Professional Documents
Culture Documents
PROBLEMARIO DE ESTADÍSTICA
INFERENCIAL
SEGUNDO PARCIAL
PRESENTA:
Error
estándar
de la
N Media media IC de 95% para μ
144 160.000 0.833 (158.367, 161.633)
μ: media de Muestra
Desviación estándar conocida = 10
CONCLUSIÓN: Tenemos una confianza del 95% de que la media verdadera de la población
analizada se encuentra entre 158.367 y 161.633
b) Z de una muestra
Estadísticas descriptivas
Error
estándar
de la
N Media media IC de 90% para μ
144 160.000 0.833 (158.629, 161.371)
μ: media de Muestra
Desviación estándar conocida = 10
CONCLUSIÓN: Tenemos una confianza del 90% de que la media verdadera de la población
analizada se encuentra entre 158.629 y 161.371
Error
estándar
de la IC de 99% para
N Media media μ
36 2.6000 0.0500 (2.4712, 2.7288)
μ: media de Muestra
Desviación estándar conocida = 0.3
CONCLUSIÓN: Tenemos una confianza del 99% de que la media verdadera de la cantidad de zinc
en el cereal se encuentra entre 2.4712 y 2.7288
3. El número de viajes mensuales realizados por los usuarios de una autopista sigue una
distribución normal de media desconocida y desviación típica de 6 viajes. Tomada una
muestra de 576 usuarios, su media mensual ha resultado ser de 12 viajes. Calcula los
intervalos de confianza del 95% y 99% para la media de la población.
a) Z de una muestra
Estadísticas descriptivas
Error
estándar
de la IC de 95% para
N Media media μ
576 12.000 0.250 (11.510, 12.490)
μ: media de Muestra
Desviación estándar conocida = 6
CONCLUSIÓN: Tenemos una confianza del 95% de que la media verdadera del número de viajes
mensuales realizados por los usuarios de una autopista se encuentra entre 11.51 y 12.49
b) Z de una muestra
Estadísticas descriptivas
Error
estándar
de la IC de 99% para
N Media media μ
576 12.000 0.250 (11.356, 12.644)
μ: media de Muestra
Desviación estándar conocida = 6
CONCLUSIÓN: Tenemos una confianza del 99% de que la media verdadera del número de viajes
mensuales realizados por los usuarios de una autopista se encuentra entre 11.356 y 12.644
INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA MUESTRA PEQUEÑA
1. Se desea estudiar el peso en gramos del fruto producido por una planta. Para ello se
tomó una muestra de 16 plantas observando los siguientes pesos: 506, 508, 499, 503,
504, 510, 497, 512, 514, 505, 493, 496, 506, 502, 509, 496. El peso del fruto de cada
planta es una v.a. Normal con desviación típica 5 gr. Obtener un intervalo de confianza
al nivel de confianza 0.9 para el peso medio del fruto de esta planta.
T de una muestra: MASA DE LAS FRUTAS
Estadísticas descriptivas
2. El contenido de siete contenedores similares de ácido sulfúrico son 9.8, 10.2, 10.4, 9.8,
10.0, 10.2 y 9.6 litros. Encuentre un intervalo de confianza del 95% para la media de
todos los contenedores si se supone una distribución aproximadamente normal.
T de una muestra: CONTENEDORES DE ÁCIDO SULFÚRICO
Estadísticas descriptivas
Error
estándar
de la IC de 95%
N Media Desv.Est. media para μ
7 10.000 0.283 0.107 (9.738, 10.262)
μ: media de CONTENEDORES DE ÁCIDO SULFÚRICO
CONCLUSIÓN: Tenemos una confianza del 95% de que la media verdadera del volumen contenido
por los contenedores de ácido sulfúrico se encuentra entre 501.03 y 506.47
Se desea encontrar un nivel de confianza del 95% para el tiempo de combustión residual
promedio. Supóngase que el tiempo de combustión residual sigue una distribución
normal.
T de una muestra: TIEMPO DE COMBUSTIÓN RESIDUAL
Estadísticas descriptivas
Error
estándar
de la IC de 95% para
N Media Desv.Est. media μ
20 9.8525 0.0965 0.0216 (9.8074, 9.8976)
μ: media de TIEMPO DE COMBUSTIÓN RESIDUAL
CONCLUSIÓN: Tenemos una confianza del 95% de que la media verdadera del tiempo de
combustión residual en segundos de especímenes tratados de ropa para dormir para niños se
encuentra entre 9.8074 y 9.8976
INTERVALO DE CONFIANZA PARA PROPORCIONES
1. Tomada al azar una muestra de 500 personas en cierta comunidad autónoma, se
encontró que 220 leían algún periódico habitualmente. Calcula, con un nivel de
confianza del 95%, el intervalo en el que se encontrará la verdadera proporción de
lectores de periódicos.
Prueba e IC para una proporción
Método
p: proporción de eventos
Para este análisis se utiliza el método de aproximación a la normal.
Estadísticas descriptivas
CONCLUSIÓN: Tenemos una confianza del 95% de que la verdadera proporción de lectores de
periódico se encuentra entre 0.396491 y 0.483509.
2. Se ha obtenido una muestra al azar de 150 vendedores de una Editorial para estimar la
proporción de vendedores en la Editorial que no alcanza un límite de ventas mínimo
establecido por la dirección. De entre los seleccionados, 50 no han conseguido llegar al
límite de ventas mínimo establecido.
Intervalo de confianza para la proporción de trabajadores en la Editorial que no
alcanza el límite al 80 %.
Interprete los intervalos obtenidos.
Prueba e IC para una proporción
Método
p: proporción de eventos
Para este análisis se utiliza el método de aproximación a la normal.
Estadísticas descriptivas
CONCLUSIÓN: Tenemos una confianza del 80% de que la verdadera proporción de trabajadores
de la Editorial que no alcanzaron el límite se ventas se encuentra entre 0.284006 y 0.382660.
3. En una muestra al azar de 120 empresas inspeccionadas de entre las visitadas un año
determinado por los inspectores de trabajo de una provincia se ha sancionado a 90 de
ellas. Estime a un nivel de confianza del 80 % la proporción de empresas que sanciona
la Inspección de Trabajo.
Prueba e IC para una proporción
Método
p: proporción de eventos
Para este análisis se utiliza el método de aproximación a la normal.
Estadísticas descriptivas
CONCLUSIÓN: Tenemos una confianza del 80% de que la verdadera proporción de las empresas
que han sido sancionadas por la inspección de trabajo se encuentra entre 0.699342 y 0.800658.
INTERVALO DE CONFIANZA PARA LA VARIANZA (O DESVIACIÓN ESTÁNDAR) DE
UNA POBLACIÓN
1. En 16 recorridos, el consumo de gasolina de un motor experimental tuvo una desviación
estándar de 2.2 litros construir un intervalo de confianza del 99% para la varianza y para
la desviación estándar esperadas de este motor.
Prueba y CI para una varianza
Método
IC de 99%
para σ²
usando
N Desv.Est. Varianza Chi-cuadrada
16 2.20 4.84 (2.21, 15.78)
CONCLUSIÓN: Tenemos una confianza del 99% de que la verdadera varianza del consumo de
gasolina de un motor experimental se encuentra entre 2.21 y 15.78.
DESVIACIÓN ESTÁNDAR
Estadísticas descriptivas
IC de 99%
para σ
usando
N Desv.Est. Varianza Chi-cuadrada
16 2.20 4.84 (1.49, 3.97)
CONCLUSIÓN: Tenemos una confianza del 99% de que la verdadera desviación estándar del
consumo de gasolina de un motor experimental se encuentra entre 1.49 y 3.97.
Estadísticas descriptivas
IC de 90%
para σ²
usando
N Desv.Est. Varianza Chi-cuadrada
30 179 32000 (21806, 52405)
CONCLUSIÓN: Tenemos una confianza del 90% de que la verdadera varianza de la resistencia a la
rótula de los cables probados se encuentra entre 21806 y 52405.
IC de 95%
para σ²
usando
N Desv.Est. Varianza Chi-cuadrada
25 10.0 100 (61.0, 193.5)
CONCLUSIÓN: Tenemos una confianza del 95% de que la verdadera varianza de la altura de los
individuos de una ciudad se encuentra entre 61 y 193.5.
INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE LAS MEDIAS DE 2
PROBLACIONES (CASO I-II-III)
1. CASO I: Construya un intervalo de confianza del 94% para la diferencia real entre las
duraciones de dos marcas de focos, si una muestra de 40 focos tomada al azar de la
primera marca dio una duración media de 418 horas, y una muestra de 50 focos de otra
marca dieron una duración media de 402 horas. Las desviaciones estándares de las
dos poblaciones son 26 horas y 22 horas, respectivamente.
Prueba T de dos muestras e IC
Método
Error
estándar
de la
Muestra N Media Desv.Est. media
Muestra 1 40 418.0 26.0 4.1
Muestra 2 50 402.0 22.0 3.1
Estimación de la diferencia
IC de 94%
para la
Diferencia diferencia
16.00 (6.16, 25.84)
CONCLUSIÓN: Tenemos una confianza del 94% de que la media de duración de la primera marca
de focos es mayor a la media de duración de la segunda marca de focos.
2. CASO III: Se realizó un experimento para comparar el tiempo promedio requerido por
el cuerpo humano para absorber dos medicamentos, A y B. Suponga que el tiempo
necesario para que cada medicamento alcance un nivel específico en el torrente
sanguíneo se distribuye normalmente. Se eligieron al azar a doce personas para
ensayar cada fármaco registrándose el tiempo en minutos que tardó en alcanzar un
nivel específico en la sangre. Calcule un intervalo de confianza del 95% para la
diferencia del tiempo promedio. Suponga varianzas iguales.
Prueba T de dos muestras e IC
Método
Error
estándar
de la
Muestra N Media Desv.Est. media
Muestra 1 12 26.80 3.95 1.1
Muestra 2 12 32.60 4.19 1.2
Estimación de la diferencia
IC de 95%
para la
Diferencia diferencia
-5.80 (-9.25, -2.35)
CONCLUSIÓN: Tenemos una confianza del 95% de que la media del tiempo de absorción del
medicamento B es mayor a la media del tiempo de absorción del medicamento A.
3. CASO III: Se comparan dos tipos distintos de recubrimientos para tubos, en cuanto a
su aptitud para tolerar la corrosión. La cantidad de corrosión en una muestra de tubo se
cuantifica midiendo la profundidad máxima de las picaduras. Para el recubrimiento A.
35 muestras mostraron una profundidad máxima promedio de 0.18 cm. La desviación
estándar de estas profundidades máximas fue 0.02 cm. Para el recubrimiento B, las
profundidades máximas de picaduras en 30 muestras tuvieron un promedio de 0.21 cm.
y desviación estándar de 0.03 cm. Estimar la diferencia verdadera entre profundidades
promedio en un intervalo de confianza del 90%. ¿Piensa el lector que el recubrimiento
B es un mejor inhibidor de la corrosión?
Prueba T de dos muestras e IC
Método
IC de 90% para la
Diferencia diferencia
-0.03000 (-0.04079, -0.01921)
CONCLUSIÓN: Tenemos una confianza del 90% de que la media de la distancia máxima de
corrosión para el recubrimiento B es mayor que la media de la distancia máxima de corrosión para
el recubrimiento A, por lo que este no es mejor.
INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE LAS MEDIAS DE 2
PROBLACIONES (CASO IV-V)
1. CASO IV: La siguiente tabla presenta los resultados de dos muestras aleatorias para
comparar el contenido de nicotina de dos marcas de cigarrillos.
MARCA A MARCA B
n 10 8
𝑥̅ 3.1 2.7
s 0.5 0.7
Error
estándar
de la
Muestra N Media Desv.Est. media
Muestra 1 10 3.100 0.500 0.16
Muestra 2 8 2.700 0.700 0.25
Estimación de la diferencia
IC de 95%
Desv.Est. para la
Diferencia agrupada diferencia
0.400 0.596 (-0.199, 0.999)
CONCLUSIÓN: Tenemos una confianza del 95% de que la media del contenido de nicotina en
ambas marcas de cigarrillos es la misma.
Error
estándar
de la
Muestra N Media Desv.Est. media
PROCESO ESTÁNDAR 12 443.3 24.8 7.2
PROCESO NUEVO 12 451.4 14.9 4.3
Estimación de la diferencia
IC de 99%
para la
Diferencia diferencia
-8.08 (-32.16, 15.99)
CONCLUSIÓN: Tenemos una confianza del 99% de que la media de las tensiones de ruptura de
ambas muestras es la misma.
3. CASO V: Suponga que tiene una muestra n1=8 con una media muestral x1=42 y una
desviación estándar s1=4 y tiene una muestra independiente de n2=15 de otra
población con una media muestral de x2=34 y una desviación estándar de la muestra
de s2=5. Construya una estimación con un intervalo de confianza del 95% de la relación
de las medias.
Prueba T de dos muestras e IC
Método
Estadísticas descriptivas
CONCLUSIÓN: Tenemos una confianza del 95% de que la media de la primera población es mayor
que la media de la segunda población.
INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE LAS PROPORCIONES DE 2
PROBLACIONES
1. Una firma productora de software afirma que su sistema operativo AX, sobrepasa en
ventas a la marca de su más cercano competidos el sistema operativo BX, en 8%. Si se
encuentra que 42 de 200 compañías prefirieron la marca AX y 18 de 150 el sistema
operativo BX, calcule un intervalo de confianza de 94% para la diferencia entre las
proporciones de ventas de las dos marcas de sistemas operativos y determine si la
diferencia de 8% es una afirmación válida.
Prueba e IC para dos proporciones
Método
IC de 94% para la
Diferencia diferencia
0.09 (0.016348, 0.163652)
IC basado en la aproximación a la normal
CONCLUSIÓN: Tenemos una confianza del 94% de sistemas operativos vendidos por la compañía
A es mayor a la proporción de sistemas operativos vendidos por la compañía B. además, esta
diferencia excede al 8%, por lo que la afirmación asegurada por la empresa A es cierta.
CONCLUSIÓN: Tenemos una confianza del 98% de que la proporción de operarios que no tiene
objeción alguna a la nueva política en la compañía A es igual a la proporción de operarios que no
tiene ninguna objeción en la compañía B.
3. Dos marcas de televisores, representados por A y B tienen tres años de garantía. Una
muestra aleatoria de 100 televisores de marca A, 24 se descompusieron antes de
concluir el período de garantía. Una muestra aleatoria independiente de 120 televisores,
marca B, dejó que 24 fallaron durante la garantía. Estime la diferencia real (P1-P2) entre
las cantidades de descompuestos durante el período de garantía con un intervalo de
confianza de 98%.
Prueba e IC para dos proporciones
Método
IC de 90% para
Muestra N Desv.Est. Varianza σ²
Muestra 1 12 6.280 39.438 (22.049, 94.828)
Muestra 2 15 3.200 10.240 (6.053, 21.818)
Relación de varianzas
IC de 90%
para la
Relación relación
estimada usando F
3.85141 (1.501, 10.548)
CONCLUSIÓN: Tenemos una confianza del 90% de que la varianza de las magnitudes de los sismos
medidos en la muestra uno es mayor que la varianza de las magnitudes de los sismos medidos en
la muestra dos.
A B
IC de 90%
Variable N Desv.Est. Varianza para σ²
TIEMPOS DE SECADO DE A 15 0.779 0.607 (0.362, 1.284)
TIEMPOS DE SECADO DE B 15 0.754 0.568 (0.369, 1.105)
Relación de varianzas
IC de 90% IC de 90%
para la para la
relación relación
Relación usando usando
estimada Bonett Levene
1.06888 (0.445, 2.346) (0.382, 2.565)
Empresa Minutos
A 100 90 120 95 87
B 90 88 130 85 190 90 125
Calcule un intervalo de confianza del 90% para la σ 21/σ 22 de los tiempos de llenado de
tanques de agua. La duración se distribuye de forma aproximadamente normal.
IC de 90% IC de
Relación para la 90% para
estimada relación la
usando relación
Bonett usando
Levene
0.115824 (0.015, 2.999) (0.005, *)
PRUEBAS DE HIPÓTESIS PARA MEDIAS
1. La duración de la bombillas de 100 W que fabrica una empresa sigue una distribución
normal con una desviación típica de 120 horas de duración. Su vida media está
garantizada durante un mínimo de 800 horas. Se escoge al azar una muestra de 50
bombillas de un lote y, después de comprobarlas, se obtiene una vida media de 750
horas. Con un nivel de significación de 0,01, ¿habría que rechazar el lote por no cumplir
la garantía?
Error
estándar Límite
de la superior
Conclusión: Cómo P<𝛼, se rechaza Ho y toma Ha. Con una significancia del 1% aceptamos la
hipótesis alternativa.
Error
estándar Límite
de la superior
3. El control de calidad una fábrica de pilas y baterías sospecha que hubo defectos en la
producción de un modelo de batería para teléfonos móviles, bajando su tiempo de
duración. Hasta ahora el tiempo de duración en conversación seguía una distribución
normal con media 300 minutos y desviación típica 30 minutos. Sin embargo, en la
inspección del último lote producido, antes de enviarlo al mercado, se obtuvo que de
una muestra de 60 baterías el tiempo medio de duración en conversación fue de 290
minutos. Suponiendo que ese tiempo sigue siendo Normal con la misma desviación
típica:
¿Se puede concluir que las sospechas del control de calidad son ciertas a un nivel de
significación del 2%?
Error
estándar Límite
de la superior
Conclusión: Cómo P<𝛼, se rechaza Ho y toma Ha. Con una significancia del 2% aceptamos la
hipótesis alternativa.
PRUEBAS DE HIPÓTESIS DE MEDIA PARA MUESTRAS
GRANDES (n>30)
1. Un gerente de una empresa afirma que sus vendedores concretan 9 ventas diarias. En
un estudio realizado a 35 vendedores se encontró que la media es de 8.05 con una
desviación estándar de 3.9. Con un nivel de confianza del 95%, confirme que los
vendedores realizan 9 ventas diarias.
Planteamiento de las hipótesis
H0= 𝝁 = 𝟗
Ha= 𝝁 ≠ 𝟗
Z de una muestra
Estadísticas descriptivas
Error
estándar
de la IC de 95%
N Media media para μ
35 8.050 0.659 (6.758, 9.342)
μ: media de Muestra
Desviación estándar conocida = 3.9
Prueba
Hipótesis nula H₀: μ = 9
Hipótesis alterna H₁: μ ≠ 9
Valor Z Valor p
-1.44 0.150
CONCLUSIÓN: Debido a que p>α, se acepta H0. La evidencia provee suficiente información
para asegurar, con un nivel de significancia del 5%, que la cantidad promedio de ventas
diarias de los empleados de una empresa es igual a 9.
2. Los enanos de Blanca Nieves le informan que excavan 12 toneladas promedio por
semana. Nieves recolecta datos de 49 semanas y obtiene X=11.5, s= 1.1 a un nivel de
significancia α=10%. ¿Los Enanos están en lo cierto?
Planteamiento de las hipótesis
H0= 𝝁 = 𝟏𝟐
Ha= 𝝁 ≠ 𝟏𝟐
Z de una muestra
Estadísticas descriptivas
Error
estándar
de la IC de 90% para
N Media media μ
μ: media de Muestra
Desviación estándar conocida = 1.1
Prueba
Hipótesis nula H₀: μ = 12
Valor Z Valor p
-3.18 0.001
Z de una muestra
Estadísticas descriptivas
Error Límite
estándar superior
de la de 95%
N Media media para μ
144 4477.0 94.0 4631.6
μ: media de Muestra
Desviación estándar conocida = 1128
Prueba
Hipótesis nula H₀: μ = 4500
Hipótesis alterna H₁: μ < 4500
Valor Z Valor p
-0.24 0.403
CONCLUSIÓN: Debido a que p>α, se acepta H0. La evidencia provee suficiente información
para asegurar, con un nivel de significancia del 5%, que la cantidad promedio vendida de
pollo frito es mayor a $4500, por lo que eliminarlo del menú sería una maña decisión.
PRUEBAS DE HIPÓTESIS DE MEDIA PARA MUESTRAS
PEQUEÑAS (n≤30)
1. Según la OMC, un índice de masa corporal para una persona saludable está entre 18.5
y 24.99. Valores de 25 a 29.99 se considera a la persona como pre obesa. Una persona
muy acomplejada se ha pesado cada semana durante los últimos 2 meses y calculando
su IMC, obteniendo un IMC promedio de 25.7 y una desviación estándar muestral de
0.8. En total se realizaron 8 mediciones. Compruebe estadísticamente con un 5% de
confiabilidad si esta persona es o no es pre obesa.
Planteamiento de las hipótesis
H0= 𝝁 ≤ 𝟐𝟓
Ha= 𝝁 > 𝟐𝟓
T de una muestra
Estadísticas descriptivas
Error Límite
estándar inferior
de la de
N Media Desv.Est. media 95% para μ
8 25.700 0.800 0.283 25.164
μ: media de Muestra
Prueba
Hipótesis nula H₀: μ = 25
Hipótesis alterna H₁: μ > 25
Valor T Valor p
2.47 0.021
T de una muestra
Estadísticas descriptivas
Error Límite
estándar superior
de la de 95%
N Media Desv.Est. media para μ
8 1120.0 125.0 44.2 1203.7
μ: media de Muestra
Prueba
Hipótesis nula H₀: μ = 1200
Hipótesis alterna H₁: μ < 1200
Valor T Valor p
-1.81 0.057
CONCLUSIÓN: Debido a que p>α, se acepta H0. La evidencia provee suficiente información
para asegurar, con un nivel de significancia del 5%, que la media de duración de las
lámparas producidas por la compañía es de 1200 horas.
3. Se quiere probar la afirmación de que la distancia promedio viajada por pelotas de golf
es de 250 yardas a un 95% de confianza. Se toma una muestra de 16 distancias.
269 288
300 278
268 276
278 286
282 296
263 265
301 271
295 279
Estadísticos descriptivos: C1
Estadísticas
Variable Media Desv.Est. Varianza
C1 280.94 12.37 153.13
T de una muestra: C1
Estadísticas descriptivas
Error
estándar
de la IC de 95% para
N Media Desv.Est. media μ
16 280.94 12.37 3.09 (274.34, 287.53)
μ: media de C1
Prueba
Hipótesis nula H₀: μ = 250
Hipótesis alterna H₁: μ ≠ 250
Valor T Valor p
10.00 0.000
Estadísticas descriptivas
Error
estándar
de la
Muestra N Media Desv.Est. media
Muestra 1 15 85.00 5.48 1.4
Muestra 2 22 87.00 5.00 1.1
Prueba
Hipótesis nula H₀: μ₁ - µ₂ = 0
Hipótesis alterna H₁: μ₁ - µ₂ ≠ 0
Valor T GL Valor p
-1.13 28 0.268
CONCLUSIÓN: Debido a que p>α, se acepta H0 y se rechaza Ha. La evidencia provee
suficiente información para asegurar, con un nivel de significancia del 5%, que la media de
calificaciones de los alumnos móviles es igual a la media de calificaciones de los alumnos
no moviles.
2. Para tomar una importante decisión a nivel profesional se desea determinar si existen
diferencias significativas fundamentadas entre dos empresas referentes al salario de sus
empleados. Se realiza una investigación revisando el salario de 60 trabajadores de la
empresa A y 70 de la empresa B. Se obtiene un salario medio de 30000 euros anuales con
una desviación típica de 1000 euros en el primer grupo y un salario medio de 25000 euros
anuales con una desviación típica de 1500 en el segundo grupo. ¿Podríamos decidir a favor
de alguna de las dos empresas con un nivel de significación del 1%?
Estadísticas descriptivas
Error
estándar
de la
Muestra N Media Desv.Est. media
Muestra 1 60 30000 1000 129
Muestra 2 70 25000 1500 179
Prueba
Hipótesis nula H₀: μ₁ - µ₂ = 0
Hipótesis alterna H₁: μ₁ - µ₂ ≠ 0
Valor T GL Valor p
22.63 121 0.000
Estadísticas descriptivas
Error
estándar
de la
Muestra N Media Desv.Est. media
Muestra 1 40 13.000 0.700 0.11
Muestra 2 35 11.000 0.300 0.051
Prueba
Hipótesis nula H₀: μ₁ - µ₂ = 0
Hipótesis alterna H₁: μ₁ - µ₂ > 0
Valor T GL Valor p
16.43 54 0.000
Relación de varianzas
Relación
estimada IC de 95% para la relación usando F
0.64 (0.133, 2.686)
Estadísticas descriptivas
Muestra N Media Desv.Est. Error estándar de la media
Muestra 1 10 23.00 4.00 1.3
Muestra 2 8 26.00 5.00 1.8
Estimación de la diferencia
Desv.Est.
Diferencia agrupada IC de 95% para la diferencia
-3.00 4.47 (-7.49, 1.49)
Prueba
Hipótesis nula H₀: μ₁ - µ₂ = 0
Hipótesis alterna H₁: μ₁ - µ₂ ≠ 0
Valor T GL Valor p
-1.42 16 0.176
Estadísticas descriptivas
IC de 99% para
Muestra N Desv.Est. Varianza σ²
Muestra 1 15 12.000 144.000 (64.369, 494.763)
Muestra 2 14 15.000 225.000 (98.090, 820.469)
Relación de varianzas
IC de 99%
para la
Relación relación
estimada usando F
0.64 (0.142, 2.790)
Estadísticas descriptivas
Error
estándar
de la
Muestra N Media Desv.Est. media
Muestra 1 15 350.0 12.0 3.1
Muestra 2 14 342.0 15.0 4.0
Estimación de la diferencia
IC de 99%
Desv.Est. para la
Diferencia agrupada diferencia
8.00 13.53 (-5.93, 21.93)
Prueba
Hipótesis nula H₀: μ₁ - µ₂ = 0
Hipótesis alterna H₁: μ₁ - µ₂ ≠ 0
Valor T GL Valor p
1.59 27 0.123
Al nivel de significancia de 0.01, ¿la calificación media de las mujeres es más alta que la de
los hombres?
Planteamiento de las hipótesis
H0= 𝝁𝟏 ≥ 𝝁𝟐
Ha= 𝝁𝟏 < 𝝁𝟐
Estadísticas descriptivas
IC de 99% para
Variable N Desv.Est. Varianza σ²
HOMBRES 9 9.487 90.000 (32.794, 535.550)
MUJERES 7 6.880 47.333 (15.312, 420.288)
Relación de varianzas
IC de 99%
para la
Relación relación
estimada usando F
1.90141 (0.180, 15.120)
Error
Muestra N Media Desv.Est. estándar
de la
media
HOMBRES 9 78.00 9.49 3.2
MUJERES 7 79.00 6.88 2.6
Estimación de la diferencia
Límite superior
Desv.Est. de 99% para la
Diferencia agrupada diferencia
-1.00 8.47 10.20
Prueba
Estadísticas descriptivas
Límite
inferior
de
N Evento Muestra p 90% para p
1000 542 0.542000 0.521809
Prueba
Hipótesis nula H₀: p = 0.5
Hipótesis alterna H₁: p > 0.5
Valor Z Valor p
2.66 0.004
Estadísticas descriptivas
Límite inferior
N Evento Muestra p de 97.5% para p
600 200 0.333333 0.295614
Prueba
Hipótesis nula H₀: p = 0.3
Hipótesis alterna H₁: p > 0.3
Valor Z Valor p
1.78 0.037
CONCLUSIÓN: Debido a que p>α, se acepta H0. La evidencia provee suficiente información
para asegurar, con un nivel de significancia del 2.5%, que la proporción de alumnos que
estudian y trabajan al mismo tiempo es igual a 0.3.
3. El expendio Pollos Deliciosos asegura que 90% de sus órdenes se entregan en menos
de 10 minutos. En una muestra de 100 órdenes, 82 se entregaron dentro de ese lapso.
Puede concluirse en el nivel de significancia 0,01, que menos de 90% de las órdenes
se entregan en menos de 10 minutos?
Planteamiento de las hipótesis
H0= 𝒑 ≥ 𝟎. 𝟗
Ha= 𝒑 < 𝟎. 𝟗
Estadísticas descriptivas
Límite
superior de
N Evento Muestra p 99% para p
100 82 0.820000 0.909375
Prueba
Hipótesis nula H₀: p = 0.9
Hipótesis alterna H₁: p < 0.9
Valor Z Valor p
-2.67 0.004
Estadísticas descriptivas
Muestra N Evento Muestra p
Muestra 1 20 18 0.900000
Muestra 2 20 14 0.700000
Estimación de la diferencia
IC de 95% para la
Diferencia diferencia
0.2 (-0.040046, 0.440046)
IC basado en la aproximación a la normal
Prueba
Hipótesis nula H₀: p₁ - p₂ = 0
Hipótesis alterna H₁: p₁ - p₂ ≠ 0
Método Valor Z Valor p
Aproximación normal 1.63 0.102
Exacta de Fisher 0.235
La aproximación normal puede ser inexacta para muestras pequeñas.
CONCLUSIÓN: Debido a que p>α, se acepta H0. La evidencia provee suficiente información
para asegurar, con un nivel de significancia del 5%, que la proporción de alumnos a favor
de la nueva enseñanza es la misma en ambos paralelos.
2. De 150 adultos que probaron un nuevo caramelo, 87 lo calificaron de excelente. De
200 niños en una muestra, 123 lo estimaron también como excelente. Utilizando el nivel
de significancia de 0.10. ¿es posible concluir que hay una diferencia en la proporción
de adultos y niños que califican al producto como excelente?
Planteamiento de las hipótesis
H0= 𝒑𝟏 = 𝒑𝟐
Ha= 𝒑𝟏 ≠ 𝒑𝟐
Estadísticas descriptivas
Muestra N Evento Muestra p
Muestra 1 150 87 0.580000
Muestra 2 200 123 0.615000
Estimación de la diferencia
IC de 99% para la
Diferencia diferencia
-0.035 (-0.171492, 0.101492)
IC basado en la aproximación a la normal
Prueba
Hipótesis nula H₀: p₁ - p₂ = 0
Hipótesis alterna H₁: p₁ - p₂ ≠ 0
Método Valor Z Valor p
Aproximación normal -0.66 0.509
Exacta de Fisher 0.511
CONCLUSIÓN: Debido a que p>α, se acepta H0. La evidencia provee suficiente información
para asegurar, con un nivel de significancia del 1%, que la proporción de adultos y de niños
que califican al dulce como excelente es la misma.
3. Una firma manufacturera de cigarros distribuye dos marcas. Si se encuentra que 56 de
200 fumadores prefieren la marca A y que 29 de 150 fumadores prefieren la marca B.
¿Puede concluirse con un nivel de significancia de 0.07 que la marca A aventaja en
vetas a la marca B?
Planteamiento de las hipótesis
H0= 𝒑𝟏 ≤ 𝒑𝟐
Ha= 𝒑𝟏 > 𝒑𝟐
Estadísticas descriptivas
Muestra N Evento Muestra p
Muestra 1 200 56 0.280000
Muestra 2 150 29 0.193333
Estimación de la diferencia
Límite inferior
de 93% para la
Diferencia diferencia
0.0866667 0.019885
IC basado en la aproximación a la normal
Prueba
Hipótesis nula H₀: p₁ - p₂ = 0
Hipótesis alterna H₁: p₁ - p₂ > 0
Método Valor Z Valor p
Aproximación normal 1.92 0.028
Exacta de Fisher 0.040
Estadísticas descriptivas
Límite inferior
de 95% para σ²
usando
N Desv.Est. Varianza Chi-cuadrada
10 0.0173 0.000300 0.0002
Prueba
Hipótesis nula H₀: σ² = 0.0002
Hipótesis alterna H₁ : σ² > 0.0002
Estadística
Método de prueba GL Valor p
Chi-cuadrada 13.50 9 0.141
CONCLUSIÓN: Debido a que p>α, se acepta H0.La evidencia provee suficiente información
para asegurar, con un nivel de significancia del 5%, que la varianza de los diámetros de las
piezas para motor no está por encima del 0.0002, lo cual lleva a aceptar la afirmación del
proveedor.
2. El contenido de azúcar del almíbar de los duraznos enlatados tiene una distribución
normal, donde se cree que la varianza es s2 = 18 mg2 . Se toma una muestra de 10 latas
dieron una desviación estándar de 4.8 mg. ¿Muestran estos datos suficiente evidencia
para decir que la varianza ha cambiado?. Use un a = 0.05 y calcule el valor de P.
Planteamiento de las hipótesis
H0= 𝝈𝟐 = 𝟏𝟖
Ha= 𝝈𝟐 ≠ 𝟏𝟖
Estadísticas descriptivas
IC de 95%
para σ²
usando
N Desv.Est. Varianza Chi-cuadrada
10 4.80 23.0 (10.90, 76.79)
Prueba
Hipótesis nula H₀: σ² = 18
Hipótesis alterna H₁ : σ² ≠ 18
Estadística
Método de prueba GL Valor p
Chi-cuadrada 11.52 9 0.483
CONCLUSIÓN: Debido a que p>α, se acepta H0. La evidencia provee suficiente información
para asegurar, con un nivel de significancia del 5%, que la varianza presente que presenta
el contenido de azúcar del almíbar de los duraznos enlatados es igual a 18 mg2.
3. La St. Louis Metro Bus Company de Estados Unidos, desea dar una imagen de
confiabilidad haciendo que sus conductores sean puntuales en los horarios de llegada
a las paradas. La empresa desea que haya poca variabilidad en dichos tiempos. En
términos de la varianza de los tiempos de llegada de las paradas, la empresa desea
que la varianza sea de 4 minutos o menos. Esta prueba de hipótesis se realiza con un
nivel de significancia de α = 0.05. Asuma que en una muestra aleatoria de 24 llegadas
a cierta parada en una intersección en el centro de la ciudad, la varianza muestral
encontrada es s2=4.9.
Planteamiento de las hipótesis
H0= 𝝈𝟐 ≤ 𝟒
Ha= 𝝈𝟐 > 𝟒
Estadísticas descriptivas
Límite inferior
de 95% para σ²
usando
N Desv.Est. Varianza Chi-cuadrada
24 2.21 4.90 3.20
Prueba
CONCLUSIÓN: Debido a que p>α, se acepta H0. La evidencia provee suficiente información
para asegurar, con un nivel de significancia del 5%, que la varianza presente en los tiempos
de llegada de los autobuses de la St. Louis Metro Bus Company de Estados Unidos es
menor o igual a 4 minutos.
PRUEBAS DE HIPÓTESIS PARA LA DESVIACIÓN ESTÁNDAR O
LA VARIANZA DE DOS MUESTRAS
1. Se realiza un estudio para comparar el tiempo que les toma a hombres y mujeres
ensamblar cierto producto. La experiencia indica que la distribución del tiempo tanto
para hombres como para mujeres es aproximadamente normal, pero que la varianza
del tiempo para las mujeres es menor que para los hombres. Una muestra aleatoria de
los tiempos de 11 hombres y 14 mujeres produce los siguientes datos:
Pruebe la hipótesis de que 𝜎 12 = 𝜎22 contra la alternativa de que 𝜎 12 > 𝜎22 . Utilice un
valor P en su conclusión.
Planteamiento de las hipótesis
H0= 𝝈 𝟐𝟏 = 𝝈𝟐𝟐
Ha= 𝝈 𝟐𝟏 > 𝝈𝟐𝟐
Estadísticas descriptivas
Límite
inferior
de 95%
Muestra N Desv.Est. Varianza para σ²
Muestra 1 11 6.100 37.210 20.326
Muestra 2 14 5.300 28.090 16.330
Relación de varianzas
Límite inferior
de 95% para la
Relación relación usando
estimada F
1.32467 0.496
Prueba
Hipótesis nula H₀: σ₁² / σ₂² = 1
Hipótesis alterna H₁: σ₁² / σ₂² > 1
Nivel de significancia α = 0.05
Estadística
Método de prueba GL1 GL2 Valor p
F 1.32 10 13 0.312
CONCLUSIÓN: Debido a que p>α, se acepta H0. La evidencia provee suficiente información
para asegurar, con un nivel de significancia del 5%, que la varianza del tiempo que les toma
ensamblar una pieza a hombres y a mujeres es la misma.
2. Se lleva a cabo un experimento para comparar el contenido de alcohol en una salsa de soya en
dos líneas de producción diferentes. La producción se supervisa ocho veces al día. A
continuación, se presentan los datos.
Suponga que ambas poblaciones son normales. Se sospecha que la línea de producción 1 no
está produciendo tan consistentemente como la línea 2 en términos de contenido de alcohol.
Pruebe la hipótesis de que σ1 = σ2 contra la alternativa de que σ1 ≠ σ2. Utilice un valor P.
Estadísticas descriptivas
IC de 95%
Variable N Desv.Est. Varianza para σ
LINEA 1 8 0.055 0.003 (0.037, 0.113)
LINEA 2 8 0.012 0.000 (0.008, 0.025)
Prueba
Hipótesis nula H₀: σ₁ / σ₂ = 1
Hipótesis alterna H₁: σ₁ / σ₂ ≠ 1
Nivel de significancia α = 0.05
Estadística
Método de prueba GL1 GL2 Valor p
F 19.67 7 7 0.001
H0= 𝝈 𝟏 ≥ 𝝈𝟐
Ha= 𝝈 𝟏 < 𝝈𝟐
Estadísticas descriptivas
Muestra N Desv.Est. Varianza Límite superior de 95% para σ
Muestra 1 23 32.000 1024.000 42.731
Muestra 2 21 54.000 2916.000 73.312
Prueba
Hipótesis nula H₀: σ₁ / σ₂ = 1
Hipótesis alterna H₁: σ₁ / σ₂ < 1
Nivel de significancia α = 0.05
Estadística
Método de prueba GL1 GL2 Valor p
F 0.35 22 20 0.010
H0= 𝝁 𝒅 = 𝟎
Ha= 𝝁 𝒅 ≠ 𝟎
Prueba
Hipótesis nula H₀: diferencia_μ = 0
Hipótesis alterna H₁: diferencia_μ ≠ 0
Valor T Valor p
3.25 0.010
EMPLEADO 1 2 3 4 5 6 7 8
ANTES 5 8 7 6 9 7 12 8
DESPUÉS 8 10 7 11 9 12 14 9
H0= 𝝁 𝒅 ≥ 𝟎
Ha= 𝝁 𝒅 < 𝟎
Prueba
Hipótesis nula H₀: diferencia_μ = 0
Hipótesis alterna H₁: diferencia_μ < 0
Valor T Valor p
-3.21 0.007
H0= 𝝁 𝒅 = 𝟎
Ha= 𝝁 𝒅 ≠ 𝟎
Prueba
Hipótesis nula H₀: diferencia_μ = 0
Hipótesis alterna H₁: diferencia_μ ≠ 0
Valor T Valor p
0.21 0.842
1. Un dado se lanzó 36 veces, haga una prueba con un nivel de significancía del 5%, para
comprobar si el dado es legal o no. Los resultados obtenidos del ejercicio fueron los
siguientes:
Prueba de chi-cuadrada
N GL Chi-cuad. Valor p
36 5 2.66667 0.751
Con a=0,05, ¿existe alguna razón para creer que el número de empleados que asisten
al consultorio médico, no se encuentra distribuido de forma equitativa durante los días
de la semana?
Planteamiento de las hipótesis
H0= La frecuencia observada en la asistencia al consultorio médico es igual a la frecuencia esperada.
Ha= La frecuencia observada en la asistencia al consultorio médico es distinta a la frecuencia
esperada.
Prueba de chi-cuadrada
N GL Chi-cuad. Valor p
200 4 4.9 0.298
Prueba de chi-cuadrada
N GL Chi-cuad. Valor p
236 3 2.91358 0.405
Hombres 18 25 15 12 70
25.18 20.14 12.59 12.09
Mujeres 32 15 10 12 69
24.82 19.86 12.41 11.91
Todo 50 40 25 24 139
Contenido de la celda
Conteo
Conteo esperado
Prueba de chi-cuadrada
Chi-cuadrada GL Valor p
Pearson 7.413 3 0.060
Relación de verosimilitud 7.499 3 0.058
PRESENTE 30 10 40
20 20
AUSENTE 20 40 60
30 30
Todo 50 50 100
Contenido de la celda
Conteo
Conteo esperado
Prueba de chi-cuadrada
Chi-cuadrada GL Valor p
Pearson 16.667 1 0.000
Relación de verosimilitud 17.261 1 0.000