USAP

Estadística Administrativa II
2018-1

1
USAP

Hipótesis
Afirmación relativa a un parámetro de la
población sujeta a verificación

2
𝜇 𝜎 𝜋 2
Ejemplo 1 . . .
1. En una fábrica de jugos, el contenido de las latas
que se producen es de 330 ml

330 ml

El fabricante busca todas las herramientas

posibles que le permitan comprobar que al
cliente se está entregando lo que se ofrece.

3
Ejemplo 1 . . .
2. En una distribuidora que exporta café, el promedio
de ventas que están realizando es mayor a los 7 mil
quintales por mes.

El gerente busca todas las herramientas

posibles que le permitan comprobar que las
ventas siguen cumpliendo con ese patrón.

4
Ejemplo 1 . . .
3. En una fábrica de embutidos, los insumos se
compran para que el 65% de la producción sea del
producto mortadela.

El gerente busca todas las herramientas

posibles que le permitan comprobar que la
producción cumpla con ese patrón.

5
 Prueba de Hipótesis
Procedimiento basado en la evidencia
encontrada en una muestra y el uso de la
teoría de probabilidad para determinar si
la hipótesis es una afirmación razonable.
6
Procedimiento de 5 pasos para
probar una hipótesis

1. Establecer la hipótesis nula y la

alternativa
2. Seleccionar el nivel de significancia
3. Identificar el estadístico de prueba
4. Formular la regla de decisión
5. Tomar la decisión

7
 Paso 1
Establecer la hipótesis nula (H0) y la
hipótesis alternativa (Ha)

𝐻0 : 𝑄𝑢é 𝑠𝑢𝑐𝑒𝑑𝑒 𝑎𝑐𝑡𝑢𝑎𝑙𝑚𝑒𝑛𝑡𝑒

𝐻𝑎 : 𝐿𝑜 𝑐𝑜𝑛𝑡𝑟𝑎𝑟𝑖𝑜 𝑑𝑒 𝑙𝑜 𝑞𝑢𝑒 𝑠𝑢𝑐𝑒𝑑𝑒 𝑎𝑐𝑡𝑢𝑎𝑙𝑚𝑒𝑛𝑡𝑒

8
 Establecer H0 y Ha
Hipótesis nula Hipótesis alternativa

Enunciado relativo al Enunciado que se

valor de un acepta si la muestra
parámetro reúne suficiente
poblacional que se evidencia para
quiere probar. rechazar la hipótesis
nula.

9
 Formato

Hipótesis nula 𝐻0 : 𝐸𝑥𝑝𝑟𝑒𝑠𝑖ó𝑛

Hipótesis alternativa 𝐻𝑎 : 𝐸𝑥𝑝𝑟𝑒𝑠𝑖ó𝑛

Expresión 𝑃𝑎𝑟á𝑚𝑒𝑡𝑟𝑜 𝜟 𝑉𝑎𝑙𝑜𝑟 𝑜 𝑃𝑎𝑟á𝑚𝑒𝑡𝑟𝑜

Δ Símbolo de relación

=, ≤, ≥

10
 Parámetros
Los parámetros que se utilizan para hacer pruebas de
hipótesis son:

Media aritmética
Varianza
Proporciones

2
𝜇 𝜎 𝜋 11
Paso 1: Establecer de la hipótesis nula
y alternativa
𝐻0 : 𝜇 = 𝑋𝑖 𝐻0 : 𝜇 ≤ 𝑋𝑖 𝐻0 : 𝜇 ≥ 𝑋𝑖
𝐻𝑎 : 𝜇 ≠ 𝑋𝑖 𝐻𝑎 : 𝜇 > 𝑋𝑖 𝐻𝑎 : 𝜇 < 𝑋𝑖

𝐻0 : 𝜎 2 = 𝑋𝑖 𝐻0 : 𝜎 2 ≤ 𝑋𝑖 𝐻0 : 𝜎 2 ≥ 𝑋𝑖
𝐻𝑎 : 𝜎 2 ≠ 𝑋𝑖 𝐻𝑎 : 𝜎 2 > 𝑋𝑖 𝐻𝑎 : 𝜎 2 < 𝑋𝑖

𝐻0 : 𝜋 = 𝑋𝑖 𝐻0 : 𝜋 ≤ 𝑋𝑖 𝐻0 : 𝜋 ≥ 𝑋𝑖
𝐻𝑎 : 𝜋 ≠ 𝑋𝑖 𝐻𝑎 : 𝜋 > 𝑋𝑖 𝐻𝑎 : 𝜋 < 𝑋𝑖
12
La hipótesis nula siempre mantiene el igual
Ejemplo 2 . . .
1. En una fábrica de jugos, el contenido de las latas
que se producen es de 330 ml (promedio).

𝜇 = 330

Paso 1: Establecer la hipótesis nula y alternativa 330 ml

𝐻0 : 𝜇 = 330
𝐻𝑎 : 𝜇 ≠ 330

13
 . . . Ejemplo 2
2. En una empresa que da servicio de mantenimiento
preventivo para vehículos, se ofrece la entrega en
24 horas (o antes).
𝜇 = 24

Paso 1: Formulación de la hipótesis nula y alternativa

𝐻0 : 𝜇 ≤ 24
𝐻𝑎 : 𝜇 > 24

14
 . . . Ejemplo 2
3. La junta directiva de la empresa se reúne una vez al
mes e inicia hasta que haya quorum; es decir, hasta
que ha llegado el 51% de los miembros (o más).

𝜋 = 51% = 0.51

Paso 1: Formulación de la hipótesis nula y alternativa

𝐻0 : 𝜋 ≥ 0.51
𝐻𝑎 : 𝜋 < 0.51

15
 ¿Cómo saber cuál símbolo de relación
utilizar analizando el enunciado?
(= , ≤ , ≥)
• Determinar si la información es diferente. Lo contrario es
que sea igual. Enunciar con símbolo igual (=) en la
hipótesis nula y con el signo diferente (≠) la alternativa.

• Determinar si la información deber ser igual o menor. Lo

contrario es que sea mayor. Enunciar con símbolo el
igual (≤) en la hipótesis nula y con el signo mayor (>) la
alternativa.

• Si la operatividad del suceso, por lo general se da en

valores que tienden a incrementarse, se enuncia con el
16
signo (≥)
Ejemplo 3 . . .
1. Los límites de crédito de DIUNSA están autorizados a
mantenerse en un límite de L.100,000 por cliente.
𝐻0 : 𝜇 ≤ 100 000
𝐻𝑎 : 𝜇 > 100 000
2. En Hedman Alas se estima que el promedio de pasajeros
por unidad en cada viaje es de 35 adultos o más.
𝐻0 : 𝜇 ≥ 35
𝐻𝑎 : 𝜇 < 35

3. Las ventas de pantalones Levi’s en Nichita se mantiene

en promedio en L.25,000 por mes.
𝐻0 : 𝜇 = 25000
𝐻𝑎 : 𝜇 ≠ 25000
17
Ejemplo 3 . . .
4. La recuperación de la sucursal de San Rosa se estima
que es superior a los 50 mil dólares.
𝐻0 : 𝜇 ≥ 50 000
𝐻𝑎 : 𝜇 < 50 000
5. El 50% de las ventas de zapatos de la fábrica PEDROZA
son botas para hombre.
𝐻0 : 𝜋 = 0.50
𝐻𝑎 : 𝜋 ≠ 0.50

6. La distribuidora EL GAVILÁN no acepta productos que

lleguen con menos del 95% de los estándares de
calidad.
𝐻0 : 𝜋 ≤ 0.95
𝐻𝑎 : 𝜋 > 0.95 18
 Paso 2
Seleccionar nivel de significancia

𝛼 = 0. 𝑥𝑥

19
 Seleccionar el nivel de
significancia
• El nivel de significancia es el complemento de la
confianza en un intervalo denotado por
porcentajes; se expresa con la letra griega Alpha
(𝛼).

• El nivel de significancia también es conocido como

el “nivel de riesgo”, un término bastante usado en
la gestión de proyectos empresariales, ya sea
orientado a la ingeniería, la empresa o la
mercadotecnia
20
Ejemplo 4. . .
1. Se espera un nivel de
confianza de 95%.
– El nivel de significancia o
nivel de riesgo será 5%.
𝛼 = 0.05

2. Un estudio se define en 90%

de confianza.
– Nivel de significancia o nivel
de riesgo es de 10%
𝛼 = 0.10
21
Nivel de significancia

Análisis de 2 colas

Análisis de 1 cola 22
 Nivel de significancia
𝐻0

𝐻0 : 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜 = 𝑣𝑎𝑙𝑜𝑟
𝐻𝑎 𝐻𝑎

𝐻0
𝐻0 : 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜 ≤ 𝑣𝑎𝑙𝑜𝑟
𝐻𝑎

𝐻0
𝐻0 : 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜 ≥ 𝑣𝑎𝑙𝑜𝑟
𝐻𝑎
23
 Errores
• Error tipo I
– Al realizar la prueba de hipótesis, concluye
que la Hipótesis Nula (H0) se rechaza; sin
embargo, el resultado no es correcto, se
debió haber aceptado.
• Error tipo II
– Al realizar la prueba de hipótesis, concluye
que la Hipótesis Nula (H0) se acepta; sin
embargo, el resultado no es correcto, se
debió haber rechazado
24
 Errores
Hipótesis Investigador
nula Acepta H 0 Rechaza H 0
H0 es Decisión
Error tipo I
verdadera correcta
Decisión
H0 es falsa Error tipo II
correcta

25
Ejemplo 5. . .
En una ferretería se compraron 1000 cajas de
baterías alcalinas. Se procede a evaluar 100 cajas
para verifican que el pedido está correcto. Se
acepta un máximo de 5% de producto no correcto.

El encargado de bodega de la ferretería detectó

que, en las 100 cajas, 6 cajas no están correctas;
esto le indica que el 6% de la muestra no está
correcta.

El encargado de bodega devolvió el producto por

rebasar el estándar de un máximo de 5% faltante.
26
. . . Ejemplo 5
Análisis del caso:
Al ser devuelto el pedido, la fábrica procede a
revisar todo el pedido y comprobar que la
devolución está dentro de los límites permitidos.

Se revisaron las 1000 cajas y 6 de las cajas no

estaban correctas; por lo tanto el 0.6% de las
unidades hicieron falta en el pedido.

La ferretería cometió un error estadístico de tipo I

¿por qué?. 27
. . . Ejemplo 5
Análisis del caso:
DISTRIBUIDORA FÁBRICA
1000 cajas recibidas 1000 cajas devueltas
100 cajas revisadas 1000 cajas revisadas
6 cajas incorrectas 6 cajas incorrectas
6% cajas incorrectas 0.6% cajas incorrectas

La ferretería cometió un error estadístico de tipo I.

28
 Paso 3
Identificar el estadístico de prueba

29
Estadístico de prueba

• Estadístico z
• Estadístico t
• Estadístico 𝜒 2
• Estadístico F
• Estadístico Binomial
• Estadístico Conteo de signos

30
 Paso 4
Regla de decisión
𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑛𝑐𝑖𝑎
𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑜𝑙𝑎𝑠
Distribución probabilística
Valor crítico

17-enero 31
Ejemplo 6. . .
Paso 1: Hipótesis nula y alternativa
𝐻0 : 𝜇 = 100
𝐻𝑎 : 𝜇 ≠ 100
Paso 2: Nivel de significancia
𝛼 = 0.10
Paso 3: Estadístico de prueba
Paso 4: Regla de decisión
𝐻0 : 𝜇 = 100
2 𝑐𝑜𝑙𝑎𝑠
𝛼 = 0.10
𝛼 0.10
= = 0.05 32
2 2
Ejemplo 6. . .
Paso 1: Hipótesis nula y alternativa
𝐻0 : 𝜇 ≤ 100
𝐻𝑎 : 𝜇 > 100
Paso 2: Nivel de significancia
𝛼 = 0.10
Paso 3: Estadístico de prueba
Paso 4: Regla de decisión
𝐻0 : 𝜇 ≤ 100
1 𝑐𝑜𝑙𝑎
𝛼 = 0.10 33
Ejemplo 6. . .
Paso 1: Hipótesis nula y alternativa
𝐻0 : 𝜇 ≥ 100
𝐻𝑎 : 𝜇 < 100
Paso 2: Nivel de significancia
𝛼 = 0.10
Paso 3: Estadístico de prueba
Paso 4: Regla de decisión
𝐻0 : 𝜇 ≥ 100
1 𝑐𝑜𝑙𝑎
𝛼 = 0.10 34
 Paso 5
Toma de decisión
𝐶á𝑙𝑐𝑢𝑙𝑜 𝑑𝑒𝑙 𝑒𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑝𝑟𝑢𝑒𝑏𝑎

35
 Toma de decisión
• Valor crítico
– Determinado en la regla de decisión (paso 4).
• Estadístico de prueba
– Calculado a partir de la fórmula del paso 3 y
los datos de la muestra

36
Ejemplo 7 . . .
1. Los valores críticos son 1.87
y -1.87.
– El valor del estadístico de
prueba es 1.61
La hipótesis nula se acepta

2. El valor crítico es 3.20 y el

valor del estadístico de
prueba es 35

La hipótesis nula se rechaza

37
 Análisis para prueba de
hipótesis

• 𝜎 conocida
– Distribución Normal – z

• 𝜎 desconocida
– Distribución t-Student - t

38
 Pruebas para la 𝜇 de
una población
Desviación estándar conocida
𝜎

Distribución normal 39
Distribución Normal
Área bajo la curva normal

z 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09

- - 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224

0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621

40
 Paso 3. Estadístico de prueba
𝜎 conocida

𝑋ത − 𝜇
𝑧=
𝜎𝑋ത

𝜎
𝐸𝑟𝑟𝑜𝑟 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑑𝑒 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 = 𝜎𝑋ത =
𝑛
41
 Ejemplo 8. . .
1. En la distribuidora La Principal las ventas diarias se
comportan como una distribución normal con media
de L.60,000 y desviación estándar de L.15,000.

Si las ventas promedio de una semana de 5 días fue

de L.70,000, ¿se puede deducir que las ventas son
diferentes a L.60,000? Con un nivel de significancia
del 10%.
Análisis previo
𝜇 = 60,000 𝑋ത = 70,000
𝜎 = 15,000 𝛼 = 0.10
𝑛=5 𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑛𝑜𝑟𝑚𝑎𝑙 42
 𝜇 = 60,000
. . . Ejemplo 8 𝜎 = 15,000

• Paso 1: Hipótesis nula y alternativa

𝐻0 : 𝜇 = 60000
𝐻𝑎 : 𝜇 ≠ 60000

• Paso 2: Nivel de significancia

𝛼 = 0.10

• Paso 3: Estadístico de prueba

𝑋ത − 𝜇
𝑧=
𝜎𝑋ത
43
. . . Ejemplo 8
• Paso 4: Regla de decisión
𝜇 = 60 000
2 𝑐𝑜𝑙𝑎𝑠
45% 45%
𝛼 = 0.10
0.4500
𝛼 0.10
= = 0.05
2 2 −1.65 0 1.65

z 0 0.01 0.02 0.03 0.04 0.05

1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505

𝑧 = ±1.65

𝑉𝑎𝑙𝑜𝑟 𝑐𝑟í𝑡𝑖𝑐𝑜 44
. . . Ejemplo 8
• Paso 5: Toma de decisión
𝜇 = 60 000
𝑋ത = 70 000
𝜎 = 15 000
𝑛=5
𝑋ത − 𝜇 −1.65 0 1.65
𝑧=
𝜎𝑋ത 1.49
70000 − 60000
𝑧= = 1.49 La hipótesis nula
15000
5 se acepta

Existe suficiente evidencia que indica que la media 45

poblacional es igual a L.60,000.00
 Ejemplo 8 . .
2. Ruben’s vende ropa deportiva y se controla que las
devoluciones no pasen de 50 docenas con una
desviación estándar de 8 docenas. Las devoluciones se
distribuyen normalmente y en una muestra de los
últimos 10 meses, se devolvieron 55 docenas en
promedio.

¿Existe evidencia que las devoluciones no se han

incrementado? Con un nivel de significancia de 5%.

Desarrollo
𝜇 = 50 𝑋ത = 55
𝜎=8 𝛼 = 0.05
46
𝑛 = 10 𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑛𝑜𝑟𝑚𝑎𝑙
. . . Ejemplo 8
• Paso 1: Hipótesis nula e hipótesis alternativa
𝐻0 : 𝜇 ≤ 50
𝐻𝑎 : 𝜇 > 50

• Paso 2: Nivel de significancia

𝛼 = 0.05

• Paso 3: Estadístico de prueba

𝑋ത − 𝜇
𝑧=
𝜎𝑋ത
47
. . . Ejemplo 8
• Paso 4: Regla de decisión
𝐻0 : 𝜇 ≤ 50
1 𝑐𝑜𝑙𝑎
50% 45%
𝛼 = 0.05
0.4500

1.65
z 0 0.01 0.02 0.03 0.04 0.05

1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505

𝑧 = +1.65

𝑉𝑎𝑙𝑜𝑟 𝑐𝑟í𝑡𝑖𝑐𝑜 48
. . . Ejemplo 8
• Paso 5: Toma de decisión
𝜇 = 50
𝑋ത = 55
𝜎=8
𝑛 = 10
𝑋ത − 𝜇
𝑧=
𝜎𝑋ത 1.65
1.98
55 − 50 La hipótesis nula
𝑧= = 1.98
8 se rechaza
10
Existe suficiente evidencia que indica que se están
devolviendo más de 50 docenas. Las devoluciones se han49
incrementado
 Pruebas para la media
de una población
Desviación estándar desconocida
𝜎𝑆
Distribución t-Student
22-enero-18 50
 Lunes, 22-enero

Paso 3: Estadístico de prueba

𝜎 desconocida

𝑋ത − 𝜇
𝑡=
𝑠𝑋ത

𝑠
𝐸𝑟𝑟𝑜𝑟 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑑𝑒 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 = 𝑠𝑋ത =
𝑛
51
Distribución t de Student
Inte rva lo de c onfia nza Inte rva lo de c onfia nza
80% 90% 95% 98% 99.0% 99.9% 80% 90% 95% 98% 99% 99.9%
Nive l de signific a nc ia pa ra prue ba de una c ola , α Nive l de signific a nc ia pa ra prue ba de una c ola , α
0.10 0.05 0.025 0.01 0.005 0.0005 0.10 0.05 0.025 0.01 0.005 0.0005
Nive l de signific a nc ia pa ra prue ba de dos c ola s, α Nive l de signific a nc ia pa ra prue ba de dos c ola s, α
gl 0.20 0.10 0.05 0.02 0.01 0.001 gl 0.20 0.10 0.05 0.02 0.01 0.001
1 3.078 6.314 12.706 31.821 63.657 636.619 56 1.297 1.673 2.003 2.395 2.667 3.473
2 1.886 2.920 4.303 6.965 9.925 31.599 57 1.297 1.672 2.002 2.394 2.665 3.470
3 1.638 2.353 3.182 4.541 5.841 12.924 58 1.296 1.672 2.002 2.392 2.663 3.466
4 1.533 2.132 2.776 3.747 4.604 8.610 59 1.296 1.671 2.001 2.391 2.662 3.463
5 1.476 2.015 2.571 3.365 4.032 6.869 60 1.296 1.671 2.000 2.390 2.660 3.460
6 1.440 1.943 2.447 3.143 3.707 5.959 61 1.296 1.670 2.000 2.389 2.659 3.457
7 1.415 1.895 2.365 2.998 3.499 5.408 62 1.295 1.670 1.999 2.388 2.657 3.454
8 1.397 1.860 2.306 2.896 3.355 5.041 63 1.295 1.669 1.998 2.387 2.656 3.452
9 1.383 1.833 2.262 2.821 3.250 4.781 64 1.295 1.669 1.998 2.386 2.655 3.449
10 1.372 1.812 2.228 2.764 3.169 4.587 65 1.295 1.669 1.997 2.385 2.654 3.447

52
 Ejemplo 9 . . .
1. La Central de Taxis hace alrededor de 60 viajes por día.
Se tomó una muestra durante 10 días de los viajes
realizados y se obtuvieron los siguientes resultados:
Día 1 Día 2 Día 3 Día 4 Día 5 Día 6 Día 7 Día 8 Día 9 Día 10
64 53 70 78 79 68 53 56 59 75
¿Existe evidencia que indique que la media
poblacional es mayor a 60 viajes por día? con un nivel
de significancia del 10%.

Análisis previo
𝜇 = 60 𝛼 = 0.10
𝜎 =¿ ?
𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑡 − 𝑆𝑡𝑢𝑑𝑒𝑛𝑡
𝑛 = 10 53
. . . Ejemplo 9
• Paso 1: Hipótesis nula e hipótesis alternativa
𝐻0 : 𝜇 ≥ 60
𝐻𝑎 : 𝜇 < 60

• Paso 2: Nivel de significancia

𝛼 = 0.10

• Paso 3: Estadístico de prueba

𝑋ത − 𝜇
𝑡=
𝑠𝑋ത
54
 𝑋ത − 𝜇
. . . Ejemplo 9 𝑡=
𝑠𝑋ത
• Paso 4: Regla de decisión
𝐻0 : 𝜇 ≥ 60
1 𝑐𝑜𝑙𝑎
𝛼 = 0.10
𝑛 = 10
𝑔𝑙 = 10 − 1 = 9
−1.383
Inte rva lo de c onfia nza
80% 90% 95% 98% 99.0% 99.9%
Nive l de signific a nc ia pa ra prue ba de una c ola , α
0.10 0.05 0.025 0.01 0.005 0.0005 𝑉𝑎𝑙𝑜𝑟 𝑐𝑟í𝑡𝑖𝑐𝑜
Nive l de signific a nc ia pa ra prue ba de dos c ola s, α
gl 0.20 0.10 0.05 0.02 0.01 0.001
9 1.383 1.833 2.262 2.821 3.250 4.781
𝑡 = −1.383 55
 . . . Ejemplo 9
• Paso 5: Toma de decisión
Día 1 Día 2 Día 3 Día 4 Día 5 Día 6 Día 7 Día 8 Día 9 Día 10
64 53 70 78 79 68 53 56 59 75
σ 𝑋𝑖 655
𝑋ത = = = 65.5
𝑛 10

σ 𝑋𝑖 − 𝑋ത 2 902.5
𝑠= = = 10.01
𝑛−1 10 − 1

56
. . . Ejemplo 9
• Paso 5: Toma de decisión
𝜇 = 60
𝑋ത = 65.5
𝑠 = 10.01
𝑛 = 10
𝑋ത − 𝜇
𝑡=
𝑠𝑋ത −1.383
1.737
65.5 − 60
𝑡=
10.01 = 1.737 La hipótesis nula
10 se acepta
Existe suficiente evidencia que indica que el promedio
57
de viajes por día es mayor a 60.
Distribución normal
Distribución t-Student 58
 Heinz, un fabricante de cátsup, utiliza una máquina para
llenar con 16 onzas de su salsa en botellas. A partir de su
experiencia de varios años con la máquina
despachadora, la empresa sabe que la cantidad del
producto en cada botella tiene una distribución normal
59 con una media de 16 onzas y una desviación estándar de

0.15 onzas.
Una muestra de 50 botellas llenadas durante la hora
pasada reveló que la cantidad media por botella era de
16.02 onzas. ¿sugiere la evidencia que la cantidad media
despachada es diferente de 16 onzas. Utilizar un nivel de
significancia de 0.05
 Desarrollo Práctica 1
• Paso 1: Establecer la hipótesis nula y alternativa.
𝐻0 : 𝜇 = 16
𝐻𝑎 : 𝜇 ≠ 16
• Paso 2: Seleccionar el nivel de significancia
𝛼 = 0.05
• Paso 3: Identificar el Estadístico de prueba
𝜎 𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑎
𝑋ത − 𝜇
𝑧=
𝜎𝑋ത 60
 Desarrollo Práctica 1
• Paso 4: Formular la regla de decisión
𝐻0 : 𝜇 = 16
2𝑐𝑜𝑙𝑎𝑠
𝛼 = 0.05 47.5% 47.5%

𝛼 0.05 0.4750
= = 0.025
2 2 −1.96 1.96

z 0 0.01 0.02 0.03 0.04 0.05 0.06

1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750

𝑧 = ±1.96 𝑉𝑎𝑙𝑜𝑟 𝑐𝑟í𝑡𝑖𝑐𝑜 61

 Desarrollo Práctica 1
• Paso 5: Toma de decisión
𝜇 = 16
𝑋ത = 16.02
𝜎 = 0.15
𝑛 = 50
𝑋ത − 𝜇 −1.96 1.96
𝑧= 0.94
𝜎𝑋ത
16.02 − 16
𝑧= = 0.94
0.15 La hipótesis nula
50 se acepta

Existe suficiente evidencia que indica que la botella 62

promedio es igual a 16 onzas
 IPSA fabrica escritorios para oficina. La producción semanal
tiene una distribución normal, con una media menor a 200 y
una desviación estándar de 16. Hace poco, se introdujeron
nuevos métodos de producción y se contrató más empleados.
63

El gerente de fabricación pretende investigar si hubo algún

cambio en la producción semanal de escritorios y utiliza una
muestra de 10 semanas, en la cual obtuvo como resultado una
media muestral de 203.5 escritorios. ¿la cantidad media de
escritorios producidos en la planta es menor de 200 escritorios
semanales con un nivel de significancia de 0.01?
 Desarrollo Práctica 2

La producción semanal del escritorios se distribuye

normalmente y es menor a 200 escritorios por semana.

𝜇 = 200 𝑛 = 10
𝜎 = 16 𝑋ത = 203.5
𝛼 = 0.01

Probar la hipótesis
64
 Desarrollo Práctica 2
• Paso 1: Establecer la hipótesis nula y alternativa.
𝐻0 : 𝜇 ≤ 200
𝐻𝑎 : 𝜇 > 200
• Paso 2: Seleccionar el nivel de significancia
𝛼 = 0.01
• Paso 3: Estadístico de prueba
𝜎 𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑎
𝑋ത − 𝜇
𝑧=
𝜎𝑋ത 65
 Desarrollo Práctica 2
• Paso 4: Formular la regla de decisión
𝐻0 : 𝜇 ≤ 200
1 𝑐𝑜𝑙𝑎
𝛼 = 0.01
0.50 0.4900

2.33
z 0 0.01 0.02 0.03
2.3 0.4893 0.4896 0.4898 0.4901 𝑉𝑎𝑙𝑜𝑟 𝑐𝑟í𝑡𝑖𝑐𝑜

𝑧 = 2.33
66
 Desarrollo Práctica 2
• Paso 5: Tomar la decisión
𝜇 = 200 𝑛 = 10
𝜎 = 16 𝑋ത = 203.5
203.5 − 200
𝑧=
16
2.33
10
0.69
𝑧 = 0.69
La hipótesis nula
se acepta

No hay suficiente evidencia que indique que la producción

67
se haya incrementado
Las ventas de la marca Kleenex en su presentación de 100
unidades tiene una venta media de 6 mil cajas por mes.

Se tomó una muestra de las ventas en los últimos 7 meses

y los resultados fueron los siguientes:

Mes 1 Mes 2 Mes 3 Mes 4 Mes 5 Mes 6 Mes 7

4 5 6 5 6 3 6

¿Se puede concluir que las ventas por mes son

diferentes a la media? Utilizar un nivel de
significancia de 0.10
 Desarrollo Práctica 3
• Paso 1: Establecer la hipótesis nula y alternativa.
𝐻0 : 𝜇 = 6
𝐻𝑎 : 𝜇 ≠ 6
• Paso 2: Seleccionar el nivel de significancia
𝛼 = 0. 10
• Paso 3: Estadística de prueba
𝜎 𝑑𝑒𝑠𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑎
𝑋ത − 𝜇
𝑡= 𝑠
𝑛 69
 Desarrollo Práctica 3
• Paso 4: Formular la regla de decisión
𝐻0 : 𝜇 = 6
2 𝑐𝑜𝑙𝑎𝑠
𝛼 = 0.10
𝑛=7
𝑔𝑙 = 7 − 1 = 6 −1.943 1.943

Inte rva lo de c onfia nza

𝑉𝑎𝑙𝑜𝑟 𝑐𝑟í𝑡𝑖𝑐𝑜
80% 90% 95% 98% 99.0% 99.9%
Nive l de signific a nc ia pa ra prue ba de una c ola , α
0.10 0.05 0.025 0.01 0.005 0.0005
Nive l de signific a nc ia pa ra prue ba de dos c ola s, α
gl 0.20 0.10 0.05 0.02 0.01 0.001

6 1.440 1.943 2.447 3.143 3.707 5.959 𝑡 = ±1.943 70

 Desarrollo Práctica 3
• Paso 5: Tomar la decisión
Calcular la desviación estándar de la muestra.
Mes 1 Mes 2 Mes 3 Mes 4 Mes 5 Mes 6 Mes 7
4 5 6 5 6 3 6

σ 𝑋𝑖 35
𝑋ത = = =5
𝑛 7

σ 𝑋𝑖 − 𝑋ത 2 8
𝑠= = = 1.15
𝑛−1 7−1
𝑛=7
71
 Desarrollo Práctica 3
• Paso 5: Tomar la decisión
𝜇=6 𝑋ത = 5
𝑛=7 𝑠 = 1.15
𝑋ത − 𝜇 5 − 6
𝑡= 𝑠 = = −2.291
1.15
𝑛 7
−1.943 1.943

La hipótesis nula −2.291

se rechaza

Hay suficiente evidencia que indica que las ventas son

72
diferentes a 6 mil cajas por mes.
73
 Para entregar en papel

1. En una población la media es 75 y la

desviación estándar es 20. Se recolectó
una muestra de 25 unidades y se obtuvo
una media de 74.

Con un nivel de significancia de 5%, ¿se

puede concluir que el promedio se
mantiene?
74
 Para entregar en papel

2. En una población, la venta promedio es

de 125 con desviación estándar de 50.
Se recolectó una muestra de 36 unidades
y se obtuvo una media de 55.

Con un nivel de significancia de 0.01, ¿se

puede concluir que las ventas se han
incrementado?
75
 Para entregar en papel
3. La cobranza se mueven en un promedio
de 120 mil lempiras mensuales. Se
recolectó una muestra de 6 cajeros.
Caja 1 Caja 2 Caja 3 Caja 4 Caja 5 Caja 6
150 180 170 160 100 110

Con un nivel de significancia de 0.10, ¿se

puede concluir que la cobranza ha
disminuido?
76
24-enero

𝐵𝑖𝑏𝑙𝑖𝑜𝑔𝑟𝑎𝑓í𝑎
Lind, D.A., Marchal, W.G., Wathen, S.A. (15). (2012). Estadística Aplicada a los
Negocios y la Economía. México: McGrawHill

David M. Levine, Timothy C. Krehbiel, Mark L. Berenson. 2006. Estadística para

Administración. (4° edición). Naucalpan de Juárez, México.: Pearson Prentice Hall
77