Inferencia Estadistica

Inferencia Estadstica
1
Qu es estadstica?
2
Qu es estadstica?
La ciencia utiliza modelos para describir
fenmenos.
3
Qu es estadstica?
fenmenos.
Un modelo es una explicacin terica del
fenmeno objeto de estudio. Esta explicacin
suele expresarse en forma verbal, muchas
veces mediante ecuaciones matemticas.
4
Qu es estadstica?
fenmenos.
Un modelo es una explicacin terica del
fenmeno objeto de estudio. Esta explicacin
suele expresarse en forma verbal, muchas
veces mediante ecuaciones matemticas.
Existen modelos determinsticos y modelos
no determinsticos.
5
Qu es estadstica?
Modelo determinstico:
6
Qu es estadstica?
Modelo determinstico: Es posible conocer un
valor preciso de la variable de inters a partir
de otras.
7
Qu es estadstica?
de otras.
Modelo no determinstico:
8
Qu es estadstica?
de otras.
Modelo no determinstico: No es posible
determinar un valor preciso de la variable de
inters pues est presente la incertidumbre.
9
No determinsticos
10
No determinsticos
Duracin de la batera de litio de una laptop.
11
No determinsticos

Cantidad de personas que compran con
tarjeta de crdito en una tienda en un perodo
determinado.
12
No determinsticos

Cantidad de personas que compran con
tarjeta de crdito en una tienda en un perodo
determinado.
Promedio de notas en los estudios
universitarios (conocido el promedio de notas
en secundaria).
13
Qu es estadstica?
La Estadstica nos ensea cmo realizar juicios
inteligentes y tomar decisiones en presencia de
incertidumbre.
Los mtodos estadsticos estn ideados para

permitir evaluar el grado de incertidumbre de
los resultados.
La Estadstica se ocupa de modelos y

fenmenos no determinsticos.
14
Qu es estadstica?
Asociado a modelos no determinsticos est el
concepto de probabilidad.
Existe la Estadstica Descriptiva y la

Estadstica Inferencial.
15
Qu es estadstica?
Estadstica Descriptiva:
Tcnicas para describir o representar conjuntos
de datos (grficos y clculo de medidas
numricas).
16
Qu es estadstica?
Estadstica Descriptiva:
Tcnicas para describir o representar conjuntos
de datos (grficos y clculo de medidas
numricas).
Estadstica Inferencial:
Mtodos para derivar conclusiones acerca de
un gran grupo de objetos al observar una parte
de ellos.
17
Poblacin y muestra
POBLACIN:
Es todo conjunto de elementos, definido por una o ms caractersticas, de

las que gozan todos los elementos que lo componen, y slo ellos.
18
Poblacin y muestra
POBLACIN:
Es todo conjunto de elementos, definido por una o ms caractersticas, de

las que gozan todos los elementos que lo componen, y slo ellos.
En muestreo, se entiende por poblacin a la totalidad del universo que
interesa conocer, y que es necesario que est bien definido para que se
sepa en todo momento qu elementos lo componen. Conviene recordar
que poblacin es el conjunto de elementos a los cuales se quieren inferir
los resultados.
19
Poblacin y muestra
MUESTRA:
En todas las ocasiones en que no es posible o conveniente realizar un

censo, lo que hacemos es trabajar con una muestra, entendiendo por tal
una parte representativa y adecuada de la poblacin.
20
Poblacin y muestra
MUESTRA:

Para que una muestra sea representativa, y por lo tanto til, debe de
reflejar las semejanzas y diferencias encontradas en la poblacin,
ejemplificar las caractersticas y tendencias de la misma. Cuando decimos
que una muestra es representativa indicamos que rene
aproximadamente las caractersticas de la poblacin que son importantes
para la investigacin.
21
Poblacin y muestra
MUESTRA:

Para que una muestra sea representativa, y por lo tanto til, debe de
reflejar las semejanzas y diferencias encontradas en la poblacin,
ejemplificar las caractersticas y tendencias de la misma. Cuando decimos
que una muestra es representativa indicamos que rene
aproximadamente las caractersticas de la poblacin que son importantes
para la investigacin.
Cuando decimos que una muestra es adecuada, nos referimos a que
contiene el nmero de unidades de estudio, tal que permita aplicar
pruebas estadsticas que den validez a la inferencia de los resultados a la
poblacin.
22
Ventajas del muestreo
23

Costos reducidos.
24

Costos reducidos.
Mayor rapidez para obtener resultados.
25

Costos reducidos.
Mayor exactitud o mejor calidad de la informacin debido a los
siguientes factores:
26

Costos reducidos.
a) Volumen de trabajo reducido.
27

Costos reducidos.
b) Puede existir mayor supervisin en el trabajo.
28

Costos reducidos.
c) Se puede dar ms entrenamiento al personal.
29

Costos reducidos.
d) Menor probabilidad de cometer errores durante el
procesamiento de la informacin.
30

Costos reducidos.
Factibilidad de hacer el estudio cuando la toma de datos implica
tcnicas destructivas, por ejemplo:
31

Costos reducidos.
a) Pruebas de germinacin.
32

Costos reducidos.
b) Anlisis de sangre.
33

Costos reducidos.
b) Anlisis de sangre.
c) Control de calidad.
34
Desventajas del muestreo
35

Siempre est presente el error de muestreo producto de la
variabilidad intrnseca de los elementos del universo, existen
diferencias entre las medidas muestrales (estadsticos) y los
parmetros poblacionales llamada Error de Muestreo.
36

El trmino error no debe entenderse como sinnimo de
equivocacin.
37

El trmino error no debe entenderse como sinnimo de
equivocacin.
Tambin suelen introducirse errores por otras vas, los cuales se
denominan errores sistemticos: Los cuales son:
- Imputables al observador.
- Imputables al mtodo de observacin o medicin.
- Imputables a lo observado (unidad de muestreo).
38
Parmetro y estadstico
39
PARAMETRO: Son las medidas o datos que se obtienen sobre la
poblacin.
40
poblacin.
ESTADISTICO: Los datos o medidas que se obtienen sobre una

muestra y por lo tanto una estimacin de los parmetros.
41
poblacin.
ESTADISTICO: Los datos o medidas que se obtienen sobre una

muestra y por lo tanto una estimacin de los parmetros.
ERROR MUESTRAL, de estimacin o standard: Es la diferencia

entre un estadstico y su parmetro correspondiente.
42
Tipos de muestreo
PROBABILISTICO
NO PROBABILISTICO
43
Muestreo probabilstico
44
Los mtodos de muestreo probabilstico son aquellos que se basan en el
principio de equiprobabilidad.
45
Es decir, aquellos en los que todos los individuos tienen la misma

probabilidad de ser elegidos para formar parte de una muestra y,
consiguientemente, todas las posibles muestras de tamao n tienen la
misma probabilidad de ser elegidas.
46
Es decir, aquellos en los que todos los individuos tienen la misma

probabilidad de ser elegidos para formar parte de una muestra y,
consiguientemente, todas las posibles muestras de tamao n tienen la
misma probabilidad de ser elegidas.
Slo estos mtodos de muestreo probabilstico nos aseguran la

representatividad de la muestra extrada y son, por tanto, los ms
recomendables
47
Muestreo no probabilstico
A veces, para estudios exploratorios, el muestreo probabilstico resulta
excesivamente costoso y se acude a mtodos no probabilstico, aun
siendo conscientes de que no sirven para realizar generalizaciones, pues
no se tiene certeza de que la muestra extrada sea representativa, ya que
no todos los sujetos de la poblacin tienen la misma probabilidad de se
elegidos.
48
Muestreo no probabilstico
A veces, para estudios exploratorios, el muestreo probabilstico resulta
excesivamente costoso y se acude a mtodos no probabilstico, aun
siendo conscientes de que no sirven para realizar generalizaciones, pues
no se tiene certeza de que la muestra extrada sea representativa, ya que
no todos los sujetos de la poblacin tienen la misma probabilidad de se
elegidos.
En general se seleccionan a los sujetos siguiendo determinados criterios

procurando que la muestra sea representativa.
49
Mtodos de muestreo probabilstico

MUESTREO ALEATORIO SIMPLE
MUESTREO ALEATORIO SISTEMTICO
MUESTREO ALEATORIO ESTRATIFICADO
MUESTREO ALEATORIO POR CONGLOMERADOS
50
Mtodos de muestreo no probabilstico

MUESTREO POR CUOTAS
MUESTREO OPINTICO O INTENCIONAL
MUESTREO CASUAL O INCIDENTAL
BOLA DE NIEVE
51
EJERCICIO 1
Decida, para cada uno de los problemas siguientes, si es apropiado un estudio
estadstico o no. En caso afirmativo explique la razn de su respuesta e
identifique la poblacin:
52
EJERCICIO 1
1. Se investigar la opinin de 50000 trabajadores que se vern afectados por
el cambio de la jornada laboral tradicional, de ocho horas diarias durante
cinco das a la semana, a la de diez horas diarias por espacio de cuatro das
a la semana.
53
EJERCICIO 1
a la semana.
2. Un despacho de arquitectos debe presentar una cotizacin para un proyecto
de cableado. Estn disponibles siete contratistas elctricos para la tarea. Se
pretende determinar el costo promedio estimado del proyecto y el tiempo
promedio proyectado que se requerira para que cualquiera de los
contratistas realice el proyecto.
54
EJERCICIO 1
a la semana.
2. Un despacho de arquitectos debe presentar una cotizacin para un proyecto
de cableado. Estn disponibles siete contratistas elctricos para la tarea. Se
pretende determinar el costo promedio estimado del proyecto y el tiempo
promedio proyectado que se requerira para que cualquiera de los
contratistas realice el proyecto.
3. Un sistema de cmputo est conectado a cierto nmero de terminales
distantes. A fin de decidir si se aumenta dicho nmero o no, es necesario
estudiar la variable aleatoria X, el tiempo por sesin de cada usuario en las
terminales actualmente instaladas.
55
EJERCICIO 2
Se quiere estimar la cantidad de tiempo promedio que los profesores del INTEC
emplean calificando las tareas de cierta semana.
Describa una forma de obtener
a) Una muestra aleatoria simple
b) Una muestra sistemtica
c) Una muestra estratificada
56
Distribuciones muestrales de
medias y de proporciones
57
Distribucin muestral de medias
Considere la poblacin 1, 3, 5, 7
Se desea obtener una muestra de tamao 2,

mediante muestreo aleatorio simple, sin
reemplazamiento y sin importar el orden.
a) Cuntas muestras posibles hay?

b) Encuentre la distribucin muestral de medias.
c) Calcule la media de la poblacin.
d) Calcule la media de todas las medias muestrales.
58
Distribucin muestral de medias
Considere la poblacin 1, 3, 5, 7
Se desea obtener una muestra de tamao 2,

mediante muestreo aleatorio simple, con
reemplazamiento y se considera el orden.
a) Cuntas muestras posibles hay?

b) Encuentre la distribucin muestral de medias.
c) Calcule la media de todas las medias muestrales.
59
EJERCICIO 1
Una marca particular de jabn para lavadora de platos se

vende en tres tamaos: 25 oz, 40 oz y 65 oz. El 20% de
todos los compradores seleccionan la caja de 25 oz, el 50%
seleccionan una caja de 40 oz y el 30% restante selecciona
una caja de 65 oz.
Sean X1 y X2 los tamaos de paquete seleccionados por dos
compradores independientemente seleccionados. Determine
la distribucin muestral de medias.
60
Teorema del lmite central
Sea X1, X2, Xn es una muestra aleatoria de una

distribucin con media y varianza .
Entonces, si n es suficientemente grande, X tiene
aproximadamente una distribucin normal con
=
X

=
X n
61
EJERCICIO 2
Se tiene un lote de 12 artculos, el cual tiene 4 defectuosos.

Se van a seleccionar 5 artculos al azar de ese lote sin
reemplazo. Genere la distribucin muestral de proporciones
para el nmero de piezas defectuosas.
62
Estimacin
63
Estimacin
En Inferencia Estadstica, a travs de una muestra se trata

de:
64
Estimacin

de:
Estimar un parmetro desconocido
65
Estimacin

de:

(ESTIMACION)
66
Estimacin

de:
Estimacin
puntual
(ESTIMACION)
67
Estimacin

de:
Estimacin
puntual
(ESTIMACION)
Estimacin por
intervalos
68
Estimacin

de:
Estimacin
puntual
(ESTIMACION)
Estimacin por
intervalos
Verificar si el parmetro es o no igual a cierto valor
69
Estimacin

de:
Estimacin
puntual
(ESTIMACION)
Estimacin por
intervalos
Verificar si el parmetro es o no igual a cierto valor

(PRUEBA DE HIPOTESIS)
70
Estimacin
Para estimar el parmetro poblacional se utiliza el

estadstico .
71
Estimacin
Para estimar el parmetro poblacional se utiliza el

estadstico .
Parmetro Estimador
Ejemplos x
s
s
p p
72
Estimacin
El estimador no tiene que ser nico.
73
Estimacin

Por ejemplo, en una distribucin simtrica, otro estimador
de es la mediana.
74
Estimacin

de es la mediana.
Otro estimador pudiera ser la media 10% recortada.
75
Estimacin

de es la mediana.
min + max
Y otro estimador podra ser
2
76
Estimacin

de es la mediana.
min + max
Y otro estimador podra ser
2
En general se cumple que = + error de estimacin

77
Propiedades de un buen estimador
78
1. Ausencia de sesgo o imparcialidad, es decir, que sea

insesgado. Esto es E( ) =
79

2. Eficacia o eficiencia, esto significa que su varianza es

mnima.
80


mnima.
3. Consistencia o coherencia. Un estimador es consistente

cuando su valor tiende a acercarse al correspondiente
valor del parmetro.
81


mnima.
3. Consistencia o coherencia. Un estimador es consistente

cuando su valor tiende a acercarse al correspondiente
valor del parmetro.
4. Suficiencia, o sea, que agota toda la informacin sobre

el parmetro contenida en la muestra.
82
La media muestral y la varianza corregida son

buenos estimadores de la media poblacional y la
varianza poblacional.
83
Intervalos de confianza para
la media poblacional
84
La estimacin puntual, o sea, estimar un parmetro

a travs de un nico valor no es muy conveniente
pues con ella no se puede determinar el error de
muestreo, ni la precisin de la estimacin, ni la
confianza que merece tal estimacin.
85
Existen otros mtodos para estimar parmetros

poblacionales, que son mucho ms precisos.
Por ejemplo,
86

Por ejemplo,
Mtodo de los mnimos cuadrados
87

Por ejemplo,
Mtodo de los momentos
88

Por ejemplo,
Mtodo de la mxima verosimilitud
89

Por ejemplo,
Mtodo de la mxima verosimilitud
Mtodo de estimacin por intervalos de
confianza
90
Algunos conceptos
91
Algunos conceptos
= probabilidad de que el intervalo NO incluya al

verdadero valor del parmetro.
92
Algunos conceptos

1 = probabilidad de que el intervalo incluya al

verdadero valor del parmetro
= nivel de confianza
93
Algunos conceptos

1 = probabilidad de que el intervalo incluya al

verdadero valor del parmetro
= nivel de confianza
Ejemplo: = 5% = 0.05
1 = 95% = 0.95
94
95

Entonces, si n es suficientemente grande, X tiene
=
X

=
X n
96
Tabla de la distribucin normal estndar
97
Intervalo de confianza al 95%

(para la media siendo conocida)

x - 1.96 x + 1.96
n n
98
Tabla de la distribucin normal estndar
99
Algunos niveles de confianza
Nivel de confianza Normal z

estndar
95% 0.95 0.05 0.975 1.96
97% 0.97 0.03 0.985 2.17
99% 0.99 0.01 0.995 2.58
90% 0.90 0.10 0.959 1.65
100
Ejercicio 1
Un grupo de investigadores en medicina desean estimar el

cambio medio de presin sangunea por paciente en un
sanatorio. Se ha seleccionado una muestra al azar de 30
pacientes y se hall una media de 5 puls/seg. Los
investigadores saben que, segn estudios anteriores, la
desviacin estndar de los cambios de presin sangunea
para todos los pacientes es de 3 puls/seg. Se desea estimar
el cambio medio de la presin sangunea por paciente con
un intervalo del 95% de confianza, suponiendo que la
variable aleatoria cambios de presin sangunea tiene una
distribucin normal.
101

(para la media para desconocida)
s s
x - 1.96 x + 1.96
n n
Como generalmente la desviacin estndar poblacional es

desconocida, se sustituye por la desviacin estndar de la
muestra.
102
Ejercicio 2
Los siguientes datos son los puntajes obtenidos para 45

personas en una escala de depresin (mayor puntaje
significa mayor depresin).
2 5 6 8 8 9 9 10 11
11 11 13 13 14 14 14 14 14
14 15 15 16 16 16 16 16 16
16 16 17 17 17 18 18 18 19
19 19 19 19 19 19 19 20 20
Construir un intervalo de confianza para la depresin

promedio de la poblacin a un nivel de confianza del 95%.
103
proporciones
104

para la proporcin
p (1-p ) p (1-p )
p - 1.96 p p + 1.96
n n
105
Ejercicio 1
En un estudio de prevalencia de factores de riesgo

en una cohorte de 412 mujeres mayores de 15
aos en cierta regin se encontr que el 17.6%
eran hipertensas. Determine un intervalo de
confianza al 95% para la proporcin de mujeres
hipertensas en la regin estudiada.
106
Ejercicio 2
En cierta poblacin se seleccion aleatoriamente

una muestra de 300 personas a las que se les
someti a cierto test cultural. De ellas resultaron
aprobadas 225. Teniendo en cuenta esta
informacin estimar el porcentaje de personas de
esa poblacin que resultaran aprobados si se les
sometiera a dicho test cultural. Obtener con un
nivel de confianza del 97% un intervalo de
confianza para la proporcin.
107
Ejercicio 3
Estamos interesados en conocer el consumo diario

medio de cigarrillos entre los alumnos de cierta
universidad. Seleccionada una muestra aleatoria de
100 alumnos se observ que fumaban una media
de 8 cigarrillos diarios. Si admitimos que la varianza
de dicho consumo es de 16 cigarrillos 2 en el
colectivo total, estime dicho consumo medio con un
nivel de confianza del 90%.
108
Ejercicio 4
Tomada al azar una muestra de 120 estudiantes de

una universidad se encontr que 54 de ellos
hablaban ingls. Halle con un nivel de confianza del
90% un intervalo de confianza para estimar la
proporcin de estudiantes que habla el idioma
ingls entre los estudiantes de esa universidad.
109
Ejercicio 5
Un diseador industrial quiere determinar la

cantidad promedio de tiempo que tarda un adulto
en ensamblar un juguete fcil de ensamblar. Use
los datos siguientes (en minutos), una muestra
aleatoria, para construir un intervalo de confianza
del 95% para la media de la poblacin muestreada.
17 13 18 19 17 21 29 22 16 28 21 15
26 23 24 20 8 17 17 21 32 18 25 22
16 10 20 22 19 14 30 22 12 24 28 11
110
la diferencia de medias y la
diferencia de proporciones
111
Intervalo de confianza para la

diferencia de medias
Si x 1 y x 2 son los valores de las medias de muestras

aleatorias independientes de tamaos n y n de poblaciones
1 2
normales con las varianzas conocidas 12 y 22 entonces un

intervalo de confianza para la diferencia entre las dos
medias de las poblaciones es
112

2 2
1 2
( x1 - x2 ) - z + 1 - 2
n1 n2
2 2
1 2
( x1 - x2 ) + z +
n1 n2
113

En virtud del teorema del lmite central esta frmula puede

usarse tambin para muestras aleatorias independientes de
poblaciones no normales con varianzas conocidas cuando
los valores de n 1 y n2 son grandes (mayores que 30).
114

2 2
Si las varianzas 1 y 2 son desconocidas, entonces se
sustituyen sus valores en la frmula por s 2y s 2 y se procede
1 2
como antes.
115
Ejercicio 1
Construya un intervalo de confianza al 94% para la

diferencia entre las vidas medias de dos clases de
bombillos dado que una muestra aleatoria de 40
bombillos de la primera clase dur un promedio de
418 horas de uso continuo y 50 bombillos de la
segunda clase duraron en promedio 402 horas de
uso continuo. Las desviaciones estndar de las
poblaciones se sabe que son 1 = 26 y 2 =22 (en
horas).
116

Si p1 y p2 son los valores de las proporciones de dos

muestras tamaos grandes n 1y n2 entonces un intervalo de
confianza para la diferencia de proporciones p p es
1 2
117

p1 (1- p 1) p2(1- p2)

( p1 - p2 ) - z + p 1 - p2
n1 n2
p1 (1- p1) p2(1- p2 )

( p1 - p2 ) + z +
n1 n2
118
Ejercicio 2
Si 132 de 200 votantes hombres y 90 de 159

votantes mujeres estn a favor de cierto candidato
que hace campaa, encuentre un intervalo de
confianza del 99% para la diferencia entre las
proporciones reales de votantes hombres y
votantes mujeres que estn a favor del candidato.
119
Ejercicio 3
Un estudio del crecimiento anual de ciertos cactus

mostr que 64 de ellos, seleccionados
aleatoriamente en una regin desrtica, crecieron
en promedio 52.80 mm con una desviacin
estndar de 4.5 mm. Construya un intervalo de
confianza del 99% para el verdadero promedio de
crecimiento anual de la clase dada de cactus.
120
Ejercicio 4
Un estudio de dos clases de equipos de fotocopiado muestra

que 61 averas del equipo de la primera clase se llevaron en
promedio 80.7 minutos en ser reparados, con una
desviacin estndar de 19.4 minutos, mientras que 61
averas del equipo de segunda clase se llevaron en
desviacin estndar de 18.8 minutos. Encuentre un intervalo
de confianza del 99% para la diferencia entre los verdaderos
promedios del tiempo que toma reparar las averas de las
dos clases de equipo de fotocopiado.
121
Ejercicio 5
En una muestra aleatoria de 300 personas que
comen en una cafetera de una tienda
departamental solo 102 pidieron postre.
Si usamos 102/300 = 0.34 como una estimacin de
la verdadera proporcin correspondiente, con qu
confianza podemos afirmar que nuestro error es
menor que 0.05?
122
Lmites de confianza para la
varianza poblacional y para
el cociente de dos varianzas
123

varianza poblacional
2
Si s es el valor de la varianza de una muestra
aleatoria de tamao n de una poblacin normal,
entonces un intervalo de confianza del (1-)100%
2
para es
124

varianza poblacional
2
Si s es el valor de la varianza de una muestra
aleatoria de tamao n de una poblacin normal,
entonces un intervalo de confianza del (1-)100%
2
para es
2 2
(n-1) s 2
(n-1) s
< <
2 2
, n-1

1 - , n-1
2 2
125
Distribucin
Prueba chi-cuadrado
chi-cuadrado de bondad de
ajuste
Si la variable aleatoria X tiene una distribucin normal estndar,

2
entonces la variable aleatoria X tiene una distribucin chi-cuadrado
126
Tabla de la distribucin chi-cuadrado
127
Ejercicio 1
En 16 corridas de prueba el consumo de gasolina

de un motor experimental tiene una desviacin
estndar de 2.2 galones. Construya un intervalo de
2
confianza del 99% para que mide la verdadera
variabilidad del consumo de gasolina del motor.
128
Lmites de confianza para el cociente

de dos varianzas
129

de dos varianzas
2 2
Si s 1 y s 2 son los valores de dos varianzas de
muestras aleatorias independientes de tamaos n 1
y n2 de poblaciones normales, entonces un

2
1
intervalo de confianza del (1-)100% para es
2
2
130

de dos varianzas
2 2 2
s1 1 1 s1
< < F , n -1, n -1
2 2 2
s2 F , n -1, n -1 2 s2 2
2 1
1 2
2
131
Tabla de la distribucin F
132
Ejercicio 2
Se hizo un estudio para comparar los contenidos de nicotina

de dos marcas de cigarrillos. Diez cigarrillos de la marca 1
tuvieron un contenido promedio de 3.1 miligramos con una
desviacin estndar de 0.5 miligramos mientras que ocho
cigarrillos de la marca 2 tuvieron un contenido promedio de
nicotina de 2.7 miligramos con una desviacin estndar de
0.7 miligramos. Suponga que los dos conjuntos de datos
son muestras aleatorias independientes de poblaciones
normales. Encuentre un intervalo de confianza del 98% para
el cociente de las varianzas 2 y 2 .
1 2
133
134
135
Ejercicio 3
Un estudio del crecimiento anual de ciertos cactus

mostr que 64 de ellos, seleccionados
aleatoriamente en una regin desrtica, crecieron
en promedio 52.80 mm con una desviacin
estndar de 4.5 mm. Construya un intervalo de
confianza del 99% para la desviacin estndar del
crecimiento anual de la clase de cactus dada.
136
Ejercicio 4
Un estudio de dos clases de equipos de fotocopiado muestra

que 61 averas del equipo de la primera clase se llevaron en
desviacin estndar de 19.4 minutos, mientras que 61
averas del equipo de segunda clase se llevaron en
desviacin estndar de 18.8 minutos. Encuentre un intervalo
de confianza del 98% para la razn de las varianzas de las
poblaciones muestreadas.
137
138
muestras pequeas
139
Muestras pequeas
Cuando estamos tratando con una muestra aleatoria de una

poblacin normal con n<30 y desconocida,
Si x y s son los valores de la media y la desviacin estndar

de una muestra aleatoria de tamao n de una poblacin
normal entonces un intervalo con (1-)100% de confianza
para la media de la poblacin es
s s
x t , n-1 . < < x+t .
, n-1
2 n 2 n
140
141
Ejercicio 1
Un fabricante de pinturas quiere determinar el tiempo

promedio de secado de una pintura para muros interiores. Si
para 12 reas de prueba del mismo tamao ha obtenido una
media de tiempo de secado de 66.3 minutos y una
desviacin estndar de 8.4 minutos, construya un intervalo
de confianza del 95% para la media verdadera .
142
Pruebas de hiptesis
143
Hay problemas como:
Un ingeniero debe decidir, con base a datos muestrales, si

el verdadero promedio de vida de cierta clase de
neumticos es por lo menos 22000 millas.
144
Hay problemas como:

Un agrnomo debe decidir, con base en experimentos, si
una clase de fertilizantes produce un rendimiento ms alto
de frijol de soya que otro.
145
Hay problemas como:

Un agrnomo debe decidir, con base en experimentos, si
una clase de fertilizantes produce un rendimiento ms alto
de frijol de soya que otro.
Un fabricante de productos farmacuticos tiene que
decidir, con base en muestras, si el 90% de todos los
pacientes que reciben un nuevo tratamiento se recuperarn
de cierta enfermedad.
146
Hiptesis estadstica es una

afirmacin o conjetura acerca de la
distribucin de una o ms variables
aleatorias.
147
Frecuentemente las hiptesis se formulan diciendo

exactamente lo contrario de lo que se quiere demostrar.
Ejemplo
Se quiere probar que los estudiantes de INTEC tienen, en
promedio, ms alto IQ que los estudiantes de otra
universidad. Se formula la hiptesis de que no hay
diferencias, es decir, que =
1 2
148
Como muchas de las hiptesis se formulan en el lenguaje

no hay diferencias, se usa el trmino hiptesis nula,
aunque el trmino es vlido para cualquier hiptesis que
quisiramos probar.
Se consideran siempre dos hiptesis:

H 0 : hiptesis nula (ejemplo: 1 = 2 )
H : hiptesis alternativa (ejemplo: > )
1 1 2
149
Prueba de hiptesis
Procedimiento de prueba: Es una regla, basada en datos muestrales,

para decidir si se rechaza o no Ho.
Un procedimiento de prueba consta de:

Un estadstico de prueba, o sea, una funcin de los datos
muestrales en los cuales ha de basarse la decisin (rechazar Ho, no
rechazar Ho)
Una regin de rechazo, que es el conjunto de todos los valores del
estadstico de prueba para los cuales Ho ser rechazada.
La hiptesis nula ser rechazada si y solo si el valor del estadstico de

prueba observado o calculado queda en la regin de rechazo.
150
Hay cuatro posibilidades:
151
Realidad
152
Realidad
Ho es cierta
153
Realidad
Ho es cierta Ho es falsa
154
Realidad
Decisin
estadstica
155
Realidad
No rechazar
Ho
Decisin
estadstica
156
Realidad
No rechazar
Ho
Decisin
estadstica
Rechazar Ho
157
Realidad
No rechazar
ok
Ho
Decisin
estadstica
Rechazar Ho
158
Realidad
No rechazar
ok
Ho
Decisin
estadstica
Rechazar Ho (error Tipo I)
159
Realidad
No rechazar
ok (error Tipo II)
Ho
Decisin
estadstica
Rechazar Ho (error Tipo I)
160
Realidad
No rechazar
ok (error Tipo II)
Ho
Decisin
estadstica
Rechazar Ho (error Tipo I) ok
161
Prueba de hiptesis
La probabilidad de cometer un error de tipo I se

denota por .
La probabilidad de cometer un error de tipo II se

denota por .
162
Prueba de hiptesis
Si el tamao de la muestra y el estadstico de

prueba ya estn fijos entonces, si se reduce el
tamao de la regin de rechazo para disminuir ,
se obtiene un valor ms grande de .
En la prctica se fija el valor de , lo cual se conoce

como nivel de significacin de la prueba. Son
usuales los niveles de significacin 0.1, 0.05 y 0.01.
163
Pruebas de hiptesis sobre la media

Sabemos que, si n es suficientemente grande, X tiene
=
X

=
X n
164
Consideremos la hiptesis nula H0: = 0

Si H0 es verdadera entonces = 0
X
X 0
El estadstico z = es una medida natural de
la distancia entre X (estima-
dor de ) y 0 (valor espera-
n do cuando H0 es verdadera)
Si la distancia es demasiado grande H0 debe ser rechazada.
165
Prueba de hiptesis para la media
Caso I
H0: =0
H1: 0
0
0 - z 0 + z
n n
166
Caso II
H0: =0
H1: >0
0
0 - 0 + z
n n
167
Caso III
H0: =0
H1: <0
0
0 - z 0 +
n n
168
Si n es grande y es desconocida usaremos
X 0
el estadstico z =
s
169
Ejercicio 1
Suponga que por experiencia se sabe que la desviacin

estndar del peso de paquetes de 8 onzas de galletas en
cierta pastelera es de 0.16 onzas. Para comprobar si su
produccin est bajo control en un da dado, esto es,
comprobar si el peso promedio verdadero de los paquetes
de galletas es 8 onzas, los empleados seleccionan una
muestra aleatoria de 36 paquetes y encuentran que la
media de su peso es 8.077 onzas. Puesto que la pastelera
pierde dinero si >8 y el cliente pierde cuando <8, pruebe
la hiptesis nula =8 contra la hiptesis alternativa 8 al
nivel 0.01 de significacin.
170
Ejercicio 2
Suponga que 100 neumticos que cierto fabricante produce

duraron en promedio 21819 millas, con una desviacin
estndar de 1295 millas. Pruebe la hiptesis nula =22000
millas contra la hiptesis alternativa <22000 en el nivel
0.05 de significacin.
171
Ejercicio 3
Se utiliza un penetrmetro cnico dinmico para medir la

resistencia de un material a la penetracin (mm/golpe) a medida
que el cono es insertado el pavimento o subrasante. Suponga que,
para una aplicacin particular, se requiere que el valor penetracin
cnica promedio verdadero para un cierto tipo de pavimento sea
menor que 30. El pavimento no ser utilizado a menos que exista
evidencia concluyente de que la especificacin fue satisfecha.
Formule y pruebe las hiptesis apropiadas utilizando los datos
siguientes, con un nivel de significacin de 0.05.
14.1 14.5 15.5 16 16 16.7 16.9 17.1 17.5 17.8
17.8 18.1 18.2 18.3 18.3 19 19.2 19.4 20 20
20.8 20.8 21 21.5 23.5 27.5 27.5 28 28.3 30
30 31.6 31.7 31.7 32.5 33.5 33.9 35 35 35
36.7 40 40 41.3 41.7 47.5 50 51 51.8 54.4
55 57
172
Si el tamao de la muestra es pequeo y es desconocida

usaremos
X 0
el estadstico t = que tiene una distribucin t
s con n-1 grados de libertad
173
Ejercicio
Las especificaciones para cierta clase de cinta piden una

media de la resistencia al rompimiento de 185 libras. Si
cinco piezas, seleccionadas aleatoriamente de diferentes
rollos, tienen una resistencia al rompimiento de 171.6,
191.8, 178.3, 184.9 y 189.1 libras, pruebe la hiptesis nula
=185 libras contra la hiptesis alternativa 185 libras en
el nivel 0.05 de significacin.
174
Pruebas de hiptesis sobre la diferencia

de medias
Supongamos que tenemos dos muestras aleatorias

independientes de tamaos n1 y n2 de dos poblaciones
normales que tienen las medias 1 y 2 y las desviaciones
estndar conocidas 1 y 2 entonces para las pruebas de
hiptesis:
Ho: 1 2 =
contra las hiptesis alternativas
H1: 1 2 , H1: 1 2 > , H1: 1 2 <

175

de medias
Usaremos el estadgrafo de prueba
x1 x2
z=
2 2
1 + 2
n1 n2
Las regiones respectivas son |z| Zc , z Zc , z Zc
176

de medias
Si 1 y 2 son desconocidas y n1 y n2 suficientemente grandes
x1 x2
z=
2 2
s1 + s2
n1 n2
177
Ejercicio
Se hace un experimento para determinar si el contenido promedio de
nicotina de una clase de cigarrillos excede al de otra clase en 0.20
miligramos. Si 50 cigarrillos de la primera clase tuvieron en promedio un
contenido de nicotina de 2.61 miligramos con una desviacin estndar
de 0.12 miligramos en tanto que 40 cigarrillos de la otra clase tuvieron
un contenido promedio de nicotina de 2.38 miligramos, con una
desviacin estndar de 0.14 miligramos, pruebe la hiptesis nula el
contenido promedio de nicotina de la primera clase de cigarrillos excede
en 0.20 miligramos al de la segunda contra la hiptesis alternativa el
contenido promedio de nicotina de la primera clase de cigarrillos no
excede en 0.20 miligramos al de la segunda. Considere el nivel de
significacin 0.1.
178
Pruebas de hiptesis sobre proporciones
Si n es grande (n > 100) usaremos el estadstico de prueba
p - p0
z=
p0 (1 p0)
Las regiones respectivas son |z| Zc , z Zc , z Zc
179
Ejercicio
Una compaa petrolera afirma que menos del 20%

de los propietarios de vehculos no han probado su
gasolina. Pruebe esta afirmacin en el nivel 0.01 de
significacin si una comprobacin aleatoria revela
que 22 de 200 propietarios de vehculos no han
probado la gasolina de la compaa.
180
Pruebas de hiptesis sobre diferencia de

proporciones
Si p1=x1/n1 y p2=x2/n2 son proporciones en dos muestras

de tamaos n1 y n2 respectivamente,
p1 - p2
z=
x1+x2 x1+x2 1 1
1- +
n1+n2 n1+n2 n1 n2
es estadstico de prueba.
181
Ejercicio
En una muestra aleatoria de 200 personas que no tomaron

desayuno, 82 reportaron que tuvieron fatiga a media
maana y en otra muestra aleatoria de 300 personas que
tomaron desayuno, 87 personas reportaron que tuvieron
fatiga a media maana. Prueba la hiptesis nula de que no
hay diferencias entre las proporciones correspondientes de
la poblacin contra la hiptesis alternativa de que la fatiga a
media maana est ms extendida entre las personas que
no toman desayuno, al nivel de significacin 0.05.
182
Pruebas de hiptesis sobre la varianza
Dada una muestra aleatoria de tamao n de una poblacin

normal queremos probar la hiptesis nula H0: =
0
contra
una de las hiptesis H1: , H1: > ,
0
H1: <
0 0
(n-1) s
Usaremos el estadstico =

0
183
Pruebas de hiptesis sobre la varianza
Las regiones crticas son:

Para H1: 0
, n-1 1- , n-1
2 2
Para H1: > 0

, n-1
Para H1: <

0 1- , n-1
184
Ejercicio
Suponga que las mediciones del espesor de una muestra

aleatoria de 18 partes usadas de un semiconductor tiene la
varianza s=0.68, donde las mediciones son en milsimas
de pulgada. El proceso se considera que est bajo control si
la variacin del espesor est dada por una varianza no
mayor que 0.36. Suponga que las mediciones constituyen
una muestra aleatoria de una poblacin normal, pruebe la
hiptesis nula =0.36 contra la hiptesis alternativa
>0.36 en el nivel 0.05 de significacin.
185
Pruebas de hiptesis sobre la razn de

varianzas
Dadas dos muestras aleatorias independientes de tamaos n1

y n2 de dos poblaciones normales con las varianzas 1 y
2
s1
Usaremos el estadstico
s2
186
Ejercicio
Al comparar la variabilidad de la resistencia a la traccin de

dos clases de acero estructural, un experimento dio los
resultados siguientes: n1=13, s1=19.2, n2=16 y s2=3.5,
donde las unidades de medicin son 1000 libras por pulgada
cuadrada. Suponga que las mediciones constituyen variables
aleatorias independientes de dos poblaciones normales,
prueba la hiptesis nula 1=2 contra la alternativa
12 en el nivel 0.02 de significacin.
187
Pruebas de hiptesis sobre la razn de

varianzas
Dadas dos muestras aleatorias independientes de tamaos n1

y n2 de dos poblaciones normales con las varianzas 1 y
2
s1
Usaremos el estadstico
s2
188
Ajuste a distribuciones
tericas.
Tablas de contingencia.
Prueba de chi-cuadrado
189
Prueba de bondad de ajuste
Una distribucin de frecuencias es la

representacin emprica, y por tanto una
aproximacin, de una distribucin terica
(distribucin de probabilidades).
190
Una distribucin de frecuencias es la

representacin emprica, y por tanto una
aproximacin, de una distribucin terica
(distribucin de probabilidades).
Se trata de decidir si la distribucin de
frecuencia muestral se ajusta bien o no a la
distribucin de probabilidades (frecuencia)
hipottica de la poblacin en estudio.
191
H0: las frecuencias observadas coinciden con

las frecuencias esperadas
H1: las frecuencias observadas no coinciden

con las frecuencias esperadas
192
H0: fij = eij para todo i,j

i=1,2,3,,r
j=1,2,3,,c
H1: fij eij para algn i
193
Estadstica No Paramtrica
Ejercicio 1
Se pidi a 35 nios de manera independiente que

nombraran su da favorito de la semana. Las elecciones
fueron:
Da Lunes Martes Mircoles Jueves Viernes Sbado Domingo
Fr. 1 3 7 8 5 11 0
Analice si estos datos son consistentes con un muestreo de

nios cuyas preferencias se distribuyeron uniformemente
entre todos los das de la semana.
194
Estadstico de prueba
r c
= (fij eij) = (f e)
i=1 j=1 eij todas las e
celdas
195
Rechazamos H0 cuando

, (r -1)(c -1)
196
Tabla de contingencia
11 12 13 14 15
r 21 22 23 24 25
31 32 33 34 35
41 42 43 44 45
c 197
Ejercicio 1
Use los datos mostrados en la siguiente tabla para probar

en el nivel 0.01 de significacin si la habilidad de una
persona en matemticas es independiente de su inters en
estadstica.
Habilidad en Matemticas
Bajo Promedio Alto
Inters en Bajo 63 42 15
Estadstica Promedio 58 61 31
Alta 14 47 29
198
Ejercicio 2
Las muestras de un material experimental se producen

mediante tres diferentes prototipos de procesos y se les
hace una prueba de conformidad con un estndar de
resistencia. Si las pruebas mostraron los resultados
siguientes, se puede decir en el nivel 0.01 de significacin
que los tres procesos tienen la misma probabilidad de
aprobar con este estndar de resistencia?
Proceso A Proceso B Proceso C
Pasan la
prueba 45 58 49
No pasan la
prueba 21 12 35
199
Funcin de potencia de una
prueba
200
Funcin de potencia
Para evaluar los mritos de un criterio de prueba o

una regin crtica tenemos que considerar las
probabilidades () de cometer error de tipo I para
todos los valores de dentro del dominio
especificado bajo la hiptesis nula H0 y las
probabilidades () de cometer error de tipo II
dentro del dominio especificado bajo la hiptesis
alternativa H1.
201
Funcin de potencia
Recordemos que:
: probabilidad de rechazar H0 siendo verdadera

probabilidad de cometer error de tipo I
: probabilidad de no rechazar H0 siendo falsa

probabilidad de cometer error de tipo II
202
Funcin de potencia
Recordemos que:
: probabilidad de rechazar H0 siendo verdadera

probabilidad de cometer error de tipo I
: probabilidad de no rechazar H0 siendo falsa

probabilidad de cometer error de tipo II
Entonces
1 : probabilidad de rechazar H0 siendo falsa
probabilidad de no cometer error de tipo II
203
Funcin de potencia
La funcin de potencia de una prueba de hiptesis

estadstica H0 contra una hiptesis alternativa H1
est dada por
() para los valores de bajo H0

() =
1- () para los valores de bajo H1
204
Funcin de potencia
Los valores de la funcin de potencia son las

probabilidades de rechazar la hiptesis nula H0 para
los diferentes valores del parmetro .
() para los valores de bajo H0

() =
1- () para los valores de bajo H1
205
Funcin de potencia
Ejemplo
Supongamos que el fabricante de un nuevo medicamento
quiere decidir, sobre la base de muestras, si el 90% de
todos los pacientes que reciben ese nuevo medicamento se
recuperarn de cierta enfermedad.
Su estadstico de prueba es X, el nmero de xitos
observados (recuperaciones) en 20 intentos.
Consideremos H0: = 0.90
H1: < 0.90
Investigue la funcin de potencia correspondiente al criterio
de prueba aceptar la hiptesis nula si X>14 y rechazarla si
X14
206
Funcin de potencia
Ejemplo
Calculemos las probabilidades () de rechazar H0 siendo
verdadera.
Si H0 es verdadera, entonces
p(X14) = p(X=0) + p(X=1) + p(X=2) + + p(X=14)
20 a 20-a
Siendo p(X=a) = (0.90) (1 0.90)
a
Obtenemos p(X 14) = 0.0113

207
Funcin de potencia
Ejemplo
Calculemos las probabilidades () de no rechazar H0
(aceptar H0) siendo H0 falsa (H1 verdadera).
Si H1 es verdadera, entonces < 0.90.
Calculemos () para algunos valores de , por ejemplo,

=0.85, 0.80, 0.75, , 0.45
208
Funcin de potencia
Ejemplo
Si =0.85
p(X>14) = p(X=15) + p(X=16) + p(X=17) + + p(X=20)
20 a 20-a
Siendo p(X=a) = (0.85) (1 0.85)
a
Obtenemos p(X >14) = 0.9252
209
Funcin de potencia
probabilidad probabilidad prob.

error tipo I error tipo II rech. Ho
() () ()
0.90 0.0113 0.0113
0.85 0.9252 0.0748
0.80 0.7952 0.2048
0.75 0.6093 0.3907
0.70 0.4110 0.5890
0.65 0.2423 0.7577
0.60 0.1242 0.8758
0.55 0.0548 0.9452
0.50 0.0205 0.9795
0.45 0.0064 0.9936
210
Funcin de potencia
() Curva de potencia
1,0000
0,9000
0,8000
Las funciones de
0,7000
potencia son las
0,6000
probabilidades de
0,5000
tomar la decisin
0,4000
correcta.
0,3000
0,2000
0,1000
0,0000
0,00 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90 1,00

211
Curva caracterstica de operacin
Pudieran graficarse las probabilidades de aceptar H0, que

sera la funcin 1-().
Obtendramos entonces la CURVA CARACTERISTICA DE
OPERACIN (o curva CO) prob. No
rechazar
Ho
0.45 0.0064
0.50 0.0205
0.55 0.0548
0.60 0.1242
0.65 0.2423
0.70 0.4110
0.75 0.6093
0.80 0.7952
0.85 0.9252
0.90 0.9887 212
Curva caracterstica de operacin

1- ()
1,0000
0,9000
0,8000
0,7000
0,6000
0,5000
0,4000
0,3000
0,2000
0,1000
0,0000
0,00 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90 1,00

213
Correlacin y regresin lineal
214
Anlisis de regresin y correlacin
Un objetivo importante de muchas investigaciones

estadsticas es establecer las relaciones que hagan posible
predecir una o ms variables en trminos de otras.
Ejemplos
ventas potenciales de un nuevo producto en funcin de
un precio.
gastos familiares en entretenimiento en funcin del
ingreso familiar.
consumo percpita de ciertos alimentos en funcin de sus
valores nutricionales y la cantidad de dinero que se gasta en
hacerles publicidad en la televisin.
215
Anlisis de regresin y correlacin
El anlisis de regresin es la parte de la estadstica que

se ocupa de investigar la relacin entre dos o ms variables
relacionadas en una forma no determinstica.
En la regresin simple hay solo dos variables:

la variable cuyo valor fija el investigador, se denota por X,
se llama variable independiente, pronosticadora, explicativa.
la variable Y que depende de X, se llama variable
dependiente o de respuesta.
En la regresin mltiple hay una variable dependiente y

ms de una variable independiente.
216
Regresin lineal simple
217
Ejemplo
Consideremos los datos siguientes sobre el nmero de horas

que diez personas estudiaron para una prueba de francs y
sus calificaciones en dicha prueba.
Horas 4 9 10 14 4 7 12 22 1 17
Nota 31 58 65 73 37 44 60 91 21 84
218
Ejercicio
Los siguientes datos corresponden al cloro residual en una

piscina en diferentes momentos despus de haberse tratado
con qumicos
Nmero de horas Cloro residual (partes
por milln)
2 1.8
4 1.5
6 1.4
8 1.1
10 1.1
12 0.9
219
Ejercicio
a) Ajuste una recta de mnimos cuadrados (recta de

regresin) con la cual podamos predecir el cloro residual
en trminos del nmero de horas transcurridas, luego de
haberse tratado con qumicos.
b) Use la ecuacin de la recta de regresin para estimar el
cloro residual 5 horas despus de haberse tratado con
qumicos.
220
Coeficiente de correlacin lineal
Existen situaciones en las cuales el objetivo al estudiar el

comportamiento conjunto de dos variables es ver si estn
relacionados en lugar de utilizar una para predecir el valor
de la otra.
221
Ejercicio
Una prueba de rendimiento es confiable si el estudiante que tomar la
prueba varias veces obtendr consistentemente puntuaciones altas
(bajas). Una forma de verificar la confiabilidad de una prueba es dividirla
en dos partes, por lo general problemas con numeracin par y
problemas con numeracin impar, y observar la correlacin entre las
puntuaciones que los estudiantes obtienen. Los datos siguientes son las
calificaciones de una muestra de 20 estudiantes en una prueba, x para
las preguntas impares, y para las preguntas pares. Calcule el valor del
coeficiente de correlacin r.
X 27 36 44 32 27 41 38 44 30 27
y 29 44 49 27 35 33 29 40 27 38
X 33 39 38 24 33 32 37 33 34 39
y 42 31 38 22 34 37 38 35 32 43
222
Regresin mltiple
223
Regresin lineal simple
224
Regresin mltiple
Si la variable y depende no solo de x sino de ms variables

tendramos en lugar del modelo de regresin simple (lineal)
y = a + bx
el modelo de regresin lineal mltiple
y = a + b1 x1 + b2 x2 + + bk xk
225
226
Ejemplo
Los datos siguientes muestran el nmero de habitaciones, el

nmero de baos y los precios a los que se vendi una muestra
aleatoria de casas unifamiliares. Encuentre la ecuacin de la recta
de regresin lineal mltiple que permite predecir el precio de una
casa en funcin del nmero de habitaciones y el nmero de baos.
Nmero de habitaciones Nmero de baos Precio
(dlares)
X1 X2 Y
X11 3 X12 2 78800
X21 2 X22 1 74300
X31 4 X32 3 83800
X41 2 X42 1 74200
X51 3 X52 2 79700
X61 2 X62 2 74900
X71 5 X72 3 88400
X81 4 X82 2 82900
227
Anlisis de varianza (ANOVA)
228
Anlisis de varianza
El anlisis de varianza, o ms brevemente, ANOVA, es un

mtodo estadstico para decidir si las diferencias entre
dos o ms medias muestrales se puede atribuir al azar o
si hay diferencias reales entre las medias de las poblaciones
muestreadas.
229
Anlisis de varianza
Ejemplos
Hay diferencias en la eficacia de tres mtodos para

ensear una lengua extranjera?
Hay diferencias en los efectos de cinco marcas
diferentes de gasolina con respecto a la eficiencia de
operacin de un motor?
Hay diferencias en cuanto al crecimiento de bacterias en
cuatro soluciones azucaradas: glucosa, fructosa, sucrosa y
una mezcla de las tres?
230
Anlisis de varianza de un factor
Tambin se llama unifactorial, unidireccional, en un sentido.
Hay un solo factor.
Hay varios niveles o tratamientos.
231
Se quiere comparar la accin limpiadora de tres

detergentes. Se tomaron 15 muestras de tela blanca, que se
mancharon con tinta china y luego se lavaron a mquina
usando los tres tipos de detergente. Los resultados de las
lecturas de blancura fueron:
Detergente A 77 81 71 76 80
Detergente B 72 58 74 66 70
Detergente C 76 85 82 80 77
Pruebe, en el nivel 0.01 de significacin, si las diferencias

entre las medias de las lecturas de blancura son
significativas.
232
Tres grupos de seis conejillos de indias se inyectaron, cada

uno, con respectivamente 0.5 miligramos, 1.0 miligramos,
1.5 miligramos de un nuevo tranquilizante. A continuacin
se muestra el nmero de minutos que tardaron en quedarse
dormidos
0.5 miligramos 21 23 19 24 25 23
1.0 miligramos 19 21 20 18 22 20
1.5 miligramos 15 10 13 14 11 15
Pruebe, en el nivel 0.05 de significacin, si se puede

rechazar la hiptesis nula de que las diferencias en
dosificacin no tienen efecto.
233
ANOVA bifactorial
Los datos sobre los tiempos (en minutos) que le tom a cierta persona
conducir su vehculo hasta su trabajo, de lunes a viernes, por cuatro
rutas diferentes, fueron las siguientes:
Lunes Martes Mircoles Jueves Viernes
Ruta 1 22 26 25 25 31
Ruta 2 25 27 28 26 29
Ruta 3 26 29 33 30 33
Ruta 4 26 28 27 30 30
Hay diferencias entre los promedios verdaderos de tiempo que tarda la

persona en conducir al trabajo teniendo en cuenta las cuatro rutas y los
cinco das de la semana? Considere el nivel de significacin 0.05
234
ANOVA bifactorial
Considere los siguientes datos de un experimento para comparar tres
marcas diferentes de plumas y cuatro tratamientos de lavado distintos
con respecto a su capacidad de eliminar manchas en un tipo particular
de tela. La variable de respuesta es un indicador cualitativo del cambio
de color total de la tela, mientras ms bajo es este valor ms manchas
fueron eliminadas. Existe alguna diferencia entre el cambio de color
promedio verdadero debido a las diferentes marcas de pluma o a los
distintos tratamientos de lavado? Considere =0.05
Tratamiento 1 Tratamiento 2 Tratamiento 3 Tratamiento 4
Marca de pluma 1 0.97 0.48 0.48 0.46
Marca de pluma 2 0.77 0.14 0.22 0.25
Marca de pluma 3 0.67 0.39 0.57 0.19
235

Inferencia Estadistica

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Inferencia Estadistica

Uploaded by

Copyright:

Available Formats

Inferencia Estadstica

Duracin de la batera de litio de una laptop.

Duracin de la batera de litio de una laptop.

Duracin de la batera de litio de una laptop.

Los mtodos estadsticos estn ideados para

La Estadstica se ocupa de modelos y

Existe la Estadstica Descriptiva y la

Es todo conjunto de elementos, definido por una o ms caractersticas, de

Es todo conjunto de elementos, definido por una o ms caractersticas, de

En todas las ocasiones en que no es posible o conveniente realizar un

En todas las ocasiones en que no es posible o conveniente realizar un

En todas las ocasiones en que no es posible o conveniente realizar un

Ventajas del muestreo

Ventajas del muestreo

Ventajas del muestreo

Ventajas del muestreo

Ventajas del muestreo

Ventajas del muestreo

Ventajas del muestreo

Ventajas del muestreo

Ventajas del muestreo

Ventajas del muestreo

Ventajas del muestreo

Ventajas del muestreo

Desventajas del muestreo

Desventajas del muestreo

Desventajas del muestreo

Desventajas del muestreo

ESTADISTICO: Los datos o medidas que se obtienen sobre una

ESTADISTICO: Los datos o medidas que se obtienen sobre una

ERROR MUESTRAL, de estimacin o standard: Es la diferencia

Es decir, aquellos en los que todos los individuos tienen la misma

Es decir, aquellos en los que todos los individuos tienen la misma

Slo estos mtodos de muestreo probabilstico nos aseguran la

En general se seleccionan a los sujetos siguiendo determinados criterios

Mtodos de muestreo probabilstico

MUESTREO ALEATORIO SISTEMTICO

MUESTREO ALEATORIO ESTRATIFICADO

MUESTREO ALEATORIO POR CONGLOMERADOS

Mtodos de muestreo no probabilstico

MUESTREO OPINTICO O INTENCIONAL

MUESTREO CASUAL O INCIDENTAL

Distribucin muestral de medias

Se desea obtener una muestra de tamao 2,

a) Cuntas muestras posibles hay?

Distribucin muestral de medias

Se desea obtener una muestra de tamao 2,

a) Cuntas muestras posibles hay?

Una marca particular de jabn para lavadora de platos se

Teorema del lmite central

Sea X1, X2, Xn es una muestra aleatoria de una

Se tiene un lote de 12 artculos, el cual tiene 4 defectuosos.

En Inferencia Estadstica, a travs de una muestra se trata

En Inferencia Estadstica, a travs de una muestra se trata

Estimar un parmetro desconocido

En Inferencia Estadstica, a travs de una muestra se trata

Estimar un parmetro desconocido

En Inferencia Estadstica, a travs de una muestra se trata

En Inferencia Estadstica, a travs de una muestra se trata

En Inferencia Estadstica, a travs de una muestra se trata

Verificar si el parmetro es o no igual a cierto valor

En Inferencia Estadstica, a travs de una muestra se trata

Verificar si el parmetro es o no igual a cierto valor