ESTADISTICA INFERENCIAL

PRIMER PARCIAL
MAYO 2015
Actividad de aprendizaje 1.1.

PROBLEMA 1(2 puntos)

Los niveles de colesterol en el suero de hombres con edades entre 18 y 24 años están distribuidos normalmente con
una media de 178.1 y una desviación estándar de 40.7. Todas las cifras están en mg/mL, y los datos se basan en una
Encuesta Nacional de Salud de Estados Unidos. Si se escoge aleatoriamente a un hombre dentro de 18 y 24 años:
 ¿Cuál es la probabilidad de que su nivel de colesterol se encuentre entre 165 y 190?
 ¿Cuál es la probabilidad de que su nivel de colesterol se encuentre entre 200 y 250?
 Determine el P15 (percentil quince) del nivel de colesterol.
 Determine el P85 (percentil ochenta y cinco) del nivel de colesterol.

Datos:

Nivel de colesterolcon distribución normal:   178,1mg / mL;   40,7 mg / mL

a) P (165<X<190)

X 1   165  178,1
Z1    0,32
 40,7
Area1  0,1255

X 2   190  178,1
Z2    0,29
 40,7
Area 2  0,1141

P (165<X<190) = Area1 + Area2 = 0,1255 + 0,1141 = 0,2396

Existe la probabilidad del23,96% que el hombre seleccionado tenga niveles de colesterol entre 165 y 190 mg/mL.

b) P (200<X<250)

X 1   200  178,1
Z1    0,54
 40,7
Area1  0,2054
 X 2   250  178,1
Z2    1,77
 40,7
Area 2  0,4616

P (200<X<250) = Area2- Area1 = 0,4616- 0,2054 = 0,2562

Existe la probabilidad del25,62% que el hombre seleccionado tenga niveles de colesterol entre 200 y 250 mg/mL.

c) Percentil 15: P(X<Xo) = 0,15

Para el Percentil 15: Área = 0,50-0,15 = 0,35 y Z = -1,04

Xo    Z    178,1  (1,04)(40,7)  135,772  135,8

El nivel de colesterol para el percentil 15 es 135,8mg/mL.

c) Percentil 85: P(X<Xo) = 0,85

Para el Percentil 85: Área = 0,85-0,50 = 0,35 y Z = 1,04

Xo    Z    178,1  1,04( 40,7)  220,428  220,4

El nivel de colesterol para el percentil 85 es 220,4mg/mL.

PROBLEMA 2(2 puntos)

La investigación sobre nuevos delincuentes juveniles que fueron puestos en libertad bajo palabra por un juez reveló
que el 38% de ellos cometieron otro delito. ¿Cuál es la probabilidad de que entre 30 y 40 de ellos cometan otro ilícito?
Utilice:
 La distribución binomial
 La distribución normal

Determine la diferencia entre los dos procesos.

Datos:

Distribución Binomial:   0,38; Sea n  100

Probabilidad: P ( X )  n C x . .(1   )
x n x
Hallar la probabilidad P (30≤X≤40)

a) Utilizando distribución Binomial.

Calculo para X = 30

P ( X  30) 100 C 30  0,38 30.(1  0,38)10030  0,021324

Tabla de cálculode probabilidades binomiales.

X Prob P(X) Prob.acum.

30 0,02132 0,02132
31 0,02951 0,05084
32 0,03900 0,08984
33 0,04926 0,13909
34 0,05949 0,19859
35 0,06876 0,26735
36 0,07609 0,34344
37 0,08067 0,42410
38 0,08197 0,50607
39 0,07987 0,58594
40 0,07465 0,66059

Existe la probabilidad del 66,06% que entre 30 y 40 de estos delincuentes juveniles cometan otro ilícito.

b) Utilizando la aproximación a la distribución normal.

Media:   n.  100  0,38  38

Desviación estándar:   n. (1   )  100(0,38)(1  0,38)  4,85

Probabilidad P (30≤X≤40)

a) P (165<X<190)

( X 1  0,5)   (30  0,5)  38

Z1    1,75
 4,85
Area 1  0,4599

( X 2  0,5)   ( 40  0,5)  38
Z2    0,52
 4,85
Area 2  0,1985

P (30≤X≤40) = Area1 + Area2 = 0,4599 + 0,1985 = 0,6584

Existe la probabilidad aproximada del 65,84% que entre 30 y 40 de estos delincuentes juveniles cometan otro ilícito.
Diferencia = 0,6606-0,6584 = 0,0022

La diferencia de probabilidad al usar la aproximación normal es del 0,0022 que no es tan significativo.

Actividad de aprendizaje 1.2.

PROBLEMA 1(0.5 puntos)

Defina en su propio lenguaje los siguientes términos. Dé ejemplos de cada uno. A) Distribución muestral B) Media de
las medias C) Varianza y error estándar de la distribución muestral D) Tipos de muestreo.

ES PREGUNTA TEORICA, CADA UNO DEBE PROPONER CON SUS PROPIAS PALABRAS Y LOS
EJEMPLOS DEBEN SER PERSONALES PARA EVITAR PROBLEMAS DE COPIA, A CONTINUACION SE
DAN REFERENCIAS DE ORIENTACION.

a) Distribución muestral, es una distribución de probabilidad constituida de todas las medias de muestra de cada una
de las muestras posibles de un tamaño de muestra dado, que se pueden extraer de una población de elementos para la
variable que se investiga. Por ejemplo si tenemos la población de calificaciones de estadística de un paralelo de 10
estudiantes, se pueden formar todas las muestras de tamaño n = 2 y obtener el promedio de cada una de estas
muestras, con estos resultados se construye una distribución de frecuencias para la media, la cual constituye una
distribución muestral de medias.

b) Media de medias, es el valor promedio del conjunto de medias de cada una de las muestras que conforman una
distribución muestral y que numéricamente es igual a la media de la población. Por ejemplo, la media de medias del
caso anterior, es la nota promedio en estadística del conjunto de medias obtenidas en cada una de las muestras de
tamaño n =2.

c) Varianza de la distribución muestral es el promedio del cuadrado de la diferencia de cada una de las medias de

 X  X 
2

muestra con respecto a la media de medias, matemáticamente está dado por:  X2 

K

Error estándar de la distribución muestral, es la desviación estándar de una distribución muestral de medias, que se
calcula como la raíz cuadrada de la varianza de la distribución muestral.

d) Tipos de muestreo.

Existen 2 tipos de muestras: la muestra probabilística y la muestra no probabilística.

Las muestras probabilísticas a su vez se clasifican como:

1.- Muestreo aleatorio simple, la muestra se selecciona de manera que cada integrante de la población tenga la misma
probabilidad de ser elegido.

Por ejemplo, los nombres de los estudiantes de un paralelo se anotan en papeles y se colocan en una caja, después se
saca uno a uno según el tamaño de muestra deseado, de esa manera cada alumno tiene la misma posibilidad de ser
seleccionado para la muestra.

2.- Muestreo aleatorio sistemático, los integrantes de la población se ordenan en alguna forma, puede ser
alfabéticamente, después se selecciona al azar un punto de partida, para luego elegir para la muestra cada siguiente k-
esimo elemento de la población.

Por ejemplo, se utiliza la lista alfabética de los alumnos de un paralelo de estudiantes, luego se elige el punto de
partida puede ser de los primeros 5 estudiantes, para después elegir cada siguiente quinto estudiante hasta constituir la
muestra deseada.

3.- Muestreo aleatorio estratificado, una población se divide en subgrupos, llamados estratos, para luego seleccionar
una muestra de cada uno. La característica de la variable investigada no es homogénea en cada estrato.
Por ejemplo, para investigar el rendimiento promedio del primer curso de un colegio de varios paralelos, los estratos
pueden ser cada uno de los paralelos del primer curso, que en general son de diferentes tamaños; para obtener una
muestra deseada, se extraen muestras proporcionales de calificaciones de cada paralelo.

4.- Muestreo por conglomeración, se emplea para reducir el costo de muestrear una población dispersa en un área
geográfica grande. Se subdivide una región extensa en áreas menores llamadas unidades primarias, después se eligen
aleatoriamente algunas de estas unidades para conformar la muestra deseada. La característica de la variable
investigada es homogénea en cada conglomerado.

Por ejemplo, para investigar el número de hijos que tienen las familias en un barrio pequeño, los conglomerados
pueden ser cada una de las manzanas; para obtener una muestra principal, se eligen al azar algunas de las manzanas
del barrio.

PROBLEMA 2(1.5 puntos)

En un bufete legal hay seis socios. A continuación se indica el número de casos que cada miembro realmente llevó en
la corte el mes pasado.

Socio Número de casos

García 3
Pérez 6
López 3
Salgado 3
Izquierdo 0
Chávez 1

a) ¿Cuántas muestras de tamaño 3 son posibles?

b) Realice una tabla en la que se muestren todas las muestras de tamaño 3 y las medias en cada una.

c) Compare el valor medio de la distribución de las medias de las muestras con el de la población.

d) En gráficos, compare la dispersión probabilística de la población con la de las medias de las muestras.

Población de casos: 3, 6, 3, 3, 0 y 1; N = 6

a) Numero de muestras de tamaño n = 3:

6!
k  N C n  6 C3   20
3!(6  3)!

b) Distribución muestral para muestras de tamaño n = 3.

Nº muestra Muestras Media de

k Xi muestras
1 3 6 3 4,00
2 3 6 3 4,00
3 3 6 0 3,00
4 3 6 1 3,33
5 3 3 3 3,00
6 3 3 0 2,00
7 3 3 1 2,33
8 3 3 0 2,00
9 3 3 1 2,33
10 3 0 1 1,33
11 6 3 3 4,00
12 6 3 0 3,00
13 6 3 1 3,33
 14 6 3 0 3,00
15 6 3 1 3,33
16 6 0 1 2,33
17 3 3 0 2,00
18 3 3 1 2,33
19 3 0 1 1,33
20 3 0 1 1,33
Suma: 53,33

c) Comparación entre valores promedios.

Media de población:    x  16  2,67casos

N 6

Calculo de la gran media (media de la distribución muestral).

X 
X 
53,33
 2,67casos
k 20

Como se esperaba, los 2 valores promedios numéricamente son iguales.

d) Gráficos.

Distribución de la población.

X P(X)
0 0,17
1 0,17
3 0,50
6 0,17
Suma: 1,00

Distribución muestral para la media.

Xm P(Xm)
1,33 0,15
2,00 0,15
2,33 0,20
 3,00 0,20
3,33 0,15
4,00 0,15
Suma: 1,00

Mediante los gráficos se identifica claramente que la población presenta un mayor grado de dispersión e irregularidad
que la distribución muestral, tal como determina el teorema de límite central.

Actividad de aprendizaje 1.3.

PROBLEMA 1(1.25 puntos)

Se obtiene una muestra de 35 cráneos egipcios que vivieron alrededor de 1850 a. de C. Se mide la anchura máxima de
cada cráneo y se determina una media de 134.5 mm y una desviación estándar de 3.48 mm. Con estos resultados de
muestra, construya intervalos de confianza del 92% y del 97% para la media poblacional.

Datos:

n  35; X  134,5mm; S  3,48mm

Intervalo de confianza para la media poblacional.

Por ser el tamaño de muestra n>30 se aplica la distribución normal.

S
IC  X  Z .
n

a) Para el 92% de confianza

Área = 0,92/2 = 0,46: Z = 1,75

3,48
IC  134,5  1,75   134,5  1,03
35

LI  134,5  1,03  133,47

LS  134,5  1,03  135,53

Existe el 92% de confianza que la verdadera anchura media de la población de cráneosegipcios estará comprendida
entre 133,47 y 135,53 milímetros.

b) Para el 97% de confianza

Área = 0,97/2 = 0,485: Z = 2,17

3,48
IC  134,5  2,17   134,5  1,28
35

LI  134,5  1,28  133,22

LS  134,5  1,28  135,78

Existe el 97% de confianza que la verdadera anchura media de la población de cráneos egipcios estará comprendida
entre 133,22 y 135,78 milímetros.

PROBLEMA 2(1.25 puntos)

En un estudio sobre el uso de hipnosis para aliviar el dolor, se midieron calificaciones sensoriales en 16 sujetos que se
dan a continuación:

8.8 6.6 8.4 6.5 8.4 7.0 9.0 10.3

8.7 8.1 5.2 6.3 8.7 6.2 7.9 11.3

Calcular el intervalo de confianza del 90% y del 95% para la calificación sensorial media de la población que se
extrajo la muestra. Se supone que los donativos siguen una distribución normal.

Tabla de cálculos:

N° X X²
1 8,8 77,44
2 6,6 43,56
3 8,4 70,56
4 6,5 42,25
5 8,4 70,56
6 7,0 49,00
7 9,0 81,00
8 10,3 106,09
9 8,7 75,69
10 8,1 65,61
11 5,2 27,04
 12 6,3 39,69
13 8,7 75,69
14 6,2 38,44
15 7,9 62,41
16 11,3 127,69
Sumas: 127,4 1052,72

Media: X  X 
127,4
 7,9625
n 16

X   X  / n
2 2
Desviación estándar: S 
n 1

1052,72  127,4  / 16
2
S  1,60
16  1

Intervalo de confianza para la media.

Por ser el tamaño de muestra n<30 y se desconoce la desviación estándar de la población se aplica la distribución t.

S
IC  X  t.
n

a) Para el 90% de confianza

Para gl = n-1 = 15 y 90% de confianza: t = 1,753

1,60
IC  7,9625  1,753   7,9625  0,7012
16

LI  7,9625  0,7012  7,26

LS  7,9625  0,7012  8,66

Existe el 90% de confianza que el verdadero valor promedio de la calificación media sensorial de la población estará
comprendido entre 7,26 y 8,66 puntos.

b) Para el 95% de confianza

Para gl = n-1 = 15 y 95% de confianza: t = 2,131

1,60
IC  7,9625  2,131   7,9625  0,8524
16

LI  7,9625  0,8524  7,11

LS  7,9625  0,8524  8,81

Existe el 95% de confianza que el verdadero valor promedio de la calificación media sensorial de la población estará
comprendido entre 7,96 y 8,81 puntos.

PROBLEMA 3(1.25 puntos)

Una compañía de seguros desea estimar el porcentaje de conductores que cambia de estación de radio o CD de audio
mientras conduce. Una muestra aleatoria de 850 conductores incluye 544 cambia de estación de radio o CD de audio
mientras conduce.

a) Obtenga un estimado del intervalo de confianza del 90% para la proporción de conductores que cambia de estación
de radio o CD de audio mientras conduce.

b) Utilice los datos de muestra como estudio piloto y determine el tamaño de la muestra necesario para estimar la
proporción de todos los conductores que cambian de estación de radio o CD de audio mientras conducen. Suponga
que desea una confianza del 99% en que el estimado no tenga un error mayor al 0.02.

Datos:

n  850; p  544 / 850  0,64

Intervalo de confianza para la proporción.

Ya que tanto np como n (1-p) son mayores a 5, la distribución muestral para la proporción se aproxima a la
distribución normal.

p (1  p )
IC  p  Z .
n

a) Para el 90% de confianza

Área = 0,90/2 = 0,45: Z = 1,65

0,64  (1  0,64)
IC  0,64  1,65  .  0,64  0,027
850

LI  0,64  0,027  0,613

LS  0,64  0,027  0,667

Existe el 90% de confianza que la verdadera proporción de población de conductores que cambia de estación de radio
o CD mientras conduce estará comprendido entre el 61,3% y el 66,7%.

b) Tamaño de muestra conp = 0,64; 99% de confianza y error no mayor a 0,02.

Área = 0,99/2 = 0,495: Z = 2,58

 2
Z
Tamaño de muestra para estimar la proporción: n  p 1  p   
E

2
 2,58 
n  0,641  0,64     3834,09  3834
 0,02 

Para cumplir con las características de la investigación para determinar la proporción deseada, es necesario un tamaño

mínimo de muestra de 3834 conductores.

PROBLEMA 4(1.25 puntos)

Le acaban de contratar para realizar una encuesta con el fin de estimar la cantidad media de dinero que los asistentes al
cine en Quito gastan (por película). Es razonable que las cantidades típicas varían entre $3 dólares y unos $15 dólares.
Determine el tamaño de la muestra que corresponde a un nivel de confianza del 99% y a un margen de error de 25
centavos de dólar.

Datos:

n  ?; E  0,25; 6S  15  3  12; NC  99%

Para Área = 0,99/2 = 0,495: Z = 2,58

Tamaño de muestra para investigar la media de dinero gastado para ver películas.
2 2
 Z .S   2,58  2 
n     426,01  426
 E   0,25 

El tamaño mínimo de muestra necesario es 426 personas para cumplir con los requerimientos de la investigación.

Actividad de aprendizaje 1.4.

PROBLEMA 1(1.25 puntos)

En un estudio de hábitos de consumidores, los investigadores diseñaron un cuestionario para identificar a los
compradores compulsivos. Para una muestra de consumidores que se identificaron a sí mismos como compradores
impulsivos, los puntajes del cuestionario tienen una media de 0.83 y una desviación estándar de 0.24. Suponga que los
sujetos se escogieron aleatoriamente y que el tamaño de la muestra fue de 32. En el nivel de significancia de 0.01,
prueba la declaración de que la población de consumidores compulsivos autoidentificados tiene una media mayor que
0.21, que es la media para la población en general. ¿Cree usted que el cuestionario sirva para identificar a los
compradores compulsivos?

Datos:

  0,21; n  32; X  0,83; S  0,24;   0,01

Prueba de hipótesis para la media de una muestra de colasuperior

1.- Planteo de hipótesis.

H 0 :   0,21. Puntaje promedio decompradores impulsivos es igual a 0,21.

H 1 :   0,21. Puntaje promedio decompradores impulsivos es mayor a 0,21.

2.- Nivel de significancia:   0,01

3.- Estadística de prueba.

Por ser el tamaño de muestra n>30, la distribución muestral para la media se aproxima a la distribución de
probabilidad normal.

X  0,83  0,21
Zp    14,61
S/ n 0,24 / 32

4.- Regla de decisión.

Estadística Z critica, para Área = 0,50 – α = 0,49: Zc = 2,33

Regla de decisión: Se rechaza la Ho si Zp >2,33; caso contrario se acepta.

5.- Decisión.

Como Zp = 14,61es mayor que2,33 se rechaza la Ho, entonces al nivel de significancia del 1% se concluye que el
puntaje promedio para compradores impulsivos es mayor que 0,21 en forma significativa.

Con este resultado de la prueba se puede señalar, que el cuestionario propuesto si será útil para identificar a los
compradores impulsivos.

PROBLEMA 2(1.25 puntos)

En un estudio sobre la efectividad de las bolsas de aire, se determinó que de 821 choques de automóviles medianos
equipados con bolsas de aire, 46 tuvieron como consecuencia la hospitalización de los conductores. Utilice un nivel de
significancia del 0.05 para probar la aseveración de que la tasa de hospitalización en accidentes con bolsa de aire es
menor que la tasa del 7.8% para accidentes de automóviles medianos equipados con cinturones de seguridad
automáticos.

Datos:

  0,078; n  821; X  46; p  46 / 821  0,056;   0,05

Prueba de hipótesis para la proporción de una muestra de cola inferior

1.- Planteo de hipótesis.

H 0 :   0,078. Proporción de población de accidentes con bolsa de aireque requiere hospitalización es igual a
0,078.

H 1 :   0,078. Proporción de población de accidentes con bolsa de aire que requiere hospitalización es menor a
0,078.

2.- Nivel de significancia:   0,05

3.- Estadística de prueba.

Ya que n.π y n (1-π) es mayor a 5, la distribución muestral para la proporción se aproxima a la distribución de
probabilidad normal.
 p  0,056  0,078
Zp    2,35
 (1   ) 0,078(1  0,078)
n 821

4.- Regla de decisión.

Estadística Z critica, para Área = 0,50 – α = 0,45: Zc = -1,65

Regla de decisión: Se rechaza la Ho si Zp < -1,65; caso contrario se acepta.

5.- Decisión.

Ya que Zp = -2,35<-1,65 se rechaza la Ho, entonces al nivel de significancia del 5% se concluye que la tasa de
hospitalización de la población de accidentes con bolsa de aire es menor en forma significativa al 7,8% para
accidentes de automóviles medianos equipados con cinturones de seguridad automáticos.

PROBLEMA 3(1.25 puntos)

En un estudio de los factores que afectan el hipnotismo, se obtuvieron calificaciones sensoriales en la escala de
análogo visual VAS de 16 sujetos. La media de estas calificaciones de muestra es de 8.33 y la desviación estándar
1.96. En el nivel de significancia del 0.01, pruebe la aseveración de que esta muestra proviene de una población con
una calificación media de menos de 10.

Datos:

  10; n  16; X  8,33; S  1,96;   0,01

Prueba de hipótesis para la media de una muestra de cola inferior

1.- Planteo de hipótesis.

H 0 :   10. Calificaciónmediade la población considerada es igual a 10.

H 1 :   10. Calificaciónmedia de la población considerada es menor a 10.

2.- Nivel de significancia:   0,01

3.- Estadística de prueba.

Por ser el tamaño de muestra n<30, y se desconoce la desviación estándar de la población, se aplica la distribución de
probabilidad “t”.

X  8,33  10
tp    3,41
S/ n 1,96 / 16

4.- Regla de decisión.

Estadística t critica, para α = 0,01 de una cola y n-1 = 15gl: tc = -2,602

Regla de decisión: Se rechaza la Ho si tp <-2,602; caso contrario se acepta.

5.- Decisión.

Ya que tp = -3,41<-2,602 se rechaza la Ho, entonces al nivel de significancia del 1% se concluye que esta muestra
proviene de una población con una media menor a 10 en forma significativa.

PROBLEMA 4(1.25 puntos)

A continuación se enumeran las cantidades totales de consumo de energía eléctrica (en kWh) para la casa de una
persona durante 7 años distintos:
11,943 11,463 10,789 9,907 9,012 11,153
La compañía de electricidad asegura que el consumo medio anual es de 11,00 kWh y ofrece un plan de pagos basado
en esa cantidad. Con un nivel de significancia de 0.05, pruebe la afirmación de la compañía de electricidad de que la
media es igual a 11,000 kWh.

Datos:

  11,00 Kwh; n  6;   0,05

Tabla de cálculos.

N° X X²
1 11,943 142,635249
2 11,463 131,400369
3 10,789 116,402521
4 9,907 98,148649
5 9,012 81,216144
6 11,153 124,389409
Sumas: 64,267 694,192341

Media: X  X 
64,267
 10,71Kwh
n 6

X   X  / n
2 2
Desviación estándar: S 
n 1

694,192341   64,267  / 6
2
S  1,079 Kwh
6 1

Prueba de hipótesis para la media de una muestra de 2 colas

1.- Planteo de hipótesis.

H 0 :   11,000. Consumo promedio anual de electricidad es igual a 11,000 Kwh.

H 1 :   11,000. Consumo promedio anual de electricidad es diferente a 11,000 Kwh.

2.- Nivel de significancia:   0,05

3.- Estadística de prueba.

Por ser el tamaño de muestra n<30, y se desconoce la desviación estándar de la población, se aplica la distribución de
probabilidad “t”.

X  10,71  11,00
tp    0,66
S/ n 1,079 / 6

4.- Regla de decisión.

Estadística t critica, para α = 0,05 de una cola y n-1 = 5gl: tc = ±2,571

Regla de decisión: Se rechaza la Ho si tp está fuera de±2,571; caso contrario se acepta.

5.- Decisión.

Ya que tp = -0,66 está dentro de la región de±2,571 se acepta la Ho, entonces al nivel de significancia del 5% se
concluye que es válida la afirmación de la empresa de electricidad de que la media de consumo es igual a 11,000 Kwh.

Actividad de aprendizaje 1.5.

PROBLEMA 1(1.0 punto)

Una compañía farmacéutica quiere probar una nueva medicina para el resfriado de uso nocturno. Las pruebas de
productos de este tipo a menudo incluyen “un grupo de tratamiento” de personas que usan el medicamento y un
“grupo de control” de personas que no lo usan. Se mide la presión arterial sistólica de cada sujeto y las estadísticas
de muestra son las que se dan en la siguiente tabla:

Estadístico de la muestra Grupo de tratamiento Grupo de control

Tamaño 50 100
Media 203,4 189,4
Desviaciónestándar 39,4 39,0

El jefe de investigación asegura que el nuevo medicamento no afecta la presión arterial sistólica. Pruebe esta
afirmación con un nivel de significancia del 0.01. Con base a estos resultados, ¿recomendaría usted afirmar en la
publicidad que el nuevo medicamento no afecta la presión arterial?

Datos:

Tratamiento Control

X 1  203,4 X 2  189,4
S1  39,4 S 2  39,0
n1  50 n 2  100
  0,05

Desviación estándar de diferencia en medias muestrales.

 S12 S 22 39,4 2 39 2
Sp  S X 1 X 2      6,801
n1 n2 50 100

Prueba de hipótesis para la diferencia de medias de 2 muestras independientes de colasuperior.

1.- Planteo de hipótesis.

H 0 : 1   2 . Presión arterial sistólica es igual en los 2 grupos.

H 1 : 1   2 . Presión arterial sistólica es mayoren el grupo de tratamiento.

2.- Nivel de significancia:   0,01

3.- Estadística de prueba.

Por ser los tamaños de muestras mayores a 30, la distribución muestral para la diferencia de medias se aproxima a la
distribución de probabilidad normal.

X1  X 2 203,4  189,4
Zp    2,06
Sp 6,801

4.- Regla de decisión.

Estadística Z critica, para Área = 0,50 – α = 0,49: Zc = 2,33

Regla de decisión: Se rechaza la Ho si Zp > 2,33; caso contrario se acepta.

5.- Decisión.

Como Zp = 2,06 es menor que 2,33 se acepta la Ho, entonces al nivel de significancia del 1% se concluye que la
presión arterial sistólica del grupo de tratamiento no es mayor al del grupo de control en forma significativa; razón por
la cual si se recomienda afirmar en la publicidad que el nuevo medicamento no afecta la presión arterial.

PROBLEMA 2(1.0 punto)

La familia Sánchez es dueña de una gran plantación de mangos en la costa ecuatoriana. A principios de la temporada
de cultivo, es preciso rociar las plantas de mango para protegerlas contra varios tipos de insectos y plagas. Hace poco
se comenzaron a comercializar dos nuevos insecticidas, A y B. Para probar su eficacia, se seleccionaron tres hileras
largas que se rociaron con A y otras tres fueron rociadas con B. Cuando maduraron los mangos, se verificaron 300 de
las plantas tratadas con A contra posibles infestaciones. Asimismo, se verificó una muestra de 250 plantas rociadas con
B. Los resultados fueron:

Insecticida N° de plantas verificadas N° de plantas

(tamaño de muestra) con plaga
A 300 40
B 250 25

Con un nivel de significancia de 0.05, ¿es posible concluir que existe una diferencia en la proporción de plantas de
mangos infestadas usando A en comparación con B?
Datos:

Insecticida A Insecticida B

X 1  40 X 2  25
n1  300 n2  250
p1  40 / 300  0,13̂ p 2  25 / 250  0,10
  0,05

X1  X 2 40  25
Proporción conjunta: p c    0,1182
n1  n2 300  250

Prueba de hipótesis para la diferencia de proporciones de 2 muestras independientes de 2 colas.

1.- Planteo de hipótesis.

H 0 :  1   2 . Proporción de plantas infestadas es igual usando los 2 insecticidas.

H 1 :  1   2 . Proporción de plantas infestadas es diferente usando los 2 insecticidas.

2.- Nivel de significancia:   0,05

3.- Estadística de prueba.

Por ser n.p y n (1-p) mayores a 5 para cada muestra se aplica la distribución normal.

p1  p 2 0,13̂  0,10
Zp    1,21
1 1   1 1 
p c 1  p c .   0,1182 (1  0,1182 ).  
 n1 n 2   300 250 

4.- Regla de decisión.

Estadística Z critica, para Área = 0,50 – α/2 = 0,475: Zc = ±1,96

Regla de decisión: Se rechaza la Ho si Zp está fuera de ±1,96; caso contrario se acepta.

5.- Decisión.

Como Zp = 1,21 está fuera de ±1,96 se acepta la Ho, entonces al nivel de significancia del 5% se concluye que no
existe una diferencia significativa en la proporción de plantas de mangos infestadas usando insecticida A o B.

PROBLEMA 3(1.0 punto)

Use el nivel de significancia de 0.05 para probar la afirmación de que la cantidad media de nicotina que contienen los
cigarrillos con filtro es menor que la cantidad media de nicotina que contienen los cigarrillos sin filtro. (Todas las
mediciones están en miligramos y los datos vienen de la Comisión Federal de los Estados Unidos).

Nicotina (mg)
Estadístico de la muestra Cigarrillos con filtro Cigarrillos sin filtro
 Tamaño 21 8
Media 0,94 1,65
Desviación estándar 0,31 0,16

Datos:

Con filtro Sin filtro

X 1  0,94 X 2  1,65
S1  0,31 S 2  0,16
n1  21 n2  8
  0,05

Varianza conjunta.

 n1  1.S12   n2  1.S 22 (21  1)  0,312  (8  1)  0,16 2

S p2    0,0778
n1  n 2  2 21  8  2

Prueba de hipótesis para la diferencia de medias de 2 muestras independientes de cola inferior.

1.- Planteo de hipótesis.

H 0 : 1   2 . Promedio de nicotina es igual en los 2 tipos de cigarrillos.

H 1 : 1   2 . Promedio de nicotina es menor en cigarrillos con filtro.

2.- Nivel de significancia:   0,05

3.- Estadística de prueba.

Por ser los tamaños de muestras menores a 30 y se desconocen los valores de la desviación estándar de cada
población, se aplica la distribución de probabilidad t.

X1  X 2 0,94  1,65
tp    6,126
1 1   1 1
S   
2
p
0,0778    
 n1 n 2   21 8 

4.- Regla de decisión.

Estadística t critica, para n1 + n2 – 2 = 27gl de una cola y α = 0,05: tc = -1,703

Regla de decisión: Se rechaza la Ho si tp < -1,703; caso contrario se acepta.

5.- Decisión.

Como tp = -6,126 es menor que -1,703 se rechaza la Ho, entonces al nivel de significancia del 5% se concluye que la
cantidad media de nicotina que contienen los cigarrillos con filtro es menor que la cantidad media de nicotina que
contienen los cigarrillos sin filtro en forma significativa.
PROBLEMA 4(1.0 punto)

Utilizando un cronómetro, se prueban sujetos para determinar los tiempos de reacción con sus manos derecha e
izquierda (solo se usaron sujetos diestros). Los resultados (en milésimas de segundos) se dan en la siguiente tabla:

Izquierda Derecha Sujeto

224 191 A
171 97 B
191 116 C
207 165 D
196 116 E
165 129 F
177 171 G
165 155 H
140 112 I
188 102 J
155 188 K
219 158 L
177 121 M
174 133 N

Utilice el nivel de significancia de 0.05 para probar la afirmación de que hay diferencia entre la media de los tiempos
de reacción con la mano derecha y con la mano izquierda. Si un ingeniero está diseñando la cabina de un avión a
reacción de combate y debe situar el activador del asiento de eyección de modo que esté accesible ya sea a la mano
derecha o a la izquierda, ¿es importante cuál mano escoja?

n  14;   0,05

Tabla de cálculos para la diferencia media de 2 muestras dependientes.

Sujeto Mano Mano Diferencia Dif media Cuadrado

Participante Izquierda Derecha D Dm (D-Dm)²
A 224 191 33 42,5 90,25
B 171 97 74 42,5 992,25
C 191 116 75 42,5 1056,25
D 207 165 42 42,5 0,25
E 196 116 80 42,5 1406,25
F 165 129 36 42,5 42,25
G 177 171 6 42,5 1332,25
H 165 155 10 42,5 1056,25
I 140 112 28 42,5 210,25
J 188 102 86 42,5 1892,25
K 155 188 -33 42,5 5700,25
L 219 158 61 42,5 342,25
M 177 121 56 42,5 182,25
N 174 133 41 42,5 2,25
Sumas: 595 14305,5

Diferencia media: D   D  595  42,5

n 14

  D  D
2

Desviación estándar: S D  14305,5

  33,1726
n 1 14  1
Prueba de hipótesis para la diferencia media de 2 muestras dependientes de 2 colas.

1.- Planteo de hipótesis.

H 0 :  D  0. Diferencia media en tiempos de reacción entre las 2 manos es igual a cero.

H 1 :  D  0. Diferencia media en tiempos de reacción entre las 2 manos es diferente a cero.

2.- Nivel de significancia:   0,05

3.- Estadística de prueba.

Por ser el tamaño de muestra menor a 30, se aplica la distribución de probabilidad t.

D 42,5
tp    4,794
SD / n 33,1726 / 14

4.- Regla de decisión.

Estadística t critica, para 13gl de 2 colas y α = 0,05: tc = ±2,16

Regla de decisión: Se rechaza la Ho si tp está fuera de±2,16; caso contrario se acepta.

E.- Decisión.

Como tp = 4,79 está fuerade ±2,16 se rechaza la Ho, entonces al nivel de significancia del 5% se concluye que la
diferencia media en el tiempo de reacción entre las dos manos es mayor que cero en forma significativa. Para el caso
del ingeniero que está diseñando la cabina de un avión a reacción de combate, para situar el activador del asiento de
eyección, es importante que sea accesible a la mano derecha y así tener el mínimo tiempo de reacción para su
activación.