Prefacio:
confiables.
Estos
conocimientos
posibilitarn
su campo de
Variables
Aleatorias
Conceptos de
variables aleatorias.
Variables aleatorias
discretas.
Variables aleatorias
continuas.
Media y varianza de
una variable
aleatoria.
Distribucin
de
Probabilidad
Distribuciones
Mustrales
Estimacin de
Parmetros
Distribucin de
variables
aleatorias
discretas.
Muestreo aleatorio.
Intervalo de
confianza.
Distribucin de
variables
aleatorias
continas.
Aplicacin de
la distribucin
normal.
Aproximaciones
a la distribucin
normal.
Distribucin
muestral de la
media y
proporcin.
Distribucin muestral
de la diferencia de
dos medias.
Distribucin
muestral de la
diferencia de dos
proporciones.
Intervalo de
confianza para
la media y
proporcin.
Prueba de
hiptesis.
Prueba de
hiptesis
acerca de la
media y
proporcin.
I. PREFACIO
II. DESARROLLO DE LOS CONTENIDOS
UNIDAD DE APRENDIZAJE 1: VARIABLES ALEATORIAS
1.
Introduccin
a. Presentacin y contextualizacin
b. Competencia
c. Capacidades
d. Actitudes
e. Ideas bsicas y contenido
2.
Desarrollo de los temas
a. Tema 01: Conceptos de Variables Aleatorias.
b. Tema 02: Variables Aleatorias Discretas.
c. Tema 03: Variables Aleatorias Continuas.
d. Tema 04: Media y Varianza de una Variable Aleatoria.
3.
Lecturas recomendadas
4.
Actividades
5.
Autoevaluacin
6.
Resumen
UNIDAD DE APRENDIZAJE 2: DISTRIBUCIN DE PROBABILIDAD
1.
Introduccin
a. Presentacin y contextualizacin
b. Competencia
c. Capacidades
d. Actitudes
e. Ideas bsicas y contenido
2.
Desarrollo de los temas
a. Tema 01: Distribucin de Variables Aleatorias Discretas.
b. Tema 02: Distribucin de Variables Aleatorias Continuas.
c. Tema 03: Aplicacin de la Distribucin Normal.
d. Tema 04: Aproximaciones a la Distribucin Normal.
3.
Lecturas recomendadas
4.
Actividades
5.
Autoevaluacin
6.
Resumen
UNIDAD DE APRENDIZAJE 3: DISTRIBUCIONES MUESTRALES
1.
Introduccin
a. Presentacin y contextualizacin
b. Competencia
c. Capacidades
d. Actitudes
e. Ideas bsicas y contenido
2.
Desarrollo de los temas
a. Tema 01: Muestreo Aleatorio.
b. Tema 02: Distribucin Muestral de la Media y Proporcin.
c. Tema 03: Distribucin Muestral de la Diferencia de Dos Medias.
d. Tema 04: Distribucin Muestral de la Diferencia de Dos Proporciones.
3.
Lecturas recomendadas
4.
Actividades
5.
Autoevaluacin
6.
Resumen
UNIDAD DE APRENDIZAJE 4: ESTIMACIN DE PARMETROS
1.
Introduccin
a. Presentacin y contextualizacin
b. Competencia
c. Capacidades
d. Actitudes
e. Ideas bsicas y contenido
2.
Desarrollo de los temas
a. Tema 01: Intervalo de Confianza.
b. Tema 02: Intervalo de Confianza para la Media y Proporcin.
c. Tema 03: Prueba de Hiptesis.
d. Tema 04: Prueba de Hiptesis Acerca de la Media y Proporcin.
3.
Lecturas recomendadas
4.
Actividades
5.
Autoevaluacin
6.
Resumen
III. GLOSARIO
IV. FUENTES DE INFORMACIN
V. APNDICE
VI. SOLUCIONARIO
02
03 - 129
05-28
06
06
06
06
06
06
07-24
07
11
16
20
25
25
26
28
29-60
30
30
30
30
30
30
31-57
31
40
49
53
58
58
59
60
61-93
62
62
62
62
62
62
63-88
63
70
79
86
89
89
91
93
94-120
95
95
95
95
95
95
96-116
96
100
104
108
117
117
118
120
121
122
123
130
Introduccin
a) Presentacin y contextualizacin
Los temas que se tratan en la presente Unidad, tienen por finalidad que el
estudiante desarrolle y ejecute el concepto de variables aleatorias
durante su
b) Competencia
Explica las propiedades para calcular la media y varianza de variables
aleatorias.
c) Capacidades
1. Identifica una variable aleatoria.
2. Explica variables aleatorias discretas.
3. Analiza variables aleatorias continuas.
4. Aplica propiedades para calcular la media y varianza de variables aleatorias.
d) Actitudes
Conceptos
de
Variables
Aleatorias
TEMA
1
Competencia:
Identificar una variable aleatoria.
CC
CX
XC
XX
X:S
s x X (s)
Notacin: X indica la funcin (variable aleatoria), x representa el valor que toma la
variable aleatoria al ser valuada en el elemento s.
Las variables aleatorias se dividen en dos grupos: discretas y continuas. Una variable
discreta puede tomar una cantidad finita o infinita numerable de valores. Una variable
aleatoria continua puede tomar infinitamente muchos valores correspondientes a
puntos en un intervalo de la recta real.
Ejemplos 01:
Sea el espacio muestral que se obtiene al lanzar al aire una moneda tres veces
consecutivas, esto es, SSS, SSC, SCS, CSS, SCC, CSC, CCS, CCC
Si X se define en como el nmero de caras obtenidas, entonces, X es una
variable aleatoria cuyo rango es el conjunto: R 0,1, 2, 3, .En efecto,
X
Ejemplo 02:
Un profesor califica sus pruebas en una escala de 4 puntos (1, 2, 3, 4). Supongamos
que en un curso de 30 alumnos los resultados ordenados fueron:
111222222333333333333444444444
Sea X = resultado de la prueba para un alumno del curso elegido al azar.
Resultado (x )
Frecuencia (f )
12
0.1
0.2
0.4
0.3
p (x ) = p
0.1
0.2
0.4
0.3
Variables
Aleatorias
TEMA
2
Discretas
Competencia:
Explicar variables aleatorias discretas.
11
Definicin.- Una variable aleatoria discreta asume cada uno de sus valores con
cierta probabilidad que denotaremos por PX (probabilidad inducida por X).
Ejemplo:
Consideremos el experimento aleatorio de lanzar dos monedas entonces el espacio
muestral correspondiente estar dado por:
CC, CS, SC, SS
Se define la variable aleatoria X de obtener caras, entonces el rango de X es
RX 0,1, 2 , es decir:
FUNCIN DE PROBABILIDAD
Definicin.- Sea X una variable aleatoria discreta. Se denomina funcin (ley o
modelo o distribucin) de probabilidad de X a la funcin f(x) definida por
f ( x) P X x , para todo x nmero real y que satisface las siguientes condiciones:
i)
f (x) 0 , x
ii )
f ( xi ) 1
x1
x2
x3
xn
p2
p3
pn
p1
12
Notacin:
La funcin de probabilidad se puede representar de diversas maneras:
1) En una tabla:
x
P(x)
2) En un grfico:
3) En una frmula:
2
p( x)
x
0.252
Ejemplo 01.
Sea X la variable aleatoria definida como el nmero de caras que ocurren al lanzar
dos monedas.
a. Determine la distribucin de probabilidad de X.
b. Cul es la probabilidad de que no obtengamos ninguna cara?
c. Calcular la probabilidad P 0 X 1
Solucin.
a) La Variable Aleatoria X. Toma el valor 0 cuando ocurre el evento (SS). Entonces
P(X=0) = P({(SS)}) =
P(E)
P(x)
CC
CS
SC
SS
1 1 3
c) P 0 X 1 P X 0 P X 1
4 2 4
Ejemplo 02
Sea x una variable aleatoria que expresa el N de personas que habitan en una
vivienda elegida al azar. La distribucin de probabilidad de x es la siguiente:
xi
8+
pi
0,230
0,322
0,177
0,155
0,067
0,024
0,015
0,010
i1
P x 4 P x 1 P x 2 P x 3 P x 4
0,23 0,322 0,177 0,155 0,884
P x 2 P x 2 P x 3 ... P x
8
1 P( x 2) 1 0, 23 0,
77
FUNCIN DE DISTRIBUCIN ACUMULADA DE VARIABLE ALEATORIA
DISCRETA
Definicin. La funcin de distribucin acumulada (f.d.a) de probabilidades o
simplemente funcin de distribucin, F(x), de la variable aleatoria discreta X, cuya
funcin de probabilidad de f(x), se define por:
F (x) P x P( k ) f (k
X
X
),
kx
p (x)
0.1
0.2
0.4
0.3
si
0
0.1 si
F X( x) 0.3 si
0.7
si
1 si
x1
1x2
2x3
3x4
4x
Variables
Aleatorias
TEMA
3
Continuas
Competencia:
Analizar variables aleatorias continuas.
16
f ( x) 0 para todo x
ii )
f ( x)dx
iii ) P( A) P x A
A
F ( x) P X x
f ( x) , se define por:
f (t)dt, para x
Ejemplo 01:
Clasificar como discretas o continuas las siguientes variables aleatorias:
a) N de pginas de un libro discreta.
b) tiempo que tarda en fundirse una bombilla continua
c) N de preguntas en una clase de una hora discreta.
d) cantidad de agua consumida en un mes contina.
Ejemplo 02:
f (x) una funcin definida en todos los nmeros reales por:
Sea
cx , x 0, 2
f ( x)
0 , x 0, 2
2
f (x)
17
18
b. Calcular P 0 X 1
Solucin.
a) El rea de la figura sombreada es igual a 1
Entonces
f ( x)dx
cx2 dx c
3
8
Luego
3 2
x , x 0, 2
f ( x) 8
x 0, 2
0 ,
b) Para resolver esta pregunta se sigue:
3 x 2 dx 1
0 8
8
P 0 X 1
Ejemplo 03:
Sea f ( x) una funcin de densidad de probabilidad de una variable aleatoria X, cuya
grafica es la figura:
a.) Determinar el valor de la constante c y luego la f.d.p. de X
b.) Hallar la funcin de distribucin acumulada F(x) de X
Solucin.
a) Si el rea que encierra la figura con el eje X es igual a 1, entonces
C1/4
,1x3
x
f ( x) 4 en otro caso
0,
Si 1 x 3,
F ( x)
x
1
dt
1
8
0 , si x 1
2
si 1 x 3
x 1
Entonces: F ( x)
8
,
1 ,
si x 1
Media y
TEMA
Varianza
4
de una Variable
Aleatoria
Competencia:
Aplicar propiedades para calcular la media y
varianza de variables aleatorias.
20
E( X ) mx
xi f ( xi )
xi RX
E( X )
xf ( x)dx
Propiedades:
Si X e Y son dos variables aleatorias se cumple que:
mx y mx my
Si a y b son constantes se cumple que:
maxb amx b
Ejemplo:
Considerando la variable Aleatoria X, donde X=resultado de lanzar un dado
La distribucin de probabilidad de x ser:
p1 P{x 1} 1 / 6
p2 P{x 2} 1 / 6
p6 P{x 6} 1 / 6
El valor esperado de X ser:
1
1
1
1
1
1
mx xi pi 1 2 3 4 5 6
i1
3,5
k
21
6
6
21
X2 E
2
X
i x 2 f (x
) , si X es discreta
i
i x
f i(x ) , si X es continua.
2X
Var( X ) E
X 2
E( X 2 )
Propiedades:
-
axb a x
2
a 2 2x
axb
-
2
x y
x y x y
Nota.
La desviacin tpica de una variable aleatoria es una medida de dispersin de la
distribucin alrededor de la media. Los valores pequeos indican concentracin de
la distribucin alrededor de la esperanza y los valores grandes corresponden a
distribuciones ms dispersas.
El concepto de desviacin tpica es equivalente en variables aleatorias discretas y
continuas, aunque en estas ltimas su clculo es ms complicado.
Ejemplo 1
Se lanza tres veces una moneda. Sea X la variable aleatoria que expresa el n de
caras en los tres lanzamientos.
22
p0 P{x 0} 1 / 8 0,125
p1 P{x 1} 3 / 8 0,375
x=0 {XXX}
x=1 {XXC,XCX,CXX}
x=2 {CCX,CXC,XCC}
p2 P{x 2} 3 / 8 0,375
x=3 {CCC}
p3 P{x 3} 1 / 8 0,125
3 1 / 2 1,5.
Hallar la desviacin tpica de X
2
(0 2 0,125
(1
0,375
2
1,5)
1,5)
2
x xi mx pi (2
0,125 0,866
0,375 (3
2
i 1
1,5)
1,5)
k
o bien:
x
p m
0,125
0 0,125...3
2
1,5
2
0,866
i 1
Ejemplo 2
Una compaa ha vendido 205 billetes para un avin de 200 plazas.
Sea x la variable aleatoria que expresa el n de viajeros que va al aeropuerto para
viajar en el avin. Su distribucin es:
xi
198
199
200
201
202
203
204
205
pi
0,05
0,09
0,15
0,20
0,23
0,17
0,09
0,02
a) Hallar la probabilidad de que todos los viajeros que van al aeropuerto tengan
plaza.
23
Solucin.
e
f ( x)
0
, si x 0
si x 0
x
x
x e dx Limb
xe
Limb
e
E X 0
2
Luego,
x
x e dx
2
2
E X
1
2
24
Lecturas Recomendadas
VARIABLES ALEATORIAS.
http://probabilidad20100.blogspot.com/p/varianza-y-desviacion-estandar.html
Actividades y Ejercicios
1) Ingresa al link Operaciones 1 lee atentamente las indicaciones, desarrllalo y
envalo por el mismo medio.
Sea X la variable aleatoria definida como el nmero de caras que ocurren al
lanzar una moneda 4 veces.
a) Determine la distribucin de probabilidad de X.
b) Calcular la probabilidad P 1 X 3
Sea X una variable aleatoria continua con distribucin.
f ( x)
1
, 0x3
xk
6
0
en otra parte
a.) Calcular k.
b.) Hallar P 1 X 2
La vida til de un objeto en miles de horas, es una variable aleatoria continua X
cuya funcin de densidad de probabilidades:
x , si 0 x 2
1
f ( x)
2
0 , en otro caso
a) Calcular la esperanza.
b) La varianza de vida del objeto.
25
Autoevaluacin
suma de los
RX 2, 4, 6, 8,10,12
RX 2, 3, 4, 5, 6, 7, 8, 9,10,11,12
RX 3, 5, 7, 9,11
RX 4, 5, 6, 7, 8, 9,10,11,12
RX 2, 3, 4, 5, 6, 7, 8, 9,10
P X x
1/16
4/16
4/16
1/16
P X x
1/10
2/10
1/10
3/10
2/10
1/10
11/10
13/5
12/5
7/10
1
26
ax , si x 0, 3
f ( x)
0 , si x 0, 3
3
Hallar el valor de la constante a para que, f ( x) sea una funcin de densidad para
alguna variable aleatoria X.
a.
b.
c.
d.
e.
1/16
4/81
5/81
1/3
5/27
4 3
x , si x 0, 3
f ( x) 81
0 , si x 0, 3
Calcular P 1 X 2
a.
b.
c.
d.
e.
5/27
5/24
4/27
2/81
4/81
27
Resumen
UNIDAD DE APRENDIZAJE I:
Una variable aleatoria es una variable que toma valores numricos determinados por
el resultado de un experimento aleatorio. No hay que confundir la variable aleatoria
con sus posibles valores. Ejemplos:
29
Introduccin
a) Presentacin y contextualizacin
Los temas que se tratan en la presente Unidad, tienen por finalidad que el
estudiante desarrolle y ejecute el concepto de distribucin de probabilidad durante
su proceso de formacin profesional y contribuyan en el logro de su perfil
profesional.
b) Competencia
Identifica las caractersticas y funciones del lenguaje, as como elementos e
interferencias de la comunicacin.
c) Capacidades
1. Resuelve problemas usando distribuciones aleatorias discretas.
2. Analiza y resuelve problemas que involucren distribuciones de variables
aleatorias continuas.
3. Analiza la importancia de la distribucin Normal.
4. Aplica la aproximacin a la distribucin Normal.
d) Actitudes
Puntualidad en la entrega de trabajo.
Respeto a las normas de convivencia.
Perseverancia en las tareas.
30
Distribucin
de Variables
Aleatorias
Discretas
TEMA
1
Competencia:
Resolver problemas
aleatorias discretas.
usando
distribuciones
31
DISTRIBUCIONES DISCRETAS:
Distribucin de Bernoulli.
Definicin.- La variable aleatoria X definida de de manera que atribuye a E el
valor de 1 y a F el valor 0, se denomina variable aleatoria de Bernoulli..
La distribucin de Bernoulli de parmetro p es:
f ( x) P X x p q
x
E( X ) p
b.) Var( X ) pq
Distribucin Binomial.
Definicin.- Se dice que la variable aleatoria X definida como el nmero de xitos
que ocurren en las n pruebas de Bernoulli, tiene distribucin binomial con parmetros
n y p y se escribe,
n k n k k 0,1, 2, 3,..., n
f ( x) P X k
p q
k
,
32
Teorema.- Si
a.)
, entonces:
E( X ) np
EJEMPLO:
En una tienda de alquiler de Autos, cada vez que un cliente alquile un automvil debe
pagar como mnimo $ 4. Si alquila un auto de tipo A debe pagar $ 15 ms, y si alquila
un auto no A debe pagar $ 5 ms. Se sabe que la probabilidad de que un cliente
alquile un auto tipo A es de 0.7. De cinco clientes que alquilan autos en esa tienda:
a) Determine la distribucin de probabilidades de los clientes que alquilan
automviles tipo A.
b) Determine la utilidad y la utilidad esperada que producen a la tienda los 5 clientes
que alquilan automviles.
Solucin:
a) Sea X el nmero de clientes que alquilan automviles tipo A. Entonces, los
valores posibles de X son: 0,1,2,3,4,5.
La probabilidad del evento A: un cliente alquila un automvil tipo A es
. La distribucin de probabilidad de X es:
C
P E
0.7
y P E
0.3
5
f k P X k
k
5 k
0.5 ,
0.7
k 0,1, 2, 3, 4, 5
U 20 15X (5 X ) x 0,1, 2, 3, 4, 5.
5,
E U 45 10E X 45 10 3.5 80
DISTRIBUCIN GEOMTRICA
Definicin.-
G( p) , si su
f (x) P X x q
x 1
p x 1, 2,..., etc.
de parmetro
p , entonces
a.)
b.)
1
p
q
2
p
Ejemplo
Un vendedor a domicilio hace llamadas telefnicas a clientes potenciales, La
probabilidad de vender en cada llamada es 0.02.
a) Calcule la probabilidad de que la sexta llamada sea su primera venta.
b) Calcule el esperado del nmero de llamadas hasta obtener su primera
venta.
c) Qu probabilidad hay de que su primera venta ocurra despus de ms
de 5 llamadas si ya se hizo 3 llamadas sin xito?
Solucin
Sea X el nmero de llamadas hasta conseguir una venta .
Sus posibles valores son: 1,2,3,4.etc. El modelo de
probabilidad de X es geomtrica de parmetro p 0.02 ,
esto es:
34
b)
1
E X
50 . A la larga en la llamada N 50 obtiene su primera venta.
0.02
P X 3 X 5
P X 5 / X 3
0.98
P X 3
P X 5
P X
3
0.98
0.983
1
p
q
2
p
Ejemplo.
Una maquina produce artculos de uno en uno y de manera independiente. Se
considera que el 10% de ellos son defectuosos. Si la maquina se detiene apenas
produce el cuarto artculo defectuoso:
35
36
Solucin
Sea X el nmero de artculos producidos hasta tener 4 defectuosos. La ley de
y p 0.1 . Esto es,
probabilidad de X es Pascal con parmetros r 4
P Y k 3C
p 1 p k 4 k 4, 5, 6....
k 1 4
,
b)
a)
E( X ) r
P
X
40
10 C3 P 1 P
9
0.1
c)
9
P X 10 1 P 4 X 9
k 4
1
k 4
C3 P 1 P
k 1 4
DISTRIBUCIN HIPERGEOMTRICA.
.
Definicin.-
Se dice que la variable aleatoria X que se define como el numero de xitos en una
muestra de tamao n que se selecciona al azar uno por uno sin reposicin de N
elementos o resultados posibles, de los cuales r son clasificados como xitos y los
restantes N-r como fracasos, tiene distribucin hipergeomtrica y se escribe
X
f ( x) P X k
;
Ckr CnNrk
CnN
k 0,1, 2,..., n
N n
N 1
DISTRIBUCIN DE POISSON.
Se dice que la variable aleatoria discreta X, cuyos valores posibles
Definicin
e ( x)
f ( x) P X x
,
x 0,1, 2,...
x!
Nota:
La distribucin de Poisson se aplica a problemas donde la variable aleatoria es el
nmero de eventos independientes que ocurren en un intervalo de tiempo, o una
regin plana (con un promedio dado), por ejemplo:
Ejemplo.
Una empresa textil produce un tipo de tela en rolos de 100 metros. El numero de
defectos que se encuentra al desenrollar la tela es una variable aleatoria de Poisson
que tiene en promedio 4 defectos por cada 20 metros de tela.
Solucin.
Sea X el nmero de defectos encontrados en un segmento de 20
4 . La probabilidad de
P X k
Donde
k 0,1, 2,...
k!
a)
( t 2.5
P X 3 P X 2
10
e
0!
10
10
1!
10
10
0.00277
2!
38
0
P X
e1 1
0.3679
0!
c)
p P X 0 0.3679
.luego, P Y 2 1 P Y 1 1
k 0
Dis
tribucin
de Variables
Aleatorias
Continuas
TEMA
2
Competencia:
Analizar y resolver problemas
que
involucren distribuciones de variables
aleatorias continuas.
40
o bien
DISTRIBUCIN UNIFORME
Se dice que la variable aleatoria X tiene distribucin uniforme
(o rectangular) en el intervalo a, b , a b , y se describe
por
U a, b, si su funcin de densidad de
probabilidad es:
f ( x) b
, en otros casos
si a x b
Ejemplo:
Dos gerentes A y B deben encontrarse en cierto lugar entre las 7 p.m. y 8 p.m. para
firmar un contrato. Cada uno espera al otro a lo ms 10 minutos, Cul es la
probabilidad de que no se encuentren sabiendo que A llega a las 7.30 p.m.?
Solucin.
Sea la variable aleatoria X el tiempo de llegada de B, que puede hacerlo en
cualquier instante aleatorio entre las 7 p.m. y las 8 p.m. o entre 0 y 60 minutos.
Entonces, X
si 0 x 60
f ( x) 60
0 , en otros casos
41
U 0,
Puesto que A llega a las 7.30 p.m. o a los 30 minutos despus de las 7 p.m.
y espera a lo ms 10 minutos, B no se encontrara con A si B llega de 7 p.m.
a menos de 7.20 p.m. o si llega despus de las 7.40 p.m. , Luego , la
probabilidad de que A y B no se encuentran es:
P 0 X 20
o
40 X 60
20
dx
60
60
40
1
60
20
dx
60
20
60 3
a b
2
a)
E( X )
b)
Var( X )
(b a)
12
DISTRIBUCIN NORMAL
Definicin.- Se dice que la variable aleatoria contina X, que toma los valores
N ( ,
2
) , si su funcin de
densidad es:
f (x)
,
exp
1 x
a)
E( X )
b)
Var( X )
2
Las reas ( z) P Z z
(t)dt
1
e
P a Z b (b) (a)
(z) 1 ( z)
P a x a (a) (a) (a) (1 (a)) 2(a) 1
Ejemplos:
Encuentre el valor de z para un nivel de confianza del 95%.
Solucin
Se utilizar la tabla que tiene el rea bajo la curva de -
hasta z. Si lo vemos
grficamente sera:
En base a la tabla que se est utilizando, se tendr que buscar el rea de 0.975, ya
que cada extremo o cola de la curva tiene un valor de 0.025.
Donde
e x dx
Propiedades:
1)
2)
Si 1 1 1
1 e x dx 1
0
3)
4)
2
e dx
1 x 1/
x
2 0
Si n 1 n n 1!
Distribucin Gamma
Definicin.Se dice que la variable aleatoria continua X tiene distribucin Gamma, con parmetros
, si su funcin de densidad es:
y y se representa por X
1 x , si x 0
x e
f ( x)
si x 0
,
0
Teorema:
Si X
Distribucin Exponencial
Definicin.Se dice que la variable aleatoria continua X tiene distribucin exponencial con
, si su funcin de densidad de
parmetro ( 0) , y se describe
probabilidades es:
e x , si x 0
f ( x)
, si x 0
0
parmetro o X
1, , entonces tiene,
a)
b) 2
dt 1x , 0 x
En efecto,
P X s t
P X st/X
s
P X s
(st)
P X t
DISTRIBUCIN CHI-CUADRADO
Definicin.Se dice que la variable aleatoria continua X tiene distribucin chi-cuadrado con r
2 r / 2 r / 21 x / 2 , si x 0
x
e
f ( x) (r / 2)
si x 0
,
0
Propiedades
2
2 (1)
a ) Si Z N (0,1), entonces , Z
b ) Si Z1 , Z2 ,..., son r variables aleatorias independientes tales que Zi
Zr
entonces
Z
i 1
2
i
N (0,1)
(1)
2
P X 12 , 1
DISTRIBUCIN T DE STUDENT
Definicin.Se dice que una variable aleatoria continua T se distribuye segn t-student (mas
brevemente segn t) con r grados de libertad y se representa por T
t(r) , si su
r1
( r 1) / 2
2
2
f (t )
, x ,
1 r
r
r ( )
2
Donde r es un entero positivo.
Propiedades.
i)
ii )
r
,r2
r2
iii )
iv )
DISTRIBUCIN F
Definicin.- Se dice que una variable aleatoria continua X se distribuye segn F con
r1 y r2 grados de libertad y se representa por X
F (r1 , r2, si su funcin de densidad
)
es,
r1 r1 / 2 r1 r2
r
2
2
f ( x)
.
r1 r2
2
2
(r
r x
r2
/ 2) 1
; 0x
( r1 r2 ) / 2
USO DE LA TABLA F
F (r1 , r2 , en la tabla de probabilidad F se puede encontrar
, mediante la relacin:
o un )valor c F
Si la variable aleatoria X
una probabilidad 1
1 ,r1 ,r2
P X c 1
F1 ,r1 ,r2
1
F ,r2 ,r1
plicacin
de la
TEMA
3
Distribucin
Normal
Competencia:
Analizar la importancia de la distribucin
normal.
49
e x
no posee primitiva
F x P X x
SA
se
f t dt
1 t
dt
50
se obtiene Z
f X ( x)
( x 2 )
2 2
parmetros con y :
N ,
2
N , , entonces
Sea X
X
a) z
N 0,1
r.
distribucin Normal Estnda
2
2
b) ax b N a b, a
N ,
2
con = 160 cm y = 4 cm
51
P 160 X 168 P
Ejemplo 2:
Supongamos que cierto fenmeno pueda ser representado mediante una variable
aleatoria X
de modo que :
52
Aproximaciones
a la
Distribucin
Normal
TEMA
4
Competencia:
Aplicar la aproximacin a la distribucin
normal.
53
54
Ejemplo:
Durante cierta epidemia de gripe, enferma el 30% de la poblacin. En un aula con
200 estudiantes de Medicina, cul es la probabilidad de que al menos 40 padezcan
la enfermedad? Calcular la probabilidad de que haya 60 estudiantes con gripe.
Solucin:
La variable aleatoria. Que contabiliza el nmero de alumnos que padece la gripe es
Cuya media es
n. p
y su varianza es
npq 42 .
2
Realizar los
60
clculos con la ley binomial es muy engorroso, ya que intervienen nmeros
combinatorios de gran tamao, y potencias muy elevadas. Por ello utilizamos la
aproximacin normal de X, teniendo en cuenta que se verifican las condiciones
necesarias para que el error sea aceptable:
55
p x 60
exactamente como:
60
As:
Lecturas
Recomendadas
DISTRIBUCIN NORMAL
http://www.uca.es/uca/dpto/C146/pag_personal/f_alvarez/documentos/CC%20Tra
bajo%20Tema%205.pdf
Actividades y Ejercicios
las
indicaciones,
Autoevaluacin
1) La probabilidad de que cierto tipo de objeto pase con xito una determinada
prueba es 5/6. Se prueban 10 de tales objetos. Si X es la variable aleatoria
que se define como el nmero de objetos que no pasan la prueba.
Calcular la media de esta distribucin.
a. 3.2456
b. 0.5000
c. 1.667
d. 2.5
e. 1.1777
2) Supngase que la temperatura T durante junio est distribuida normalmente con media 68 y
desviacin estndar 6. Hallar la probabilidad p de que la temperatura este entre 70 y 80.
a.
b.
c.
d.
e.
0,347
0,456
0,567
0,234
0,789
3) Los pesos de 2 000 soldados presentan una distribucin normal de media 65 kg y desviacin
tpica 8 kg. Calcula la probabilidad de que un soldado elegido al azar pese Ms de 61 kg.
a.
b.
c.
d.
e.
0.6915
0.5000
0.3333
1.0000
0.2222
Resumen
Sea un espacio probabilstico y sea X una variable aleatoria discreta que toma como
posibles valores x ,x ,.....x , se define la distribucin de probabilidad de X como el
1
conjunto de pares (xi , pi ) que a cada valor de la variable le asocia una probabilidad,
donde pi = P(X=xi ), tal que la suma de todas las probabilidades es igual a la unidad.
En la distribucin de variables discretas encontramos Distribucin de Bernoulli,
Distribucin Binomial, Distribucin Geomtrica, Distribucin de Pascal o Binomial
negativa, Distribucin hipergeomtrica.
El teorema del lmite central establece que si se tienen n variables aleatorias, X1,
X2,..., Xn, independientes y con idntica distribucin de media m y varianza s2, a
medida que crece n, la suma (y la media) de estas variables tiende a seguir una
distribucin normal. Explicado de forma intuitiva, afirma que cualquiera que sea la
distribucin comn de un conjunto de variables aleatorias, suponiendo que su varianza
sea finita, la suma y la media de un nmero elevado de estas variables tendern a
distribuirse de manera similar a una variable normal.
61
Introduccin
a) Presentacin y contextualizacin
Los temas que se tratan en la presente unidad, tienen por finalidad que el
estudiante desarrolle y ejecute el concepto de distribucin muestral durante su
proceso de formacin profesional y contribuyan en el logro de su perfil profesional.
b) Competencia
Interpreta las caractersticas y funciones del muestreo aleatorio as como sus
aplicaciones.
c) Capacidades
1. Reconoce la importancia del concepto de muestreo aleatorio.
2. Resuelve problemas que involucren distribuciones muestrales de la media y
proporcin.
3. Analiza la importancia de la distribucin muestral de la diferencia de dos
medias.
4. Analiza la importancia de la distribucin muestral de la diferencia de dos
proporciones.
d) Actitudes
Aprecia crticamente las diferentes ventajas y desventajas del
muestreo aleatorio.
Valora el las etapas de la distribucin muestral de la media y proporcin.
Toma una actitud con capacidad crtica para la ddistribucin muestral de la
diferencia de dos medias.
Valora a la distribucin muestral de la diferencia de dos proporciones.
62
Muestreo
TEMA
1
Aleatorio
Competencia:
Reconocer la importancia del concepto de
muestreo aleatorio.
63
de
muestreo
Procedimientos
muestra
que
para
sea
la
es
proporcionar
seleccin
de
la
representativa
de
la
poblacin en estudio.
La utilizacin de las tcnicas de muestreo es
muy amplia se usa en agricultura, ganadera, industria. Comercio, servicios y en las
diferentes reas del conocimiento humano como biologa, medicina. Ingeniera,
psicologa. Sociologa, mercadotecnia, antropologa etc.
Ventajas:
Un costo ms bajo, es la razn principal en la utilizacin del muestreo en lugar de
una enumeracin completa.
Los datos pueden ser recolectados con mayor rapidez cuando se trabaja con una
muestra que con toda la poblacin.
Una muestra exigira menos personal por lo tanto se podra seleccionar y
adiestrar mejores empleados y el trabajo podra ser supervisado ms
estrechamente.
La recoleccin de datos de una muestra conducen a datos ms precisos que los
que podran ser obtenidos reuniendo datos de todas las unidades.
Cuando la poblacin es infinita o tan grande de tal manera que el censo exceda
las posibilidades del investigador.
Cuando la poblacin es suficientemente uniforme.
Cuando el proceso de medida o investigacin de las caractersticas de cada
elemento sea destructivo.
64
Supongamos
que
una
embotelladora
DISEO DE MUESTRAS
El diseo de la muestra es la tercera dificultad suscitada en cualquier operacin
de muestreo y puede ser dividida en:
La determinacin de las unidades de muestreo.
La seleccin de los elementos de la muestra y
determinacin del
tamao de la muestra.
Seleccin de la Muestra
Otra parte del problema del diseo muestra es el mtodo de escoger los componentes
de muestra.
Una muestra debe ser representativa si va a ser usada para estimar las
caractersticas de la poblacin.
Los mtodos para seleccionar una muestra representativa son numerosos,
dependiendo del tiempo y del dinero y habilidad para tomar una muestra y la
naturaleza de los elementos individuales de la poblacin.
66
Error de Muestreo
Cualquiera que sea el mtodo de seleccin una estimacin por muestra diferir de la
que se obtenga utilizando todos los elementos de la poblacin, a esta diferencia entre
67
68
En
general
para
cada
parmetro
poblacional
hay
una
estadstica
valor
b) La varianza muestral S
X i , con
1 n
xi
n
i 1
i 1
X X
i
i 1
, con valor
s2
1
n
xi
i 1
1 n
Xi,
n
i n
X
, donde X
n
B(n, p)
69
Distribucin
Muestral de
Media y
Proporcin
la
TEMA
2
Competencia:
Resolver
problemas
que
involucren
distribuciones muestrales de la media y
proporcin.
70
Teorema.- Sea
b ) Var
X n
/ n
Notas.
a ) La aproximacin de X a la normal N ( , / n) es buena si n 30 , sin
2
X n
71
n N1
N 1
Ejemplo 01
La altura media de 400 alumnos de un plantel de secundaria es de 1.50 metros y
su desviacin tpica es de 0.25 metros. Determinar la probabilidad de que en una
muestra de 36 alumnos, la media sea superior a 1.60 metros.
Solucin.
X 1.60 ?
1.60 1.50
0.25 / 36
2.40
z 2.40 A 0.4918
P 0.5000 0.4918 0.0082 0.82%
Ejemplo 02
Se tiene para la venta un lote de 1000 pollos, con un peso promedio de 3.5 kg y
una desviacin estndar de 0.18 kg. Cul es la probabilidad de que en una
muestra aleatoria, 100 pollos de esta poblacin, pesen entre 3.53 y 3.56 kg?
Solucin.
/ n
3.56 3.5
0.18 / 100
X 3.56 ?
3.33
z 3.33 A 0.4996
z
3.53 3.5
0.18 / 100
1.66
z 1.66 A 0.4515
Ejemplo 03:
Una empresa elctrica fabrica focos que tienen una duracin que se distribuye
aproximadamente en forma normal, con media de 800 horas y desviacin
estndar de 40 horas. Encuentre la probabilidad de que una muestra aleatoria de
16 focos tenga una vida promedio de menos de 775 horas.
Solucin:
73
Ejemplo 04:
Las estaturas de 1000 estudiantes estn distribuidas aproximadamente en forma
normal con una media de 174.5 centmetros y una desviacin estndar de 6.9
centmetros. Si se extraen 200 muestras aleatorias de tamao 25 sin reemplazo de
esta poblacin, determine:
a. El nmero de las medias muestrales que caen entre 172.5 y 175.8
centmetros.
b. El nmero de medias muestrales que caen por debajo de 172 centmetros.
Solucin:
Como se puede observar en este ejercicio se cuenta con una poblacin finita y un
muestreo sin reemplazo, por lo que se tendr que agregar el factor de correccin.
Se proceder a calcular el denominador de Z para slo sustituirlo en cada inciso.
a.
de Bernoulli
X 1 X 2 ... X n
X
n
n
X X1 X 2 ... X una
B(n, p) , entonces,
variable binomial
1(np) p
X 1
E( X )
n
n
n
a ) p E(P) E
1
1
p(1 p)
X
n 2 V ( X ) n2 np(1 p) n
n
b ) p V (P) V
P p
p(1 p) / n
75
p(1 p)
n
p(1 p) N n
n
N1
N n
se
N 1
aproxima a la unidad.
c p
p(P c) p Z
1
. Luego,
2n
c 2n
p(P c) p Z
p
X np
np(1 p)
P p
p(1 p)
Ejemplos:
1). Se tiene que el 4% de las piezas producidas por cierta maquina son
defectuosas, Cul es la probabilidad de que un grupo de 200 piezas, el
3% o ms sean defectuosas?
Solucin.
p p 0.04 , P^ p 0.03
PQ
0.04 0.96
200
0.014
p p
PQ
n
0.03 0.04
0.04 0.96
0.71
200
z 0.71 A 0.2612
n 49 ,
P 0.4 ,
p p
PQ
n
p 0.5 ?
0.5 0.4
1.43
0.4 0.6
49
z 1.43 A 0.4236
p 0.5
0.9236 92.36%
3). 46% de los sindicatos del pas estn en contra de comerciar con china
continental; Cul es la probabilidad de que una encuesta a 100 sindicatos
muestre que ms del 52% tengan la misma posicin?
4). La probabilidad de que un paciente se recupere de una rara enfermedad es
0.4. Cul es la probabilidad de que en una muestra de 100 pacientes
seleccionados de una poblacin de 1000 que sufren la enfermedad, ms del
30% sobrevivan?
5). Se ha determinado que el 65% de los estudiantes
universitarios de Lima prefieren los cuadernos marca
profesional. Cul es la probabilidad de que en una
muestra de 100 universitarios de dicha ciudad?,
encontremos que:
a ) Como mximo el 68% sean usuarios de
ese tipo de cuaderno
b ) Exactamente
66%
sean
usuarios
Distribucin
Muestral de la
Diferencia
de Dos Medias
TEMA
3
Competencia:
Analizar la importancia de la distribucin
muestral de la diferencia de dos medias.
79
x y x y
n1
n2
x
xy y
x y
x
y
x y
Entonces Z
xy
x2 y
n1 n2
80
2x y 2y , las cuales pueden ser sustituidas por varianzas muestrales s2x y s 2y siempre
y cuando que n1 y n2 sean mayores que 30. Algunos autores consideran si
n1 n2 30 . Siendo su frmula:
x y
sx2 sy
n1 n2
Ejemplo 01:
Se tienen dos poblaciones normales e independientes, donde la media de la segunda
poblacin es 0.65 menor que la de la primera; si se obtienen muestras de tamao 110
y 120 y si las respectivas desviaciones tpicas poblacionales son 12 y 8, se pide
determinar la probabilidad de que, en un par de muestras, la diferencia entre ambas
medias muestrales sea superior a 1 en valor absoluto.
Solucin.
x y 0.65 ,
Se pide P
xy 1
Entonces
x y
n1
n2
x y
1.40
64
1.40
100 120
x y
1 0.65
z
0.25
,
144
1 0.65
1.18
1.40
Ejemplo 2
En un estudio para comparar los pesos promedio de nios y nias de sexto grado en
una escuela primaria se usar una muestra aleatoria de 20 nios y otra de 25 nias.
Se sabe que tanto para nios como para nias los pesos siguen una distribucin
normal. El promedio de los pesos de todos los nios de sexto grado de esa escuela
es de 100 libras y su desviacin estndar es de 14.142, mientras que el promedio de
los pesos de todas las nias del sexto grado de esa escuela es de 85 libras y su
desviacin estndar es de 12.247 libras. Si
de 20 nios y
100 libras
= 85 libras
1=
14.142 libras
2=
12.247 libras
n1 = 20 nios
n2 = 25 nias
=?
82
Entonces
Ejemplo 03:
Uno de los principales fabricantes de televisores compra los tubos de rayos
catdicos a dos compaas. Los tubos de la compaa A tienen una vida media de
7.2 aos con una desviacin estndar de 0.8 aos, mientras que los de la B tienen
una vida media de 6.7 aos con una desviacin estndar de 0.7. Determine la
probabilidad de que una muestra aleatoria de 34 tubos de la compaa A tenga una
vida promedio de al menos un ao ms que la de una muestra aleatoria de 40 tubos
de la compaa B.
Solucin:
Datos:
A
= 7.2 aos
= 6.7 aos
A=
B=
0.8 aos
0.7 aos
nA = 34 tubos
nB = 40 tubos
=?
p x
Entonces p
x B A
2A
2B
nA
nB
1 7.2 6.7
0.82 0.7
34
40
Ejemplo 04:
Se prueba el rendimiento en km/L de 2 tipos de gasolina,
encontrndose una desviacin estndar de 1.23km/L para la
primera gasolina y una desviacin estndar de 1.37km/L para la
segunda gasolina; se prueba la primera gasolina en
35 autos y la segunda en 42 autos.
a. Cul es la probabilidad de que la primera gasolina de un
rendimiento promedio mayor de 0.45km/L que la segunda
gasolina?
b. Cul es la probabilidad de que la diferencia en rendimientos
promedio se encuentre entre 0.65 y 0.83km/L a favor de la
gasolina 1?
Solucin:
En este ejercicio no se cuenta con los parmetros de las medias en ninguna de las
dos poblaciones, por lo que se supondrn que son iguales.
84
Datos:
1=
1.23 Km/Lto
2=
1.37 Km/Lto
n1 = 35 autos
n2 = 42 autos
a.
b.
=?
85
Distribucin
Muestral de la
Diferencia de dos
Proporciones
TEMA
4
Competencia:
Analizar la importancia de la distribucin
muestral
de la diferencia
de dos
proporciones.
86
y P2
P 1Q 1
PP
1
sP1 P2
p1 q1 p2 q2
n1
n2
P P P P P1 P2
1
La variante estadstica Z, estar dada en la misma forma que fue representada para
diferencias entre dos medias muestrales:
p1 p2 P P
1
P1Q1
n1
P2 Q 2
n2
Ejemplos:
1). Consideremos dos maquinas que producen un determinado articulo; la primera
produce por trmino medio un 14% de artculos defectuosos,
en tanto que otra, produce el 20% de artculos defectuosos; si se
obtienen muestras de 200 unidades en la primera y 100 unidades
en la segunda, Cul es la probabilidad de que difiera A de B
en 8% o ms?
87
Solucin
Datos: P p p 0.08 ?
1
2
,
p1 p2 p p
0.08 0.06
P1Q1 P2Q2
n1
n2
200
2.98
100
z 2.98 A 0.4986
Entonces
p1 p2 p
0.01 0.02
2 p
P1Q1
P2Q2
n1
n2
0.01 0.02
2000
4
0.0075
Luego
z 1.33 A 0.4082
z 4 A 0.5000
2000
1.33
90.82%
88
Lecturas Recomendadas
MUESTREO ALEATORIO
http://www.fao.org/docrep/x5684s/x5684s04.htm
Actividades y Ejercicios
89
90
Autoevaluacin
91
92
Resumen
Cada muestra de tamao n que podemos extraer de una poblacin proporciona una
media. Si consideramos cada una de estas medias como valores de una variable
aleatoria podemos estudiar su distribucin que llamaremos distribucin muestral de
medias.
En numerosas ocasiones se plantea estimar una proporcin o porcentaje. En estos
casos la variable aleatoria toma solamente dos valores diferentes (xito o fracaso), es
decir sigue una distribucin binomial y cuando la extensin de la poblacin es grande
la distribucin binomial B(n,p) se aproxima a la normal
Para conocer la distribucin muestral de las diferencias entre las medias se debe
saber si las varianzas poblacionales son conocidas o desconocidas, y en caso de que
sean desconocidas, se debe saber si son iguales o diferentes. Cada uno de estos tres
casos se analizar por separado.
La media de las diferencias de todos los pares o medias muestrales posibles, es igual
a la diferencia entre las medias poblacionales:
xy
La variante estadstica Z, estar dada en la misma forma que fue representada para
diferencias entre dos medias muestrales:
p1 p2 P1 P2
Z
P1 Q 1 P2 Q 2
n1
n2
94
Introduccin
a) Presentacin y contextualizacin
Los temas que se tratan en la presente Unidad, tienen por finalidad que el
estudiante desarrolle y ejecute la Estimacin de parmetros y Prueba de Hiptesis.
Haciendo que pueda desenvolverse en el
b) Competencia
Analiza e interpreta las tcnicas de estimacin de parmetros y prueba de
hiptesis.
c) Capacidades
1. Reconoce la importancia del intervalo de confianza.
2. Analiza el intervalo de confianza para la media y proporcin.
3. Conoce la importancia de la prueba de hiptesis.
4. Identifica la prueba de hiptesis para la media y proporcin.
d) Actitudes
Promueve actividades y toma decisiones pertinentes.
Respeta y cumple las normas de convivencia en el mbito universitario.
Asume responsabilidad para desarrollar todos los problemas y actividades que
se asignan.
95
Intervalo
de
TEMA
1
Confianza
Competencia:
Reconocer la importancia del intervalo de
confianza.
96
prefijada (nivel de
a estimar se cumpla:
decir
0.05, 0.005,..).
97
La siguiente tabla presenta las diferentes frmulas que ayudaran a crear los
intervalos.
Nivel de
confianza
90%
1.645
95%
1.96
99%
2.576
Intervalo
de
Confianza
para la Media
y Proporcin
TEMA
2
Competencia:
Analizar el intervalo de confianza para la
media y proporcin.
100
s x Z Cuando se da
l
s Se tiene s y n 30
s x Z
l
n
s
xt
s
se tiene s (corregida) y
n 30
s xt
l
Ejemplo N 1
1-
normal.
P( x Z
0.95
n
2
confianza.
El resultado sera: [224,56, 225,44] con el 95 % de
2
uxZ
101
Ejemplo N 2
Las ventas diarias de cierta oficina comercial se supone que siguen una
distribucin normal. Para estimar el volumen
medio de ventas por da se realiza una muestra
de 10 das escogidos al azar, resultando que la
media de las ventas de esos 10 das es S/. 100
con una desviacin tpica de S/. 4. Dar un
intervalo de estimacin para el volumen medio
de ventas por da con una confianza del 95 %.
Conocemos que
P( x t
2
S
S
) 0.95
u x t
n
n
2
Ejemplo N 3
ventas medias por hora S/. 4000, y varianza de dicha muestra S /. 4000. Obtener
dicho intervalo con un nivel de confianza del 95.5 %.
muestral=n=1000,
con
muestreo
aleatorio
x 4000 , S2=4000.
P( x z
2
u x z n ) 0.95
n
2
Prueba
de
TEMA
3
Hiptesis
Competencia:
Conocer la importancia de la prueba de
hiptesis.
104
Los
resultados
experimentales
nos
H 0 sea
105
Tipos de Error:
Definicin.- Se denomina error tipo I, al error que se comete al rechazar una
hiptesis nula
Definicin.- Se denomina error tipo II, al error que se comete al aceptar una
hiptesis nula
H0
Decisin
H0
Verdadera
Falsa
Err
Aceptar
Decisin
Error
H0
correcta
ReR
Error tipo I
Rechazar
tipo II
Decisin
C
H0
Correcta
y la regin de
y la distribucin
107
Prueba de
Hiptesis
Acerca de la
Media y
Proporcin
TEMA
4
Competencia:
Identificar la prueba de hiptesis para la
media y proporcin.
108
que
de lo que deducimos
n
x u
N[0,1] de forma que la hiptesis nula es:
H0: 0.
El estadstico est dado por: Z
x u0
.
Ejemplo N 1
De 100 observaciones de una poblacin normal se obtiene que x = 5 y que S=2.
Contrastar con un nivel de significacin del 5% la hiptesis de que la media de la
poblacin sea 7.
109
x u0
3. Z
5 7 10
2
100
Ejemplo N 2
Un empresario est considerando la posibilidad de ampliar su negocio mediante la
adquisicin de un pequeo bar. El dueo actual del bar afirma que el ingreso diario
del establecimiento sigue una distribucin normal de media 675 soles y una
desviacin estndar de 75 soles. Para comprobar si deca la verdad, tom una
muestra de treinta das y sta revel un ingreso diario promedio de 625 soles.
Utilizando un nivel de significacin del 10 %. Hay evidencia de que el ingreso
diario promedio sea menor del que afirma el presente dueo?
x u0
4. Z
Ejemplo Nro. 3
.
Se escoge a 17 individuos al azar y se les mide, resultando que su estatura media
es de 1,71 metros con desviacin tpica de 0,02 .Contrastar la hiptesis de que la
estatura media nacional sea de 1.75 metros si utilizamos un nivel del significacin
del 5%. Se supone normalidad.
Aplicando el procedimiento para probar una hiptesis tenemos:
1. H0: =1.75
H 1:
2. El nivel de significancia es del 5%. (=5%).
x u0
3. t
s
1.71
1.75
0.02
8.25
17
de
H1: p>p0.
H1: p p0.
H0: p p0.
H0: p p0.
H1: p<p0.
El estadstico est dado por:
Z
P p0
p0 (1 p0 )
n
x (proporcin muestral)
Donde P n
Tiene una distribucin N (0,1) cuando n 30.
Ejemplo Nro. 4.
Una empresa de publicidad desea comprobar si un determinado programa de
televisin es visto por el 30% de la audiencia potencial .Para ello se escoge al azar
una muestra de 200 familias resultando que de ellas 50 lo ven asiduamente.
Contrastar la hiptesis con un nivel de significacin
del 5%.
Aplicando el procedimiento para probar una hiptesis
1. H0: p=0.3
H1: p
2. El nivel de significancia es del 5%. (=5%).
3.
P p0
p0 (1 p0 )
n
tenemos:
50
0.25
200
P p0
0.25 0.30
1.54
p0 (1 p0 )
0.3(1 0.3)
n
200
Ejemplo Nro. 5
Un fabricante de refrescos sin burbujas desea sacar al mercado una variedad de
su producto que tenga burbujas. Su director comercial opina que al menos el 50 %
de los consumidores ver con buenos ojos la innovacin. Se realiza un sondeo de
mercado y resulta que de 100 consumidores encuestados 40 son favorables a la
innovacin.
P p0
p0 (1 p0 )
n
40
0.4
100
Z
P p0
p0 (1 p0 )
n
0.4 0.5
2
0.5(1 0.5)
100
Para el punto b)
Aplicando el procedimiento para probar una hiptesis tenemos:
1. H0: p 0.3
H1: p
3. El nivel de significancia es del 1%. (=1%).
4.
P p0
p0 (1 p0 )
n
40
0.4
100
P p0
p0 (1 p0 )
n
0.4 0.3
2.18
0.3(1 0.3)
100
Lecturas Recomendadas
INTERVALO DE CONFIANZA
http://www.iesxunqueira1.com/Download/pdf/teointervalos.pdf
PRUEBA DE HIPTESIS
http://www.math.uprm.edu/~edgar/capi7.pdf
Actividades y Ejercicios
1) Ingresa al link Operaciones 2 lee atentamente las indicaciones, desarrllalo y
envalo por el mismo medio.
Autoevaluacin
1) Suponga que la estatura media de los hombres tiene una desviacin estndar
de 2,48 centmetros. Se miden 100 estudiantes, hombres, elegidos
aleatoriamente, y se obtiene una estatura media de 168,52 centmetros.
Determine los lmites de confianza del 99% para la estatura media de los
hombres de esta universidad.
a.
167.88, 169.16
b.
200, 250
c.
150.50, 160.50
d.
180.20,190.30
e.
100.30, 150.22
1.678, 1.696
b.
0.777, 0.989
c.
1.505, 1.605
d.
0.555,1.234
e.
0.872, 0.908
4) Un cierto tipo de fusible est diseado para fundirse cuando la corriente llega
a 20 amperios. Se toma una muestra de 36 fusibles de un lote de 500 y se
encuentra que el punto promedio de fusin es de 20,8 amperios, con
desviacin estndar de 1,5 amperios. Utilizando una dcima bilateral, A qu
conclusiones se puede llegar respecto a las especificaciones del lote, a un
nivel de significacin del 1%?
a. Se acepta la hiptesis 20
b. Se acepta la hiptesis 20
20
c. Se acepta la hiptesis
d. Se acepta la hiptesis 20
e. Se acepta la hiptesis 30
5) Un fabricante de cuerdas ha establecido con base en una experiencia de
muchos aos, que las cuerdas tienen una fuerza de ruptura de 15,9 libras,
con una desviacin estndar de 2,3 libras. Se efecta un cambio en el
proceso de fabricacin, y se obtiene una muestra de 64 artculos cuya fuerza
media de ruptura es de 15,0 libras, con una desviacin estndar de 2,2 libras.
debe considerarse que el nuevo proceso tiene un efecto significativamente
negativo a la resistencia de las cuerdas?
a. Se acepta la hiptesis 15.9
15.9
b. Se acepta la hiptesis
15.9
c. Se acepta la hiptesis
d. Se acepta la hiptesis 15.9
e. Se acepta la hiptesis 30
Resumen
. Si estandarizamos, se sigue
que:
El intervalo de confianza para estimar una proporcin p, conocida una proporcin
muestral pn de una muestra de tamao n, a un nivel de confianza del (1-)100% es:
x
, donde x es el nmero de veces que ha ocurrido un evento en
n
Glosario
ESTIMADOR
LIMITE DE CONFIANZA: Son los lmites del intervalo de confianza inferior (LIC) y
superior (LSC), se determinan sumando y restando a la media de la muestra X
un cierto nmero Z (dependiendo del nivel o coeficiente de confianza) de errores
estndar de la media X .
121
Fuentes de Informacin
BIBLIOGRFICAS:
ZAMORA,
Manuel.
Estadstica
Descriptiva
Inferencial.
ELECTRNICAS:
Estadstica Inferencial
http://esta2.galeon.com/Temas1-3.pdf
Distribuciones Muestrales
http://es.scribd.com/doc/48144406/7-Muestreo-y-distribuciones-muestrales
Intervalo de Confianza
http://www.uam.es/personal_pdi/ciencias/framirez/METODOSESTADISTICOS/Tem
a%207-Intervalos%20de%20confianza.pdf
Prueba de Hiptesis
http://es.scribd.com/doc/6784213/Pruebas-de-HipOtesis
122
Apndice
123
124
La tabla da reas 1 y
valores
c t1, r
P[T c] 1
, y donde T tiene
donde,
125
0.75
0.80
0.85
0.90
0.95
0.975
0.99
0.995
1.000
1.376
1.963
3.078
6.314
12.706
31.821
63.657
2
3
4
5
6
7
0.816
0.765
0.741
0.727
0.718
0.711
1.061
0.978
0.941
0.920
0.906
0.896
1.386
1.250
1.190
1.156
1.134
1.119
1.886
1.638
1.533
1.476
1.440
1.415
2.920
2.353
2.132
2.015
1.943
1.895
4.303
3.182
2.776
2.571
2.447
2.365
6.965
4.541
3.747
3.365
3.143
2.998
9.925
5.841
4.604
4.032
3.707
3.499
8
9
0.706
0.703
0.889
0.883
1.108
1.100
1.397
1.383
1.860
1.833
2.306
2.262
2.896
2.821
3.355
3.250
10
11
0.700
0.697
0.879
0.876
1.093
1.088
1.372
1.363
1.812
1.796
2.228
2.201
2.764
2.718
3.169
3.106
12
13
0.695
0.694
0.873
0.870
1.083
1.079
1.356
1.350
1.782
1.771
2.179
2.160
2.681
2.650
3.055
3.012
14
15
16
17
18
19
20
21
22
0.692
0.691
0.690
0.689
0.688
0.688
0.687
0.686
0.686
0.868
0.866
0.865
0.863
0.862
0.861
0.860
0.859
0.858
1.076
1.074
1.071
1.069
1.067
1.066
1.064
1.063
1.061
1.345
1.341
1.337
1.333
1.330
1.328
1.325
1.323
1.321
1.761
1.753
1.746
1.740
1.734
1.729
1.725
1.721
1.717
2.145
2.131
2.120
2.110
2.101
2.093
2.086
2.080
2.074
2.624
2.602
2.583
2.567
2.552
2.539
2.528
2.518
2.508
2.977
2.947
2.921
2.898
2.878
2.861
2.845
2.831
2.819
23
24
0.685
0.685
0.858
0.857
1.060
1.059
1.319
1.318
1.714
1.711
2.069
2.064
2.500
2.492
2.807
2.797
25
26
0.684
0.684
0.856
0.856
1.058
1.058
1.316
1.315
1.708
1.706
2.060
2.056
2.485
2.479
2.787
2.779
27
28
29
30
40
60
120
0.684
0.683
0.683
0.683
0.681
0.679
0.677
0.674
0.855
0.855
0.854
0.854
0.851
0.848
0.845
0.842
1.057
1.056
1.055
1.055
1.050
1.046
1.041
1.036
1.314
1.313
1.311
1.310
1.303
1.296
1.289
1.282
1.703
1.701
1.699
1.697
1.684
1.671
1.658
1.645
2.052
2.048
2.045
2.042
2.021
2.000
1.980
1.960
2.473
2.467
2.462
2.457
2.423
2.390
2.358
2.326
2.771
2.763
2.756
2.750
2.704
2.660
2.617
2.576
126
Distribucin Normal
127
128
129
Solucionario
1. B
1. C
2. C
2. A
3. B
3. A
4. B
4. B
5. A
5. A
1. A
1. A
2. A
2. E
3. D
3. C
4. B
4. C
5. E
5. C
130