Ejercicios de Pruebas de Hipótesis ST1 EPI Mongomery

Conceptos
PROBABILIDADES
Binomial
Poisson
Normal
INTERVALO DE CONFIANZA
Int. de conf. de una media
Int. de conf. de una prop.
Tamaño de muestra de media
Tamaño de muestra de propor.
ARBOLES DE DECISION
Bayes
Media medida de tendencia central
se afecta por valores extremos o sesgo
Mediana no se afecta por valores extremos o sesgo
Moda no se afecta por valores extremos

puede que no exista o que exista más de una
se puede usar para todo tipo de datos: categóricos o numéricos pero mayormente en categóric
Cuartil divide los datos ordenados en cuatro partes
Rango medida de dispersión

diferencia entre la más grande y la menor de las observaciones
ignora como se distribuyen los datos
Rango
diferencia entre el tercer y primer cuartil
Intercuartil
no se afecta por valores extremos (RIC)
Varianza y
Desviación muestra la variación alrededor de la media
Estándar
Coeficiente de
Variación medida de dispersión relativa
siempre es un %
muestra la variación relativa al promedio
es usada para comparar dós o más grupos
Asimetría o
Sesgo describe como están distribuidos los datos
Coef Asimetría As > 0.5 Sesgo a la derecha

As < 0.5 Sesgo a la izquierda
-0.5<As < 0.5 Sin sesgo
mayormente en categóricos
EI EM F
I1 0.30 0.70 0.10
I2 0.30 0.20 0.50
I3 0.40 0.10 0.40
Priori 0.25 0.50 0.25
EI EM F
INFORMACION DE I1 0.075 0.350 0.025 0.000 0.000
UNA CONSULTORA I2 0.075 0.100 0.125 0.000 0.000
ASESOR, EXPERIMENTO I3 0.100 0.050 0.100 0.000 0.000
ETC 0.000 0.000 0.000 0.000 0.000
0.000 0.000 0.000 0.000 0.000
EI EM F
I1 0.167 0.778 0.056 0.000 0.000
I2 0.250 0.333 0.417 0.000 0.000
I3 0.400 0.200 0.400 0.000 0.000
#DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0!
#DIV/0! #DIV/0! #DIV/0! #DIV/0! #DIV/0!
Arbol original
Probalidade
priori
SIN ESTUDIO
CON ESTUDIO
Probalidades
totales de la
segunda
tabla
TOTAL
0.000 0.450
0.000 0.300
0.000 0.250
0.000 0.000
0.000 0.000
0.000
0.000
0.000
#DIV/0!
#DIV/0!
Probalidades a
priori
Probalidades de la
3° Tabla
Probabilidad de éxito 40.00% p Ej. Si hay un 10% de probabilidad de que un obrero
se vaya de la empresa, si se escojen 10 al azar
N° de ensayos 5n ¿Cuál es la probabilidad de que 3 de ellos deje la
N° de éxitos 2x empresa)
n!
f (X )  p X (1  p ) n  X
X !(n  X )!
Probabilidad ( X= 2 0.3456 cuando n > 30 :

Probabilidad ( X<= 2 0.68256
Probabilidad ( X< 2 0.33696 Aproximaciones a la Distribución Bino
Probabilidad ( X>= 2 0.66304
Probabilidad ( X> 2 0.31744 Para usar la aproximación de poisson
  np
Distribución de probabilidades Para usar la aproximación por normal
ValorEsperado  E ( X )    np   np
Valor esperado 2  2  np(1  p)
Varianza  Var ( X )   2  np (1  p )
Varianza 1.2
Desviación.Estándar 
DS ( X )    np (1  p )
Desviación Estándar 1.10
0.201326592
0.1682839291
1. Un agente de seguros vende pólizas a cinco personas de la misma edad y que disfrutan de buena salud. Según las ta
condiciones viva 30 años o más es 2/3. Hállese la probabilidad de que, transcurridos 30 años, vivan:
a) Las cinco personas: 0.1317
b) Al menos tres personas: 0.7902
1. Un representante realiza 5 visitas cada día a los comercios de su ramo y por su experiencia anterior sabe que la prob
es la probabilidad de que el número de pedidos que realiza durante un día:
a) sea exactamente 3 pedidos: 0.2304
b) de que por lo menos realice dos pedidos: 0.6630
e probabilidad de que un obrero
esa, si se escojen 10 al azar
lidad de que 3 de ellos deje la
aciones a la Distribución Binomial
mación de poisson
Si np<5 es poisson esperanza
mación por normal

Si np>5, es normal
an de buena salud. Según las tablas actuales, la probabilidad de que una persona en estas
ños, vivan:
66.67%
iencia anterior sabe que la probabilidad de que le hagan un pedido en cada visita es del 0.4. Cual
Ej. En un hospital llegan en promedio 3 pa
media hora (λ), ¿Cuál es la probabilidad de
lo mas 2 pacientes en 5 minutos?
Lambda 3.00 Promedio de ocuurencia de un evento en una unidad dada
X 4
e  X
f (X ) 
X!
Probabilidad ( X= 4 0.1680
Probabilidad ( X<= 4 0.8153
Probabilidad ( X< 4 0.6472
Probabilidad ( X>= 4 0.3528
Probabilidad ( X> 4 0.1847
N
Media    E ( X )     X i P ( X i )
i 1
Desviación.estándar    
En promedio, en una cierta intersección ocurren 3 accidentes viales por mes ¿Cuál es la probabilidad de que en un
determinado mes en esta intersección
a) ocurran exactamente 5 accidentes? 0.1008
b) ocurran menos de 3 accidentes? 0.4232
1. Los accidentes laborales diarios de una empresa siguen una distribución de Poisson, con promedio de 2 por día. Calc
a) dos accidentes en un día: λ= 2 0.2707
b) a lo sumo 3 accidentes en dos días laborales: λ= 4 0.4335
c) de que hayan 4 accidentes en una semana: λ = 14 0.0013
1. Los mensajes que llegan a una computadora utilizada como servidor lo hacen de acuerdo con una distribución Poisso
con una tasa promedio de 0.1 mensajes por minuto. ¿Cuál es la probabilidad de que lleguen;
a) Como mucho 2 mensajes en media hora?: λ= 3 0.4232
b) Por lo menos 3 mensajes en una hora?: λ= 6 0.9380
c) Exactamente 4 mensajes en media hora?: λ= 3 0.1680
n hospital llegan en promedio 3 pacientes cada
ora (λ), ¿Cuál es la probabilidad de que lleguen a
2 pacientes en 5 minutos?
un evento en una unidad dada
0.8153
0.1991
0.6161
la probabilidad de que en un
on, con promedio de 2 por día. Calcular las probabilidades de que ocurran:
acuerdo con una distribución Poisson

eguen;
Distribución normal estándar
SI DESEO LA PROBABILIDAD
valor X 16
media poblacional 14
Desviación estándar poblacional 2.5
Z 0.80
Probabilidad (X<) 0.7881
Probabilidad (X>) 0.2119
2000 X 
Z

1. El peso de los toros de una ganadería se distribuyen como una distribución normal de 500 kg de media y 45 kg de de
a) ¿Cuantos pesaran más de 540 kg?
b) ¿Cuantos pesaran menos de 480 kg?
c) ¿Cuantos pesaran entre 490 y 510 kg?
d) Si el 5% superior de los toros los denominamos los "super pesados" a partir de que peso tienen tal denominacion
a 374
b 657
c P(X≤ 510) = 0.5879295521
P(X≤ 490) = 0.4120704479
P(490≤X≤ 510) = 0.1758591043 352 Toros
2000
d 574 Kg.
2.- Una máquina despachadora de refrescos está ajustada para servir un promedio de 200 ml por vaso. Si la cantidad de
refresco es normalmente distribuida con una desviación estándar igual a 15 ml.
a) ¿Qué fracción de los vasos contendrá más de 224 ml?
b) ¿Cuál es la probabilidad de que un vaso contenga entre 191 y 209 ml?
c) ¿Cuántos vasos probablemente se derramarán si se utilizan vasos de 230 ml en los siguientes 1000 refrescos?
d) ¿Debajo de qué valor se obtiene el 25% más pequeño de los refrescos?
Solucion
a) ¿Qué fracción de los vasos contendrá más de 224 ml?
Probabilidad (X>224) 0.0548
b) ¿Cuál es la probabilidad de que un vaso contenga entre 191 y 209 ml?
P(X≤ 209) = 0.7257468822

P(X≤ 191) = 0.2742531178
P(191≤X≤ 209) = 0.4514937645
c) ¿Cuántos vasos probablemente se derramarán si se utilizan vasos de 230 ml en los siguientes 1000 refrescos?
Probabilidad (X≥230) 0.0228

d) ¿Debajo de qué valor se obtiene el 25% más pequeño de los refrescos?
X= 190
1. una compañía paga a sus empleados un salario promedio de $15.90 por hora con una desviación estándar de $1.50.
los salarios se distribuyen aproximadamente de forma normal y se pagan al centavo más próximo.
a) ¿qué porcentaje de los trabajadores reciben salarios entre $13.75 y $16.22 inclusive por hora?:
b) ¿el 5% más alto de los salarios por hora de los empleados es mayor a qué cantidad?:
SI TENGO LA PROBABILIDAD
Prob a la izquierda 0.95
media poblacional 15.9
Desviación estándar poblacional 1.5
Z 1.645
X 18
X 


una distribución normal de 500 kg de media y 45 kg de desviación típica. Si la ganadería tiene 2000 toros:
esados" a partir de que peso tienen tal denominacion
a servir un promedio de 200 ml por vaso. Si la cantidad de

ar igual a 15 ml.
vasos de 230 ml en los siguientes 1000 refrescos?

vasos de 230 ml en los siguientes 1000 refrescos?
de $15.90 por hora con una desviación estándar de $1.50. Si

se pagan al centavo más próximo.
$13.75 y $16.22 inclusive por hora?: 0.5845 0.0759 0.5086
es mayor a qué cantidad?: 18.37
DISTIBUCION EXPONENCIAL
μ= 5
λ= 0.2
x= 10
1. Los clientes llegan en una tienda determinada en un promedio de 15 por

hora. ¿Cuál es la probabilidad de que el gerente debe esperar al menos 5
minutos para el primer cliente?
μ= 4
λ= 0.25
x= 5
Supongamos que después de las primeras 6 horas, el tiempo de vida promedio

remanente de las baterías de un reproductor de discos compactos portátil es de
8 horas. Encontrar la probabilidad de que un conjunto de baterías de una
duración de entre 12 y 16 horas.
μ= 8 μ=
λ= 0.125 λ=
x= 16 x=
Probabilidad (X<) 0.8647 Probabilidad (X<) 0.0878
Probabilidad (X>) 0.1353 Probabilidad (X>)
La cantidad de tiempo durante el que funciona una cámara de vigilancia sin que se le reponga es una
variable aleatoria con distribución exponencial, con b = 50 días. Determine las probabilidades de que
una cámara así, a) tenga que ser repuesta en menos de 20 días, b) tenga que ser repuesta en al menos
40 días.
λoβ= 50 λoβ=
x= 20 x=
Probabilidad (X<) 1.0000 Probabilidad (X<)
μ= 1750 μ=
λ= 0.00057143 λ=
x= 1500 x=
Probabilidad (X<) 0.5756 Probabilidad (X<)
Una refinadora de azúcar tiene 3 plantas de proceso, y todas reciben azúcar morena a granel. La
cantidad de azúcar que puede procesar una planta en un día se pude representar mediante una
función exponencial con un promedio de 4 (mediciones en toneladas), para cada una de las tres
plantas. Si las plantas trabajan en forma independiente, calcular la probabilidad de que sean
exactamente 2 de las tres plantas las que procesen más de 4 toneladas en un día determinado.
Exponencial Binomial
μ= 4 n=3 p=
λ= 0.25
x= 4 P(X = 2) = 0.26
Probabilidad (X≤ 4) 0.6321
Probabilidad (X> 4) 0.3679
1. Se sabe que el tiempo de espera una persona que llama a un centro de atención al público para ser atendido por un ases
exponencial con μ = 5 minutos. Encuentre la probabilidad de que una persona que llame al azar en un momento dado tenga qu
a) A lo sumo 5 minutos. 0.6321
b) Al menos 10 minutos. 0.1353
c) Entre 3 y 10 minutos. 0.8647 0.4512 0.4135
μ= 5
λ= 0.2
x= 10
Probabilidad (X≤ 4) 0.8647
Probabilidad (X> 4) 0.1353
se le reponga es una
obabilidades de que
puesta en al menos
na a granel. La
mediante una
una de las tres
de que sean
eterminado.
ico para ser atendido por un asesor es una variable aleatoria
zar en un momento dado tenga que esperar:
MEDIA
TAMAÑO DE MUESTRA (Media)
DESV.STAND σ 100
NIVEL CONF (1 - α) 90 %
ERROR DE MUESTREO E 20
a) Para Poblacion infinita o cuando no se conoce

2
 Z  Z 1.64
n  n 67.64 68
 e 
b) Para Poblacion finita o cuando se conoce
z 2 2 N N 800
n Z 1.64
E 2 * ( N  1)  z 2  2 n 62.44 63
Tamaño de la Poblacion N 1855

Nivel de Significacion α 0.05
Nivel de Confianza 1-α 0.95
Coeficiente de Confianza Z(1-α) 1.96
Proporcion est con conocimiento CCU P 0.25
Proporcion est no conocimiento CCU Q 0.75
Precision o error de estimacion E 0.06
Tamano de la muestra n 180.7

Proporcion a favor de Mineria P 0.5
Proporcion en contra de la Mineria Q 0.5
Tamano de la muestra n 383

PROPORCION
TAMAÑO DE MUESTRA (proporción) *SI NO SE TIENE P

SE ASUME 50%
PROPORCION P 50 %
NIVEL CONF (1-a) (1 - α) 95 %
ERROR DE MUESTREO E 6%
a) Para Poblacion infinita o cuando no se conoce
Z 2 P (1  P ) Z 1.96
n n 266.77 267
E2
b) Para Poblacion finita o cuando se conoce
z 2 PQN N 3000
n Z 1.96
E 2 * ( N  1)  z 2 PQ n 245.06 246 100.046838

Proporcion de aceptacion postres P 0.5
Proporcion de no aceptacion postres Q 0.5
Tamano de la muestra n 245.06

z 2 PQN
n
E 2 * ( N  1)  z 2 PQ
MEDIA
CUANTITATIVO
MEDIA X 745.00
DESV.STAND σ;S 24.63
NIVEL CONF 1-α 95 %
TAMAÑO POBLACION N 400 (0 si no se conoce)
TAMAÑO DE MUESTRA n 15
n≥30 n≤30
Usar factor 0 Normal Dist Student Dist
Z T
VALOR DE TABLA 1.96 2.14
ERROR STANDARD O TÍPICO 6.359 6.359
ERROR DE MUESTREO O MARGEN DE ERROR 12.464 13.640
Z N  n
X  Lim Infe 732.54 731.36
n N 1 Lim Supe 757.46 758.64 521
742
Pr ob (lim . inf e.    lim . sup e.)  niv.conf . 593
635
Si piden intervalo de Confianza del TOTAL 788
Lim Infe 293,014 292,544 717
Lim Supe 302,986 303,456 606
639
Pr ob (lim . inf e.  Total  lim . sup e.)  niv.conf . 666
624
Promedio 653.10
Desvest 78.18
VARIANZA
CUANTITATIVO
MEDIA X 3.70
VARIANZA S2 1.44
χ2(1-α/2) χ2α/2
VALOR DE TABLA 39.364 12.401
(n-1)*S2 34.560 34.560
(n 1)  S 2 (n 1)  S 2  Lim Infe Lim Supe

 2  
2
 0.88 2.79
  1 / 2,(n1)  2  / 2,(n1) 
Desvest 0.9 1.7
CV 25% 45%
Pr ob (lim . inf e.   2  lim . sup e.)  niv .conf .

Desvest Var
1.2 1.44
Variable N Media Desv.Est. ET media IC de 95%

CPC 15 745.00 24.63 6.36 (731.36; 758.64)
PROPORCION
CUALITATIVO
casos que cumplen x 154

PROPORCION Ps 40.00 %
TAMAÑO POBLACION N 2000 (0 si no se conoce)
Usar factor 0 109

10.440306509
Z 1.960
ERROR STANDARD O TÍPICO 0.025
ERROR DE MUESTREO O MARGEN DE ERROR 0.049
p s (1  p s ) N n 745
ps  Z Lim Infe 0.35 24.628671
n N 1 Lim Supe 0.45
Pr ob (lim . inf e.  P  lim . sup e.)  niv.conf .

Si piden intervalo de Confianza del TOTAL
Lim Infe 702
Lim Supe 898
Pr ob (lim . inf e.  Total  lim . sup e.)  niv.conf .
1 448
2 460
3 514
4 488
5 592
6 490
7 507
8 513
9 492
10 534
11 523
12 452
13 464
14 562
15 584
16 507
17 461
Media 505.35
Varianza 1922.37
Desvest 43.84
INTERVALO DE CONFIANZA 2 MEDIAS
CUANTITATIVO
Supuestos: Poblaciones Normales y varianzas conocidas ( Poblaciones no
normales y varianzas desconocidas)
n ≥30 normal
Muestra 1 Muestra 2
Tamaño de la muestra (n) 50 75
Media Muestral (Xraya) 36.00 24.00
Desviación Estándar 6.00 8.00
Nivel de Confianza (1-α ) 96%

Nivel de significación (α) 4%
Valor de Z 2.05
Error Estándar 1.25
Margen de Error 2.5761
Estimado puntual 12
Límite Inferior 9.42
Límite Superior 14.58
Con el nivel de confianza considerado, la estimación del intervalo de la

diferencia de las medias de las 2 poblaciones está entre L. Inf y L. Sup
Supuestos: Poblaciones Normales y varianzas desconocidas (σ 12 = σ22)
n<30 t-student
Muestra 1 Muestra 2
Media Muestral 402.00 386.11
Nivel de Confianza (1-α ) 95.0%
Nivel de significación (α) 5.0%
Varianza conjuntal (S^2) 105.76 ((n1-1)(S1^2)+(n2-1)(S2^2))/(n1+n2-2)

(Estimación combinada)
Valor de t 2.110
Estimado puntual 15.89

Supuestos: Poblaciones Normales y varianzas desconocidas (σ 12 ≠ σ22)
n<30 t-student
Muestra 1 Muestra 2
Media Muestral 223.21 163.40
Nivel de Confianza: (1-α ) 99.0%
Nivel de significación: (α) 1%
Grados de Libertad: r 21
Varianza de la media muestral 311.40

Valor de t 2.831


Aditivo 1 Aditivo 2
12 15
10 17
13 16
11 18
12 17
15 19
14 12
15 13
11 15
Promedio 12.56 15.78

Desvest 1.81 2.28
Usuales Solitarias
10.7 9.6
10.7 10.4
10.4 9.7
10.9 10.3
10.5 9.2
10.3 9.3
9.6 9.9
11.1 9.5
11.2 9.0
11.4 10.9
MEDIA 10.68 9.78

DESV.STAND 0.520 0.598
Grupo 1 Grupo 2
1 176 129
2 289 212
3 181 213
4 226 191
5 265 157
6 174 143
7 260 136
8 260 148
9 325 138
10 145 167
11 207
12 245
13 228
14 144
Media 223.21 163.4
Varianza 2979.57 985.60
desvest 54.59 31.39
CUANTITATIVO
VARIANZA 1
VARIANZA 2
NIVEL CONF
s 2
1
s22 F1 / 2
CUALITATIVO
Prob (lim.nfeTotaPlismu.pe)nvcof

INTERVALO DE CONFIANZA 2 VARIANZAS
TAMAÑO DE MUESTRA 1
TAMAÑO DE MUESTRA 2
VALOR DE TABLA
Estimado puntual


Tamaño de la muestra (n)

casos que cumplen
2
Proporción (casos que cumplen / n)


s2
1
S12
S22
1-α
n1
n2
F- Fisher
s22 F / 2
S12/S22
Prob (lim.inf e.  1 /  2  lim.supe.)  niv.conf.

2 2
INTERVALO DE CONFIANZA 2 PROPORCIONES
Supuestos: Poblaciones de Bernoulli

Muestra 1
1000
52
0.052
2500.00
900.00
Fα/2
0.291
2.778
Lim Infe
0.808
Muestra 2
1000
23
0.023
95 %
10
13
F(1-α/2)
3.868
2.778
Lim Supe
10.745
N° vehiculo
Media
1
2
3
4
5
6
7
8
9
10
Varianza
Desvest
Nivel de Confianza (1-α ) 90%

Nivel de significación (α) 10%
Valor de Z 1.64
Error Estándar 0.0085 Sqrt(P1(1-P1)/n1+P2(1-P2)/n2))


diferencia de las proporciones de las 2 poblaciones está entre L. Inf y L. Sup
N Media Desv.Est. media

Muestra1 10 402.0 11.1 3.5
Muestra2 9 386.11 9.28 3.1
Diseño 1 Diseño 2
164.4 163.5
169.7 162.8
169.2 163.0
169.5 163.2
161.8 160.7
168.7 161.5
169.5 160.9
163.9 162.1
Media 167.09 162.21

Varianza 10.12 1.16
Desvest 3.18 1.08
Antes Despues
12.3 12
12 12.3
12 12.5
13 12
13 13
12.5 12.5
11.3 10.3
11.8 11.3
11.5 11.5
11 11.5
11 11
11.3 11.5
MEDIA 11.89166667 11.78333333

DESV.STAND 0.705 0.748
Taller A Taller B A B
76 73 2.17 2.13
102 91 2.23 2.16
95 84 2.21 2.14
13 15 2.18 2.12
30 27 2.22 2.15
63 58 2.2 2.14
53 49 2.21
62 53 2.19
22 20
48 42 Varianzas 0.0004125 0.0002
56.40 51.20 A B
874.93 682.62 50 40
29.58 26.13 48 51
53 62
60 55
37 64
Media 49.6 54.4

Varianza 70.3 92.3
Desvest 8.38 9.61
MEDIAS: Supuestos: Poblacion Normal y varianza conocida y Poblaciones No Normal y varianza desconocida (Z) - P
Ho : μ ≥ 170000 Ho :
H1: μ < 170000 H1:
MEDIA X 169411.8 MEDIA

DESV.STAND σ; S 32827 DESV.STAND
NIVEL DE SIGNIFICACION α 5% NIVEL DE SIGNIFICACION
TAMAÑO DE MUESTRA n 51 TAMAÑO DE MUESTRA
-1.645 Z -1.960
-1.676 t -2.009
X  X 
Z k  Tk  Zk = Tk = -0.1280 Z k  Tk 
 
n p-value 0.4491 n
No se Rechaza Ho Z No se Rechaza Ho
No se Rechaza Ho T No se Rechaza Ho
Comentario: El rendimiento de la poblacion estudiada tiene un Comentario: El rendimiento de la poblacion estu
puntaje promedio de 13 puntos o mas en el curso de puntaje promedio de 13 puntos en el curso de m
matematicas
VARIANZA: Supuestos: Poblacion Normal y varianza conocida
Ho : σ 2
≥ 30 Ho :
H1: σ 2
< 30 H1:
VARIANZA S2 25 VARIANZA
NIVEL DE SIGNIFICACION α 5% NIVEL DE SIGNIFICACION
2.167 χ2 2.700
( n  1) S 2 Xk = 5.83 ( n  1) S 2
Xk  Xk 
0 2
Z  02
No se Rechaza Ho No se Rechaza Ho
Comentario: Comentario:
PROPORCION
%
Ho : P ≥ 50 Ho :
H1: P < 50 H1:
casos que cumplen x 450 casos que cumplen

PROPORCION Ps 45 % PROPORCION
NIVEL DE SIGNIFICACION ALFA 5% NIVEL DE SIGNIFICACION
-1.645 Z -1.960
ps  P Zk = ps  P
Z k  -3.162 Zk 
P (1  P ) P (1  P )
p-value 0.001
n n
SE Rechaza Ho SE Rechaza Ho
tamaño de la muestra
cuenta de la proporcion
proporción muestral
nivel de significación
Valor critico menor
valor critico mayor
Valor hipotético
Error standard
Estadístico de Prueba
conclusión
al y varianza desconocida (Z) - Poblaciones Normal y varianza desconocidas (t)
μ = 170000 Ho : μ ≤ 25
μ ≠ 170000 H1: μ > 25
X 169411.8 MEDIA X 19.64

S 32827 DESV.STAND S 19.59
α 5% NIVEL DE SIGNIFICACION α 5%
n 51 TAMAÑO DE MUESTRA n 45
Z 1.960 Z 1.645
t 2.009 t 1.680
Zk = Tk = -0.13 X  Zk = Tk = -1.8354
Z k  Tk 

p-value 0.8982 p-value 0.9668
n
Z No se Rechaza Ho Z
T No se Rechaza Ho T
rendimiento de la poblacion estudiada tiene un Comentario: El rendimiento de la poblacion estudiada
o de 13 puntos en el curso de matematicas tiene un puntaje promedio de 13 puntos o menos en el
curso de matematicas
σ 2
= 0.04 Ho : σ 2
≤ 0.0625
σ 2
≠ 0.04 H1: σ 2
> 0.0625
S2 0.05457 VARIANZA S2 0.1024

α 5% NIVEL DE SIGNIFICACION α 5%
χ2 19.023 χ2 30.144
n  1) S 2 Xk = 12.28 ( n  1) S 2 Xk = 31.13
Xk 
 02  02
SE Rechaza Ho
Comentario:
% %
P = 50 Ho : P ≤ 67
P ≠ 50 H1: P > 67
x 8 casos que cumplen x 58

Ps 6.6666667 % PROPORCION Ps 64.444444 %
ALFA 5% NIVEL DE SIGNIFICACION ALFA 5%
Z 1.960 Z 1.645
ps  P ps  P
Zk= -9.494 Zk  Zk = -0.515599
P (1  P ) P (1  P )
p-value 0.0000 p-value 0.69693
n n
No se Rechaza Ho
Comentario:
J40
I59 / I58
J39
H46
J46
K34
K52
K50
alpha y p value ó Z entre valores criticos
Notas
8
13
11
6
18
15
12
11
10
15
Promedio 11.9
Desvest 3.54
Var 12.54
Z alpha (valor crítico)
Z (Estadístico de Prueba)
Si valor p < alfa, estonces rechazo

570 87.692308
650
2 VARIANZAS: Supuestos: Poblaciones Normales y varianzas desconocidas
Ho : σ1 2 ≥ σ2 2 Ho : σ1 2
H1: σ1 2 < σ2 2 H1: σ1 2
Grupo 1 Grupo 2
VARIANZAS S i2 100 225 VARIANZAS S i2
TAMAÑO DE MUESTRA n 10 9 TAMAÑO DE MUESTRA n
NIVEL DE SIGNIFICACION α 1% NIVEL DE SIGNIFICACION α
0.183 F 0.200 F
F k  S 12 / S 2
2
Fk = 0.44 F k  S 12 / S 2
2
No se Rechaza Ho Z SE Rechaza Ho
No se Rechaza Ho T SE Rechaza Ho
2 MEDIAS: Supuestos: Poblaciones Normales y varianzas conocidas y Poblaciones No Normales y varianzas desco
Ho : μ1 ≥ μ2 Ho : μ1
H1: μ1 < μ2 H1: μ1
Grupo 1 Grupo 2 |
MEDIA X 1250 1340 MEDIA X
DESV.STAND S 115 106 DESV.STAND S
-1.645 Z -1.960 Z
-1.717 t -1.975 t
( X 1  X 2 )  (  1  2 ) ( X 1 X 2 )  (1 2)
Z  Tc  Zk = Tk = Z  Tc 
 S 12 S 22  -1.99
    S12 S 22 
  
 n1 n2 
 n1 n2 
SE Rechaza Ho Z SE Rechaza Ho Z
SE Rechaza Ho T SE Rechaza Ho T
2 MEDIAS: Supuestos: Poblaciones Normales y varianzas desconocidas (σ12 = σ22)
Ho : μ1 ≥ μ2 Ho : μ1
H1: μ1 < μ2 H1: μ1
Grupo 1 Grupo 2
MEDIA X 10.50 13.38 MEDIA X
DESV.STAND S 2.619 3.021 DESV.STAND S
Varianza Conjunta (Sc2) 7.99 Varianza Conjunta (Sc2) 7.99
-1.761 t -2.145 t
( X 1  X 2 )  (  1  2) ( X 1  X 2 )  (  1  2)
Z  Tc  Tk = -2.03 Z  Tc 
 Sc 2 Sc 2   Sc 2 S c 2 
     
 n1 n 2   n1 n 2 
SE Rechaza Ho T No se Rechaza Ho T
2 MEDIAS: Supuestos: Poblaciones Normales y varianzas desconocidas (σ12 ≠ σ22)
Ho : μ1 ≥ μ2 Ho : μ1
H1: μ1 < μ2 H1: μ1
Grupo 1 Grupo 2
MEDIA X 12.7 12.3 MEDIA X
DESV.STAND S 4.459 1.7029 DESV.STAND S
GRADOS DE LIBERTAD r 10 GRADOS DE LIBERTAD r
-1.812 t -2.571 t
( X 1  X 2 )  (  1  2 ) ( X 1 X 2 )  (1 2)
Z  Tc  Tk = Z  Tc 
 S 12 S 22  0.25
    S12 S 22 
  
 n1 n2 
 n1 n2 
No se Rechaza Ho T No se Rechaza Ho T
2 PROPORCIONES
Ho : P1 ≥ P2 Ho : P1
H1: P1 < P2 H1: P1
Grupo 1 Grupo 2
% %
PROPORCION Ps 25 33 PROPORCION Ps
NIVEL DE SIGNIFICACION ALFA 5% NIVEL DE SIGNIFICACION ALFA
-1.645 Z -1.960 Z
^ ( n1 * PS 1 )  ( n 2 * PS 2 ) ^ ( n1 * PS 1 )  ( n 2 * PS 2 )
P P
n1  n 2 n1  n 2
p= 0.28
Zk = -1.38 ( PS 1  PS 2 )  ( P1  P 2 )
( PS 1  PS 2 )  ( P1  P 2 ) ZC 
ZC 
 1 1 
^ ^
 1 1 
^ ^
P * (1  P ) *   P * (1  P ) *   
  n1 n 2
 n1 n 2
No se Rechaza Ho Err:502
= σ2 2 Ho : σ1 2 ≤ σ2 2
≠ σ2 2 H1: σ1 2 > σ2 2
Grupo 1 Grupo 2 Grupo 1 Grupo 2

6.86 9.13 VARIANZAS Si2 20.693 2.9
8 8 TAMAÑO DE MUESTRA n 9 10
5% NIVEL DE SIGNIFICACION α 5%
Promedio
Desvest
Var
4.995 F 3.230
Fk = 0.75 F k  S 12 / S 2
2
Fk = 7.14
Z SE Rechaza Ho Z
T SE Rechaza Ho T
Comentario:
Normales y varianzas desconocidas (Z) - Poblaciones Normales y varianzas desconocidas (t)
= μ2 Ho : μ1 ≤ μ2
≠ μ2 H1: μ1 > μ2

49.60 54.40 MEDIA X 122 112
3.0 2.0 DESV.STAND S 11 10
1.960 Z 1.645
1.975 t 1.665
( X 1  X 2 )  (1 2)
Zk = Tk = Z  Tc  Zk = Tk =
-11.91  S12 S 22  4.25
  
 n1 n2 
SE Rechaza Ho Z
SE Rechaza Ho T
Comentario:
= μ2 Ho : μ1 ≤ μ2
≠ μ2 H1: μ1 > μ2

10.50 13.38 MEDIA X 10.50 13.38
2.619 3.021 DESV.STAND S 2.619 3.021
Varianza Conjunta (Sc2) 7.99
2.145 t 1.761
( X 1  X 2 )  (  1  2)
Tk = -2.03 Z  Tc  Tk = -2.03
 Sc 2 S c 2 
  
 n1 n 2 
No se Rechaza Ho T
Comentario:
= μ2 Ho : μ1 ≤ μ2
≠ μ2 H1: μ1 > μ2

5.00 3.00 MEDIA X 12.7 12.3
2.000 1.000 DESV.STAND S 4.459 1.7029
6 GRADOS DE LIBERTAD r 10
2.571 t 1.812
( X 1  X 2 )  (1 2)
Tk = Z  Tc  Tk =
2.00  S12 S 22  0.25
  
 n1 n2 
No se Rechaza Ho T
Comentario:
= P2 Ho : P1 ≤ P2
≠ P2 H1: P1 > P2

% % % %
450 250 PROPORCION Ps 84 72
5% NIVEL DE SIGNIFICACION ALFA 1%
1.960 Z 2.326
^ ( n1 * PS 1 )  ( n 2 * PS 2 )
P
n1  n 2
p= 3.50 p= 0.79
Zk = Err:502 Zk = 2.51
( PS 1  PS 2 )  ( P1  P 2 )
ZC 
^ ^
 1 1 
P * (1  P ) *   
 n1 n 2
SE Rechaza Ho
Comentario:
Control Experimental
8 10
10 12
12 11
11 15
14 18
10 15
13 16
6 10
10.5 13.375
2.62 3.02
6.86 9.13
Usuales Solitarias
10.7 9.6
10.7 10.4
10.4 9.7
10.5 9.2
10.3 9.3
9.6 9.9
11.1 9.5
11.2 9.0
11.4 10.9
MEDIA 10.655556 9.7222222

DESV.STA 0.546 0.604
A B
50 40
48 51
53 62
60 55
37 64
Media 49.6 54.4
Varianza 70.3 92.3
1° CALCULAR LAS DIFERENCIAS DE ACUERDO A LO
2° OBTENER LA MEDIA, DESVIACIÓN STANDARD DE
3° REEMPLAZAR EN LA PLANTILLA
Ho : Ud ≥ 20 Ho : Ud
H1: Ud < 20 H1: Ud
MEDIA Xd 21 MEDIA Xd
DESV.STAND Sd 2 DESV.STAND Sd
TAMAÑO DE MUESTRA n 100 TAMAÑO DE MUESTRA n
-1.6449 Z -1.9600 Z
-1.6604 t -2.2622 t
X   X  d
Z  d d
Z=t= 5 Z  d
sd sd
n n
No se Rechaza Ho Z SE Rechaza Ho
No se Rechaza Ho T SE Rechaza Ho
valor p lo comparo con alpha

NCIAS DE ACUERDO A LO SEÑALADO EN LA HIPÓTESIS
SVIACIÓN STANDARD DE LA DIFERENCIA
= 0 Ho : Ud ≤ 20
≠ 0 H1: Ud > 20
2.7 MEDIA Xd 22
2.9078 DESV.STAND Sd 1
10 TAMAÑO DE MUESTRA n 100
1.9600 Z 1.6449
2.2622 valor t t 1.6604
Z=t= 2.936 estad. de prueba X   Z=t= 20

Z  d d
sd
valor p 0.017
n
Z SE Rechaza Ho Z
T SE Rechaza Ho T
PRUEBA DE INDEPENDENCIA
Valores Observados (Oij)
Ho: El Nº de objetos defectuosos producidos por las Maquina
maquinas no dependen de los turnos Turnos A B C
H1: El Nº de objetos defectuosos producidos por las Mañana 75 90 85
maquinas si dependen de los turnos Tarde 70 85 70
Noche 95 85 75
NIVEL DE SIGNIFICACION ALFA 5% Total 240 260 230

GRADOS DE LIBERTAD (R-1)*(C-1) 4
R: Nº de Filas 3 Valores esperados (Eij= Ri*Cj/n)
C: Nº de Columnas 3 Maquina
Turnos A B C
Mañana 82.19 89.04 78.77
Tarde 73.97 80.14 70.89
Noche 83.84 90.82 80.34
Total 240 260 230
0 Χ2tab= 9.49
0.629281 0.010327 0.49321
0.213343 0.295106 0.011184
c r (Oij  Eij ) 2
 2  
Χ2cal = 3.87 1.48676 0.3732 0.355253
Χ2cal =
i 1 i 1 Eij
p-value = 0.42
Χ2cal =
No se Rechaza Ho p-value =
Comentario: α=
El Nº de objetos defectuosos producidos por las
maquinas no dependen de los turnos
dos (Oij) Nivel BECK
Nivel HAS Total
Leve % Moderado %
Total No ansiedad 25 50 4 8 29
250 Ansiedad lev 20 40 1 2 21
225 Total 45 90 5 10 50
255 χ 2 cal 1.10 p-value
730 χ 2
tab 3.84 1 gl α
Eij= Ri*Cj/n)
Total
250
225
255
730
3.87
3.87
0.42
0.05
%
58
42
100
0.29
0.05
PRUEBA DE INDEPENDENCIA
Valores Observados (Oij)
Ho: Los niveles de depresion de BECK no dependen de los BECK
niveles de ansiedad de HAS HAS Leve Moderado
H1: Los niveles de depresion de BECK si dependen de los No Ansiedad 25 4
niveles de ansiedad de HAS Ansiedad 20 1
Total 45 5
NIVEL DE SIGNIFI ALFA 5%

GRADOS DE LIBERTAD (R-1)*(C 1 Valores esperados (Eij= Ri*Cj/n)
R: Nº de Filas 2 BECK
C: Nº de Columnas 2 HAS B C
Mañana 26.10 2.90
Tarde 18.90 2.10
Total 45 5
0.0463602 0.41724138
0 Χ 2
=
tab 3.84 0.0640212 0.57619048
c r (Oij  Eij ) 2
  
2 Χ2cal = 1.10
i 1 i 1 Eij
p-value = 0.29
No se Rechaza Ho
Comentario:
Con un nivel de significacion del 0.05 (p-value de 029)
se concluye que no existe relacion entre los niveles de
depresion y los nives de ansiedad
vados (Oij) Nivel BECK
Nivel HAS Total %
Leve % Moderado %
Total No ansiedad 25 50 4 8 29 58
29 Ansiedad lev 20 40 1 2 21 42
21 Total 45 90 5 10 50 100
50 χ 2 cal 1.10 p-value 0.29

χ 2
tab 3.84 1 gl α 0.05
s (Eij= Ri*Cj/n)
Total
29
21
50
Χ2cal = 1.10
p-value = 0.29
α= 0.05
Con remplazo
DESV.STAND S 25
NIVEL CONFIANZA nc 95 %
ERROR DE MUESTREO e 12
2
 ZS  Z 1.96
n    n 16.67 17
 e 
Para saber si la la población es finita se

aplica la regla: "Si (n/N)100> 10% la
Población es Finita
Para saber si la población es finita
Población N= 140
Muestra n= 17
�/𝑵 12.143 Población Finita

(𝟏𝟎𝟎)
Calculamos primero n 0 . Si n 0 /N < 5%,

entonces, n 00 es el tamaño óptimo. Si n 00 /N
> 5 % se realiza la corrección del valor con
la expresión para n
Calculo de tamaño óptimo
12% Corrección del valo de n
n = 15.1592357 16
Con remplazo
POBLACIÓN N 5000
DESV.STAND S 0.279
ERROR DE MUESTREO e 0.05
z 2.58
n 206.59 207

entonces, n 00 es el tamaño óptimo. Si n 00 /N
> 5 % se realiza la corrección del valor con
la expresión para n
0.0414 Tamaño Optimo
n = 198.770885 199
Con remplazo SE ASUME 50%
PROPORCIÓN P 78%
ERROR DE MUESTREO E 1.6 %
2
Z PQ Z 1.64
n  2 n 81.79 82
e
Para saber si la la población es finita se

aplica la regla: "Si (n/N)100> 10% la
Población es Finita
Para saber si la población es finita
Población N= 140
Muestra n= 82
�/𝑵 58.571 Población Finita

(𝟏𝟎𝟎)

entonces, n 0 es el tamaño óptimo. Si
n 0 /N > 5 % se realiza la corrección del
valor con la expresión para n
59% Corrección del valo de n
n = 51.7117117 52
Con remplazo SE ASUME 50%
POBLACIÓN N 5000
PROPORCIÓN P 70%
ERROR DE MUESTREO e 0.03 %
z 1.64
n0 560.62 561

entonces, n 0 es el tamaño óptimo. Si
n 0 /N > 5 % se realiza la corrección del
valor con la expresión para n
0.1122 Corrección del valo de n
n = 504.405682 505
Población Población Desviación Varianza N i Si2 Muestras
N1 106 20 400 42400
N2 34 25 625 21250
Total 140 63650
NIVEL CONFIANZA (1-α) 95

Z= 1.960
ERROR DE MUESTREO e= 12
(𝒆/𝒛)^� 37.49
=
Población Peso de la
Población
población
N1 106 0.757
N2 34 0.243
Total 140
1
 N iSi
2
n N  11.16147926 12 Tamaño de Muestra

e2 1
Ns
2
 i i
z2 N 2
Muestra (Peso de la polación)

x (Muestra)
n1 9
n2 3
Total 12
Población Población Desviación Varianza Ni Si N i Si2
N1 106 20 400 2120 42400
N2 34 25 625 850 21250
Total 140 2970 63650
NIVEL CONFIANZA nc 95
z= 1.960
ERROR DE MUESTREO e= 12
(𝒆/𝒛)^� 37
=
Asignación
Población Población de Neyman S Wi Si
Wi
N1 106 0.76 15.1

N2 34 0.24 6.1
Total 140 21.2
1
NS
2
i i
n N  11.16147926 12 Tamaño de Muestra
e2 1
Ns
2
 i i
z2 N 2
n .Wi . Si
Muestra n i

 Wi . Si
n1 9
n2 3
Total 12
Servicio Población Ph Qh Ph Q h Ph Qh Nh
N1 1,150 0.5 0.5 0.25 287.50
N2 473 0.5 0.5 0.25 118.25
Total 1,623 405.75
NIVEL CONFIANZA nc 95 N  N i Pi Q i
ERROR DE MUESTREO e 0.05 n
e2
Z 1.960
N 2
z2
 N i Pi Q
〖� ^�
〖� ^� 1714.276479
(𝒆/𝒛) 〗 ^
�= del〗Estrato
(𝒆/𝒛)
Poroporción
^ h=1y2
�= Población Proporción
N1 1150 0.71
N2 473 0.29
N 1623 1.00
N  N i Pi Q i
n  310.62 311
e2
N 2
z2
 N i Pi Q i
Muestras
n1 220
n2 91
Total 311

Ejercicios de Pruebas de Hipótesis ST1 EPI Mongomery

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Ejercicios de Pruebas de Hipótesis ST1 EPI Mongomery

Diunggah oleh

Hak Cipta:

Format Tersedia

Conceptos

Mediana no se afecta por valores extremos o sesgo

Moda no se afecta por valores extremos

Cuartil divide los datos ordenados en cuatro partes

Rango medida de dispersión

Coef Asimetría As > 0.5 Sesgo a la derecha

Priori 0.25 0.50 0.25

Probabilidad ( X= 2 0.3456 cuando n > 30 :

Desviación Estándar 1.10

aciones a la Distribución Binomial

mación por normal

acuerdo con una distribución Poisson

P(X≤ 209) = 0.7257468822

Probabilidad (X≥230) 0.0228

esados" a partir de que peso tienen tal denominacion

a servir un promedio de 200 ml por vaso. Si la cantidad de

vasos de 230 ml en los siguientes 1000 refrescos?

de $15.90 por hora con una desviación estándar de $1.50. Si

1. Los clientes llegan en una tienda determinada en un promedio de 15 por

Supongamos que después de las primeras 6 horas, el tiempo de vida promedio

TAMAÑO DE MUESTRA (Media)

a) Para Poblacion infinita o cuando no se conoce

Tamaño de la Poblacion N 1855

Tamano de la muestra n 180.7

Tamaño de la Poblacion N 198237

Tamano de la muestra n 383

TAMAÑO DE MUESTRA (proporción) *SI NO SE TIENE P

a) Para Poblacion infinita o cuando no se conoce

Tamaño de la Poblacion N 3000

Tamano de la muestra n 245.06

(n 1)  S 2 (n 1)  S 2  Lim Infe Lim Supe

Pr ob (lim . inf e.   2  lim . sup e.)  niv .conf .

Variable N Media Desv.Est. ET media IC de 95%

casos que cumplen x 154

Usar factor 0 109

Pr ob (lim . inf e.  P  lim . sup e.)  niv.conf .

Pr ob (lim . inf e.  Total  lim . sup e.)  niv.conf .

Nivel de Confianza (1-α ) 96%

Con el nivel de confianza considerado, la estimación del intervalo de la

Supuestos: Poblaciones Normales y varianzas desconocidas (σ 12 = σ22)

Varianza conjuntal (S^2) 105.76 ((n1-1)(S1^2)+(n2-1)(S2^2))/(n1+n2-2)

Estimado puntual 15.89

Supuestos: Poblaciones Normales y varianzas desconocidas (σ 12 ≠ σ22)

Varianza de la media muestral 311.40

Estimado puntual 59.81

Con el nivel de confianza considerado, la estimación del intervalo de la

Promedio 12.56 15.78

MEDIA 10.68 9.78

Tamaño de la muestra (n)

Proporción (casos que cumplen / n)

Prob (lim.inf e.  1 /  2  lim.supe.)  niv.conf.

INTERVALO DE CONFIANZA 2 PROPORCIONES

Supuestos: Poblaciones de Bernoulli

Nivel de Confianza (1-α ) 90%

Estimado puntual 0.029

Con el nivel de confianza considerado, la estimación del intervalo de la

N Media Desv.Est. media

Media 167.09 162.21

MEDIA 11.89166667 11.78333333

Media 49.6 54.4

MEDIA X 169411.8 MEDIA

casos que cumplen x 450 casos que cumplen

X 169411.8 MEDIA X 19.64

S2 0.05457 VARIANZA S2 0.1024