Estadistica Inferencial

ESTADSTICA Y PROBABILIDADES
1

ASIGNATURA: ESTADSTICA Y PROBABILIDADES

ESTADISTICA INFERENCIAL.
1 Modelos de distribucin discreto
2 Modelo distribucin Continua
3 Muestreo probabilstico
Aleatorio simple
Aleatorio sistemtico
4 Distribucin normal
Distribucin normal estndar
Tabla de la distribucin normal.
Empleo de la tabla de la distribucin normal
5 Distribucin normal y binomial
6 Intervalos caractersticos
7 Teorema central del lmite
8 Estimacin
Estimacin de la media
Estimacin de una proporcin
9 Contrastes de hiptesis
Contraste Bilateral
Contraste unilateral
10 Errores


2

MODELOS DE DISTRIBUCIN DISCRETO
Distribucin Binomial. (Probabilidad)

1 0 4
3 4 3
4
1
4
3
= =
=
=
=
=
= =

!
! ) ( !
!
C
ensayos de Nmero n
veces x actamente presenteex se suceso el que de ad probabilid La x
suceso un ocurra no que obabilidad Pr p q
suceso un ocurra que obabilidad Pr : p
q p C ) x X ( P Binomial . Distr
x n x n
x

n= Nmeros de ensayos realizados.
p=Probabilidad de xito, o que ocurra un suceso
q =(1-p)=Probabilidad de fracaso
x=La probabilidad que el suceso se presente exactamente x veces
n-x=nmero de fracasos deseados
p
x
=probabilidad favorable.
( )

()
( )

Ejemplo. Un dado normal se lanza 10 veces. Se desea obtener un N mayor que 3. Cul es
la probabilidad de que un 4, 5 6 salgan 3 veces exactamente?

1171 0
128
15
128
1
8
1
120
2
1
2
1
10 3
2
1
1 1
2
1
6
3
6 5 4 3
3 10 3
10
3
, C ) x X ( p ) X ( P
n exito x
p q ocurre no Que : q ocurre Que : p
} , , { n un a lg sa que
BINOMIAL N DISTRIBUCI q p C ) x X ( p ) X ( P
x n x n
x
= = = |
.
|
\
|
|
.
|
\
|
= = =
= =
= = =
= >
= = =

En la manufactura de un cierto tipo de artculos el 5% se produce con defectos.
Determinar la probabilidad que al obtenerse una muestra al azar de 5 artculos, se hallan:
a) 1 artculo defectuoso
b) todos buenos
c) a lo ms 2 artculos defectuosos

3

( ) ( )
( ) ( )
( ) ( ) % , , , , , , , C , , ) X ( P
) X ( P ) X ( P ) X ( P ) X ( P ) X ( P ) c
% , , , , C ) X ( p ) X ( P ) b
, , , , , C ) X ( p ) X ( P ) a
n x
, , q , p
BINOMIAL N DISTRIBUCI q p C ) x X ( p ) X ( P
x n x n
x
9 99 999 0 021 0 2036 0 774 0 95 0 05 0 2036 0 774 0 2
2 1 0 2
4 77 774 0 1 1 95 0 05 0 0
2036 0 81 0 05 0 5 95 0 05 0 1
5 1
095 0 05 0 1 05 0
3 2 5
2
5 0 5
0
4 1 5
1
= = + + = + + = s
= = + = + = = s =
= = = = =
= = = = =
= =
= = =
= = =

Distribucin Poisson. (Mediana Promedio)

veces de n x
mediana valormedio _
! x
e
) x X ( P Poisson . Distr
x
=
= =

o
o
o

Ejemplo. El N de llegadas a un aeropuerto es de 12 aviones por hora. La probabilidad de que se
produzcan 2 arribos simultneos es pequeo.
a) Cul es la probabilidad de que en un lapso de 10 minutos lleguen 3 aviones?
b) Cul es la probabilidad de que en 3 horas lleguen 10 aviones?
% ,
!
e
) X ( P
hora en aviones Llegan ) b
% ,
!
e
) X ( P
POISSON DE N DISTRIBUCI
! x
e
) x X ( P
min cada hora por aviones ) a
X
000023 0
10
36
10
36
3 36
18 18 0
3
2
3
2
10 2 12
10 36
3 2
=
= =
=
= =
= =
= =
=
=
o
o
o
o

Distribucin Hipergeomtrica (varias Caractersticas)

( )

N = nmero de elementos en la poblacin.
r = nmero de elementos que tienen una caracterstica
especfica, por ejemplo el nmero de personas a favor un
producto particular
X= Cantidad de xito en la pob.
n = nmero de elementos en la muestra.


4

Ejemplo. La fbrica de juguetes Toy, tiene 50 empleados, en el departamento de
ensamble. De estos 40 pertenecen a un sindicato y 10 no. Se van a elegir 5 empleados
aleatoriamente, para que integren un comit que hablara con el gerente acerca de la hora
de inicio de los distintos turnos. Cul es la probabilidad de que 4 de los 5 pertenezcan al
sindicato
( )

N=50, r=40 X=4 n=5
( )

ESTADISTICA INFERENCIAL-
La i nf er enci a est ad sti ca est udi a cmo sacar concl usi ones gener al es par a toda l a
pobl aci n a par t i r del est udi o de una muest r a, y el gr ado de f i abi l i dad o
si gni f i caci n de l os resul t ados obteni dos.

Muest r eo pr obabi l sti co
Consi ste en el egi r una muest r a de una pobl aci n al azar . Podemos di st i ngui r
var i os t i pos de muestr eo:

Muest r eo al eat or i o si mpl e
Par a obt ener una muest r a, se numer an l os el ementos de l a pobl aci n y se
sel ecci onan al azar l os n el ement os que cont i ene l a mue st r a.

Muest r eo al eat or i o si st emti co
Se el i ge un i ndi vi duo al azar y a par t i r de l , a i nt erval os const ant es, se el i gen
l os dems hast a compl et ar l a muest r a.

Ejemplo
Si tenemos una poblacin formada por 100 elementos y queremos extraer una muestra de 25
elementos, en primer lugar debemos establecer el intervalo de seleccin que ser igual a 100/25
= 4. A continuacin elegimos el elemento de arranque, tomando aleatoriamente un nmero
entre el 1 y el 4, y a partir de l obtenemos los restantes elementos de la muestra.
2, 6, 10, 14,..., 98

Muestreo aleatorio estratificado
Se divide la poblacin en clases o estratos y se escoge, aleatoriamente, un nmero de individuos de
cada estrato proporcional al nmero de componentes de cada estrato.
Ejemplo.
En una fbrica que consta de 600 trabajadores queremos tomar una muestra de 20. Sabemos
que hay 200 trabajadores en la seccin A, 150 en la B, 150 en la C y 100 en la D.

5

Distribucin Muestral
Un muestreo puede hacerse con o sin reposicin, y la poblacin de partida puede ser infinita o finita.
En todo nuestro estudio vamos a limitarnos a una poblacin de partida infinita o a muestreo con
reposicin.
Si consideremos todas las posibles muestras de tamao n en una poblacin, para cada muestra
podemos calcular un estadstico (media, desviacin tpica, proporcin, ...) que variar de una a otra.
As obtenemos una distribucin del estadstico que se llama distribucin muestral.

Distribucin normal
Variable aleatoria de la distribucin normal
Una vari abl e al eatori a conti nua, X, sigue una di stri buci n normal de
medi a y desvi aci n t pi ca , y se designa por N(, ), si se cumplen las
siguientes condiciones:
1. La variable puede tomar cualquier valor: (-, +)
2. La f unci n de densi dad, es la expresin en trminos de ecuacin matemtica de
la curva de Gauss:

Definicin de funcin de densidad de probabilidad:
La probabilidad de que una variable aleatoria (v.a.) X tome un valor determinado entre dos nmeros
reales a y b coincide con el rea encerrada por la funcin
()

(funcin de densidad de probabilidad) entre los puntos a y b, es decir :
( ) ()

Curva de la distribucin normal

El campo de existencia es cualquier valor real, es decir, (-, +).
Es simtrica respecto a la media .
Tiene un mximo en la media .

6

Crece hasta la media y decrece a partir de ella.
En los puntos y + presenta puntos de inflexin.
El eje de abscisas es una asntota de la curva.

El rea del recinto determinado por la funcin y el eje de abscisas es i gual a la
uni dad.
Al ser si mtri ca respecto al eje que pasa por x = , deja un rea igual a 0. 5 a la
i zqui erda y otra i gual a 0. 5 a la derecha.
La probabi l i dad equi val e al rea encerrada baj o la curva.

Teorema de Chebyshev.
Si X N(,) , entonces:
p( - < X + ) = 0.6826 = 68.26 %
p( - 2 < X + 2) = 0.954 = 95.4 %
p( - 3 < X + 3) = 0.997 = 99.7 %
Distribucin normal estndar
N(0, 1)
La di stri buci n normal estndar, o tipi f i cada o reduci da, es aquella que
tiene por medi a el valor cero, = 0, y por desvi aci n t pi ca l a uni dad, =1.
Su funcin de densidad es:
()

Su grfica es:

La probabi l i dad de l a vari abl e X depender del rea del reci nto
sombreado en l a fi gura. Y para calcularla utilizaremos una tabla.

Ti pi f i caci n de l a vari abl e
Para poder utilizar la tabla tenemos que transformar la variable X que sigue una
distribucin N(, ) en otra variable Z que siga una distribucin N(0, 1).

Tabla de la distribucin normal

7

z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.3 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997
3.4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998
3.5 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998
3.6 0.9998 0.9998 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.7 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.8 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.9 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000

8


9


10


11

Empleo de la tabla de la distribucin normal

Tabl a de l a curva normal (0, 1)
La tabl a nos da las probabi l i dades de P(z k) , siendo z la variable tipificada.
Estas probabilidades nos dan la f unci n de di stri buci n (k).
(k) = P(z k)

Bsqueda en la tabla de valor de k
Uni dades y dci mas en la columna de la izquierda.
Cntesi mas en la fila de arriba.
1)P(Z a)

P(Z 1.47) = 0.9292

------- ----- ---- ----- -- ------- ----- ---- ----- -- ------- ----- ---- ----
2)P(Z > a) = 1 - P(Z a)

P(Z > 1.47) = 1 P(Z 1.47) = 1 0.9292 = 0.0708

------- ----- ---- ----- -- ------- ----- ---- ----- -- ------- ----- ---- -
3)P(Z a) = 1 P(Z a)

P(Z 1.47) = 1 P(Z 1.47) = 1 0.9292 = 0.0708

4)P(Z > a) = P(Z a)

12

p(Z > 1.47) = p(Z 1.47) = 0.9292
------- ----- ---- ----- -- ------- ----- ---- ----- -- ------- ----- ---

5)P(a < Z b ) = P(Z b) P(Z a)

P( 0.45 <Z 1.47) = P(Z 1.47) P(Z 0.45) =
= 0.9292 0.6736 = 0.2556
------- ----- ---- ----- -- ------- ----- ---- ----- -- ------- --

6)P(b < Z a ) = P(a < Z b )

P(1.47 < Z 0.45) = P( 0.45 <Z 1.47) =
= P(Z 1.47) P(Z 0.45) = 0.9292 0.6736 = 0.2556

7)P(a < Z b ) = P(Z b) [ 1 P(Z a)]

P(-1.47 < Z 0.45) = P(Z 0.45) [ 1 P(Z 1.47)]=

13

= 0.6736 (1 0.9292) = 0.6028

p = K
Ejemplo
Calcular P(-05z1,0), que corresponde al rea Z=-0,5 y Z=1,0
El rea requerida es igual a la suma A1 y A2 mostrada en la figura. De la tabla obtenemos
A2=0,3413. El rea A1 es igual al rea correspondiente entre Z=0 y Z=0,5 o bien
A1=0,1915. Por lo tanto A=A1+A2 =0,1915+0,3413=0,5328

Ejemplos:
a) P(Z<1,52) = {ver tabla} = 0,9357
b) P(Z>1,52) = {rea total = 1} = 1 P(Z<1,52) = 0,0643
c) P(0<Z<1,52) = P(Z<1,52) P(Z<0) = {simetra} = 0,9357 0,5000 = 0,4357
d) P(-2,1<Z<0) = P(Z<0) P(Z<-2,1) = {sim+tabla} = 0,5000 0,0179 = 0,4821

Nos encontramos con el caso inverso a los anteriores, conocemos el valor de la
probabilidad y se trata de hallar el valor de la abscisa. Ahora tenemos que buscar en la
tabla el val or que ms se aproxi me a K.
p = 0.75Z 0.68

Para calcular la variable X nos vamos a la f rmul a de la ti pi f i caci n.
(X - )/ = 0.68X = + 0.68


14

Distribucin normal y binomial
Aproximacin de la binomial por la normal
Teorema de Moivre
Si:
n p 0 y n q 0.
La di stri buci n bi nomi al B(n, p) se puede aproximar mediante una
di stri buci n normal:

Ejemplo .
En una ciudad una de cada tres familias posee telfono. Si se eligen al azar 90 familias,
calcular la probabilidad de que entre ellas haya por lo menos 30 tengan telfono.

Ejercicio 1.
Si X es una variable aleatoria de una distribucin N(, ), hallar:
p(3 X +3)

Es decir, que aproximadamente el 99. 74% de los valores de X estn a menos de tres
desviaciones tpicas de la media.


15

Ejemplo 2.
En una distribucin normal de media 4 y desviacin tpica 2, calcular el valor de a para
que:
P(4a x 4+a) = 0.5934

Ejemplo 3.
En una ciudad se estima que la temperatura mxima en el mes de junio sigue una
distribucin normal, con media 23 y desviacin tpica 5. Calcular el nmero de das del
mes en los que se espera alcanzar mximas entre 21 y 27.

Ejemplo 4.
La media de los pesos de 500 estudiantes de un colegio es 70 kg y la desviacin tpica 3
kg. Suponiendo que los pesos se distribuyen normalmente, hallar cuntos estudiantes
pesan:
1) Entre 60 kg y 75 kg.


16

2) Ms de 90 kg.

3) Menos de 64 kg.

4) 64 kg.

5) 64 kg o menos.

Ejemplo 5.
Se supone que los resultados de un examen siguen una distribucin normal con media 78 y
varianza 36. Se pide:
1. Cul es la probabilidad de que una persona que se presenta el examen obtenga una
calificacin superior a 72?

2. Calcular la proporcin de estudiantes que tienen puntuaciones que exceden por lo menos
en cinco puntos de la puntuacin que marca la frontera entre el Apto y el No-Apto (son
declarados No-Aptos el 25% de los estudiantes que obtuvieron las puntuaciones ms bajas).

17

Ejemplo 6.
Varios test de inteligencia dieron una puntuacin que sigue una ley normal con media 100 y
desviacin tpica 15.
1. Determi nar el porcentaj e de pobl aci n que obtendr a un coef i ci ente
entre 95 y 110.

2. Qu i nterval o centrado en 100 conti ene al 50% de l a
pobl aci n?


18

3. En una poblacin de 2500 individuos cuntos individuos se esperan que tengan un coeficiente
superior a 125?

Ejemplo 7.
En una ciudad una de cada tres familias posee telfono. Si se eligen al azar 90 familias, calcular
la probabilidad de que entre ellas haya por lo menos 30 tengan telfono.

Ejemplo 8.
En un examen tipo test de 200 preguntas de eleccin mltiple, cada pregunta tiene una
respuesta correcta y una incorrecta. Se aprueba si se contesta a ms de 110 respuestas
correctas. Suponiendo que se contesta al azar, calcular la probabilidad de aprobar el examen.


19

Ejemplo 9.
Un estudio ha mostrado que, en un cierto barrio, el 60% de los hogares tienen al menos dos
televisores Se elige al azar una muestra de 50 hogares en el citado barrio. Se pide:
1. Cul es la probabilidad de que al menos 20 de los citados hogares tengan cuando menos
dos televisores?

2. Cul es la probabilidad de que entre 35 y 40 hogares tengan cuando menos dos
televisores?

Intervalos caractersticos
P[ - k < x < + k] = p
Hallar el intervalo caracterstico de una distribucin normal N(0, 1) correspondiente a la
probabilidad p = 0.9.


20

( ) ( ) {
()
()

K=1,645 [-1,645, 1,645]

El ni vel de conf i anza (p) se designa mediante 1 - .
El ni vel de si gni f i caci n se designa mediante .
El val or cr ti co (k) como z /2 .
P(Z>z /2) = /2 P[- z /2 < z < z /2] = 1-

Val or es cr t i cos

En una di stri buci n N(, ) el i nterval o caracter sti co correspondi ente
a una probabi l i dad p = 1 - es:
( - z /2 , + z /2 )

Teorema central del l mi te
Si una pobl aci n ti ene medi a y desvi aci n t pi ca , y tomamos
muestras de tamao n (n > 30, cual qui er tamao si l a pobl aci n es
"normal "), l as medi as de estas muestras si guen aproxi madamente l a
di stri buci n:
(
)
Consecuenci as
1. Permi te averi guar l a probabi l i dad de que l a medi a de una muestra
concreta est en un ci erto i nterval o.
2. Permi te cal cul ar l a probabi l i dad de que l a suma de l os el ementos de
una muestra est, a pri ori , en un ci erto i nterval o.
)
3. Inf eri r l a medi a de l a pobl aci n a parti r de una muestra.

Ej empl o
1 - /2 z
/2
0.90 0.05 1.645
0.95 0.025 1.96
0.99 0.005 2.575
1 - /2 z
/2
Intervalos caractersticos
0.90 0.05 1645 ( - 1.645 , + 1.645 )
0.95 0.025 1.96 ( - 1.96 , + 1.96 )
0.99 0.005 2575 ( - 2.575 , + 2.575 )

21

Las bol sas de sal envasadas por una mqui na ti enen = 500 g y = 35 g.
Las bol sas se empaquetaron en caj as de 100 uni dades.
1. Cal cul ar l a probabi l i dad de que l a medi a de l os pesos de l as bol sas de
un paquete sea menor que 495 g.

2. Cal cul ar l a probabi l i dad de que una caj a 100 de bol sas pese ms de 51
kg.

FUNCIN DE CUANTIA DE DENSIDAD DE UN EXPERIMENTO ALEATORIO
La funcin de cuanta o densidad de un experimento aleatorio, mide la probabilidad en cada
punto de un espacio muestral, es decir, mide la distribucin de probabilidad a travs del
espacio muestral
CASO DISCRETO:
Si el experimento tiene un espacio muestral discreto, entonces una funcin f(x) es funcin de
cuanta del experimento si:
a) F(x) 0
b) ()
donde f(x)=P(X=x)
La funcin de distribucin funcin de distribucin acumulada de una variable aleatoria
discreta X est dada por:
F(x)=P(Xxi)
Ejemplo.
Si un experimento consiste en lanzar 3 monedas y observar el resultado. Encuentre la funcin
de cuanta de la variable aleatoria Numero de caras obtenida en las 3 monedas
* +
X 0 1 2 3

22

F(x)=P(X=x) 1/8 3/8 3/8 1/8
Ejemplo
Sea f(x)= 3cx
2
, x=1,2,n, la funcin de cuanta.. Encontrar el valor de c.
()
)

()()
()()

CASO CONTINUO
Si el experimento tiene un espacio muestral continuo, entonces una funcin f(x) es Funcin
de densidad del experimento si:
a) f(x) 0
b) ()

La funcin de distribucin funcin de distribucin acumulada de una variable aleatoria
contina x est dada por:

() ( ) ()

Notas:
1.- Para hallar la funcin de densidad basta con derivar F(x)
F(x)=f(x).
2.- ( ) ()

3.- Para casos continuos, las probabilidades de los siguientes eventos son
equivalentes

Ejemplos

23

1.- Sea x una variable aleatoria continua con la distribucin siguiente:
() {
( )

Probar que f(x) es funcin de densidad
Solucin

1) ()

2) ( )
(

f(x) es funcin de densidad
2.- Sea x una variable aleatoria continua con la distribucin siguiente:
() {

i) Probar que f(x) es funcin de densidad
ii) Calcular P(2x4)
iii) Calcular P(0<x0,75
Solucin
i)

ii) ( )

iv) ( )

Estimacin de la media
La esti maci n de parmetros es el procedi mi ento uti l i zado para
conocer l as caracter sti cas de un parmetro pobl aci onal , a parti r del
conoci mi ento de l a muestra.

24

Con una muestra al eatori a, de tamao n, podemos ef ectuar una
esti maci n de un val or de un parmetro de l a pobl aci n; pero tambi n
necesi tamos preci sar un:

Interval o de conf i anza
Se l l ama as a un i nterval o en el que sabemos que est un parmetro, con
un ni vel de conf i anza espec f i c o.

Ni vel de conf i anza
Probabi l i dad de que el parmetro a esti mar se encuentre en el i nterval o
de conf i anza.

Error de esti maci n admi si bl e
Que estar rel aci onado con el radi o del i nterval o de conf i anza.
PARAMETROS DE UNA DISTRIBUCIN
Son elementos que caracterizan a la distribucin, los parmetros ms importantes
son: La media (u) la esperanza Matemtica y la varianza (o
2
)

DISTRIBUCIN MUESTRAL DE MEDIOS
Sea n el tamao de todas las posibles muestras de una poblacin, entonces
, -
Si la poblacin es finita
, -
Si la poblacin es infinita
=Es la media de la distribucin muestral de medios
=Es el error estndar de la distribucin muestral de medios.

Notas
1.- Si (
) (
)
Cuando n es grande (n30). Esta afirmacin recibe el nombre de teorema del lmite
central (TLC)
2.-
recibe el nombre de correccin para poblaciones finitas

3.- si n 0,05 N La correccin es despreciable

25

4.- Si no se conoce o, este se estima a travs de S y

INTERVALOS DE CONFIANZA PARA LA MEDIA UTILIZANDO LA DISTRIBUCIN
NORMAL
Si es licito utilizar la distribucin normal, es decir.
a) Si n 30 por TLC
b) Si n<30 pero la poblacin est distribuida normalmente y o se conoce.
El intervalo para la media est dado por

es el punto crtico que se busca en las tablas normales.

Dem:
Supongamos que (
()

( )

(
)

(
)

Donde 1- recibe el nombre de nivel de confianza y

Ejemplo
De un embarque de 2.200 secadores, se probaron 81 al azar. La vida promedio
en la muestra fue de 3,2 horas con una desviacin estndar de 0,9 horas.
Construya un intervalo de confianza del 95% para la vida media de los
secadores del embarque.
Solucin
n=81 N=2.200 =3,2 S=0,9
=1,96

( )

26

El intervalo del 95% de confianza, para la vida promedio del embarque de
secadores es de [3,007; 3,392]

Intervalo Superior (
)
Intervalo Inferior (
)
Interval o de conf i anza para una proporci n
Si en una poblaci n, una determi nada caracter sti ca se presenta en una
proporci n p, l a proporci n p , de i ndi vi duos con di cha caracter sti ca en
l as muestras de tamao n, se di stri bui rn segn:
(
)

Interval o de conf i anza para una proporci n

(
)

El error mxi mo de esti maci n es:

Ej empl o
En una f bri ca de componentes el ectrni cos, l a proporci n de
componentes f i nal es def ectuosos era del 20%. Tras una seri e de
operaci ones e i nversi ones desti nadas a mej orar el rendi mi ento se
anal i z una muestra al eatori a de 500 componentes, encontrndose que
90 de el l os eran def ectuosos. Qu ni vel de conf i anza debe adoptarse
para aceptar que el rendi mi ento no ha suf ri do vari aci ones?
p = 0. 2 q = 1 - p =0. 8 p' = 90/ 500 = 0. 18
E = 0. 2 - 0. 18 = 0. 02

P ( z
/ 2
> 1. 12) = 1 P ( z
/ 2
1. 12) = 1 0. 8686 = 0. 1314

27

0. 8686 - 0. 1314 = 0. 737
Ni vel de conf i anza: 73. 72%

INTERVALO DE CONFIANZA PARA LA MEDIA UTILIZANDO LA DISTRIBUCIN
T DE STUDENT
Si n<30, no se conoce y la poblacin se distribuye normalmente, entonces el
intervalo de confianza para la media est dado por:

(

Ejemplo.
Una muestra aleatoria de 4 empleados de un grupo numeroso perteneciente a
una empresa, obtuvo las siguientes calificaciones en un examen de aptitud: 56;
70; 55; 59.
Suponiendo normalidad construya un intervalo de confianza del 95% para la
calificacin promedio de todos los trabajadores de la empresa
Solucin
n=4 =60 S=6,8799

(

60
-> [49,06; 70,939]

La calificacin promedio de todos los trabajadores de la empresa est entre
49,06 y 70,939 a un 95% de confianza.

Hi ptesi s estad sti cas
Un test estad sti co es un procedi mi ento para, a parti r de una muestra
al eatori a y si gni f i cati va, extraer concl usi ones que permi tan aceptar o
rechazar una hi ptesi s previ amente emi ti da sobre el val or de un
parmetro desconoci do de una pobl aci n.
La hi ptesi s emi ti da se desi gna por H0 y se l l ama hi ptesi s nul a.

28

La hi ptesi s contrari a se desi gna por H1 y se l l ama hi ptesi s al ternati va.

Contrastes de hi ptesi s
1. Enunci ar l a hi ptesi s nul a H0 y l a al ternati va H1.

2. A parti r de un ni vel de conf i anza 1 o el de si gni f i caci n .
Determi nar:
El val or z/2 (bi l ateral es), o bi en z (uni l ateral es)
La zona de aceptaci n del parmetro o p.
3. Cal cul ar: x o p' , a parti r de l a muestra.
4. Si el val or del parmetro muestral est dentro de l a zona de l a
aceptaci n, se acepta l a hi ptesi s con un ni vel de si gni f i caci n . Si
no, se rechaza.

PRUEBA DE HIPOTESIS

Distribucin normal y Tstudent

Confiabilidad y error

v =grado de libertad

Los grados de libertad corresponde al nmero de variables independientes que tiene la
funcin f(x)
Si se tiene una muestra de n elementos los grados de libertad asociado a esa muestra
correspondera a n-1
Muestra de 15 elementos gdl=14
Bilateral H
0
= k H
1
k
H
0
k H
1
< k
H
0
k H
1
> k
Unilateral
0
+ -
1

29

Por ejemplo se tiene la muestra: x
1
,x
2
,x
3
x
15
, entonces el grado de libertad son 14
Para una muestra n=4

Ejemplo
Para una muestra de 13 elementos calcule:
( ) 78 , 1 95 , 0 = t

( ) 06 , 3 995 , 0 = t

( ) 36 , 1 90 , 0 = t

Determine los percentiles para

( )
( )
( )
( ) 08 , 2 975 , 0
8 , 1 95 , 0
38 , 1 90 , 0
98 , 2 995 , 0
21
11
9
14
=
=
=
=
t
t
t
t

PRUEBA DE HIPOTESIS (Para una muestra, para )
Permite realizar inferencias respecto de los parmetros de una poblacin (media y varianza).
0
95%
1,78
0
99,5%
1,78
0
90%
1,36

30

Este tipo de estudio se realiza mediante una muestra aleatoria representativa de la poblacin.
La finalidad de una prueba de hiptesis es poder argumentar estadsticamente la toma de
decisiones en un proceso.
Inferencia: es definir que es una hiptesis y tesis
Planteamiento de la hiptesis (pienso que la maquina va a fallar) es decir es lo que yo pienso
METODOLOGIA
H
0
Hiptesis nula no ha ocurrido nada
H
A
hiptesis alternativa hay cambio
) (
0
conocido es
0 0 0
0 0 0 0 0 0
) 3 ) 2 ) 1

= > <
= s >
A A A
H H H
H H H

dad Confiabili
error
=
=
o
o
1

Ejercicios
645 , 1
, , , 05 , 0
05 , 0
2
1
1
2
= =
=

Z Z
Z Z Z Z Calcular si
o
o o o o
o

96 , 1 025 , 0
2
05 , 0
2
= = =
o
Z
0
Z (o)=0,05-->-1,695
5%
0
Z(1-o)
T(1-o)
2
0
Z (o)
T(o)
1
0
Z(1-o/2)
T(1-o/2)
3
Z(o/2)
T(o/2)

31

645 , 1 95 , 0 05 , 0 1
1
= = =
o
Z

96 , 1 975 , 0
2
05 , 0
1
2
1
= = =
o
Z

2.- ESTADISTICO DE PRUEBA
Cuando el tamao de la muestra 30 > n vamos a utilizar la distribucin normal.
( )
o
n x
Z
N Z n

=
~ >
0
) 1 , 0 ( 30

Si n<30 se utiliza la T de student.
( )
S
n x
T
t n
n

=
<

0
1
30

3.- NIVEL DE SIGNIFICACIN
dad Confiabili
error
=
=
o
o
1

0
Z (o/2)=0,025-->-1,96
2,5%
0
Z(1-o)=0,95--> 1,645
5%
0
Z(1-o/2)=0975--> 1,96
3,5%

32

4.- REGIN CRTICA O DE RECHAZO
RA=Regin de Aceptacin
RR=Regin de Rechazo

5.- REGLA DE DECISIN

0
Z (o)
T(o)
1
0
Z(1-o)
T(1-o)
2
0
Z(1-o/2)
T(1-o/2)
3
Z(o/2)
T(o/2)
RA
RR
RA
RA
RR RR
RR
0
Z (o)
T(o)
T Z

33

Luego Si T Z se encuentra en la regin de rechazo, se rechaza H
0
Es vlido H
A

Luego Si T Z se encuentran en la zona de aceptacin no se rechaza H
0
es vlida H
0

6.- CONCLUSIN
Se rechaza el promedio actual, ya que este aumento no es significativo
Ejemplo
Se sabe que una empresa minera la produccin media diaria es de 25 ton. De mineral, el
depto. De control desea investigar si la produccin est dentro de esta norma, para ello toma
una muestra diaria en 10 das de produccin, obtenindose una produccin media de 28 ton.
Y una varianza de (45 ton). Es posible afirmar que la empresa cumple con la norma de
produccin a un nivel de significacin del 5%
( ) ( )
975 , 0
2
1 025 , 0
2
05 , 0
. 3
41 , 1
45
10 25 28
. 2
25
25
. 1
45 45 , 28 , 10 25
0
0
2
0
= = =
=

=
=
=
= = = = =
o o
o
PASO
S
n X
T
PASO
H
H
PASO
s S x n
A

26 , 2 ) 975 , 0 (
. 4
9
=
t
PASO

5.- PASO
0
Z (o)
T(o)
T Z
0
T(1-o/2)=0,975-->2,26
3
T(o/2)=-2,26

34

No se rechaza H
0

6.- PASO
La produccin promedio sigue la norma.
Ejercicio.
La UAC desea saber si los alumnos de ICI han aumentado su rendimiento en el mdulo de
estadstica, para ello se tom una muestra de 35 alumnos, respecto de sus calificaciones y los
resultados fueron.
desviacin promedio nota x 7 , 0 , 9 , 4 = = o .
Si el promedio anterior (1ra. Evaluacin) fue de 4,7 con un nivel de error del 5%. Existe
fundamento para corroborar lo afirmado por la Universidad.
( ) ( )
654 , 1 95 , 0
95 , 0 05 , 0 1 1 . 3
690 , 1
7 , 0
35 7 , 4 9 , 4
. 2
7 , 4
7 , 4 0 . 1
05 , 0
7 , 4
7 , 0
9 , 4
) 1 , 0 ( 30 35
0
0
=
= = =
=
=

=
>
=
=
=
=
=
~ > =
Z
Z
n x
Z
HA
H
x
N Z n
Datos
o
o
o

4.-

5.-
0 2,26
3
-2,26
T=1,41
0
Z(1-o)=0,95-->1,645

35

Se rechaza H
o
Luego H
A
es vlida
6.-
El curso ICI aumento su rendimiento.

Contraste Bi l ateral
Se presenta cuando l a hi ptesi s nul a es del ti po H0: = k (o bi en H0: p =
k) y l a hi ptesi s al ternati va, por tanto, es del ti po H1: k (o bi en H1:
p k).

El ni vel de si gni f i caci n se concentra en dos partes (o col as)
si mtri cas respecto de l a medi a.

La regi n de aceptaci n en este caso no es ms que el correspondi ente
i nterval o de probabi l i dad para o p, es deci r:

o bi en:

Se sabe que l a desvi aci n t pi ca de l as notas de ci erto examen de
Matemti cas es 2, 4. Para una muestra de 36 estudi antes se obtuvo una
nota medi a de 5, 6. Si rven estos datos para conf i rmar l a hi ptesi s de que
l a nota medi a del examen f ue de 6, con un ni vel de conf i anza del 95%?

1. Enunci amos l as hi ptesi s nul a y al ternati va:
H0 : = 6 La nota medi a no ha vari ado.
0
1,645
T=1,69

36

H1 : 6 La nota medi a ha vari ado.

2. Zona de aceptaci n
Para = 0. 05, l e corresponde un val or cr ti co: z/2 = 1. 96.
Determi namos el i nterval o de conf i anza para l a medi a:
(6 1, 96 0, 4 ; 6 + 1, 96 0, 4) = (5, 22 ; 6, 78)

3. Veri f i caci n.
Val or obteni do de l a medi a de l a muestra: 5, 6 .

4. Deci si n
Aceptamos la hi ptesi s nul a H0, con un ni vel de si gni f i caci n del
5%.

Contraste unilateral
Caso 1
La hi ptesi s nul a es del ti po H0: k (o bi en H0: p k).
La hi ptesi s alternati va, por tanto, es del ti po H1: < k (o bi en H1: p <
k).
Val ores cr ti cos

El ni vel de si gni f i caci n se concent r a en una par t e o col a.
La r egi n de acept aci n en est e caso ser :

o bi en:

1 - z

0.90 0.10 1.28
0.95 0.05 1.645
0.99 0.01 2.33

37

Un soci l ogo ha pr onost i cado, que en una det ermi nada ci udad, el ni vel de
abst enci n en l as pr xi mas el ecci ones ser del 40% como m ni mo. Se el i ge al azar
una muest ra al eat or i a de 200 i ndi vi duos, con der echo a voto, 75 de l os cual es
est ar an di spuest os a vot ar . Determi nar con un ni vel de si gni f i caci n del 1%, si se
puede admi t i r el pronst i co.

1. Enunci amos l as hi pt esi s nul a y al t er nati va:
H0 : p 0. 40 La abst enci n ser como m ni mo del 40%.
H1 : p < 0. 40 La abstenci n ser como mxi mo del 40%;

2. Zona de acept aci n
Par a = 0. 01, l e corr esponde un val or cr t i co: z = 2. 33.
Deter mi namos el i nt er val o de conf i anza:

3. Ver i f i caci n.

4. Deci si n
Aceptamos la hi ptesi s nul a H0. Podemos af i rmar , con un ni vel de
si gni f i caci n del 1%, que l a abstenci n ser como m ni mo del 40%.
Caso 2
La hi ptesi s nul a es del t i po H
0
: k ( o bi en H
0
: p k) .
La hi ptesi s al t er nat i va, por t anto, es del ti po H
1
: > k ( o bi en H
1
: p > k) .

El ni vel de si gni f i caci n se concent r a en l a ot r a par t e o col a.
La r egi n de acept aci n en est e caso ser :

o bi en:


38

Un i nf orme i ndi ca que el preci o medi o del bi l l et e de avi n entr e Canar i as y
Madr i d es, como mxi mo, de 120 con una desvi aci n t pi c a de 40 . Se toma
una muest ra de 100 vi aj er os y se obt i ene que l a medi a de l os preci os de sus
bi l l et es es de 128 .
Se puede aceptar , con un ni vel de si gni f i caci n i gual a 0, 1, l a af i r maci n de
par t i da?

1. Enunci amos l as hi pt esi s nul a y al t er nati va:
H0 : 120
H1 : > 120

2. Zona de acept aci n
Par a = 0. 1, l e cor responde un val or cr ti co: z = 1. 28 .
Deter mi namos el i nt er val o de conf i anza:

3. Ver i f i caci n.
Val or obt eni do de l a medi a de l a muest r a: 128 .

4. Deci si n
No aceptamos la hi ptesi s nul a H0. Con un ni vel de si gni f i caci n del 10%.

Er r or es de t i po I y ti po I I
Er r or de t i po I . Se comete cuando l a hi ptesi s nul a es ver dadera y, como
consecuenci a del cont r ast e, se r echaza.

Er r or de t i po I I . Se comete cuando l a hi ptesi s nul a es f al sa y, como
consecuenci a del cont r ast e se acept a.

La pr obabi l i dad de cometer Er r or de t i po I es el ni vel de si gni f i caci n .
La pr obabi l i dad de cometer Er r or de t i po I I depende del ver dader o val or del
par metr o. Se hace tant o menor cuant o mayor sea n.

H
0
Verdadera Falsa
Decisin correcta Decisin incorrecta:
Probabilidad = 1 - ERROR DE TIPO II
ERROR DE TIPO I
Probabilidad =
Rechazar
Aceptar
Decisin correcta

39


40

GUIA DE EJERCICIOS

1.- Un fabricante desea comparar la tensin promedio de su hilo, pues cree haber aumento la
tensin, que antes era de 100. Para ello analiza las tensiones de 100 hilos y los resultados
fueron:

x = 110,8
S = 10,2

Utilizando un error del 5%, Existe alguna razn para creer que hay una diferencia entre las
tensiones promedio de ruptura de los dos hilos ?
1.- PLANTEAMIENTO DE LA HIPOTESIS
100
100
0
>
<
A
H
H

Cuando el tamao de la muestra 30 > n vamos a utilizar la distribucin normal.
( ) ( )
,
,
,
S
n x
Z
) , ( N Z n
59 10
2 10
100 100 8 110
1 0 30
0
=
=

=
~ >

dad Confiabili
error
=
=
o
o
1

95 , 0 05 , 0 1 ) 1 ( = = o Z
RR=Regin de Rechazo

41


Luego Z se encuentra en la zona de rechazo por lo que se rechaza H
0
H
A
es vlida
6.- CONCLUSIN
Se rechaza el promedio actual, ya que est en aumento significativo

2.- Se espera que un grupo de operadores produzcan, en promedio, el mismo nmero de
unidades terminadas en menor tiempo. Actualmente los trabajadores en promedio en un
cierto tiempo producen 12 unidades. Los siguientes datos son los nmeros de unidades
terminadas en ese perodo de tiempo:

Existe certeza que se producen ms unidades, a un nivel o = 0,1 ?.

1.- PLANTEAMIENTO DE LA HIPOTESIS
12
12
0
>
<
A
H
H

0
Z(1-o)=0,95-->1,645
5%
z =10,59
0
z(1-o)=0,95-->1,645
5%
Unidades
12
11
18
16
13
Media
Trabajador
1 12 -2 4
2 11 -3 9
3 18 4 16
4 16 2 4
5 13 -1 1
70 14 34 2,61
( )
2
x x
i

x x
i

( )
n
x x
S
i

=
2

42

Cuando el tamao de la muestra 30 < n vamos a utilizar la distribucin de la T-Student.
( ) ( )
,
, S
n x
T
T n
71 1
61 2
5 12 14
30 5
0
=
=

=
< =
l
dad Confiabili
error
=
= =
o
o o
1
1 , 0

9 , 0 1 , 0 1 ) 1 ( = = o Z
RR=Regin de Rechazo


Luego T se encuentra en la zona de rechazo por lo que se rechaza H
0
H
A
es vlida
6.- CONCLUSIN
Se rechaza el promedio actual, ya que est en aumento significativo
0
T
4
(1-o)=0,9--> 1,53
10%
T =1,71
0
T
4
(1-o)=0,9--> 1,53
10%

43

Estadistica Inferencial

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Estadistica Inferencial

Uploaded by

Copyright:

Available Formats

ESTADSTICA Y PROBABILIDADES

=Es la media de la distribucin muestral de medios

=Es el error estndar de la distribucin muestral de medios.

recibe el nombre de correccin para poblaciones finitas

es el punto crtico que se busca en las tablas normales.

-> [49,06; 70,939]

You might also like