Professional Documents
Culture Documents
Aplicaciones
Estadstica Bsica
Aplicaciones
Catalogacin de la Fuente
Barreto Rodrguez, Carmen Rosa
Estadstica Bsica: Aplicaciones.- Chimbte: ULADECH, 2007 290 p.; il.; 21 cm. (Serie
Universidad en marcha N 5) D. Lea. N 2008 - 08727 ISBN: 978-603-45269-3-8
1.
9 786034
526945
A mis padres Alejandrina y Raymundo, a mi hijo Ayrton Benjamn a quien con inmenso
amor dejo abierto el camino de la superacin, y a mi maestro Julio Domnguez
Granda.
Nota preliminar
El Editor
NDICE
Pg.
1. ESTADSTICA DESCRIPTIVA
15
1.1. QU ES LA ESTADSTICA?
15
1.2. DIVISIN DE LA ESTADSTICA.
15
1.3. RESEA HISTRICA DE LA ESTADSTICA.
16
1.4. IMPORTANCIA DE LA ESTADSTICA.
17
1.5.LA ESTADSTICA EN EL DESARROLLO DE LA19 INVESTIGACIN.
1.6.VARIABLES.
20
1.7.ESCALAS DE MEDICIN.
21
1.8. TRMINOS DE ESTADSTICA.
22
1.9. RECOLECCIN DE DATOS.
23
1.9.1.
Fuentes de Informacin.
23
1.9.2.
Sistemas de Recoleccin.
24
1.9.3.
Tcnicas de Recoleccin.
24
1.10.
ORGANIZACIN Y CLASIFICACIN DE DATOS.25
1.10.1.
Revisin y Correccin de Datos.
25
1.10.2.
Con
struccin de Tablas de Distribuciones de
25
Frecuencias.
1.10.2.1.
Di
stribuciones de Frecuencias para
26
Variables Cuantitativas.
1.10.2.2.
Di
stribucin de Frecuencias para
35
Variables Cualitativas.
1.10.3.
Representacin Tabular y Grfica.
36
1.10.3.1.
Cuadr
os Estadsticos
36
1.10.3.2.
Repre
sentacin Grfica
37
2. MEDIDAS DE RESUMEN
53
2.1. MEDIDAS DE TENDENCIA CENTRAL.
53
2.1.1.
La Media Aritmtica.
53
2.1.2.
La Mediana.
58
2.1.3.
La Moda.
63
2.2. MEDIDAS DE POSICIN O CUANTILAS
67
2.2.1.
Cuartiles.
67
2.2.2.
D
eciles.
71 2 2 3 Percentiles
74
2.3.MEDIDAS DE DISPERSIN O VARIABILIDAD.
77
2.3.1.
Rango o Recorrido de una Variable.
78
2.3.2.
Rango Intercuartil.
78
2.3.3.
Rango Semi Intercuartil.
79
2.3.4.
Varianza.
80
2.3.5.
Desviacin Estndar o Tpica.
82
2.3.6.
Coeficiente de Variacin.
83
2.4.MEDIDAS DEASIMETRA.
84
2.4.1.
2.4.2.
6.2.4.
a de Hiptesis para la Diferencia de Medias
Poblacionales con Observaciones Pareadas.
6.2.5.
a de Hiptesis para la Diferencia de Proporciones
Poblacionales.
6.3.ANLISIS DE REGRESIN LINEALSIMPLE.
6.3.1.
Eleccin de una Relacin Funcional.
6.3.2.
El Mtodo de los Mnimos Cuadrados Ordinarios.
6.4.ANLISIS DE CORRELACIN LINEALSIMPLE.
6.5.PRUEBADE INDEPENDENCIA.
7. INTRODUCINA LAS TCNICAS DE MUESTREO.
7.1.TIPOS DE MUESTREO.
7.1.1.
Mtodos de Muestreo Probabilstico.
7.1.2.
Mtodos de Muestreo no Probabilstico.
7.2.CALCULO DELTAMAO MUESTRAL.
7.2.1.
Para el Muestreo Aleatorio Simple.
7.2.2.
Para el Muestreo Aleatorio Sistemtico.
7.2.3.
Para el MuestreoAleatorio Estratificado.
7.2.4.
el MuestreoAleatorio por Conglomerado.
APNDICE.
BIBLIOGRAFA.
Prueb
223
Prueb
227
230
231
232
241
245
269
269
269
270
271
271
274
274
Para
276
279
289
10
CAPITULO 1
ESTADSTICA DESCRIPTIVA 1.1 .QU ES LA
ESTADSTICA?
El origen etimolgico de la palabra "estadstica no est bien
determinado, puesto que existen distintas opiniones y referencias. Para
algunos viene de la voz griega STATERA que significa balanza, otros
sostienen que deriva del latn STATUS que significa situacin,
mientras que algunos autores afirman que procede del alemn STAAT
que significa Estado.
En el caso concreto de suponer que viene del vocablo "Estado, es por
el hecho de que una de las funciones tradicionales del gobierno central
y del Estado es llevar registros sobre la situacin de la poblacin,
nacimientos, defunciones, produccin, impuestos y otros hechos
contables y de control.
La evolucin y desarrollo de la estadstica en el mundo actual es tal
que sera difcil dar una definicin precisa de este concepto, pero
particularmente daremos la siguiente definicin: La estadstica es una
ciencia que proporciona un conjunto de mtodos y tcnicas que se
utilizan para recolectar, organizar, presentar, analizar e interpretar el
comportamiento de los datos con respecto a una caracterstica materia
de estudio e investigacin con la finalidad de obtener conclusiones
vlidas y tomar decisiones razonables de acuerdo a tales anlisis.
1.2.
DIVISIN DE LA ESTADSTICA
La Estadstica se divide en dos grandes reas: Estadstica Descriptiva y
Estadstica Inferencial.
a) Estadstica Descriptiva: Parte de la estadstica que analiza y
describe un conjunto de datos de una muestra o de una
poblacin sin sacar conclusiones de tipo general.
Cuadro
s
>
Anlisis
Descriptivo
Estadstica Inferencial
E
SEA HISTRICA DE LA ESTADSTICA
El desarrollo de la Estadstica atraviesa portres etapas:
a) Etapa Inicial:
Se extiende desde la antigedad hasta mediados del siglo XVIII. Se
caracteriza porque la Estadstica est asociada a los censos poblaciones y
registro de bienes y servicios de un Estado o pueblo
Desde los comienzos de la civilizacin han existido formas sencillas de
estadstica, pues ya se utilizaban representaciones grficas y otros
smbolos en pieles, rocas, palos de madera y paredes de cuevas para
contar el nmero de personas, animales o ciertas cosas. Hacia el ao
3000 A.C. los babilonios ya usaban pequeas tablillas de arcilla para
recopilar datos en tablas sobre la produccin agrcola y de los gneros
vendidos o cambiados mediante el trueque. Los egipcios analizaban los
datos de la poblacin y la renta del pas mucho antes de construir las
pirmides en el siglo XXXI A.C.
Los libros bblicos de nmeros y crnicas incluyen en algunas partes
trabajos de estadstica. El primero contiene dos censos de la poblacin de
Israel y el segundo describe el bienestar natural de las diversas tribus
judas. En China existan registros numricos similares con anterioridad al
ao 2000 A.C. Los griegos clsicos realizaban censos cuya informacin se
utilizaba hacia el ao 594 A.C. para cobrar impuestos. El Imperio Romano
fue el primer gobierno que recopil una gran cantidad de datos sobre la
poblacin, superficie y renta de los territorios bajo su control. Durante la
Edad Media slo se realizaron algunos censos exhaustivos en Europa. Los
reyes carolingios, Pipino El Breve y Cario Magno, ordenaron hacer estudios
minuciosos de las propiedades de la Iglesia en los aos 758 y 762,
respectivamente.
.IMPORTANCIA DE LA ESTADSTICA
La estadstica es importante, desde el punto de vista cultural, en la
formacin general del ciudadano, quien precisa tener cierta cultura
estadstica para leer e interpretar cuadros y grficos que con frecuencia
aparecen en los medios informativos; por su utilidad en las diferentes
disciplinas como herramienta bsica para la investigacin en el estudio de
MTODO CIENTFICO
ESTADISTICA
Observaciones Formulacin de
hiptesis Verificacin de
hiptesis
Datos
Datos relacionados Tcnicas
adecuadas
2.5.1.
Etapas del Mtodo Estadstico: De acuerdo con
el orden de aplicaciones de la estadstica, el mtodo
estadstico se lleva a cabo en cuatro etapas:
a) Etapa de Planificacin: Esta etapa define claramente la
naturaleza y objetivos de la investigacin, as como los detalles
concernientes a la recoleccin, clasificacin y anlisis de la
informacin, en base a lo cual se describen las caractersticas de
una determinada poblacin o se confirma o niega una determinada
hiptesis de trabajo.
b) Etapa de Recoleccin: Esta etapa consiste en determinar los
mtodos de recoleccin adecuados para preparar los instrumentos
de recoleccin, probar del mtodo y los instrumentos de
recoleccin seleccionados y realizar la recoleccin de datos.
c) Organizacin y Presentacin de Datos: En esta etapa se debe
tratar de asegurar la validez y confiabilidad de los datos
recopilados. Luego se debe clasificar y tabular los datos y
finalmente presentarlos en cuadros estadsticos y grficos.
d) Anlisis e Interpretacin de Resultados: En esta etapa se
calculan indicadores y medidas de resumen que describen el
conjunto de datos.
2.6. VARIABLES
Es una caracterstica de la poblacin que se va a investigar y puede tomar
diferentes valores.
Las variables se clasifican en: cuantitativas y cualitativas:
a) Variables Cuantitativas: Cuando el valor de la variable es de
carcter numrico.
Las variables cuantitativas pueden ser discretas y continuas.
a. 1) Variable Cuantitativa Discreta: Cuando el valor de la
variable est representado slo por nmeros enteros (positivos).
Ejemplo 1:
X: nmero de hijos
a. 2) Variable Cuantitativa Continua: Cuando el valor de la
variable puede tomar cualquier valor dentro de un rango dado, por
tanto se expresa por cualquier nmero real.
Ejemplo 2:
X: precio en soles b) Variabie Cualitativa: Cuando expresa una cualidad
o atributo tiene carcter cualitativo, Sus datos se expresan mediante una
palabra. Es no numrico.
La variable cualitativa puede ser: nominal u ordinal.
b.1) Variable Cualitativa Nominal: Es aqulla que establece la
distincin de los elementos en las categoras sin implicar orden entre
ellas.
Ejemplo 3:
X: sexo: masculino, femenino.
b. 2) Variable Cualitativa Ordinal: Es aqulla que agrupa a los
objetos, individuos, en categoras ordenadas para establecer
relaciones comparativas. Ejemplo 4:
Y: nivel de pobreza: o pobre, pobre, muy pobre, extremadamente pobre.
2.7.
ESCALAS DE MEDICIN
Las variables no slo se clasifican, sino tambin se miden. La medicin se
hace con el fin de diferenciar, por comparacin, un elemento de otro en
las caractersticas de la variable. Esto se hace a travs de niveles o
escalas, entre las cuales tenemos:
a) Escala Nominal: Es el nivel ms simple de medicin donde las
variables establecen categoras sin orden. En este nivel las
categoras slo se nombran o se enumeran, pero no se comparan.
Ejemplo 5:
X: sexo: masculino y femenino
b) Escala Ordinal: Es el segundo nivel de medicin donde la
variable establece categoras jerarquizadas. Este nivel de medicin
no mide las magnitudes de diferencias, pero si permite apreciar
qu valores asignados a los individuos caen ms altos o ms bajo
que otros.
Ejemplo 6:
X: grado de instruccin: primaria, secundaria, superior
c) Escala de Intervalo: Es el tercer nivel de medicin, entre cuyos
diversos valores que toma la variable existen, a la vez,
clasificacin, orden y grados de distancias iguales entre las
diferentes categoras, es decir, los intervalos son considerados
como equivalentes y con un origen convencional (la unidad de
medida no necesariamente empieza de cero; slo sirve como
punto o valor de comparacin).
Ejemplo 7:
X: coeficiente de inteligencia
m
f\ + fl + .....+ fm =Yjf
1=1
O < h, < 1
Asimismo, la suma de las frecuencias relativas simples es igual a 1, es
decir:
ni
,7
+/l
2 +-
+h
X f'
=1
/=!
d) Frecuencia Relativa Porcentual: Es la frecuencia relativa
multiplicada por 100. Se representa por h/0 y se considera como el
porcentaje de observaciones correspondientes a cada clase. La
frecuencia porcentual est comprendida entre 0 y 100. Donde:
h% = h
x 100
F, = f,
F2=f, + f2
F3=f, + f2+f3
Fm = f, + f2+...fm=n
f) Frecuencia Relativa Acumulada: Resulta de acumular o sumar
sucesivamente las frecuencias relativas. Se representa por H,
donde:
H,=h,
H2=h, + h2
H3=h, + h2 +
h3
Hm = ht+h2 + h3+...hm = 1
La frecuencia relativa acumulada toma valores comprendidos entre 0 y 1,
es decir:
0 <H <1
(
%=
x100
pocos, por lo que puede considerarse cada uno de ellos como una
clase.
La distribucin de frecuencias absolutas toma la siguiente forma:
TABLA N 1 Distribucin de frecuencias absolutas en puntos
aislados
Valores de la variables
Frecuencias absolutas
y,
f,
Y.
Y,
f,
f,
Total
Ejemplo 21:
Los siguientes datos hipotticos corresponden a una muestra de pequeas
empresas, segn su nmero de trabajadores afiliados al Sistema Privado
de Pensiones (SPP).
0
2
2
1
3
2
4
3
3
3
3
4
0
2
3
2
4
3
2
2
3
2
4
2
1
1
2
2
2
1
CONTEO
Y,
N de empresas
f,
II
1
2
3
4
lili
IHJ fHJ II
INI III
lili
4
12
8
4
______
30
Total
y,
f,
/,
n,
V,
f,
F,
h,
H,
h,%
H,%
Y?
f*
f,
F2
F3
h2
h3
H2
Y3
H3
h2%
h3%
H2%
H3%
Ym
Fm
hm
Hm
hm%
Hm%
Total
1.00
100
H,
Ejemplo 22:
a) Construir una distribucin de frecuencias ampliada para las
diferentes frecuencias dadas.
b) Interpretar f3, F3, h3% y H3%.
Solucin:
TABLA N 4
Distribucin de pequeas empresas segn su nmero de trabajadores
afiliados al SPP
Nde
Frec.
N' de
trabaj empresas acumulada
adore
s
f,
F,
Frec.
relativa
1
2
4
dD
3
4
Total
Frec.
Frec.
Frec.
relativa porcentual porcentual
acumulada
acumulada
H,
h, %
H, %
0.07
0.07
0.13
0.40
0.20
0.60
13
20
8
4
26
30
0.27
0.13
0.87
1.00
27
13
87
100
30
1.00
100
dD
b) Interpretacin:
f3 Hay 12 pequeas empresas que tienen 2 trabajadores afiliados SPP.
F3 : Hay 18 pequeas empresas que tienen 2 trabajadores o menos
afiliados al SPP.
h3%: El 40% de pequeas empresas tienen 2 trabajadores afiliados al SPP.
H3%: El 60% de pequeas empresas tienen 2 trabajadores o menos
afiliados al SPP.
B. Distribucin de Frecuencias en Intervalos de Clase: Se utiliza
generalmente cuando la variable es cuantitativa continua, aqu los
valores de las variables son nmerosos por lo que no puede
considerarse cada uno de ellos como una clase, lo cual es
necesario agruparlos en intervalo de clase. Se siguen los
siguientes pasos para su construccin:
a) Determinar el Rango (R): Se obtiene restando el valor mximo
y el valor mnimo. As:
R = Valor Max. - Valor Min.
Marca de Clase
y,
[yo - y )
[y-, - y2)
yY;
[ym. - y',,)
y~
Marca de clase
U U) ~LS n
y,
Frecuencia absoluta
simple
[yo - y'-)
y,
f,
f,
(y - - y,)
y?
f,
[yV-, - y',)
y*
Total
Ejemplo 23:
Los siguientes datos corresponden a una muestra aleatoria de los
gastos semanales en dlares de 20 turistas que se alojarn en el hotel
"Los Delfines' de la ciudad de Lima en febrero de 2004:
400 500 550 600 680 750 780 850 1000 850 630 640 650 700 740 750
800 750 890 950
La informacin fue obtenida de los Registros de Consumo de Clientes de
dicho hotel.
a) Construir una distribucin de frecuencias absolutas utilizando la
regla de Sturges.
Marca de clase
y,
LI ( i) ~ LS U)
[400 - 520)
460
[520 - 640)
[640 - 760)
[760 - 880)
[880 - 1000]
580
700
820
940
ls
,,,
Marca de
Clase
y,
Conteo
N de
turistas
./;
[400 - 520)
460
II
[520 - 640)
[640 - 760)
[760 - 880)
[880 - 1000]
580
700
820
940
III
n+J-lll
lili
III
3
8
4
3
Total
20
[400 - 520)
460
N de
turista
s
/,
2
[520 - 640)
[640 - 760)
[760 - 880)
[880 - 1000]
580
700
820
940
3
8
4
3
20
Gastos semanales en
dlares
Uu) - LSU)
Total
Marca
de
clase
y,
F,
/?,
%
11, %
0.10
0.10
10
10
5
13
17
20
0 15
0.40
0.20
0.15
0.25
0.65
0.85
1.00
15
40
20
15
25
65
85
100
1.00
100
Xt
x,
x2
Frecuencia
absoluta
/,
Frecuencia
relativa
f,
f*
h,
h2
Frecuencia
relativa
porcentu
al h%
h,%
h2%
h%
Total
1.00
100%
Ejemplo 24:
Los siguientes datos corresponden a una muestra aleatoria de 30
docentes de la Universidad Los ngeles de Chimbte, segn su estado
civil, del semstre 2004-II:
s
C
V
C
C
C
C
C
S
D
D
C
C
V
D
C
C
S
S
C
s
s
C
C
C
C
C
C
Donde:
S: Soltero; C: Casado"; V: Viudo y D: Divorciado La
informacin fue obtenida de la Oficina de Personal de dicha
universidad
a) Construir una distribucin de frecuencias absolutas, relativas y
relativas porcentuales.
b) Interpretar f2 y h2%
Solucin:
a) Como resultado de la clasificacin y tabulacin se tiene:
TABLA N 9
Distribucin de docentes segn su estado civil Universidad Los
Angeles de Chimbte Semestre 2004-11
Estado Civil
N de docentes
Frecuencia
relativa
x,
f,
Soltero
0.23
Frecuencia
relativa
porcentual
h %
23
Casado
Viudo
Divorciado
18
2
3
0.60
0.07
0.10
60
7
10
Total
30
1.00
100
CUERPO
UJ
a:
- VARIABLE
FUENTE
12
- -
</>
ro
i/>
tm
a
E
<D
"O
" N. detrabajadores
01
23
GRFICO N 02
Porcentaje de pequeas empresas segn el nmero de
trabajadores
afiliados al SPP
40 -.92, 30 +
c
o
o
o
Q.
(O
01
234
20 - .
400
520
640
760
880
1000
Gastos semanales en
GRFICO N 4
Porcentaje de turistas segn sus gastos semanales en dlares
Hotel Los Delfines- Lima Febrero: 2004
4
0
3
C30
*-
8 20
o
CL
1
0
5 6 +
m
9
4 -
TJ
Gastos semanaies en
dlares
GRFICO N 6
Porcentaje de turistas segn sus gastos semanales en dlares
Hotel Los Delfines- Lima Febrero: 2004
sola
variable,
utilizaremos
la
CUADRO N 2
Casos recibidos por ia Defensora del Pueblo segn tipo
Per: 2002
Tipo de Caso
N de casos recibidos
Quejas
18782
Petitorios
Consultas
8038
24873
TOTAL
51693
</>
8 20000
o
8 10000
i
o
Quejas
Petitorios
Tipo
Consultas
de
caso
2001
2002
20000- -
1000
1.
Quejas
Petitorios
TIPO DE CASO
Consultas
(/>
5 30000
Ao 2001
Ao 2002
0)
^ 20000
10000
JL
Consultas
Petitorios
Consultas
ai
a3=
Angulos(a"
)
18782
x x 360 = 56
360 131'
a2=
51693
8038
51693
24873
51693
360 =
173
360
f,
18782
36
131
Petitorios
Consultas
8038
24873
16
48
56
173
TOTAL
51693
100
360
Quejas
Petitorios
Consultas
Fuente:
16%
Oficina de
Estadsticas
CUADRO N 3
Causas judiciales ingresadas en las Procuraduras Pblicas
PER: 1991 -2002
Aos
N
de
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
causas 9154
7210
13318
15345
17462
20107
20085
21162
24159
28372
32702
38307
Judiciales.
GRFICO N 11
Causas Judiciales Ingresadas en las Procuraduras Pblicas
Per: 1991 -2002
PROBLEMAS PROPUESTOS N 1
a)
b)
c)
d)
e)
f)
g)
h)
[10-15)
[15-20)
[20-25)
[25-30)
[30-35)
h,
K/2
0.17
2K
0.13
f,
F,
h,
[ - 8.8)
[-)
h, %
H%
12.5
5
[-)
0.25
[ - 12.4)
50
32
[-)
0.975
[-)
TOTAL
40
5500 4000 3000 3100 2000 3600 1000 3900 2500 3500 6000 4500 4800
3300 3400 3700 1500 3800 2900 3600
CUADRO N 01
Faltas registradas por la Polica Nacional segn tipo Per: 2001 - 2003
TIPO DE FALTA .
AO
2001
2002
Contra la familia.
51649
51800
Contra
Contra
Contra
Contra
Otros.
91296
1380
534
2248
5106
94855
1222
322
2729
9066
152213
159994
el patrimonio.
las buenas costumbres.
la seguridad pblica.
la tranquilidad pblica.
TOTAL
CUADRO N 2
Nmero de Ingresantes a la Pontificia Universidad Catlica del Per
1996-2001
AO
1996
1997
N5 de
ingresantes
1720
1642
1998
2411
1999
2000
2001
2476
2213
2521
N de familias f
1
2
3
4
5
12
6
4
Total
30
Se pide:
a) Construir un grfico de bastones para frecuencias porcentuales y
comentar.
2.1.
MEDIDAS
DE TENDENCIA CENTRAL
2.1.1.
Notacin :
M[x]
A. Formas de Clculo:
A.1. Para datos no agrupados: La media aritmtica para datos no
agrupados est dado por la siguiente frmula:
I-,
X =
Ejemplo 34:
Los siguientes datos corresponden a una muestra de 10 trabajadores
segn sus sueldos mensuales en soles:
X: 680, 690, 675. 690 700, 660, 720, 680, 670, 675 Calcular la media
aritmtica e interpretar.
Solucin:
Sustituyendo los datos en la frmula se tiene:
_ _ A' .V, -r ,\\ - A-,,, 680 + 690 -f 675 -=- 690 + 700 - 660 ^ 720 + 680 + 670 -f 675
~ 10 ~ 10 ~ 10 .v = 684 soles
Interpretacin: La media de los sueldos mensuales es de 684 soles.
A.2. Para datos agrupados: La media aritmtica para datos agrupados
est dada por la siguiente frmula:
ni
I>, X f
T = ^--------
N de Trabajadores
N de empresas
y,
f,
1
2
3
4
4
12
8
4
4
24
24
16
TOTAL
30
68
y.*f
Luego:
Yyxf
Z_ <
' ' gg
y = 2 trabajadores
Interpretacin: Las pequeas
trabajadores afiliados al SPP.
A.2.2. Media aritmtica
continua
empresas
cuando
tiene
la variable
en
es
promedio
cuantitativa
Ejemplo 36:
Calcular e interpretar la media aritmtica de los datos de la tabla ND 6.
TABLA N
11
Gastos semanales
en dlares
LI(,) ~
LS U)
Marca de clase
N de
turistas
y,x f
y,
[400 - 520)
460
920
[520 - 640)
[640 - 760)
[760 - 880)
[880 - 1000)
580
700
820
940
3
8
4
3
1740
5600
3280
2820
TOTAL
20
1
A'i/z
n
14360
n,
n2
_
___
X,
x2
x, xn. -r x, x n,
-VP =------------------------
/?, + n :
Donde: n = n, + n2
Generalizando para L grupos:
n2
....
XI
Luego:
....
nL
X2
X,.
Ty. x f
y = ---------= = 718dlares
n
20
xi x n{ + X2 x n2 + ...xi xnL
nl+n2 + ...nL
Donde: n = n, + n,+... + nL
Ejemplo 37:
Se clasifica a los trabajadores de una minera en tres categoras,
menores de 25 aos, entre 25 y 35 aos, mayores de 35 aos,
obtenindose la siguiente informacin respecto a su productividad.
TABLA N 12
Categoras
Productividad media
N de trabajadores
<25
40
200
25- 35
>35
60
70
260
300
xi x n. + X 2 x + x x n.
/?, +
n2
n3
= 58.68 = 59
X =
4460
0
760
C. Propiedades:
c. 1 )La media de una constante es igual a la constante.
M[K]=K ; K es constante
c. 2)La media de una variable ms o menos una constante es igual a
la media de la variable ms o menos la constante.
M[XK]=M[X]+K
c. 3)La media de una constante por la variable es igual a la
constante multiplicada por la media de la variable.
M [KX] = KM [X]
c. 4)La media de una constante K multiplicada por la variable ms o
menos otra constante C, es igual a la constante multiplicada K
por la media de la variable ms o menos la constante C.
M [KX + C] = KM [X]C
c. 5)La
media de la suma o diferencia de dos o ms variables es
igual a suma o diferencia de las medias de dichas variables.
M[X + Y] = M[X]+M[Y]
D. Caractersticas:
d. 1)
Es la ms conocida y ms usada en el
anlisis estadstico. d.2) Para su clculo intervienen
todas las observaciones.
d.3) Es una medida nica, es decir un conjunto de datos tiene una sola
media. d.4) Es sensible a los valores extremos demasiados altos o
demasiados bajos.
d.5) No se puede calcular cuando presenta clases abiertas en los
extremos.
2.1.2.
La Mediana: Es una medida de tendencia central que
divide al total de n observaciones debidamente ordenadas o
tabuladas en dos partes de igual tamao, cada una con el 50% de
los datos observados.
Notacin: Me.
A. Formas de Clculo:
A.1. Para datos no agrupados: Para calcular la mediana, los n datos
originales se ordenan en forma ascendente o descendente, luego se
halla el lugar en donde se encuentra la mediana (lugar = (n + 1)/2) y
finalmente se determina su valor. Se presentan dos casos:
i) Para un nmero mparde datos
Ejemplo 38:
Calcular e interpretar la mediana de los sueldos en soles de 11
trabajadores.
X; 640, 620, 625, 700, 750, 670,680, 740, 730, 750,690
Solucin:
Ordenando en forma ascendente
620,625,640,670,680,690, 700, 730, 740, 750,750
Ubicando el lugaren donde se encuentra la Me
n
+1 11+1 .
Lugar =-------=---------- 6
2 2
w +1 10 + 1 __
Lugar =-------------=---------------= 5.5
6
22
22 + 23 Me =
= 22.5
Ejemplo 40:
Calcular e interpretar la mediana de los datos de la tabla N 2.
TABLA N 13
N de Trabajadores
N de Empresas
Me=
F.
y,
4
12 -----------8
4
6
18
26
30
(5) ---------------------------------
3
4
TOTAL
30
1
2
3
4
5
Entonces la primera frecuencia acumulada que excede a = 15 es 18,
esto es:
18 >15 F, >15
1
----------"{ = 3", la mediana se encuentra
en la 3ra. clase
Me = 2 trabajadores
Me
^ [ n i 2 /%_,]
LIU) +
C, x --------------LLJ
f,
Cuando:
F-
Me = LI{j)
Ll
C,
n
Adems:
Lmite inferior del intervalo en donde se encuentra la Me.
Amplitud o ancho del intervalo en donde se encuentra la Me.
Nmero de observaciones de la muestra.
Frecuencia acumulada inmediata anterior al intervalo en donde se
encuentra la Me.
f Frecuencia absoluta del intervalo en donde se encuentra la Me.
Ejemplo 41:
Calculare interpretar la mediana de los datos de la tabla N 6.
Solucin:
TABLA N 14
Gastos semanales
N de
en dlares
- LS (n
Turistas
/,
F,
(400 - 520)
2
3
4
5
[520
[640
[760
[880
3
8
4
3
5
13
17
20
20
- 640)
- 760)
- 880)
-1000]
Total
Reemplazando
los
el
subndice i = 3 en la frmula y
valores
[w/2
-F2]
,n
correspondientes tenemos:
Me = /(3) + C3 x
[10-5]
640+ 120 x
Me = $715
Me =
Interpretacin:
El mayor nmero de alumnos tiene un coeficiente intelectual de 95 y
100 puntos. En este caso la serie es bimodal.
A.2. Para datos agrupados
A.2.1. La moda cuando la variable es discreta
La moda ser clase cuya frecuencia es mxima. As:
Md = Y, Tal que: . , < $ > + ,
^ i determina la clase en donde se encuentra la moda
Ejemplo 44:
Calcular e interpretar la moda de los datos de la tabla N 2.
Solucin:
TABLA N 15
N de Trabajadores
N de Empresas
y,
f,
4
12
3
4
TOTAL
8
4
30
Md = 2 trabajadores
4 < 12 > 8
Md = LI( ) + C x
' d,+d 2
Se debe cumplir la siguiente relacin:
d, = f; - f;., d2 = ;-+1
L,.
Ejemplo 45:
Calcular e interpretar la moda de los datos dados en la tabla N 6
referidos a los gastos semanales en dlares de 20 turistas.
Solucin:
TABLA N 16
Gastos semanales en
dlares
N de Turistas
LS[)
[400 - 520)
[520 - 640)
[640 - 760) *--------- 8
[760 - 880)
[880 -1000]
TOTAL
3
4
3
20
<8>4
f, < f, > f ,
^ * i = 3. la Md. se encuentra en el
tercer intervalo
d,=f, - f, = 8-3 = 5
d:=f, - f, =
8-4=4
Reemplazando el subndice i = 3 en la frmula y los valores
correspondientes tenemos:
Md
= 640 + 120 x9
Md -
706.67 dlares
x - Me - Mo
Md < Me < x
fig. 1
x = Me = Md fig.
2
X < Me < Md
fig. 3
25%
25%
Total 100%
A. Formas de Clculo:
A.1. Para datos no agrupados
El procedimiento que se emplea para calcular los cuartiles es similar al
seguido
n +1
para la mediana: en vez de considerar el lugar = se reemplaza por:
l
2
Lugar = ------ , para el Q,
4
Lugar = (n + 1) , para el Q,
4
Si k{n + l)/4 no es exacta. Q< se obtiene interpolando linealmente los
dos valores correspondientes a las dos observaciones entre las cuales se
encuentra la fraccin.
Ejemplo 46:
Al examinar los registros de facturacin mensual de una empresa editora
con ventas a crdito, el auditor toma una muestra de 11 facturas no
pagadas. Las sumas que se adeudan a la compaa en soles son:
400,1800. 1100,700,700, 1000. 2100,500,3300,900 y 1200.
Calcule e interprete Q., Q2, Q3
Solucin:
a) Ordenando los datos en forma ascendente:
400.500,700,700,900,1000,1100,1200,1800,210
0,3300
b) Ubicando el lugar en donde encuentra el Q,, Q2, Q3
3
ParaQ, _____ lugar = (// + 1) = 9
4
c) Q, = S/.700,
Q2 = S/.1000, Q3 = S/.1800
d) Interpretacin:
Q.: El 25% de las facturas tienen una deuda mxima de S/.700.
Q:,: El 50% de las facturas tienen una deuda mxima de SI. 1000.
Q,: El 75% de las facturas tienen una deuda mxima de SI. 1800.
A.2. Para datos agrupados
Trabajamos el desarrollo de los cuartiles cuando la variable es continua.
A.2.1. Cuartil cuando la variable es contina
Para calcular el cuartil cuando la variable es continua se utilizar la
siguiente frmula:
ZT
-* -
f
F
a =/(,>+c,x
Se debe cumplir la siguiente relacin:
donde se encuentra el Qk
Cuando:
Entonces:
Qk ~ LIU,
Donde:
LIU)
C :
F.,:
f,
F.
[400 - 520)
[520 - 640)
[640 - 760)
[760 - 880)
[880 -1000]
3
8
4
3
5
13
17
20
20
TOTAL
N de Turistas
Hallando Q,
Vemos que n = 20 = 5
4
Entonces: F2 = 5 Por lo tanto:
Qi =
Q, = S/.640
Interpretacin: el 25% de los turistas gast semanalmente como
mximo $640. el otro 75% super dicho gasto.
Hallando Q2:
Q2 = Me = S715
Hallando Q3:
13 < 15 < 17
F. < 15 < Fj
i = 4, Q, se encuentra en el 4
intervalo.
'3
Qi
valores en la frmula
4-F,
4) + C4 X
U
[15-13]
Qy = 760 + 120x
Qs = $820
Informacin
1
10%
ik
10%
10%
10%
-L D
10%
Total 100%
A. Formas de Clculo:
A.1. Para datos no agrupados
Se ordenan las observaciones en forma ascendente o descendente las
observaciones.
k(n + \)
es exacta. ,J =4^]
Uw
n ~1 F1 10 '
I
Entonces:
F_ i = n
'
10
Dk = LI(i)
Donde:
^(0
C,
n:
de observaciones de la muestra.
F,.. f,
Solucin:
Vemos que n = 20
3
10
xn=
Entonces:
12
10
F.
el 3o intervalo.
i = 3, el D se encuentra en
A, = /, + c,xU^-
I-----
o,
Jy
= 640 + 120 x
Db
=S745
1%
P,
1%
1%
1%
1%
Total 100%
siguiente relacin:
100
n F,/-i
f,
Ejemplo 49:
Calcular e interpretar el Percentil 25 (P 2E) para la poblacin estimada y
proyectada del Per segn grupos de edad para el ao 2000.
CUADRO N 04
Poblacin total estimada y proyectada al 30 de junio del 2000
Edades en aos
Poblacin
Poblacin
Acumulada
LIU) - LS(I)
f,
[0 - 5)
3082 644
3082 644
[5 -10)
[10 - 15)
[15 - 20)
[20 - 25)
[25 - 30)
[30-35)
[35 - 40)
[40 - 45)
[45 - 50)
[50 - 55)
[55 - 60)
[60 - 65)
[65 - 70)
[70 - 75)
[75 - 80)
80 y ms
3028 898
2845 934
2646 293
2500 089
2188 734
1913 926
1674 147
1391 183
1154 688
926 551
747 319
618 174
483 199
338 885
215 638
183 027
6111 542
8957 476
11603 769
14103 858
16292 592
18206 518
19880 665
21271 848
22426 536
23353 087
24100 406
24718 580
25201 779
25540 664
25756 302
25939 329
Total
25939 329
f,
Solucin:
Observemos que n = 25939329
Luego
25
-- - - =--------n = 6484832.25
100 100
Entonces:
6111542 < 6484832.25 < 8957476 F, <
6484832.25 < F,
^----- i = 3, el P,, se encuentra en el 3o intervalo.
Reemplazando
el
subndice
dada:
los
100
valores en la frmula
n F2
' 25
r 2 5 = u 0 ) +c\x
A
p2 5 = 10 + 5x
[6484832.25-6111542]
2845934 /?
,5 = 10.66 aos
Interpretacin: el 25% de la poblacin del Per tiene como mximo 10.66
aos, el otro 75% supera dicha edad.
2.3.
MEDIDAS DE DISPERSIN O VARIABILIDAD
Las medidas de dispersin son aqullas que cuantifican el grado de
concentracin o de dispersin de los valores de la variable en torno de un
valor central, generalmente la media aritmtica. Las medidas de
dispersin se utilizan para dos propsitos bsicos:
a) Para verificar la confiabilidad de los promedios.
b) Para que sirva como base para el control de la variacin misma.
Tambin podemos decir que los trminos concentracin y dispersin
pueden ser utilizados indistintamente, pues se da la relacin:
Alta dispersin -----> Baja concentracin
Baja dispersin----- Alta concentracin
Las medidas de dispersin que se utilizan con mayor frecuencia son:
SI.
2900
2.3.2.
Rango Intercuartil
El rango intercuartil de una serie de datos es la diferencia entre el Q 3 y el
Q,.
Se denota por Rl y se expresa as:
Rl = Q, - Q,
El rango intercuartlico entre Q, y Q, excluye la cuarta inferior (25%) y la
cuarta superior (25%) del total de datos y considera la dispersin en la
mitad central de los datos (50% central).
25% inf.
50%
25% sup.
4----------------C------------------------------------------------------
Q,
Q>
Ejemplo 51:
Calcular e interpretar el rango intercuartlico de los datos dados en el
ejemplo
AP
Solucion:
SI.
SI.
1100.
Ejemplo 52:
Calcular e interpretar el rango intercuartlico de los datos dados en la
tabla N 6.
Solucin:
Tenemos que Q, = $640 y Q3 = $820 Entonces:
Rl = 820-640 = 180
Interpretacin: El rango intercuartlico entre Q, y Q3 es $180.
2.3.3.
Rango Semi Intercuartil
Es la mitad del rango intercuartlico entre Q 3 y G;. 'Tambin se le llama
Desviacin Cuartlica. Se denota por RSI y se expresa as:
RSI
QIZL
2
Es una medida de dispersin que slo depende de los valores que estn
situados en la mitad central de los datos.
Se usa cuando otras medidas de dispersin son afectadas seriamente por
valores extremos o cuando no es posible determinar la media y,
consecuentemente, la varianza.
Ejemplo 53:
Calcular e interpretar el rango semi intercuartil de los datos dados en el
Ejemplo 46. Solucin:
2.3.4.
Varianza
Es una medida que cuantifica el grado de dispersin o de variacin de los
valores de una variable cuantitativa con respecto a su media aritmtica.
Si los valores tienden a concentrarse alrededor de su media, la varianza
ser pequea. Si los valores tienen a distribuirse lejos de la media, la
varianza ser grande.
La varianza calculada a partir de una muestra se denota por s 2 y referida
a la poblacin se denota por g o v[x].
La varianza se define como la media aritmtica de los cuadrados de las
desviaciones de los datos respecto a su media aritmtica. La varianza es
una medida de dispersin con unidades de medicin al cuadrado. SI2. $2,
km2, etc.
:
A. Formas de Clculo:
A.1. Para datos no agrupados
Se utiliza la siguiente frmula:
Para n > 30
-i
iI
/- i
Ejemplo 55:
Calcular e interpretar la varianza de los puntajes de 10 estudiantes en un
examen de estadstica.
Y, = 13, 14. 16, 15, 14, 16, 17, 16, 12, 11
Solucin:
De los datos dados obtenemos:
j? = 14.4
n = 10
Reemplazando en la frmula (varianza de Cochran n < 30)
10 ^
2108-10(14.4)2
r = -----------------=-------------- ----- = 3.82
~n>'
n-1
puntos2
( y , - y Y - x f y , 2x f ,
2
-y
(y-
- ?)2 x / X x / n-1
n1
Ejemplo 56:
Calcular e interpretar la varianza de los datos dados en la tabla
N 6. Solucin:
TABLA N 18
Gastos semanales en
dlares
y,
/,
y-xf,
y,
LI - LS
[400 - 520)
460
211600
423200
[520 - 640)
[640 - 760)
[760 - 880)
[880 -1000]
580
700
820
940
3
8
4
3
336400
490000
672400
883600
20
100920
0
392000
0
268960
0
265080
0
106928
00
TOTAL
y,2 xf
= 10692800
/=i
v = 718
n = 20
.r = 20122.11 dlares2
Interpretacin: La variabilidad de los gastos semanales es de 20122.11
dlares2.
A. Propiedades
La varianza siempre es positiva
V(x)>0
La varianza de una constante es cero:
V(k) = 0
La varianza de variable ms o menos una constante es igual a la
varianza de la variable.
V(xk) = V(x)
La varianza de una constante multiplicada por una variable es igual ai
cuadrado de la constante por la varianza de la variable:
V (Kx)= K2 V(K)
La varianza de una constante K por la variable ms o menos otra
constante es igual al cuadrado de la constante por la varianza de la
variable:
V (Kx C) = K2 V(x)
2.3.5.
Desviacin Estndar o Tpica
Se define como la raz cuadrada positiva de la varianza:
s - -J varianza
Ejemplo 57:
Calcular e interpretar la desviacin estndar de los datos del
ejemplo 55 Solucin:
__________
.y2 = ->/20122.11 =$.141.86
c . v. x 1 0 0
Donde:
s: Desviacin estndar.
y: Promedio
Si c.v. <15%, los datos son homogneos, es decir tienen una baja
variabilidad.
Si c.v. > 15%, los datos son heterogneos, es decir tienen una alta
variabilidad.
Ejemplo 59:
c.v. =
718
jMzm
As
2.4.2.
3)
(y-Md)
s
La Media Asimtrica
As =
Q, -2 Me + O,
a-e,
, Pw - 2PS0 + P]0
1
4)
' P -P
90 10
D ist r ibuc i n
S imt r ica
Md < M e < y
=Mc = Md
fig. 4
D ist r ibuc i n
As imt r ic a Po s it iva
fig. 5
fig.
6
NOTA:
Si As 0, entonces se dice que la distribucin es
aproximadamente simtrica o ligeramente sesgada. Ser tanto ms
sesgada cuanto ms As se aleje de cero.
Ejemplo 60:
Calcular e interpretar el coeficiente de asimetra de los datos en la
tabla N 6. Solucin:
a) Utilizando el coeficiente de Pearson (1o)
3
As =
(y-Me)
y = S/. 718,
Me = SI. 715.
3(718-715)
As =-----------------141.86
s = 5/.141.86
= 0.06
distribucin es
asimtrica positiva,
b)Construyendo el histograma de frecuencias.
GRFICO N 12
f
i
>
'l
cual indica
Mesokrtica
fig. 7
fig. 8
Platikrtica
fig. 9
Donde:
s4 = (s2)2 y s2 - Varicmza
ni
TSy,-y)'*f,
M4 = -------------------
MA
K>
3, la distribucin es leptokrtica.
K=
. 3.-JL.
2(^00 ^o)
Si:
Para la curva normal K = 0.2630
Una distribucin ser mesokrtica si K tiende a 0.2630 por ambos lados.
Si el valor de K se aleja hacia la derecha tendiendo a V 2, la distribucin
ser leptokrtica. Si se aleja hacia la izquierda tendiendo a cero, la
distribucin ser platikrtica. Puede ser til observar el siguiente
esquema para determinar la Krtosis.
PLATIKURTICA
1/8
1/4
1
1
MESOCIJRTICA
'
l
0.125
02630
3/8
1/2
LI-PTOCURTICA
0.375
0.5
Ejemplo 61:
Calcular e interpretar el coeficiente de Kurtsis para los datos dados en
la tabla N6.
Solucin:
Utilizando el coeficiente de Krtosis 1) obtenemos:
_ 883505232 .
4
(.y")' (20122.11)2
P7
5
Me P
25 L
fig. 10
Respecto a:
-
RI = P15 - P2$
P2S
Me
P25
15
P2i - Me \a
distribucin es simtrica.
con
P1S - Me
Si
Me-
811
753
650
918
817
857
732
867
747
675
823
880
844
878
907
890
872
620
105
0
869
881
766
841
847
833
829
827
822
811
787
923
792
803
933
947
717
817
753
105
6
107
6
958
970
776
828
831
781
108
8
108
2
DIAGRAMA DE CAJA
1100
u
1000
900
P75
Me
800
P25
L
700
600
fig. 11
PROBLEMAS PROPUESTOS N 2
1. Como Gerente de Ventas de IBM, usted desea calcular las
medidas de tendencia central para los niveles de utilidad de dicha
firma durante los ltimos nueve meses, ya que las siguientes
utilidades estn dadas en miles de dlares. X,: 21.6; 22.3; -3.4;
21.6; 18.9; 17.9; -12.8; 23.1; 22.3
Se pide:
a) Calcular la media, mediana y moda e interpretar.
b) Calcular el rango, varianza, desviacin estndar y coeficiente de
variacin e interpretar.
2. En un supermercado trabajan 35 mujeres con un salario promedio
de S/.500.00 y 15 hombres que en promedio ganan un 30% ms
que las mujeres. Cul es el salario promedio de los empleados de
dicho supermercado?
3. La siguiente tabla corresponde a las calificaciones de 30 alumnos
en el curso de Estadstica.
Calificaciones Ll LS
N de alummos
f.
[05 - 08)
[08
[11
[14
[17
6
12
6
3
11)
14)
17)
20)
TOTAL
30
Se pide:
a) Calcular la media, media y moda e interpretar.
b) CalcularQ,, Q2 yQ3e interpretar.
c) Calcular la varianza, desviacin estndar y coeficiente de
variacin e interpretar.
d) Calcular el coeficiente de asimetra e interpretar.
e) Calcular el coeficiente de Krtosis e interpretar
4. Los trabajadores de una empresa solicitan en una convencin
colectiva que cada salario de sus afiliados sea aumentado segn
la ecuacin:
Y =1.2*,.+ 20
{60 -100)
[100-140)
[140-180)
[180-220)
[220-260)
Empleados
10
20
222,
188,
261,
233,
209,
200,
258,
247,
204,
285,
177,
241,
227,
216,
198,
181,
194,
102,
199,
215,
212,
209,
218,
238,
197,
167,
223,
170,
194,
239,
193
267,
205,
199
400,
300,
100,
102,
11
5,
22
0,
27
6,
20
5,
27
0.
3.2.
REPRESENTACIN DE LA INFORMACIN
MEDIANTE TABLAS BIDIMENSIONALES
Sea (X, Y) una variable estadstica bidimensional tal que los distintos
valores que toma Xe Y son:
X : xx2......x,
Y :yy2..........yK
Una distribucin bidimensional de frecuencias es un arreglo de los valores
observados (x y,) (x2l y2),... (x yK), de la variable bidimensional (X, Y),
con sus respectivas frecuencias, en una tabla de doble entrada, tal
como se presenta a continuacin en la tabla N 19.
TABLA N 19
Donde:
fij :
Jt
j:
= \,k
y, (j = hk)
rk
i=! j=i
Ejemplo
63:
La siguiente tabla N 20 muestra una distribucin conjunta de
trabajadores de una empresa por sexo segn estado civil.
TABLA N 20
Distribucin bidimensional de trabajadores por sexo segn estado civil
Sexo (Y) Masculino
Estado'\^
Civil (X)
Soltero
20
Femenino
Total
40
60
Casado
30
80
110
Viudo
10
15
10
15
65
135
200
Divorciado
Total
3.3.
DISTRIBUCIONES MARGINALES
La tabla representada por la variable X y sus respectivas frecuencias
marginales se llama distribucin marginal de la variable X, y similarmente
lo que representa a la variable Y y sus frecuencias marginales recibe el
nombre de distribucin marginal de la variable Y.
Las distribuciones marginales obtenidas de la tabla de doble entrada N
19 son:
TABLA N 21
Distribucin marginal de X
TABLA N 22
Ejemplo 64:
Construir las distribuciones marginales para las variables X (estado
civil) e Y (sexo) de la tabla N 20.
Solucin:
TABLA N 23
TABLA N 24
Estado Civil
X
i.
Soltero
N de Trabaj. fi.
60
Casado
Viudo
Divorciado
110
15
15
Total
200
Sexo
N de Trabaj.
Masculino
65
Femenino
135
Total
200
3.4.
FRECUENCIAS RELATIVAS BIDIMENSIONALES
En la distribucin unidimensional se expresan las frecuencias relativas
por h, En el caso bidimensional las frecuencias relativas se expresan de
la siguiente manera:
'
Para Y:
f.
= tal que O ^ h7
=^ 1 n
Ejemplo 65:
Considerando la tabla N 20 construir la distribucin de frecuencias
relativas, as como las frecuencias relativas marginales.
Solucin:
TABLA N 25
Distribucin bidimensional de frecuencias relativas por sexo segn
estado civil
Sexo (Y) Masculino
Estado^^
Civil (X)
Soltero
0.1
Femenino
Total
0.2
0.3
Casado
0.15
0.4
0.55
Viudo
0.05
0.025
0.075
Divorciado
0.025
0.05
0.075
Total
0.325
0.675
1.000
h =!= = 0.05
42
n 200
_^L
o.3 200
f 15 h. = = = 0.075
n 200
h, = A = _^_ = o.325
n
200
*,.^0.675
n 200
Hf.'*
,=1 /=!
b) La suma de las frecuencias relativas es igual a la unidad, es decir:
rk
c) A =
/=i =\
/=i
d)
Yjfj= n
i=i
e) A, =1 i=i
f) Z/7,=1
/=!
3.6.
MEDIDAS ESTADSTICAS EN UNA DISTRIBUCIN
BIDIMENSIONAL DE FRECUENCIAS
Las medidas en una distribucin bidimensional de frecuencias se
calculan cuando las variables son cuantitativas.
3.6.1.
O,- - *)2 X f.
VARIANZAS
iz!_______________
^ ->')x fj
c2 _>_______________
15
y
Solucin:
-
MEDIAS:
-
i=i
600 . x = =
-M 13200
anos
... _ y = -
y v.x f.
~~" 250
= : - 52.8 = 53
VARIANZAS:
4
5:' - ------------------------------------------------------------=
= .28 = 1 ingreso2
l
250
si = --------------------------=
y
3.6.2.
Covarianza
La covarianza permite detectar la existencia de algn tipo de relacin
lineal entre dos variables; si la covarianza es diferente de cero,
entonces hay alguna relacin o dependencia funcional entre las
variables.
La covarianza para una distribucin bidimensional de frecuencias se
expresa como sigue:
ZZ
rk
fr
Y<xxJ
i=i
x* ^
(
i
fj
y=i
('>
S~
*V
/=! j=1
2>.
(=i
\y
v/
Ejemplo 67:
Calcular la covarianza para los datos dados en la tabla
N 26. Solucin:
Tenemos que:
4 3
C(x,y)=-^
fu
---------------- 250
-----------------250
31200
"600 \ , /13200" \
(*,>>) =
250
250/
250 ,
C(x,^) = 124.8 - 126.72 =-1.92
NOTA: La covarianza puede ser positiva o
negativa.
7=
1
250
PROBLEMAS PROPUESTOS N 3
2. Se tiene la siguiente distribucin del nmero de hijos (X) y el nmero de
dormitorios por habitacin (Y) en una muestra aleatoria de 20 familias
seleccionadas en un centro urbano.
N de dormitorios (Y)
N de hijos (X)
1
Se pide:
a) Construir las distribuciones marginales para X e Y.
b) Hallar las medias y varianzas marginales para las variables X e Y
respectivamente.
c) Hallar la covarianza.
d) Construir la distribucin de frecuencias relativas bidimensionales.
Adems interpretar: f2, yh21.
e) Construir las distribuciones de frecuencias relativas para las variables X
e Y. Adems interpretar: h2. y h.2.
3. La siguiente distribucin corresponde a 210 ciudadanos considerando
su opinin ciudadana agrupada en tres categoras (a favor, en contra e
indeciso) en la construccin de una autopista segn su sexo.
Sexo(X)
Opinin (Y)
Total
A favor
En contra
Indeciso
Hombres
41
39
20
100
Mujeres
40
43
27
110
TOTAL
81
82
47
210
Se pide:
EXPERIMENTO
={AA2....ASJ
H={C,S}
A, = {c}
A2 =
{s}
Ejemplo 72:
Sea el experimento: lanzar una moneda dos veces. Determinar los
siguientes eventos:
A,: Ocurre cara en el primer lanzamiento.
A2: Ocurre sello en el segundo lanzamiento.
A3: Ocurre por lo menos una cara.
A,: Ocurre lo mismo en ambos lanzamientos.
Solucin:
E2: Lanzar una moneda dos veces
Diagrama del rbol
4.3.2.
Operaciones con Eventos
Usando las operaciones con conjuntos podemos formar nuevos
eventos. Estos nuevos eventos sern nuevamente subconjunto del
mismo espacio muestral de los eventos dados,
a) Unin de Eventos: A W B
Sean A y B dos eventos cualesquiera definidos sobre un mismo espacio
muestral, la unin de eventos es el evento que ocurre si A ocurre o B
ocurre o ambos ocurren.
Simblicamente:
AWB = { w n / w A v w B }
AW B
AWB
b) Interseccin de Eventos:A/^B
Sean A y B dos eventos cualesquiera definidos sobre un mismo espacio
muestral, la interseccin de estos eventos es el evento que ocurre si A
y B ocurren simultneamente.
Simblicamente:
AnB={weQ/w
A A W
e B}
c)Complemento de un Evento: A o A
Si A es un evento del espacio muestral, se llama complemento del
evento A al evento que ocurre si A no ocurre.
A = {vve Q / w A )
d) Diferencia de Eventos: A - B
Sean Ay B dos eventos cualquiera definidos sobre un mismo espacio
muestral, se llama diferencia de los eventos A y B al evento formado
por los elementos que son favorables a A pero que no son favorables a
B.
Simblicamente:
AB
AB
D
A-B=An5
A-B=An
B =A
D.
B
AcB
4.3.3.
Eventos Mutuamente Excluyentes y Eventos
Colectivamente Exhaustivos
a) Dos eventos A y B definidos en el mismo espacio muestral se
dice que son mutuamente excluyentes si no pueden ocurrir
juntos.
A j n A j = 0 V i*j; i = 1,2,... k
b) Ley Asociativa
(AB)uC = A vj(B^C)
(AnB) oC = A o(B^C)
c) Ley Distributiva
A n (B u C) = (A o B) o (A n C)
A u ( B o C ) = ( A a t ) o (A o C)
e) U o A = Q 0 u A = A A u A c = Q A u A = A
f) Q n A = A 0 n A = 0 A
n A
=0 An A = A
g) Leyes de Morgan
AyjB = AnB
AnB = AKJ B
h) A = (AnB)u(AnB)
) Si Ac= B, entonces Au B = B y An B = A
B
4.4.
PROBABILIDAD
Probabilidad es la posibilidad numrica de la ocurrencia de un evento.
4.5.
TIPOS
DE PROBABILIDAD
Existen tres enfoques para el estudio de la probabilidad.
4.5.1.
Probabilidad Clsica
Llamada tambin probabilidad a priori debido a que es posible conocer el
resultado con anterioridad, es decir, sin llevar a cabo el experimento y
slo basado en el razonamiento lgico. Se basa en el supuesto de que
cada elemento del espacio muestral tiene la misma posibilidad de ser
elegido.
Se
Casos
P(A)
=
Ejemplo 73:
Hallar la probabilidad de obtener cara en el lanzamiento de una
moneda. Solucin:
El espacio muestral ser:
Q = {c..v}
n(A)
P(A) =
n(Q)
P(A)
= = 0.5
Ejemplo 74:
Hallar la probabilidad de obtener el nmero 2 en el lanzamiento de un
dado. Solucin:
El espacio muestral ser:
Q = {1,2,14,5,6}
P(B)
= = 0.17 6
P(A) = -
P{A) = L
n
= =
f 325 Luego: P ( A )
= 0.65 n 500
Ejemplo 76:
En una encuesta realizada a 1500 pequeas empresas de la ciudad de
Lima sobre el nmero de medidas de seguridad, se encontr los siguientes
resultados:
TABLA N 27
N de medidas de
seguridad
N de empresas
100
1
2
3
4
800
300
250
50
Total
1500
P(A)
0.07
0.53
0.20
0.17
0.03
1.00
P(A ) = -
* n 1500
=02 '
P(A) > 0
b) La probabilidad de un evento cierto o seguro es la probabilidad del
espacio muestral, que equivale a la unidad.
P ( Q) = 1
c) La probabilidad de la unin de una familia de eventos mutuamente
excluyentes es igual a la suma de las probabilidades de dichos
eventos.
P ( A { U A 2 U ...U A K ) = P ( A , ) + P ( A 2 ) + . . . . P ( A k )
K
=I^()
v. / 1=1
4.7.
TEOREMAS DE LOS AXIOMAS DE PROBABILIDAD
De los axiomas de probabilidad resultan los siguientes teoremas.
a) La probabilidad de un evento toma valores entre cero y uno. Es decir:
0 < P(A) < 1
UA,
P()=\-P(A)
P(B/A) =
on P { A ) * 0 P ( A )
Nos pide:
P(CID)
=
P(Cn
D)
P(D)
140 P ( C n D ) =
500
= 0.28
w-222-o*
500
28 P ( C I D ) = - = 0.7 0.4
4.9.
REGLAS DE PROBABILIDAD
4.9.1.
Probabilidad del Producto
Se utiliza para calcular la probabilidad conjunta o simultnea de dos o ms
eventos.
Si los eventos Ay B son dependientes, entonces
la ocurrencia conjunta de los eventos es:
Eventos
Probabilidades
Luego:
P (B/A) = P(B)
Luego, la ocurrencia simultnea de los eventos independientes Ay B es:
P(AnB) = P(A)xP(B)
P (AnBnC) = P(A)xP(B)xP(C)
Ejemplo 80:
Se ha determinado que la probabilidad de televidentes que ven los
programas A y B son respectivamente 0.4 y 0.5. Cada televidente ve los
programas independientes uno del otro. Si se elige al azar uno de tales
televidentes qu probabilidad hay de que vea ambos programas?
Solucin:
Eventos
A: Televidentes que ven el
programa A.
B: Televidentes que ven el
programa B Ay B: son
independientes.
Ar\ B: Televidentes que ven el
programa Ay B.
Probabilidades
P(A) = 0.4 P(B) = 0.5
P(BA A) = P(A) x P(B) = 0.2
Ejemplo 81:
De 200 trabajadores de una empresa, 80 se encuentran afiliados a la AFP
Integra. 100 se encuentran afiliados a la AFP Horizonte y 20 aportan al
Sistema Nacional de Pensiones. Si se elige un trabajador al azar, calcular la
probabilidad de que se encuentre afiliado a la AFP Integra o AFP Horizonte.
Solucin:
Sean los eventos:
I EltrabajadorestafiliadoalaAFPIntegra H El
trabajador est afiliado a la AFP Horizonte.
P El trabajador est afiliado al Sistema Nacional de Pensiones.
Entonces:
P(AnBnC) = 0
P ( A vj B ) = P { A ) + P { B ) - P ( A n B )
Si Ay B son independientes:
P(A
KJ
Ejemplo 82:
La probabilidad que una persona ahorre en el Banco de Crdito es 0.5, la
probabilidad de que ahorre en el Banco Continental es 0.4 y la
probabilidad de que ahorre en ambos banco es 0.3. Hallar la probabilidad
de que una persona ahorre en alguno de los bancos.
Solucin:
Sean los eventos:
A La persona ahorra en el Banco de Crdito B La
persona ahorra en el Banco Continental A A B:
La persona ahorra en ambos bancos.
Adems:
P(A) = 0.5 P(B) = 0.4 P(An B) = 0.3 Entonces p(A
u B) = p(A) + P(B) _ P(A n B)
IR
Ejemplo 83:
En la Universidad de Lima se publican tres revistas: A, B y C. El 30% de los
estudiantes lee A, el 20% leeB, el 15% leeC, el 12% lee Ay B, el 9% Ay C, el
6% By C y finalmente 3% lee A, By C. Se pide calcular el porcentaje de
estudiantes que lee al menos una de las revistas.
Solucin:
Sean los eventos:
A : El estudiante lee la revista A i-------------------------------\ P(A) = 0.30
B : El estudiante lee la revista B
P(A n C) = 0.09
t= >
Entonces:
P(A u B u C) = P(A) + P(B) + P(C) - P(AnB) - P(AnC) - P(BnC) + P(AnBnC) P(A uBuC)
= 0.30 +
TABLA N 28
Ejemplo 84.
La siguiente tabla N 29 muestra la clasificacin de los trabajadores de
una empresa por categora laboral segn sexo.
TABLA N 29
Distribucin de trabajadores por categora laboral segn sexo
Sexo
CATEGORA LABORAL
Total
300
50
140
10
200
170
290
40
500
Solucin:
Construyendo la tabla de probabilidades obtenemos los siguientes
resultados.
TABLA N 30
Tabla de probabilidades de los trabajadores por categora laboral segn
sexo
Sexo
CATEGORA LABORAL
P(O)
P(M)
120/500=0.2
4
50/500 =0.10
P(E)
150/500 =
0.30
140/500 =
0.28
170/500=0.3 290/500=0.58
4
P(F)
TOTAL
Total
P(FU)
30/500 =
0.06
10/500 =
0.02
40/500=
0.08
300/500=0.
60
200/500=0.
40
500/500=0.
10
Entonces:
a) PO) = 0.34
b) P(M r\ O) = 0.24
c) l>(E/M)= P I n W >
P( M)
nMIFU)
0.60
.mnm=.0j}
P(FU)
0.08
0Vi* j
kk
c) U A = Q P ( A , ) = l
1
=1
b)
Aj n Aj =
Esquemticamente:
P(B) = P(AinB)
=i
k
P(B) = ^P(A)xP(B/Ai)
i=i
Esquemticamente:
ULADECH
129
nA )
' *^'A')
.paracada=1.2..............................k.
Esquemticamente:
fig.
14
ULADECH
131
Ejemplo 85:
Un ensamblador de computadoras usa partes que provienen de tres
proveedores A., A2, A3. De 2000 partes recibidas 1000 provienen de A,,
600 de A2y el resto de A3. De expresiones pasadas el ensamblador sabe
que las partes defectuosas que provienen de A,, A 2 y A3 son
respectivamente 3%. 4% y 5% Si se elige una computadora al azar:
a) Cul es la probabilidad de que contenga una parte defectuosa?
b) Y si contiene una parte defectuosa, cul es la probabilidad de
que haya sido provedo por A2?
Solucin:
Sean los eventos:
A: Parte proviene del proveedor A,
i=1,2,3 B: Parte defectuosa
Adems:
P(A)
= 1222 = 0.5
P(B/A]) =
0.03,
P(Aj) = -22-=
P(B/A-,)
= 0.04 y
PiB/A,)
= 0.05
Esquemticamente:
003 P(A,)xP(B/A.)
B 0.5 x 0.03
0.04
* B 0.3x0.04
0.05
A3
- B 0.2 x 0.05
Total
P(B) = 0.037
fig.
14
0.037
Ejemplo 86:
En una encuesta de opinin se encontr que el 25% de los electores
votara por el candidato E. De los que no votaran por E el 20% son
mujeres, el resto son hombres. Adems la probabilidad de que un
elector elegido al azar sea hombre es 0.70. Si se elige un elector al
azar y resulta ser mujer Cul es la probabilidad que no vote por E?
Solucin:
Sean los eventos:
E : El elector vota por el candidato E.
H : El elector es hombre M :
El elector es mujer
Entonces:
P(E) = 0.25 => P( ) = 0.75
P(M/ )= 0.20 P(H/ E) =
0.80 P(H) = 0.70 P(M) =
0.30
Grficamente:
P(H) = 0.70
P(M,E) =
P(M)=0.30
P(MnE)
P{E)
ULADECH
133
P(M
P{H
,E)=MJ2
P(E)
P(HnE) =
0.80x0.75 = 0.6
= 11 = 0.5
P{M) 0.30
fig.
14
S , E ) = 1^211
P(E)
Entonces:
P{E) = P(SnE) + P(SnE)
P(E) = P(S) *P(E/S) + P(S)*P(E/S) P(E) =
0.40 x 0.30 + 0.60 x 0.80
P(E) = 0.60
Adems se sabe que:
P(EnS) = P(S)xP(E/S)
Luego:
P(E r\S) = 0 .1 2
P ( S / E ) = = 0.20 0.60
ULADECH
135
P(E)
P( E)
Total
P( s)
P (S)
Total
0.12
0.48
0.60
0.28
0.12
0.40
0.40
0.60
1.00
PROBLEMAS PROPUESTOS N 4
1. Dar cinco ejemplos de experimentos aleatorios relacionados con
sus especialidades.
2. Determinar el espacio muestral de c/u de los experimentos
aleatorios que se dan a continuacin.
E,: Preguntar a un ciudadano sobre el noticiero televisivo de su
preferencia
E2: Preguntar a un trabajador de una empresa X sobre el monto
de su sueldo mensual.
E3: Preguntar a un trabajador de una empresa "X cules a la AFP a
la que est afiliado.
E: Preguntar a un ciudadano en particular respecto su preferencia
sobre cierto candidato presidencial Es: Extraer un artculo de un lote
que contiene artculos defectuosos D y no defectuosos N"
E6: Preguntar a un ciudadano en particular sobre el departamento
de donde procede.
E7: Observar la actividad laboral del ciudadano chimbotano.
3. Un experimento consiste en preguntar a tres electores elegidos
al azar si votan por un partido poltico "X":
a) Liste los elementos de espacio muestral utilizando las letras S
para s y N para no.
b) Liste los elementos del evento: Al menos dos de los electores
votan por el partido X.
c) Definir en palabras el evento que tiene por elementos los
puntos:
{SSS, NSS, SSN, NSN}
fig.
14
ULADECH
137
a)
b)
c)
d)
e)
f)
AB
AuB
colectivamente exhaustivos?.
26. Un club consiste de 150 miembros. Del total 3/5 son hombres y
2/3 son profesionales. Adems, 1/3 de las mujeres son no
profesionales. Se elige un socio al azar:
a) Calcular la probabilidad de que sea hombre y profesional.
ULADECH
139
Opinin
Total
A favor
En Contra
Indeciso
Hombre
41
39
20
100
Mujer
40
43
27
110
TOTAL
81
82
47
210
a) Opine a favor.
0.10
0.35
0.25
0.20
0.10
1.00
ULADECH
.141
142
defectuoso.
* Elegiral azar un alumno con los resultados: aprobado y desaprobado.
El espacio muestral asociado al experimento aleatorio de Bernoulli se
puede escribir como el conjunto: Q={E,F}
La variable aleatoria X definida en de manera que atribuye a E el
valor 1 y a F el valor 0, se denomina variable aleatoria de Bernoulli.
Si p = P [X = 1 ] es la probabilidad de xito, donde 0 < p < 1 y q = P
[X=0] = 1 - p es la probabilidad de fracaso, la distribucin de
probabilidad de Bernoulli de parmetro p est dada por:
p x ( I -p)1'* , si x =
0, 1
0
, en otro caso
Si X es una variable aleatoria con distribucin Bernoulli de
parmetro p, entonces lo denotaramos porX B(1, P).
La media y la varianza de la distribucin de Bernoulli estn dadas por:
Media : |.i =p Varianza : <r2 = pq
5.1.2.
Distribucin Binomial
Se denomina experimento binomial a un nmero fijo, n, de
repeticiones independientes de un experimento aleatorio de
Bernoulli, y, por lo tanto, se caracteriza porque:
a) Las n pruebas son estadsticamente independientes.
b) Los resultados de cada prueba son dos, mutuamente
excluyentes, xito (E) y fracaso (F).
c) La probabilidad p de xito es invariable en cada una de las pruebas.
El espacio muestral del experimento binomial es el conjunto:
ULADECH
.143
f(x)=P[X=x] =p q
* = 0, 1 , 2 , 3 , . . . / ?
W
Donde:
("
U.
-Ck=-
n.
15
! (6 2)! 2!x4! 2 x 2 4
144
Entonces:
P[X=2] = 15 x (0.8)2 x (0.2)4 = 0.0154
c) P[X < 1] = (o)x(0.8) x (0.2)6 +
(,)x(0.8)'x (0.2)5 P[X< 1] = 0.0016
Ejemplo 90:
En un rea geogrfica determinada, el 40% de la poblacin adulta
pertenece al partido demcrata. Se selecciona una muestra de 10
adultos. Si X es la variable aleatoria que se define como de personas
adultas que pertenecen al partido demcrata:
a) Determine la funcin de probabilidad de X.
b) Calcule la media y la desviacin estndar.
c) Determine la probabilidad de que tres de ellos pertenezcan al
partido demcrata.
Solucin:
a) Cada uno de los adultos pueden pertenecer al partido demcrata (E) o
no pueden pertenecer al partido demcrata (F). La probabilidad de que
una persona adulta pertenezca al partido demcrata es p=0.4 y de que
no pertenezca es q=0.6. La distribucin de probabilidad de X es:
/>[*] =
P[X = k]
k=
0,1, 2,... 10
3] = C)x(0.4)3 x (0.6)7
3] = 120x0.064x0.028
P[X = 3] = 0.22
5.1.2.1. Uso de la Tabla de la Distribucin Binomial.
La tabla I del apndice muestran las probabilidades P(X;n) distribucin
de probabilidad acumulada F(x; n) = P[X<x] para n = 5, 10, 15, 20, 25
en combinacin con valores seleccionados de p.
5.1.3.
Distribucin de Poisson
ULADECH
.145
-X
/>
\x
, X=0,\,Z...
.Y!
a2
e-x,{Xt)k
P\X = k ] =
-
k\
fl
146
= o) = sl*W.
0!
ULADECH
.147
Adems:
Como B (n, p)--P( X) conforme n -*co, p-*0, np-*-X.. Ia media y la
varianza de la variable binomial deben aproximarse a los de una
variable de Poisson, estos lmites son:
n p - *^ y n p q A,
Ejemplo 92:
Si un editor de libros no tcnicos se esmera en asegurar que sus libros
estn libres de errores tipogrficos, y la probabilidad de que en
cualquier pgina dada contenga al menos uno de tales errores es
0.005 y los errores son independientes de pgina a pgina.
a) Cul es la probabilidad de que una de sus novelas de 400
pginas contenga exactamente 1 pgina con errores?
b) A lo sumo tres pginas con errores?
Solucin:
Con E sealando una pgina que contiene al menos un error y S una
pgina sin errores, sea X: el nmero de pginas que contiene al menos
un error, es una variable aleatoria binomial con n=400 y p=0.005, as
que np=2.
Queremos:
a) P[X = l]=(4)x(0.005)' x(0.995)399 s *2 =0.271
6
b)
F[X<3]
= (4)x(0.005)*x(0.995),0*^-^-=0.857
k~o
*=o k!
148
1 J(
ULADECH
.149
fig. 16
f)
__68._0% _ _
|
_95.5%__
99.7%
150
5.2.1.3.
00
0
z
fig. 18: rea bajo la curva normal que se muestra en la tabla III
Ejemplo 93:
Obtener el rea para Z <
1.25 P[Z < 1.25] = ?
En primer lugar se debe localizar al valor 1.2 en el lado izquierdo de la
tabla III y luego el 0.05 (5 es el ltimo dgito) en su parte superior. El
rea bajo la curva se puede leer en la informacin de la fila Z = 1.2 y la
columna 0.05. El valor es 0.8944.
fig.
19: rea
bajo la
curva
normal que
se
muestra en
la
-1.96 0
Luego:
Observe la tabla:
1.96
p[z
p[z>z 0] =i-p[z<z 0 ]
Ejemplo 96: Hallar />[z > 2.32] Solucin: P [ Z > 2.32]= 1 - P [ Z <
2.32]= 1 - 0.9898 = 0.0102
-Zo
Ejemplo 97:
Hallar p[z^-0.03]
Solucin:
c) P[Z>-Z0]=/>[Z<Z0]
Ejemplo 98:
Hallar p\z > -1.30]
Solucin: P[Z > -1.30]= P[z 4 1 -30]= 0.9032
-1.30
1.30
b) />[Z,,<Z<Z,]=.P[Z<Z:]-/>[Z<Z,1]
Ejemplo 99:
Hallar p[-2.05< Z < 1.36]
Solucin:
P[~ 2.05< Z< 1.36]= ^[Z < 1.36]- P[z < -2.05] r[- 2.05 < Z
< 1.36]= 0.9131 - 0.0202 P[- 2.05< Z< 1.36]= 0.8929
-2.05
1.36
Ejemplo 100:
Hallar />[2.58< Z < 3.49]
Solucin:
P[2.58 < Z < 3.49]= P [ Z < 3.49]- P [ Z < 2.58] P[2.58 < Z < 3.49]=
0.9998 - 0.9951 P[2.58<Z< 3.49]= 0.0047
0.00
47
5.2.1.5.
2.58 3.49
0
Aplicaciones de la Distribucin Normal Estndar
Ejemplo 101:
Las ventas diarias (excluyendo los sbados) en un restaurante pequeo
tienen una distribucin de probabilidad que es aproximadamente
normal con media igual a $530 y una desviacin estndar de $120.
a) Cul es la probabilidad de que las ventas excedan de $700 en
un da dado? Solucin:
Variable aleatoria X: Ventas diarias en dlares
X n (530. 14400)
H =$530 ; cr =$120
a
P[X
> 700] =
X-tx
700-530 o
>
120
Ejemplo 102:
El
promedio
de
las
D.N.
E
1.65-1.50
0.30
= P [ Z > 1.42]
= 1 - P [ X < 1.42]
0.077
8
0 1.42
a)
b) Msde1.65m.
Solucin:
Variable aleatoria X: Altura en metros
1.70-1.50
0.30
alumnos
b) P [ X > 1.65] = P Z >
= P [ Z > 0.5] = 1 - P [Z < 0.5] = 10.6915 = 0.3085
El nmero de alumnos que pesan ms de 1.65 m. es:
= 1 - 0.9222 =
0.0778
D.N.G.
0.077
8
53
0
70
0
X n (76.225) H = 76 a =15
7
6
X,
=>P[Z<Zl] =
15 X } =76 +
15(1.03)
X =91.45
El puntaje mnimo para ganar la beca es de 91.45.
b) Puntaje mnimo para seguir estudios superiores.
P[X<X2]
0.10 P [ Z < Z 2 ] =
0.10
1.29
=>Z2
=-
CT
X, -76
15
= -1.29
= 7615(1.29) X, =
56.65
El puntaje mnimo para seguir estudios superiores es 56.65.
5.2.2.
Distribucin t de Student
Se dice que una variable T tiene una distribucin t de Student con U
grados de libertad si su funcin de densidad de probabilidad est dada
por:
f(0 =
tR
Se denota como: T tu y se lee la variable T se distribuye como una t
de student con u grados de libertad.
OBSERVACIONES
La distribucin de la variable aleatoria T depende nicamente del
parmetro u. Entonces, hay una distribucin t correspondiente a cada
grado de libertad. En la fig. 20 se presenta un bosquejo de la funcin
de densidad de la variable aleatoria T para diferentes grados de
libertad. En la misma figura se da la grfica de la normal estndar.
Note la simetra de la distribucin t alrededor de t=0 y vara de menos
infinito a ms infinito.
M = E(T) = 0
2
a =
V(T) =
,u>1
u-2
,o>2
La media y la varianza de la
distribucin t student con u grados
a) Uso de la tabla
probabilidad de
aleatoria t tome
'NvJ-l-a
0 2.101
3)
P\f
1.330
V:
Calcula
la
que
la
variable
valores
menores
o
/'[/'
< -l.330]= l -
P\'
<
4)
P[
> -1.330]=
P[f <
1.330]= 0.90
ap
Ejemplo 105 :
Si T t18, hallar:
1) >P[- 2.101 c r c 2.10l]= 0.95
5.2.3.
Distribucin Chi-Cuadrado
Se dice que la variable aleatoria X tiene una distribucin chicuadrado con v grados de libertad si su funcin de densidad est
dada por:
Notacin abreviada:
X X2W Donde o es un nmero
entero positivo.
5.2.3.1. Uso de la Tabla de la Distribucin Chi-cuadrado:
Debido a que la distribucin chi-cuadrado es importante en las
aplicaciones, principalmente en inferencia estadstica, alguna
de las cuales citaremos posteriormente, la funcin de
distribucin F(x) est preparada en tablas (ver tabla VII) para
valores seleccionados de u y X2 Por lo tanto, se puede encontrar
en la tabla la probabilidad de que la variable aleatoria X que
tiene una distribucin A; (i <u < 30) sea menor o igual a un
valor constante A'0: =Ar2i. representado por:
p\x<x,-a.v] =l-a
fig- 23
Como no existe simetra, la tabla VII presenta las probabilidades
(reas) acumuladas desde Xo =0 hasta Xo o
Puesto que existe una distribucin chi-cuadrado diferente para cada
valor de u, resulta imprctico proporcionar tablas de reas completas.
En lugar de esto la tabla VII presenta un resumen de la informacin
ms esencial acerca de la distribucin.
Ejemplo 106:
Si X -> X \ 0 , hallar:
a)
P[X<
28.4]= 0.90
b)
P[X >
12.4]=
0.10
P[x>
c) P[l2.4 <
28.4
\-P[X
12.4]= 0.90
X<
28.4]=
0.90-0.10 2.4
<X<
P[X <
28.4]-
p[x
28.4]= 0.80
PROBLEMAS PROPUESTOS N
5 Distribucin Binomial
X<
28.4]=
Porcentaje de cajas
0.70
0.15
0.08
0.05
0.02
0.00
9.
f)
14.
a)
b)
c)
e)
15.
16.
17.
c) P[ X < 9.59]
d) P[ X> 28.4]
172
fig.
25
ULADECH
.173
i)
=x-Z0xo-
=*-Z0x-?=
sn
cr
L2 = x + Z0 xct- = x + Z0x = x
-Jn
ii) Muestra
grande
(n
>30),
varianza
poblacional
desconocida (<j2s .y2) y poblacin normal o no.
L , = X - Z Q XS- = X - Z Q X ^=r
v
_
_
L2 = x + Z0 x s- = x + Z0 x j=
L2 = x + Z0xa-= x + Z0x^j=
~Jn
ULADECH
= x -10 x -j=
.175
- 5 L, = x -10 x s-
L2 = x + 0 x s- = x + Q x
ULADECH
Donde:
.177
o~
OBSERVACIONES: A)
Error Estndar de la
Media:
Si el muestreo es con o sin reposicin en una poblacin infinita
(o con sustitucin en una poblacin finita de tamao N). el error
estndar de la media mustrales:
i)
c
a- = 7= (a
x
~Jn
>
'conocida)
s
*>
ii) s- = f= - (a 2desconocida)
Jn
a N - n ,
i)
a- = = J ->
ii)
s-
Donde:
(a'conocida) V fl
= -4= J > (a
...
N-
desconocida)
B) Error de Estimacin:
| X -p.|. Ver fig. 26:
error
= 60 + 1.96x2.37 = 64.65
minutos.
Se tiene una confianza del 95% que el tiempo medio que emplea una
secretaria para llegar del trabajo a su casa vara de entre 55.35 y 64.65
minutos.
Ejemplo 108:
Los ingresos semanales promedio de las personas que trabajan en varias
industrias aparecieron en el The New Cork Times 1998. Esos ingresos para
quienes trabajan en los servicios legales fueron 5639 dlares. Suponga que este
resultado se bas en una muestra de 250 personas dedicadas a los servicios
legales, y que la desviacin estndar de la muestra fue $50. Calcule
ULADECH
.179
S -
= J=r - - j . =3 . 1 6
Ejemplo 110:
calculadoras
cientficas se prob 81 al azar. La vida promedio en la muestra fue de 3.2
aos con una desviacin
El error estndar de la media muestral es: estndar
de
0.9
aos.
Construya un intervalo de confianza del
95%
para la vida media de las calculadoras
cientficas.
Los lmites de confianza para Mson:
Solucin:
Sea X: El
tiempo de
x=
3.2aos y s = 0.9aos.
Usamos Z-Caso 1 - ii
Para el nivel de confianza 1-a= 0.95, el valor Z0= 1.96.
El error estndar de la media muestral es:
ULADECH
.181
1. 9 2200-81
A
S-
= 0.1
-f=
VBT V 2200 -1
de
Confianza
para
la
Proporcin
fig. 27
Para hallar los intervalos de confianza para la proporcin poblacional
usaremos la estadstica Z para muestras grandes (n > 30). Entonces los
lmites de confianza sern:
A = P- z o* s r
P~ Z o x J^f
L 2 = p + Z 0 xs-" = P + Z 0 x
ULADECH
.183
OBSERVACIONES:
A. Error estndar de la proporcin
Si el tamao de la muestra es suficientemente grande (n > 30) y el
muestreo es con o sin sustitucin en una poblacin infinita (o con
sustitucin en una poblacin finita de tamao N), el error estndar
es:
at
ML 2
pO - P)
P(l-P) N-n
<y
n V A' -1
\N - n
V N -\
Ejemplo 111:
Una muestra de 400 menores de 16 aos revela que 220 consumen
drogas. Estimar la proporcin de menores de 16 aos que consumen
drogas en toda la poblacin mediante un intervalo de confianza del 99%.
Solucin:
Observamos que la proporcin muestral de menores de 16 aos que
consumen drogas es:
p==
Solucin:
Observamos que N = 500 y n = 49
-
El error estndar de
proporcin muestral es:
la
sp =
0.06
u = p + Z 0 x.M Ml = 0.80 +
2.054X0.06 = 0.92
V V N-\
fig. 28
L2 =
(J|
-X2
Donde:
ii) Muestras grandes (.
> 30 y >7, >30),
varianzas
poblacionales
desconocidas (a 2 S s2
y a,2 = s;) y
poblaciones normales
o no.
Nt~\r~{ n2
-n2 ^
a.
S-
X ]
~ij
A
-
- X2
jV, - 1 J 2
~ 2 ^
U2-IJ
Donde:
donde:
A* 2
L, =(x: ,v> )+ / x Se
*5
5c =
( - l)
X ,V|
2
( /72
-I)
X
AS2
"l +
"2 2
*0
^\
a.
/2
,n l
+
n2
-2
ii) Mu
es
tr
as
p
e
q
u
e
as
(n
t
<
3
0
/?;
y
n2
<
3
0)
,
va
ri
a
nz
as
p
o
bl
ac
io
n
al
es
d
es
co
n
oc
id
as
p
er
o
di
fe
re
nt
es
a,
2
#
a;
(0
,
s
s2
c2
)
y
p
obl
ac
io
n
es
n
or
m
al
es
.
Donde,t
D
a
d
o
q
u
e
r
a
r
o ~ h- a 12 /
r
a
v
e
z
r
e
s
u
n
e
n
t
e
r
o
,
s
e
r
e
d
o
n
d
e
a
a
l
e
n
t
e
r
o
m
s
c
e
r
c
a
n
o
.
E
j
e
m
p
l
o
1
1
3
:
Se
quiere
estimar
la
diferenci
a entre
los
promedi
os
de
tiempos
(en
minutos
)
que
utilizan
dos
trabajad
ores del
Poder
Judicial
para
realizar
una
determi
nada
tarea.
Supong
a
que
las
poblacio
nes de
los dos
tiempos
son
normale
s
con
varianza
comn.
Estime
la
diferenci
a entre
los dos
promedi
os
poblacio
nales
c
a
d
a
t
r
a
b
a
j
a
d
o
r
h
a
n
d
a
d
o
*
3
8
,
=
3
5
,
.
y
,
S
o
l
u
c
i
n
:
Se
an
X,
y
X2
las
var
iab
les
ale
ato
ria
s
qu
e
rep
res
ent
an
los
tie
mp
os
em
ple
ad
os
po
r
los
do
s
tra
baj
ad
ore
s,
res
pe
cti
va
me
nte
.
De
las
mue
stras
dada
s
obte
nem
os:
n, =
16,
xi
38
minu
tos,
s,
6min
utos
n2=1
6,
xi
35
minu
tos,
s2 =
4min
utos
Hare
mos
uso
de la
esta
dstic
a t.
Las
difer
encia
s de
medi
as
mu
stral
es
es:
x\
-X2 =
3835 =
3
El
error
est
ndar
de la
medi
a
mue
stral
es:
Donde:
Se =
5.10
Para
un
nivel
de
confi
anza
del
95%
el
valor
de tc
es:
h
^0
975.
30 =
2.04
2
Los
lmit
es
de
confi
anza
para
la
difer
encia
de
medi
as
pobl
acion
ales
es:
L, =
32.04
2
1.78
5
-0.68
minu
tos
L2 =
3
2.04
2
1.78
5
6.68
minu
tos
Lueg
o, el
inter
valo
de
confi
anza
del
95%
para
p.,
fi,
es:
-0.68
< (j.,
\X2
< 6.68
Dad
o
que
= 0
<=
al
Inter
valo
de
confi
anza
[0.68,
6.68
],
pode
mos
conc
luir
que
Mi =
por
lo
tant
o los
tiem
pos
pro
med
io
que
utiliz
an
amb
os
trab
ajad
ores
para
reali
zar
una
dete
rmin
ada
tare
a
son
igual
es.
Ejemplo
114:
Con el
fin
de
compar
ar
el
rendimi
ento
medio
en
la
ctedra
de
Derecho
Romano
de
las
Facultad
es
de
Derecho
de dos
universi
dades,
una
estatal
y
otra
privada,
se
tomaron
dos
muestra
s
aleatori
as y se
les
aplic
un
examen
de 100
pregunt
as.
En
dicha
prueba
se
obtuvier
on
los
siguient
es
resultad
os.
Universidad Privada
n
50
85
s
12
Universidad Estatal
60
71
14
Construi
r
el
interval
o
de
confianz
a
del
95%
para la
diferenc
ia de las
medias
poblacio
nales.
Solucin
:
Sea
n X,
y X2
las
vari
able
s
alea
toria
s
que
repr
esen
tan
los
punt
ajes
para
amb
os
grup
os.
De
las
mue
stras
dada
s
obte
nem
os:
n, =
50,
x\
= 85
punt
os,
s, =
12
punt
os
n2 =
60,
X
71
punt
os,
s2=1
4pun
tos
Hare
mos
uso
de la
esta
dsti
ca Z.
Las
difer
enci
as
de
medi
as
mu
stral
es
es:
X
\
X
2
8
5
7
1
1
4
E
l
e
r
r
o
r
e
s
t
n
d
a
r
d
e
l
a
m
e
d
i
a
m
u
e
s
t
r
a
l
e
s
:
Para
un
nivel
de
confi
anza
del
95%,
el
valor
Z0=1
.96
Los
lmit
es
de
confi
anza
para
la
difer
enci
a de
medi
as
pobl
acio
nale
s es:
L
,
=
1
4
1
.
9
6
x
2
.
4
8
=
9
.
1
4
L
2
=
1
4
+
1
.
9
6
x
2
.
4
8
=
1
8
.
8
6
Lueg
o, el
inter
valo
de
confi
anza
del
95%
para
MiM:
es:
9.14
^
M^i
~
M2 18.8
6.
Dad
o
que
I-i, P2 =
0 al
inter
valo
de
confi
anza
, lo
que
quier
e
decir
que
los
rendi
mien
tos
de
amb
os
grup
os
son
difer
ente
s, en
este
caso.
Mi
>0.
Los
alum
nos
de
las
univ
ersid
ades
priva
das
tiene
n
may
ores
rendi
mien
tos
que
los
alum
nos
de
las
univ
ersid
ades
estat
ales.
Ejemplo
115:
Para
compar
ar
los
gastos
promedi
os
mensual
es
de
los
alumnos
de dos
universi
dades
particul
ares se
escogen
dos
muestra
s
aleatori
as de 10
y
9
alumnos
,
respecti
vament
e,
resultan
do
los
siguient
es
gastos
en
dlares:
Muestra
1:400,4
10,420,
380,390
,410,40
0,405,4
05,400.
Muestra
2:
390,395
,380,
390,400
,
380,370
,
390,380
.
Mediant
e
un
interval
o
de
confianz
a
del
95%
para la
diferenci
a
de
promedi
os
de
los
gastos
mensual
es, se
puede
inferir
que los
gastos
promedi
os son
iguales
suponga
que
ambas
poblacio
nes son
normale
s,
indepen
dientes,
con
varianza
s
descono
cidas
supuest
as
iguales.
Solucin
:
Clc
ulos
reali
zado
s
con
las
mue
stras
dada
s:
/
",
Muestra 1
10
Muestra 2
402
386.11
H
a
r
e
m
o
s
u
s
11.11
9.28
d
e
l
a
e
s
t
a
d
s
t
i
c
a
t
,
c
u
a
n
d
o
<
j
f
=
a
2
:
L
a
d
i
f
e
r
e
n
c
i
a
d
e
m
e
d
i
a
s
m
u
s
t
r
a
l
e
s
e
s
:
Don
de:
Sc =
l(n'~l)sS'
+(2l)^22
2
W2
r,
,
+
2
Los
lmit
es
de
confi
anza
para
la
difer
enci
a de
med
ias
pobl
acio
nale
s
son:
L,
=15.892.11
x4.73 =
$5.91
=
15.8
9 +
2.11
x4.7
3 =
$25.
87
Lueg
o el
inter
valo
de
confi
anza
del
95%
para
Mi
-M2,
es:
5.91
< (i,
- (j.2
<25
.87.
Dad
oqu
e p.i
- p2
= o
al
inter
valo
de
con
fian
za,
quie
re
deci
r
que
los
gast
os
pro
med
ios
men
sual
es
no
son
igua
les.
Por
lo
tant
o |i,
- |^2
> 0
Los
gast
os
sem
anal
es
del
grup
o 1
son
may
ores
que
los
gast
os
sem
anal
es
del
grup
o 2.
Ejemplo
116:
Se lleva
a cabo
un
estudio
para
compar
ar
el
tiempo
que
tardan
hombres
y
mujeres
para
realizar
determi
nada
tarea.
Las
experien
cias
anterior
es
indican
que
la
distribuc
in
de
tiempos
tanto
para
hombres
como
para
mujeres
es
normal
con
varianza
s
diferent
es. Una
muestra
aleatori
a de 9
hombres
y
8
mujeres
ha dado
los
siguient
es
tiempos
en
minutos:
H
o
m
b
r
e
s
:
1
3
,
2
7
,
1
0
,
2
5
,
2
4
,
1
9
,
2
1
,
3
2
,
1
6
M
u
j
e
r
e
s
:
1
6
,
2
1
,
1
6
,
2
1
,
1
6
,
1
7
,
1
6
,
2
0
Mediant
e
un
intervalo
de
confianz
a
del
95%
para la
verdade
ra
diferenci
a de
los
prome
dios
de
tiemp
o de
homb
res y
mujer
es,
se
puede
concl
uir
que
los
homb
res
emple
an
mayor
tiemp
o que
las
mujer
es
para
hacer
la
tarea?
Solucin
:
Se
an
X.
y
X2
las
va
ria
bl
es
al
ea
tor
ias
qu
e
re
pr
es
en
ta
n
los
tie
m
po
s
e
m
pl
ea
do
s
po
r
los
ho
m
br
es
y
m
uj
er
es
,
re
sp
ec
tiv
a
m
en
te
Clc
ulos
realiz
ados
con
las
mue
stras
dada
s:
i
X,
S,
Muestra 1
20.78
7.03
Muestra 2
17.88
2.36
Ha
re
m
os
us
o
de
la
es
ta
ds
tic
at
cu
an
do
<jf
<j;
La
dif
er
en
ci
a
de
m
ed
ias
m
u
str
al
es
es
:
x, -x,
=20.
7817.8
8=
2,9
= 2.49
Halla
ndo
los
grad
os de
libert
ad r
i /V
I/+
(7.03) | (2.36)
r = 9.97
=10
Para un
nivel de
confianz
a
del
95% 10
=
10
975,10
=
2.228
Los
lmite
s
de
confia
nza
para
la
verda
dera
difere
ncia
de los
prome
dios
de
tiemp
(vVO2 + (Uh)2
i -1
(7.03)2
(2.36)3
o de
hombr
es
y
mujer
es
para
hacer
la
tarea
es:
L,~2.
9
-2.22
8x2.4
9 =2.65
L2 =
Ui x2)
+t0x J
+
L, =
2.9 +
2.228
*
2.49
=
8.45
Luego el
interval
o
de
confianz
a para
p,.
(ij
es:
-2.65
<p,-fi2<
8.45.
Dado
que (J-i
JJ-2 =
0 al
interval
o
de
confianz
a quiere
decir
que los
promedi
os
de
tiempo
de
hombre
s
y
mujeres
para
hacer la
tarea
son
iguales.
6.1.2.4.
Inte
r
v
a
l
o
d
e
C
o
n
f
i
a
n
z
a
p
a
r
a
D
i
f
e
r
e
n
c
i
a
d
e
M
e
d
i
a
s
P
o
b
l
a
c
i
o
n
a
l
e
s
c
o
n
O
b
s
e
r
v
a
c
i
o
n
e
s
P
a
r
e
a
d
a
s
Un
procedi
miento
comn
mente
utilizado
que da
como
resultad
o
dos
muestra
s
no
indepen
dientes
es
la
denomi
nada
prueba
antes y
despus
.
Las
medicio
nes se
hacen
sobre
sujetos
tanto
antes
como
despus
de
la
introduc
cin de
algn
fenme
no. Por
ejemplo
, si se
realiza
una
prueba
sobre
un
nuevo
mtodo
de
ensean
za
utilizand
o
un
grupo
de
individu
os, las
muestra
s estn
formado
s por los
puntaje
s antes
y
despus
de un
perodo
de
prueba.
Tambin
cuando
compar
amos la
media
de dos
poblacio
nes
puede
ocurrir
una
diferenc
ia
significa
tiva por
causa
de
factores
externo
s
no
controla
dos. Por
ejemplo
,
cuando
compar
amos
dos
tcnicas
de
venta A
y
B
puede
ocurrir
que uno
de
los
grupos
tenga
vended
ores
ms
experim
entados
y
hbiles
que
el
otro
grupo.
As,
la
diferenc
ia sera
debido
a esos
factores
y no al
mrito
real de
la
tcnica
de
venta.
Un
modo
de
controla
r
este
problem
a es a
travs
del
artificio
de
recolect
ar
observa
ciones
en
pares
de
modo
que los
dos
element
os
de
cada
par
sean
homog
neos en
todos
los
sentidos
,
excepto
con
respect
o
al
factor
que
querem
os
compar
ar.
Los dos
grupos
de
observa
ciones
que
resultan
de esta
clase de
procedi
mientos
estn
indudab
lemente
relacion
ados.
En
la
prctica
cuando
querem
os hallar
un
estimad
or de la
diferenc
ia entre
dos
medias
poblacio
nales
ja.=p,j.i2
,
puede
present
arse los
siguient
es
casos:
CASO I:
UsodeZ
Cuan
do
n>
30, s
(vari
anza
pobl
acio
nal
de
las
difer
enci
as es
desc
onoc
ida)
y la
pobl
aci
n es
nor
mal,
ento
nces
:
P[L\ <
<!,] =
1-a
Donde:
L]
=T )-Z 0 x
=
D
Z
n
x
j
L
y
i
n
Adems:
A
(
D
,
):
=
y r =i=i--------------------------------------------------
CASO II:
Uso det.
Cu
an
do
n<
30
, a
2
s
5,,
(v
ari
an
za
po
bla
cio
nal
de
las
dif
er
en
cia
s
es
de
sc
on
oci
da
) y
la
po
bla
ci
n
es
no
rm
al,
en
to
nc
es:
P[L, <
< 2] =
1-a
Donde:
2
,
=
D
/
0
x
^
2
Z,, = D +
T0X
^=-
Adem
s:
A
D
= ^ y
-;=^--------------------------------
1
=
^
l
a
/
2
,
/
7
/
Ejemplo
117:
Veinte
estudia
ntes de
Matem
tica I de
la
Facultad
de
Ingenier
a
Industri
al de la
Universi
dad de
Lima
fueron
dividido
s en 10
parejas,
teniend
o cada
miembr
o de la
pareja
aproxim
adamen
te
el
mismo
coeficie
nte de
intelige
ncia.
Uno de
cada
pareja
se
seleccio
na
al
azar
y
se
asigna a
una
seccin
que
utiliza
videos.
El otro
miembr
o
se
asigna a
una
seccin
que
cuenta
con
profesor
.
Al
finalizar
el ciclo
ambos
grupos
se
present
an
al
mismo
examen
,
obteni
ndose
los
siguient
es
resultad
os:
Pareja
Con
Con
video profesor
15
16
2
3
4
5
6
7
8
9
10
12
17
11
18
15
16
13
14
10
10
17
14
17
16
18
12
15
11
Suponie
ndo que
la
caracter
stica en
estudio
sea
normal,
obtener
el
intervalo
de
confianz
a
del
98%
para la
diferenci
a real en
el
promedi
o
de
calificaci
ones de
los dos
procedi
mientos
de
ensean
za
con
base a
los
resultad
os. Se
puede
concluir
que
el
procedi
miento
de
ensean
za
con
profesor
es mejor
que con
el
de
video?
_ 1'
=
1.51
D = -------
= -0.5
10
(D,- D) 2
A
d
e
m
s
:
t
0
t
0
2
.
S
2
\
E
n
t
o
n
c
e
s
:
L. = Dt0x^ =
-0.52.82
1
x^
L=
-1.8
5
V
-M
=
D
+/
nx^
=0.5
+
2.82
1 x^=L
=
0.85
L,
Vio
Por lo
tanto
\, e [1.85,
0.85]
con
confia
nza
del
98%.
Como
0(= [1.85,
0.85],
}
enton
ces n,
=MV . Los
proce
dimie
ntos
de
ense
anza
son
iguale
s.
6.1.2.5.
I
nterval
o
de
Confian
za para
la
Diferen
cia de
Propor
ciones
Poblaci
onales
P[L,
<P X -P 2
<L 2 ] =\
-a
fig. 29
Para
hallar
los
interval
os
de
confianz
a
para
la
diferenci
a
de
proporci
ones
poblacio
nales
haremos
uso
de
la
estadsti
ca
para
muestra
s
grandes
(n,>30 y
n2>30).
Entonce
s:
A
=(PiP2)-ZoxsPlP:
L
(
P
i
2
)
o
x
D
o
n
d
e
:
\
M
l
+
E
2
l
p
'
>
E
j
e
m
p
l
o
1
1
8
:
En
los
establec
imientos
penales
de Lima
ciertos
mdicos
estudiar
on dos
tipos de
reclusos
.
Una
muestra
de 300
internos
del tipo I
revel
que
50% era
adicto a
las
drogas.
En otra
muestra
aleatori
a
del
tipo
II
de 240
internos
, el 35%
era
adicto a
las
drogas.
Construi
r
un
interval
o
de
confianz
a
del
99%
para la
diferenci
a de las
dos
proporci
ones
poblacio
nales.
Solucin
:
Las
muestra
s de
internos
tomadas
para
cada
tipo
revelan
la
siguient
e
informa
cin:
Tipo I
Tipo II
n, = 300
n2 = 240
p, = 0.50
p, = 0.35
Las
difer
enci
as
de
prop
orci
one
s
mu
stral
es
es:
p,p2 =
0.50
0.35
=
0.15
El
error
est
ndar
de
las
difer
enci
as
de
prop
orcio
nes
mu
stral
es
es.
10.50x0
.50
nn
0.35
x0.6
5
1 -----------------------------+ ------------------------------
=0.0
4
v
300
240
Para
un
nivel
de
confi
anza
del
99%
; Z0
=
2.57
6
Los
lmit
es
de
con
fian
za
para
la
difer
enci
a de
prop
orci
one
s
pobl
acio
nale
s
es:
L, =
0.15
2.57
6x0.
04
=
0.05
L2 =
0.15
+
2.57
6x0.
04
=
0.25
Lueg
o, el
inter
valo
de
confi
anza
del
99%
para
Px-P2
es:
1. 05P
\~ P2
0.25
Dado
que P\~Pi
=
0 al
interval
o
de
confian
za,
lo
que
quiere
decir
que los
tipos de
reclusos
son
diferent
es ante
su
adiccin
a
las
drogas.
Los
reclusos
tipo
I
tienen
mayor
adiccin
a
las
drogas
que los
reclusos
de tipo
II.
NOT
A:
En
caso
de
que
las
pobl
acio
nes
N, y
N2
fuer
an
finit
as,
se
deb
e
corr
egir:
A*? i
( \1 \ N2-n2
^|-i
X
6.2.
P
RUEBA
DE
HIPTE
SIS
El
objetivo
es dar
algunos
mtodo
s
que
se usan
para
tomar
decision
es
sobre
una
poblaci
n,
a
partir
de
los
resultad
os
de
1*2-1 J
una
muestra
aleatori
a
escogid
a
de
esa
poblaci
n. Para
llegar a
tomar
decision
es
estadst
icas se
debe
partir
de
afirmaci
ones o
conjetur
as con
respect
o a la
poblaci
n en la
que
estamo
s
interesa
dos.
Tales
suposici
ones
pueden
ser
verdade
ras
o
no. Una
conjetur
a hecha
sobre
una
poblaci
n o de
sus
parme
tros
deber
ser
sometid
a
a
compro
bacin
experim
ental
con el
propsit
o
de
saber si
los
resultad
os
de
una
muestra
aleatori
a
extrada
de esa
poblaci
n
contradi
cen
o
no
tal
conjetur
a.
En
esta
seccin
estudiar
emos
prueba
de
hiptesi
s para
la
media
poblaci
onal,
proporci
n
poblaci
onal,
diferenc
ia
de
medias
poblaci
onales
y
diferenc
ia
de
proporci
ones
poblaci
onales.
Afin de
entende
r lo que
sigue
definire
mos
algunos
trmino
s:
a) H
i
p
t
e
s
i
s
:
S
e
ll
a
m
a
h
i
p
t
e
s
i
s
a
u
n
a
s
u
p
o
s
i
c
i
n
o
c
o
n
j
e
t
u
r
a
q
u
e
s
e
f
o
r
m
u
l
a
c
o
n
e
l
p
r
o
p
s
i
t
o
d
e
s
e
r
v
e
r
i
f
i
c
a
d
a
.
b) H
i
p
t
e
s
i
s
E
s
t
a
d
s
t
i
c
a
:
E
s
u
n
s
u
p
u
e
s
t
o
o
a
l
g
u
n
a
a
f
i
r
m
a
c
i
n
a
c
e
r
c
a
d
e
l
a
p
o
b
l
a
c
i
n
(
m
o
d
e
l
o
d
e
d
i
s
t
r
i
b
u
c
n
)
o
d
e
s
u
s
p
a
r
m
e
t
r
o
s
.
U
n
a
h
i
p
t
e
s
i
s
e
s
s
i
m
p
l
e
c
u
a
n
d
o
l
a
h
i
p
t
e
s
i
s
e
s
t
a
d
s
t
i
c
a
e
s
p
e
c
i
f
i
c
a
c
o
m
p
l
e
t
a
m
e
n
t
e
l
a
d
i
s
t
r
i
b
u
c
i
n
,
e
s
d
e
c
i
r
e
s
p
e
c
i
f
i
c
a
s
u
f
o
r
m
a
f
u
n
c
i
o
n
a
l
y
l
o
s
v
a
l
o
r
e
s
d
e
t
o
d
o
s
s
u
s
p
a
r
e
t
r
o
s
,
c
a
s
o
c
o
n
t
r
a
r
i
o
s
e
ll
a
m
a
h
i
p
t
e
s
i
s
c
o
m
p
u
e
s
t
a
.
c) H
i
p
t
e
s
i
s
N
u
l
a
(
H
0
)
:
E
s
t
a
b
l
e
c
e
q
u
e
n
o
e
x
i
s
t
e
d
i
f
e
r
e
n
c
i
a
s
.
E
n
e
ll
a
s
e
s
u
p
o
n
e
q
u
e
e
l
p
a
r
m
e
t
r
o
d
e
l
a
p
o
b
l
a
c
i
n
q
u
e
s
e
e
s
t
e
s
t
u
d
i
a
n
d
o
t
i
e
n
e
d
e
t
e
r
m
i
n
a
d
o
v
a
l
o
r
y
s
e
f
o
r
m
u
l
a
c
o
n
l
a
i
n
t
e
n
c
i
n
d
e
r
e
c
h
a
z
a
r
l
a
.
d) H
i
p
t
e
s
i
s
A
l
t
e
r
n
a
t
i
v
a
(
H
,
)
:
E
s
l
a
h
i
p
t
e
s
i
s
e
s
t
a
d
s
t
i
c
a
q
u
e
s
u
p
o
n
e
m
o
s
e
s
v
e
r
d
a
d
e
r
a
y
d
e
s
e
a
m
o
s
e
s
t
a
b
l
e
c
e
r
,
e
s
u
n
a
h
i
p
t
e
s
i
s
d
i
f
e
r
e
n
t
e
a
l
a
h
i
p
t
e
s
i
s
n
u
l
a
.
e) P
r
u
e
b
a
d
e
u
n
a
H
i
p
t
e
s
i
s
E
s
t
a
d
s
t
i
c
a
:
E
s
u
n
p
r
o
c
e
d
i
m
i
e
n
t
o
p
a
r
a
d
e
c
i
d
i
r
s
i
s
e
a
c
e
p
t
a
o
s
e
r
e
c
h
a
z
a
u
n
a
h
i
p
e
s
i
s
e
s
t
a
d
s
t
i
c
a
.
f)
T
i
p
o
s
d
e
e
r
r
o
r
e
s
:
A
l
r
e
a
li
z
a
r
u
n
a
p
r
u
e
b
a
d
e
h
i
p
t
e
s
i
s
n
o
s
a
b
e
m
o
s
s
i
e
n
u
n
a
d
e
t
e
r
m
i
n
a
d
a
a
c
c
i
n
(
r
e
c
h
a
z
o
o
a
c
e
p
t
a
c
i
n
d
e
l
a
h
i
p
t
e
s
i
s
n
u
l
a
)
c
o
m
e
t
e
m
o
s
u
n
e
r
r
o
r
o
n
o
.
Erro
r
Tipo
I:
Cons
iste
en
rech
azar
la
hipt
esis
nula
cuan
do
es
verd
ader
a.
Erro
r
Tipo
II:
Cons
iste
en
acep
tar
la
hipt
esis
nula
cuan
do
es
falsa
.
Si H0 es
la
hiptesi
s
nula
(someti
da
a
prueba)
y H, es
la
hiptesi
s
alternati
va,
entonce
s estas
hiptesi
s junto
con las
dos
posibilid
ades de
decisin
podemo
s
DECISIN
esquem
atizarlas
en
la
siguient
e tabla:
ESTADO DE LA NATURALEZA
Ho verdadera
Aceptar Ho
1 - a Decisin
Correcta
Rechazar Ho
error tipo I
Es obvio
que
quien
toma
las
decision
es
quiere
reducir
al
mximo
las
probabil
idades
de
cometer
cualquie
ra
de
estos
dos
tipos de
errores.
Esto no
es fcil,
pues las
probabil
idades
de
cometer
error
tipo I y
Ho falsa
P
error tipo II
1 -p Decisin
correcta
II
son
inversa
mente
proporci
onales
para
cualquie
r prueba
dada.
De ah
que,
cuanto
menor
es
el
riesgo
de
cometer
un error
tipo
I,
tanto
mayor
es
la
probabil
idad de
cometer
un error
tipo II, y
vicevers
a.
Sin
embarg
o dada
la regla
de
decisin
,
es
posible
reducir
ambos
tipos de
errores
en
forma
simult
nea,
aument
ando el
tamao
de
la
muestra
.
g) N
i
v
e
l
d
e
s
i
g
n
i
f
i
c
a
c
i
n
(
a
)
:
S
e
d
e
n
o
m
i
n
a
n
i
v
e
l
d
e
s
i
g
n
i
f
i
c
a
c
i
n
d
e
u
n
a
p
r
u
e
b
a
d
e
h
i
p
t
e
s
i
s
a
l
a
p
r
o
b
a
b
il
i
d
a
d
d
e
c
o
m
e
t
e
r
u
n
e
r
r
o
r
t
i
p
o
I
.
a
=
P
[
e
r
r
o
r
t
i
p
o
I
]
=
P
[
R
e
c
h
a
z
a
r
H
0
/
H
0
e
s
v
e
r
d
a
d
e
r
a
]
a
=
P
[
e
r
r
o
r
t
i
p
o
I
]
=
P
[
A
c
e
p
t
a
r
H
|
/
H
i
e
s
f
a
l
s
a
]
NOTA:
La
probabili
dad de
cometer
un error
tipo II se
represe
nta por
p,
es
decir:
(3 =
P[error
tipo II] =
P[Acepta
r H0/ H0
falsa]
P=
P[error
tipo II] =
P[Rechaz
ar Hi / H|
es
verdader
a]
Los
niveles
de
significa
cin
ms
usados
son:
0C=
0.05 y
0.01
Estos
dos
nmeros
son
usados
tan
frecuent
emente
que
cuando
H0 es
rechaza
da en
Ot=
0.05,
podemo
s decir
que el
resultad
o es
significa
tivo, y
cuando
H0 es
rechaza
da en
(X=
0.01,
decimos
que el
resultad
o es
altamen
te
significa
tivo.
h) Tipos
de
prueba
:
Pru
eba
de
cola
izqu
ierd
a: Si
la
regi
n de
rech
azo
(R.R.
)
est
a la
izqui
erda
del
punt
o
crtic
o C.
R.R
C--------------------------R.A.
fig. 31
Pru
eba
de
cola
dere
cha:
Si la
regi
n de
rech
azo
(R.R.
)
est
a la
dere
cha
del
punt
o
critic
o C.
-R.A.---------------CR.R
fig. 32
Pru
eba
de
dos
cola
s o
bilat
eral.
Si la
regi
n de
acep
taci
n
(R.A.
) es
un
inter
valo
cerra
do
entr
e los
punt
os
crtic
o C,
y C 2.
R.R.-C-i-----------------------R.A.------------------------------C2-R.R-
fig. 33
i) Pasos
de una
prueba
de
hiptes
is:
2. F
o
r
m
u
l
a
c
i
n
d
e
l
a
h
i
p
t
e
s
i
s
n
u
l
a
y
a
l
t
e
r
n
a
t
i
v
a
d
e
a
c
u
e
r
d
o
a
l
p
r
o
b
l
e
m
a
.
3. Espe
cific
aci
4.
5.
6.
7.
n del
nivel
de
signi
ficac
in.
Sele
cci
n de
la
esta
dsti
ca
de
prue
ba.
Esta
bleci
mien
to de
los
crite
rios
de
deci
sin.
Reali
zaci
n de
clc
ulos.
Tom
a de
deci
sion
es
6.2.1.
Pr
ueba
de
Hiptes
is para
la
Media
Poblaci
onal
La
media
poblaci
onal es
un
parme
tro de
decisi
n muy
importa
nte. Es
de
inters
conocer
si una
media
poblaci
onal ha
aument
ado,
disminu
ido o ha
perman
ecido
inaltera
do,
o
tambi
n
podem
os estar
interesa
dos en
determi
nar
si
una
media
poblaci
onal es
signific
ativam
ente
mayor
o
menor
que un
valor
supuest
o.
Se
present
an
los
siguient
es
casos:
CASO I:
Uso de
la
estads
tica Z.
I) M
u
e
s
t
r
a
g
r
a
n
d
e
(
n
>
3
0
)
,
v
a
r
i
a
n
z
a
p
o
b
l
a
c
i
o
n
a
l
c
o
n
o
c
i
d
a
c
r
2
,
p
o
b
l
a
c
i
n
n
o
r
m
a
l
o
n
o
.
II) M
u
e
s
t
r
a
g
r
a
n
d
e
(
n
>
3
0
)
,
v
a
r
i
a
n
z
a
p
o
b
l
a
c
i
o
n
a
l
d
e
s
c
o
n
o
c
i
d
a
(
<
j
2
s
2
y
p
o
b
l
a
c
i
n
n
o
r
m
a
l
o
n
o
.
III) M
u
e
s
t
r
a
p
e
q
u
e
a
(
n
<
3
0
)
,
v
a
r
i
a
n
z
a
p
o
b
l
a
c
i
o
n
a
l
c
o
n
o
c
i
d
a
a
2
y
p
o
b
l
a
c
i
n
n
o
r
m
a
l
.
2. Formul
acin
de
hiptes
is:
a)
Ii0: n
> }i0
b
H0: |
a<
c
H0: n
=
H, :
n
<
|!
0
H
,:
n
>
|i0
H
,:
p.
3. Nive
l de
signific
ancia: a
4. Esta
dstica
de
prueba:
Para i
y
iii
Z=
^
>
(
0
.
1
)
a
/
J
n
Para ii
Z=
>
(
0
,
1
)
s
N
n
5. Esta
blecimi
ento de
los
criterio
s de
decisi
n:
Prue
b
a
d
e
c
o
l
a
i
z
q
u
i
e
r
Prueba de cola derecha
d
a
-z,.a
0
__R.R. _|--------------------------------R.A.-
acepta
se
Hu .
R.R.: Z k >
Z,.a,
se
rechaza H.
Z,.a
acepta
se
H0.
se
rechaza H.
Prueba bilateral
R.R.: Z k < Z |./ 2 , se
6.
de clculos:
Obtencin
Realizacin
del valor
experimental.
Para i y iii
x -n 0
K
v/4~n
Para ii
_x-[i0
shf c
7. Decisin:
Se compara el valor experimental con el valor crtico.
Si Zk
e R.A., se
acepta H0. Si Zk e
R.R., se
rechaza H0.
b) Paraii
a lN -n
J
V N-1
s lN-n
n-i
La
poblacional desconocida
(p2 = s2)
1. Formulacin de hiptesis:
_
d-fn
Donde: (n-1) son los grados de libertad.
4. Establecimiento de los criterios de decisin:
Prueba de cola izquierda:
-R.R.J----------------------------R.A.
___________R.A_________________|_R.R._
RR : t
Prueba bilateral:
__R.R___|________________R.A_____________________|_R.R._
5. Realizacin de clculos:
_X-[X0
" s/Jn
6. Decisin:
Se compara el valor experimental con el valor crtico
tk g R.A.. aceptamos H.
Si
Ejemplo 119:
La Gerencia del Banco de Crdito est planeando pasar los cargos a las
cuentas corrientes en el saldo diario promedio. El gerente de cuentas
preferenciales desea probar la hiptesis de que las cuentas tienen un
promedio de $ 312.00. Selecciona una muestra de 200 cuentas, dando
una media de $298.10 con s = $97.30con CC =0.01
Solucin: Caso I- ii
1. Formulacin de hiptesis :
H0 : \ i = 312 H,
: fi* 312
2. Nivel de significancia :a = 0.01
3. Estadstica de prueba:
sHn
4. Establecimiento de los criterios de decisin:
g/2 =
0.005 ___ R.R. 2.57
6
R.A.
g/2=
2.570.005
6
R.R_____
5. Realizacin de clculos:
,^,298.1D-312_00
6. Decisin:
-2.02 G R.A., aceptamos H0
202 97.30/^/200
= -
H0 : \i > 212
H, : n< 212
2. Nivel de significancia: (X=0.01
3. Estadstica de prueba:
Z = ^^-->(0.1)
s /
4. Establecimiento de los criterios de decisin:
-2.526
5. Realizacin de clculos:
^20.3-212, ^
sl-Jn 45.5/V150 6 Decisin:
Z = -2.88 G R.R.
k
<
1. Formulacin de hiptesis:
H 0 : |a < 75 Hj : fi
> 75
s / -Jn
R.A. -
R.R. -
H0 : M = 12000
Hi : fj. *12000
2. Nivel de significancia , a =0.05
3. Estadstica de prueba:
t= r s
t
>
ta
x-fl0
/ -v
n-\
5.
Realizacin de clculos:
tk
6. Decisin:
Z = -0.61G R.A.
Las condiciones del negocio son estables, las ventas por mes no
varan.
6.2.2.
Prueba de Hiptesis para la Proporcin Poblacional
A menudo surgen situaciones en las que el muestreo es de proporciones
en vez del valor medio de una poblacin. En tal caso las observaciones
son de naturaleza cualitativa. Cuando analizamos datos cualitativos, nos
interesamos por verificar un supuesto acerca de la proporcin de xitos
de la poblacin (P). Esto implica que se ha propuesto un valor P
previamente a la realizacin del estudio. El propsito del experimento es
obtener evidencia estadstica que apoye o rechace esta hiptesis.
El procedimiento para la prueba de hiptesis para la proporcin
poblacional es similar al sealado por la media poblacional.
Se presentan los siguientes casos, en muestras grandes (n > 30).
CASOI:
Poblacin infinita, cualquiera que sea el tipo de muestreo.
Poblacin finita, si el muestreo es con reemplazamiento.
1. Formulacin de hiptesis
estadstica:
a) H
0:
P
>
P
0
H0 c)
:P =
P0
H, :P
*
P0
H,:
P<
P0
b) H: P<
P0 H
i: P >
P0
2. Nivel de significancia: a
3. Estadstica de prueba:
R.R.
.
R.A
R.A.:
Zk > Z,.a, se
acepta
H.
R.R.:
Zv < Z,.a, se
rechaz
a H0.
Prueba de cola derecha
___________R.R________________|_ R.A
Prueba bilateral
5. Realizacin de clculos:
y...
P~P(,
5SL
V
6. Decisin
SiZ, G R.A., se acepta H0.
SiZ G R.R., se rechaza
H().
Caso II: Poblacin finita, cuando el muestreo es sin reemplazamiento.
Se siguen todos los pasos del caso I, pero se incorpora el factor de
correccin para poblacin finita, entonces la Estadstica de Prueba
ser:
s:
I
:
>
rnQo
kA1
y
Ejemplo 123:
Una encuesta realizada en 1982 revel que el 78% de quienes
respondieron consideraron que estaban mejor financieramente que sus
padres. Una encuesta ms reciente (Apoyo, abril 1997) encontr que
370 de las 500 personas que respondieron pensaron que sus fortunas
financieras eran mejores que la de sus padres. Esto sugiere un
descenso en la proporcin de personas que consideran que estn
financieramente ms estables de lo que
Z = --
/>0
>7(0.1)
4.
0
R.A.
370
Donde n =--------=
500
0.74
6.
f0.78xQ.22 0.02
Decisin:
Z = - 2 E RA; por lo tanto se acepta H.
No ha habido un descenso en la proporcin de personas que consideran que
estaban ms estables que sus padres.
Ejemplo 124:
Los directivos de un determinado programa de televisin pretender
modificarlo si, por lo menos, un cuarto de los que tienen televisor no
ven el programa regularmente. Una investigacin encomendada a una
empresa especializada mostr que, de 400 familias entrevistadas, 80
ven el programa regularmente. En base a estos datos cul debe ser la
decisin de los productores? Ot = 5%
Solucin:
1. Formulacin de hiptesis estadstica:
H0:P>0.25
H, : P < 0.25
2. Nivel de significacin: Ot =0.05
3. Estadstica de prueba:
-
Z=
>(0,1)
-1.645
R.R.j.
0
R.A.
5. Realizacin de clculos:
6. Decisin:
Zk = 27.5 G R.A.
Por lo tanto los productores deben modificar el programa.
Ejemplo 125:
De una lista de 2000 clientes de un banco comercial se seleccion una
muestra aleatoria para obtener opinin acerca del servicio. En la
muestra se hall que 215 no tenan quejas del servicio, 25 tenan
quejas y 10 no opinaban al respecto. Tradicionalmente, el 5% tena
quejas del servido, sin embargo se cree que ahora este porcentaje
aument. Cul es la situacin actual si se quiere una probabilidad de
0.05 de cometer error tipo I?
Solucin:
1. Formulacin de hiptesis:
Hc: P = 0.05
H. : P > 0.05
2. Nivel de significancia: a =0.05
3. Estadstica de prueba:
o
R.A.
1.645
,J_ R.R_____
5. Realizacin de clculos:
X : el cliente tiene quejas X': el cliente no tiene quejas
x
n:250
Luego:
6. Decisin:
Zk = 5 > 1.645 G R.R.; por lo tanto rechazamos H 0. El porcentaje de
quejas ha aumentado.
6.2.3. Prueba de Hiptesis para
Poblacionales.
Se presenta los siguientes casos:
la
Diferencia
de
Medias
3. Estadstica de
prueba:
Paraiyiii:
Z
= iiL_ (0.1)
Paraii:
Z=
X, - x 2
- (0.1)
s; s;
n
4. Establecimiento de los
criterios de decisin:
Prueba de cola
izquierda:
R.A.: Zk ^ -Z|.a. se acepta H0.
Paraii:
Z
,
6. Decisin:
Se acepta o se rechaza H 0.
Nota: Si las poblaciones
respectivamente entonces:
son
finitas
de
tamao
N,
N2
^ 7 *'
'
o,2
M -
I^
-v, -,]
N -1 J
t
G
-x2
J
x,
[ >
.y,'
+ ^-
n2 )
{ N2 -
n2
'l
N-,
-u
Ejemplo 126:
En la Facultad de Ciencias Matemticas de la U.N.M.S.M. se seleccion
una muestra aleatoria de 20 estudiantes (grupo A) de una poblacin de
estudiantes pertenecientes a familias en que ambos padres trabajan.
Se seleccion tambin una muestra aleatoria de 16 estudiantes (grupo
B) de entre aquellos que pertenecen a familias en que solamente el
padre trabaja. El anlisis de rendimiento acadmico de los dos grupos
di los siguientes resultados:
Grupo
Promedio Muestral
14
17
H, :M MB
Estadstica de prueba:
n(0,1)
V .i n n
Zk
R.R.: Si
5. Clculos:
Datos:
Zk
<-1.96 0
Zk
nA = 20. nB = 16.
=14 , x =17 aj = 36 , cr2 = 20
= -1.71
~=0
xA -Xn
6.
14-17
Decisin:
Z<
= -1.71 E R.A. por lo tanto se acepta
H0, lo
que quiere decir que en la Facultad
de Ciencias Matemticas los puntajes promedios generales de
rendimiento de los estudiantes que pertenecen a familias en que
ambos padres trabajan son iguales a los de los estudiantes que
pertenecen a familias en que solamente trabaja el padre.
Ejemplo 127:
El director de presupuesto de una empresa deseaba determinar si
haba alguna diferencia en las cuentas de gastos de representacin de
los ejecutivos de dos departamentos de la empresa. Se seleccion una
muestra aleatoria de 30 cuentas de gastos del departamento 1 y 30
cuentas de gastos del departamento 2. Con los siguientes resultados:
Departamento 1
Departamento 2
x,
000 .v, =
Al nivel de
significancia 200
0.01 es ms
alto el gasto
de
representaci
n
en
el
departamento
1?
Solucin: CASO I
- ii
1. Formulacin
de
hiptesis:
H
0
:
p
,
=
p
2
H
i
:
33
S/.
SI.
X2 = S/ ZSI
s-,
S/.
27 900
9 000
m
>
p
2
Nivel de
significancia
: Ot =0.01
3. Estadstica
de prueba:
.Y| ~X 2
4. Establ
ecimie
nto de
los
criteri
os de
decisi
n: R.A.
: Si
Zk
<
2.326.
se
acepta
H 0.
R.R.: Si
Zk >
2.326. se
rechaza H0.
5. Clculos:
Datos:
n
i
3
0
.
j
e
,
=
3
3
0
0
0
.
s
,
2
0
0
n
2
3
0
,
x
2
2
7
9
0
0
,
s
2
0
0
0
Z
-Vi -x :
6. Decisin;
Z< = 2.42 E R.R.
por lo tanto se
rechaza H;. Los
gastos
de
representacin
del
departamento 1
son ms altos
que los gastos
de
representacin
del
departamento
2.
CASO I: Uso de
la Estadstica t
i) Muestras
pequea
s (n.<30
y
n2<30).
'= " >
varianza
s
poblacio
nales
descono
cidas
pero
iguales
a, = a (af =
sf y g =
j 22 ) y
poblacio
nes
normale
s.
2
+,-2
- X2
, "1 'h )
'^
Adems
el
establecimiento
de los criterios
de
decisin
estar dado por:
Prueba de
cola
izquierda :
R.A. : t, > -t,_ajl| +
n2_2 , se acepta II
.
R.R. : t-K < -t,
, se rechaza H0.
k
1 -u, i:.
- n, -2
Prueba
de cola
derecha
R.A. : t. <
tj .. w , n . n , - 2 se
acepta U.
R.R. : t. > t ,
i . se rechaza H.
1
a
.
n
+
n
Prueba de
dos colas:
R.A. : t e [~t
j -a/2,11, n< - 3 . t |- u
o.n- ; n, -- 2
se ace
P*a
R . R. : h < - t, a
/: ,n ; - n : - 2 o
U > t . . ,w n: 2'
se rcchaza
ii) Muestras
pequea
s (n. <
30
y
n < 30),
varianza
s
poblacio
nales
descono
cidas
pero
diferente
af
(o :
= .v; y a;
=
s:
)y
poblacio
nes
normale
s.
Se siguen los
mismos
pasos
que el caso I.
pero
la
estadstica
de
prueba a usar
n, -1 2 -2
Donde:
Dado que r rara
vez
es
un
entero,
se
redondea
al
entero
ms
cercano.
Adems
el
establecimiento
de los criterios
de
decisin
, se acepta H0.
R.R. : tk <
t, _ , se rechaza Hc.
ct r
Prueba de
cola derecha:
t
k
t
t
o
/
2
,
r
,
t
|
a
/
2
,
r
]
)
s
e
a
c
e
p
t
a
H
0
R
.
R
.
<
t
,
0
/
2
.
r
t
k
>
t
,
0
>
r
,
s
e
r
e
c
h
a
z
a
H
0
E
j
e
m
p
l
o
1
2
8
:
Para verificar
la suposicin
de que existe
diferencia en
el aprendizaje
de
matemtica
en
los
alumnos
de
dos aulas A y
B
de
un
colegio,
se
tom
una
muestra
aleatoria
de
cada aula y se
les aplic una
misma prueba
de
conocimiento,
obtenindose
los
puntajes
que
a
continuacin
se indican:
AulaA:
1
6
,
4
3
,
2
4
,
3
5
,
2
0
,
2
7
,
2
9
,
3
0
,
4
0
,
3
2
A
u
l
a
B
:
15,40,18,37,16,
29,30,45,20,36
Realizar
la
prueba al nivel
de significacin
de 5%.
Solucin: Caso
ll-i
1. Formulacin de
hiptesis
H, : p-i = |i2
H, : JI * (i:
2. Nivel
de
significancia: O
=0.05
3. Estadstica
prueba:
de
4. Estableci
miento
de los
criterios
de
decisin:
R.A.: Si tk G [-2.101.
2.101], se acepta II,..
R.R.: Si tfc < -2.101 o tk
> 2.101. se rechaza II.,.
5. Clculos:
Para Grupo
A:
n
,
1
0
.
*
>
=
2
9
.
6
.
s
,
8
.
4
2
P
a
r
a
G
r
u
p
o
B
:
n
2
1
0
.
.
7
2
=
2
8
.
6
.
s
2
1
0
.
8
3
t
k
0
.
2
3
6. Decisin:
tK = 0.23 G
R.A.,
se
acepta H0 lo
que quiere
decir que no
existe
diferencia
en
el
aprendizaje
de
matemtica
en las dos
aulas Ay B.
Ejemplo 129:
Dos profesores
ensean a dos
secciones A y B
el mismo curso
de
matemticas.
Para comparar
los
promedios
en
las
calificaciones
obtenidas
con
los
dos
profesores
se
escogieron dos
muestras
aleatorias
independientes
de 9 notas de
Ay 8 notas de B,
dando
los
siguientes
resultados.
G
r
u
p
o
A
:
0
2
,
1
8
,
1
0
,
2
0
,
1
7
,
0
5
,
1
2
.
1
6
.
1
1
G
r
u
p
o
B
:
1
2
,
1
6
,
0
9
,
1
6
,
1
2
,
1
3
,
1
1
,
1
0
Suponga que las
calificaciones
con cada uno de
los
profesores
se
distribuyen
normalmente
con
varianzas
desconocidas
pero diferentes
(cr: *a;).
Con un nivel de
significacin de
0.05,
es
la
calificacin
promedio de A
ms
alta que la de
B?
Solucin: Caso II
-ii
Sean X, X2
ias variables
aleatorias que
representan
las
calificaciones
de las
seccionesAy
B,
respectivame
nte.
Sesuponeque
A, -> ((a,,o,2)
yX
-m(h,.ct2)
con cs{y a2
varianzas
desconocidas
pero
diferentes.
2
1. Formu
lacin
de
hipte
sis Ho: ni
= \xi
s.2 s.}
Donde:
s, = 6.06 , s2
= 2.56
n
2
=
9
Entonces:
A7,
s{ /, 2
z /rh
(6.06)2/ 2
9
(2.56)2 /
8
n, -1
. "l-1.
/ n + V
/! / 2
r=
r
1
1
.
0
3
1
1
E
n
t
o
n
c
e
s
:
[(6.06)2/9 +
(2.56)2/8]2
R.A________________
| R.R.
R.A. : Si tk < 1.796 , se
acepta H. R.R. : Si t k
> 1.796 . se rechaza
H.
5. Clculos
Se
que:
x
,
1
2
.
3
3
tiene
6
.
0
6
x
2
1
2
.
3
8
s
2
=
2
.
5
6
Entonces:
(12.33-!
2.38)
(6.06)
2
(2.56)
V
98
6. Decisin:
tk = - 0.02
pertenece a
la regin de
aceptacin,
por lo tanto
las
calificacione
s
son
iguales.
6.2.4.
P
rueba
de
Hiptes
is para
la
Diferen
cia
de
Medias
Poblaci
onales
con
Observ
aciones
Paread
as.
En la seccin
anterior
se
discuti
la
prueba de la
diferencia entre
la media de dos
poblaciones
independientes.
Por lo tanto, las
dos muestras (o
grupos
de
datos) tambin
eran
independientes.
En esta seccin
se desarrollar
el
procedimiento
para analizar la
prueba de dos
muestras (o dos
grupos
de
datos)
que
estn
relacionados; es
decir,
los
resultados de la
primera
muestra no son
independientes
de la segunda.
Esta
caracterstica
de dependencia
de las muestras
ocurre ya sea
porque
se
obtienen
mediciones
repetidas
con
elmismo grupo
de artculos o
individuos
o
porque
los
artculos
o
individuos estn
apareados
segn
alguna
caracterstica.
Por lo tanto, no
se puede usar
como
estadstica
de
prueba
la
diferencia
de
medias
mustrales,
pues
no
podemos
obtener
la
varianza de la
distribucin de
medias
mustrales. En
consecuencia,
se trabajar en
cualquiera
de
estos casos con
la
diferencia
entre
los
valores de las
observaciones,
es
decir,
trabajaremos
con un nuevo
conjunto
de
datos formado
por
las
diferencias
apareadas
de
las
muestras,
tal
como
se
muestra en la
siguiente tabla:
TABLA N 35
Muestra
Observacin
1
12
x x21
Diferencia
Di
D,= x - x2l
I2 X22
D2= x12
X, x,2
xnl xn:
Donde:
X
,
,
:
i
s
i
m
o
v
a
l
o
r
e
n
l
a
m
-x22
D, = Xj, xi2
u
e
s
t
r
a
1
X
2
,
:
i
s
i
m
o
v
a
l
o
r
e
n
l
a
m
u
e
s
t
r
a
2
D, : X - X2l,
la
difere
ncia
entre
el isimo
valor
en la
mues
tra 1
y el isimo
valor
en la
mues
tra 2.
Adems:
ii
14
D = -^
o;n(Df
Jsl
II-1
Trataremos el
caso
para
muestras
pequeas
(n<30)
y
varianza (a02 =
02
)
desconocida.
1. Formulacin
hiptesis:
de
0 Ho
Ho : | D
: (. ID = 0 Ho :
JAD
I i : UD < 0 H i :
)LID > 0 H i :
UD
*0
2. Nivel
de
significancia:
3. Estadstica
prueba:
de
t ---------pr
>t,
SD /yf
4. Establecimiento
de los criterios
de decisin:
Prueba
de cola
izquierda
:
R.A. : Si tk >
-t| _n . | , se
acepta H.
n
R . R. : S i t k
< -t, _a , Se
re c h a z a H .
Prueba
de cola
derecha
:
R .A . : S i t k
< t! _
se
an ) >
ac c p t a
H.
R.R. : S i t
> 11 .a n ,,
se rechaza
H.
Prueba
bilateral:
R.A. : Si tk
[ -t, . a / 2 n.|, t
| . a / 2 , n-|], se
acepta H.
R . R. : S i t k
<-t|.cl/2n.l o
tk > t |
a / 2 n | , se
re c h a z a H .
5. Clculos:
6. Decisin:
Se acepta o
se rechaza
la hiptesis.
Ejemplo 130:
En
estudios
generales
de
ciencias de la
PUCP se han
escogido
12
pares
de
alumnos sobre
la base de la
similaridad
de
sus
rendimientos. A
un alumno de
cada par le fue
enseando
el
curso de clculo
I por el mtodo
tradicional (X) y
al otro por el
mtodo
de
talleres
(Y).
Estos alumnos
dieron
una
prueba con los
siguientes
resultados:
Par de alumnos
10
11
12
Tradicional (X,)
14
15
12
13
15
11
10
15
15
16
14
Talleres (Y;)
12
16
12
11
12
09
07
13
14
15
12
10
Diferencias (D,)
-1
_2
Pr
u
e
b
a
si
lo
s
m
t
o
d
o
s
s
o
n
ig
u
al
m
e
nt
e
ef
e
ct
iv
o
s.
U
s
e
Ct
=
0.
0
5
S
ol
u
ci
n:
1. Formulacin
hiptesis
H
0
de
j
i
o
=
0
4. Establecimiento de los criterios de decisin
H
R.A. : Si t k e[-2.201,2.201]
R.R. : Si t k < - 2.201 o tk> 2.201
i
2. Nivel
de
significancia: (X
=0.05
3. Estadstica de
prueba:
=t
0.975,11
=2 201
1.25
t
2.84
1.54/^2
6. Decisin:
tk= 2.84
R.R. por lo
tanto,
se
rechaza
H,,. Lo que
quiere
decir que
los
mtodos
son
diferentes.
sD/y[
6.2.5.
P
rueba
de
Hiptes
is para
la
Diferen
cia de
Proporc
iones
Poblaci
onales
Para
probar
hiptesis
de
dos
proporciones
poblacionales,
cuando
las
muestras son
grandes,
se
siguen
los
siguientes
pasos:
1. Formulacin
de hiptesis
H0 :P, > P2 H0 :Pi
H0 :Pi = P2
H1 : P 1 ^ P2
< P2 H1 : P1 < P2
H1 :P, > P2
2. Nivel
de
significancia: Ct
3. Estadstica
de prueba:
P
1
Z=
IpO- p)
~
Pi
1 1 + 11. tu
Donde:
n,+n2
P =
\
4.
Establecimiento
de los criterios
de decisin:
Prueba de
cola
izquierda:
R.A.: Zk >
- Z \ . A , se acepta
H0.
R.R : Z k < - Z
i-oc, se rechaza
H0.
Prueba de
cola
derecha:
R.A.: Z K < Zi.,
se acepta Hu.
R.R : Zk > Zi.a,
se rcchaz a H0-
Prueba
bilateral:
R.R. : Si Z k <
-Zi.a/2 o Zk >
Z|.a/2, se rechaza
H0.
5. Clculos:
P\~P
2
6. Decisin:
Se acepta o se rechaza la hiptesis.
Ejemplo 131:
En una muestra de 500 hogares de Trujillo se encuentran que 50 de
ellos estn viendo va satlite un programa especial de televisin. En
Tarapoto, 28 hogares de una muestra aleatoria de 400 se encuentran
viendo el mismo programa especial. Puede rechazarse la suposicin
del patrocinador de que el porcentaje de hogares que est observando
el programa especial es el mismo en las dos ciudades? Use CC =0.05
Solucin:
1. Formulacin de hiptesis:
H:P, = P 2
HI : Pi
Z =
P\ ~
P
4. Establecimiento de criterios de decisin:
R . A . : S i Z k e [-1.96. 1.96], se acepta Ho- R.R.: Si Z k <-1.96 o Z|< > 1.96. se
rechaza Ho-
5. Clculos: Datos:
Entonces:
^ 2- =------------=------= 0.087
n. + n-, 900 900
P: - P:
I(I1'
0.10-0.07
f11^
y ' U :J v
V500 400./
6. Decisin:
Zk = 1.5 G [-1.96, 1.96] entonces se acepta H.
El porcentaje de hogares que est observando el programa en las
dos ciudades es el mismo.
Ejemplo 132:
Un socilogo cree que la proporcin de hombres que pertenece a un
grupo socioeconmico determinado (grupo A) y que ve regularmente
lucha en televisin difiere de un segundo grupo de hombres (grupo B)
que tambin ve lucha. Muestras aleatorias simples de los grupos
arrojan los siguientes resultados:
Grupo
Tamao de la muestra
150
200
PB
H, :PA*PB
2. Nivel de significancia: Ct = 0.05
3. Estadstica de prueba:
4. Establecimiento de criterios de decisin:
R.A.: Si Zk E [-1.96, 1.96] ,se acepta H0.
R.R.: SiZk <-1.96 o Zk > 1.96, se rechaza Ji
5. Clculos:
Datos:
PA PB
98 + 80 _178_Q5I
nA+nB
0.2
5
Zk=5
6. Decisin:
Z = 5 R.R. por lo tanto se rechaza H 0, lo que quiere decir que el
grupo A difiere del grupo B en ver lucha en televisin.
k
6.3.
ANLISIS DE REGRESIN LINEAL SIMPLE
El anlisis de regresin tiene mltiples aplicaciones en la investigacin,
en los diferentes campos de la ciencia y en los trabajos prcticos, ya
sean estos industriales, comerciales o profesionales.
La regresin trata de establecer la forma de relacin entre las variables
es decir, estudia la relacin funcional entre las variables( Y=f(X) o
X=f(Y)), de modo que podamos predecir el valor de una con base en la
otra las otras.
Una funcin de regresin es lineal simple cuando las variaciones en la
variable independiente provocan variaciones proporcionales en la
variable dependiente.
Y
= f (X)
Donde:
Y: Variable
dependiente X:
Variable Independiente
Por ejemplo: Podemos estar interesados en predecir el consumo
promedio de un conjunto de familias en base al ingreso de las mismas.
Entonces:
Y: Consumo
X: Ingreso
El anlisis de regresin lineal simple consiste en estimar la funcin de
regresin poblacional (F.R.P.) que responde a la siguiente expresin:
--------------------------- x
Diagrama de dispersin
6.3.2.
El Mtodo de los Mnimos Cuadrados Ordinarios (M.C.O)
El principal inters radica en poder estimar la funcin de regresin
poblacional (F.R.P.) con base en la funcin de regresin muestral (F.R.M.)
de la manera ms precisa posible. Existen varios mtodos para
construirla F.R.M., pero en lo concerniente al anlisis de regresin el
mtodo ms usado es el Mtodo de los Mnimos Cuadrados Ordinarios
(M.C.O.). Con este mtodo se pueden obtener excelentes resultados, de
hecho si la suposicin comn de normalidad
T------)!((),cr), el mtodo de los mnimos cuadrados es equivalente al
de
mxima probabilidad.
$ o+ 5, *,.+?,.......................................(2)
y, = y , + e , ................................................(3)
e
= y i - y ,.............................................(4)
y.
es el valor estimado de
5P.
= -2S(>--P..-P,AV) ................................(6)
...........................W
op,
p n= (z
(8)
"Z / - <X - )
r
P=J-M...................................... (9)
>X
fig. 35
C. Coeficiente de Determinacin: [ T ]
Consideremos ahora la bondad de ajuste de la lnea de regresin
ajustada al conjunto de datos.
Y
o tambin:
[Z-v'2
~(Xv')2i
Ejemplo 133:
Con los siguientes datos correspondientes al ingreso (X) y al consumo
(Y) de 6 familias que se dan a continuacin:
CONSUMOS
(V)
INGRESOS
(X)
30
35
35
30
50
35
50
40
38
55
42
60
Se pide:
a) Representar los datos en un diagrama de dispersin.
b) Determinar la recta de regresin mnimo cuadrtica y graficarla.
c) Calcular el coeficiente de determinacin (r2) e interpretar.
d) Determinar el consumo esperado para una familia si su
ingreso es de 555.00
Solucin:
a)
Diagrama de Dispersin
6
0
5
0
4
0
3
0
2
0
1
0
0 ----------------------------------------- X
0 10 20 30 40 50 60
6
(108l0)-(270)(230)=09055 6(12.658) -(270)2
Calculando: pn
Po =
p0 = 38.3333 - 0.9055 (45)
=-2.4142
Entonces la linea de regresin estimada est dada por:
y = P0 + Pi*
y0 = -2.4142 + 0.9055 x
Hallando los interceptos para graficar la linea de regresin
estimada: Los puntos que pasan por los ejes X e Y.
*
y = -2.4142 + 0.9055*
0= -2.4142 +0.9055x
1. 9055x = 2.4142 = 2.4142 X
0.9055 .v = 2.6662
= ^ P 2 = ( 2.6662, 0)
86.67
..2
_ [ v y , - d v ,)(!',)]3
U. Vu
[6(12658)-(270) ][6(9250)-(230)2] (3048)(2600)
HT : p, *0
3. Nivel de significancia: a
4. Estadstica de prueba:
Si
R.R. :
Si
6. Clculos:
Donde:
s
s e = si C ME
CME = --------------
n-2
SCE = SC\ -
SC ,
se
rechaza H0.
SC
,,
= /-
y ~
7. Decisin:
Se acepta o rechaza la
hiptesis Ejemplo 134:
Probar si el coeficiente de regresin poblacional es diferente de 0 (P,
*0), del ejemplo 133. Con 01= 0.1
1. Formulacin de hiptesis:
H0 :p, = 0
H, :p, * 0
2. Nivel de significancia: a=0.1
3. Estadstica de prueba:
Pi =0.09
SE
=2.05
5CV=508;
SCr=433.33;
6. Decisin:
/A.= 10.06 ER.R.iporlotantoserechazaHj.loquequieredecirque Pi*0.
6.4.
ANLISIS DE CORRELACIN LINEAL SIMPLE
La correlacin estudia la asociacin o relacin entre dos variables, es
decir, medir el grado de relacin entre ellas mediante un coeficiente o
A. Caractersticas
r puede ser positivo o negativo.
-1 < ; < 1
Si / = 0; no existe relacin lineal entre las variables Xe Y.
Si /= 1; existe relacin lineal perfecta entre las variables Xe Y.
-Si r se acerca a ms uno (+1) o a menos uno (-1), la relacin lineal
entre las variables X e Y es bien estrecha.
B. Tipos de Correlacin
Tipos
Grfico
Y
V
---------------------------------X
Sin
Correlacin
---------------------------------- X
C. Prueba de
Poblacional
(P).
Hiptesis
para
el
Coeficiente
de
Correlacin
H0: P =0
:P#0
2. Nivel de significancia: Ot
3. Estadstica de prueba:
Si tk e [ - W 2. n - 2. ti - o / 2.n -2 ], se acepta H .
Si t < -t,. . . o tk>t|. . . , se rechaza H .
0
5. Clculos:
/2 n 2
/2 n 2
Sr
Donde:
,, r
Vn-2
6. Decisin:
Se acepta o se rechaza la hiptesis
Ejemplo 135:
Se desea conocer si las calificaciones, la escala de xito administrativo
y las calificaciones de aspirante de diez jueces actuales del Poder
Judicial se relacionan. La calificacin de un aspirante a juez la recibir
despus de 5 aos de trabajar en el Poder Judicial. La calificacin en la
escala de xito Y es el promedio de las evaluaciones de diez jueces, en
la escala de 0 (mal) a 100 (bien). La calificacin de (0 a 100) del
aspirante X es la obtenida en una prueba combinada de logros y de
personalidad realizada al final del curso de entrenamiento
administrativo.
Juez
1
Calificacin
Como
aspirante
39
Calificacin de
xito
administrativo
65
2
3
4
5
6
7
8
9
10
43
21
64
57
47
28
75
34
52
78
52
82
92
89
73
98
56
75
Se
a)
b)
c)
pide:
Graficar el diagrama de dispersin y analizar la correlacin.
Hallar el coeficiente de correlacione interpretar
Probar la relacin lineal entre las variables.
Solucin:
a) Diagrama de dispersin:
120 100 80 > 60 40
20
0
20
40
60
80
xlyi-
(Zx')(Zyl)
Entonces?
I* = 460 I/2
Ex = 23634
= 59816
Ixy=36854
Sy = 760
1. Formulacin de hiptesis:
H0: p = 0
H,:p*0
2. Nivel de significacin: CC = 0.05
3. Estadstica de prueba:
r-p
_ 084-0
=4 42
0.19
6. Decisin:
Como tk = 4.42 R.R., rechazamos H 0, por lo tanto hay alta relacin
lineal entre las variables.
6.5.
PRUEBA DE INDEPENDENCIA
Es un procedimiento de contrastacin que se utiliza para determinar la
dependencia (relacin o asociacin) o independencia entre dos
variables categricas. Los datos pueden disponerse en una tabla de
doble entrada llamada Tabla de Contingencia de r filas y k columnas.
Pasos a seguir:
1. Formulacin de hiptesis:
H0 : Existe independencia entre las caractersticas.
H, : No existe independencia entre las caractersticas.
3. Estadstica de prueba:
;r2=(/g-gy>=-;rv2 1 = 1 ; =
l &,)
Donde:
v = (r - l )(k - 1) grados de libertad
5. Clculos.
6. Decisin.
Se acepta o se rechaza
H0.
OBSERVACIONES:
Cuando los grados de libertad es v= 1 y especialmente cuando
la muestra es muy pequea (n < 50), es aconsejable introducir
un factor de correccin de continuidad de A al calcular el valor
chi-cuadrado.
1
rk
X=I
(|fii-eii|-0.5)2 | |
i=l j=l eij
X2
tiene dos o
n
+x
Tipo de
Unin
Total
Matrimoni
o
60
60
55
175
Unin de
hecho
55
56
87
198
142
373
Total
115
116
Se pide:
a) Realizar una prueba de hiptesis para conocer si la percepcin
de las madres sobre las relacione de sus hijos y su nueva pareja
depende del tipo de unin, con a= 0.05.
b) Calcular e interpretar el coeficiente de contingencia para medir
el grado de asociacin entre las variables.
Solucin:
a)
1. Formulacin de hiptesis:
H0: La percepcin de las madres sobre las relaciones de sus hijos y
su nueva pareja es independiente del tipo de unin.
H, : La percepcin de las madres sobre las relaciones de sus hijos y
su nueva pareja dependen del tipo de unin.
2. Nivel de significancia: a = 0.05
3. Estadstica de prueba:
,
t(W
Donde:
= 2,
v = (r-
l)x(k-l) v = 2
NOTA:
X] = X\.
cuadrado.
5. Clculos:
Hallando los valores esperados:
Tipo de
Unin
ej
Matrimoni
o
54.0
60
54.4
60
Unin de
hecho
115
f,
66.6
175
75.4
198
55
61.0
55
Un
amigo
Un segundo
padre
61.6
56
116
87
142
373
"
373
n
fxf2
175x116
511
373
y.x/, 175x142
e i:- - - =-----------= 66.6
n
373
f , x f . 198x115
e , - =------------= i
21
n
373
/, x./2 198x116
e = =------------= 61.6
373
x/j J98xl42_?51
373
Hallando:
54
54.4
75.4
6. Decisin:
Como Xl =6.15 >5.99, rechazamos H0, lo que quiere decir que la
percepcin de la madre sobre las relaciones de sus hijos y su
nueva pareja dependen del tipo de unin (la asociacin obtenida
en la muestra es significativa).
b) Calculando
el coeficiente de contingencia:
x2
o
X+n
C =
.
C = J
=0.13 '
6.15 + 373
k-1 2-
C=0.13 0.356
0.71
ULADECH
.411
PROBLEMAS PROPUESTOS N 6
Intervalo de confianza para la media poblacional
1. Se decide estimar la media del nivel de ansiedad de todos los
estudiantes preuniversitarios. Se supone que la poblacin de los
puntajes de la prueba se distribuye normalmente con desviacin
estndar igual a 10 puntos.
a) Determinar el intervalo para una confianza del 95%, si una muestra
aleatoria de tamao 100 ha dado una media de 70 puntos.
b) Si fi.se estima en 70 puntos con el nivel de confianza del 99%, es
el error de estimacin puntual superior a 5 puntos?
2. El tiempo en minutos que utilizan los clientes en sus distintas
operaciones en un banco local es una variable aleatoria cuya
distribucin se supone normal con una desviacin estndar de 3
minutos. Se han registrado los tiempos de las operaciones de 9
clientes del banco resultando una media igual a 9 minutos.
a) Hallar el nivel de confianza si la estimacin de fj. es el intervalo de 7
a 13 minutos.
b) Si f! se estima p o r x , calcular la probabilidad de que la media de los
tiempos de todas las muestras de tamao 9 est 6.5 y 11.5
minutos.
3. Suponga que las alturas de los alumnos de la Facultad de Economa
tienen distribucin normal c o n a = 1 5 cm. Fue retirada una muestra
de 100 alumnos obtenindose x = 175 cm. Construir el intervalo de
confianza para la verdadera altura media de los alumnos con 95%
de confianza.
4. La Cmara de Comercio de una ciudad est interesada en estimar
la media de la cantidad de dinero que gasta la gente que asiste a
convenciones, considerando comida, alojamiento y entretenimiento
por da. De las distintas convenciones que se llevan a cabo en la
ciudad se seleccionaron a 16 personas aleatoriamente y se les
pregunt la cantidad que gastaban por da. Se obtuvo la siguiente
informacin en soles:
450, 575, 363, 448, 542, 389, 435, 674, 468, 352, 458, 384, 434, 546,
655, 560.
Obtenga el intervalo de confianza del 99% para la media de cantidad
de dinero que gasta diariamente la gente que asiste a convenciones e
interprete el resultado.
412
ULADECH
.413
Chimbte
30
115
Nvo. Chimbte
40
90
Distrito
16
414
Colegio Minerva
Colegio Universitario
n2 = 20
/7, = 26
xj - 12.72
= 18.02
5, = 0.38
= 0.45
Secretaria
Antes
Despus
80
82
2
3
4
5
70
85
62
82
77
79
68
84
ULADECH
.415
10.8
35.0
2.4
267.8
0.0
10.7
2.6
0.1
4.1
113.6
14.0
9.5
31.1
0.0
6.9
14.8
0.1
27.6
196.2
11.6
416
ULADECH
.417
Hx = Hy
H|:|ax*|iy nx
= 45, ny = 60,
x=-2A, y
= -1,
418
av = 2. a, = 8.
30. El Ministerio de Vivienda ha encargado un estudio a una empresa
de mercadeo sobre el precio de las viviendas nuevas en dos
distritos de Lima: A y B. La empresa encargada de realizar el
estudio ha recogido informacin sobre el precio del m2 de 45
viviendas de promotoras distintas seleccionadas al azar en el
distrito A y de 40 viviendas, tambin elegidas aleatoriamente en las
promociones de vivienda nueva existente, en el distrito B. En la
muestra aleatoria de viviendas del distrito A, el precio medio del m 2
ha resultado ser de 980 soles con una desviacin estndar de 90
soles, mientras que en la muestra B, el precio del m2 y la desviacin
estndar son respectivamente de S/.950 y S/.70 Puede aceptarse
que en los dos distritos no hay diferencia en el precio del m 2 de las
viviendas diferencia en el precio de nueva construccin para un
nivel de significacin del 5%?
31. Se quiere determinar la diferencia entre los tiempos promedios en
minutos que utilizan los hombres y las mujeres para realizar una
determinada tarea. Con este fin se escogen 16 hombres y 16
mujeres, resultando los tiempos promedios respectivos 40 y 35
minutos, y desviaciones estndar respectivas de 9 y 8 minutos.
Suponga que las poblaciones de ambos tiempos son
independientes y se distribuyen normalmente con varianzas
iguales. Al nivel de significacin del 1%, es el tiempo promedio de
hombres mayor al tiempo promedio de mujeres?
32. El gasto telefnico medio mensual en una muestra de 10 usuarios
elegidos al azar en una ciudad ha resultado ser S/. 90 y la
desviacin estndar, S/.11. En otra ciudad se ha tomado, de modo
independiente, otra muestra de 12 usuarios y los valores obtenidos
para la media y desviacin estndar mustrales han sido
respectivamente S/.80 y S/.10 Proporcionan estos datos suficiente
evidencia estadstica, ai nivel de significancia del 5%, a favor de la
hiptesis de que el gasto medio en la primera ciudad es ms alto
que el gasto medio en la segunda? Suponer que las varianzas de
las variables que indican los gastos telefnicos en ambas ciudades
son desconocidas pero diferentes.
33. La duracin media de una muestra de 10 bombillas es x = 1250
horas, con una desviacin estndar muestral de S = 115 horas. Se
cambia el material del filamento por otro nuevo, entonces, de una
muestra de 12 bombillas se obtuvo una duracin media de y = 1340
horas, con una desviacin estndar muestral ^ = 106 horas. Las
poblaciones son normales con varianzas desconocidas pero
x
ULADECH
.419
2
3
4
5
6
7
3
9
8
7
6
11
2
6
7
4
7
8
420
puede
Tamao de muestra
Actos de violencia
200
132
300
147
ULADECH
.421
Productividad
(Y)
.9
23
12
30
15
33
17
35
20
40
23
45
Se pide:
a) Haga el diagrama de dispersin y analice la linealidad de las
variables.
b) Estime el modelo de regresin lineal estimado.
c) Interprete P,.
d) Pruebe si el coeficiente de regresin poblacional es diferente de
cero (P, * 0) con un nivel de significancia de 5%.
e) Calcule el coeficiente de determinacin r e interprete.
f) Grafique la linea de regresin estimada sobre el diagrama de
dispersin.
g) Determine la productividad esperada para un trabajador cuyo
puntaje de aptitud es de 50.
2
40. Una teora financiera popular sostiene que existe una relacin
directa entre el riesgo de una inversin y el rendimiento que
promete. El riesgo de una inversin se mide por medio del valora .
A continuacin se presentan los rendimientos y valores O para 10
acciones ficticias sugeridas por la empresa de inversiones CPI
Estos datos parecen confirmar esta teora financiera de una
relacin directa?
Accin
10
Rendimiento %
5.4
8.9
2.3
1.5
3.7
8.2
5.3 0.5
1.3
5.9
Valor a
1.5
1.9
1.0
0.5
1.5
1.8
1.3 0.5
0.5
1.8
Se pide:
a) Hacer el diagrama de dispersin para analizar la correlacin
positiva.
422
2.10 3.52 2.10 2.55 3.50 2.00 3.50 2.99 2.99 2.25
rx)
Ventas de Coca-cola en
35 25 21 19 23 31 24 31 20 19
miles (Y)
A,
14
12
A,
A.
A,
A,
A-
A,
16
22
20
18
lo
18
22
13
15
14
13
11
14
16
ULADECH
.423
12 08
10
13 09 14
17
11 18 12
15 13
12
13 11 12
15
12 17 15
135
115
95
100
110
120
125
130
140
16
13
12
12
14
14
15
15
18
inteligencia IQ(X)
A favor
En contra
Sin decisin
INGRESOS
BAJO
MEDIO
ALTO
200
130
70
60
40
60
60
80
100
Nivel de
Educacin
424
Nmero de Hijos
0a 1
5 a ms
Primaria
20
18
12
14
30
Secundari
a
Superior
50
12
25
6
18
4
16
8
24
12
[5-10)
[0-3)
25
15
49
[3-6)
[6-9)
20
15
10
8
11
15
3
10
44
48
Total
60
33
34
14
141
Horas
dedicadas al
curso
[10-15) [15-20)
Total
ULADECH
.425
Respuesta
Estrato
A
Total
SI
22
24
20
66
NO
50
42
60
152
Total
72
66
80
218
PU
52
130
58
PT
CD
42
28
60
60
63
75
426
CAPTULO 7
INTRODUCCION A LAS TCNICAS DE MUESTREO
El muestreo es una herramienta de la investigacin cientfica. Su
funcin bsica es determinar qu parte de la realidad en estudio de la
poblacin debe examinarse con la finalidad de hacer inferencias sobre
dicha poblacin. El error que se comete debido al hecho de que se
obtienen conclusiones sobre cierta realidad a partir de la observacin
de slo de una parte de ella se llama error de muestreo. Obtener una
muestra adecuada significa lograr una visin simplificada de la
poblacin, que reproduzca de algn modo sus rasgos bsicos.
7.1.
TIPOS DE MUESTREO
Se dividen en dos grandes grupos: muestreo probabilstico y no
probabilstico.
7.1.1.
Mtodos de Muestreo Probabilstico:
Los mtodos de muestreo probabilstico son aqullos que se basan en
el principio de la equiprobabilidad. Es decir, aqullos en los que todos
los individuos tienen la misma probabilidad de ser elegidos para formar
parte de una muestra y, consiguientemente, todas las posibles
muestras de tamao n tienen la misma probabilidad de ser elegidas.
Solo estos mtodos de muestreo probabilstico nos asegurarn la
representatividad de la muestra extrada y son por lo tanto los ms
recomendables. A continuacin le mostraremos los tipos de muestreo
probabilstico, as como sus caractersticas, ventajas e inconvenientes.
TABLA N 36
Caractersticas
Ventajas
Inconvenientes
Mtodos de
muestreo
probabilstic
o
Se
selecciona
una Sencillo y de fcil com- Requiere que se posea
Muestreo
muestra de tamao n prensin.
de
antemano
un
Aleatorio
de una poblacin de N Clculo
rpido
de listado completo de
Simple
unidades,
cada medias y varianzas.
toda la poblacin.
segmento tiene una Se basa en la teora Cuando se trabaja con
probabilidad
de estadstica, y por tanto muestras pequeas es
inclusin
igual
y existen
paquetes posible
que
no
conocida de n/N.
informticos
para represente
a
la
analizarlos datos.
poblacin
adecuadamente.
ULADECH
.427
7.1.2.
Mtodos de Muestreo No Probabilstico
A veces, para estudios exploratorios, el muestreo probabilstico resulta
excesivamente costoso y se acude a mtodos no probabilsticos, an
siendo conscientes de que no sirven para realizar generalizaciones,
pues no se tiene certeza de que la muestra extrada sea representativa,
ya que no todos los sujetos de la poblacin tienen la misma
probabilidad de ser elegidos. En general se selecciona a los sujetos
siguiendo determinados criterios procurando que la muestra sea
representativa. Entre los ms conocidos se tiene:
a) Muestreo por cuotas
Tambin denominado en ocasiones accidental". Se asienta
generalmente sobre la base de un buen conocimiento de los estratos de
428
Tamao de muestra
-V
ULADECH
.429
Donde:
n
Tamao de la muestra.
Tamao de la poblacin.
Lmite de confianza requerido segn la distribucin de Gauss Zo.975= 1.96 para a=0.05; Z0.995 = 2.576
para a = 0.01
a
Valor de la varianza poblacional. En caso de no conocerse se estima por la varianza muestral (s 2).
Ejemplo 137:
Muchos abogados que trabajan en oficinas de Lima tambin trabajan
en casa o en su oficina durante los fines de semana. De qu tamao
debe ser una muestra para estimar la media poblacional del tiempo
que se trabaja los fines de semana, con un margen de error de 10
minutos? Emplee un nivel de confianza del 95%. Suponga que el valor
de la desviacin estndar poblacional es de 45 minutos.
Solucin:
Obteniendo los datos necesarios para hallar el tamao muestral.
g =
45
minutos o2 =
2025
minutos2.
l-a=0.95
->a/2 = 0.025->Zo.975= 1 96
e = 10
minutos
(1.96)2 x 2025
n =------------ ------=
430
(10)2
n = 77.7 78
abogados,
Tamao de muestra
n=
Z,Lx
PxQ
Tamao de la muestra.
Tamao de la poblacin.
Z|.a/2
Lmite de confianza requerido segn la distribucin de Gauss Zow = 1-96 para a -0.05: Z0995 =2.576 para a
= 0.01
P
Valor de la proporcin poblacional que tiene una caracterstica dada. En caso de no conocerse se estima por
la proporcin muestral (p). En la opcin ms desfavorable se considera P = 0.5, que hace mayor el tamao
muestral.
1-P
Ejemplo 138:
Una encuesta de The Wall Street Journal y NBC reuni datos acerca de
cmo consideran los estadounidenses la calidad de la informacin en
los diarios y en TV (The Wall Street Journal, 27 de junio de 1997). Una
de las preguntas fue si el encuestado cree que lo que se dice de la
economa de los Estados Unidos es equilibrado, demasiado negativo o
demasiado positivo. Los estimados preliminares son que un 50% de la
ULADECH
.431
1 .96
e = 0.033
0.97SxP*q
e2
^2
N,
n,
= -xn
'
432
~
, W 1000
Colegios privados no parroquiales: =------------= 0.10
N 10000
N2
ULADECH
.433
Ejemplo 140:
En una investigacin en la que se trata de conocer el grado de
satisfaccin laboral de los profesores de instituto necesitamos una
muestra de 700 sujetos. Ante la dificultad de acceder individualmente a
estos sujetos se decide hacer una muestra por conglomerados.
Sabiendo que el nmero de profesores por instituto es
aproximadamente de 35, los pasos a seguir seran los siguientes:
1. Recoger un listado de todos los institutos.
2. Asignar un nmero a cada uno de ellos.
3. Elegir por muestreo aleatorio simple o sistemtico los 20
institutos (700/35=20) que nos proporcionarn los 700
profesores que necesitamos.
PROBLEMAS PROPUESTOS N 7
1. De qu tamao debe ser una muestra para poder tener el 95%
de confianza de que el error muestral es del 5% a menos?
Suponga que la desviacin estndar de la poblacin es de 0.25.
2. Hallar el tamao de muestra para estimar la media de una
poblacin con los siguientes datos:
b)$200 c)$100
434
*
*
*
*
APNDICE
ULADECH
.435
n=5
0
X
1
2
3
4
n = 10
0.05
0.10
0.95
1
0.99
9
1.00
0
1.00
0
1.00
0
0.77
4
0.97
7
0.99
9
1.00
0
1.00
0
0.590 0.32
8
0.919 0.73
7
0.910 0.94
2
1.000 0.99
3
1.000 1.00
0
0.25
0.30
0.40
0.50
0.60
0.60
0.70
0.75
0.80
0.90
0.95
0.99
0.237 0.16
8
0.633 0.52
8
0.896 0.83
7
0.984 0.96
9
0.990 0.99
8
0.07
8
0.33
7
0.68
3
0.91
3
0.99
0
0.03
1
0.18
8
0.50
0
0.81
2
0.96
9
0.01
0
0.08
7
0.31
7
0.66
3
0.92
2
0.01
0
0.08
7
0.31
7
0.66
3
0.92
2
0.00
2
0.03
1
0.16
3
0.47
2
0.83
2
0.00
1
0.01
6
0.10
4
0.36
7
0.76
3
0.00
0
0.00
7
0.05
8
0.26
3
0.67
2
0.00
0
0.00
0
0.00
9
0.08
1
0.41
0
0.00
0
0.00
0
0.00
1
0.02
3
0.22
6
0.000
0.904
0.996
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1.000
1
2
3
4
5
6
7
8
9
10
11
12
13
14
n = 20
0.20
0.25
0.05
0.10
0.20
0.01
n = 15
0.01
0.30
0.40
0.50
0.80
0.90
0.95
0.000
0.000
0.001
0.049
0.60
0.70
0.75
0.99
0.00
0
0.00
2
0.01
2
0.05
5
0.16
6
0.36
7
0.61
8
0.83
3
0.95
4
0.99
4
0.00
0
0.00
0
0.00
2
0.01
1
0.04
7
0.15
0
0.35
0
0.61
7
0.85
1
0.97
2
0.000 0.000
0.000 0.000
0.000
0.000 0.000
0.000 0.000
0.000
0.000 0.000
0.000 0.000
0.000
0.004 0.001
0.000 0.000
0.000
0.020 0.006
0.000 0.000
0.000
0.078 0.033
0.002 0.000
0.000
0.224 0.121
0.013 0.001
0.000
0.474 0.322
0.070 0.012
0.000
0.756 0.624
0.264 0.086
0.004
0.944 0.893
0.651 0.401
0.096
p
0.01
0.05
0.10
0.20
0.25
0.30
0.40
0.50
0.60
0.70
0.75
0.80
0.90
0.95
0.99
0.86
0
0.90
0
1.00
0
1.00
0
1.00
0
1.00
0
1.00
0
1.00
0
1.00
0
1.00
0
1.00
0
1.00
0
1.00
0
1.00
0
1.00
0
0.46
3
0.82
9
0.96
4
0.99
5
0.99
0
1.00
0
1.00
0
1.00
0
1.00
0
1.00
0
1.00
0
1.00
0
1.00
0
1.00
0
1.00
0
0.20
6
0.54
9
0.81
6
0.94
4
0.98
7
0.99
8
1.00
0
1.00
0
1.00
0
1.00
0
1.00
0
1.00
0
1.00
0
1.00
0
1.00
0
0.03
5
0.16
7
0.39
8
0.64
8
0.83
6
0.93
9
0.98
2
0.99
6
0.99
9
1.00
0
1.00
0
1.00
0
1.00
0
1.00
0
1.00
0
0.01
3
0.08
0
0.23
6
0.46
1
0.68
6
0.85
2
0.94
3
0.98
3
0.99
6
0.99
9
1.00
0
1.00
0
1.00
0
1.00
0
1.00
0
0.00
5
0.03
5
0.12
7
0.29
7
0.51
5
0.72
2
0.86
9
0.95
0
0.98
5
0.99
6
0.99
9
1.00
0
1.00
0
1.00
0
1.00
0
0.00
0
0.00
5
0.02
7
0.09
1
0.21
7
0.40
2
0.61
0
0.78
7
0.90
5
0.96
6
0.99
1
0.99
8
1.00
0
1.00
0
1.00
0
0.00
0
0.00
0
0.00
4
0.01
8
0.05
9
0.15
1
0.30
4
0.50
0
0.69
6
0.84
9
0.94
1
0.98
2
0.99
6
1.00
0
1.00
0
0.00
0
0.00
0
0.00
0
0.00
2
0.00
9
0.03
4
0.09
5
0.21
3
0.39
0
0.59
7
0.78
3
0.90
9
0.97
3
0.99
5
1.00
0
0.00
0
0.00
0
0.00
0
0.00
0
0.00
1
0.00
4
0.01
5
0.05
0
0.13
1
0.27
8
0.48
5
0.70
3
0.87
3
0.96
5
0.99
5
0.00
0
0.00
0
0.00
0
0.00
0
0.00
0
0.00
1
0.00
4
0.01
7
0.05
7
0.14
8
0.31
4
0.53
9
0.76
4
0.92
0
0.98
7
0.00
0
0.00
0
0.00
0
0.00
0
0.00
0
0.00
0
0.00
1
0.00
4
0.01
8
0.06
1
0.16
4
0.35
2
0.60
2
0.83
3
0.96
5
0.00
0
0.00
0
0.00
0
0.00
0
0.00
0
0.00
0
0.00
0
0.00
0
0.00
0
0.00
2
0.01
3
0.05
6
0.18
4
0.45
1
0.79
4
0.00
0
0.00
0
0.00
0
0.00
0
0.00
0
0.00
0
0.00
0
0.00
0
0.00
0
0.00
0
0.00
1
0.00
5
0.03
6
0.17
1
0.53
7
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.010
0.140
0.10
0.20
0.25
0.30
0.40
0.50
0.60
0.70
0.818 0.358
0.983 0.736
0.999 0.925
1.000 0.984
1.000 0.997
1.000 1.000
1.000 1.000
1.000 1.000
1.000 1.000
1.000 1.000
10
1.000 1.000
11
1.000 1.000
12
1.000 1.000
13
1.000 1.000
14
1.000 1.000
15
1.000 1.000
16
1.000 1.000
17
1.000 1.000
18
1.000 1.000
19
1.000 1.000
0.01
0.10
0.30
n = 25
0
0.05
436
0.05
0.20
0.25
0.40
0.50
0.60
0.70
0.75
0.80
0.00
0
0.00
0
0.00
0
0.00
0
0.00
0
0.00
0
0.00
0
0.00
0
0.00
1
0.00
4
0.01
4
0.04
1
0.10
2
0.21
4
0.38
3
0.58
5
0.77
5
0.90
9
0.97
6
0.99
7
0.90
0.95
0.99
0.75
0.80
0.90
0.95
0.99
0.000 0.000
0.000 0.000
0.000 0.000
0.000 0.000
0.000 0.000
0.000 0.000
0.000 0.000
0.000 0.000
0.000 0.000
0.000 0.000
10
0.000 0.000
11
0.000 0.000
12
0.000 0.000
13
0.000 0.000
14
0.000 0.000
15
0.000 0.000
16
0.000 0.000
17
0.000 0.000
18
0.000 0.000
19
0.001 0.000
20
0.007 0.000
21
0.034 0.000
22
0.127 0.002
23
0.358 0.026
24
0.723 0.222
ULADECH
.437
.1
.2
0.905
0.995
1.000
0.81
9
0.98
2
0.99
9
1.00
0
3
4
.3
X ____________________
.4
.5
.6
.7
.8
.9
1.0
0.741 0.670
0.607
0.549
0.497
0.449
0.407
0.368
0.963 0.938
0.910
0.878
0.844
0.809
0.772
0.736
0.996 0.992
0.986
0.977
0.966
0.953
0.937
0.920
1.000 0.999
0.998
0.997
0.994
0.991
0.987
0.981
1.000
1.000
1.000
0.999
0.999
0.998
0.996
1.000
1.000
1.000
0.999
5
6
1.000
2.0
3.0
4.0
5.0
6.0
7.0
8.0
9.0
10.0
15.0
20.0
0.135
0.050
0.018
0.007
0.002
0.001
0.000
0.000
0.000
0.000
0.000
0.406
0.199
0.092
0.040
0.017
0.007
0.003
0.001
0.000
0.000
0.000
0.677
0.423
0.238
0.125
0.062
0.030
0.014
0.006
0.003
0.000
0.000
0.857
0.647
0.433
0.265
0.151
0.082
0.042
0.021
0.010
0.000
0.000
0.947
0.815
0.629
0.440
0.285
0.173
0.100
0.055
0.029
0.001
0.000
0.983
0.961
0.785
0.616
0.446
0.301
0.191
0.116
0.067
0.003
0.000
0.995
0.966
0.889
0.762
0.606
0.450
0.313
0.207
0.130
0.008
0.000
0.999
0.988
0.949
0.867
0.744
0.599
0.453
0.324
0.220
0.018
0.001
1.000
0.996
0.979
0.932
0.847
0.729
0.593
0.456
0.333
0.037
0.002
0.999
0.992
0.968
0.916
0.830
0.717
0.587
0.458
0.070
0.005
10
1.000
0.997
0.986
0.957
0.901
0.816
0.706
0.583
0.118
0.011
11
0.999
0.995
0.980
0.947
0.888
0.803
0.697
0.185
0.021
12
1.000
0.998
0.991
0.973
0.936
0.876
0.792
0.268
0.039
13
0.999
0.996
0.987
0.966
0.926
0.864
0.363
0.066
14
1.000
0.999
0.994
0.983
0.959
0.917
0.466
0.105
15
0.990
0.998
0.992
0.978
0.951
0.568
0.157
16
1.000
0.999
0.996
0.989
0.973
0.664
0.221
1.000
0.998
0.995
0.986
0.749
0.297
18
0.999
0.998
0.993
0.819
0.381
19
1.000
0.999
0.997
0.875
0.470
1.000
0.998
0.917
0.559
21
0.999
0.947
0.644
22
1.000
0.967
0.721
23
0.981
0.787
24
0.989
0.843
25
0.994
0.888
26
0.997
0.922
27
0.998
0.948
28
0.999
0.966
29
1.000
0.978
17
20
30
0.987
31
0.992
32
0.995
33
0.997
34
0.999
35
0.999
36
1.000
438
000
a w W W W M N W K) K) W _K> M K _k -k _k _k -A -x _* - o O O O O O O O O O > 3 > O O > O J J -* J- -* -A -k -A _N> > JO ro K> N> _N> K> N
K K> > J W W U U M J O () 00 Vj o OI i, ii M o '(f Vj "o w k W N O 00 -J O "o< A W M O O * N W ik i m "(O "o ro W A W <J> 'J 00 *(C O *
M W ik W OI Vj O) 'jo o *-* M w
oo op oo ooo pop po oooo ooo po op op oppp p ppo pppp oo ppoo ooo pppp p op oo ooo oopo po oooo
0
b
bbbbbbbbbbbbiobbbbbbbbbbba^^sin'o)(uibi(n&ikii.uuuoNo^'>>^libbbbbbbbbbbbbbbbbbbbbb
ID(0(CU)lD(lDU)li)(I)( 001C0'JS 0'&WN)OC0tnA-l0|JlNI0UlM0JikOI0Ul-SbO'JUOCSWW-*(0S(nUlikWMr0JJ-OOOOOOOOOOO
i i 5 i c i o ( o c s c o > v j o ) ( fl A r o ) ( n w M - f r O ) ( 7 i 6 i O i k o i m w c o - _ K o w i o - * u u i a i O )
(n cBo wo cs io - (nw uw) www w coK)' Ju octo )i uK )- i- o ooo
'!UlU^-4K)(nO)VlOOO)ftOlCOU)U)AUIA'J(OIOOlOOOIO>k-kO^SNCOOOK)COWIOOUIU) 01kK)UiaauOl^OlK)-i|OfrOlfrOOUl^UlO)U(OSUlW
OOOO00000000000000000000000000000000000OOOOOOopoppppppppppoooopooooooo
bbbbbbbbbbbbbbbbioiobbbboocDa^ssbibiniiniu^fr'uuuioMro^^aabbbbbbbbbbbbbbbbbbbbbb
lDlDU)lDlDC0U)lDl)(DU)a)tC 0'JS0)ln^UK)OCB0ltkr0l00)U(0(JIK)03AOI0l-i'JUOIT)UO'4lW-U0>l(nWAWWW---OOOOOOOOOOO
(0l0(0C0a)NlCnirHkK)l 00>W09N)W'J*J0CDC0a)01-*wtK)0JK)WSSC0NWNi'J-gin0>CW-*ausft0(0lk>|a>|WOJ0likWK)--*OOOO
00OU0>0>UfrSKJ 0)030)^K)< 0MfrOi00Oi-kCBOOM(D0iK)Ul0)0)-C0(0&M&0>WO)>l^A'JOK)K)00(0&U&MUa)0)UiU
0
0
) K
'4ViD.aMK)0)'l0I^K)00
)
0000000000000000000000000000000000000000000000000000000000000000000000
0bbbbbbbbbbbbbbbbbbbbbb'oonb>iss*<inbbbibiiCkL.frwuk)k)K)k>alklkl 4bbbbbbbbbbbbbbbbbbbbbb
lDICl0U5lDUJl0l0lD(J3U)llJa)a)SM 0)UifcWN)O(fi'lfcf 0(0(JIUO(Jl(v)l 0Ut-a)tOSWIfimWO'JUl(0OID'J 0)UlfrWNM--*OOOOOOOOOOOO
(OU)(OIDCOOO>IOIOi^K)OMh)COU) 0>COCO*4UCOOOO)UO)'J<n-kffl(0->-iK)COa)(OOWCOlkMUOl-*(OU)^ 0)U^^UO)-kOIK)IO'>JO<frUK)--iOOOO
'j0ift-*0)W'JC0'jww-*-*ftMfcw(iO0>W'Jt(f('>JW'JU) 6uO'JOOwO'J0i-W'iwwyi0WC0kO0)a<ncDWff)(fii0i'iwMW'if0U)0>^w
0
b
c
o
p pppp pp ppp pp pup pp pp ppp pp ppp pp pppp p pppp p ppo pppp ppp pp ppp pp pop pop ppp oo oo o
soo
0.04
bbbiioifbii)bibbbbiciobicii)bDDB!'cows>issJiai(f'wif'&ffcUuk)K)k)N)JJJjbbbbbbbbbbbbbbbbbbbbbb
UI({ll0(OlO(OIDIlllOip(O(OCOOO'J^OIUiAUK)OU)SVilO(S*IUO* 4U<0(A->OO>Oa)UUO)MO'J(>KJOlO'4OIUllkUK)K)-k-OOOOOOOOOOOO
U)lfU)lDtOW' 10101ilK)0'JUlOW'JU)U)COWl>IOK)OmiOOOJWOW4.UlO)ik^Uia)Oi-U)OUI'JSO*.-*OOK)0100>N)lO'JWftUM -*-*0000
'jm>iK)C0kSl0lDOlSkW0JW(-i-UlN)-i(0UHDCDAltk(X)<kO-0)'JOOUNJ10O0)-0)0l0)O-0l-l00)0'(0l0W'JWW0>WlJ<--W 01K)05(DtiW
900
00000000000000000000000000000000000000poooooopopopopooooooooooooo00000
(oiobbiobbbbiobbbbbbbbbbbbbbbna^^^bbiini&fr&uuMkiM^lk^^^bbbbbbbbbbbbbbbbbbbbbb
l0(l0lj)H)l()miDl0lDI0lfC0C0'J'JCnuiUlWN)-l0'JinK)O,>JftO'"IWIfiW-*C0kO01l0lilUlMU)-gftf0O0'J0lfcfcWI 0l0--*OOOOOOOOOOOO
(0(0(OIOOJO'* 4SO>fcN>0'JfttOfc'iU)OlOO>-kftK4COMWMCOU0100(0(000-*WO)->O)'J-iO)(OOWOtOOK>OWMIO-v|w5wN-aOOOO
go)AN(Oiicooooi(0(J){DK)a)fca)U)iftwwi).u>-*(OW.K)Coo)05'gci)<o-*ikUWftroc0)'j-( 0-0)(fyiO)tfi-romwcoK)^-'ftoONO)-icocnfcu
00000000000000000000000000000000000000opoooooooooooooooooopooooooooooo
bbbbbbbbbbbiobbioioioioiobbbbcobacio^-'i'jbininwbfrtkulibooki^^aLiLkbbbbbbbbbbbbbbbbbbbbbb
lOU510UJU)(OU)(DU)U)(DUCOCBCO' 4(J> 01lftNJ-U)'JUlWO'JA-'JA001W'JWU3iriK)(UlMlil01fOOCO^OliCJWKJ---i.OOOOOOOoOOOO
U<(0U>< 0CDC0^M0>frWOC 0frOUl0O^O*JU0)'4UI-Ul0)0ll0NOMUU0)0>>ll0r0^&U>00.UU(nNI0CDI0^UII0UI-tl00l0lUK)K}^^OOOO
SOlAKXOUKO^-kCD-tlO-kOlWOOlOOlnOlCO^roO^Ui-tfrAUIOOtOIOXO-iA^frOONOIOXOUiOtOCOtONtfrltoAOS&UI-klOKXXIIO-tUi-iCaaiAu
0000000000000000000000000000000000000000000000000000000000000000000000
bbbbbbbbbbbbbbbbbbbbbbababssstnaioi(inikAuuwk)Mkjjl*l*l*^bbbbobbbbbbbobbbbbobob
ID(OlOlfi()lOlOlOUJ())lDaiCOOI'J(7l010t|i(0-lf'JUlWO'JA-OlAO(nM' 4Wr,
tfiaCOUlWlDOUkMOW'JUtftUUNJ-i-aOOOOOOOoOOOO
(0<OIOiOCOOO'J'JOHkWaeolOOHO-*K>-OACO( 0'Jfc'J><noSo>>J'JMN)W'/i'lk-*OroO>M-MWOOO'IOJO(OiJCOO)WrON-i>aOOOO
'MO)VlK)
(0(n(ONM(OK)->fr 00001WOIUl09N'JOO>40CDtOI'JOOU(niO-iWOI>4.JU&OIK)OUOOUOOK)Ulfr>J.rOOO)IOOO-kOOOO-iUI-*COOl^U
0
0
vi
000000000000000000000000opooooopopopopopopooooopoooooooooooooooooooooo
bbbbiobbbbbbbbbbbbbbbbbbaiaob^ssbbbii^&uwwioMM^^lilk^bbbbbbbbbbbbbbbbbbbbbb
(i)U)U)iDii)U)u)U)(D(ciioM03CO'j(n(nwikw-*(Ocouiw-Cow-C06-'jwmwo)ui-OiA-icsa).-ocoo)'iwwfo-*^aoooooooooooo
lC(I)(D(OU 5Cna3S(TIWW-*(l-i(Tlli)KJWK) 0(J)(0-*U)010K)-U5fCOO-^0)COIOK)Ul-*a)SU)WO(DOWlOSCn>JOU03U-*COO)6WK)K )--0000
SO)OlUOO)OWW-*U>JAN)-itOWUllOO)K)SOI' 01W'JO^OWlO-iO)SOO)OWSAW-OWCOi-(fW-U)COO)WSOHD'JSOOSOiiW
u)(ifibbbbbbbbbbbbbbbbbbbbco 3CoS'Jso>biff>inwik^wuwNNfo^l*jjibbbbbbbbbbbbbbbbbbbbbbb
(fU)U)(D(D(flOU)U)(;U)(OCoaCO'J'Jf)lfcWJOCO(JlUJCOWN)l-'JW 01K)a)ik-S|k-*COO)U-><OraSUI>UMO--*JOOOOOOOOOOOO
<0<Ot 010IOCOO)'JO>tU-KOW-0>OUitk-'>J-WK)OOWW^N'lJftWWftikWOONSftOa'J'JOOWOOWWOIU)WOOA-i>COO>ikWNJJ -0000
'JWU001-fcikfOffl(nO'i>('IO)WWJIO'JlO-*IOUWlOik( 0'JJW(arJiOyaoiJO)S-(DOlW-lfiOl'JAWUUOfr&eoOIO)HiO'JWWNJ
03
1 1
600
p pppp pp ppp pp ppp pp pp ppp pp ppp pp ppp pp pppp p pppp pop op pppp pp po ooo ooooo ooo ooo
ULADECH
.439
440
ULADECH
.441
442
ULADECH
.443
444
ULADECH
.445
446
ULADECH
.447
0.0
0.1
0.0000
0.0797
0.0080
0.0876
0.0160
0.0955
0.0239
0.1034
0.0319
0.1113
0.0399
0.1192
0.0478
0.1271
0.0558
0.1350
0.0638
0.1428
0.0717
0.1507
0.2
0.1585
0.1663
0.1741
0.1819
0.1897
0.1974
0.2051
0.2128
0.2205
0.2282
0.3
0.2358
0.2434
0.2510
0.2586
0.2661
0.2737
0.2812
0.2886
0.2961
0.3035
0.4
0.3108
0.3182
0.3255
0.3328
0.3401
0.3473
0.3545
0.3616
0.3688
0.3759
0.5
0.3829
0.3899
0.3969
0.4039
0.4108
0.4177
0.4245
0.4313
0.4381
0.4448
0.6
0.4515
0.4581
0.4647
0.4713
0.4778
0.4843
0.4907
0.4971
0.5035
0.5098
0.7
0.5161
0.5223
0.5285
0.5346
0.5407
0.5467
0.5527
0.5587
0.5646
0.5705
0.8
0.5763
0.5821
0.5878
0.5935
0.5991
0.6047
0.6102
0.6157
0.6211
0.6265
0.9
0.6319
0.6372
0.6424
0.6476
0.6528
0.6579
0.6629
0.6680
0.6729
0.6778
1.0
0.6827
0.6875
0.6923
0.6970
0.7017
0.7063
0.7109
0.7154
0.7199
0.7243
1.1
0.7287
0.7330
0.7373
0.7415
0.7457
0.7499
0.7540
0.7580
0.7620
0.7660
1.2
0.7699
0.7737
0.7775
0.7813
0.7850
0.7887
0.7923
0.7959
0.7995
0.8029
1.3
0.8064
0.8098
0.8132
0.8165
0.8198
0.8230
0.8262
0.8293
0.8324
0.8355
1.4
0.8385
0.8415
0.8444
0.8473
0.8501
0.8529
0.8557
0.8584
0.8611
0.8638
1.5
0.8664
0.8690
0.8715
0.8740
0.8764
0.8789
0.8812
0.8836
0.8859
0.8882
1.6
0.8904
0.8926
0.8948
0.8969
0.8990
0.9011
0.9031
0.9051
0.9070
0.9090
1.7
0.9109
0.9127
0.9146
0.9164
0.9181
0.9199
0.9216
0.9233
0.9249
0.9265
1.8
0.9281
0.9297
0.9312
0.9328
0.9342
0.9357
0.9371
0.9385
0.9399
0.9412
1.9
0.9426
0.9439
0.9451
0.9464
09476
0.9488
0.9500
0.9512
0.9523
0.9534
2.0
0.9545
0.9556
0.9566
0.9576
0.9586
0.9596
0.9606
0.9615
0.9625
0.9634
2.1
0.9643
0.9651
0.9660
0.9668
0.9676
0.9684
0.9692
0.9700
0.9707
0.9715
2.2
0.9722
0.9729
0.9736
0.9743
0.9749
0.9756
0.9762
0.9768
0.9774
0.9780
2.3
0.9786
0.9791
0.9797
0.9802
0.9807
0.9812
0.9817
0.9822
0.9827
0.9832
2.4
0.9836
0.9840
0.9845
0.9849
0.9853
0.9857
0.9861
0.9865
0.9869
0.9872
2.5
0.9876
0.9879
0.9883
0.9886
0.9889
0.9892
0.9895
0.9898
0.9901
0.9904
2.6
0.9907
0.9909
0.9912
0.9915
0.9917
0.9920
0.9922
0.9924
0.9926
0.9929
2.7
0.9931
0.9933
0.9935
0.9937
0.9939
0.9940
0.9942
0.9944
0.9946
0.9947
2.8
0.9949
0.9950
0.9952
0.9953
0.9955
0.9956
0.9958
0.9959
0.9960
0.9961
2.9
0.9963
0.9964
0.9965
0.9966
0.9967
0.9968
0.9969
0.9970
0.9971
0.9972
3.0
0.9973
0.9974
0.9975
0.9976
0.9976
0.9977
0.9978
0.9979
0.9979
0.9980
3.1
0.9981
0.9981
0.9982
0.9983
0.9983
0.9984
0.9984
0.9985
0.9985
0.9986
3.2
0.9986
0.9987
0.9987
0.9988
0.9988
0.9988
0.9989
0.9989
0.9990
0.9990
3.3
0.9990
0.9991
0.9991
0.9991
0.9992
0.9992
0.9992
0.9992
0.9993
0.9993
3.4
0.9993
0.9994
0.9994
0.9994
0.9994
0.9994
0.9995
0.9995
0.9995
0.9995
,_ a 2
0.0005
0.90
0.95
0.975
0.99
0.995
0.9975
0.999
0.9995
1.645
1.960
2.241
2.576
2.807
3.023
3.291
3.481
448
TABLA V:ULADECH
Tabla de la Distribucin T Student con v Grados de Libertad Valor
.449
Crtico t i-a.u
0.10
0.05
0.025
0.01
0.005
1-a
0.90
0.95
0.975
0.99
0.995
0.001
63.66
9.925
0.002
5
0.997
5
10.99
75
*0.90
to. 95
to.975
10.99
10.995
1
2
3.078
1.886
6.314
2.920
12.71
4.303
31.82
6.965
127.3
14.02
318.3
22.33
1.638
2.353
3.182
1.533
2.132
2.776
4.541
5.841
7.453
10.21
3.747
4.604
5.598
1.476
2.015
7.173
2.571
3.365
4.032
4.773
1.440
5.893
1.943
2.447
3.143
3.707
4.317
5.208
1.415
1.895
2.365
2.998
3.499
4.029
4.785
1.397
1.860
2.306
2.896
3.355
3.833
4.501
1.383
1.833
2.262
2.821
3.250
3.690
4.297
10
1.372
1.812
2.228
2.764
3.169
3.581
4.144
11
1.363
1.796
2.201
2.718
3.106
3.497
4.025
12
1.356
1.782
2.179
2.681
3.055
3.428
3.930
13 _
1.350
1.771
2.160
2.650
3.012
3.372
3.852
14
1.345
1.761
2.145
2.624
2.977
3.326
3.787
15
1.341
1.753
2.131
2.602
2.947
3.286
3.733
16
1.337
1.746
2.120
2.583
2.921
3.252
3.686
17
1.333
1.740
2.110
2.567
2.898
3.222
3.646
18
1.330
1.734
2.101
2.552
2.878
3.197
3.610
19
1.328
1.729
2.093
2.539
2.861
3.174
3.579
20
1.325
1.725
2.086
2.528
2.845
3.153
3.552
21
1.323
1.721
2.080
2.518
2.831
3.135
3.527
22
1.321
1.717
2.074
2.508
2.819
3.119
3.505
23
1.319
1.714
2.069
2.500
2.807
3.104
3.485
24
1.318
1.711
2.064
2.492
2.797
3.091
3.467
25
1.316
1.708
2.060
2.485
2.787
3.078
3.450
26
1.315
1.706
2.056
2.479
2.779
3.067
3.435
27
1.314
1.703
2.052
2.473
2.771
3.057
3.421
28
1.313
1.701
2.048
2.467
2.763
3.047
3.408
29
1.311
1.699
2.045
2.462
2.756
3.038
3.396
30
1.310
1.697
2.042
2.457
2.750
3.030
3.385
40
1.303
1.684
2.021
2.423
2.704
2.971
3.307
50
1.299
1.676
2.009
2.403
2.678
2.937
3.261
60
1.296
1.671
2.000
2.390
2.660
2.915
3.232
70
1.294
1.667
1.994
2.381
2.648
2.899
3.211
80
1.292
1.664
1.990
2.374
2.639
2.887
3.195
90
1.291
1.662
1.987
2.368
2.632
2.878
3.183
100
1.290
1.660
1.984
2.364
2.626
2.871
3.174
200
1.286
1.653
1.972
2.345
2.601
2.838
3.131
500
1.283
1.648
1.965
2.334
2.586
2.820
3.107
co
1.282
1.645
1.960
2.326
2.576
2.807
3.090
0.999
10.999
0.10
0.05
0.02
0.01
0.005
0.002
0.001
l a
0.90
0.95
0.98
0.99
0.995
0.998
0.999
to. 95
to.975
^ 0.99
10.995
to.9975
to.999
to.9995
6.314
12.71
31.82
63.66
127.3
318.3
636.6
2.920
2.353
2.132
2.015
1.943
1.895
1.860
1.833
1.812
1.796
1.782
4.303
3.182
2.776
2.571
2.447
2.365
2.306
2.262
2.228
2.201
2.179
2.160
2.145
2.131
2.120
2.110
2.101
2.093
2.086
2.080
2.074
2.069
2.064
2.060
6.965
4.541
3.747
3.365
3.143
2.998
2.896
2.821
2.764
2.718
2.681
2.650
2.624
2.602
2.583
2.567
2.552
9.925
5.841
4.604
4.032
3.707
3.499
3.355
3.250
3.169
3.106
3.055
3.012
2.977
2.947
2.921
2.898
2.878
2.861
2.845
2.831
2.819
2.807
22.33
10.21
7.173
5.893
5.208
4.785
4.501
4.297
4.144
2.787
2.779
2.771
2.763
2.756
2.750
2.704
2.678
2.660
2.648
2.639
2.632
14.09
7.453
5.598
4.773
4.317
4.029
3.833
3.690
3.581
3.497
3.428
3.372
3.326
3.286
3.252
3.222
3.197
3.174
3.153
3.135
3.119
3.104
3.091
3.078
3.067
3.057
3.047
3.038
3.030
2.971
2.937
2.915
2.899
2.887
2.878
2.626
2.871
3.174
2.601
2.838
3.131
2.586
2.576
2.820
2.807
3.107
3.090
31.60
12.92
8.610
6.869
5.959
5.408
5.041
4.781
4.587
4.437
4.318
4.221
4.140
4.073
4.015
3.965
3.922
3.883
3.850
3.819
3.792
3.768
3.745
3.725
3.707
3.690
3.674
3.659
3.646
3.551
3.496
3.460
3.435
3.416
3.402
3.390
3.340
3.310
3.291
4
5
6
7
8
9
10
11
12
13
1.771
14
1.761
1.753
1.746
1.740
1.734
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50
60
70
80
90
100
200
1.729
1.725
1.721
1.717
1.714
1.711
1.708
1.706
1.703
1.701
1.699
1.697
1.684
1.676
2.056
2.052
1.667
1.664
1.662
2.048
2.045
2.042
2.021
2.009
2.000
1.994
1.990
1.987
1.660
1.984
1.653
1.972
1.671
500
1.648
1.965
00
1.645
1.960
2.539
2.528
2.518
2.508
2.500
2.492
2.485
2.479
2.473
2.467
2.462
2.457
2.423
2.403
2.390
2.381
2.374
2.368
2.364
2.345
2.334
2.326
2.797
4.025
3.930
3.852
3.787
3.733
3.686
3.646
3.610
3.579
3.552
3.527
3.505
3.485
3.467
3.450
3.435
3.421
3.408
3.396
3.385
3.307
3.261
3.232
3.211
3.195
3.183
450
X2
A
X2
0.99
X2
A
0.975
X2
* 0.95
X2
0.90
X2
0.75
X2
X2
0.50
0.25
X2
0.10
X2
0.05
X2
A
X2
0.01
X2
0.005
0.995
7.88
6.64
5.02
3.84
2.71
1.32
0.455
10.60
9.21
7.38
5.99
4.61
2.77
1.39
0.575
0.211
0.103
12.84
11.35
9.35
7.81
6.25
4.11
2.37
1.21
0.584
0.352
0.025
0.001 0.0002
0
0.050 0.0201
6
0.216 0.115
14.84
13.28
11.14
9.49
7.78
5.39
3.36
1.92
1.06
0.711
0.484
0.297
0.207
16.75
15.09
12.83
11.07
9.24
6.63
4.35
2.67
1.61
1.15
0.831
0.554
0.412
18.55
16.81
14.45
12.59
10.65
7.84
5.35
3.45
2.20
1.64
1.24
0.872
0.676
20.28
18.48
16.01
14.07
12.02
9.04
6.35
4.25
2.83
2.17
1.69
1.24
0.989
21.96
20.09
17.54
15.51
13.36
10.22
7.34
5.07
3.49
2.73
2.18
1.65
1.34
23.59
21.67
19.02
16.92
14.68
11.39
8.34
5.90
4.17
3.33
2.70
2.09
1.73
10
25.19
23.21
20 48
18.31
15.99
12.55
9.34
6.74
4.87
3.94
3.25
2.56
2.16
11
26.76
24.73
21.92
19.68
17.28
13.70
10.34
7.58
5.58
4.57
3.82
3.05
2.60
12
28.30
26.22
23.34
21.03
18.55
14.85
11.34
8.44
6.30
5.23
4.40
3.57
3.07
13
29.82
27.69
24.74
22.36
19.81
15.98
12.34
9.30
7.04
5.89
5.01
4.11
3.57
14
31.32
29.14
26.12
23.69
21.06
17.12
13.34
10.17
7.79
6.57
5.63
4.66
4.07
15
32.80
30.58
27.49
25.00
22.31
18.25
14.34
11.04
8.55
7.26
6.26
5.23
4.60
16
34.27
32.00
28.85
26.30
23.54
19.37
15.34
11.91
9.31
7.96
6.91
5.81
5.14
17
35.72
33.41
30.19
27.59
24.78
20.48
16.34
12.79
10.09
8.67
7.56
6.41
5.70
18
37.16
34.81
31.53
28.87
25.99
21.61
17.34
13.68
10.87
9.39
8.23
7.01
6.26
19
38.58
36.19
32.85
30.14
27.20
22.72
18.34
14.56
11.65
10.12
8.91
7.63
6.84
20
40.00
37.57
34.17
31.41
28.41
23.83
19.34
15.45
12.44
10.85
9.59
8.26
7.43
21
41.40
38.93
35.48
32.67
29.62
24.94
20.34
16.34
13.24
11.59
10.28
8.90
8.03
22
42.80
40.29
36.78
33.92
30.81
26.04
21.34
17.24
14.04
12.34
10.98
9.54
8.64
23
44.18
41.64
38.08
35.17
32.01
27.14
22.34
18.14
14.85
13.09
11.69
10.20
9.26
24
45.56
42.98
39.36
36.42
33.20
28.24
23.34
19.04
15.66
13.85
12.40
10.86
9.89
25
46.93
44.31
40.65
37.65
34.38
29.34
24.34
19.94
16.47
14.61
13.12
11.52
10.52
26
48.29
45.64
41.92
38.89
35.56
30.44
25.34
20.84
17.29
15.38
13.84
12.20
11.16
27
49.64
46.96
43.19
40.11
36.74
31.53
26.34
21.75
18.11
16.15
14.57
12.88
11.81
28
50.99
48.28
44.46
41.34
37.92
32.62
27.34
22.66
18.94
16.93
15.31
13.57
12.46
29
52.34
49.59
45.72
42.56
39.09
33.71
28.34
23.57
19.77
17.71
16.05
14.26
13.12
30
53.67
50.89
46.98
43.78
40.26
34.80
29.34
24.48
20.60
18.49
16.79
14.95
13.79
40
66.77
63.69
59.34
55.76
51.81
45.62
39.34
33.66
29.05
26.51
24.43
22.16
20.71
50
79.49
76.15
71.42
67.50
63.17
56.33
49.34
42.94
37.69
34.76
32.36
29.71
27.99
60
91.95
88.38
83.30
79.08
74.40
67.00
59.34
52.29
46.46
43.19
40.48
37.48
35.54
70
104.2
0
166.3
0
128.3
0
140.2
0
100.4
0
112.3
0
124.1
0
135.8
0
95.02
90.53
85.53
77.58
69.34
61.70
55.33
51.74
48.76
45.44
43.28
106.6
0
118.1
0
129.6
0
101.9
0
113.1
0
124.3
0
96.58
88.13
79.34
71.14
64.28
60.39
57.15
53.54
51.17
107.6
0
118.5
0
98.65
89.34
80.62
73.29
69.13
65.65
61.75
59.20
109.1
4
99.34
90.13
82.36
77.93
74.22
70.06
67.33
80
90
100
BIBLIOGRAFA
0.000
0.010
0.072
BANCO DE PREGUNTAS
ESTADSTICA
1.
a)
b)
c)
d)
a)
b)
c)
d)
Rpta.:
Variable cuantitativa continua
Variable cualitativa nominal.
Variable cualitativa ordinal.
Variable cuantitativa discreta.
2. Identificar la unidad de observacin y la variable de estudio en el siguiente
enunciado: Poblacin de ingenieros civiles segn sus ingresos en soles:
Unidad de observacin:...............................................................................................
Variable:..............................................................................................
a)
b)
c)
d)
3. Una variable cuantitativa discreta se caracteriza porque sus valores a tomar son
contables.
a) Verdadero
b) Falso Rpta. a
4. Los siguientes datos corresponden a una muestra aleatoria de 40 egresados de la
ULADECH CATLICA de la ciudad de Chimbote segn su nmero de ofertas
laborales laborales en el ao 2011:
2
5
3
3
2
4
1
2
2
3
a)
b)
i)
ii)
iii)
La informacin fue obtenida mediante una encuesta realizada por Gerencia de Gestin de
Calidad.
Conteste las siguientes preguntas:
Cuntos egresados han tenido 3 ofertas laborales o menos?
Qu porcentaje de egresados han tenido 4 ofertas laborales o ms?
Respuestas:
16, 35%
35 y 26%
26 y 35%
iv) n.a.
Rpta. iii
0
0
0
1
[1400 - 1800)
o
0
4
1
5. El Director Ejecutivo del Hospital La Caleta Chimbte, tiene que presentar un informe
descriptivo sobre el sueldo de los trabajadores de dicho hospital para tomar
decisiones sobre pedidos constantes de aumento de sueldo, por el tiempo de
servicio que tienen en el hospital y la profesionalizacin adquirida. Ayude al Director
Ejecutivo del Hospital La Caleta de Chimbote a preparar el informe descriptivo
calculando las medidas de tendencia central: media, mediana y moda, de acuerdo a
la distribucin adjunta a continuacin:
N de trabajadores
Sueldo mensual en
soles LI - LS
10
80
[1800 - 2200)
120
[2200 - 2600)
80
[ 2600 - 3000)
10
Total
300
i)
ii)
iii)
iv)
a)
10. Los datos de la variable tipos de violencia familiar: Violencia fsica, violencia sexual
y violencia emocional, se deben graficar a travs de:
polgono de frecuencias
grfico de sectores circulares
grfico lineal
n.a.
Seleccione una respuesta:
i b) ii
c) iii
d) iv
Rpta.: b
c) 0.0869 d) 0.9011
2. El nivel de
significancia es es el error
que se comete cuando el investigador no acepta la hiptesis nula siendo sta
verdadera en la poblacin.
a) Verdadero
b) Falso
Rpta.: a
3.
a)
b)
c)
d)
Rpta.: d
4. Un tipo de hiptesis nula es una hiptesis:
a) experimental que no implica pruebas empricas
b) estadstica que asume que existen diferencias de varios tamaos entre los
efectos de diferentes tratamientos.
c) experimental que ha sido declarada incompatible con los datos empricos.
d) estadstica que indica que no hay diferencias entre los efectos de los
tratamientos.
Rpta.: d
5. Si la hiptesis nula es rechazada:
a) la hiptesis de investigacin es rechazada
c) la hiptesis de investigacin es aceptada
c) los resultados de la investigacin no pueden ser interpretados
d) la hiptesis de investigacin se ha demostrado
Rpta.: c
a)
b)
c)
d)
8.
a)
b)
c)
d)
9.
a)
b)
c)
d)
GUA
DIDCTICA
GUIA DIDACTICA
ASIGNATURA
ESTADISTICA
GUIA
DIDACTICA
ndice
1. Presentacin de la Gua Didctica
2. Presentacin del Equipo Docente
3. Introduccin a la Asignatura
4. Requisitos previos
5. Estrategias para el aprendizaje
5.1 Orientaciones para el Aprendizaje
5.2 Orientaciones para la tutora
5.3 Medios y Materiales
6. Evaluacin / instrumentos de evaluacin
GUIA
DIDACTICA
3. Introduccin a la Asignatura
La asignatura busca que usted:
4
6
1
Unidad
Objetivo
Didctic Especifico/
a
Competencia
Temas Ejes
I Unidad Presentar e
interpretar
informacin
estadstica
mediante
distribuciones
de frecuencias
y grficos
estadsticos
II
unidad
Calcular
interpretar
medidas
tendencia
central
de
conjunto
datos
observados
Semana de Resumen
Estudio
Pginas de
texto
Estadstica
Bsica25 - 47
Estadstica. 1 2 3 4 Elaboracin e Aplicaciones
Trminos de
5-6
interpretan de
estadstica.
semana distribuciones
Recoleccin
de frecuencias
de datos
para un
conjunto
de
Distribucion
datos
es de
observados.
frecuencias
Grficos
Elaboracin e
estadsticos
interpretan de
grficos
estadsticos
para
un
conjunto
de
datos
observados.
e La media
aritmtica
de
un
de
La mediana
La moda
7-8-9- Clculo
e
10
interpretacin
semana de la media
aritmtica,
mediana
y
moda de un
conjunto
de
datos
observados.
53 - 67
GUIA
DIDACTICA
conjunto de
datos
observados
Medidas
asimetr
a
de
Medidas
forma
de
11-12-
semana
de
Clculo e
interpretaci
n las
de
medidas
de
dispersin,
medidas de
asimetra y
medidas de
crtosis de
un
conjunto de
datos.
7
7
7
7
n
u
e
d
a
m
r
r
fo
III
Unidad
Medias
dispersi
n
i 3
Calcular e
interpretar
medidas de
dispersin y de
4
6
3
4. Requisitos Previos
La asignatura exige haber aprobado la asignatura de Matemtica y Lgica
(Contabilidad, Administracin, Administracin Turstica y Derecho) o Matemtica
para Educadores (Educacin), del I Ciclo de estudio.
4
6
4
GUIA
DIDACTICA
Semanas de Estudio
1
3
4
UNIDAD I
5.1
8
9
UNIDAD II
10
11
12
13
14
UNIDAD III
15
4
6
5
Unidad
Didctic
a
Objetivo
Especifico/
Competencia
I Unidad
Presentar e
interpretar
informacin
estadstica
mediante
distribuciones de
frecuencias y
grficos
estadsticos
Temas Ejes
Semana de Resumen
Estudio
Pginas de
texto
Estadstic
a
BsicaAplicacione
Estadstica. 1 2 3 4 Inicie analizando s 25 - 47
Trminos de
5-6
el SPA (slabo y
estadstica.
semana Planes
de
Recoleccin
Aprendizaje)
de datos
ingresando al EVA
Pregrado (campus
virtual).
Elabore
e
intrprete
de
distribuciones de
frecuencias
y
grficos
estadsticos para
un conjunto de
datos observados.
Participe en la
tutora asincrona
de la 1 semana
de
estudio
a
travs del foro,
que se encuentra
en
el
campus
virtual.
Distribucion
es de
frecuencias
Participe en la
tutora sncrona a
travs del chat
que se encuentra
en
el
campus
virtual, en la 3
semana
de
estudio.
4
6
6
Grficos
estadsticos
GUIA
DIDACTICA
4
6
7
II unidad Calcular
e
e La
media 7-8-9- Calcule
interprete
la
interpretar
10
aritmtica
medidas
de
semana media aritmtica,
mediana y moda.
tendencia
central
de un conjunto de
Participe en la
datos observados
tutora sncrona a
travs del chat
que se encuentra
La mediana
en
el
campus
virtual, en la 7
semana
de
estudio.
La moda
Desarrolle
el
trabajo
de
aplicacin
sobre
la
media
aritmtica
y
presntelo en la
7
semana
de
estudio a travs
del
campus
virtual.
53 - 67
Participe en la
tutora presencial
de la 8 semana
de estudio.
Desarrolle
la
actividad
de
investigacin
formativa 02 y
presntela la 8
semana
de
estudio a travs
del
campus
virtual.
Participe del foro
de
responsabilidad
social 02 en la 8
semana
de
estudio a travs
del
campus
virtual.
Participe en la
tutora sncrona a
travs del chat
que se encuentra
en
el
campus
virtual, en la 9
46
8
Desarrolle
el
trabajo
de
aplicacin
sobre
la
mediana
y
GUAen la 10
moda
semana
DIDCTICAde
estudio
y
presntelo
a
travs del campus
virtual.
III
Unidad
Medidas
forma
de
7
8
i
7
7
Calcular
e Medias
de 11-12interpretar
dispersin
13-14medidas
de
15
dispersin
y
de
semana
forma
de
un Medidas
de
conjunto de datos asimetra
observados
Participe
del
examen en lnea
de la unidad 02
en la 10 semana
de
estudio
a
Participe
en la
tutora sncrona a
travs del chat
que se encuentra
en
el
campus
virtual, en la 11
semana
de
estudio.
Desarrolle
el
trabajo
de
aplicacin
sobre
medidas
de
dispersin
y
presntelo en la
11 semana de
estudio a travs
del
campus
virtual.
Participe en la
tutora presencial
de la 12 semana
de estudio.
Participe en la
tutora sncrona a
travs del chat
que se encuentra
en
el
campus
virtual, en la 13
semana
de
estudio.
Desarrolle la
actividadde investigacin
formativa 03
y
46
9
5.2
Participe
del
examen en lnea de la
unidad 03 en la 15 semana
de estudio a travs del
campus virtual.
Semanas de Estudio
1
TAS
3
4
TS
TP
UNIDAD I
5
TAS
7
TS
8
9
TP
TS
UNIDAD II
10
11
TS
12
13
14
TP
TS
UNIDAD III
15
TAS
Leyenda:
TAS: Tutora asncrona (foros)
TS: Tutora sncrona (chat)
TP: Tutora presencial
No olvide asistir a la tutora presencial y comunicarse con el docente a travs de la
tutora asncrona y sncrona.
5.3
Medios y Materiales
47
0
Materiales Fsicos:
Usted contar con la Gua Didctica y el Texto de la
GUA
DIDCTICA
Usted contar con el EVA (Entorno Virtual Angelino), desde el cual podr
acceder a la asignatura. Para tal hecho, deber requerir su usuario y clave en la
administracin de la Sede Chimbote o su respectiva Filial ULADECH Catlica.
60%
10%
10%
20%
GUIA DIDACTICA
ASIGNATURA
ESTADISTICA APLICADA
47
1
ndice
1. Presentacin de la Gua Didctica
2. Presentacin del Equipo Docente
3. Introduccin a la Asignatura
4. Requisitos previos
5. Estrategias para el aprendizaje
5.1 Orientaciones para el Aprendizaje
5.2 Orientaciones para la tutora
5.3 Medios y Materiales
6. Evaluacin / instrumentos de evaluacin
47
2
GUA
DIDCTICA
3. Introduccin a la Asignatura
4
7
4
GUA
La asignatura se organiza en tres (3) unidades de aprendizaje
y se desarrollar
DIDCTICA
con el Texto de Estadstica Bsica - Aplicaciones, las cuales puede observar a
continuacin:
Unidad Objetivo
Didctic Especifico/
a
Competencia
I
Unidad
Temas Ejes
Semana de Resumen
Estudio
Pginas de
texto
Estadstica
BsicaUtilizar
Distribucin 1 2 3 4 Uso adecuado Aplicaciones
adecuadamente normal
5
de las tablas
las tablas
general.
semana estadsticas de
estadsticas de Distribucin
la distribucin
las
normal
148 -167
distribuciones
normal
Distribucin
continuas
estndar,
t
t student.
importantes.
student y chi
cuadrado.
Distribucin
chi
cuadrado.
4
7
5
Realizar
Prueba de
adecuadamente hiptesis
para la
Estimar
Intervalos de 6-7-8-9- Clculo
e
adecuadamente confianza
10
interpretacin
intervalos de
para la media semana adecuada
de
confianza y el
poblacional y
intervalos
de
tamao de
tamao
de
confianza para
muestra
muestra.
la media
poblacional y
proporcin
poblacional,
as como el
tamao de
Intervalos de
muestra
confianza
respectivo
para
la
usando las
proporcin
formulas del
poblacional y
muestreo
tamao
de
aleatorio
muestra.
simple.
II
unidad
173 - 183
272 - 273
Desarrollo
adecuado d
e
4
7
6
prueba de
hiptesis
III
Unidad
media
poblacional.
Prueba de
hiptesis
para
la
proporcin
poblacional.
semana
prueba
d
e
hiptesis
la
para
media
y
proporcin
poblaciona
GUA
l.
195 - 213
DIDCTICA
4
7
7
4. Requisitos Previos
4
7
8
GUA
DIDCTICA
Semanas de Estudio
1
2
3
UNIDAD I
8
9
UNIDAD II
10
11
12
13
14
UNIDAD III
4
7
9
15
5.1
Objetivo
Especifico
Utilizar
adecuadament
e las tablas
estadsticas de
las
distribuciones
continuas
importantes.
Temas Ejes
Distribucin
normal
general.
Distribucin
normal
estndar
Distribucin
t student.
Distribucin
chi
cuadrado.
Semana
de
Estudio
1-2-34-5
semana
Resumen
Inicie
analizando
el
SPA (slabo y
Planes
de
Aprendizaje)
ingresando
al
EVA
Pregrado
(campus
virtual).
Pgina de
texto
148 -167
Utilice
adecuadament
e las tablas
estadsticas de
la distribucin
normal
estndar, t
student y chi
cuadrado en
ejercicios
propuestos.
Participe en la
tutora
asincrnica
de
la 1 semana de
estudio a travs
del foro, que se
encuentra en el
campus virtual.
Desarrolle
la
prctica
calificada sobre
distribucin
normal
y
presntela la 2
semana
de
estudio a travs
del
campus
virtual.
Participe en la
tutora sncrona
a
travs
del
chat
que
se
48
0
GUIA
DIDACTICA
en la 3 semana de estudio
estudio a travs
del
campus
virtual
48
1
II
unidad
Estimar
adecuadament
e intervalos de
confianza y el
tamao de
muestra
Intervalos de 6- 7-8-9confianza
10 semana
para la media
poblacional y
tamao
de
muestra.
173 - 183
Calcule e
y
interprete
intervalos de
confianza para
272 - 273
la media y
proporcin
poblacional,
as como el
tamao de
muestra
usando el
muestreo
aleatorio
simple.
Participe en la
tutora sncrona
a
travs
del
chat
que
se
encuentra en el
campus virtual,
en la 7 semana
de estudio.
Desarrolle
la
prctica
calificada sobre
intervalos
de
confianza
para
la
media
poblacional
y
tamao
de
muestra
y
presntela en la
7 semana de
estudio a travs
del
campus
virtual.
Participe en la
tutora
presencial de la
8 semana de
estudio.
Desarrolle
la
actividad
de
investigacin
formativa 02 y
presntela la 8
semana
de
48
2
del
virtual.
campus
Participe
del
foro GUIA
de
responsabilidad
DIDACTICA
social 02 en la
8 semana de
estudio a travs
del
campus
virtual.
Intervalos de
confianza
para
la
proporcin
poblacional y
tamao
de
muestra.
Participe en la
tutora sncrona
a
travs
del
chat
que
se
encuentra en el
campus virtual,
en la 9 semana
de estudio.
Desarrolle
la
prctica
calificada sobre
intervalos
de
confianza
para
la
proporcin
poblacional
y
tamao
de
muestra
y
presntela en la
9 semana de
estudio a travs
del
campus
virtual.
III
Unidad
Realizar
adecuadament
e prueba de
hiptesis
Prueba de
hiptesis
para la
media
poblacional.
Participe
del
examen en lnea
de la unidad 02
en
la
10
semana
de
estudio a travs
del
campus
virtual.
195 11-12-13- Realice
14-15
adecuadament 214
semana
e prueba de
hiptesis para
la media y
proporcin
poblacional.
Participe en la
tutora sncrona
48
3
Prueba de
hiptesis
para la
proporcin
poblacional.
Participe en la tutora
presencial de la 12 semana de estudio.
a
travs
del
chat que
se
encuentra en el
campus virtual,
en
la
11
semana
de
estudio.
48
4
estudio a travs
del
campus
virtual.
Participe en la
tutora
asincrnica
de
la 15 semana
de
estudio
a
travs del foro,
que
se
encuentra en el
campus virtual.
Participe
del
examen en lnea
de la unidad 03
en
la
15
semana
de
estudio a travs
del
campus
virtual.
5.2
Semanas de Estudio
1
TAS
3
4
TS
TP
UNIDAD I
5
TAS
7
8
9
TS
TP
TS
UNIDAD II
10
11
TS
12
13
14
TP
TS
UNIDAD III
Leyenda:
TAS: Tutora asncrona (foros)
TS: Tutora sncrona (chat)
TP: Tutora presencial
No olvide asistir a la tutora presencial y comunicarse con el docente a
travs de la tutora asncrona y sncrona.
15
TAS
5.3
Medios y Materiales
Materiales Fsicos:
Usted contar con la Gua Didctica y el Texto de la
asignatura Medios virtuales:
Usted contar con el EVA (Entorno Virtual Angelino), desde el cual podr
acceder a la asignatura. Para tal hecho, deber requerir su usuario y clave en
la administracin de la Sede Chimbote o su respectiva Filial ULADECH
Catlica.
60%
10%
10%
20%