidades, concretamente nos abocaremos a las distribucin muestral de medias y de proporciones.

Tercer encuentro
2.4Distribucin de la diferencia de dos medias muestrales. 2.5 Distribucin de la diferencia de dos proporciones. 2.6 Distribucin muestral de la varianza. 2.7 Muestreo aleatorio Simple. Error de muestreo 2.8 Muestreo sistemtico. Muestreo por conglomerados. Muestreo estratificado. Unidad 3. Estimacin de parmetros poblaciones 3.1 Introduccin 3.2 Estimacin de parmetros 3.3 Caractersticas de un buen estimador 3.4 Estimacin puntual. 3.5 Estimacin de parmetros por intervalos de confianza. 3.6 Intervalo de confianza para la media poblacional. 3.7 Intervalo de confianza para la proporcin poblacional. 3.8 Intervalo de confianza para la diferencia de dos medias poblacionales. 3.9 Intervalo de confianza para la diferencia de dos proporciones poblacionales. 3.10 Intervalo para la varianza poblacional. 3.11 Intervalo para la razn entre dos varianza poblacionales. 3.12 Tamao de la muestra para estimar la media poblacional. 3.13 Tamao de la muestra para estimar la proporcin poblacional Sntesis En el 3 encuentro, el contenido a desarrollar ser el estudio de los diferentes tipos de muestreo y su aplicacin recomendada en cada caso particular, luego pasaremso al estudio de la

Elaborado por: Ing. Rubn Toyama U.

11

Ciencias Empresariales

Estadstica II

construccin de los intervalos de confianza para los diferentes parmetros como ser: Intervalos de confianza para la media poblacional, intervalo de confianza para una proporcin poblacional e intervalo de confianza para la diferencia de dos medias poblacionales

Cuarto encuentro
3.14 Determinacin del tamao de la muestra

Unidad 4. Verificacin de parmetros poblacionales. Objetivos de la Unidad Conceptuar los trminos inherentes a la teora de hiptesis. Desarrollar adecuadamente la dcima de hiptesis. Interpretar los resultados con distintos niveles de confianza.

Contenidos 4.1 Introduccin y conceptos. 4.2 Hiptesis estadsticas. 4.3 Hiptesis nula y alternativa. 4.4 Error tipo I y Error tipo II. 4.5 Procedimiento general para la verificacin de hiptesis. 4.6 Prueba de hiptesis para una media poblacional nica. 4.7 Prueba de hiptesis para la diferencia de dos medias poblacionales. 4.8 Prueba de hiptesis para una proporcin poblacional nica. 4.9 Prueba de hiptesis para la diferencia de dos proporciones poblacionales. 4.10 Prueba de hiptesis para la varianza poblacional y para la razn de dos varianzas poblacionales. 4.11 Prueba de independencia. Prueba de homogeneidad. Unidad 5. Anlisis de Varianza Contenidos Objetivo de anlisis de Varianza. Experimentos de factor nico.

Elaborado por: Ing. Rubn Toyama U.

12

Ciencias Empresariales

Estadstica II

Mtodos abreviados para calcular variaciones. Modelos matemticos para el anlisis de varianza. Valores esperados de las variaciones. Distribuciones de las variaciones. Sntesis En el 4 encuentro se iniciar con la determinacin de l tamao de la muestra para la estimacin de la media poblacional, as como para la proporcin poblacional, seguidamente se introducir en la unidad de la teora de hiptesis donde se desarrollarn los pasos para la verificacin de las hiptesis estadsticas, y finalmente se realizar una introduccin en los que es el anlisis de varianza. Nota Para lograr alcanzar con xito los objetivos planteados en la asignatura, as como la adquisicin de las competencias planteadas, es importante tomar en cuenta lo siguiente: Traer a todos los encuentros una calculadora (de preferencia que sea calculadora cientfica). Leer con anticipacin al encuentro todos los conceptos desarrollados en el texto gua, para aclarar dudas durante la clase presencial. Desarrollar en lo posible (reproducir por cuenta propia) los mismos ejemplos resueltos en el texto gua. Estar presente en el aula puntualmente. 2.2.- Bibliografa Comentada El libro de texto de Estadstica Inferencial, elaborado en su totalidad por el Ing. Rubn Toyama, se constituye en una gua prctica para el aprendizaje de la estadstica y surge como resultado del conjunto de experiencias acumuladas durante 5 aos de ejercicio docente en nuestra universidad. Se recomienda la realizacin de cada uno de los ejemplos mostrados en el texto; puesto que, de esta manera el participante podr ir adquiriendo las competencias necesarias en lo referente al clculo de los estadgrafos que en esta asignatura se desarrollan. Es tambin importante en la medida de las posibilidades de tiempo y de recursos, la lecturas de apoyo de los libros: Estadstica de Spiegel & Murray para acompaar el aprendizaje y del libro:

Elaborado por: Ing. Rubn Toyama U.

13

Ciencias Empresariales

Estadstica II

Estadstica y Muestreo de Ciro Martinez Bencardino para apoyar en la comprensin de los clculos, puesto que en dicho libro se muestran problemas reales y de mayor comprensin. 2.3.- Material Explicativo El texto gua contiene suficiente material explicativo, puesto que, la redaccin de los conceptos est en un lenguaje claro y de uso cotidiano para mayor comprensin pero sin perder el sentido tcnico del mismo; adems, en cada una de los temas existen los ejemplos que en su integridad desarrollados paso a paso para su mayor comprensin. 2.4.-Ejemplificacin El texto gua ofrece al lector suficiente ejemplificacin; puesto que, luego de los conceptos existen los ejercicios de aplicacin en los que se detallan paso a paso la forma en que se debe proceder para la solucin de los diferentes problemas planteados. 2.5.- Mtodos a utilizar En el primer periodo del encuentro fsico el docente desarrollar los conceptos necesarios con la participacin activa de los participantes; puesto que, se sobreentiende que ellos han procedido a la lectura comprensiva de los conceptos, luego se desarrollar un ejemplo prctico con la participacin activa del docente y de los estudiantes. Para proceder en el segundo periodo a la solucin de ejemplos similares en grupos clulas, con la gua permanente del docente. En los encuentros virtuales se presentarn las tareas planteadas con anterioridad en las clases presenciales, y se aclararn las dudas que surjan durante la solucin de las tareas por parte de los estudiantes. 3 . Conclusiones Para concretar el aprendizaje de los temas el estudiante debe desarrollar en su domicilio los prcticos planteados en el texto gua, pudiendo hacer uso de los encuentros virtuales para la aclaracin de las dudas en la resolucin de los mismos. 3.1.- Preguntas y ejercicios para realizar en forma individual o colectiva con respuestas. Los prcticos se encuentran al final del Texto Gua, los mismos se encuentran elaborados de acuerdo a la secuencia de avance de la asignatura.

Elaborado por: Ing. Rubn Toyama U.

14

Ciencias Empresariales

Estadstica II

4. Glosario de trminos tcnicos El texto gua contiene la conceptuacin de todos los trminos propios de la estadstica utilizados en el presente curso, por lo que se recomienda la lectura comprensiva de cada uno de los ttulos y subttulos desarrollados en el mismo para interconectar la comprensin de los conceptos con la aplicacin prctica en el desarrollo de los problemas de aplicacin.

Elaborado por: Ing. Rubn Toyama U.

15

Ciencias Empresariales

Estadstica II

Elaborado por: Ing. Rubn Toyama U.

16

Ciencias Empresariales

Estadstica II

TEXTO GUA UNIDAD N 1. TEORIA ELEMENTAL DE PROBABILIDADES OBJETIVOS 1.- Conceptuar correctamente los siguientes trminos: fenmeno aleatorio, posibilidad, probabilidad, evento o suceso, espacio muestral, eventos mutuamente excluyentes, eventos independientes, eventos dependientes, complemento de probabilidad , unin de probabilidades, interseccin de probabilidades. 2.- Calcular adecuadamente la probabilidad de diferentes sucesos o eventos. 3.- Realizar operaciones con probabilidades. FENMENO ALEATORIO Es aquel acontecimiento cuyo resultado final no se puede predecir con exactitud, porque presenta dos o ms opciones. ESPACIO MUESTRAL S Es el conjunto de todas las posibilidades que presenta un fenmeno aleatorio. Ejemplo 1 Al lanzar un dado, el espacio muestral ser:
S1 1,2,3,4,5, 6

Ejemplo 2 Al lanzar una moneda dos veces seguidas, el espacio muestral ser:
S 2 SP, PS, SS, PP

Ejemplo 3 Al lanzar una moneda tres veces seguidas, el espacio muestral ser: S3 SSS, SSP, SPS, SPP, PSS, PSP, PPS, PPP EVENTO O SUCESO E Un evento es un subconjunto del espacio muestral y se lo plantea como: lo que se espera que suceda. Para los ejemplos anteriores los eventos podran ser:
E 1 : Que al lanzar un dado el nmero obtenido sea par: E1 2,4,6
E 2 : Que al lanzar una moneda dos veces seguidas el resultado sea diferente: E 2 SP, PS
E 3 : Que al lanzar una moneda tres veces seguidas el resultado sea diferente a las otras dos:

Elaborado por: Ing. Rubn Toyama U.

17

Ciencias Empresariales

Estadstica II

E 3 SSP, SPS, SPP, PSS, PSP, PPS

POSIBILIDAD Una posibilidad es una de varias pociones que presenta un fenmeno aleatorio. NMERO DE POSIBILIDADES n S ; n E Es la cantidad de elementos que presenta el espacio muestral o el evento. Para los ejemplos anteriores tenemos: n S1 n S3 n E1 n E3
6
8

3
2
__

COMPLEMENTO DEL EVENTO ( E ) Es el conjunto de todos los elementos que pertenecen al espacio muestral y no pertenecen al evento. Para los ejemplos anteriores:
__

E 1 : 1,3,5
__

E 2 : SS , PP
__

E 3 : SSS, PPP

PROBABILIDAD P E ,

La probabilidad de un evento es el grado de certeza de que dicho evento ocurra y se puede calcular dividiendo el nmero de posibilidades del evento entre el nmero de posibilidades del espacio muestral. nE P( E ) nS
PE n de posibilida des ciertas n de posibilida des totales

Nota Los valores de la probabilidad se dan entre 0 y 1. Generalmente se expresa en porcentaje al multiplicar el resultado por 100.

Elaborado por: Ing. Rubn Toyama U.

18

Ciencias Empresariales

Estadstica II

Ejemplo Para los ejemplos anteriores determinar la probabilidad de los eventos 1,2 y 3.
P E1
P E2 P E3
__

n E1 n S1
2 4 6 8
2 4

3 6
0,5;

0,5;
50% 75%
50 %

50 %

0,75;
0,5;

P E2

La baraja Una baraja tiene 52 cartas. 26 cartas de cada color. 13 cartas de cada palo. 4 cartas de cada nmero. Eventos A: Que la carta extrada al azar de la baraja sea diamante. B: Que la carta extrada al azar de la baraja sea 10 rojo. C: Que la carta extrada al azar de la baraja sea 6. D: Que la carta extrada al azar de la baraja sea 7 rojo. E: Que la carta extrada al azar de la baraja sea negra. Hallar la probabilidad de cada evento
P A P B PC P D 13 52 2 52 4 52 2 52 0,25; 0,038; 0,077; 0,038; 25% 3,8% 7,7% 3,8%

Elaborado por: Ing. Rubn Toyama U.

19

Ciencias Empresariales

Estadstica II

P E

26 52
39 52 50 52 48 52

0,5;

50%

Hallar
__

P A
__

0,75; 0,962 ; 0,923 ;

75 % 96 ,2% 92 ,3%

P B
__

P C

COMPLEMENTO DE PROBABILIDAD P E ; P; q El complemento de la probabilidad de un evento es la probabilidad de que dicho evento no ocurra y se calcula con la expresin:
__

__

__

P E

P E

Ejemplo En una sala de reuniones hay 8 abogados de los cuales 3 son mujeres adems hay 7 arquitectos de los cuales 2 son hombres hallar la probabilidad de que la primera persona que salga aleatoriamente de la sala sea: a) Arquitecta b) Hombre c) De profesin arquitectura a) P A b) P B c) P C
5 15 7 15 7 15 0,33;33% 0,466;46,6% 0,466;46,6%

Elaborado por: Ing. Rubn Toyama U.

20

Ciencias Empresariales

Estadstica II

Hallar P A
__

__

P A
__

P A

P A
__

1 0,333 0,667;66,7%

P A

Ejemplo Graficar las diferentes posibilidades que presenta el fenmeno aleatorio de lanzar dos dados a la vez, este grfico debe mostrar los diferentes resultados al sumar los nmeros de los dados. Construir adems un cuadro que muestre los posibles resultados de la suma y las probabilidades de cada uno de los posibles resultados. Grfico
Dado 1 6 5 4 3 2 1 7 6 5 4 3 2 1 8 7 6 5 4 3 2 9 8 7 6 5 4 3 10 9 8 7 6 5 4 11 10 9 8 7 6 5 12 11 10 9 8 7 6 Dado 2

Posibles Resultados N de Posibilidades Probabilidad

2 1
1 36

3 2
2 36

4 3
3 36

5 4
4 36

6 5
5 36

7 6
6 36

8 5
5 36

9 4
4 36

10 3

11 2

12 1
1 36

3 2 36 36

Hallar la probabilidad de que la suma sea:

Elaborado por: Ing. Rubn Toyama U.

21

Ciencias Empresariales

Estadstica II

a) P S b) P S c) P S d) P 5 e) P S

7 10 4 S

6 36 6 36 6 36 9

0,167; 16,7% 0,167; 16,7% 0,167; 16,7% 24 36 0,667; 66,7%


18 36 0,5; 50%

n impar

EVENTOS INDEPENDIENTES Dos eventos son independientes cuando la probabilidad de uno de ellos no depende de la ocurrencia o no del otro evento. Ejemplo E1: Que al lanzar una moneda salga sol. E2: Que al lanzar un dado salga 3. E3: Que al extraer una carta de la baraja sea de trbol. E1 y E2 son independientes.
P E2 P E1 1 6

1 2 E2 y E3 son independientes.

EVENTO DEPENDENDIENTE Un evento es dependiente cuando su probabilidad depende de la ocurrencia de un acontecimiento previo.. Ejemplo En un cesto hay 5 bolas blancas y 3 bolas verdes de las cuales se extraen una por una y sin reemplazo. 5B 3V
Elaborado por: Ing. Rubn Toyama U.

22

Ciencias Empresariales

Estadstica II

Sean los eventos: E1: Que la primera bola extrada sea verde. E2: Que la segunda bola extrada sea verde. El E2 es dependiente Si la 1 es V: P E 2 Si la 1 es B: P E 2
2 7 0,286

3 0,429 7 Un evento es dependiente cuando es consecutivo de otro y sin reemplazo.


CALCULO DE LA PROBABILIDAD EN UN EVENTO DEPENDIENTE Para calcular la probabilidad de un evento dependiente se lo hace a travs de la suma de las probabilidades de los diferentes caminos en que se cumple este evento. Para el ejemplo anterior calcular P E2 .
P E2 P V2 P V1 * P V2 P B1 * P V2

3 2 5 3 * * 8 7 8 7 3 15 28 56 0,107 0,2678 0,375; 37,5%


Ejemplo En un aula hay 3 arquitectos, 5 mdicos y 6 abogados de la cual van a salir las personas una por una y sin reemplazo. Hallar la probabilidad de que la segunda persona sea mdico.
P M2 P M1 * P M 2 5 4 9 5 * * 14 13 14 13 0,1099 0,2473 0,357; 35,7% P M1 *P M2

Elaborado por: Ing. Rubn Toyama U.

23

Ciencias Empresariales

Estadstica II

PROBABILIDAD CONDIONAL La probabilidad condicional es la probabilidad de que un evento ocurra dado que otro haya ocurrido.
P B A Se lee: Probabilidad de que ocurra el evento B dado que el evento A ha ocurrido.

Ejemplo En un aula hay 7 mujeres y 9 hombres, de esta aula saldrn las personas una por una y sin reemplazo. Sean los eventos: E1: Que la primera persona que salga sea mujer. E2: Que la primera persona que salga sea hombre. E3: Que la segunda persona que salga sea mujer Hallar a) P E3 E 1 b) P E3 E 2 c) P E3

6 15
7 15

0,4
0,467

P M2
P M2

P M1 * P M 2
7 6 9 7 * * 16 15 16 15

P M1 * P M2
0,4375

EVENTOS MUTUAMENTE EXCLUYENTES Dos eventos son mutuamente excluyentes cuando la ocurrencia de uno de ellos elimina de posibilidad que el otro evento ocurra, como en el caso anterior los eventos E 1 y E2. Ejemplo Sean los eventos D: Que Juan Prez pase todo el sbado en Aqualand. F: Que Juan Prez pase ayudanta todo el sbado en la UPDS. Nota Cuando dos eventos son mutuamente excluyentes la probabilidad de que la interseccin es cero. PROBABILIDAD DE LA INTERSECCIN DE 2 EVENTOS
P A B

La probabilidad de la interseccin, es la probabilidad de que ocurran los eventos A y B y se calcula con la siguiente expresin.

Elaborado por: Ing. Rubn Toyama U.

24

Ciencias Empresariales

Estadstica II

P A
P A

B
B

P A *P B
P A *P B A

Independientes Dependientes Mutuamente excluyentes

P A

Para el ejemplo anterior calcular la probabilidad: a)

P E1
b)
P E1

E3

P E1 * P E3 E1

7 6 * 16 15

0,175; 17,5%

E2

porque son mutuamente excluyentes

Sea: E4: Al lanzar una moneda salga sol. c)


P E2 E4 P E2 * P E4 9 1 * 16 2 9 32 0,2812; 28,12%

PROBABILIDAD DE LA UNIN DE DOS EVENTOS P A

La probabilidad de la unin de dos eventos es la probabilidad de que ocurra un evento o el otro y se calcula con las expresiones.
P A
PA

B
B

P A
PA

PB

P A

P B si son mutuamente Excluyentes

Ejemplo En una jaula hay 10 loros y 12 tordos de la cual saldrn una por un y sin reemplazo aleatoriamente. Sean los eventos: E1: Que el primero que salga sea loro. E2: Que la primera ave que salga sea tordo. E3: Que el segundo que salga sea loro. E4: Que al extraer una carta de la baraja sea de trbol E5: Que al lanzar dos dados la suma sea mayor a 9.

Elaborado por: Ing. Rubn Toyama U.

25

Ciencias Empresariales

Estadstica II

Hallar a) P E 2 b) P E1 c) P E1 d) P E 2 e) P E1 Solucin a)
P E3 P L1 * P L2 10 9 * 22 21 P L1 * P L2 0,4545 45,45 % 12 10 * 22 21
E2

E3

E4
E5

b)
P E1 E2 0 Porque son mutuamente excluyentes

c)
__ __

P E1 E 3

1 P E1 E 3

= 1 0,7402 0,26 ; 26 %

P E1

E3

P E1

P E3

P E1

E3

10 0,5454 0,2597 0,7403 22

P E1

E3

P E1 P P 3 / E1 =

10 12 22 21

0,2597

P E3

P T2

P T1 P T2

P T1 P T2

Aqu
P E1 E2 0

d) P E 2

E4

Elaborado por: Ing. Rubn Toyama U.

26

Ciencias Empresariales

Estadstica II

__

P E2 E4 P E2 E4

1 P E2 E4 1 0,6590 0,341;34,1% P E2 P E4 P E2 E4 12 13 0,1364 0,6590 22 52 P E2 * P E4 12 13 * 22 52 0,1364

P E2 E4

e)
__ __ __

P E1 E 5

P E1

P E5

P E1 E 5

10 0,8333 0,3787 22 0,9091;90,91%


__

P E5

1 P E5 1 0,1667 0,8333
__

__

P E1 E 5

P E1 * P E 5 10 * 0,8333 0,3787 22

TEOREMA DE BAYES Si se tiene dos o ms fuentes Ai , fuente (entindase como fuente el lugar de donde proviene) adems se conoce la proporcin de cada uno de las fuentes. Se conoce adems la proporcin de los elementos de cierta clase (D) en cada una de las fuentes
Ai .

Si aleatoriamente se encuentra un elemento (D), entonces la probabilidad de que ste elemento (D), provenga de la fuente Ai viene dado por la expresin:
P Ai / D P Ai * P D / Ai P Ai * P D / Ai

Donde: (D) son los de cierto tipo

Elaborado por: Ing. Rubn Toyama U.

27

Ciencias Empresariales

Estadstica II

Ejemplo 1. En una investigacin precia o una eleccin se determino que la proporcin entre votantes de clase baja que votaran por un cierto candidato D es de 40%; la proporcin entre votantes de clase media que votaran por ese candidato D es de 30% y la proporcin de votantes de clase alta que votaran por el candidato D es de 20%. El da de las elecciones se le pregunta a un votante elegido aleatoriamente por quien votara y el respondi por el candidato D. Sabiendo que el 15% de los votantes son de clase alta, el 45% son de clase media y el resto son de clase baja. Hallar: a) La probabilidad de que el mencionado votante provenga de clase alta. b) La probabilidad de que el mencionado votante provenga de clase media. c) La probabilidad de que el mencionado votante provenga de clase baja.

Datos

P A PM PB
PD A

0,15 0,45 0,40

PD A PD M PD B

0,20 0,30 0,40


PB * D B

P A *P D A

P A *P D A P M *P D M

a)
PD A 0,15 * 0,20 0,15 * 0,20 0,45 * 0,30 0,40 * 0,40 0,0923 9,23 %

Elaborado por: Ing. Rubn Toyama U.

28

b)
PD B 0,45 * 0,30 0,325
0,4 * 0,4 0,325

0,4153

41,53 %

c)
PDC 0,4923 49 ,23 %

2. Una fbrica produce cierto tipo de productos con tres mquinas. Los respectivos clculos de produccin diaria son: M 1
3200 u; M 2 2800 u; M 3 5000 u La experiencia nos

muestra que el 1% de la produccin de la mquina 1 son defectuosas, la correspondiente proporcin de defectuosas para las otras mquinas son respectivamente: 2%; 3%. Si se extrae una unidad de la mezcla homognea de productos y se descubre que es defectuoso Cul es la probabilidad de que dicha unidad provenga? a) De la mquina 1. b) De la mquina 2. c) De la mquina 3.

P M1 P M2 P M3
P D M1

3200 29,10% 2800 25, 45% 5000 45, 45%

P D M1 P D M2 P D M3

0,01 0,02 0,03


2,909 3 5,09 3 0,013635

0,2909 * 0,01 0,2909 * 0,01 0,2545 * 0,02 0,7545 * 0,03

2,909

P D M1 P D M2 P D M3

0,6569
3

65,69%

5,09 0,1226 12,26% 0,06187 0,013635 0,2205 22,05% 0,06184

EL FACTORIAL X! El factorial de un nmero x se define como el producto de todos los nmeros naturales desde 1 hasta x. Se define tambin 0!=1

Elaborado por: Ing. Rubn Toyama

29

Ciencias Empresariales

Estadstica II

COMBINATORIA nCr Se define la combinatoria nCr con n y r


n! r! n r !

N y n r como el nmero de formas en que n elementos se pueden agrupar en grupos de r sin importar el orden.
nCr

Ejemplo Un campeonato de baloncesto cuenta con 9 equipos que en su fase clasificatoria tienen que jugar todos contra todos, en partidos de ida y de vuelta. Cuntos partidos se tiene que jugar? n 9 r 2
9

C2

36

36 * 2 72 Se tienen que jugar 72 partidos.

MODELOS DE DISTRIBUCIN DE PROBABILIDAD Los modelos de distribucin de probabilidad son expresiones que nos permiten calcular la probabilidad de que una variable x tome los diferentes valores de su dominio: Los modelos de distribucin de probabilidad se clasifican en modelos para variables discretas y modelos para variable continua. MODELOS DE DISTRIBUCIN DE PROBABILIDAD PARA VARIABLES DISCRETAS Entre los principales modelos de distribucin para variables discretas tenemos: - Modelo binomial - Modelo hipergeomtrico - Modelo poisson MODELOS DE DISTRIBUCIN DE PROBABILIDAD PARA VARIABLE CONTINUA Entre los principales modelos de distribucin para variables continuas tenemos: - Normal - t-student

Elaborado por: Ing. Rubn Toyama U.

30

Ciencias Empresariales

Estadstica II

- F-fisher MODELO DE DISTRIBUCIN BINOMIAL Sea x una variable aleatoriamente discreta, sta seguir un desarrollo binomial si cumple cuatro condiciones. 1) El fenmeno aleatorio se repite n veces. 2) El fenmeno aleatorio slo tiene dos posibles resultados, el xito y el fracaso. 3) Las sucesivas veces en que se realiza el fenmeno son independientes (con reemplazo). 4) La probabilidad de xito entre prueba y prueba es constante. Si una variable aleatoria discreta cumple estas cuatro condiciones, decimos que se distribuye como una binomial y se define como una secuencia de pruebas independientes con probabilidad de xito constante y a dicha variable x la definimos como x nmero de xitos en n pruebas. Rango o recorrido: 0,1,2,n Para determinar la probabilidad en una distribucin binomial se debe conocer n y p. Donde: n: n de pruebas. p: probabilidad de xito.

FUNCIN DE PROBABILIDAD Es la expresin que nos dar la probabilidad de tener x xitos en n pruebas. Para el caso de la distribucin binomial la funcin de probabilidad es:
f x P X x nCx * p x q n
x

Donde: q 1 p Nota: La p y q se expresa en tanto por uno en las formulas. Ejemplo 1 Se sabe que un determinado vendedor de libros en particular tiene la probabilidad de xito de 20%. a) Hallar la probabilidad de que en 10 visitas logre 4 ventas. b) Hallar la probabilidad de que en 11 visitas logre 3 o menos ventas.

Elaborado por: Ing. Rubn Toyama U.

31

Ciencias Empresariales

Estadstica II

c) Hallar la probabilidad de que en 9 visitas logre entre 3 y 5 ventas. d) Hallar la probabilidad de que en 13 visitas logre por lo menos 3 ventas. Solucin a) Datos n 10 x 4 p 0,2 q 1 0,2

P X

10C 4 * 0,2 * 0,8 0,0881 8,81%

10 4

0,8

I La probabilidad de que el vendedor en 10 visitas logre 4 ventas es aproximadamente 8,81%. b) Datos n 11

p 0,2 q 0,8 P X 3
P X P X P X P X P X 3 0 1 2 3

?
P X 0 P X
0 1

1
11 10 9

P X

P X

11C 0 * 0,2 * 0,8 11C1* 0,2 * 0,8


2

0,0858 0,2362 0,2953 0,2214 0,8387

11C 2 * 0,2 * 0,8 11C 3 * 0,2 * 0,8


3

I La probabilidad de que en 11 visitas logre 3 o menos ventas es aproximadamente 83,9%. c) Datos n 9

p 0,2 q 0,8 P3 X

Elaborado por: Ing. Rubn Toyama U.

32

Ciencias Empresariales

Estadstica II

P X P X P X

3 4 5

9C 3 * 0,2 * 0,8 9C 4 * 0,2 * 0,8 9C 5 * 0,2 * 0,8


5 4

6 5

0,176 0,066 0,016 0,852

I La probabilidad de que en 9 visitas logre entre 3 y 5 ventas es aproximadamente d) Datos n 13

p 0,2 q 0,8 P X 3
P X P X P X P X 3 0 1 2

?
1 P X 0
0

P X
13 12

P X

1 0,4983 0,51;51% 13C 0 * 0,2 * 0,8 13C1 * 0,2 * 0,8


2 1

0,0549 0,1786 0,2680 0,4983

13C 2 * 0,2 * 0,8

11

I La probabilidad de que en 13 visitas logre por lo menos 3 ventas es aproximadamente 51% Ejemplo 1 Se conoce que el 25% de los estudiantes de un curso han reprobado la materia: a) Si se le pregunta aleatoriamente a 10 estudiantes uno por uno y con reemplazo, cual es la probabilidad de que dos o ms hayan reprobado la materia. b) Si se le pregunta aleatoriamente a 12 estudiantes uno por uno y con reemplazo, cual es la probabilidad de que por lo menos 3 hayan aprobado la materia. Solucin a) Datos n 10

0,25 0,75

q 1 0,25

Elaborado por: Ing. Rubn Toyama U.

33

Ciencias Empresariales

Estadstica II

PX
PX

2
2

?
1 PX 1

PX PX

2 2

PX

PX

1 0,244

0,756 ; 75,6%
0 10 0

PX PX

0 1

10

C 0 * 0,25 * 0,75
1

0,0563 0,1877

10

C1* 0,25 * 0,75

10 1

= 0,244

I La probabilidad de que 2 o menos hayan reprobado la materia es aproximadamente el 75,6%. b) Datos n 12

p 0,75 aprobado q 0,25 reprobado P X 3 ?


P X P X P X 3 0 1 1 P X 0
0

P X

1
12

P X 0

1 0 1;100% 12C 0 * 0,75 * 0,25 12C1 * 0,75 * 0,25


1 11

0 0 2 02 P X 2 12C 2 * 0,75 * 0,25 0 I La probabilidad de que por lo menos 3 hayan aprobado la materia es del 100%.

MODELO DE DISTRIBUCIN HIPERGEOMTRICA Sea x una variable aleatoria sta seguir un desarrollo hipergeomtrico si cumple las siguientes condiciones: 1) El fenmeno aleatorio se repite n veces. 2) El fenmeno aleatorio tiene nicamente 2 posibles resultados: el xito y el fracaso. 3) Las sucesivas pruebas en que se repite el fenmeno aleatorio tiene probabilidad de xito variable (sin reemplazo).

Elaborado por: Ing. Rubn Toyama U.

34

Ciencias Empresariales

Estadstica II

4) La probabilidad de xito entre prueba y prueba es variable. Si la variable aleatoria cumple estas cuatro condiciones, se dice que se distribuye, como una hipergeomtrica que la definimos como una secuencia de pruebas dependientes, con probabilidad de xito variable. Para que en la practica se presente una distribucin hipergeomtrica deben existir N objetos en total llamado poblacin de los cuales m son los de cierta clase en los que estamos interesados, adems existe N-m=objetos de otra clase, si del total de objetos N se selecciona al azar una muestra de tamao n uno por uno y sin reemplazo se tiene una distribucin hipergeomtrica y cuya variable x la definimos como nmero de objetos de cierta clase en una muestra n.

Rango o recorrido

0,1 m si m 0,1 n si m

n n

Para poder encontrara la probabilidad en una distribucin hipergeomtrica es necesario conocer N, m, n.

f x

PX

Cx * N
N

Cn

Cn

Donde: N: poblacin n: muestra m: los de cierta clase N-m: los de otra clase Ejemplo De 24 estudiantes que rindieron el 1er. Parcial 10 reprobaron el examen, si se selecciona una muestra aleatoria de 6 estudiantes 1 por 1 y sin reemplazo cual es la probabilidad de que: a) Exactamente cuatro hayan reprobado el examen. b) Por lo menos 5 hayan reprobado el examen. c) Menos de tres hayan aprobado el examen. Solucin a)

Elaborado por: Ing. Rubn Toyama U.

35

Ciencias Empresariales

Estadstica II

Datos N 24 n 6 m 10 reprobados N m 14 aprobados P X 4 ?

PX

10

C4 *14 C 6
24

C6

0,142; 14,2%

I La probabilidad de que en una muestra de 6 estudiantes, 4 sean reprobados es 14,2%. b) Datos N 24 n 6 m 10 N m 14 P X 5 ?


P X P X 5 5 P X 5
N 10

P X Cn
5 24 10

6 C 6 *14 C 6

C 5 *14 C 6

C6

0,0278; 2,78%

I La probabilidad de que en una muestra de 6 estudiantes por los menos 5 hayan reprobado es 2,78%. c) Datos N 24 n 6 m 14 aprobados N m 10 reprobados P X 3 ?
PX 3 PX 0 PX 1 PX 2

Elaborado por: Ing. Rubn Toyama U.

36

Ciencias Empresariales

Estadstica II

P X

14

C 0 *10 C 6

14

C1 *10 C 5 24 C 6

14

C 2 *10 C 4

0,17; 17 %

MODELO DE DISTRIBUCIN DE POISSON Sea x una variable aleatoria discreta esta seguir un modelo de distribucin de poisson si en ellas no se presentan una repeticin de un fenmeno aleatorio y no existe probabilidad de xito o fracaso, por el contrario existe un fenmeno aleatorio dentro de un tiempo dado, superficie dada o volumen dado, entonces la variable poisson se define como: x: n de veces que ocurre un cierto evento en un tiempo dado, superficie dada o volumen dado. Rango recorrido: 0,1,2,3... Para que la distribucin de poisson que de totalmente definida tiene que conocerse el promedio , en que el fenmeno se repite por unidad de tiempo, superficie o volumen. Funcin de probabilidad
f x P X x e * x!
x

Ejemplo Sea observado que en una estacin de servicio en promedio ingresaran 3 vehculos cada 30 minutos, Cual es la probabilidad de que: a) En 30 minutos ingresen exactamente 5 vehculos. b) En 20 minutos como mximo ingrese 1 vehculo. Solucin a)

3vehi / 30 min
5 e 3 * 35 5! 0,10; 10 %

P X

La probabilidad de que en 30 minutos ingresen 5 vehculos es 10%. b)


P X 1 P X 0 P X 1

Elaborado por: Ing. Rubn Toyama U.

37

Ciencias Empresariales

Estadstica II

3vehi x x x
P X P X 1 1

30 min 20 min 2vehi / 20 min 2


e 2 * 2 0 e 2 * 21 0! 1! 0,135 0,271 0,406 ;40 ,6%

DISTRIBUCIN NORMAL MODELO DE DISTRIBUCIN NORMAL GENERAL Sea x una variable aleatoria continua sta se distribuir normalmente si su recorrido es toda recta real, es decir sta distribuida en el intervalo
;

La normal general tiene como parmetros la media y la varianza y se la conoce con el nombre de distribucin simtrica, campana de Gauss-Jordan curva normal. Funcin de probabilidad P(x). Para la distribucin normal general la funcin de normal general viene dada por:

f x

1 2

1 x 2

PROPIEDADES DE LA CURVA NORMAL 1.- El rea bajo la curva representa la probabilidad. 2.- La curva normal es simtrica con respecto al valor de la media.
p=1

3.- La curva normal tiene un punto mximo para el valor x

4.- La curva normal tiene dos puntos de inflexin (puntos donde cambia la concavidad) en: y x x

Elaborado por: Ing. Rubn Toyama U.

38

Ciencias Empresariales

Estadstica II

Asntota es una lnea cualquiera recta que se acerca a la funcin sin tocarla. 5.- La curva normal es asinttica en sus extremos. Para realizar el clculo de probabilidades, es decir el rea bajo la curva se debe integrar la funcin de probabilidad, cosa que es muy difcil y en su lugar integramos las tablas estadsticas. MODELO DE DISTRIBUCIN NORMAL STANDARD Es una distribucin derivada de la normal general que obtenemos realizando un cambio de variable a la funcin inicial, para esto realizaremos el proceso de la estandarizacin o tipificacin que consiste en restar a cada valor de la variable la media poblacional resultado entre la desviacin standard poblacional
z x

y dividir este

La funcin de probabilidad quedara:

f x

1 e 2

1 2 z 2

Grfico simtrico
Ambos lados son iguales porque el grfico es simtrico

z( ) z

z( )

x z

CARACTERSTICAS DE LA NORMAL STANDARD Los valores de z siguen las siguientes condiciones: En el centro z 0 (cero); desde el centro hacia la derecha los valores de z son positivos y hacia la izquierda son negativos. RELACIN ENTRE DESVIACIN STANDARD POBLACIONAL Y LA CURVA NORMAL

Elaborado por: Ing. Rubn Toyama U.

39

Ciencias Empresariales

Estadstica II

El valor de la desviacin standard poblacional influye sobre la probabilidad que es el rea bajo la curva de la siguiente manera: El rea bajo la curva normal entre los puntos de la variable
68%

es igual a 68%.

El rea bajo la curva entre los puntos de la variable


95%

es 95%.

El rea bajo la curva entre las reas de la variable


99,7%

es 99,7%.

f x

1 e 2

1 2 z 2

El uso de la tabla estadstica para la distribucin normal standard (apndice II). Nota Cuando los dos signos son diferentes se suman, cuando los signos de z son iguales se restan Cuando z es mayor a 3,9 se asume que p 0,5 . EJEMPLOS Dado el valor z hallar P 1.- Hallar P entre z 0 y z 1,12

Elaborado por: Ing. Rubn Toyama U.

40

Ciencias Empresariales

Estadstica II

0
tabla

1,12

Con z 1,12

0,3686

2.- Hallar P entre z

-1,28 y z

1,28

0
tabla

Con z

1,28

0,3997

3.- Hallar P entre z

2,1 y z 1,08

Con z1

2,1

tabla tabla

P 1 P2 P*

0,4821 0,3599 0,8420


2,1

Con z2 1,08

4.- Hallar P entre z1

0,81 y z 2

z1
tabla tabla

z2

Con z1 Con z2
P*

0,81 2,11

P 1 P2

0,2910 0,4826
P* 0,1916

0,4826

0,2910

5.- Hallar P entre z


P* 0,4834 0,3790

2,13 y z
P*

1,17

0,1044

6.- Hallar P a la izquierda de z


Con z 1,15
P*

1,13

P 1

0,3708
0,1292

0,5 0,3708

7.- Hallar P a la derecha de z1


P 1 0,3106
P*

0,88

P2

0,5

P P2 1

0,8106

Elaborado por: Ing. Rubn Toyama U.

41

Ciencias Empresariales

Estadstica II

8.- Hallar P a la derecha de z 1


P1
P*

0,3413
0,5 0,3413 P* 0,1587

Dado el valor P (rea) determinar el valor de z 1.- Hallar el valor de z si P 0,3531 Sea P

0,3531

z 1,05

2.- Hallar z si el rea a su derecha es 0,0582 P 0,5 0,0582 0,4418 Z 1,57 3.- Hallar z si el rea a su derecha es 0,8461 0,8461 0,5 0,3461 z 1,02 4.- Hallar
P1 P2 P*

z si el rea entre 2 valores de z es P*

0,8472 2

0,4236 0,4236 0,8472

z1 z2

1,43 1,43

INTERPOLAR Es realizar una operacin para encontrar un valor que no aparece en la tabla. Ejemplos Si P 0,4874 .Hallar z
a c
0,4871 0,4874 0,4875 2,23 z 2,24

a b c d z z z

0,4875 0,4871 0,0004 0,4874 0,4871 0,0003 2,24 2,23 0,0075 2,23 d 2,24 0,0075 2,2475 0,01
a ________ b c ________ d d d c * b 0,01 * 0,0003 a 0,0004 0,0075

Hallar z para P

0,3

Elaborado por: Ing. Rubn Toyama U.

42

Ciencias Empresariales

Estadstica II

0,2996 0,3 0,3023

z 2,23 z z 0,85

a 0,0027 b 0,01 c 0,0004 d 0,0014815 z 0,84 0,0014815 z 0,8414815


Ejemplos

a ________ b c ________ d d 0,01* 0,0004 0,0027 0,0014815

1.- Suponga que la demanda mensual de un bien de consumo se distribuye normalmente con una media de 650 Kg. y una desviacin standard de 100 Kg. Hallar la probabilidad de que la demanda mensual sea superior a 500 Kg. Datos

650 Kg.

100 Kg.
Px 500 ?

500 650 100

1,50

P*

z
500

1,5

tabla

P1

0,4332

650

1,5

x z

P* P*

0,5 0,4332 0,0668 6,7%

2.- Suponga que el ingreso mensual por familia en una comunidad tiene una distribucin normal con una media de 600 $ y una varianza de 10000 $. a) Calcular la probabilidad de que al interrogar sobre el ingreso mensual a una familia elegida aleatoriamente esta responda que es menor a 450 $us. Datos 600 $us

10000$us

Elaborado por: Ing. Rubn Toyama U.

43

Ciencias Empresariales

Estadstica II

Px

450

450

600

10000

150 100

1,50

P*

450
1,5 0

600

x z

z P*

1,5

P1

0,4332

0,5 0,4332 0,0668 6,7%

b) Determinar la proporcin de familias cuyo ingreso mensual este entre 500 $us y 680 $us. Datos

600 $us

100 $us
P 500 x 680 ?

z1 z2

500 600 100 680 600 100


62 ,94 %

1 0,3413 0,8 0,2881 0,6294

P*

P*

0,6294

500 1,00

600

680

0,80

x z

I La proporcin de familias con ingreso mensual entre 500 y 680 $us es 62,94%. 3.- Los pesos de los conscriptos en un cuartel se distribuyen normalmente con una media de 69 Kg. y una varianza de 52 kg2. A partir de esta informacin determinar:

Elaborado por: Ing. Rubn Toyama U.

44

Ciencias Empresariales

Estadstica II

a) Cual es la proporcin de conscriptos que pesan 65 ms Kg. b) Si se escoge aleatoriamente a un conscripto cual es la probabilidad de que su peso este comprendido entre 60y 75 Kg. c) Que peso deja por encima de 100 al 60% del total de los pesos. d) Entre que pesos se encuentra el 68% del total de pesos, los pesos centrales

Solucin a) Datos 69 Kg.

52 Kg2.
Px 65 ?

Px

65

65 69 7,211

0,5547

0,5547

P 0,2088
52
69

P* 0,5 0,2088 P* 0,7088;70,88%

0,55

x z

I La proporcin de los conscriptos que pesan ms de 52 Kg. es de 70,88%.

b) Datos 69 Kg.

52 Kg2.
P 60 Kg. x 75 Kg. ?

Px Px

60 75

60 69 7,211 75 69 7,211

1,25 0,83

z1 z2

1,25 0,83

P1 P2 P
*

0,3944 0,2967 0,6911

Elaborado por: Ing. Rubn Toyama U.

45

Ciencias Empresariales

Estadstica II

60
1,25

69 75

0,83

x z

I La probabilidad de que pesen 60 y 75 Kg. es de 69,11%.

Elaborado por: Ing. Rubn Toyama U.

46

Ciencias Empresariales

Estadstica II

UNIDAD N 2 DISTRIBUCIONES MUESTRALES

INTRODUCCIN Las distribuciones muestrales son distribuciones de probabilidades de los indicadores estadsticos muestrales, es decir de los estimadores para muestras del tamao n seleccionados de una poblacin determinada N . De las distribuciones muestrales lo que nos interesa conocer es su media y su varianza es decir como se distribuye cada estimador estadstico, cual es su forma para luego realizar inferencia respecto a los parmetros poblacionales, es decir que en base a indicadores estadsticos muestrales podamos averiguar el comportamiento de los parmetros de la poblacin. TEOREMA CENTRAL DEL LMITE El teorema central del lmite sostiene que en la mayora de los estimadores estadsticos a medida que aumenta el tamao de la muestra el estimador se distribuye aproximadamente como una normal y el estimador tiende a ser el verdadero valor del parmetro. El teorema constituye la base de toda la teora del muestreo. Ejemplo Si deseamos estimar y tenemos de una muestra el valor x .
_ _

Si n es grande entonces x se acerca al valor de

DISTRIBUCIN MUESTRAL DE LA MEDIA Si la distribucin es normal y el tamao de la muestra es grande n 30 entonces la media muestral se distribuye como una normal stndard y en este caso el valor de z se calcula con la expresin:

x
x

Donde:

: Error tpico de la media


x

Elaborado por: Ing. Rubn Toyama U.

47

Ciencias Empresariales

Estadstica II

Reemplazando
_

x n

x z

Si el tamao de la poblacin N es finito (se conoce poblacin) y adems se cumple que:


n N 0,05

Entonces:
_

z n

x N n N 1

Ejemplo Se conoce que los pesos en Kg. de los estudiantes de una determinada universidad se distribuye normalmente con una media de 72 Kg. Y con una varianza de 58 Kg 2. a) Si se selecciona una muestra aleatoria de 35 estudiantes, cual es la probabilidad de que esta media sea inferior a 75 Kg.? Datos

72 Kg 58 Kg 2 n 35
_

P x 75

Elaborado por: Ing. Rubn Toyama U.

48

Ciencias Empresariales

Estadstica II

x n

75 72 58 35

2,33
p*

72

75

x z

2,33

p1

0, 4901

p* 0,5 p1 p* 0,9901;99, 09%

b) Hallar la probabilidad de que la media muestral este entre 70 y 77 Kg. Datos P(70 x 77) ?

70

72

77

z1
_

z2

x z

z1

x n

70 72 58 35

1,55

p1

0, 4394

z2

77 72 3,88 tabla p2 58 35 p* 0,9393;93,93%

0, 4999

Elaborado por: Ing. Rubn Toyama U.

49

Ciencias Empresariales

Estadstica II

La probabilidad de que la media muestral este entre 70 y 77 es de 93,93%. c) Cual es la probabilidad de que la media muestral se encuentre entre 68 y 70 Kg.

68 70 72

x z

z1 z2

68 72 58 70 72 58

35 35

3,99 1,55

p1 p2

0, 4991 0, 4394 0, 0597

La probabilidad de que la media muestral este entre 68 y 70 es 5,97%. Ejemplo 2 1200 postulantes darn examen de ingreso para una facultad de la U pblica, estas notas se distribuyen normalmente con una media de 54,5 pts. Y una desviacin estndar de 5,5 pts. a) Halla la probabilidad de que una nota elegida al azar este entre 49 y 53 pts. b) Si se toma una muestra aleatoria de 80 calificaciones cual es la probabilidad de que la media se la muestra sea mayor a 56 pts. Solucin a) Datos 54,5

5,5 P(9
z1 x

x 53) ?
49 54,5 1 5,5 53 54,5 0, 27 5,5 p1 p2 0,3413 0,1064 0, 2349
x z

z2

49 53 54,5

La probabilidad de que una nota elegida al azar este entre 49 y 53 pts. es de 23,49% b) Datos

Elaborado por: Ing. Rubn Toyama U.

50

Ciencias Empresariales

Estadstica II

P ( x 56) ? n 80

0, 05 N n * N 1 n 56 54,5 1,5 z 0, 61 0,966 5,5 1200 80 * 1200 1 80 p* 0,5 0, 4941 0, 0059;0,59%

si

n N

2,52

0, 4941

54,5

56

z 0

x z

DISTRIBUCIN MUESTRAL DE PROPORCIONES PROPORCIN POBLACIONAL Una proporcin poblacional es un parmetro de la poblacin definido como el cociente (divisin) entre el nmero de unidades que cumple una cierta caracterstica Ai y el tamao de la poblacin

N.
Ai N Una proporcin muestral p es un estimador de la proporcin poblacional y esta definida como el P

cociente entre el nmero de unidades que tiene cierta caracterstica en la muestra a i y el tamao de la muestra n
ai n Las proporciones pueden expresarse en tanto por uno o en tanto por ciento al multiplicarlo por p

100. Si en una poblacin que se distribuye como una normal se extrae una muestra de tamao n y en ella se identifican un cierto nmero de elementos que tiene una caracterstica especfica y a partir de ella se estima la proporcin poblacional, entonces para realizar el calculo de probabilidad con respecto a una proporcin muestral se utiliza como estadstico la normal stndard.

Elaborado por: Ing. Rubn Toyama U.

51

Ciencias Empresariales

Estadstica II

El estadstico "z" para la distribucin muestral de proporcin se calcula con la expresin:


p
p

donde:

P*Q n

Donde: p proporcin muestral P proporcin poblacional

Q complemento de la proporcin poblacional


Reemplazando
z p P P *Q n

Si el tamao de la poblacin N es finito y el cociente debe ser dividida entre el factor de finitud: Y la expresin de z se convierte en:
z p P P*Q N n * n N 1
N n N 1

n N

0, 05 entonces la formula anterior

Ejemplo De una poblacin 1200 estudiantes de cierta carrera de la U pblica, se han seleccionado una muestra aleatoria de 200 estudiantes y en ellos se investiga los que estn de acuerdo con las propuestas de un candidato a Rector para las elecciones. A partir de investigaciones previas se conoce que la proporcin de los que estn de acuerdo con la propuesta de dicho candidato es 15%. a) Calcular la probabilidad de que la proporcin muestral sea inferior al 18%.

Elaborado por: Ing. Rubn Toyama U.

52

Ciencias Empresariales

Estadstica II

Datos
P p 0,18 ?

n 200 P 0,15
Q 1 P 1 0.15 0,85

N 1200
z p P P*Q N n * n N 1 0,85 0,15 0,15 * 0,85 1200 200 * 200 1200 1 1,30

En la tabla encontramos que para z 1,30 por tabla p1 Como p *


p* 0,5 0,4032

0,4032

0,9032

; 90,3 %

b) Hallar la probabilidad de que la proporcin muestral este entre 12% y el 17%.

P 0,12

p 17

0,12

0,15

0,17

x z

p1

0,12 0,15 0,15 0,85 1200 200 * 200 1200 1 0,17 0,15 0,15 0,85 1200 200 * 200 1200 1 p2 0, 711;71,1%

1,30

p1

0, 4032

0,87

p2

0,3078

c) Hallar la probabilidad de que la proporcin muestral este comprendida entre 18% y 22%.

Elaborado por: Ing. Rubn Toyama U.

53

Ciencias Empresariales

Estadstica II

P 0,18

p 0, 22

0,15 0,18 0, 22

x z

p*

0,18 0,15 1,30 p1 0,4032 0,15 * 0,85 1200 200 * 200 1200 1 0,22 0,15 3,03 p2 0,4988 0,15 * 0,85 1200 200 * 200 1200 1 p2 p1 0,4988 0,4032 0,0956 ; 9,56 %

d) Entre que valores de proporcin se encuentran el 50% de las proporciones muestrales ms cercanas a la proporcin poblacional.

P pn

p2

0, 25

P* 0,5
p1 0, 25

p2

0, 25

0,15

z1

z2

x z

a 0, 0032 b 0, 01 c 0, 0014
d b*c a 0,01 * 0,0014 0,0032 0,0043

Elaborado por: Ing. Rubn Toyama U.

54

Ciencias Empresariales

Estadstica II

z z1 z2

0, 67 0, 0043 0, 6744 0, 6744


p P P*Q N n * n N 1
P

Despejando p del expresin: z

Tenemos p

P*Q N n * n N 1

Calculando p1 y p2:

p1

0,6744

0,15 * 0,85 1200 200 * 200 1200 1

0,15

p1

0,0155

0,15

p1

0,134 ; 13,4%

De la misma manera se calcula el valor de p2 con la diferencia de que al estar z 2 a la derecha este valor es positivo z

0,6744 y as p2 ser:

p2

0,6744

0,15 * 0,85 1200 200 * 200 1200 1

0,15

p2

0,0155

0,15

p2

0,165 ; 16 ,5%

Rta. El 50% de las proporciones muestrales, las ms cercanas a la proporcin poblacional se encuentran entre 13,4% y 16,5%.

Elaborado por: Ing. Rubn Toyama U.

55

Ciencias Empresariales

Estadstica II

Elaborado por: Ing. Rubn Toyama U.

56

Ciencias Empresariales

Estadstica II

UNIDAD N 3 ESTIMACIN DE PARAMETROS POBLACIONALES INTRODUCCIN En esta unidad analizaremos de qu manera se puede estimar el valor de un parmetro poblacional a partir de datos muestrales, los parmetros que analizaremos en la presente unidad sern la media, la proporcin y la diferencia de medias. Para esto es importante en ciertos casos la utilizacin de la distribucin t-student. DISTRIBUCIN T-STUDENT La distribucin t-student es una distribucin derivada de la normal Standard y se utiliza para muestras pequeas es decir n 30 . El rea bajo la curva representa a la proporcin probabilidad por lo tanto el rea bajo la curva de la distribucin t-student es igual a 1; la grfica de la distribucin t-student tiene una forma similar a la grfica de la distribucin normal Standard; el valor del estadstico t en el centro del grfico es igual a 0; los valores de t en el lado derecho son de signo positivo (+) y los valores de t en la izquierda son de signo negativo (-).

P 1

CARACTERSTICAS DE LA TABLA T-STUDENT La tabla t-student (apndice III), nos muestra los valores de la variable t en el cuerpo de la tabla (adentro), en la parte superior se encuentran las probabilidades o proporciones para ciertos valores los cuales son 99,5%, 99%, 97,5%... Los grados de libertad en una estimacin se definen como la diferencia entre el tamao de la muestra y la cantidad de parmetros que se est estimando k entonces generalmente k 1 por lo tanto

n k

n 1
,

En la parte izquierda de la tabla aparecen los grados de libertad

n 1
Para valores menores a 50% se trabaja por el complemento para entrar a la tabla.

Elaborado por: Ing. Rubn Toyama U.

57

Ciencias Empresariales

Estadstica II

0,1

t 0 ,10

t 0 ,9

USO DE LA TABLA Ejemplo 1 Hallar t0,95 para Ejemplo 2 Hallar t 0,75 para
Pt

2,92

20

0,687
0, 75
t 0
t 0, 687

El ejemplo anterior se expresa


t

0,75 con

20

Ejemplo 3 Hallar t si:

P t t
t0,1

0,1 y n 19
0,1

t0,9 t0,9
n 1 19 1 18

1,33
t
t 0

Ejemplo 4 Hallar t si:


Pt 0,3 y n 15

15 1 14 t0,7 t0,3 t0,7

0,537

0, 537

Ejemplo 5 Hallar t si:

t t t

0,95 y n 7

Elaborado por: Ing. Rubn Toyama U.

58

Ciencias Empresariales

Estadstica II

6 t0,975

0,975 2, 45

0,95
0, 025

t1

t0

t2

ESTIMACIN Es el proceso mediante el cual se enuncia el probable valor de un parmetro poblacional a partir de el valor de un estadgrafo muestral ESTIMACIN PUNTUAL Consiste en utilizar cierta magnitud muestral y a partir de ella estimar el verdadero valor del parmetro poblacional, en esta estimacin no se especifica el grado de certeza con que se realiza la estimacin.

ESTIMACIN POR INTERVALOS Consiste en construir un intervalo con cierto nivel de confianza 1 , tambin llamado nivel de certeza y se afirma que dentro de los lmites del intervalo se encuentra el verdadero valor del parmetro poblacional, es decir que con cierto nivel de confianza se espera que dentro de este intervalo se encuentre el verdadero valor del parmetro poblacional. NIVEL DE CONFIANZA 1 Es el grado de confianza expresado en probabilidad con que se afirma, que el verdadero valor del parmetro poblacional se encuentra dentro de los lmites del intervalo.

1
x1 z
z 0
x2 z
x z

NIVEL DE SIGNIFICANCIA Este valor representa el grado o nivel de desconfianza o no certeza de que el verdadero valor del parmetro se encuentre dentro del lmite del intervalo.

Elaborado por: Ing. Rubn Toyama U.

59

Ciencias Empresariales

Estadstica II

INTERVALO DE CONFIANZA PARA LA MEDIA POBLACIONAL Si de una poblacin que se distribuye normalmente se selecciona una muestra aleatoria grande mayor a 30 n 30 y se tiene una varianza poblacional conocida entonces el intervalo de confianza se construye a partir del estadstico normal estndar

1
z

x z
z 2

cola 1

cola 1 2cola 1 1 cola 2

0,9 1 0,9 0,1 0, 05 / 2 2

Para hallar el intervalo de confianza se debe llevar a un extremo y al otro extremo del valor de la media poblacional al valor de la media muestral x sumando y restando el estadstico z
2

multiplicado por el error estndar de la media muestral


x

Reemplazando

P x z
2

x z
2

Si el tamao de la muestra es pequeo n 30 y la poblacin es normalmente distribuida se utiliza el estadstico t


2

y la construccin del intervalo de confianza para el verdadero valor de la

media poblacional, se realiza mediante la expresin:

P x t
2

S n

x t
2

S n

Ejemplo 1 Las calificaciones de los estudiantes de un curso se distribuyen normalmente con una varianza de 149 pts2. Si se selecciona una muestra aleatoria de 40 estudiantes y en ella se calcula la

Elaborado por: Ing. Rubn Toyama U.

60

Ciencias Empresariales

Estadstica II

media de 65 pts. Construya un intervalo de confianza al 90% para el verdadero valor de la nota promedio poblacional. Datos
2

149 pts 2

entonces

149 pts

n 40
x 65 pts

0,9

1
z

x z
z 2

0,9 1

1 0,9 0,1 dividiendo ambos miembros entre 2 tenemos:


2 2 0,1 2 0,05

Con
P 1

0,05 tenemos que segn la tabla de z

0, 4500

Interpolando 0, 4495 1, 64

0, 4500 0, 4505
z
2

z 1, 645 1, 65

1,645

Reemplazando en P x z
2

x z
2

Elaborado por: Ing. Rubn Toyama U.

61

Ciencias Empresariales

Estadstica II

P 65 1, 645

149 40

65 1, 645

149 40 68,17

0,9 0,9 0,9

P 65 3,17 P 61,82

65 3,17

Con un nivel de confianza del 90% se puede afinar que el verdadero valor del promedio de notas est entre 61,82 pts. Y 68,17 pts. Calcular el intervalo de confianza para un nivel de confianza de 95% 1 0,95

1 0,95 0, 05 2
Con
P 1 0,45 0,025 P 1 0,475
1,96
2

0, 025

Con P 1

0,475 en la tabla encontramos que: z

0,95
0, 025
x z

Reemplazando
P 65 1,96 149 40 P 65 3, 78 P 61, 2 65 1,96 149 40 68, 78 0,9 0,9 0,9

65 3, 78

I. Con un nivel de confianza de 95% se puede afirmar que el verdadero valor del promedio de notas esta entre 61,22 pts. Y 68,78 pts. Ejemplo 2

Elaborado por: Ing. Rubn Toyama U.

62

Ciencias Empresariales

Estadstica II

Se han tomado los pesos de 11 estudiantes de un curso muy numeroso el cual se construye de una muestra aleatoria, estos pesos son los siguientes: 58, 61, 64, 69, 66, 62, 62, 60, 62, 63, 65 Kg. Construya un intervalo de confianza a un nivel de confianza del 95 % Datos n 11 1 0,95
0,95
0, 025
x z

1 0,95 0, 05 2 0, 025 2 0,95 0, 025 0,975

P 62,91 2, 23

3, 015 3, 015 62,91 2, 23 11 11 P 62,91 2, 027 62,91 2, 027 P 60,88 64,94

0,95 0,95 0,95

Con un nivel de confianza del 95%. Se puede afirmar que el verdadero valor del promedio poblacional se encuentra entre 60,88 y 64,94 Kg. DETERMINACIN DEL TAMAO DE LA MUESTRA Tamao de la muestra para la estimacin de una media poblacional. El tamao mnimo de la muestra para estimar una media se realiza o calcula en 2 pasos: 1 Paso
2

z n
2

* e2

2 Paso

Elaborado por: Ing. Rubn Toyama U.

63

Ciencias Empresariales

Estadstica II

n n 1 N

Donde: n: (casi muestra) e : error que podemos cometer (absoluto) Si e est en % entonces e
_

x e%

Si no tenemos N o es muy grande no se puede calcular el paso 2. Tamao de la muestra para estimar una proporcin poblacional. 1 Paso
2

z n
2

* p*q e2

2 Paso
n n n 1 N
2

Nota: Si no es conocido se hace una prueba piloto y se reemplaza E2con S2. Si no se puede determinar p, q se asume p produce un mayor producto p * q . El error en la formula para estimar proporciones siempre esta en unidades relativas, al reemplazar en la frmula se expresa en tanto por uno. Ejemplo1 Un sindicato tiene 1000 afiliados los cuales deben renovar su directorio se desea determinar el tamao de la muestra para estimar la proporcin que apoyar al candidato A, esta estimacin se desea determinar con una confianza del 90%. Para esto se realiza una prueba piloto con 20 afiliados elegidos aleatoriamente y se encuentra en esta muestra que 8 apoyaran al candidato A. suponer que se va a cometer un error del 5%. Datos

0,5; q

0,5 , porque esta combinacin nos

Elaborado por: Ing. Rubn Toyama U.

64

Ciencias Empresariales

Estadstica II

N 1 n

1000 0,9 ?

Prueba piloto De 20 personas entrevistadas 8 apoyarn al candidato A, entonces:


p 8 20

0,4

0,6

5%

0,05

0,9 1 0,9 0,1


0,1 0, 05 2
0,9
2 0, 05

0, 4495 0, 4500 0, 4505


2

1, 64 z 1, 645 1, 65
^ ^

n n n

/ 2 * p* q E2
2

1, 645 *0, 4*0, 6 0, 05 259, 78 259, 78 1 1000


2

259, 78 207 lo redondeo a un nmero mayor

206, 2

Ejemplo2 Se desea saber el tamao de la muestra para estimar la edad promedio en una Universidad Privada que tiene 7000 alumnos, si se sabe que la desviacin standard es de 3 aos. Asumir que el error que se puede cometer es de 5% y la estimacin deseamos hacerla a un nivel de confianza del 95%. Mediante una prueba piloto se determino que el promedio de edad era de 21 aos.

Elaborado por: Ing. Rubn Toyama U.

65

Ciencias Empresariales

Estadstica II

Solucin n ? N 7000
E 1
2 3 9 aos 2 5% 0, 05 1 0,95 0, 05

2 E E

0, 05 2
_

0, 025

E% * x 0, 05* 21 1, 25
0,95
0, 025

z
p1 0,3 0,025 0, 475 z
2

z
1,96

n n

1,96 * 3 1, 05 31,36 31,36 1 7000


2

31,36 31, 22 32 lo redondeo a un nmero mayor

MUESTREO y TIPOS DE MUESTREO Los muestreos son tcnicas para recolectar datos a partir de una poblacin al realizar un muestreo se debe aplicar diseos muestrales entre los que tenemos: Aleatorio Sistemtico Estratificado Conglomerado MUESTREO ALEATORIO SIMPLE Es una tcnica de muestreo en la cual todas las unidades observadas tienen la misma

Elaborado por: Ing. Rubn Toyama U.

66

Ciencias Empresariales

Estadstica II

probabilidad de ser elegidos y tomados como parte de la muestra. MUESTREO SISTEMTICO Est tcnica de muestreo tiene la caracterstica de que los elementos seleccionados para la muestra son elegidos en base a una secuencia planificada. Generalmente se aplica en un muestreo llevado a cabo en lneas de produccin (fbricas). MUESTREO ESTRATIFICADO Es una tcnica de muestreo donde las unidades observadas son heterogneas y se encuentran formando segmentos de la poblacin entre los principales ejemplos podemos citar poblaciones agrupadas por segmentos sociales, segmentos acadmicos, segmentos polticos, econmicos, etc. MUESTREO CONGLOMERADO Es una tcnica de muestra en la que las unidades observadas se encuentran agrupadas en sindicatos, facultades dentro de una Universidad, sucursales bancarias departamentales en el pas.

Elaborado por: Ing. Rubn Toyama U.

67

Ciencias Empresariales

Estadstica II

UNIDAD N 4

VERIFICACIN DE PARAMETROS POBLACIONALES

INTRODUCCIN La verificacin de hiptesis es un procedimiento mediante el cual se puede tomar decisiones acerca de la poblacin este procedimiento tambin se llama prueba de hiptesis o dcima de hiptesis. La verificacin de hiptesis permite determinar cual es la regin crtica de rechazo (Re) y cual es la regin de aceptacin (Ra). Las regiones se determinan mediante el estadstico adecuado. Si el estadstico calculado obtenidos mediante formulas cae en la zona de rechazo entonces se rechaza la hiptesis nula y se acepta la hiptesis alterna por el contrario si cae en la regin de aceptacin se acepta la hiptesis nula y se rechaza la hiptesis alterna. HIPTESIS ESTADSTICA Una hiptesis estadstica es afirmacin acerca de un parmetro poblacional sobre la cual hay inseguridad en el momento de formularla y es expresada de tal forma que puede ser aceptada rechazada. Es un supuesto acerca de un parmetro poblacional ya sea media aritmtica, proporcin y varianza,etc. Existen 2 clases de hiptesis estadsticas HIPOTESIS NULA H0 Es aquella que por medio de la cual se hace una afirmacin sobre un parmetro, que se va a constatar con el resultado muestral. HIPOTESIS ALTERNA H1 Es aquella hiptesis que defiere de la hiptesis nula, es decir: ofrece una alternativa, afirmando que la hiptesis nula es falsa. H0 H1 TABLA 2 Colas 1cola 1cola

Elaborado por: Ing. Rubn Toyama U.

68

Ciencias Empresariales

Estadstica II

ERRORES QUE SE PUEDEN COMETER Al momento de tomar una decisin sobre las hiptesis planteadas hay la posibilidad de cometer dos tipos de errores. ERROR TIPO I Rechazar la hiptesis nula cuando en realidad es verdadera ERROR TIPO II Aceptar la hiptesis nula cuando en realidad es falsa. Grficamente tenemos: VERDADERA ACEPTAR RECHAZAR Decisin Correcta Error Tipo I FALSA Error Tipo II Decisin Incorrecta PASOS PARA EL PLANTEAMIENTO DE HIPTESIS 1) Planteamiento de Hiptesis 2) Especificar el nivel de confianza 3) Recoleccin de datos 4) Seleccin del estadstico pertinente z t 5) Determinacin de la zona de aceptacin y rechazo (Ra) y (Rr). (Tabla). 6) Determinacin o calculo de Zi ti (Formula). 7) Toma de decisin FORMULAS PARA ESTADSTICOS Muestra Grande
_

Muestra Pequea
_

P/u

Zc

x n

tc

x S n

Elaborado por: Ing. Rubn Toyama U.

69

Ciencias Empresariales

Estadstica II

P/p

Zc

p p p*q n

Ejemplo 1 Segn la informacin histrica de una fbrica se sabe que sta produce el 50% de los productos en calidad superior. Se desea verificar esta situacin y para esto se tomo una muestra aleatoria de 36 productos y se detect que 27 estaban con calidad superior. Verificar a un nivel de confianza de 95% si la proporcin de los productos de calidad superior actual es mayor a la proporcin histrica. Solucin 1)
H0 : p 0,5 H 0 : p 0,5

2) 1 3)

0,95 0, 05

n 36
^

productos 27 36
^

27 calidad p
4)
Zc p p p*q n

0, 75

5)
RA
Z
p 0,5 0,05 0, 45 Z

05 0, R

1, 64 1,645

6)

Elaborado por: Ing. Rubn Toyama U.

70

Ciencias Empresariales

Estadstica II

Zc

0, 75 0,5 0,5*0,5 36

7) Se rechaza la H0 de que p 5 y se acepta la H1 de que p

A un nivel de confianza del 95% se verifica que la proporcin de productos de calidad superior es mayor a la histrica.

Ejemplo 2 Un inspector de calidad investiga las acusaciones contra una embotelladora por un deficiente llenado que debe ser un promedio 32,5 oz para ello toma una muestra de 60 botellas encontrando que el contenido medio es 31,9 oz, se sabe que la mquina embotelladora debe producir un llenado con una desviacin standard de 3,6 oz. A un nivel de significancia de 5% puede el inspector concluir que estn llenando por debajo de su especificacin de contenido. Solucin 1)
H0 : 32,5 H 0 : 32,5

2)

0, 05
3) n 60
_

x 31,9 oz 3, 6
4)
_

Zc

x n

5)
0 0, 5

RA

RR
Z 1, 64
p1 0, 45 Zt 1, 645

Elaborado por: Ing. Rubn Toyama U.

71

Ciencias Empresariales

Estadstica II

6)
Zc 31,9 32,5 3, 6 60 1, 29

7) Como cay en la RA entonces es valida la H0 y el inspector no debe concluir que se est embotellando el producto por debajo de su especificacin a un nivel de significancia del 5%.

Ejemplo 3 Se sabe que la proporcin de habitantes de una regin que consume habitualmente un producto es de 50%, si se extrae una muestra de 100 habitantes y en ella 63 afirmaron que consuman dicho producto. Verificar a un nivel de confianza del 95% que la proporcin de habitantes que consumen dicho producto sigue siendo 50%. Solucin 1)
H0 : p 0,5 H1 : p 0,5

2) 1

0,95 0, 05 2 0, 025

3) n 100

consumian 63
^

p
4)

63 100
^

0, 63

Zc

p p p*q n

5)

Elaborado por: Ing. Rubn Toyama U.

72

Ciencias Empresariales

Estadstica II

RR
z 1,96

RA
zt

0, 025

RR

1,96

p1 0,5 0,025 0,475 con p1 0,475 Zt 1 ,96

6)
Zc 0, 63 0,5 0,5*0,5 100 2, 6

7)

Se rechaza la H0 y se acepta la H1. Se verifica que la proporcin de la poblacin que consume dicho producto no sigue siendo 50% a un nivel de confianza del 95%. Ejemplo 4 Un agrnomo mide el contenido de humedad en cierta variedad de trigo que fue secado, si tomo una muestra de 16 toneladas la cual la subdivida en 16 muestras midindose el contenido de la humedad que se presentan a continuacin. 7,2 6,8 7,3 7,0 7,3 7,3 7,5 7,3 7,4 7,2 7,6 7,1 7,4 6,7 7,4 6,9 Si el contenido de humedad excede a 7,1 el proceso de secado debe continuar Deber continuar con el proceso de secado tomando un nivel de confianza del 95%? Solucin 1)
H0 : 7,1 H1 : 7,1

2) 1 3)

0,95 0, 05

Elaborado por: Ing. Rubn Toyama U.

73

Ciencias Empresariales

Estadstica II

x 7, 21 S 0, 25 n 16

4)
_

tc

x S n

5)
RA
tc
0,05 0,95 n 1 16 1 15

0, 0
1, 75
tc 1,75

RR

6)
tc 7.21 7,1 0, 25 16 0,11 1, 76 0, 0625

7) Se rechaza la H0 y se acepta la H1. A un nivel de confianza del 95% se concluye que se debe 7,1 . continuar con el proceso secado por que Ejemplo 5 Un fabricante de productos naturales afirma que su medicina puede reducir la fiebre en 90% de los casos de alergia. En una muestra de 200 personas con alergia su medicina redujo la fiebre en 160 personas. Determinar si la afirmacin del fabricante es legitima a un nivel de significancia de 1%. Solucin 1)
H0 : p 0,9 H1 : p 0,9

2)

0, 01

Elaborado por: Ing. Rubn Toyama U.

74

Ciencias Empresariales

Estadstica II

3) n 200 ^ 160 p 200 4)


^

0,8

Zc

p p p*q n

5)
0, 0 1

RA

RR
Zt 2,3267

x
2,32 z 2,33 0, 0002*0, 01 0, 0003 0, 0067

0, 4898 0, 4900 0, 4901

6)
Zc 0,8 0,9 0,9*0,1 200 4, 72

7) Se rechaza H0 y se acepta H1. La afirmacin del fabricante no es cierta a un nivel de significancia de 1%. Ejemplo 6 Un trabajador social que cree que el peso promedio de los muchachos de 10 aos que viven e un sector rural determinado es inferior a 34 Kg. Una muestra aleatoria de 25 muchachos tomada en esa poblacin arrojo un peso promedio de 30 Kg. Y una desviacin tpica de 10 Kg. Verificar la aceleracin del trabajador social a un nivel de significancia del 5%. Solucin 1)
H0 : 34 H1 : 34

2)

Elaborado por: Ing. Rubn Toyama U.

75

Ciencias Empresariales

Estadstica II

0, 05
3) n 25
_

x 30 S 10

4)
_

tc

x S n

5)
0, 0 5

RA

RR
tc 1, 71

x
0, 05 0,95 n 1 25 1 24 1, 71 tc

6)
tc 30 34 10 25 4 2 2

7) Se rechaza H0 y se acepta H1. La aceleracin del trabajador social es legtima.

Elaborado por: Ing. Rubn Toyama U.

76

Ciencias Empresariales

Estadstica II

GLOSARIO DE TRMINOS TCNICOS COMPLEMENTO DEL EVENTO ( E ) Es el conjunto de todos los elementos que pertenecen al espacio muestral y no pertenecen al evento. COMPLEMENTO DE PROBABILIDAD P E ; P; q El complemento de la probabilidad de un evento es la probabilidad de que dicho evento no ocurra. ERROR TIPO I Rechazar la hiptesis nula cuando en realidad es verdadero. ERROR TIPO II Aceptar la hiptesis nula cuando en realidad es falso. ESPACIO MUESTRAL S Es el conjunto de todas las posibilidades que presenta un fenmeno aleatorio. ESTIMACIN Es el proceso mediante el cual se enuncia el probable valor de un parmetro poblacional a partir del valor de un estadgrafo muestral. ESTIMACIN PUNTUAL Consiste en utilizar cierta magnitud muestral y a partir de ella estimar el verdadero valor del parmetro poblacional, en esta estimacin no se especifica el grado de certeza con que se realiza la estimacin. ESTIMACIN POR INTERVALOS Consiste en construir un intervalo con cierto nivel de confianza 1 , tambin llamado nivel de certeza y se afirma que dentro de los lmites del intervalo se encuentra el verdadero valor del parmetro poblacional, es decir que con cierto nivel de confianza se espera que dentro de este intervalo se encuentre el verdadero valor del parmetro poblacional. EVENTO O SUCESO
__ __

__

Elaborado por: Ing. Rubn Toyama U.

77

Ciencias Empresariales

Estadstica II

Un evento es un subconjunto del espacio muestral y se lo plantea como: lo que se espera que suceda. EVENTOS INDEPENDIENTES Dos eventos son independientes cuando la probabilidad de uno de ellos no depende de la ocurrencia o no del otro evento. EVENTO DEPENDENDIENTE Un evento es dependiente cuando su probabilidad depende de la ocurrencia de un acontecimiento previo. EVENTOS MUTUAMENTE EXCLUYENTES Dos eventos son mutuamente excluyentes cuando la ocurrencia de uno de ellos elimina de posibilidad que el otro evento ocurra. FENMENO ALEATORIO Es aquel acontecimiento cuyo resultado final no se puede predecir con exactitud, porque presenta dos o ms opciones. HIPTESIS ESTADSTICA Una hiptesis estadstica es afirmacin acerca de un parmetro poblacional sobre la cual hay inseguridad en el momento de formularla y es expresada de tal forma que puede ser aceptada rechazada. Es un supuesto acerca de un parmetro poblacional ya sea media aritmtica, proporcin y varianza, etc. Existen 2 clases de hiptesis estadsticas. HIPOTESIS NULA H 0 Es aquella que por medio de la cual se hace una afirmacin sobre un parmetro, que se va a constatar con el resultado muestral. HIPOTESIS ALTERNA H 1 Es aquella hiptesis que defiere de la hiptesis nula, es decir: ofrece una alternativa, afirmando que la hiptesis nula es falsa.

Elaborado por: Ing. Rubn Toyama U.

78

Ciencias Empresariales

Estadstica II

MODELOS DE DISTRIBUCIN DE PROBABILIDAD Los modelos de distribucin de probabilidad son expresiones que nos permiten calcular la probabilidad de que una variable x tome los diferentes valores de su dominio: MODELO DE DISTRIBUCIN BINOMIAL Sea x una variable aleatoriamente discreta, sta seguir un desarrollo binomial si cumple cuatro condiciones. 1) El fenmeno aleatorio se repite n veces. 2) El fenmeno aleatorio slo tiene dos posibles resultados, el xito y el fracaso. 3) Las sucesivas veces en que se realiza el fenmeno son independientes (con reemplazo). 4) La probabilidad de xito entre prueba y prueba es constante. Si una variable aleatoria discreta cumple estas cuatro condiciones, decimos que se distribuye como una binomial y se define como una secuencia de pruebas independientes con probabilidad de xito constante y a dicha variable x la definimos como x nmero de xitos en n pruebas. Rango o recorrido: 0,1,2,n Para determinar la probabilidad en una distribucin binomial se debe conocer n y p. Donde: n: n de pruebas. p: probabilidad de xito. MODELO DE DISTRIBUCIN HIPERGEOMTRICA Sea x una variable aleatoria sta seguir un desarrollo hipergeomtrico si cumple las siguientes condiciones: 1) El fenmeno aleatorio se repite n veces. 2) El fenmeno aleatorio tiene nicamente 2 posibles resultados: el xito y el fracaso. 3) Las sucesivas pruebas en que se repite el fenmeno aleatorio tiene probabilidad de xito variable (sin reemplazo). 4) La probabilidad de xito entre prueba y prueba es variable. Si la variable aleatoria cumple estas cuatro condiciones, se dice que se distribuye, como una hipergeomtrica que la definimos como una secuencia de pruebas dependientes, con probabilidad de xito variable. Para que en la practica se presente una distribucin hipergeomtrica deben existir N objetos en total llamado poblacin de los cuales m son los de cierta clase en los que estamos interesados,

Elaborado por: Ing. Rubn Toyama U.

79

Ciencias Empresariales

Estadstica II

adems existe N-m=objetos de otra clase, si del total de objetos N se selecciona al azar una muestra de tamao n uno por uno y sin reemplazo se tiene una distribucin hipergeomtrica y cuya variable x la definimos como nmero de objetos de cierta clase en una muestra n.

Rango o recorrido

0,1 m si m 0,1 n si m

n n

Para poder encontrara la probabilidad en una distribucin hipergeomtrica es necesario conocer N, m, n.

f x

PX

Cx * N
N

Cn

Cn

MODELO DE DISTRIBUCIN DE POISSON Sea x una variable aleatoria discreta esta seguir un modelo de distribucin de poisson si en ellas no se presentan una repeticin de un fenmeno aleatorio y no existe probabilidad de xito o fracaso, por el contrario existe un fenmeno aleatorio dentro de un tiempo dado, superficie dada o volumen dado, entonces la variable poisson se define como: x: n de veces que ocurre un cierto evento en un tiempo dado, superficie dada o volumen dado. Rango recorrido: 0,1,2,3... Para que la distribucin de poisson que de totalmente definida tiene que conocerse el promedio , en que el fenmeno se repite por unidad de tiempo, superficie o volumen. Funcin de probabilidad
f x P X x e * x!
x

MODELO DE DISTRIBUCIN NORMAL STANDARD Es una distribucin derivada de la normal general que obtenemos realizando un cambio de variable a la funcin inicial, para esto realizaremos el proceso de la estandarizacin o tipificacin que consiste en restar a cada valor de la variable la media poblacional resultado entre la desviacin standard poblacional
z x

y dividir este

La funcin de probabilidad quedara:

Elaborado por: Ing. Rubn Toyama U.

80

Ciencias Empresariales

Estadstica II

f x

1 e 2

1 2 z 2

MODELO DE DISTRIBUCIN T-STUDENT La distribucin t-student es una distribucin derivada de la normal Standard y se utiliza para muestras pequeas es decir n 30 . MUESTREO Los muestreos son tcnicas para recolectar datos a partir de una poblacin. MUESTREO ALEATORIO SIMPLE Es una tcnica de muestreo en la cual todas las unidades observadas tienen la misma probabilidad de ser elegidos y tomados como parte de la muestra. MUESTREO SISTEMTICO Est tcnica de muestreo tiene la caracterstica de que los elementos seleccionados para la muestra son elegidos en base a una secuencia planificada. Generalmente se aplica en un muestreo llevado a cabo en lneas de produccin (fbricas). MUESTREO ESTRATIFICADO Es una tcnica de muestreo donde las unidades observadas son heterogneas y se encuentran formando segmentos de la poblacin entre los principales ejemplos podemos citar poblaciones agrupadas por segmentos sociales, segmentos acadmicos, segmentos polticos, econmicos, etc. MUESTREO CONGLOMERADO Es una tcnica de muestra en la que las unidades observadas se encuentran agrupadas en sindicatos, facultades dentro de una Universidad, sucursales bancarias departamentales en el pas. NIVEL DE CONFIANZA 1 Es el grado de confianza expresado en probabilidad con que se afirma, que el verdadero valor del parmetro poblacional se encuentra dentro de los lmites del intervalo.

Elaborado por: Ing. Rubn Toyama U.

81

Ciencias Empresariales

Estadstica II

NIVEL DE SIGNIFICANCIA Este valor representa el grado o nivel de desconfianza o no certeza de que el verdadero valor del parmetro se encuentre dentro del lmite del intervalo. POSIBILIDAD Una posibilidad es una de varias pociones que presenta un fenmeno aleatorio. PROBABILIDAD P E , P La probabilidad de un evento es el grado de certeza de que dicho evento ocurra y se puede calcular dividiendo el nmero de posibilidades del evento entre el nmero de posibilidades del espacio muestral. PROBABILIDAD CONDIONAL La probabilidad condicional es la probabilidad de que un evento ocurra dado que otro haya ocurrido.
P B A Se lee: Probabilidad de que ocurra el evento B dado que el evento A ha ocurrido.

PROBABILIDAD DE LA INTERSECCIN DE 2 EVENTOS

P A

La probabilidad de la interseccin, es la probabilidad de que ocurran los eventos A y B. PROBABILIDAD DE LA UNIN DE DOS EVENTOS P A
B

La probabilidad de la unin de dos eventos es la probabilidad de que ocurra un evento o el otro PROPORCIN POBLACIONAL Una proporcin poblacional es un parmetro de la poblacin definido como el cociente (divisin) entre el nmero de unidades que cumple una cierta caracterstica Ai y el tamao de la poblacin N.
P Ai N

PROPORCIN MUESTRAL Una proporcin muestral p es un estimador de la proporcin poblacional y esta definida como el cociente entre el nmero de unidades que tiene cierta caracterstica en la muestra a i y el tamao de la muestra n

Elaborado por: Ing. Rubn Toyama U.

82

Ciencias Empresariales

Estadstica II

ai n Las proporciones pueden expresarse en tanto por uno o en tanto por ciento al multiplicarlo por 100.. p

TEOREMA CENTRAL DEL LMITE El teorema central del lmite sostiene que en la mayora de los estimadores estadsticos a medida que aumenta el tamao de la muestra el estimador se distribuye aproximadamente como una normal y el estimador tiende a ser el verdadero valor del parmetro. El teorema constituye la base de toda la teora del muestreo y poblacional. Prctico n 1. Teora elemental de probabilidades I. Clculo de probabilidades 1. Hallar la probabilidad en porcentaje de que: a) Al lanzar 2 dados la suma sea menor que 5 b) c) d) e) f) Al lanzar 1 dado el Nmero sea mayor que 4 Al lanzar 2 dados el producto sea igual o mayor que 25 Al lanzar 2 dados la suma de los nmeros sea mayor que 12 Al sacar una sola carta al azar de la baraja esta sea 10 de diamantes 2 de corazones. Al sacar una carta al azar de la baraja esta no sea trbol

2. Sean: E1= Sacar trbol de la baraja en la 1 extraccin E2= Sacar 3 de corazones de la baraja en la 1 extraccin Hallar p ( E1
E2 )

3. Sean: E1 = Sacar trbol de la baraja en la 1 extraccin E2 = Sacar un 8 de la baraja en la 1 extraccin Hallar: P( E1


E2 )

4. Una caja contiene 6 bolas blancas, 4 bolas rojas y 5 bolas verdes. Hallar la probabilidad en porcentaje de que:

Elaborado por: Ing. Rubn Toyama U.

83

Ciencias Empresariales

Estadstica II

a) Sacar una bola roja en la 1 extraccin b) Sea E1 = Sacar una bola verde en la 1 extraccin y con reemplazamiento E2 = Sacar una bola verde en la 2 extraccin Hallar: P( E1
E2 )

c) No sacar una bola blanca en la 1 extraccin

5. Si se lanzan dos dados a la vez hallar la probabilidad de que: a) La suma sea por lo menos 8 b) Sean: E1 = Sacar 7 8 en la suma E2 = Sacar 4 como mximo en la suma Hallar
p( E1 P( E1 E 2 ) adems hallar E2 )

6. En una sala de aulas hay 8 rubios de los cuales 3 son hombres y 5 mujeres. Adems hay 7 morenos de los cuales 4 son hombres y 3 son mujeres. Sean los eventos E1 = Que la primer persona que salga al azar sea hombre y no retorne E2 = Que la segunda persona que salga sea mujer E3 = Que la primer persona que salga sea morena y con reemplazamiento E4 = Que la segunda persona que salga sea rubia E5 = Que la primer persona que salga sea mujer rubia y no retorne E6 = Que al lanzar dos dados la suma sea mayor que 9 Hallar: a) P( E 1
E2 )

b) P( E 3

E4)

c) P( E 5

E 2 ) d) P( E5

E 6 ) e) P ( E 5

E6 )

7. En una canasta hay muy bien mezcladas 7 bolas verdes, 3 bolas blancas y 5 manzanas rojas. Sean los eventos: E1 = La primer bola en ser extrada sea blanca o roja y sin remplazamiento E2 = La segunda bola extrada sea verde E3 = La primer bola extrada sea roja y sin reemplazamiento E4 = La segunda bola extrada sea roja E5 = La suma al lanzar dos dados sea 5 menos

Elaborado por: Ing. Rubn Toyama U.

84

Ciencias Empresariales

Estadstica II

E6 = La primer bola extrada sea blanca Hallar: a) P( E1 b) P ( E3 c) P ( E3 d) P( E 1 e) P( E3 f) P ( E 3


E2 )
E4 ) E2 )

E5 )
E5) E6 )

8. Sean los eventos: A = Obtener 1 sola vez sol al lanzar la moneda 2 veces B = Que la suma sea 10 ms al lanzar dos dados juntos C = Obtener sol 1 sola vez al lanzar una moneda 3 veces Calcular la probabilidad: a) P( A
B)

b) P( A C ) c) P( B
A)

d) P( B C ) e) P( A
C)

Elaborado por: Ing. Rubn Toyama U.

85

Ciencias Empresariales

Estadstica II

Prctico n 2. Distribucin discreta de probabilidades Distribuciones discretas de probabilidades 1. Se ha estimado que el 10 % de los jugadores de una liga de baloncesto son pelirrojos, si se selecciona una muestra aleatoria de 12 basquetbolistas uno por uno y con reemplazo. Cul es la probabilidad de que: a) La tercera parte sea pelirrojo b) Como mximo dos sean pelirrojos c) 7 no sean pelirrojos d) 4 o ms sean pelirrojos 2. Se sabe que el 25 % de los estudiantes de un curso han reprobado la materia, si se selecciona aleatoriamente a 13 estudiantes uno por uno y con reemplazo y se averigua su nota. Determinar: a) La probabilidad de que 4 hayan reprobado la materia b) La probabilidad de que 2 o menos hayan reprobado la materia c) La probabilidad de que ms de 2 hayan reprobado la materia d) La probabilidad de que 9 o ms hayan aprobado la materia 3. En una clase hay 20 alumnos, 15 de ellos no estn conformes con el texto que utilizan. Se les pregunta a 4 de ellos escogidos al azar uno por uno y sin reemplazo su opinin acerca de dicho texto. Cul es al probabilidad de que: a) 3 de ellos estn conformes con su texto b) Como mximo 2 no estn conformes con su texto c) Como mximo 3 estn conformes con su texto d) Si se extraen 4 de ellos escogidos al azar uno por uno y con reemplazo, cul es la probabilidad de que 3 o ms no estn de conformes con el texto e) Si se extraen 6 de ellos uno por uno y con reemplazo cul es la probabilidad de que como mximo 2 est conforme con el texto. 4. Se sabe que el 40 % de los estudiantes de la U.A.G.R.M. son provenientes de alguna provincia. Si se toma una muestra aleatoria de 16 estudiantes al azar uno por uno y con

Elaborado por: Ing. Rubn Toyama U.

86

Ciencias Empresariales

Estadstica II

reemplazo. Calcular la probabilidad de que: a) 4 de ellos sean de provincia b) 3 o menos sean de provincia c) Ms de 11 no sean de provincia d) 12 o ms sean de provincia 5. En una clase de Clculo 1 hay 32 estudiantes, de los cuales 18 son de Auditoria. Si se toma una muestra al azar de 13 estudiantes, uno por uno y sin reemplazo. Calcular: a) La probabilidad de que 2 o menos sean estudiantes de auditora b) La probabilidad de que 4 o ms sean estudiantes de auditora c) La probabilidad de que 8 de ellos no sean estudiantes de auditora d) Si se toma una muestra aleatoria de 8 estudiantes, uno por uno y con reemplazo cul es la probabilidad de que por lo menos 4 de ellos no sean de auditora 6. Se sabe que el 22% de los estudiantes de medicina de la UCB son extranjeros. Si se toma una muestra al azar de 12 estudiantes uno por uno y con reemplazo. Hallar la probabilidad de que: a) 2 o menos estudiantes sean extranjeros b) mas de 9 estudiantes asean extranjeros c) 7 estudiantes sean bolivianos. En promedio 6 personas utilizan un cajero automtico cada hora, en el periodo de horas ms transcurridas de cierta agencia bancaria; Cul es la probabilidad de encontrar: d) Exactamente 6 persona utilizar el cajero en una hora e) Menos de 6 personas utilizar el cajero en 1,5 horas f) Que nadie utilice dicho cajero en el lapso de 10 minutos 7. Una persona que pesca en cierto lugar del ro Beni puede esperar pescar 1,6 peces por hora. Cul es la probabilidad de que una persona que pesca en ese lugar. a) En una hora no logre pescar nada b) Saque exactamente un pez en una hora c) Saque al menos 3 peces en 1,5 horas 8. En un aula hay 50 estudiantes de los cuales 18 son partidarios del partido colorado, si se extrae una muestra aleatoria de 13 estudiantes uno por uno y sin reemplazo, cual es la probabilidad de que a) A lo sumo 4 sean partidarios del partido colorado b) Por lo menos 5 sean partidarios del partido colorado

Elaborado por: Ing. Rubn Toyama U.

87

Ciencias Empresariales

Estadstica II

c) Ms de 3 no sean partidarios del partido colorado d) Si se extrae una muestra de 10 estudiantes uno por uno y con reemplazo cul es la probabilidad de que como mximo 3 sean partidarios del partido colorado e) Si se extrae una muestra de 10 estudiantes uno por uno y con reemplazo, cul es la probabilidad de que 6 o menos no sean partidarios del partido colorado 9. En un hospital se tiene un promedio de 3 pacientes admitidos de emergencia por hora, determinar la probabilidad de que: a) En una hora sea admitido un paciente de emergencia b) En 3 horas sean admitidos 6 o menos pacientes de emergencia c) En media hora sea admitido a lo sumo 1 paciente de emergencia 10. Los defectos de cierta clase de tejido de lana ocurren al azar con un promedio de 1 por cada 100 pies cuadrados. Calcular la probabilidad de que en una pieza de 50 por 10 pies no contenga defectos. 11. Un estudiante de la facultad de medicina tiene la certeza de aprobar una asignatura cualquiera con una probabilidad de 0.8. Si tiene inscrito 8 asignaturas cual es la probabilidad de que: a) Apruebe 6 asignaturas b) Repruebe 3 asignaturas c) Apruebe como mximo 5 asignaturas d) Apruebe todas las asignaturas 12. Una canasta tiene 13 bolas de las cuales 5 son rojas. a) Si se extraen 4 bolas una por una sin reposicin cul es la probabilidad de que 2 sean rojas? b) Si se extraen 5 bolas una por una sin reposicin cul es la probabilidad de que ms de 2 no sean rojas? c) Si se extraen 7 bolas una por una sin reposicin cul es la probabilidad de que como mximo 3 sean rojas? d) Si se extraen 6 bolas una por una y con reposicin cul es la probabilidad de que como mximo 2 sean rojas? e) Si se extraen 7 bolas una por una y con reposicin cul es la probabilidad de que 5 o menos no sean rojas? 13. En un rea geogrfica determinada se sabe que el 40% de la poblacin pertenece al partido demcrata. Si se selecciona una muestra aleatoria de 12 personas con reposicin

Elaborado por: Ing. Rubn Toyama U.

88

Ciencias Empresariales

Estadstica II

Cul es la probabilidad de que: a) Como mximo 4 pertenezcan al partido demcrata b) Como mnimo 3 no pertenezcan al partido demcrata c) Entre 3 y 5 pertenezcan al partido demcrata

Teorema de Bayes 1. Una empresa tiene fbricas en Chicago y en Houston, la fbrica en Chicago produce el 40 % del total de unidades, con un ndice de defectos del 10 %, la de Houston tiene un ndice de defectos del 20 %. Si una unidad extrada al azar se encuentra defectuosa De dnde es ms probable que provenga de Chicago o de Houston? R. De Houston, porque P H / D
0.75

2. Estudios de la asociacin nacional de educacin indican que el 30 % de los maestros de la nacin dejan la profesin antes de los 10 aos. Adems que el 60 % de los que abandonan son titulados superiores, mientras que el 20 % de los que no abandonan son tambin lo son. El profesor favorito de la clase acaba de obtener su ttulo superior Cul es la probabilidad de que abandone a los estudiantes y acepte otro trabajo en otro rubro? R.56.25% 3. Una fbrica produce ciertos tipos de productos con 3 mquinas, los respectivos clculos de produccin son: Mq. 1: 3200 unidades Mq. 2: 2800 unidades Mq. 3: 5000 unidades La experiencia muestra que 1 % de los artculos fabricados por la Mq. 1 son defectuosos, las correspondientes fracciones de las defectuosas de las otras mquinas son 2 % y 3 % respectivamente. Se extrae in artculo aleatoria mente del total de produccin de un da, Cul es la probabilidad de que provenga a) de la Maq 1 b) de la Maq 2 c) De la Maq 3? R. 13,4 %; 23,5 %; 63%.

Elaborado por: Ing. Rubn Toyama U.

89

Ciencias Empresariales

Estadstica II

4. Una compaa de seguros de automviles ha asegurado a 35000 conductores de la clase A (Riesgos buenos), a 50000 conductores de la clase B (Riesgos medianos) y a 15000 conductores de la clase C (Riesgos malos), la probabilidad de que el conductos de la clase A, B C tenga 1 ms accidentes durante 1 ao es de 0.01, 0.04 y 0.15 respectivamente. La compaa vende a la seora garca una pliza de seguro y en un ao tiene un accidente. Cul es la probabilidad de que la Sra. Sea a) conductor de clase A, b) conductor de clase B c) conductor de clase C R. 7,6 %; 43,5 % 48,9 %

Elaborado por: Ing. Rubn Toyama U.

90

Ciencias Empresariales

Estadstica II

Prctico n 3. Distribucin Normal Standard y distribuciones muestrales 1. Hallar el valor de z tal que: a) El area a su derecha sea 0,2266 b) El area a su izquierda sea 0,0314 c) El area entre z1 =-0,23 y z sea de 0,5722 d) El area entre z y z sea de 0,9 2. Hallar el valor del area: a) A la derecha de z=-1,12 b) A la izquierda de z=-2,10 c) A La derecha de z=0,88 d) Entre z=-1,1 y z=1,1 e) Entre z=-2,07 y z=-095 f) Entre z=1 y z=3,12 g) Entre z=1,56 y z=5 h) A la izquierda de z=4.8 3. Utilizando la tabla de la distribucin normal Standard hallar el valor de z tal que: a) P(Z z)=0.8708 b) P(Z z)=0.3665 c) d) e) f) g) P(Z P(Z P(Z P(Z P(Z z)=0.9913 z)=0.0033 z)=0.0885 z)=0.9236 z)=0.2514

h) P(Z z)=0.9744 i) P(-z Z z)=0.7924 j) P(-z Z z)=0.0.9476

4. Utilizando la tabla de la distribucin normal Standard hallar el valor de z que satisfaga la

Elaborado por: Ing. Rubn Toyama U.

91

Ciencias Empresariales

Estadstica II

condicin planteada en el grfico siguiente: a) Si 1b) Si 1c) Si 1d) Si 1= 0.95 = 0.90 = 0.98 = 0.99

5. Si las estaturas de 300 estudiantes estn normalmente distribuidas con una media de 68 in y desviacin tpica de 3 in Cuntos estudiantes tienen alturas: a) Mayor que 72 in b) Menor o igual a 64 in c) Entre 65 y 71 in 6. La nota media en un examen es de 72 pts, la desviacin tpica es de 9. El 10 % del curso recibir grado A Cul es la nota mnima para optar a el? 7. Los pesos en Kg. de los estudiantes del curso se distribuyen normalmente con media de 75 Kg. y varianza de 120 kg2 Cul es la probabilidad de que: a) Al seleccionar un estudiante al azar su peso est comprendido entre 77 y 80 Kg. b) A partir de qu peso queda por encima de si el 90 % de los pesos? c) Hasta que peso de los estudiantes estn los que constituyen el 10 % inferior de todos los pesos? 8. Se conoce que los pesos en Kg. de los estudiantes de Economa se distribuyen normalmente con media igual a 72 kg y varianza de 58 kg 2. Si se selecciona una muestra aleatoria de 30 estudiantes de esta carrera a) cul es la probabilidad de que esa media muestral sea superior a la media poblacional? b) Cul es la probabilidad de que la media muestral sea inferior a 75 kg. c) Que la media muestral est comprendido entre 70 y77 kg d) Que la media muestral est entre 68 y 70 kg e) Cul es el peso que deja por encima de si al 99 % de las medias muestrales? 9. De una poblacin con media 12,2 y desviacin tpica de 4,1 se toma una muestra de 50:

Elaborado por: Ing. Rubn Toyama U.

92

Ciencias Empresariales

Estadstica II

a) Cul es el error tpico? b) Cul es la probabilidad de que la media muestral este entre 10 y 14? c) Cul es la probabilidad de que la media muestral sea mayor que 8? d) Cul es la probabilidad de que la media muestral sea inferior a 14? 10. Las estaturas de 3000 estudiantes varones de una universidad estn normalmente distribuidas con una media de 68 pulg. y desviacin tpica de 3 pulg si se toma 80 muestras de 25 estudiantes cada una, en cuantas esperaramos encontrar una media muestral de: a) Entre 66,8 y 68,3 pulg b) Menor que 66,4 pulg 11. La media de clientes en Madison es de 40,7 clientes diarios con una desviacin tpica de 12,9 clientes. Si se toma una muestra de 100 das: a) Cul es la probabilidad de que el n medio de clientes sea superior a 43? b) Cul es la probabilidad de que el nmero medio de clientes sea inferior a 45? c) Cul es la probabilidad de que el nmero de clientes est entre 30 y 50 clientes? 12. Suponer que las calificaciones del primer examen parcial de la asignatura de Clculo 1 tiene una distribucin normal, a este examen se presentaron 44 alumnos para rendirlo, la media del examen es de 65 Pts. Y la desviacin estndar de 10 Pts. Calcular el n de alumnos que a) aprobaron el examen. b) Reprobaron el examen c) Sacaron nota mayor a 85 d) Sacaron nota entre 65 y 85 13. Por el problema de accidentes que ocurren en la carretera Santa Cruz Montero, transito ha decidido colocar una estacin de control de velocidad 100 mt antes de la entrada al aeropuerto Viru Viru, ella consiste en apuntar una pistola radar a la movilidad que pasa y el instrumento determina la velocidad a la que viaja, si consideramos que la velocidad a la que viajan las movilidades est normalmente distribuida con una media de 70 Km/h y una varianza de 150 km2/hs2. Si sabemos que la mxima velocidad permitida es de 90

Elaborado por: Ing. Rubn Toyama U.

93

Ciencias Empresariales

Estadstica II

km/h, determinar: a) La proporcin de los vehculos infractores b) Se ha determinado que por ese punto pasa un promedio de 1 vehculo cada 12 sg y la multa aplicada a cada infractor es de 100 bs Cul debe ser la recaudacin mnima del encargado del pto de control en 12 hs? c) Cul es la recaudacin si a aquellos que sobrepasen los 120 km/h se le recarga el 30 % a la multa? 14. Segn la revista Soler el 60 % de todos los directores de empresas estn de acuerdo en que los programas de ordenador se deben escribir de manera que puedan enlazarse con redes locales. Si se toma una muestra aleatoria de 112 a) Cul es el error tpico de la proporciones muestrales? b) Cul es la probabilidad de que la proporcin muestral sea mayor a 5 %? c) Cul es la probabilidad de que la proporcin muestral sea inferior a 70 %? d) Cul es la probabilidad de que esta proporcin est entre 40 y 80 %? 15. En una investigacin realizada en 1993 se encontr que el 34 % de los ejecutivos utilizaban aplicaciones basadas en Windows en su ordenador: a) Si se toma una muestra 50. Cul es la probabilidad de que la proporcin muestral sea superior a 30 %? b) Si se toma una muestra de 110 cual es la probabilidad de que la proporcin muestral sea a 40? 16. De una poblacin de 1200 estudiantes de la universidad publica se ha seleccionado una muestra de aleatoria de 200 estudiantes, a partir de investigaciones previas se ha establecido que la proporcin poblacional que est de acuerdo con ese candidato es 15 %. a) Calcular la probabilidad de que la proporcin muestral sea superior a 20 % b) Calcular la probabilidad de que la proporcin muestral sea superior a 18 % c) Calcular la probabilidad de que la proporcin muestral est entre 12 y 17 % d) Cul es la probabilidad de que la proporcin muestral est entre 18 y 22%? Prctico n 4. Estimacin de parmetros poblacionales

Elaborado por: Ing. Rubn Toyama U.

94

Ciencias Empresariales

Estadstica II

1. Una muestra aleatoria de 100 lugares de una ciudad indica que el promedio de los ingresos mensual es de 500 $us. Encuentre el intervalo de confianza de 95 % para una media poblacional de los ingresos de todos los lugares de la ciudad, suponga 50 $us 2. Las calificaciones de los estudiantes del curso se distribuyen normalmente con varianza 149 pto2 si se selecciona una muestra aleatoria de 30 estudiantes y se calcula una media de las notas obtenindose X = 65 pto a) construya un intervalo de confianza del 90 % para la verdadera nota media poblacional. b) Construya un intervalo de confianza para un nivel de confianza del 95 % para la verdadera nota media poblacional c) Resolver el inciso anterior para un grado de confianza de 98 % 3. Un analista de investigacin de mercado escoge una muestra aleatoria de 100 clientes de un conjunto de 500 clientes de una gran tienda. Se encuentra que los clientes gastaron un promedio de 2500 Bs cada vez, si con este valor de la muestra se estima que el gasto promedio de la poblacin finita varia de 2446 Bs a 2554 Bs Qu nivel de confianza se utiliz? Supngase que la desviacin estndar de la poblacin es de 300 Bs. 4. Sean los pesos en Kg de 10 estudiantes de un curso los cuales constituyen la muestra
57 62 65 60 58 64 60 63 66 54

a) construya un intervalo de confianza al 90 % para el verdadero valor del peso medio poblacional b) Cul es el error de estimacin? c) Construya un intervalo de confianza para un nivel de significancia de 1 % 5. La media y la desviacin Standard de los depsitos en una cooperativa de un grupo de 65 socios est dado por X =1350 Bs y para media con una confianza del 90 %. 6. De los 12000 estudiantes de la facultad de ciencias econmicas se toma una muestra = 85 Bs Construya un intervalo de confianza

Elaborado por: Ing. Rubn Toyama U.

95

Ciencias Empresariales

Estadstica II

aleatoria de 600 a los cuales se les pregunt si estaban de acuerdo con cierto candidato a rector y respondieron afirmativamente 130. a) Construya un intervalo de confianza del 95 % para la verdadera proporcin poblacional de los estudiantes que estn de acuerdo con ese candidato. b) Construya un intervalo de confianza para el verdadero valor de la proporcin poblacional a un nivel de confianza de 99 % 7. Un sondeo de 100 votantes elegidos al azar en un distrito indica que el 55 % de ellos estaban a favor de un cierto candidato. a) Hallar los lmites de confianza a 95 % para la para la proporcin de todos los votantes a favor de ese candidato. b) Hallar el intervalo de confianza para un ndice de 99 % 8. Una empresa encuestadora utiliz una muestra aleatoria de 600 electores que acababan de votar y encontr que 240 votaron por el candidato A. a) Estimar entre que porcentajes de electores votaron por el candidato A en toda la poblacin, a un nivel de significancia del 5 % b) Resolver el inciso anterior a un nivel de significancia de 2 % c) Si la proporcin de aceptacin se estima en 40 % Cul es el mximo error de estimacin si se quiere tener un nivel de confianza de 98 %? d) Qu tan grande debe ser la muestra si se desea tener una confianza del 94 % de que el error de estimacin sea como mximo del 2 %? 9. Una muestra al azar de 50 notas de matemticas de entre un total de 200 revela una media de 75 y una desviacin tpica de 10. a) Cules son los lmites de confianza al 95 % para las determinaciones de media de las 200 notas? b) Con que grado de confianza podemos decir que la media poblacional de notas sea de 75 1? 10. Existe un sindicato de 100 afiliados, los cuales deben renovar su directorio, se desea determinar el tamao de la muestra para estimar la proporcin que apoyar al candidato A con un nivel de confianza del 90 %, para esto se hace una prueba piloto de 20

Elaborado por: Ing. Rubn Toyama U.

96

Ciencias Empresariales

Estadstica II

afiliados elegidos aleatoriamente y en ellos se encuentra que 8 apoyarn al candidato A Determinar el tamao de la muestra suponiendo un error global del 5 % 11. Se desea estimar el peso promedio de una poblacin de cierta especie de pez marino en el mes de Octubre y para ello de determina a partir de una prueba piloto que el peso promedio muestral es de 10 Kg, Se conoce que la varianza poblacional en esta especie y para este mes es de 40 Kg2 Determinar el tamao de la muestra necesario para estimar con un nivel de confianza del 95 % considerando que se puede cometer un error del 3 % 12. Cierto candidato por una agrupacin ciudadana desea postularse como candidato a diputado uninominal, para ello hace un sondeo y encuentra que la preferencia hacia su candidatura es del 35 % en una determinada unidad vecinal que tiene 7500 habitantes Cul es el nmero mnimo de personas que deber muestrear para tener una confianza del 90 % y un error del 9 % de que pueda ser ganador. Cules son los lmites de confianza? 13. Se desea estimar la verdadera proporcin de trabajadores que estn a favor de la nueva legislacin laboral. Se hizo un sondeo y se determin que de 100 encuestados 30 estaban a favor y 70 estaban en contra, construya un intervalo de confianza para la verdadera proporcin poblacional a un nivel de confianza de 90 %. Determine el error de estimacin. 14. En un laboratorio de psicologa los investigadores hicieron llegar por diferentes conductos una sustancia txica al sistema nervioso central de varios animales experimentales. La variable fundamental en este experimento era el tiempo en horas en que existe entre la administracin de la sustancia txica y la aparicin de los sntomas. Los datos obtenidos fueron los siguientes: n Conducto A Conducto B 11 7 S2 10 20.9

X 40
31

a) Construya un intervalo de confianza a un nivel de confianza al 90 % para la diferencia entre las medias maestrales. b) Resuelva el inciso anterior un nivel de confianza de 95 %

Elaborado por: Ing. Rubn Toyama U.

97

Ciencias Empresariales

Estadstica II

15. Se est investigando los rendimientos en dos grupos de estudiantes, y a partir de muestras aleatorias de ellos se obtuvo la siguiente informacin: n Grupo I Grupo II 8 7 S2 36 48

X 89
78

a) Construya un intervalo de confianza para la verdadera diferencia de medias poblacionales con un nivel de significancia de 10 % b) Repita el inciso anterior a un nivel de significancia de 5 % 16. Una muestra de 200 bateras de radio de la marca A muestra una duracin media de 140 hs y una desviacin tpica de 10 hs Y otra muestra de 120 bateras de radio de la marca B tiene una duracin promedio de 125 hs y una desviacin tpica de 18 hs. Construya un intervalo de confianza para la verdadera diferencia de promedios de duracin De ambas marcas de bateras a) para 1
0.95

b) para 1

0.90

Elaborado por: Ing. Rubn Toyama U.

98

Ciencias Empresariales

Estadstica II

Laboratorio # 1 . Aplicaciones de EXCEL en estadstica Inferencial Objetivos: 1. Aplicar el EXCEL en el clculo de probabilidades para distribuciones Binomial, Hipergeomtrica, Poisson y Normal. 2. Aplicar el EXCEL en la resolucin de problemas en los que se utilicen distribuciones de probabilidades. Generalidades. Una de las aplicaciones ms importantes de EXCEL es la utilizacin de funciones, entre estas, se destaca el conjunto de funciones estadsticas. Las funciones se encuentran en EXCEL en la pantalla principal con el smbolo de fx , al hacer clic en dicha ficha, se desplaza el cuadro de dilogos Insertar funcin, en la segunda ventana Insertar categora se hace clic en Estadsticas y en la ventana seleccionar una funcin se busca la funcin que se desea utilizar. Distribucin Binomial Para el clculo de probabilidades para distribuciones que se comportan como una binomial, se siguen los pasos que se mencion en el prrafo anterior, y en el momento de Seleccionar funcin se elige DISTR.BINOM, Luego aparecer el cuadro de dilogos Argumentos de funcin, En este cuadro de dilogos se necesita llenar cuatro ventanas que son: Nm_xito, Ensayos, Prob_xito y Acumulado. Nm_xito Es la cantidad de xitos que se desea encontrar Ensayos Es el tamao de la muestra o nmero de pruebas Prob_xito Es la probabilidad de xitos que se tiene Acumulado Es una ventana de valor lgico, con dos opciones, si colocamos verdadero calcular pa probabilidad acumulada para los valores de x desde 0 hasta el valor Num_xito. Si colocamos el valor Falso Calcular la probabilidad para el valor dado Num_xito solamente. Ejemplo 1. Calcular la probabilidad en una distribucin binomial con probabilidad de xito de 60 % para un tamao de muestra de n=6 para obtener: a) x=2 xitos solamente b) x=2 menos

Elaborado por: Ing. Rubn Toyama U.

99

Ciencias Empresariales

Estadstica II

Solucin. Se hace clic en la ficha fx , en el cuadro de dialogo que aparece, en la ventana seleccionar una categora se busca la categora Estadsticas, y se selecciona la funcin: DISTR.BINOM, En el siguiente cuadro de dilogos que aparecer se rellena las cuatro ventanas que aparecen. En primer lugar vamos a resolver el inciso a) del problema, para lo cul en la 1 ventana colocamos 2, en 2 ventana colocamos 6, en la 3 ventana colocamos 0,6 y en la 4 ventana colocamos de valor lgico, como deseamos calcular la probabilidad para 2 xitos solamente colocamos la palabra Falso hacemos clic en Aceptar y aparece la respuesta, que en este caso es 0,13824. Esto equivale a lo que en la calculadora es: 5 C2 0,6
2

0,4

Para resolver el inciso b) Se repite todo el proceso anterior, colocando en la 4 ventana el valor lgico Verdadero porque se desea conocer el valor acumulado, y se obtiene la respuesta de 0,1792, el cual es el resultado del clculo de probabilidad P x
2

Ejemplo 2. Se encuentran 5 amigos cierto da, a) Cul es la probabilidad de que 2 de ellos hayan nacido un da martes? Rta. 12,85 % b) Cul es la probabilidad de que de una muestra de 8 amigos a lo sumo 4 hayan nacido (un viernes o un sbado o un domingo)? Rta. 77,9 % c) Cul es la probabilidad de que en una muestra de 10 amigos por lo menos 6 no hayan nacido (un viernes o un sbado o un domingo)? Rta. 56,01 % d) Cul es la probabilidad de que de una muestra de 12 amigos entre 3 y 6 amigos hayan nacido (o lunes o martes)? Rta. 67,17 % Distribucin Poisson. Para la distribucin de Poisson procedemos igual que para la distribucin Binomial, en este caso escogemos la POISSON aparecer el cuadro de dialogo que tiene 3 ventanas de entrada que son X, media y Acumulado. Siendo X: El nmero de elementos que cumplirn la condicin Media: El promedio Acumulado: Valor lgico, siendo Falso para un determinado resultado y verdadero para el acumulado desde 0 hasta x.

Elaborado por: Ing. Rubn Toyama U.

100

Ciencias Empresariales

Estadstica II

Ejemplo 1. Supongamos que

2 y deseamos calcular a) P(x) cuando x=0, x=1, x=2, x=3 y x=4 b) P(x) cuando x=3

Solucin: Seguimos los pasos hasta llegar a la funcin POISSON, a) En la ventana X colocamos el en nmero 4, en la ventana Promedio colocamos el promedio que es 2, y en la ventana Acumulado colocamos el valor lgico Verdadero porque lo que queremos es el acumulado desde X=0 hasta x=4 y la respuesta es: 94,73% b) Procedemos como en el caso anterior, colocando en la ventana de X el valor 3, en la ventana Promedio colocamos el promedio que es 2, y en la ventana Acumulado colocamos el valor lgico Falso porque solo queremos obtener el valor POISSON para el valor puntual de x=3. y la solucin es: 18,04 % Ejemplo 2. En un proceso de manufactura textil se tiene que el promedio de defectos es de 6 por cada 30 mt de tela. Cul es la probabilidad de obtener por lo menos 2 fallas o defectos a) En una pieza de 30 mts. b) En una pieza de 10 mts. Solucin: a) 98,27 % b) 59,4 %

Ejemplo 3. Supongamos que, en promedio, una de cada 2000 casas, en cierta zona de Buenos Aires se incendia durante el ao. Si hay 6000 casa en dicha zona Cul es la probabilidad de que : a) Ms de 3 casas se incendien durante el ao. b) Exactamente 2 se incendien durante el ao Distribucin Hipergeomtrica Para la distribucin hipergeomtrica procedemos igual que en el caso anterior escogiendo la funcin DISTR_HIPERGEOM , en la ventana Muestra _ xito colocamos el nmero de xitos en la muestra que deseamos encontrar, es decir x, en la ventana Nm_de_muestra colocamos el tamao de la muestra es decir n, en la ventana Poblacin_xito colocamos el nmero de xitos en la poblacin o sea m, y en la ventana Num_de_poblacin colocamos el tamao de la poblacin o sea N. Seguidamente hacemos clic en Aceptar y se desplegar el resultado, esta funcin no genera el resultado acumulado.

Elaborado por: Ing. Rubn Toyama U.

101

Ciencias Empresariales

Estadstica II

Ejemplo 1. De 24 estudiantes que rindieron el examen parcial, 10 reprobaron el examen: a) Si se selecciona una muestra aleatoria de 6 estudiantes, uno por uno y sin reemplazo, cul es la probabilidad de que 4 de ellos hayan reprobado el examen. (Rta. 14,19 %) b) Si se selecciona una muestra aleatoria de 6 estudiantes, cual es la probabilidad de que por lo menos 5 hayan reprobado el examen. (Rta. 2,77 %) c) Si se selecciona igualmente una muestra aleatoria de 7 estudiantes, cual es la probabilidad de que menos de 3 hayan aprobado el examen. Distribucin Normal. Para calcular el area bajo la curva de la normal Standard, EXCEL calcula el acumulada desde la izquierda hasta el valor de z correspondiente al valor de x, luego de aplicar la expresin:
z x

, para entenderlo mejor veremos un ejemplo en el que x

64,8

62,3 y

2,4 ; reemplazando en la formula el valor de z ser 1,041667 con este dato redondeado a
1,04 yendo a la tabla del apndice II de Schawn encontramos que el area bajo la curva desde z 0 , hasta z 1,04 es 0,3508. Este procedimiento utilizando EXCEL se procede de la siguiente manera: Se despliega la funcin DISTR_NORM y aparecer un cuadro de dilogos que tiene 4 ventanas, en la ventana X se coloca el valor de la variable, en la ventana Media se coloca el valor de la media poblacional , en la ventana Desv_Estandard se coloca el valor de , en la ventana acum. Se coloca el valor verdadero, luego clic en Aceptar y se desplegar el area bajo la curva, desde la izquierda hasta el valor de

Elaborado por: Ing. Rubn Toyama U.

102

Ciencias Empresariales

Estadstica II

Apendice II

reas bolo la curv a normW i e st nda r , cbsde F


2 .0080 .0478 .0871 .1255 .1628 .1985 .2324 .2642 .g939 .3212 .3461 .3686 .38, .400 .4222 .4357 .4474 .4573 .4.656 .4726 .4783 .4830 .488a, .4898 .4922 .4941 .4956 - .4937 .7.41:76 .4982 .4987 .4991 .4994 3.0120 .0517 .0910 .1293 .1664 .2019 .2357 .2673 .2967 .3238 .3485 .3708 .3907 .4082 .4236 .4370 .4484 .4582 .4664 .4732 .4788 _ .4834 .4871 .4901 .4925 .4943 .4957 .4968 .4977 _4983 .4988 .4991 :.4994 4 .0160 .055/ .0948 .1331 .1700 .2054 .2389 .2704 .2996 .3264 .3508 .3729 .3925 .4099 .4A1 .4382 .4495 .4591 .4671 .4738 .4.793 '' .4-838 ..,.4875 ".4904 .4927 .4945 .4959 .4939 .4977 .4984 ' .4988 .4992 .4994 .4505 .4599 .4678 .4744 .4798 .4842 .4878 .4906 .4929 .4946 .4960 .4970 .4978 .4984 .4989 .4992 .4994 5 .0199. .0598, .0987 .1368 .1736 .2088 .2422 .2734 .3023 .3289 .3531 .3749 .3944 .4115 .4265 6 .0239 A636 .1026 .1406 .1772 .2123 .2454 .2764 .3051 .3315 .3554 .3770 .3962 .4131 .4279 .4406 .4515 .4608 .4686 .4750 .4803 14846 .4881 .4909 .4931 .4948 .4961 .4971 .4979 .4985 .4989 .4992 .4994 7 .0279 .0675 .1064 .1443 .1808 .2157 .2486 .2794 .3078 .3340 .3577 .3790 .3980 .4147 .4292 .4418 .4525 .4616 .4693 .4756 .4808 .4850 .4884 .4911 .4932 .4949 .4962 .4972 .4979 .4985 .4989 .4992 .4995 8 .0319 .0714 .1103 .1480 .1844 .2190 .2518 .2823 .3106 .3365 .3599 .3810 .3997 .4162 .4306 .4429 .4535 .4625 .4699 .4761 .4812 .4854 .4887 .4913 .4934 .4951 .4963 .4973 .4980 .4986 .4990 .4993 .4995 9 . . 0 0 3 . 7 5 . 1 5 9 1 5 . 4 8 1 2 . 7 2 1 . 2 9 2 . 1 5 . 3 4 8 3 1 5 . 9 3 2 . 8 3 6 . 3 9 2 4 8 . 1 0 3 4 . 1 0 3 4 5 . 1 4 . 4 9 . 4 5 . 4 1 6 4 4 7 3 . 5 7 0 3 4 . 6 8 . 4 7 1 4 8 . 7 8 5 4 9 . 7 9 0 4 . 3 . 9 . 4 6 4 5 . 4 9 9 2 4 9 6 . 1 9 7 4 4 6 . 8 4 9 . 6 4 1 9 4 9 0 9 9 3 5

z 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3.0 3.1 3.2

0 .0000 .0398 .0793 .1179 .1554 .1915 .2258 .2580 .2881 .3159 .3413 .3643 .3849 .4032 .4192 .4332 .4452 .4554 .4641 .4713 .4772 .4821 .4861 .4893 .4918 .4938 .4953 .4965 .4974 .4981 .4987 .4990 .4993

1` .0040 .0438 .0832 .1217 .1591 .1950 .2291 .2612 .2910 .3186 .3438 .3665 .3869 .4049 .4207 .4345 .4463 .4564 .4649 .4719 .4778 .4826 .4864 .4896 .4920 ' .494C. .4155 .4966 .4975 .4982 .4987 .4991 .4993

Elaborado por: Ing. Rubn Toyama U.

103

Ciencias Empresariales

Estadstica II

3.3 3.4 3.5 3.6 3.7 3.8 3.9

.4995 .4997 .4998 .4998 ' .4999 .4999 .5000

.4995 .4997 .4998 .4998 .4999 .4999 .5000

.4995 ,4997 .4998 .4999 .4999 .4999 .5000

, .4996 .4997 .4998 .4999 .4999 .4999 .5000

.4996 .4997 .4998 .4999 .4999 .4999.5000

.49N .4997 .4998 .4999 .4999 .4999 .5000

.4996 .4997 .4998 .4999 .4999 .4999 .5000

.4996 .4997 .4998 .4999 .4999 .4999 .5000

.4996 . .4997 . 4 4 9 .4998 . 4 .4999 9 ' 9 9 .4999 7 . .4999 8 . 9 4 . .5000 8 4 9 5 9 9 0 9 9 0 9 0

Elaborado por: Ing. Rubn Toyama U.

104

Ciencias Empresariales

Estadstica II

Apndice III

Valor es per cen tiles (tn) p ar s l a di str ibu cin t d e Student, con v gr ado s d e li ber tad (r ea so mbr eada = p )

V 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 40

1.995 63.66 9.92 5.84 4.60 4.03 3.71 3.50 3.36 3.25 3.17 3.11 3.06 3.01 2.98 2.95 2.92 2.90 2.88 2.86 2.84 2.83 2.82 2.81 2.80 2.79 2.78 2.77 2.76 2.76 2.75 2.70

(49 31.82 6.96 4.54 3.75 3.36 3.14 3.00 2.90 2.82 2.76 2.72 2.68 2.65 2.62 2.60 2.58 2.57 2.55 2.54 2.53 2.52 2.51 - 2.50 2.49 2.48 2.48 2.47 2.47 2.46 2.46 2.42

1.975 12.71 4.30 3.18 2.78 2.57 2.45 2.36 2.31 2.26 2.23 2.20 2.18 2.16 2.14 2.13 2.12 2.11 2.10 2.09 2.09 2.08 2.07 ' 2.06 7 2.06 2.06 2.05 2.05 2.04 2.04 2.02

t.ns 6.31 2.92 2.35 2.13 2.02 1.94 1.90 1.86 1.83 1.81 1.80 1.78 1.77 1.76 1.75 1.75 1.74 1.73 1.73 1.72 1.72 1.72 1.71 2.0 1.71 1.71 1.71 1.70 1.70 1.70. 1.70 ' 1.68

1,90 3.08 1.89 1.64 1.53 1.48 1.44 1.42 1.40 1.38 1.37 1.36 1.36 1.35 1.34 1.34 1.34 1.33 1.33 1.33 1.32 1.32 1.32 1.32 1.32 1.32 1.32 1.31 1.31 1.31 1.31 1.30

1.110 1.376 1.061 .978 .941 .920 .906 .896 .889 .883 .879 .876 .873 .870 .868 .866 .865 .863 .862 .861 .860 .359 .858 .858 .857 .856 .856 .855 .855 .854 .854 .851

1.75 1.000 .816 .765 .741 .727 .718 .711 .706 .703 .700 .697 .695 .694 .692 .691 .690 .689 .688 .688 .687 .686 .686 .685 .685 .684 .634 .684 .683 .683 .683 .681

t .70 .727 .617 .584 .569 .559 .553 .549 .546 .543 .542 .540 .539 .538 .537 .536 .535 .534 .534 .533 .533 .532 .532 .532 .531 .531 .531 .531 .530 .530 '.5N0 .529

.325 .289 .277 .271 .267 .265 .263 .262 .261 .260 .260 .259 .259 .258 .258 .258 .257 .257 .257 .257 .257 .256 .256 .256 .256 .256 .256 .256 .256 .258 .255

(.55 .158 .142 .137 .134 .132 .131 .130 .130 .129 .129 .129 .128 .128 .128 .128 .128 .128 .127 .127 .127 .127 .127 .127 .127 .127 .127 .127 .127 .127 .127 .126

Elaborado por: Ing. Rubn Toyama U.

105

Ciencias Empresariales

Estadstica II

60 120 oo

2.62 66 2.58

2.39 2. 2.36 2.33

2.00 1.90 1.96

1.67 1.66 1.645

1.30 1.29 1.28

.848 .845 .842

.679 .677 .674

.527 .526 .524

.254 .254 .253

.126 .126 .126

Fuente: R. A. Fisher y F. Yates, Statistical Tables for Biological. Agricultural and Medical Research (5n. edici6n), tabla Oliver y Boyd Ltd., Edinburgh, bajo permiso de los autores y los editores.

Elaborado por: Ing. Rubn Toyama U.

106

Ciencias Empresariales

Estadstica II

Apndice IV
Valores percentiles (4) para la distribution chi cuadrada, con v grados de libertad (area sombreada = p)
V _2 X 995 _2 X.99 2 X.975 2 X 95 _2 A.90 _2 X.75 _2 A.50 _2 A.25 2 X.10 2

N.05

2 X.025

2 X.01

X.0 0 5 .0000 .0100 .072 .207

1 2 3 4 5 6 7 8 9

7.886.63 10.6 9.21 12.8 11.3 14.9 13.3 16.7 15.1 18.5 16.8 20.3 18.5 22.0 20.1 23.6 21.7

5.02 7.38 9.35 11.1 12.8 14.4 16.0 17.5

3.84 5.99 7.81 9.49 11.1 12.6 14.1 15.5

2.71 4.61 6.25 7.78 9.24 10.6 12.0 13.4

1.32 2.77 4.11 5.39 6.63 7.84 9.04 10.2

.455 1.39 2.37 3.36 4.35 5.35 6.35 7.34

.102 .575 1.21 1.92 2.67 3.45


4.25

.0158 .211 .584 1.06 1.61 2.20


2.83

.0039 .103 .352 .711 1.15 1.64


2.17

.0010 .0506 .216 .484 .831 1.24


1.69

.0002 .0201 .115 .297

.554
.872
1.24

.412
.676
.989

5.07

3.49

2.73

2.18

1.65

1.34

19.0 20.5 21.9 23.3 24.7 26.1 27.5 28.8 30.2 31.5 32.9 34.2 35.5 36.8 38.1 39.4

16.9 18.3 19.7 21.0 22.4 23.7 25.0 26.3 27.6 28.9 30.1 31.4 32.7 33.9 35.2 36.4 37.7 38.9 40.1 41.3 42.6 43.8 55.8

14.7 16.0 17.3 18.5 19.8 21.1 22.3 23.5 24.8 26.0 27.2 28.4 29.6 30.8 32.0 33.2 34.4 35.6 36.7 37.9 39.1 40.3 51.8

11.4 12.5 13.7 14.8 16.0 17.1 18.2 19.4 20.5 21.6 22.7 23.8 24.9 26.0 27.1 28.2 29.3 30.4 31.5 32.6 33.7

8.34 9.34 10.3 11.3 12.3 13.3 14.3 15.3 16.3 17.3 18.3 19.3 20.3 21.3 22.3 23.3 24.3 25.3 26.3 27.3 28.3

5.90 6.74 7.58 8.44 9.30 10.2 11.0 11.9 12.8 13.7 14.6 15.5 16.3 17.2 18.1 19.0 19.9 20.8 21.7 22.7 23.6 24 .5 33.7

4.17 4.87 5.58 6.30 7.04 7.79 8.55 9.31 10.1 10.9 11.7 12.4 13.2 14.0 14.8 15.7 16.5 17.3 18.1 18.9 19.8 20.6 29.1

3.33 3.94 4.57 5.23 5.89 6.57 7.26 7.96 8.67 9.39 10.1 10.9 11.6 12.3 13.1 13.8 14.6 15.4 16.2 16.9 17.7 18.5 26.5

2.70 3.25 3.82 4.40 5.01 5.63 6.26 6.91 7.56 8.23 8.91 9.59 10.3 11.0 11.7 12.4 13.1 13.8 14.6 15.3 16.0 16.8 24.4

2.09 2.56 3.05 3.57 4.11 4.66 5.23 5.81 6.41 7.01 7.63 8.26 8.90 9.54 10.2 10.9 11.5 12.2 12.9 13.6 14.3 15.0 22.2

1.73 2.16 2.60 3.07 3.57 4.07 4.60 5.14 5.70 6.26 6.84 7.43 8.03 8.64 9.26 9.89 10.5 11.2 11.8 12.5 13.1 13.8 20.7

10 11
12

13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 40

25.2 26.8 28.3 29.8 31.3 32.8 34.3 35.7 37.2 38.6 40.0 41.4 42.8 44.2 45.6

23.2 24.7 26.2 27.7 29.1 30.6 32.0 33.4 34.8 36.2 37.6 38.9 40.3 41.6 43.0

1 46.9 44.3 40.6 48.3145.6 41.9 49.6 47.0 43.2 51.0 48.3 44.5 52.3 49.6 45.7 53.7 50.9 47.0 66.8 63.7. 59.3

34.8 29.3 4 6 . 6 . 39.3

Elaborado por: Ing. Rubn Toyama U.

107

Ciencias Empresariales

Estadstica II

50 60 70 80 90
100

79.5 76.2 92.0 88.4 104.2 116.3 128.3 140.2

71.4 83.3

67.5 79.1

63.2 74.4

56.3 67.0

49.3 ' 59.3

42.9 52.3 61.7 71.1 80.6 90.1


2

37.7 46.5 55.3 64.3 73.3 82.4

34.8 432 51.7 60.4 69.1 77.9

32.4 40.5 48.8 57.2 65.6 74.2

29.7 37.5 45.4 53.5 61.8 70.1

28.0 35.5 43.3 51.2 59.2 67.3

100.4 95.0 90.5 85.5 112.3 106.6 101.9 96.6 12411118.1 113.1 107.6 135.8 129.6 124.3 118.5

77.6 69.3 88.1 79.3 . 98.6 89.3 109.1 99.3

fruente: Catherine M. Thompson, Table of percentage points of the x distribution, Biometrika, Vol. 32 (1941), bajo permiso del autor y el

Elaborado por: Ing. Rubn Toyama U.

108